这篇随笔
无摩擦技术如何教会我们更偏爱独处，以及为何科研领导者应对此警惕。
最近去旧金山时，我做了一件如今每个旧金山访客都会做的事：叫来一辆车里没有任何人的车。
Waymo 带着一种从不为找车位发愁的机器特有的从容驶来。我坐进后排，下意识望向驾驶座，想打个招呼，却发现自己正礼貌地朝一张空椅子点头。方向盘自行转动。我这一生花了不少时间思考物理学中违反直觉的现象，但这仍无法消解那种轻微的存在主义眩晕：方向盘自己在动，而负责我安全的驾驶者却无从看见。
我去旧金山，部分是为了与 Macmillan Learning 的 CEO Susan Winslow 共处一段时间。我们同属 Holtzbrinck 集团，此行的职业动机非常人性化：协作。坐在同一个房间里，对照彼此的观察，讨论 AI 正如何重塑我们各自在科研和教育中的领域，做那些经由视频通话仍顽固地难以完成的思考。
可是，当我们交换乘坐 Waymo 的感受时，却发现彼此在另一件事上完全一致：乘坐体验太棒了。作为两位坦承的内向者，我们都把无人车当作一小片绿洲。无需负担寒暄；无需默默协商电台要播什么；可以毫无愧疚地独自思考、处理完一封邮件，或在路上接电话，而不必因为在陌生人面前通话而尴尬。车里安静、平稳，而且不对你提出任何要求。
我们花了更久，才说出自己失去了什么。两个跨越大洋与大陆、专程来彼此交谈的人，竟悄悄为一种核心特征是「你不必与任何人交谈」的技术感到高兴。
为 Waymo 效应命名
我试着给它下个定义：所谓 Waymo 效应，是指一项技术消除了我们与另一个人打交道时的摩擦，而我们把这种消除体验为纯粹的收益——因为摩擦的成本一直清晰可见，收益却不在。
读过 Tim Wu 关于「便利的暴政」的人，对这种模式并不陌生：他的论点是，一旦存在无摩擦的选项，我们就会默认选择它，并悄悄交出原有摩擦为我们带来的东西；毕竟从来没人把那些东西当作有价值的商品来推销。Albert Borgmann 与此相关的装置范式则更进一步：装置交付一种商品——温暖、信息、陪伴——同时遮蔽过去必须亲自付出才能得到它的实践，以至于我们连这种实践已经消失都不再察觉，只有商品仍不断送达。
与出租车司机聊天的成本很明显：礼貌所需的一点努力、谈话内容的随机抽签、早上七点持续闲聊给内向者征收的税。好处却分散而滞后：在许多日子里，司机可能是我们不得不遇见的最后一个陌生人；是泡泡之外——无论职业、政治还是社会意义上——最后一个与我们展开非自选对话的人；是最后一个稳定提供、而非我们主动索求之观点的来源。
Susan 和我都不会设计一个没有这些对话的世界。我们只是很享受这一次选择退出。而这当然正是这些东西消失的方式：从来不是因为某个决定，而总是因为便利。一次舒适的车程接着一次。
我想说清楚，这不是一篇反 Waymo 的文章（乘坐体验确实极好，我会毫不犹豫再坐一次——问题恰恰在这里）。这是一篇关于科研的文章。因为那套把司机从车里移走的逻辑，如今也正以同样从容、却后果大得多的方式，把协作者从研究过程里移走。
无摩擦的同事
大语言模型就是智力生活中的 Waymo。
不妨诚实地从研究者的体验来比较。协作者只会偶尔有空，要在教学任务、基金截止期和时区之间周旋；而 LLM 在周日凌晨两点仍可用——别假装不是这样，令人担忧地多的研究思考恰恰发生在这个时段。协作者带着自己的议程、自己的问题框架，以及那个令人不便的坚定判断：你的核心假设错了；LLM 的唯一议程则是对你有用。协作者必须被说服；LLM 只需被提示。协作者会以你没有要求、也没想到的方式挑战你；LLM 则会恰好按你的要求用力挑战，绝不会多一分。你请它批评自己的论证，它会胜任地完成；但它批评的是你带来的论证。它不会主动告诉你：你解决的是错误的问题；竞争团队在 2019 年试过并放弃了；或者你优美的理论框架，一接触另一学科杂乱的现实便会坍塌。
