這份資料是 Stratechery 的一篇文章，標題為《深度研究與知識價值》（Deep Research and Knowledge Value），主要探討了 OpenAI 新推出的「深度研究」（Deep Research）功能對人工智慧發展、知識工作以及資訊價值本身的深遠影響。文章的核心論點可以歸結為以下幾個層次：首先，它重新定義了我們對通用人工智慧（AGI）的感知，從一個遙遠的哲學概念轉化為一個具體的、功能性的現實；其次，它揭示了知識工作正在被「解構」，即「創造性」與「實證性」工作正在分離；最後，它預示了一個未來——在這個未來中，由於資訊的無限豐沛，真正有價值的將是那些稀缺的、未公開的知識，而驗證與信任將成為新的價值核心。
第一大論點：通用人工智慧（AGI）的「體感」降臨——從步槍瞄準鏡到彈藥的轉變
首先，讓我們來探討這篇文章的第一個核心觀點：通用人工智慧（AGGI）不再是一個遙不可及的科幻概念，而是已經透過像 OpenAI「深度研究」這樣的工具，以一種功能性的、可被「體感」的方式進入我們的生活。作者巧妙地避開了關於 AGI 是否擁有意識、情感等複雜的哲學辯論，而是將其拉回到一個更務實的層面。
想像一下，你是一位剛入門的偵探，正在學習如何破案。過去，你使用的工具就像一副「步槍瞄準鏡」。例如，Google 搜尋引擎就是一個典型的瞄準鏡。當你懷疑某個嫌疑人時，你可以透過這個瞄準鏡（Google）去瞄準他（輸入關鍵字），然後瞄準鏡會幫助你看得更清楚，提供關於他的公開資訊、新聞報導、社交媒體貼文等等。但是，整個過程的主導者依然是你。你需要自己決定要瞄準誰、從哪個角度看、看到資訊後如何解讀、如何將這些零散的線索拼湊成一個完整的論述。瞄準鏡本身不會思考，它只是增強了你的觀察能力，讓你能夠更精準、更快速地獲取你指定的目標資訊。它是一個被動的輔助工具。
現在，想像一下你的工具升級了。你不再只有一個瞄準鏡，而是得到了一箱「智慧彈藥」。這箱彈藥的運作方式完全不同。你不需要親自去瞄準每一個細節。你只需要對著這顆彈藥下達一個指令，比如：「去調查這個嫌疑犯，找出他過去一週的所有行蹤、財務狀況，並分析他是否有作案動機和可能性，最後給我一份完整的報告。」然後，你就「發射」了這顆彈藥。它會自動飛出去，獨立地完成你交代的任務——它可能會駭入交通攝影機、分析銀行交易紀錄、滲透社交網絡，然後在短時間內，帶著一份整理好的、結構化的報告回到你面前。
這就是作者所描述的從「步槍瞄準鏡」到「彈藥」的轉變。傳統的 AI 工具，就像瞄準鏡，它們增強你的能力，但你需要全程操作。而像「深度研究」這樣的「類 AGI」工具，則更像是彈藥。你賦予它一個任務（Task），並信任（Trust）它能獨立完成。這正是作者引述 Keith Rabois 的 AGI 定義：「AGI 的特徵在於，它可以被賦予一項任務，並被信任能以足夠好的成功率完成它。」這不再是一個被動的工具，而是一個主動的執行者。
文章開頭提出的問題「你何時感覺到 AGI 的到來？」，作者的答案並不是某個 AI 學會了寫詩或通過了圖靈測試，而是當他發現自己可以用每月 200 美元的驚人低價，「僱用」一個能夠在幾十分鐘內完成人類需要數小時甚至數天才能完成的複雜研究任務的「員工」時。這種「感覺」來自於經濟層面和工作流程上的根本性變革。過去，你需要一個研究助理（一個人類）來做這些事，成本高昂且需要管理。現在，一個 AI 代理人（Agent）可以扮演這個角色。這就是 AGI 的「體感」，它不是哲學上的突破，而是生產力工具的質變。
所以，不要再糾結於 AGI 是否有靈魂。你可以把它想像成一個劃時代的新型員工。以前的工具是幫你把工作做得更好，而現在的工具是直接幫你把工作做了。當你開始將任務「委派」給一個非人類的實體，並相信它能獨立完成時，你就已經「感覺」到 AGI 了。它不是以一個超級智慧的形象出現，而是以一個極其高效且廉價的「研究助理」的身份，悄悄地走進了我們的辦公室。
