“知识平权”大概是这两年最令人兴奋的叙事之一。

逻辑很简单：LLM 让每个人都能获取专家级的知识，Token 越来越便宜，API 人人可调，信息壁垒被彻底拆除。于是结论呼之欲出——人与人之间的差距要缩小了。

这个故事讲得很好。可惜，它是错的。

每一次“平权”，都在制造新的不平等

互联网出现时，人们说信息平权了。结果呢？信息过载让多数人变成了被算法喂养的内容消费者，而少数人成了算法的设计者。

搜索引擎出现时，人们说知识平权了。结果呢？同样一个 Google，有人用它查明星八卦，有人用它追踪论文引用链，差距不是缩小了，而是被搜索能力的差异放大了。

智能手机出现时，人们说计算平权了。结果呢？每个人口袋里都装着一台超级计算机，多数人用它刷短视频，少数人用它构建商业帝国。

规律早就摆在那了：工具层一旦拉平，竞争就会上移到使用者的认知层，而认知层的差距远比工具层大。

LLM 也不会例外。

Token 是马力，不是方向盘

Token 变便宜了，这是事实。但便宜的是算力，不是判断力。

一个人对着 Claude 说“帮我写个方案”，另一个人对着同一个 Claude 说“基于这三个约束条件，在这两个方向之间做权衡分析，输出决策依据和风险评估”——他们用的是同一个模型，消耗的 Token 差不多，但产出完全是两个世界的东西。

差距不在 Token，在驾驭 Token 的能力。

这种能力不是“学会使用 AI 工具”就能获得的。它本质上是：你能不能精准地定义问题、拆解意图的层次、判断输出的质量、知道什么时候该追问、什么时候该停下来自己想。这些东西，在没有 AI 的时代叫“专业素养”，有了 AI 之后它们不但没过时，反而成了唯一的杠杆。

数字农民的诞生

我用“数字农民”来描述一种正在成形的新身份。

农民不是贬义词。农业时代的农民辛勤劳作，但他们的产出被土地、气候、地主这些他们无法控制的变量锁死。他们不缺力气，缺的是对生产资料的掌控权。

数字农民也一样。他们每天都在用 AI，看起来很忙，产出很多——写了好多文章、生成了好多图、跑了好多 workflow。但他们的产出被别人定义的 prompt template 和别人设计的 workflow 锁死了。他们不缺 Token，缺的是对意图的掌控权。

数字农民的特征很明显：

被工具的能力边界定义

工具能做什么，他就做什么。AI 能生成文章，他就生成文章；能生成图片，他就生成图片。从不反过来问：我到底要解决什么问题？用 AI 是不是最好的路径？

在“效率幻觉”里循环

一天用 AI 生成 20 篇内容，感觉效率爆炸。但没有一篇经过深度思考，没有一篇能产生复利。高速运转的流水线，产出的全是易耗品。

把 AI 的输出当终点

收到 AI 的回答就直接用，不校验、不追问、不迭代。本质上是把自己的判断力外包给了模型——而模型并没有为你的决策后果负责。

数字精英的杠杆

另一端，数字精英正在以不成比例的速度拉开距离。

同样的 Token，在他们手里产生的是复合回报。一个好的 prompt 不只是一次对话，是一个可复用的思维模板。一次和 AI 的深度协作不只产出一个结果，而是沉淀了一套方法论。

数字精英和数字农民的根本区别不在于用不用 AI，而在于谁在定义意图、谁在被意图定义。

精英用 AI 来放大自己已有的认知优势——他们知道要去哪，AI 帮他们更快到达。农民用 AI 来填补自己的认知空白——他们不知道要去哪，所以 AI 说去哪就去哪。