换句话说，协作者带来的不便不是协作的 bug；它很大程度上就是协作本身。另一个心智的价值，恰恰在于它拒绝成为你自身的延伸。
而在挑战与偶然发现之外，还有更根本的东西。研究并非只是把想法转化为论文的生产函数。它是一种实践共同体——由争论、师徒传承、会议酒吧里的对话，以及共同承受一份艰难审稿意见的考验所维系的社会织物。那张织物，正是由我们如今正在工程化消除的摩擦织成。每一场从同事处转向聊天机器人的对话，都是悄悄抽走的一根线。单独一根线不重要，整张织物才重要。当这种事大规模发生时，我们需要一个词来称呼它；我建议叫它 去协作化（decollaboration）。
激励陷阱
如果这只是一种个人诱惑，那会是自律和偶尔一篇严厉社论可以处理的题目。但事实并非如此。令研究领导者、资助方和机构不舒服的真相是：我们建造了一套让去协作化成为理性选择的激励系统，而且每一年都在让它变得更理性。
协作向来昂贵。它耗费旅行、排期，以及缓慢建立信任的工作；耗费对自尊的管理、妥协，以及协商作者排序时周期性的小小心碎。发表或淘汰一直把这些支出视为负担，因为你每花一小时与共同作者对齐，就少一小时生产评价体系能读懂的产出。但如今有三股力量正在叠加。
第一是经费压力。预算收紧时，最先被牺牲的总是那些价值真实却难以量化的项目：旅行、研讨会、休假研究期、访问职位——也就是偶然发现赖以发生的整个物理基础设施。我们不再资助走廊，之后又纳闷走廊里的对话去了哪里。
第二是对速度的崇拜。无论我们的网站挂着怎样的 DORA 风格声明，评价体系仍在奖励产出，以及更快的产出。LLM 首先许诺的正是速度。它们低声说：周五前可以完成文献综述，周一前就能有初稿。对于下一份职位取决于发表清单长度的研究者而言，这种低语并不容易忽略。
第三点也最具诱惑力：LLM 从不争论作者排序。它没有需要管理的自我，没有相互竞争的议程，也没有对署名的对手主张。在一个署名是生存货币的系统里，一个不要求分享任何署名的出色对话者，不只方便；那是套利。
关于研究的研究在这里应当让我们停下来。团队科学文献告诉我们，小团队往往带来颠覆，大团队往往推进发展；而协作者意想不到的组合——跨越学科与机构的非典型配对——尤其容易产生最具新意的成果。与此同时，生成式 AI 的早期证据指向一个熟悉的方向：个体生产率提高，想法的多样性却变窄，所有人都沿着越来越相似的路径走得更快。我们实际上正在进行一场不受控制的全球实验：用偶然发现交换吞吐量，而我们建造的激励结构就是这场实验的装置。
写作就是思考
还有一种更深的代价，关乎 LLM 最擅长做的事：写作。
这些工具吸引人的部分原因是它们制造了速度感。我们需要准确地说，这种感觉为何部分是一种幻象。写作耗时，是因为思考耗时；两者并不是恰好先后发生、可以拆开的活动。写论文的价值从来不只是成品，而是它构成的强制机制。写作让我们发现，原本深信的论证在第三节有漏洞；让模糊的直觉要么成为精确的主张，要么在必须成为主张的压力下消散。高质量的想法生成缓慢，而历史上相当一部分这种缓慢的生成发生在人与人之间：在白板前、在走廊里、在共同作者修订痕迹带来的有效烦躁中。
认知心理学家给这类富有成效的摩擦起了名字：Robert Bjork 所说的理想难度。它指出，学习与思考中的某些摩擦——费力提取、延迟反馈、努力用自己的话把想法写到纸上——并非持久理解的障碍，而正是其机制。为了舒适而移除困难，你并不会更快地获得同样的理解；你会获得更少的理解，只是过程更平滑。
把写作外包出去，你并没有加快思考；你是跳过了思考。随着模型变得更好，这个陷阱会更深，因为输出会持续变得更流畅、更有结构，也越来越难以与受过教育的人类文字区分。迹象越不明显，诱惑反而越强。作为物理学家，我会想到 PT 对称量子系统：它们有一种令人不安的性质，在隐藏的对称性破裂之前，一切看起来都完全正常；而一旦破裂，所有事情会同时改变。一个研究文化也可以在每项可见指标上都看起来健康——产出上升、周转下降、文字无可挑剔——而维系它的那个不可见之物却悄悄跌破阈值。等到指标上出现症状，原因已在多年前发生。
