《复利的第三范式》

《复利的第三范式》序章

资本复利把收益带回本金，技能复利把经验带回人。AI 复利指大模型的智能水平持续抬升，并反作用于训练大模型的智能本身。

序章：复利是人类第十大奇迹

分工为什么曾经带来效率，是理解现代增长结构时绕不开的问题。表面上看，分工是把复杂任务切开；更深一层看，分工也让技能可以在时间中沉淀、变厚、再投入。这样看，AI 改写的范围就从分工延伸到更底层的时间曲线。从这个角度看，《国富论》里那个著名的制针工厂故事，除了“分工提高效率”这一层，还包含技能如何在重复动作中积累的线索。一个人长期承担同一类动作，身体会熟悉，判断会加快，错误会减少，工具也会围绕那个动作被重新设计。分工把复杂生产拆成更小的环节，表面上看是空间上的切分，深处却有一条时间上的积累线：同一类技能被反复使用，经验会从当次任务的副产品，逐渐变成下一次生产的起点。这就是技能的时间复利。它不一定像资本那样能被精确记账，却真实地支撑了现代生产中大量关于专业化、训练、岗位和组织效率的直觉。

资本复利则是另一条更容易被看见的曲线。人们谈复利，最常想到巴菲特。原因很少是某一年收益率惊人，更多来自资本收益可以保存、归属、再投入，并且在足够长的时间里不断滚动。资本复利的力量，来自它把时间变成了结构的一部分：一次收益会继续进入下一轮本金。巴菲特的故事之所以反复被引用，正是因为它把这条曲线展示得足够清楚。资本不是每一刻都剧烈变化，但只要收益能够不断回到系统里，时间本身就会成为放大器。于是，过去我们理解增长时，最稳定的两条线其实很清楚：一条是资本在时间里的复利，一条是技能在时间里的复利。前者更容易被计量，也更容易被金融语言表达；后者更隐性，却深深嵌在分工、训练、专业化和组织能力之中。现代社会大量关于“长期主义”的判断，归根结底都建立在这两条线上：钱可以滚动，人的能力也可以滚动。只不过一条通过资产和现金流发生，一条通过经验、熟练度和判断力发生。

但这里一直有一个尴尬的位置：工具在哪里？工具当然极其重要。没有工具，就没有现代生产力；没有蒸汽机、电力、计算机和互联网，资本与技能也不可能以今天这种规模释放出来。真正需要区分的，是传统工具的增长形态和资本、技能通常不一样。很多工具在被发明、引入或普及时，会把整个平台突然抬高一截；但抬高之后，它本身并不一定因为每一次使用而继续吸收经验。锤子不会因为被熟练工使用一万次，就自动继承那位工人的手感；普通软件也不会因为处理过一百个项目，就自动理解组织的判断标准。所以，传统工具更接近阶段性跃迁，离持续复利仍有距离。它能极大提高效率，也能改变产业结构，但它的能力提升往往来自下一次外部发明、设备换代、版本升级或基础设施普及。真正随使用而复利的，很多时候仍然是使用工具的人，是围绕工具重组出来的流程，是组织在工具之上慢慢积累出来的方法。工具本身更像一个被抬高的平台，很少成为一条会因为每次使用而持续变陡的曲线。

AI 的特殊性，正是在这里出现。它当然仍然可以被当作工具使用，但如果只把 AI 复利理解成 prompt、context、workflow、memory 的沉淀，就会把问题看浅。使用者侧的工具复利是第一层：一次提示词、一次修改、一次失败样例、一次评审标准、一个知识库条目、一个工作流模板，都可能从当次使用的痕迹，变成下一次任务的起点。个人和组织把反馈、模板、检查项、agent 行为约束沉淀下来，下一轮任务就不再从零开始。这是真实的复利，但它只是 AI 复利在下游工作流里的表现。

更本质的 AI 复利，是大模型智能水平持续抬升，并反作用于训练大模型的智能本身。它至少包含两个同时成立的侧面：一是平台级模型能力复利，预训练没有到头，post-training、scaling、数据、合成数据、RL、工具使用和推理能力都还在继续抬高上限；二是智能自我改进，当 AI 开始参与数据生成、训练、评测、算法研究和下一代模型构造时，智能本身也开始参与制造更强智能。各家大厂每隔几周或几个月推出新模型，用户今天打开同一个工具，即使没有自己沉淀多少 context，也会因为底层模型升级而获得更强能力；而 AI 参与研发，又会反过来加快这个底层模型升级过程。

这也是 AGI 到 ASI 讨论里最关键的一步：不需要先自动化所有现实工作，只要先自动化 AI research，就可能把原本多年甚至十年的算法进步压缩到更短周期。大量 AI researcher agents 持续做实验、改训练流程、造数据、写评测、找算法改进，智能上限就会被持续推高。这里的第三条曲线，已经不只是“工具变得更顺手”，而是“智能生产更强智能”。

本文所谓“第三条复利曲线”，没有把 AI 放在资本和技能的对立面。资本决定能投入多少资源，技能决定能做出什么判断，AI 复利决定智能底座和外接产能能否随着时间持续变厚。三者构成叠加关系。问题也不应该被简化成“AI 会不会取代谁”，而应该被放回更长的时间结构里：当模型能力持续升级，当工具系统保存反馈、复用上下文，当 AI 进一步参与训练、评测、数据生成和算法研究时，增长的坐标就多了一维。这篇文章接下来要讨论的，就是这第三条曲线为什么过去没有被单独看见，为什么传统工具通常更像跃迁而不是复利，为什么 AI 让这个判断开始松动，以及这条曲线一旦继续向前，会怎样从工具复利走向智能生产智能，再进入更广阔的社会生产系统。换句话说，这里要讨论的是：AI 如何让智能第一次靠近复利，并由此改写人类增长的时间结构。