我以前以為瓶頸是執行。
大半輩子當工程師，這感覺很明顯。如果我有個好想法，難的是把它變成真的東西。你得寫 code、做介面、debug 怪邊界、部署、寫文件、修壞掉的 auth flow、重想 data model，然後還得有力氣告訴別人這件事。
然後 AI 變得夠好，能做掉很多這些事。
不知怎的，我變得更焦慮，而不是更放鬆。
這不只是我的問題。我覺得很多 tech 圈的人現在都有某種版本的這種感覺——無論你是很資深的 builder、出名的 AI power user，還是在最糟也最好的時機剛進產業的 junior。
空氣裡有一種新的 tech anxiety。它有很多層，但有兩層特別常見。
第一層，我半開玩笑地叫它 tokenmaxxing guilt。
你訂了 Claude、Cursor、Codex、Devin，或這週流行的任何 agentic 工具。突然間你有一種奇怪的感覺：沒用掉的 token 是浪費的潛能。如果模型沒在做事、沒有 agent 在跑、沒有 branch 在生成、沒有 side project 在你睡覺時往前推，就好像你把錢留在桌上。
不完全是錢。是更糟的東西。
可能性。
第二層是 peer competition amplifier。
這種焦慮在 AI 之前就存在。timeline 上總有人在發新產品、寫漂亮 essay、做酷的開源專案、被收購、融資、發 benchmark，或隨手貼一張看起來比你過去六個月出貨的任何東西都更好的截圖。
AI 沒有創造這種焦慮。
AI 給它打了類固醇。
現在每個人好像都建得更快。每個人好像都在 shipping。每個人好像都有十幾個 agent 在幫他們工作。每週都有新 demo、新 repo、新的「週末做出來的」貼文，新的提醒：也許你還站在原地，而世界其他人已經悄悄發現了生產力作弊碼。
我完全不免疫。
如果有什麼不同，我大概特別容易中招。
自從 AI 能做真正的自主工作以來，我用它實驗了各種東西：memory 系統、agent workflow、本地模型基礎設施、奇怪的產品想法、automation script、寫作工具、coding helper、design prompt，以及一長串半夜兩點覺得有道理、隔天早上就很難辯護的半成形東西。
一開始，那感覺像超能力。
然後我注意到一件不舒服的事。
AI 生成工作的速度，遠快過我驗證它的速度。
而那改變了一切。
AI 放大生成，不放大驗證
當前的 AI building meta 常假設：更多自動化 = 更高 throughput。
在窄義上這是對的。如果你量的單位是生成的 code、文字、設計、PR、或想法，那是的，AI 大幅提高 throughput。
但那不是整個系統。
真正的系統包含驗證。
模型可以在幾秒內產出解法。但檢查那個解法是否正確，仍要人的注意力。檢查架構是否合理，要更多注意力。檢查這個 feature 到底該不該進產品，要 taste。檢查這個專案值不值得繼續，要更重的東西。
要判斷。
不對稱出現在這裡：
AI 放大生成。它不以同樣方式放大驗證。
至少目前不是。
你可以叫 AI review AI 生成的 code。可以叫一個模型批評另一個模型。可以做 eval。可以跑 test。可以建 CI。可以自動化部分 review。
那些都有幫助。
但在鏈的盡頭，仍有人必須決定：這東西好不好、方向對不對、這個 abstraction 值不值得留、這個輸出是把專案往有意義的地方推，還是只是增加 surface area。
這就是我所謂的 verification hell（驗證地獄）。
不是因為驗證不可能，而是因為比例壞了。
AI 之前，如果我寫了三小時 code，我腦子裡大概有三小時的 context。Review 不是免費的，但至少工作和理解是耦合的。產出這件事，也幫助我理解這件事。
