当人工智能以惊人的速度逼近甚至超越人类智能，一场关于生存与价值的深刻变革正在悄然发生。马斯克曾断言，到2027年底，AI将在所有数字任务中达到超人类水平，仅在需要直接操作物质世界的任务上稍显逊色。这一预言不仅引发了科技界的震动，更让无数依赖智力谋生的人陷入深思：当AI能够以更低成本完成同样的工作，人类的智力是否会沦为一种廉价的商品？
AI的进步不仅体现在能力上，更体现在价格上。2026年7月，OpenAI将GPT-5.6 Luna的API价格大幅削减80%，输入成本降至每百万token仅0.20美元，输出成本也仅为1.20美元。这一价格调整使得AI服务的成本大幅降低，同时也意味着智力劳动的市场价值正在被重新定义。独立评测机构Artificial Analysis的数据显示，Luna xhigh的智能指数与前代旗舰模型GPT-5.4 xhigh相差无几，但价格却相差12.5倍。这种差距不仅反映了技术进步的速度，更揭示了智力商品化的趋势。
历史上，类似的变革并不罕见。19世纪末，智利凭借对天然硝石的垄断控制了全球氮生产的三分之二。然而，1913年，巴斯夫在德国奥堡建成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已不足8%。这一“哈伯－博施时刻”不仅改变了市场格局，更让旧资产的拥有者面临价值归零的风险。今天，智力资本正在经历同样的变革，AI的崛起正在拆解智力劳动的稀缺性。
面对这一变革，个人该如何应对？“对冲”成为了一个关键策略。对冲并非要赢得与AI的竞争，而是要在变革中保持生存的能力。国家层面，对冲表现为建立冗余供应链、保留自主能力，以避免对单一体系的过度依赖。个人层面，对冲则意味着避免对单一技能、平台或雇主的过度依赖。单一技能的集中投入在过去可能带来高回报，但在AI时代，这种策略可能变成束缚。
真正的对冲需要更深入的思考。哈里·马科维茨的现代投资组合理论指出，组合的风险不仅取决于资产的种类，还取决于它们如何共同波动。同样，个人的收入、身份和选择权也面临被AI价格曲线同步拉低的风险。对冲的成本在于需要维持多种能力、分发渠道和第二收入，这些在短期内可能显得低效，但从长远看，它们能提供更高的下限，避免在AI冲击下彻底归零。
那么，个人该如何具体实施对冲策略？首先，离开纯比特的价格战。AI虽然能够覆盖越来越多的数字任务，但某些工作仍然难以被完全数字化。例如，外科医生不仅需要技术，还需要在手术同意书、医疗责任和病床边的关系中承担后果；商业战略的制定者不仅需要分析，还需要将自己的名声、现金流和未来押在战略上。这些工作涉及现场关系、法律责任和身体反馈，最终交付无法仅按token价格结算。
其次，将智力转换为信任。在智力商品化的背景下，继续加码智力可能并非明智之举。相反，信任和声誉的价值正在上升。AI可以生成无数条建议，但无法替代十年的履约记录；它可以模仿语气，但无法倒流回过去，替一个人按时交付、承认错误。信任需要时间积累，而时间无法并行生产。因此，建立一块不依附于单一平台的信用地盘，成为个人品牌的核心。
最后，拥有退出权，并像猎人一样使用AI。未来的风险在于，所有生活条件被锁在同一个节点上：工资来自一家公司，客户来自一个平台，作品存在一个账号里。任何一个节点的关闭都可能让人失去转身空间。因此，普通人需要持有AI价格下跌也碰不到的东西，如低固定成本、身体、现场关系、长期信用和可带走的客户。同时，毫不犹豫地调用最强模型，追求过去一个人根本够不到的机会，形成一种杠铃策略：一端极端保守，一端极端进取。
在这场变革中，时间观成为对冲的底层逻辑。如果拥有无限时间，人不需要对冲；但生命有死期，时间有预算，人必须排序，决定什么值得学，什么值得放弃，谁值得相信，哪件事值得把身家压上去。AI可以同时走一万条路，失败九千九百九十九次，再把剩下那条递给你；但人只能在有限的几年里，选一小部分事情认真去做。这个缺陷很麻烦，也很宝贵，它逼着人回答智能永远替你回答不了的问题：什么是值得的。