飞行员与乘客
这不是要禁止这些工具的论证。那不会成功，而且也理应失败，因为它们的承诺是真实的。在一篇发表于 2026 年 3 月的 Nature 评论中，Dashun Wang 延展了 Steve Jobs 对电脑的著名比喻——「我们心智的自行车」——并提出 AI agent 是心智的飞机：比自行车更快、更强大，更难控制，坠毁时的代价也更高。他对上行空间的判断是对的，而且空间相当可观。当 AI 压低失败成本，更冒险、更有雄心的问题就会成为理性选择；当它压低分析成本，小型实验室和独自起步的新人也能尝试过去需要大批人马才能完成的事。善用这些工具，确实能扩展研究；而若方法得当，智能体系统甚至可以通过让每一步分析都可记录、可重放，增强科学最薄弱的环节之一：可复现性。
但请注意，连乐观者都坚持什么。Wang 提出的处方是他所谓的机长负责制科学：研究者是机长，智能体是机组——分析员负责起草，评论者负责探查，规划者负责绘制下一步——人类仍保有对问题、路径与结论的权威。换言之，即便是最热衷于 AI 辅助发现的设计者，也坚称前座必须有人。Wang 还从另一个方向抵达对 Waymo 效应的担忧：他警告，AI 虽然可能提升个人表现，却也可能削减集体多样性；除非我们刻意反制，否则输出会趋同。正如协作者以深刻而意外的方式塑造我们，智能体也会如此。他的补救方式，是为异议而设计，培养以不同方式思考的多个模型。换言之：既然我们移除了摩擦，现在就必须把它工程化地加回来。
这是一个披上新衣的旧忧虑。1983 年，心理学家 Lisanne Bainbridge 描述了自动化的讽刺：系统越可靠地自行运行，处于监督回路中的人就越少练习那些在紧急时刻必须行使的技能；于是能力悄悄退化，恰恰因为它很少被需要，而每次需要都在最糟的时刻。把「飞行员」替换为「研究者」，把「自动驾驶」替换为「智能体」，Wang 所防范的机制，就是 Bainbridge 在四十多年前命名的机制。
问题因此不在技术。问题在于，我们让与人对话成为昂贵的选项，而与机器对话变成免费选项；随后又对研究者在理性回应下作出的选择感到惊讶。
为摩擦提供资金
责任因此落在激励的制定者身上。资助方和机构应当重新认识协作的本质：它不是锦上添花，而是一种基础设施，应当按此定价。
为摩擦提供资金：资助研讨会、访问、共同驻地，以及那些产生谁也无法预先排定之对话的非结构化时间。评价贡献，而不是速度，并且当真如此。把「你和谁一起思考？」当作与「你发表了什么？」同样值得严肃对待的问题。
或许，在机器可以产出任意数量合格论文的时代，我们应当注意到稀缺且有价值的东西已经倒转：产出正变得廉价，而共同思考正变得珍贵。
返程
Susan 和我抵达了目的地。车行平稳，沉默舒适；我们各自跨越大洋与大陆才得以开展的协作，发生的并不是在那个无摩擦的舱体里，而是在随后的低效、无排期、彻底人性的几个小时中：漫游的谈话、双方都未计划的分歧、以及我们都没有带去旧金山的想法，因为在我们真正坐进同一个房间之前，它们根本尚不存在。
归根结底，这就是完整的 Waymo 效应：车程愉快，目的地抵达，只有当你朝前座望去，才会察觉少了什么。Wang 提倡机长负责制科学；安静的风险是，我们的激励机制正在把我们训练成舒适乘客式科学。
研究如今正坐进后排。旅程会很平稳，产出会送达。科研领导者该问的问题——在我们又享受几年舒适车程之前——其实很简单：谁坐在前座？而我们又是在何时停止察觉，原来根本没有人在驾驶？
Daniel Hook 是 Holtzbrinck Group 首席科学官。感谢 Susan Winslow 和 Oliver Zahn 提供的有趣交谈，促成了本文的写作。