最近去旧金山，我叫了一辆没有司机的车。韦摩（Waymo）带着从不担心停车的从容抵达，我坐进后排，习惯性看向驾驶座想打个招呼，却只能对着一张空椅子点头。此番我部分是为见苏珊·温斯洛（Susan Winslow）而来，她是麦克米伦学习（Macmillan Learning）的首席执行官，我们同属霍尔茨布林克集团，聚在一起出于最人性的职业理由：协作。聊起各自的韦摩体验，我们发现彼此都认同……

最近去旧金山时，我做了如今每个游客都会做的事：叫了辆没人的车。

Waymo 带着从不为停车发愁的从容驶来，我钻进后座，本能地望向驾驶座想打招呼，却对着空椅子礼貌点头。方向盘自己转起来。我大半生琢磨物理中反直觉的面向，但这没帮我抵御看着方向盘自动转动时的轻微存在主义眩晕——有个看不见的司机负责我的安全。

我去旧金山，部分是为了见 Holtzbrinck 集团同事、Macmillan Learning 的 CEO Susan Winslow。我们以最人性化的职业理由聚首：合作，同处一室比对 AI 如何重塑各自的研究与教育角落，做视频会议里顽固难做的那种思考。

然而聊起 Waymo 体验，我们发现彼此完全同意另一件事：这车「棒极了」。两个自认内向的人都觉得无人驾驶车是小绿洲——不必寒暄，不必沉默协商电台，能无愧独处、写完邮件或在途中打电话而不必在陌生人面前尴尬。车安静、平稳、全无要求。

我们稍后才说清失去了什么：两个跨洲跨陆来谈话的人，竟悄悄乐于一项核心特征就是「不必和任何人说话」的技术。

命名 Waymo 效应

试着定义：Waymo 效应发生于一项技术消除了与人打交道的摩擦，而我们把这消除体验为纯收益——因为摩擦的成本向来可见，益处却不可见。

读过大卫·吴（Tim Wu）谈「便利的暴政」的人熟悉此动向：一旦有无摩擦选项，我们默认选它，悄悄交出摩擦曾为我们做的事，因没人起初就把那些标价为贵。阿尔伯特·博格曼（Albert Borgmann）相关的「设备范式」更进一步：设备递送商品——温暖、信息、陪伴——却隐藏了曾为获取它而必须进行的实践，于是我们不再注意实践已消失，只有商品持续到来。

和出租车司机说话的成本明显：礼貌的小努力、对话轮盘赌、内向者清晨七点闲聊税。益处分散而滞后：对许多人许多天，司机是被迫遇到的最后一个陌生人，气泡外——专业、政治、社会——最后一个有未选对话的人，最后一个可靠的不同观点源。

Susan 和我都不愿设计没有那些对话的世界。我们只是享受退出这一程。而这类东西正是如此失去的：从非决定，全因便利，一次舒服的 ride 接一次。

该说清这不是反 Waymo 文章（车真棒，我会毫不犹豫再坐——这恰是重点）。它是关于研究的。因为把司机移出车的同一逻辑，正以同等从容、大得多的后果，把合作者移出研究流程。

无摩擦的同事

大语言模型是智识生活的 Waymo。

诚实比较研究者体验：合作者偶尔有空，夹在教学、经费死线与时区间；大语言模型周日凌晨两点可用——别装，不少研究思考真发生在那时。合作者带着自己的议程、自己对问题的框定、你核心假设错了的不便笃信；大语言模型除对你有用外无议程。合作者需被说服；大语言模型只需被提示。合作者以你未请求未想到的法子挑战你；大语言模型只按你要求的力度挑战，绝不逾矩。你让它批判论点，它称职去做，但只批判你带来的论点。它不会主动说你解决了错问题、某竞争团队 2019 年试过放弃、你漂亮的理论框架一碰他人领域混乱现实就塌。

换言之，合作者的不便不是合作里的 bug，它大体就是合作本身。另一心智的价值，正在于它拒绝成为你自己的延伸。

除挑战与意外，还有更根本的：研究不仅是把想法转成论文的生产函数，它是实践社群——由争论、学徒制、会议吧台闲聊、难审稿的共同折磨维系的社会织物。这织物恰由我们正在工程化消除的摩擦织成。每次对话从同事转向聊天机器人，就悄悄抽走一根线。单根线无所谓，织物才要紧。此现象大规模发生，我提议叫它：去合作化（decollaboration）。