第二大論點：知識工作的解構——「創造」與「實證」的分離
這篇文章的第二個重要論點，是基於第一個論點的延伸。如果 AI 已經可以像「彈藥」一樣獨立完成研究任務，那麼這對知識工作者（比如分析師、記者、顧問）意味著什麼？作者認為，這將導致一場深刻的「工作解構」（Unbundling），也就是將知識工作流程中兩個核心部分——「創造」（Creation）與「實證」（Substantiation）——徹底分開。
讓我們用一個更具體的例子來解釋這個過程，比如你是一位美食評論家。在過去，撰寫一篇頂級的餐廳評論，你需要完成一整套流程。
- 創造階段： 這包括了你的品味、經驗和獨到的見解。你要決定去哪家餐廳（選題），要從哪個角度切入（例如，是探討主廚的烹飪哲學，還是分析其對本地食材的運用），並且形成一個初步的觀點或假設（例如，「我認為這家餐廳雖然標榜創新，但其根基依然是傳統法式烹飪的精髓」）。這個階段是高度個人化、依賴直覺和深厚背景知識的。這是你的「靈魂」所在。
- 實證階段： 這是支撐你觀點的「體力活」。你需要去搜集大量的資料來證明你的論點。這可能包括：研究主廚的履歷，他曾在哪些米其林餐廳工作過；查閱這家餐廳的歷史菜單，看菜色演變的脈絡；尋找關於其食材供應商的資訊，確認是否真的使用了本地食材；甚至去翻閱古老的法式烹飪食譜，找出與當前菜色相對應的傳統技巧。這個過程非常耗時，需要大量的閱讀、整理和比對。
在傳統的工作模式中，這兩個階段是由你一個人，或者你和你的助理（人類）共同完成的。你的最終文章價值，是「創造」和「實證」這兩部分價值的總和。
現在，OpenAI 的「深度研究」功能介入了這個流程。作者在文章中做了一個實驗，他向 AI 下達了一個非常具體的指令，要求 AI 撰寫一份關於蘋果公司最新財報的分析報告。但關鍵在於，他的指令並不是簡單的「分析蘋果財報」，而是包含了極其豐富的「創造性」元素。他告訴 AI：「我是 Ben Thompson，Stratechery 的作者。我希望你理解我過去對蘋果的分析，並用 Stratechery 的風格和口吻來撰寫這份報告。我對以下幾個角度特別感興趣：(1) 蘋果的服務營收趨勢如何延續？(2) 中國市場的下滑是否是一個長期趨勢，而不僅僅是短期波動？(3) 蘋果的 AI 功能對 iPhone 銷售的真實影響是什麼？」
你看，Ben Thompson 在這裡扮演的角色，就是那位美食評論家，他提供了所有的「創造性」框架：獨特的視角（Stratechery 的分析風格）、核心的探問（三個具體問題）、以及隱含的假設。他把這份工作的「靈魂」注入了指令之中。
而 AI 則完美地扮演了「實證者」的角色。它在網路上搜尋了蘋果的財報、分析師報告、新聞稿、歷史數據，然後將所有找到的證據，按照 Ben Thompson 提供的框架，組織成一篇結構完整、論據充分的報告。 AI 做的，正是過去需要花費大量時間去完成的「實證」工作。
這就是「解構」的真正含義。知識工作的價值鏈被切開了。 AI 正在接管所有可以被流程化、資料化的「實證」環節，並將其商品化（Commoditize），也就是讓它變得像水電一樣，隨取隨用且成本低廉。這帶來的直接後果是，知識工作者的價值將越來越集中於「創造」階段。未來，一個分析師的價值，不再取決於他搜集和整理資料的速度有多快（因為他永遠快不過 AI），而是取決於他能否提出一個前所未有、富有洞見的問題；能否建立一個獨特的分析框架；能否在無數的可能性中，指引 AI 去探索最有價值的方向。
