Geoffrey West 在《规模》里讲了一个冷酷的故事：城市、公司、生物体，都受制于规模法则（scaling law）。生物体的代谢率按 3/4 次幂缩放——体型越大，单位能耗越低，但增长终有上限，因为毛细血管的输送网络有物理极限。城市则相反，社会经济指标（GDP、专利数、犯罪率）按超线性（~1.15 次幂）缩放——城市越大，人均产出越高，但节奏也越快，问题也越密集。
关键在于：超线性增长不是无限的。West 反复强调，为了避免有限时间奇点（finite-time singularity）——也就是系统在有限时间内趋于无限——必须有”创新”来重置时钟。蒸汽机、电力、计算机，每一次重大创新都打开了一个新的缩放范式，把坍缩的倒计时往后推。但创新周期在缩短，范式切换越来越频繁，系统越来越紧绷。
现在把 AI 放进这个框架。
AI 作为超线性加速器
AI 不是普通的技术进步。它本身就是规模法则的产物——大语言模型的涌现能力遵循类似的幂律关系，算力和数据每增加一个数量级，能力跳一档。更关键的是，AI 在加速其他领域的创新周期：药物发现从十年压缩到两年，芯片设计从数月到数周，科研论文的生产速度已经在被 AI 重新定义。
用 West 的语言说，AI 在压缩创新周期。而创新周期是避免有限时间奇点的唯一刹车。刹车变短了，奇点就更近了。
社会经济的承压点
超线性增长的社会有个特征：不平等也超线性增长。大城市的人均 GDP 高，但基尼系数也高。AI 放大这个效应——它让高技能者的生产力指数级提升，同时在中低技能岗位上形成替代压力。这不是假设，是正在发生的事。
具体来看几个承压点：
劳动市场断裂。 历史上每次技术革命都创造过更多岗位，但 AI 的不同在于替代速度。纺织机替代手工织工用了几十年，给社会留了调整窗口。LLM 替代初级文案、翻译、客服可能只需要几年。劳动力再培训的速度远远跟不上范式切换的频率。
中间层塌陷。 城市经济的活力来自中间层——中小企业、中等收入群体、中层管理者。AI 最擅长替代的就是”中等复杂度的重复性认知劳动”。中间层一旦塌陷，社会结构从橄榄型变成沙漏型，消费引擎熄火，经济循环断裂。
创新悖论。 AI 加速创新，但创新越来越集中在少数拥有算力和数据的组织手中。开源社区在追赶，但差距在拉大。当创新由极少数主体驱动时，范式的多样度下降，系统的抗脆弱性也随之下降。
有限时间奇点：这次不一样？
West 的框架里，历史上每次逼近奇点，人类都通过创新跳到了新的缩放范式。从农业到工业到信息时代，每次跳档都伴随着社会结构的重组——通常是痛苦的重组。
AI 带来的问题是：这次创新本身就是奇点的驱动力。 过去，蒸汽机加速了生产，但蒸汽机本身不会加速蒸汽机的发明。AI 却在加速 AI 的进化，也在加速一切其他领域的进化。这是一个正反馈回路，而正反馈回路在复杂系统里通常意味着两件事之一：指数增长，或者崩溃。
不太可能是一条直线走到崩溃。更现实的图景是：
阶段性震荡。 某些行业先崩溃（翻译、初级编程、客服），然后重组，然后下一个行业开始震荡。社会在一系列局部坍缩中踉跄前行。
制度滞后效应。 法律、税收、社会保障体系的调整速度远慢于技术迭代速度。这个时间差本身就是不稳定源。当 30% 的工作在 5 年内被重新定义，而劳动法还在按 20 世纪的框架运行，摩擦成本是巨大的。
地缘分化。 不同国家应对 AI 冲击的能力差异极大。拥有算力主权和制度弹性的国家可能平稳过渡；依赖外包劳动的经济体可能被直接击穿。
加速人类进化？
这是问题里最激进的部分。
首先要定义”进化”。生物学意义上的进化以代际为单位，太慢了，AI 不会在几代人里改变人类的基因频率。但广义的进化——人类能力的根本性跃迁——确实有可能。
认知外包。 当记忆、计算、甚至推理都可以外包给 AI，人脑的负担发生质变。这类似于书写和印刷术对人类记忆的重塑——苏格拉底曾担心文字会摧毁人的记忆力，他没说错，但文字创造了一种更强大的外部记忆系统。AI 可能是同一逻辑的下一跳：不是让人类变笨，而是把认知资源释放到更高层次的模式识别和创造性工作上。
人机共生。 Neuralink 式的脑机接口如果走通，人类的认知带宽直接扩展。这不是渐进式改良，是物种级别的变化。West 在书里没有讨论这种可能性，因为他的框架基于生物体的物理约束——但脑机接口恰恰在突破这些约束。
选择压力的变化。 进化的核心驱动力是选择压力。AI 时代的选择压力不再是”谁跑得快””谁力气大”，而是”谁更善于与 AI 协作””谁更有判断力””谁更能处理模糊性”。这些能力不会被 AI 轻易替代，反而会因为 AI 的存在而变得更值钱。社会会围绕这些新能力重新洗牌。
但有个前提条件：这个过程必须在社会不崩溃的前提下进行。 如果社会经济先崩了，进化无从谈起。西罗马帝国的崩溃没有加速罗马人的进化，只是让生活变得更糟。
一个不太舒服的结论
West 的规模法则指向一个不太舒服的可能性：AI 的发展确实在缩短创新周期，确实在逼近有限时间奇点，而传统的”创新跳档”机制可能不够用了——因为这次创新的加速器本身就是问题的一部分。
这不是说崩溃不可避免。但避免崩溃需要的不是更多的 AI 能力，而是制度创新的速度必须跟得上技术迭代的速度。历史上，制度创新往往滞后于技术创新，这个滞后通常是可容忍的。但当技术迭代周期从几十年缩短到几年，滞后就变成了裂缝。
说到底，规模法则告诉我们的是：系统越复杂、越高效，就越脆弱。AI 让社会经济系统前所未有地复杂和高效。这不是好或坏的问题，是一个需要认真对待的物理约束。
人类能不能在奇点之前找到新的缩放范式？不确定。但至少有一件事是确定的：指望”技术自然解决问题”是最危险的态度。West 的整本书都在说同一件事——没有什么是自然解决的，每一次延续都要求刻意的创新，而创新的社会成本不会因为技术更先进就更低。
这次，社会创新可能比技术创新更重要。