1932 年，经济大萧条尚未结束。松下幸之助提出了后来被称为“自来水哲学”的主张：制造者应当让生活必需品像自来水一样充裕、便宜，让普通人也能轻松获得。他相信，持续生产带来的物质丰裕，可以帮助社会摆脱贫困。松下集团的历史档案记录了这一主张。
近几年，生成式 AI 让我重新想起这个比喻。
起初，好用的模型需要付费，使用者还得学会怎样写提示词。如今，推理成本正在下降，语音、对话和文档交互也让使用门槛逐渐降低。我开始期待：也许有一天，智能真的能像自来水一样，普通人打开水龙头就能用。
但便宜并不意味着一切问题都解决了。企业也可能借助 AI 重组工作、压缩岗位；智能越来越容易获得，它带来的收益却未必同样容易分享。
所以，比起追问 AI 何时足够便宜，我更想问两个问题：当智能像水一样流进生活，人能否放心地使用它？当它创造了更多价值，这些价值能否回到普通人的生活里？
一、水价：智能能否人人可得？
AI 正在变得便宜，至少对于已经达到某个能力门槛的任务而言是这样。
斯坦福大学《AI Index Report 2025》指出：以 GPT-3.5 在 MMLU 基准测试中的得分为能力门槛，达到相近水平的模型，推理价格从 2022 年 11 月的每百万 token 20 美元，下降到 2024 年 10 月的 0.07 美元，约为原来的二百八十六分之一。
图：根据 Stanford HAI《AI Index Report 2025》整理。纵轴为对数刻度；图中只展示两个观测点，不代表同一模型的连续降价。
这组数字说明的是：获得“够用的智能”，正在变得更便宜。它不意味着最前沿的能力也以相同速度降价，更不代表所有任务都能以这个价格完成。复杂推理、长上下文和多轮调用，仍然可能产生可观的费用。
价格之外还有使用门槛。过去，用户需要学习提示词、理解模型限制；现在，许多产品允许人直接说话、上传文档、反复修改需求。开放权重模型与本地部署，也让部分场景不必完全依赖单一云端接口。不过，本地运行仍有设备、维护和能耗成本，交互变简单也不等于结果一定可靠。
单位价格下降后，用量可能增长得更快。这是经济学所说的反弹效应；只有当总消耗因此不降反升时，才接近“杰文斯悖论”。但总账单上升本身并非坏事：如果花更多钱确实创造了更大价值，支出可能仍然合理。真正要问的是，完成一项任务的成本，相对于使用者的收入与所得价值，是否能够长期承受。
水价正在下降，却还需要看看水从哪里来、能不能换一家供应商。
二、管网：使用者有没有选择权？
自来水管网具有自然垄断的典型特征：铺管道需要大量固定投入，重复建设往往不经济。因此，供水设施通常需要公共治理或外部监管，才能避免使用者被单一供应商完全支配。
AI 不是一个整体上的自然垄断行业。模型和应用仍然可以竞争，但芯片、数据中心、云计算等基础设施环节高度依赖资本和规模。OECD 在 2025 年的《Competition in artificial intelligence infrastructure》中，专门讨论了这些环节的市场集中、进入壁垒与转换成本。
这带来一种值得警惕的局面：模型看起来选择很多，背后的算力、平台和接口却可能集中在少数机构手中。用户最初只是使用一项服务，后来却可能因为数据、工作流程或接口绑定，而越来越难以离开。
从竞争政策与公共基础设施治理的角度，我认为可以沿三条路径寻找约束，但判断它们是否有效，应当采用同一个标准：使用者能否真正换一条管道？
监管可以限制排他性行为、促进透明和互操作，但如果只增加复杂的合规门槛，也可能让小企业更难进入市场。开放模型和开放标准可以降低迁移成本，但开放生态同样需要持续的资金与维护。公共算力和公共研究投入可以提供市场之外的选择，不过，公共项目只有持续开放、治理清晰，才能真正减少新的依赖。
因此，“谁来铺管网”不必只有一个答案。更重要的是，当供应商涨价、停止服务或改变规则时，使用者能否带走自己的数据、保留工作成果，并以可接受的成本转向其他方案。
智能的基础设施可以由不同主体建设，但选择权不应因此从使用者手中消失。
三、水质：智能是否值得信任？
自来水便宜，不代表可以不检测水质。智能也一样：回答得流畅、生成得迅速，都不等于内容正确，更不等于适合被直接用于重要决策。
一份 AI 生成的旅行清单出现错别字，损失可能很小；一份教学材料引用了错误知识点，可能误导学生；如果错误进入医疗、招聘或公共服务决策，后果就可能落到具体的人身上。风险不同，所需的检验标准也应不同。
美国国家标准与技术研究院（NIST）的《AI Risk Management Framework》把可靠性、安全性、透明度、可问责性、隐私保护等列为可信 AI 的关键特征。它提醒我，所谓“可信”不能只靠企业宣传或一次演示来证明。
对于真正进入生活的 AI，我更愿意看具体问题：它有没有接受过对应场景的测试？结论有没有可以核对的依据？发现错误时，人能否纠正、申诉或停止使用？上传的资料会怎样被保存和处理？出现损害时，谁需要作出解释并承担责任？
可信不是永不出错，而是错误有机会被发现，风险有办法被控制，责任有地方可追溯。
不过，即使系统足够可靠，还有一个更隐蔽的问题：人会不会因为太方便，而逐渐把判断也交出去？
四、用水的人：便利会不会削弱判断？
水成为日常基础设施后，人不需要每天研究水厂如何运转。好的工具，本来就应该替人省去不必要的负担。
