马斯克近日公开宣称，到明年年底，人工智能将在除涉及原子操作外的所有数字任务上超越人类。这一论断引发广泛关注，人们不禁思考：当人工智能在智力层面逐渐超越人类，并使智力劳动变得廉价，人类该如何应对这一挑战？
当前，人工智能的发展正以惊人的速度重塑智力劳动的价值。以OpenAI为例，2026年7月，该公司将GPT-5.6 Luna的API价格大幅削减80%，输入成本降至每百万token 0.20美元，输出成本降至1.20美元。而几个月前，其旗舰模型GPT-5.4的价格还分别为2.50美元和15美元。尽管在智能指数上，Luna xhigh与GPT-5.4 xhigh仅相差3分，但价格却相差12.5倍。更值得关注的是，GPT-5.6 Sol已开始参与分析生产流量、优化负载均衡，并自主改写服务自己的GPU生产内核，进一步压低了端到端服务成本。这表明，机器自身正在推动智能价格的下降，智力劳动正逐渐从稀缺资源转变为普遍可用的能力。
这种现象并非首次出现。19世纪末，智利凭借对天然硝石的垄断控制了全球固定氮生产的三分之二，硝石既是肥料也是炸药原料，为智利带来了巨大的财富。然而，1913年，巴斯夫在德国奥堡启动了第一座工业化合成氨工厂，弗里茨·哈伯和卡尔·博施的技术突破使得空气中的氮可以被合成肥料和炸药。到1936年，智利在全球氮生产中的份额骤降至7.6%。智利并未失去挖矿技术，但市场对天然硝石的定价已彻底改变。这一历史事件被类比为当今智力劳动的“哈伯－博施时刻”：新技术正在合成过去只能从少数人或地方获取的稀缺品，导致旧资产的拥有者虽仍在，但新资产的负债表已不复存在。
面对这一趋势，个人该如何应对？传统的单一技能、单一平台、单一雇主或单一模型的依赖模式，正逐渐成为风险源。过去，这些依赖被视为专业、忠诚和效率的象征，但在环境快速变化的今天，它们可能转变为束缚。例如，一个人可能同时掌握文案写作、PPT制作和AI辅助设计，但这些技能底层仍依赖于廉价数字智能，一旦基础模型进步，它们可能同时贬值。因此，真正的对冲策略并非简单学习多种技能，而是构建多元化的能力组合，降低对单一风险因素的暴露。
哈里·马科维茨的现代投资组合理论指出，组合风险不仅取决于资产种类，还取决于它们如何共同波动。同样，个人在构建能力组合时，需考虑哪些收入、身份和选择权会随智能价格下跌而受损。对冲虽有成本，如维持冗余生活、建立第二收入等，但它能提高人生的下限，确保在AI冲击下不会彻底失去机会。例如，将收入从纯数字领域转向需要具体人在场、签字、承担责任或解释的环节，如外科手术、商业战略决策或户外探险等，这些工作因包含现场关系、法律责任和身体反馈，难以被AI完全替代。
智力商品化后，信任成为更宝贵的资产。AI可以生成无数建议，但无法替代十年的履约记录、错误处理或利益面前的坚持。信任需要时间积累，难以量产，因此其价值随智能价格下跌而上升。个人应构建不依附于单一平台的信用地盘，如持续多年的作品记录、直接认识的客户群体或与真实姓名绑定的承诺等。这些信任资产虽难以快速建立，但能在AI时代提供稳定的支撑。
最后，拥有退出权并灵活使用AI是关键。未来，个人应避免将所有生活条件锁定在单一节点上，如单一公司、平台或模型。相反，应构建多元化的头寸，如可带走的客户名单、知识产权、独立渠道或储蓄等。这些头寸能让人在系统变化时保留发言权和离开的能力。同时，应像猎人一样使用AI，既调用最强模型追求机会，又保持对猎物和扣动扳机的选择权。当智能超越人类并使智力廉价化时，人类最后要守住的，是决定在乎什么、把命押在哪里的权利。
