诺兰说AI是一匹玻璃木马

诺兰最近说了一句话,我反复咀嚼了好几天。

他在宣传新片《奥德赛》的时候,有人问他,AI 会不会像特洛伊木马,你高高兴兴把它请进家门,某天它突然变成一个黑暗的东西。诺兰笑了,说了一句特别绝的话。他说 AI 是一匹特洛伊木马,只不过所有人都知道希腊人就藏在里面。他后来补了一刀,说这是一匹透明的木马,它是玻璃做的[《奥德赛》导演诺兰:AI 是一匹显而易见的特洛伊木马]。

我盯着「玻璃木马」这四个字看了很久。

你想想原版的特洛伊木马是怎么得逞的。它靠的是骗。特洛伊人不知道里面有兵,才傻乎乎地把它拖进城,半夜被人开了城门。整个悲剧的前提,是「看不见」。可诺兰说的这匹木马,是玻璃的,你隔着壁能清清楚楚看见里面蹲着一排全副武装的士兵,你也知道他们进城之后要干什么。然而门还是开了,木马还是被一寸一寸拖进了城。

这才是最瘆人的地方。它把那个古老寓言里最关键的一环给抽掉了。木马不再需要伪装,城里的人不再是被蒙在鼓里,他们是睁着眼睛,看着威胁,亲手把它请进来的。

诺兰其实还说了另外半句,很多人没太在意。他说他这辈子没见过一门技术进步得这么快,却被公众抵触得这么彻底,尤其是年轻人。网上那些 AI 生成的视频,年轻人看一眼就随手打上「AI 泔水」的标签,直接扔进垃圾桶里。他觉得这种本能的怀疑,是一种非常健康的反应[《奥德赛》导演诺兰:AI 是一匹显而易见的特洛伊木马]。

你看,矛盾就在这里。一边是普通人,尤其是年轻人,对 AI 的警惕心强到能一眼认出泔水;另一边呢,是无数的公司、机构、政府,把这匹玻璃木马当成救世主,敲锣打鼓地往城里拖。同样一个东西,底下的人看得清清楚楚,上面的人却像集体中了邪。

这个割裂,让我想起另一份让我后背发凉的东西。

一个在这行跑了三百多场交流的从业者,把他一年半的观察写了下来。他说他亲眼看着全球的公司和政府机构,集体陷入一种 AI 狂热,决策层要么根本没有计划,要么就低着头假装看不见。而他团队经手的所有 AI 项目,过去一年半,成功率是零[AI 狂热正在瓦解全球的决策机制]。

零。不是低,是一个都没成。

你把这两件事叠在一起看,那种荒诞感就出来了。年轻人隔着玻璃一眼看穿的东西,一整套精密的决策机构,层层审批、反复评审、无数聪明人坐在会议室里,反而看不见。不是他们眼神不好,是他们太想看见木马肚子里装着的是黄金,而不是士兵。

我后来想明白了,玻璃木马之所以还能够得逞,靠的不再是它自己会骗人,而是我们太愿意被骗。原版的特洛伊人是没得选,信息差摆在那儿。可今天的我们是有得选的,信息全摊在桌上,榜单、案例、翻车记录、成功率,全都查得到。我们只是选择性地不去看那面透明的玻璃,因为墙那边有人在喊,你的对手已经把木马拖进城了,你再不拖就晚了。

真正推着我们开城门的,从来不是那匹木马有多诱人,是我们怕被别人落下的恐慌。

这就是狂热的可怕之处。它不作用于你的判断力,它绕开你的判断力,直接作用于你的恐惧。你明明看见了玻璃里面是什么,但只要旁边所有人都在往前冲,你停下来说一句「等等,我看见里面有兵」,你就成了那个不合群的、跟不上时代的、马上要被淘汰的人。于是没人愿意当那个喊停的人,一群看得见的人,合力完成了一件瞎子才会干的事。

