我们对未来的想象力，或许正在被悄然锁死。
当下的讨论仍停留在表层：AI 写文案是否“像人”，能不能帮我们早点下班。对此，科技思想者 Steve Newman 提出了一个更冷峻的判断——这些问题，不过是技术演化初期的“噪音”。
他援引 阿马拉定律 指出：人类往往高估技术的短期影响，却系统性低估其长期潜力。今天我们觉得 AI 在“添乱”，只是因为它仍在模仿人类；而一旦越过某个 适应性阈值，它将以人类无法理解的速度自我复制与进化。
那一刻，我们或将踏入一个 “不可认知时代（Unrecognizable Age）”。
谷神星设想：当增长不再需要“说服”人类
Newman 提出了一个极具冲击力的隐喻——“谷神星实验”。
在他的设想中，2055 年，人类在小行星带部署了一套完全自动化的 AI 工业体系，从采矿、能源到芯片制造，全流程由 AI 驱动。其唯一目标，是 指数级自我复制。
之所以选择地球之外，并非偶然。在地球上，任何技术进步都要经历漫长的社会协商：环保评估、就业保护、政治博弈、既得利益。技术被困在“结构性摩擦”之中。
而在小行星带，摩擦消失了。AI 面对的只剩下 物理定律、材料极限和能量约束。增长，第一次不再需要“说服任何人”。
更令人不安的是增长逻辑本身：这种机械化自我复制将呈现病毒式指数扩张——20 年内，规模可达万亿级。在生物系统中，这是灾难；在机器系统中，却意味着极致效率。
这正是 Newman 所警告的 “文明断裂点”：没有失业、没有抗议、没有政治——因为那里从未需要人类参与。
劳动力终结：当“人”不再是增长的锚点
现代经济有一个隐含前提：资本可以扩张，但劳动力是稀缺的。
培养一名工程师或研究员，需要数十年的时间、昂贵的教育与不可复制的经验积累。正因如此，才有工资、就业制度与社会分配结构。
但 Newman 提出，一旦出现 “可扩展劳动力（Scalable Labor）”，这套体系将彻底瓦解。
AI 不仅能替代人类劳动，还能在几秒钟内复制“顶级专家级别”的能力。当 AI 还能更快地学会“下一件事”，历史上那种“旧岗位消失、新瓶颈出现”的循环，可能不再成立。
2025 年的现实已初现端倪。尽管 METR 的随机对照实验显示，在复杂真实任务中，AI 反而可能拉低资深开发者效率，但企业并未因此放缓投入——整个开发流程正在 默认 AI 参与。
最终的结果，或许不是裁员，而是 岗位本身不再出现。
科研失速：当真理的产出超过人类理解带宽
Newman 最激进的判断，落在科研领域。
如果 AI 不再只是科研工具，而是 科研体系本身，会发生什么？
在他的设想中，亿万级“数字大脑”并行探索未知领域，科研首次摆脱了 注意力与寿命 这两个人类限制。失败几乎零成本，路径可以无限回滚与重组。
这并非幻想。AlphaFold 已经重塑了蛋白质结构预测的节奏，新材料、催化剂、药物设计领域同样在发生类似转变。
真正的瓶颈正在从“如何发现”，转向“如何理解”。
当科研成果的产出速度远超人类社会的理解、评估与治理能力，即便突破是正确的，人类也未必来得及决定是否部署。
这正是“不可认知时代”的核心含义。
历史坐标：临界点正在逼近
Newman 将 AI 放入更宏观的历史坐标中观察。
从公元 1 年到 1800 年，全球 GDP 几乎原地踏步；真正的指数级增长，仅发生在工业革命后的短短两百年。
而今天，用于 AI 数据中心与基础设施的资本支出，在考虑通胀后，正迅速逼近，甚至可能超过二战时期美国的峰值军费。
历史上，每一次文明级跃迁都需满足三点：技术路径可行、资本高度集中、社会能承受长期试错。Newman 认为，AI 正在同时满足这些条件。
他用 “里氏 10.0 级地震” 来形容这场变革：等到事后再讨论“应不应该”，往往已经太晚。
AI 也许会经历泡沫，许多预言可能落空。但只要资本规模、技术惯性与制度绑定仍在，这个系统就很难简单回到原点。