AI 却有一点不同：它不仅替人完成动作，还会参与组织信息、提出解释，甚至建议人如何选择。一个人长期依赖 AI，可能节省很多精力，也可能越来越少检查自己为什么相信某个答案。
但这不意味着所有能力都必须保留在手工状态。计算器普及后，人们不必天天进行复杂的心算；地图导航普及后，也没有必要要求每个人记住所有道路。低风险、可复核的重复性任务，完全可以放心交给工具。
真正需要守住的，是那些一旦判断错误就会影响他人权益、个人发展或重要生活选择的环节。教师可以让 AI 整理教学资源，却仍要决定教什么、为什么这样教；求职者可以让 AI 修改简历表达，却应确认每段经历真实、每个选择符合自己的目标。
联合国教科文组织在《AI Competency Framework for Teachers》中强调人的自主性，并把它放在教师理解和使用 AI 的核心位置。对我来说，这比单纯要求“人类在回路中”更有意义：人的参与不该只是最后点一下确认，而要有能力理解、质疑和推翻 AI 的建议。
我期待的共生，不是人必须比 AI 做得更快，而是人在得到帮助之后，仍然知道哪些决定应由自己作出。
五、挑水夫：代价由谁承担，收益归谁？
假如自来水管网进入一座原本靠挑水供应生活用水的城镇，居民获得了方便、便宜的用水方式，挑水这份工作却可能失去需求。整体生活改善，并不能自动补偿那些因此失去收入的人。
AI 的变化同样包含两个层次：一部分人的岗位可能被重组或减少；另一部分人虽然留在岗位上，却不一定分享到效率提升的收益。
国际劳工组织在 2025 年的研究中估计，全球约四分之一的工作岗位在不同程度上受到生成式 AI 的潜在影响。这里的“受到影响”并不等于“将被裁撤”。报告认为，许多岗位更可能发生任务转型，而不是整体消失。
对于确实失去岗位的人，技术进步需要配套的转岗培训、过渡收入保障和可进入的新就业机会。不能一边宣布社会整体受益，一边让转型成本全部落在某些个人身上。
对于留下来的人，问题则更细微。
假设一位乡村教师原来需要两个小时备课，使用 AI 后只需一个小时。学校可以把省下来的时间转化为更多授课任务，让她比以前更忙；也可以让她把时间用于辅导学习困难的学生、改进课堂，或获得合理的休息。
同样的工具，可能让组织用更少的人成本完成工作，也可能让劳动者拥有更多时间和自主权。区别不在于 AI 是否提高了效率，而在于效率提升之后，谁有权决定节省下来的时间怎么用，谁得到相应的收益。
因此，再培训和社会保障解决的是转型损失；合理的工作量、收益分享和劳动者参与决策，解决的是效率收益分配。两者缺一，技术进步都可能只停留在少数人的账面上。
六、验收清单：智能自来水的五项标准
如果“智能像自来水一样普及”不只是一句愿景，我希望它至少经得起五项检验。
- 可及：用得上，也用得起。 非技术用户从第一次接触到完成任务，需要多少步骤？完成一项实际任务的总成本，相对于收入和获得的价值，是否可承受？
- 可选择：能够离开，也能够更换。 用户能否导出数据和成果、迁移工作流程、更换模型或服务商？离开的技术成本和合同成本是否合理？
- 可信：结果可核查，错误可纠正。 系统是否经过适合使用场景的评测？是否能提供依据、保护隐私，并在出错时给出纠错和追责渠道？
- 保留判断：人仍然能够说“不”。 对重要建议，用户能否理解其依据、提出异议、修改或推翻结果？在高风险场景里，人是否保有必要的独立判断能力？
- 公平分享：收益回流，损失有人承担。 失去岗位的人是否得到转型支持？留在岗位上的人是否能分享效率提升带来的时间、收入或工作条件改善？
仍以乡村教师备课为例：她应当用普通手机就能获得帮助，学校能够长期负担费用；教学资料可以导出，不因更换平台而全部重来；生成的知识点能够核对，隐私得到保护；最终的教学判断仍由教师作出；节省下来的时间，也不应自动变成更多的工作指标。
这不是一个模型跑分能够回答的问题。它需要技术、产品、机构管理和公共制度共同接受检验。
结语：智能最终滋养了谁？
松下幸之助的自来水哲学，首先谈的是让生活物资便宜、充裕，让更多人从生产力进步中受益。
把这个比喻放到 AI 上，我想为它增加一些属于今天的条件：不仅要让智能容易获得，还要让使用者能够选择、值得信任、保留判断；不仅要创造更多价值，还要让承担转型代价的人得到支持，让使用者和劳动者真正分享成果。
我期待的人智共生，不是人被智能替代后仍被告知这是进步，也不是所有事情都交给 AI 才算先进。它应该是一种更有余地的生活：人能够借助智能完成过去难以完成的事，也能够选择不使用、不同意，或者走自己的路。
当智能像自来水一样流进生活，真正需要检验的，不只是水龙头能否打开，而是水是否干净、管道能否选择，以及这股水最终滋养了谁。
参考资料
- 松下中国：《举行第一届创业纪念式（1932 年）》
- Stanford HAI：《AI Index Report 2025 — Research and Development》
- OECD（2025）：《Competition in artificial intelligence infrastructure》
- NIST：《AI Risk Management Framework》
- UNESCO（2024）：《AI Competency Framework for Teachers》
- ILO（2025）：《One in four jobs at risk of being transformed by GenAI》