激励陷阱

若仅个人诱惑，那是自律与偶尔严社论的事。但研究领导者、资助者、机构面对的不舒服真相是：我们建了套让去合作化成理性选择的激励系统，且年年使之更理性。

合作向来贵：旅行、排期、建信任的冰川式劳动、自我管理、妥协、作者顺序谈判的小心碎。发表或灭亡总征这些税，因与合著者对齐每小时，都是不可见于评价系统的产出小时。三股力量正加剧。

第一，经费压力。预算紧时，先砍价值真实却难测的条目：旅行、 workshop、休假、访问职位——全部意外性的物理基础设施。我们撤资走廊，然后奇怪走廊对话哪去了。

第二，速度崇拜。评价系统——无论网站贴多少 DORA 声明——仍奖产出与产出速度。大语言模型首要许诺速度：文献综述周五完，草稿周一有。对下一职位取决于发表列表长度的研究者，这耳语不好忽略。

第三，最诱人：大语言模型绝不争作者顺序，无自我可管、无竞争议程、无信用争夺。信用是生存货币，不要求分成的杰出对话者不仅是便利，是套利。

团队科学文献该让我们停步：小团队倾向颠覆，大团队发展；跨领域机构的非典型配对不成比例产出最新颖工作。同时，生成式 AI 早期证据指向熟悉方向：个体生产力升，想法多样性窄，人人沿愈发相似路径加速。我们实则在跑一场无控全球实验，用意外换吞吐——而我们所建激励结构就是实验装置。

写作即思考

还有更深成本，关乎大语言模型最惊艳的事：写作。

工具部分诱惑在速度印象，而值得精确指出这印象部分是错觉。写作费时因思考费时，二者非顺序发生的可分活动。写论文的价值从非制品，而是强制函数：在此我们发现确证的论点第三节有洞；模糊直觉要么成精确主张，要么在必须成形的压力下消散。高质量想法生成慢，历史上这慢生成多发生在人与人之间：白板边、走廊里、合著者修订痕迹的生产性 irritation 中。

认知心理学家罗伯特·比约克（Robert Bjork）给此类生产性摩擦命名「合意困难」：学习思考中某些摩擦——费力检索、延迟反馈、用自己的话把想法弄上页面的挣扎——非持久理解的障碍，而是其机制。为舒适移除困难，非更快得同样理解，而是得更少且更顺。

外包写作不是加速思考，是跳过它。陷阱随模型改进加深，因输出愈发流畅、结构化，愈难与受教育人类散文区分。诱惑恰随破绽缩小而长。作为物理学家，我想起 PT 对称量子系统：在隐藏对称破缺前完全正常运作，然后一切骤变。研究文化可能每项可见指标都健康——产出升、周期降、散文无瑕——而维系它的隐形事物悄跌破阈值。等症状显于指标，原因已过去多年。

飞行员与乘客

这都不是禁工具的论据。那会失败且该失败，因许诺真切。2026 年 3 月《自然》评论中，Dashun Wang 延伸 Steve Jobs 称计算机为「心灵自行车」，主张 AI 代理是「心灵飞机」：比自行车快且强，更难控，坠毁更贵。他看好的一面是对的，且可观。AI 压低失败成本，更冒险雄心的问题变得合理；压低分析成本，小实验室与孤身新手能做曾需大军的事。用好，这些工具真扩展研究——妥当的话，代理系统甚至可通过让每步分析可记录重放，加强科学最弱关节之一：可重复性。

但注意即便乐观者也坚持什么。Wang 的处方是他所谓「机长领衔科学」：研究者为船长，代理为机组——分析员起草、批评者探查、规划者描下一步——人保留对问题、路径与结论的权威。换言之，即便最热情的 AI 辅助发现建筑师也坚称前座得有人。Wang 从另一方向抵 Waymo 效应之忧：他警告 AI 虽可能升个体表现，却可能减集体多样性，产出趋同，除非刻意反制；正如合作者以深刻意外方式塑我们，代理也会。他的补救是设计异议、培育多种不同思维模型。即：移除摩擦后，我们必须工程化把它放回去。

这是旧忧新衣。1983 年心理学家 Lisanne Bainbridge 描述「自动化的反讽」：系统自运行越可靠，人类监督者练习那被留循环中应急技能的机会越少，于是能力恰因罕需而悄蚀，且总在最坏时刻。把「飞行员」换「研究者」、「自动驾驶」换「代理」，Wang 防的机制正是 Bainbridge 四十年前命名的。

