AI 不會讓你變強，除非你本來就強：論差異化的複利效應
每一層產出被商品化的時候，它上面那一層就變得更值錢。我們正在即時見證這件事發生。
最近讀了 @Globalflows 的一篇長文 How to Become So Differentiated That No One Dares Compete With You Pt 2。如果說 Part 1 講的是「差異化來自刻意製造輸入的交叉碰撞」，Part 2 講的就是：AI 把這套邏輯推上了指數曲線，但絕大多數人卻在用 AI 把自己變得更平庸。
這篇文章的密度極高，幾乎每一段都能單獨拿出來講。以下是我消化後認為最重要的幾個關鍵論點，以及我自己的思考。
一、放大器悖論：AI 放大的是你帶進去的東西
整篇文章的核心論點只有一句話：
AI is an amplifier. It amplifies whatever you bring to it. If you bring nothing, it amplifies nothing into something that looks like something.
AI 是放大器。你帶什麼進去，它就放大什麼。如果你帶進去的是零，它會把零放大成一個「看起來像什麼東西」的東西。
這句話的殺傷力在於它的精確性。
我們都見過那種現象：有人用 AI 產出一篇文章，用詞精準、邏輯通順、格式漂亮——但讀完之後你什麼都記不住。因為它說的每一句話，任何一個跑同樣 prompt 的人都能得到。表面上「夠好」（good enough），實質上「零差異」。
文章把這種現象叫做「把能力（competent）誤認為差異化（differentiated）」。這是一個認知陷阱，而且正在大規模發生。
二、同一個問題，兩種截然不同的使用方式
文章舉了一個極具畫面感的例子：
假設你想了解信用市場正在發生什麼。
用法 A：打開 AI，問「幫我總結一下目前信用利差的狀況」。你會得到一個乾淨、準確、毫無差異化的答案。每個問這個問題的人都得到大致相同的回覆。
用法 B：你花了多年時間閱讀信用研究報告、觀察利差在利率週期中的行為模式、研究 2008 年以來交易商資產負債表的結構性變化，並形成了自己關於裂縫會出現在哪裡的論點。當這個人坐在 AI 面前時，他不是在請 AI 替他思考，而是在請 AI 幫他更快地思考。
差異在哪裡？
| 用法 A | 用法 B | |
|---|---|---|
| 輸入 | 泛用問題 | 框架驅動的精準提問 |
| AI 的角色 | 替代思考 | 加速思考 |
| 產出的差異化 | 零（任何人都能得到） | 極高（框架無法複製） |
| 長期效果 | 認知肌肉退化 | 認知肌肉指數強化 |
這張表讓我看到一個殘酷的事實：大部分人以為自己在用 AI 加速，其實是在用 AI 偷懶。兩者在行為上看起來一模一樣，但在複利曲線上是完全相反的方向。
三、認知頻寬的天花板被移除了 (註：我最喜歡且認同這部分)
這是文章中最讓我興奮的段落。
在沒有 AI 的時代，你能同時在腦中維持的複雜框架大約是三到四個。超過這個數量，事情就開始模糊、遺忘、脫節。差異化的最終天花板，其實是認知頻寬的天花板。
AI 把這個天花板拆掉了。
回到 Part 1 的「同時讀三本書」理論：三本書之間的交叉連結會產生指數級的洞察，而且幾乎不可能被逆向工程拆解。現在想像你同時讀這三本書，而且你有一個 AI 系統可以：
- 同時將三本書的內容保持在記憶中
- 浮現你可能遺漏的連結
- 壓力測試你的解讀
- 幫你把啟發延伸到你甚至還沒考慮過的領域
文章用了一個非常驚豔的比喻：
三體問題變成了三十體問題。你的產出複雜度變成了競爭對手連開始描繪都做不到的東西，更不用說複製。
這不是科幻。這是正在發生的事。那些有深厚框架的人，現在可以用 AI 把自己的思考運行在以前不可能的廣度和速度上。他們沒有替代思考，他們給了自己一個從來不會忘記任何一頁、從來不會丟失想法之間線索的第二大腦。
四、零的指數倍還是零
文章中最冷酷的一段：
The people who spent years developing genuine expertise are now getting an exponential multiplier on that investment. The people who skipped that work and jumped straight to asking AI for answers are getting an exponential multiplier on zero.