簡單來說，費曼學習法的解釋是：以前，一位大廚的價值不僅在於他能想出絕妙的菜色（創造），還在於他切菜、備料、熬高湯的基本功很扎實（實證）。現在，廚房裡出現了一個超級機器人，能以完美且不知疲倦的方式完成所有備料工作。於是，這位大廚的價值就完全集中在了他的創意、味覺搭配和對美食的獨特理解上。他的基本功不再是稀缺資源，他的創造力才是。同樣地，AI 正在成為所有知識工作者的「超級備料機器人」，而人類的價值，正前所未有地聚焦於提出那個「絕妙菜單」的能力。
第三大論點：秘密的價值回歸——在資訊海洋中尋找私有島嶼
延續著知識工作被解構成「創造」與「實證」的思路，文章引導我們進入第三個更為深邃的論點：當所有公開的資訊都能被 AI 瞬間獲取與整合時，真正具有經濟價值的，將是那些未被公開的、稀缺的、私有的知識。換句話說，秘密的價值正在前所未有地飆升。
為了理解這一點，讓我們繼續使用費曼學習法，想像一個全新的場景。假設整個世界的知識就像一片浩瀚的海洋。在過去，人類探索這片海洋的方式是駕駛著小帆船，依靠羅盤和星象，一點一滴地繪製海圖。每一次出航都充滿了不確定性，發現一座新的島嶼（一條新的知識）能帶來巨大的回報。
後來，Google 和傳統搜尋引擎的出現，相當於給了每個人一艘快艇和一張粗略的世界地圖。你可以很快地到達已知的海域，找到那些已經被標示出來的大陸和島嶼。這極大地提高了探索效率，但本質上，你仍然是在已知的世界框架內活動。
現在，OpenAI 的「深度研究」功能，則像是一支由無數無人機組成的超級艦隊。你只需要告訴艦隊總司令：「去探勘太平洋所有島嶼的礦產資源，並分析其商業開採價值。」這支艦隊就會立刻出發，用雷達掃描、地質探勘、數據分析等方式，在極短的時間內完成任務。這意味著，海洋中所有「公開」的島嶼——也就是網際網路上所有可被存取的資訊——其地理位置、資源分佈等資訊，都已經不再是秘密。任何人只要能使用這支艦隊，就能瞬間掌握這些知識。在這種情況下，僅僅知道某座公開島嶼上有金礦，已經無法為你帶來競爭優勢，因為你的對手也能在幾分鐘內知道同樣的事情。
那麼，新的價值在哪裡呢？價值就在於那些地圖上沒有標示，無人機也無法掃描到的地方——比如，一片隱藏在私人海域、被迷霧籠罩的神秘島嶼。這座島嶼，就是「非公開資訊」。它可能是你家族代代相傳的藏寶圖，也可能是你親自出海，冒著巨大風險才發現的新航線。
文章中提到的一個絕佳例子，就是作者用「深度研究」去分析一個他朋友所在的特定行業時，AI 的報告雖然詳盡，卻犯了一個致命的錯誤：它完全忽略了該行業中一個舉足輕重的、但卻是私人持股、資訊極少公開的關鍵企業。這個企業就像那座不在公開海圖上的島嶼。 AI 的無人機艦隊掃描了整片公共海域，卻對這片私人領地一無所知。
這就是「未知中的未知」（Unknown Unknowns）的概念。 AI 能解決的是「已知中的未知」（Known Unknowns），例如，「我知道地球上有石油，但我不知道具體在哪裡」，AI 可以透過分析地質數據來找出答案。但 AI 無法解決「未知中的未知」，也就是你連問題本身都不知道該如何提出的領域，因為相關的基礎資訊根本不存在於公開的數據庫中。
這帶來的啟示是，未來企業和個人的核心競爭力，將越來越依賴於建立自己的「私有數據島嶼」。這可能是：
- 一家公司獨有的客戶關係數據： 了解客戶的真實需求和行為模式，這是競爭對手無法用 AI 抓取的。
- 一個科學家未發表的實驗數據： 這些原始數據在公開之前，是獨一無二的價值源泉。
- 一位投資者透過實地走訪和人際網絡獲得的內幕消息： 這種「腳踏實地」的資訊，其價值在 AI 時代將被無限放大。
所以，用費曼學習法來解釋這個論點就是：想像一下，如果全世界所有的食譜都被公開在網路上，AI 可以瞬間告訴你如何做出最完美的紅燒肉。這時候，單純會做紅燒肉已經不值錢了。真正值錢的，是你祖母傳下來的那本從未示人的私房菜筆記，裡面記載著獨門的香料配方。 AI 的出現，讓所有「公開的食譜」失去了稀缺性，從而反向推高了那本「私房菜筆記」的價值。未來，誰擁有的「私房菜筆記」越多、越獨特，誰就掌握了真正的價值。