有了 AI，那層耦合斷了。
模型可以在我喝咖啡時生成一千行 code。它可以在我還沒把舊架構在腦子裡重建完之前，提出新架構。它可以給出五條看似合理的實作路徑，每條都有自己的隱藏假設與未來維護成本。
輸出很便宜。
理解輸出很不便宜。
而如果你不理解輸出，你其實並不擁有那份工作。
這是 AI 生產力開始變得心理上很怪的地方。你覺得自己很有生產力，因為 repo 在變。Branch 在動。檔案在生。PR 在出現。機器在工作。
但你自己的 mental model 未必以同樣速度在進步。
有時甚至在退化。
你變成一個系統的疲憊 reviewer——而你已經不完全理解那個系統。
AI side project 的墳場
從驗證地獄逃出去，有一條常見路線：再開一個新專案。
聽起來不理性，但在情緒上完全說得通。
Review AI 輸出在認知上很貴。它逼你面對：你生成的東西可能是錯的、不必要的、設計很糟的，或根本不值得做完。它需要慢思考。需要重新載入 context。需要做決定。
開新專案，另一方面，感覺很乾淨。
Context 是新的。可能性是無限的。模型很興奮。你也很興奮。還沒有累積的爛攤子。沒有架構債。沒有未解的產品問題。沒有半壞的 auth。沒有比 repo 能交付的更多的尷尬 README。
所以你開一個新資料夾。
你叫模型 scaffold 一點東西。
有那麼一瞬間，你又覺得自己很有生產力了。
這是 AI-assisted building 最危險的陷阱之一：AI 不只提高「完成的工作」的速度。它也提高「未完成的工作」的速度。
AI 之前，side project 有自然摩擦。就算做出第一個可用版本，也要夠多努力，讓你得在意一點。現在啟動成本低到啟動本身成了一種拖延。
你可以靠「產出」來拖延。
這比普通拖延更難察覺，因為從外面看起來像工作。你在寫 prompt、review diff、選 framework、部署 prototype、生成 UI、要求 refactor、做 integration。到處都是 activity。
但 activity 不是 completion。
而 completion 也不等於 value。
時間一久，side project 會堆積。每個都帶一點點情緒債。每個都提醒你：有一個「可能完成它的自己」沒出現。焦慮不會下降，因為真正的瓶頸從來不是「生成的輸出不夠」。
瓶頸是 closure。
稠密訊號與稀疏訊號
過去幾個月，我觀察別人，也觀察自己。我注意到最擅長把 token 轉成真實世界價值——尤其是用錢量的價值——的人，常常共享一個特質：
他們知道自己在試著做什麼。
不是某種宏大的形上意義。他們只是有夠清楚的目標。
他們知道顧客。知道痛點。知道 workflow。知道 offer。知道什麼算成功。知道下一步該 ship 什麼，因為市場給他們稠密的回饋訊號。
有人付錢嗎？
Conversion 有改善嗎？
Retention 有動嗎？
Support 負擔有下降嗎？
顧客會再要一次嗎？
這種 feedback loop 極度適合 AI。如果你有清楚目標與稠密外部訊號，AI 就成了強大的成本壓縮器。它幫你測得更快、ship 得更快、iterate 得更快、關 loop 得更快。
這不代表市場驅動的 builder 很淺。在很多方面，他們處在更乾淨的優化環境。目標函數有噪聲，但至少存在。
更難的是 meaning-driven builder。
這是主要動機不（只）是錢的人。他們想做出自己親自認出有價值的東西。感覺對的東西。表達一種 taste、一種直覺、一種執念、一種標準的東西。
這就是 AI 變得沒那麼直白的地方。