说个我自己的体会。这一年多我参加过不少讨论 AI 落地的会,那种气氛我太熟悉了。会上永远有人先抛出一句「某某大厂已经全面 AI 化了」,然后所有人的表情就变了,话题瞬间从「我们该不该做」跳到「我们怎么才能追上」。那个「该不该」的问题,那个本该停下来好好掂量一下的环节,就这么被恐慌一脚踢开了。等到项目立项、预算批下来、团队组好,大家才发现,当初谁都没真正回答过那个最该问的问题,这东西到底解决了我们什么实际问题。一场狂热里最先蒸发的,不是钱,是那个允许你说「我们再想想」的空间。

而且你会发现,越是往上走,这面玻璃就越是被人视而不见。基层的员工往往是最先看穿的那批人,他们天天在一线用这些工具,知道哪些活 AI 干得漂亮,哪些活它纯属添乱,甚至能精确地告诉你,某个环节用 AI 反而比手动慢了三倍。可他们的声音很难传到决策桌上。决策桌上坐的是被各种榜单、demo 和同行焦虑喂饱了的人,他们看到的不是那匹透明的木马,是一个再不上车就要被时代抛下的幻觉。信息明明是通的,判断却是断的。

诺兰是拍电影的,他这辈子都在跟这种事较劲。他坚持用胶片,《奥德赛》是史上第一部全程用 IMAX 胶片拍的电影。他说他一点都不排斥新技术,他排斥的是,新技术往往是踩着那些明明还好用、还成立的旧系统被卖给你的,行业里总有人急着把洗澡水连孩子一起倒掉,当年我们差一点就把胶片给弄没了[《奥德赛》导演诺兰:AI 是一匹显而易见的特洛伊木马]。

我觉得这句话才是他那个玻璃木马比喻真正的落点。他不是让你别用 AI,他是让你在拖木马进城之前,先回头看一眼你正打算拆掉的那堵城墙。那堵墙可能是你自己的判断,可能是一套本来运转良好的老流程,也可能只是你安安静静想一个问题的能力。狂热最贪婪的地方在于,它不光要你把新的请进来,它还要你把旧的那些真正护着你的东西,亲手拆掉。

诺兰说得对,面对一门技术,健康的态度不是盲目相信一切都会变好,而是带着怀疑,同时也怀疑那个把技术递到你手里的人,他的动机是什么[《奥德赛》导演诺兰:AI 是一匹显而易见的特洛伊木马]。

我不是要唱衰 AI,我自己天天在用,它确实帮我做成了很多以前做不了的事。我只是觉得,诺兰递给我们的,不是一个反对 AI 的口号,而是一个特别珍贵的提醒。他一辈子拍那些关于时间、记忆、梦境的电影,骨子里琢磨的都是同一件事,人到底能不能相信自己眼睛看到的东西。所以当他说 AI 是一匹玻璃木马的时候,我觉得他真正想说的是,问题从来不在木马是不是透明的,而在于我们还愿不愿意认真地看。当所有人都在替你欢呼、催你开门的时候,那个还愿意隔着玻璃盯着木马肚子看一眼的人,不是落伍,是清醒。

那匹玻璃木马已经停在城门口了。它最终是不是要进来,可能已经由不得你。但要不要在开门之前,先诚实地看清楚里面到底装着什么,这一点,永远由你自己决定。

谢谢你看我的文章,我们,下次再见。

/ 作者:青玉白露

延伸阅读

• 用了AI之后,我们变得更自信地犯错：一项研究发现,人用了AI建议后准确率从27%暴跌到9%,自信心却从30%飙到76%。AI最先夺走的不是答对的能力,是承认不知道的勇气。
• AI 说不出的随机数,成了套壳大模型的照妖镜：布拉格研究员发现,让 AI 反复说一个 1 到 100 的随机数,就能生成独一无二的行为指纹,用来验证 API 中转站有没有偷换模型。而这背后藏着一个更底层的问题,AI 为什么永远掷不出真正的骰子。
• 一个199块的模型,把自己给挤爆了：月之暗面 Kimi K3 上线48小时就因算力挤兑暂停新订阅。一个开放权重、便宜到人人都想用的模型,反而被自己的成功噎住。这背后是杰文斯悖论,是模型可以开源、算力永远不能开源的残酷真相。
• 我们给AI出的考试，可能全错了：两份不相干的报告指向同一件事，AI学会了应付考试，而不是真的具备能力。当分数越来越高、可信度越来越低，验证的价值正在超过信任。