工具形状的物件
1711 年，京都一位名叫 Chiyozuru Korehide 的工具匠开始为在 Higashi Hongan-ji 修建寺院的木匠锻造 kanna 刨刀的刀刃。这些刀刃由层压钢锻成：最上等的白 hagane 锻焊在软铁之上，出类拔萃。
三百年后，他的后人仍在锻造它们。一把 Chiyozuru kanna 的价格大约在 300 到 3000 美元之间。光是调校就要花上好几天。dai 必须手工修配；刀背要在一系列由粗到细的磨石上磨平；断屑器要与刃口贴合到连一丝光都透不过去。只有做到这一步，你才能刨出一缕薄屑。
那一卷卷刨屑近乎超凡。它很美。但从经济意义上说，它也一文不值。电动刨在更短的时间里就能完成同样的工作。kanna 的存在，只是为了让“调校”这件事得以存在。
我想谈谈一类物件：它长得像工具，却明显不是工具。你可以握住它。你也可以使用它。它像一件工具那样贴合掌心。它能制造“在工作”的感觉——摩擦、劳作、向前推进的势头——但它并不产出工作。这个物件并没有坏，它正在履行自己的功能。它的功能，就是让你感觉自己在用工具。
本周，一篇名为 “Something Big is Happening” 的泔水文达到了逃逸速度。约四千万人，以及约四千亿美元的 AUM，都以亢奋的语气读它、讨论它。
它由 Matt Shumer 写就——或者更准确地说，是由他生成的；他是一家 LLM 初创公司的 CEO，而我从它的各种落地页里一时竟看不出这公司究竟在做什么。
有意思的并不是这篇文章是泔水。有意思的是，人们消费了它。他们分享了它。他们与它互动。他们完成了阅读与分发这一动作：阅读并分发一篇关于人工智能的文章，而这篇文章本身又是由人工智能产出的；在这个回路里，产出在任何时刻都不重要。消费才是产品。分享才是产出。这篇文章——就像它讨论的 AI 一样——是一件工具形状的物件，而且它完全按设计运行。
归根结底，这也是迄今为止 AI 繁荣的故事。关于 AI 的主叙事并不是它建成了什么，而是人们以多快的速度在消费它。我们以多快的速度把钱砸向 GPU 农场。我们以多快的速度把这些工具的费用记到 Ramp 卡上。
标题里写的都是 token 预算、GPU 集群、十亿美元级的训练跑次、万亿美元级的基础设施扩张。故事讲的其实是资本开支（capex）。
AI 在“消费”上无处不在，在“产出”上却几乎无处可见。我们正以空前的金额去购买、配置、部署并运营这些系统，而这笔支出的主要产品，是“花钱”这件事本身带来的体验。
一个木工每年花六位数买珍稀硬木，却从不拿它来做东西，这不是在投资产出。他是在投资废料。木材的存在，只是为了让工具有东西可碰。刨花与边角料才是产品。
Miles Grimshaw——一位比我厉害得多的投资人——最近把“token 预算”这个概念硬生生塞进了我们的集体意识。他采用的是薪酬谈判的框架：token 预算被当作资源、认真程度、以及公司指望你用这些工具做多少活的代理指标。
我们开始用谈资本开支那一套来谈 token 消耗：把它当作一种与产出线性增长的投入。token 越多，工作越多。预算越大，结果越大。这种框架如此自然、如此直觉、又如此贴合管理者做过的所有资源分配决策，以至于几乎没人停下来问一句：token 的消耗与价值的产出之间，到底是一条直线、一条曲线，还是一团云。
在大多数情况下，那是一团云。但预算是真实的。
问题出现在：当这种工具形状的物件被设计成把这一点藏起来；当“在工作”的感觉变成了产品，并被当作工作本身来出售。
想想 Farmville。
FarmVille 是一种指挥控制界面。无论你点哪里，你的农场都会扩张，庄稼都会生长，数字都会上升。你唯一的投入是时间，而你把时间花在屏幕上的哪个方向，大体无关紧要。屏幕被你努力的证据塞满：作物、装饰，以及越来越大的谷仓。
数字上升。这就是全部产品。
“感觉自己很高产”的市场，比“真正变得高产”的市场大上好几个数量级。大多数人，在大多数时候，只想点一点，然后看着数字往上跳。他们不想被告知这个数字是假的。他们会付出——时间、注意力，乃至真金白银——来让数字继续上升。
Farmville 是一件工具形状的物件。
工具形状的物件并不新鲜。这个空间里甚至有完整的品类：你花三周配置、然后再也不用的效率应用；那个 Notion 工作区——十四个相互链接的数据库，用来追踪一段根本不需要追踪的人生。2018 年，有人把 Roam Research 的符号纹在身上——如今人们已经忘了这回事。
这些全都是 kanna。它们都是工具形状的物件。调校本身就是练习。但与那位日本木工不同，这些物件的使用者通常以为自己正在做工具所“长得像”的那件事，而不是工具真正让他做的那件事。
当下这一代由 LLM 驱动的疯狂——十亿美元的框架、编排层、代理式工作流——是迄今为止最精密的工具形状物件。
你可以搭一个 agent：它读你的邮件，概括内容，起草回复，按风格指南校对，把回复送进审批链，记录交互日志，并把结果汇报到仪表盘。你可以看着这一切发生。你可以看着 token 像流水一样涌出。你可以看到思维链。你可以监控 system prompt。你可以调整 temperature。你可以更换模型。你可以加一个 tool。你可以加六个 tool。你甚至可以加一个 tool：它调用另一个 agent，后者再调用第三个 agent；第三个 agent 去搜索网页，把结果综合成一份没人会读的备忘录。
数字上升。
我见过一些极聪明的工程师团队，搭建出复杂到令人屏息的 agent 系统，而它们的主要产出只是：系统本身的存在。agent 在跑。它们产生日志。日志再被其他 agent 分析。报告被生成。仪表盘被填满。整个装置嗡嗡运转，散发着一种无可错认的“正在干活”的能量。
真正被完成的，只是这套装置的运转。
这并不是说 LLM 本身毫无价值——恰恰相反。在我看来，这些模型很快就会变得非常好；对它们的谨慎部署，会对现实经济的生产率产生难以置信的影响。
但我更狭窄的建议是：它们向真实经济的扩散会花更久的时间，呈现出的样子也会与眼下 South Bay 的 Best Buy 抢购 Mac Minis 的热潮所暗示的那套叙事大不相同。
这就是机构尺度的 FarmVille。让 LLM 如此异常有效地充当工具形状物件的特质，是它们的语言流畅性。此前的每一种工具形状物件，都必须在自身媒介的约束里工作。FarmVille 只能制造“在耕作”的感觉。Notion 只能制造“在整理”的感觉。可 LLM 能制造任何事情的感觉。
更难看清的一点在于：LLM 也确实是工具。它们能做真正的工作。工具与工具形状物件之间的分界根本不是一条线，而是一段渐变，而这段渐变会随着每一个用例、每一个用户、每一个 prompt 而移动。你往往只会在不知不觉间跨过去，而不是清清楚楚地看见自己何时越界。
在让数字往上走之前，先问问：这个数字是什么。
链接: http://x.com/i/article/2021638167892242432