花了多年建構真正專業能力的人，現在正在他們的投資上獲得指數倍率。跳過那些功課、直接問 AI 要答案的人，正在獲得零的指數倍率。
兩組人之間的差距，將會成為人類歷史上最大的一次分流，而且發生得很快。
這段話呼應了我昨天讀的 The Cost of Staying 中的 K 型曲線概念。那篇文章從職業選擇的角度描述分流，這篇文章從認知能力的角度描述同一件事。兩篇文章指向同一個結論：分岔已經開始，而且是指數級的。
五、你和 AI 的關係本身就是一個差異化資產
這是整篇文章中最具前瞻性的觀點：
你和 AI 的互動方式——你如何結構化對話、你餵給它什麼上下文、你在它周圍建立了什麼系統、你跨越多次對話累積了什麼記憶——這些東西本身就是一個不斷複利的資產，而且對你來說是獨一無二的。
沒有其他人擁有你的領域知識、你的問題、你的框架和你累積的上下文的完全相同的組合。隨著時間推移，你的 AI 工作流本身就變得和你的專業能力一樣不可複製。別人可以用同一個模型，但得不到任何接近你能得到的東西——因為他們沒有你圍繞著模型建立起來的輸入架構。
文章把這種關係定義為回饋循環（feedback loop），而不是工具（tool）：
工具是你拿起來又放下的東西。回饋循環是每次運轉都會變得更好的東西。
每一輪「思考 → 產出 → 獲得市場反饋 → 精煉」的循環，都會讓下一輪更快、更銳利。這個系統的產出隨著每次迭代變得更加差異化，因為輸入正在以那個特定配對獨有的方式複利。
六、真正被商品化的是哪一層？
文章結尾的這段話，我反覆讀了三遍：
The information age didn’t make information valuable. It made information free and made the ability to INTERPRET information the only thing worth paying for. AI doesn’t make thinking valuable. It makes thinking free at the surface level and makes the ability to think DEEPLY the only thing worth paying for.
資訊時代沒有讓資訊變得有價值。它讓資訊變得免費，讓解讀資訊的能力成為唯一值得付費的東西。
AI 沒有讓思考變得有價值。它讓表層的思考變得免費，讓深度思考的能力成為唯一值得付費的東西。
每一層產出被商品化的時候，它上面那一層就變得更值錢。
七、我的反思
讀完之後，我對自己使用 AI 的方式做了一次誠實的審計，結論不太舒服。
我發現自己有太多時候是在用 AI 走捷徑，而不是用 AI 加深思考。寫東西的時候，我會在腦中還沒有清晰定見時就讓 AI 先「生一版」，然後在它的輸出上修改。這看起來很高效，但文章的邏輯讓我看到了代價：我跳過了形成自己觀點的那段認知勞動，而那段勞動恰恰是建構框架的原料。
幾個具體的啟發：
1. 先想清楚再打開 AI。 不是不用 AI，而是確保你帶進去的是一個有結構的問題，而不是一句「幫我想想這個」。你的 prompt 品質直接反映你的框架深度。
2. AI 不是答案產生器，是假設壓力測試機。 最好的用法不是問「這是什麼？」而是問「我認為 X 是因為 Y，幫我找出這個推理中的漏洞」。讓 AI 扮演你的對手，而不是你的代筆人。
3. 你的 AI 工作流就是你的護城河。 有意識地累積跨次對話的上下文、建立提問的模板、記錄框架的迭代。這些東西會複利，而且是別人無法複製的複利。
4. 每天問自己一個問題：「今天我用 AI 跳過了哪些思考？」 如果答案是「很多」，那你不是在被放大，你是在被稀釋。
最後引用文章的結尾：
The differentiation framework isn’t threatened by AI. It’s the only thing that makes AI useful. Without it, you’re just running the same prompts as everyone else and wondering why you can’t pull ahead.
差異化框架不是被 AI 威脅的東西。它是讓 AI 有用的唯一東西。沒有它，你就是在跑跟所有其他人一樣的 prompt，然後困惑為什麼自己無法領先。