问题因此不在技术。问题是我们让人类对话成贵选项、机器对话免费，却惊诧研究者理性回应时选了什么。

资助摩擦

故责任落于造激励处。资助者与机构该认合作其本相——非锦上添花，而是基础设施一类——并相应计价。

资助摩擦：workshop、访问、共置、产出不可排程对话的非结构时间。评价贡献而非速度，并认真。把「你和谁一起想？」当与「你发了什么？」同严肃的问题。

或许，在机器能产任意多够格论文的年代，我们该注意到稀缺珍贵物反转：产出变廉，共同思考变贵。

回程

Susan 和我到了要去的地方。车平稳，寂静舒服，而我们各跨洋跨陆为的合作，发生在那无摩擦胶囊之后低效、非排程、彻底人类的时间：漫步的对话、俩人都没计划的分歧、因同处一室才存在的想法——它们从不为旧金山之行被我们带来。

终而，这是完整的 Waymo 效应：ride 愉悦，目的地抵达，仅当你瞥向前面才注意到缺了什么。Wang 呼机长领衔科学；静险是我们的激励正把我们训成舒适乘客科学。研究正爬进后座。车会平稳。产出会到来。研究领导者该在我们都多享几年舒服 ride 前问个简题：谁坐前座？我们何时停止注意到没人在开车？

讨论整体偏警惕：多数人认为 AI 在提升个人效率的同时，正在抽走协作、社区和人际互动；少数人认为协作仍可扩展，只是需要刻意设计。分歧主轴是“AI 解放个人”还是“AI 瓦解社会性”。

认为 AI 正在消解协作与社会性，让人变成孤岛

• 多个评论把这看成开发、科研和开源领域的共同趋势：产出变多，社区和共同图景变少，人们缺少外部反馈，风险被放大。（较多人）
• 开发者不找用户就像不找测试者，容易做出没人要的东西；协作不能再依赖出租车闲聊这种副作用，而要刻意安排。（较多人） > 人们变成在各自事情上工作的孤岛，看不到更大的图景，这很危险。（@fithisux）

认为 AI 提升个人产出，协作仍有价值但必须刻意设计

• 一个人借助 AI 能完成更多，协作会增加开销，但也扩展可能性上限；要看到好处，得把目标想得更大。（较多人）
• 有人退休后用 AI 给自己做网站，别人使用只是意外副作用；如果需要协作，就要主动去做，而不是等它自然发生。（较多人） > 协作增加开销，但扩展了可能做到的事，要继续看到收益就得把格局放大。（@spongebobstoes）

认为 AI 的最大吸引力是让人避开他人，而监管者正是靠强加于人获利的人

• 一种说法是 AI 的主要用途和吸引力在于避开别人强加的副作用；最反对 AI 的，往往是靠不必要地介入他人生活的人，因此官僚热衷监管。（少数人） > AI 的首要用途，是避开别人强加给你的负面副作用。（@mosura）

认为 AI 会放大“以为自己懂了”的幻觉，协作场景尤其危险

• 有人观察到，跨领域的人更自信地推进层层抽象、意图可疑的代码，并用大语言模型的碎片去挑战专家；谈到缺陷时沉默，之后带着记忆碎片回来。（较多人）
• AI 很容易让人自以为理解代码、数学和科学概念，协作会放大这种问题；若意识到不理解，可慢下来自学，但人脑无法同时做到快速、有效协作和专家级理解。（较多人） > 我不想整天坐在那里反驳 Claude 的输出。（@Frost1x）

认为协作研究本身是安全风险，成果宁可锁起来

• 一条少数意见认为协作研究有双重用途的存在性安全风险，为了公众利益，最好把成果锁起来不公开。（少数人） > 协作研究是双重用途的存在性安全风险，最好把结果锁起来，不供公众使用，这反而是为公众好。（@qoez）

认为 AI 建立在公共数据之上，相当于新一轮圈地

• 人类是社交动物，完全自主的个体并不存在；AI 恰恰建立在我们共同数据的充足供给上，这像现代圈地运动，该评论还认为只有强制共享才能对冲。（少数人） > 人类是社交动物，完全自主的个体根本不存在。（@wazoox）

质疑自动驾驶比大语言模型更难，却更早落地

• 有人问，文本生成看起来更容易，为什么自动驾驶反而先出现；自动驾驶相比文本生成难得多。（少数人） > 文本生成在我看来更容易，可自动驾驶却早了好几年，这说不通。（@ricardobayes）

有价值的补充

• 文章本身可能由大语言模型写成，评论者指出“安静地”这类用词常是模型的破绽。（@meowface）
• 对“Waymo 效应”的措辞有纠正：如果只是移除与真人打交道的摩擦，应该让互动更顺，而不是把互动整个消除。（@chrisjj）
• 开源软件的类比：代码总量在爆炸，但“社区”那一部分没有跟着增长。（@maddiaa0）