第四大論點：AI 既是資訊污染的製造者，也是唯一的解藥——信任與驗證的未來
基於前述論點，文章最終導向了一個既充滿挑戰又蘊含機遇的未來圖景。這第四個論點是：人工智慧既是造成未來資訊生態系統嚴重污染的根源，同時也諷刺地成為了淨化這個生態系統的唯一希望。在這個過程中，「信任」和「驗證」將成為最稀缺、最有價值的商品。
讓我們用一個關於水的比喻來理解這個看似矛盾的觀點。想像一下，在一個村莊裡，唯一的飲用水源是一口古井，每天的出水量有限。村民們必須排隊取水，水非常珍貴。這就是前網際網路時代的資訊狀況，知識被少數機構（如大學、出版社、報社）壟斷，獲取成本高，但相對來說，水的品質（資訊的可靠性）是有保障的。
網際網路的出現，相當於在村莊旁邊開鑿了一條大運河。水量（資訊量）大大增加，人們取水變得非常方便。但同時，一些工業廢水和生活污水也開始排入運河，水的品質開始變得參差不齊。你需要花費一些精力去分辨哪些水是乾淨的。
現在，AI 的來臨，特別是生成式 AI，就像是給這條運河接上了一場永不停止的暴雨。水量變得無窮無盡，隨時隨地都有新的水湧入。然而，這場暴雨中夾雜了大量的酸雨、泥沙和污染物。 AI 可以輕易地生成看起來像水的「劣質內容」（Slop），它們模仿真實資訊的樣貌，但可能包含錯誤、偏見甚至是惡意謊言。這就是資訊生態的「污染」。很快，整條運河都將被這種真假難辨的水所淹沒。
在這樣一個世界裡，最有價值的東西是什麼？不再是水本身，因為水已經多到氾濫成災。最有價值的是兩樣東西：
- 一個可靠的淨水器（驗證工具）： 你需要一個強大的工具來幫助你過濾掉所有的污染物，只留下純淨的飲用水。
- 一個值得信賴的送水工（信任品牌）： 你可能沒有時間或能力自己去過濾，但你願意付錢給一個你絕對信任的送水工，他保證每天給你送來的水都是經過嚴格檢測、安全可靠的。
這就是 AI 的雙重角色。一方面，AI 是製造這場「資訊暴雨」和污染的元兇。但另一方面，最強大的「淨水器」，很可能也必須由 AI 來打造。人類不可能靠肉眼去分辨億萬條資訊的真偽，但一個更高級的 AI 或許可以透過分析數據來源、交叉驗證、識別生成模式等方式，來幫助我們進行初步的篩選和驗證。
同時，「送水工」的角色變得至關重要。像 Stratechery 這樣的獨立分析品牌，其價值就在於作者 Ben Thompson 本人。讀者付費訂閱，買的其實是他的判斷力、分析框架和信譽。他們相信 Ben Thompson 這個「送水工」會用他的專業知識和工具，從被污染的資訊海洋中，為他們提煉出真正有價值的洞見。這解釋了為什麼 AI 工具的出現，反而可能增強了獨立創作者和專業人士的價值，因為他們提供了稀缺的「信任」。
文章還提到了「預測市場」（Prediction Markets），這可以被看作是一種去中心化的「淨水」機制。在預測市場中，人們用真金白銀對未來事件的結果下注，價格本身就反映了市場對某個資訊的集體信念強度。這是一種透過經濟誘因來篩選和聚合真實資訊的方式。
總結一下這個論點的費曼解釋：AI 讓資訊像自來水一樣隨處可得，但也讓大部分水變得無法直接飲用。因此，未來最有價值的不是「擁有水龍頭」，而是「擁有一個頂級的淨水器」或者「認識一個絕對靠譜的送水工」。 AI 既是污染源，又是淨水器；而人類專家，則越來越像那個值得信賴的送水工。在這個被海量、低品質資訊淹沒的世界裡，能夠辨別真偽、提供信任的能力，將成為最終的、也是最核心的價值所在。
綜上所述，這篇文章描繪了一幅由 AI 驅動的、正在發生劇變的知識經濟圖景。 AGI 不再是遙遠的夢，而是功能性的現實；知識工作正在被解構，人類的價值向「創造性」濃縮；公開資訊的價值趨近於零，而秘密和私有數據的價值飛漲；最終，在一個資訊無限但真假難辨的世界裡，信任和驗證將成為新的黃金。這不僅是對一個新工具的評測，更是對未來社會運作邏輯的一次深刻洞察。