前者是驭马的人，后者是被马拖着跑的人。看起来都在移动，但一个在选择方向，一个在随波逐流。

真正的稀缺资源

Token 平权后，什么变成了稀缺资源？

不是知识——LLM 可以给你任何领域的知识。不是技能——AI 可以帮你执行大多数操作。不是信息——互联网早就解决了信息获取问题。

稀缺的是意图的精度。

你能多精确地定义你要什么，决定了你能从 AI 那里得到什么。这个精度来自于你对问题域的理解深度、对约束条件的敏感度、对输出质量的判断标准。这些东西没有捷径，Token 再便宜也买不到。

一个医生用 AI 辅助诊断，他能判断 AI 的建议是否合理，因为他有二十年的临床经验在支撑他的意图精度。一个没有医学背景的人用同样的 AI 问诊，他只能被动接受输出，因为他连判断对错的坐标系都没有。

Token 平权了，但意图的精度没有平权。它是一个人全部认知积累的投射。

平权叙事的危险

平权叙事最危险的地方不在于它是错的，而在于它让人放松警惕。

“AI 会让每个人都变强”——这句话让人觉得只要用上 AI，就自动站在了时代的正确一边。于是有人停止了深度学习，因为“反正 AI 都知道”；有人放弃了独立思考，因为“AI 想得比我好”；有人不再打磨自己定义问题的能力，因为“AI 能理解我的意思”。

这恰恰是数字农民化的起点。

每一个你放弃思考的瞬间，都在缩小你驾驭 AI 的能力边界。每一次你不加判断地接受输出，都在固化你作为数字农民的身份。AI 越强大，这个过程越不可逆——因为你越来越难以察觉自己正在失去什么。

分化已经开始

这不是未来的预测，是正在发生的事实。

在工程领域，会用 AI 做代码补全的人遍地都是，但能用 AI Agent 构建完整开发流水线的人屈指可数。差距不在于是否使用 AI，而在于使用的粒度——是在句子级别还是在系统级别。

在商业领域，用 AI 写营销文案的人已经饱和了，但能用 AI 构建决策框架、做竞争分析、优化定价策略的人依然稀缺。差距不在于 AI 的能力，而在于使用者知不知道该让 AI 做什么。

在教育领域，用 AI 帮孩子做作业的家长很多，但能用 AI 设计个性化学习路径、引导孩子建立思维框架的家长很少。工具一样，理解不同，结果就是两个世界。

而且这个分化不是线性的，是指数级的。

为什么？因为 AI 的使用存在复利效应。一个人今天学会了用 AI 构建知识图谱，明天他就能在这个图谱上做更深的分析，后天他就能把分析变成决策框架，大后天他就能用这个框架训练自己的 Agent。每一步的产出都是下一步的输入，能力滚雪球式增长。

数字农民没有这个雪球。他们的 AI 使用是平的——今天生成一篇文案，明天生成另一篇文案，后天还是文案。每一次使用都是孤立的，不产生累积，不形成飞轮。

这意味着一步快，步步快。先行者和后来者之间的差距不是等差数列，是等比数列。

更残酷的是，这个差距一旦拉开，几乎不可能追上。不是因为工具有门槛——Token 随便买。而是因为先行者已经 build 了一群 7×24×365 无间断运行的 Agent，加上能自我进化的系统。这些 Agent 不睡觉、不请假、不摸鱼，它们在你刷短视频的时候替主人扫描市场、清理代码、优化策略、发现机会。而且系统本身在不断学习，每一次运行都比上一次更聪明。

后来者面对的不是“学会用 AI”这一个台阶，而是一整个已经在自主运转的系统。你还在学怎么写 prompt，人家的 Agent 集群已经迭代了几千个循环。每晚一天开始认真驾驭 AI，要追的路就多一截。而先行者没有停下来等你——他们的系统在替他们加速，连睡觉的时候都在加速。

Token 平权不是弥合鸿沟，是在鸿沟两侧各装了一台加速器。一侧加速上升，一侧加速下沉。

拿到同样的工具，有人耕地，有人造飞机。

问题从来不是工具够不够好，而是握着工具的那个人，知不知道自己要造什么。

而现在，连想清楚这个问题的窗口期，都在关闭。