因為回饋訊號是稀疏的。
你常常精確知道自己不喜歡什麼。
你知道現有工具感覺不對。你知道文字不夠銳。你知道介面沒有靈魂。你知道 abstraction 很醜。你知道這個產品類別充滿優化錯東西的人。你知道少了什麼。
但知道你拒絕什麼，不等於知道你要什麼。
而 AI 遠更擅長執行清楚的正向規格，而不是從不滿裡推斷整條創造方向。
「我不喜歡這個」不是夠稠密的 training signal。
它在情緒上可能是真的，但不足以快速收斂。
這就是為什麼 AI 對高標準的人會感覺格外挫敗。你知道得越多，bar 越高。Bar 越高，生成輸出越難滿足你。你生成越多，越被迫面對「存在的」與「你模糊相信應該存在的」之間的落差。
那個落差不是更多 token 能解的。
有時更多 token 只是讓落差更可見。
Taste 才是真正的瓶頸
很多人談 AI creativity，好像 creativity 等於生成想法。
但在 AI 時代，想法並不稀缺。
變體不稀缺。Draft 不稀缺。名字不稀缺。Mockup 不稀缺。Boilerplate 不稀缺。連看似合理的策略都不稀缺。
稀缺的是：知道哪個想法有靈魂。
或者，少一點浪漫地說：知道哪個方向值得承諾。
這就是 taste。
Taste 不只是偏好。它是壓縮過的判斷。它是你讀過、建過、欣賞過、拒絕過、痛苦過、解釋不出口的一切殘留。它是你在還無法完全辯護之前，對「什麼叫好」的內部模型。
AI 可以模仿 taste。
它可以平均 taste。
它可以 remix taste 可見的產物。
但它不能替你扛起你的 taste。
這就是為什麼「AI 是很好的執行者，但是糟糕的 vision 者」對我感覺方向上是對的——至少對我在意的那類工作。
一旦你給它座標，它可以很快把路鋪好。
但如果你不知道要去哪，它會快樂地往每個方向生成道路。
那不是自由。
那是迷宮。
我不認為 AI 對創造力沒用。剛好相反。我最近一些最好的想法，就來自和 AI 的對話。和這團由人類文明統計殘渣構成的幽靈說話，有某種真正奇怪且有價值的東西。
它可以把想法反射回來。可以組合你不會自己組合的框架。可以反推。可以提問。可以幫你把模糊的不適變成更清楚的語言。
但那過程不等於 generation。
它更慢。更對話式。更人類。
價值不在 AI 給你答案。
價值在它幫你聽見自己在想什麼。
就這點而言，AI 最好的創造用途，也許不是外包想像力。而是把你自己的訊號變稠密。
與其問：
「幫我建個很棒的東西。」
更好的問題是：
「為什麼我一直拒絕這些版本？」
「這裡到底哪裡感覺不對？」
「我在試著保護什麼價值？」
「怎樣才會讓我為這件事驕傲？」
「我假裝這是產品問題，但其實是 taste 問題的是什麼？」
AI 無法在任何最終意義上替你回答這些。
但它可以讓你待在對話裡夠久，讓你自己的答案變得不那麼模糊。
那很有價值。
它只是不能無限擴。
資訊不是理解
同樣的混淆，也出現在我們談用 AI 學習時。
當 LLM 剛變得有用時，我立刻的反應是：就算有 AI，我們大概也無法學得快很多。
至少不是人們希望的那種快。
如果一本書要讀三小時，也許它仍要讀三小時。
不是因為摘要沒用，而是因為閱讀時發生的思考，就是學習的一部分。
摩擦不是 bug。
它是機制。
我記得高中讀過 How to Read a Book，或至少在那時碰上它的核心區分：為了資訊而讀 vs 為了理解而讀。
那個區分現在感覺更重要。
如果你的目標是取得資訊，AI 摘要不可思議。它們壓縮。它們抽取。它們給你 gist。它們幫你決定值不值得全文讀。它們降低掃描世界的成本。
但理解不一樣。
理解不只是筆記裡有正確 bullet points。不只是知道作者說了什麼。甚至不只是能複述論點。
理解意味著你的思考結構已經改變。
你有了新的區分。新的鏡頭。新的懷疑。新的標準。新的察覺方式。你裡面有什麼被重新排列了。
摘要無法替你做到那件事。
它可以給你地圖，但不能替你走地形。
這就是為什麼我懷疑「AI 摘要會神奇地讓我們更有智慧」。它們會讓我們更知情。那有用。但資訊與理解是不同的貨。
用 AI 學習更好的方式，大概不是：
「幫我摘要，這樣我就不用想。」
而比較像：
「我讀了這個，有東西讓我不安。幫我弄清楚為什麼。」
你讀了。你跟它辯論。你把困惑帶給模型。你叫它重述你的立場。你叫它挑戰你。你解釋為什麼某段讓你不舒服。你把它連到自己的經驗。你寫反思。你注意到自己心裡變了什麼。
在這種模式裡，AI 不是繞過思考的捷徑。
它是思考的媒介。
那個差別很重要。
因為瓶頸仍是你。
你的注意力。你的記憶。你的情緒誠實。你願不願意被你讀的東西改變。你能不能坐在模糊裡，而不是立刻把一切轉成輸出。
AI 可以幫創造更好的理解條件。
它不能替你內化知識。
除非我們變成真正的 cyborg，也許這個瓶頸永遠不會完全消失。
而也許那沒關係。
矽速度時代的碳成長
和矽比起來，碳基生命並不因為速度而令人印象深刻。
我們慢。我們會累。我們需要睡眠。我們會忘。我們的動機起伏。我們的 working memory 很小。我們的注意力脆弱。我們不能一天跑 24 小時。就算技術上有時間，我們也可能沒有心力去 review、決定、或在乎。
AI 把這點痛得太明顯了。
機器可以繼續。
我們不能。
但也許重點從來不是在速度上跟機器比。
也許 AI 時代人類的角色，不是當一個更慢的 generator，而是當 sense-maker。
決定什麼重要的人。
培養 taste 的人。
察覺某個專案技術上成功、但精神上空洞的人。
能說出「這很 clever，但不值得做」的人。
最後那個技能，也許會比我們意識到的更重要。
在生成很便宜的世界裡，拒絕變得昂貴。
知道不該做什麼，成了認真的優勢。
這非常反直覺，因為整個 AI 生產力敘事把我們往反方向推。更多輸出。更多自動化。更多 agent。更多 workflow。更多 leverage。更多 token。更多一切。
說清楚，我喜歡生產力。我喜歡自動化。我喜歡建工具。我不是在做 anti-AI 論證。我每天都用這些系統，大概用太多了。
但我覺得我們需要對心理陷阱誠實。
用更多 token 未必創造更多價值。
生成更多 artifact 未必創造更多進度。
開更多專案未必讓你更有野心。
讀更多摘要未必讓你更有智慧。
Ship 得更快，未必代表你往對的方向走。
市場會繼續獎勵可見的 throughput，因為可見的 throughput 好量。AI 公司會繼續賣效率，因為效率好解釋。Manager 會繼續問生產力提升了多少。投資人會繼續找往上走的圖。
但真正重要的工作，很多是看不見的。
形成判斷是看不見的。
培養 taste 是看不見的。
改變心意是看不見的。
搞清楚你真正在乎什麼是看不見的。
決定完成一件有意義的事，而不是開十件看似合理的事，是看不見的。
而因為這些事難量，它們會被低估一陣子。
也許很長一陣子。
但我仍懷疑，真正的工作就在那裡。
AI 焦慮的解藥，不是最大化 token 用量。不是讓每個模型都忙著。不是去匹配 timeline 上表面的 shipping 速度。不是把自己變成開專案機器。
解藥是把回你的思考節奏。
接受有意義的事需要時間。
把 AI 不只當執行者，也當鏡子、批評者、對練夥伴，偶爾當一盞燈。
完成更少的事，但更仔細地選。
記住稀缺資源從來不是 token。
是注意力。
是判斷。
是 taste。
是決定什麼值得存在的能力。
AI 讓執行變便宜。
這讓判斷比以往任何時候都更貴。
Originally published on Medium.