大“蒸馏”时代，普通人咋办？

从AI互相蒸馏，到人类互相蒸馏、自我蒸馏，再到AI蒸馏人类…… 层层蒸馏、信息层层压缩后的世界，大概率会更好，前提是普通人依旧保有思考。

受限于人体机能，我们认识的世界，从来就不是完整和真实的。

几万年来，我们依靠语言、文字和各种媒体所记录和传承的世界，充满了偏见和谬误。

在AI的推动下，在无可避免的层层“蒸馏”后，这一“扭曲”过程可能正在加速。

在AI语境里，“蒸馏”原本是一个模型能力迁移概念：

让一个更强的大模型当老师，把它的知识、回答、推理习惯和判断能力，教给、或者说提取给一个更小、更快、更便宜的模型。

这样小模型在某些任务上也能接近大模型的表现，从而实现更高的性价比。

比如Claude和DeepSeek等一众国产模型之间，就经常上演相互蒸馏的戏份，可谓你中有我我中有你。

模型相互蒸馏上演了好几年，到今天已不稀奇。

时至2026年中，“蒸馏”正在升维。

蒸馏不再只是AI进化的方法，它正在变成社会演变的路径之一。

以下三层蒸馏，也许可以作为我们普通人认知这一现象的入口。

第一层蒸馏，是AI之间的相互蒸馏

模型之间相互蒸馏了多年，一方面是让高性价比的模型越来越多。

另一方面，有个范式转变也正在发生：知识开始在模型之间流动与增长。

过去，知识的流动和增长，更多是“人到AI”的单向路径，也就是人类生产知识，AI 学习知识。

我们写书、发论文、拍视频、上传代码，模型把这些东西消化掉，内化成自己的能力。

但蒸馏让事情变复杂了，因为模型教模型，不是单纯复制，还有扭曲与遗忘，以及随之而来的创新。

复制得到影子，而蒸馏能得到的，一方面是提纯后的判断力，另一方面是知识的重新连接与增长。

一个大模型面对问题时，不只是给出答案，它还隐含了大量判断和选择：

用户的表达是否有歧义，哪些信息重要，哪些路径可能更合适，哪些表达更符合用户偏好，哪些风险和错误要规避等等。

这就像把一个博导长期形成的判断能力与思维框架，压进一个研究生的脑子里。

研究生未必比导师博学，也不可能继承全部能力，但它可能继承了导师最常用、最稳定、最可迁移的那部分能力。

当然，这种继承，会不可避免地造成信息失真，这是无法避免的代价，但也给研究生的进一步创新埋下了种子。

所以返回去看AI相互蒸馏，更值得注意的变化在这里：

当模型A学习人类知识，模型B学习A的输出，模型C再学习B的输出，知识就不再只从人类流向AI，而是开始在AI之间循环和生长。

当然，每一层都不是完整传递，每一层都在压缩和改写，都在强化某些东西，同时丢掉另一些东西。

所以，学生模型学到的，不是原始世界本身，而是老师模型对世界的压缩版本。

压缩未必代表更差，有时压缩反而更接近本质。

最近Minimax、Anthropic等在做的AI自进化，也在加速这一进程。

这和人类几万年来的知识传承有点像，但速率完全不同。

一个模型的思维和工作习惯，几天甚至更短时间内，就可以扩散到一批同类模型、一堆agent和app里。

这也是第一层蒸馏需要辩证看待的地方：它让知识传播更快，也让偏差传播更快。

当人类不再是唯一的知识来源，当AI开始参与知识的生产，AI就在用自己的方式压缩和重排世界，制造新的知识和中间地带。

AI之间的蒸馏，标志着知识不再只在人类大脑、书籍和数据库之间流动；知识也开始在模型之间流动。

而普通人以后接触到的很多“答案”，大概率已经不是人类对现实的一次总结，而是多个模型对现实层层压缩重排后的结果。

它可能会更简洁和优美，更接近本质；也可能会是一个大坑。

以AI的聪明才智，它只要利用好人性的弱点，重塑整个世界的思维和知识框架，基本就能逐步无痛接管世界。

希望政治家、学者和从业者能解决好这个问题吧。

AI对齐，不应该是玄学和少数人的课题，而应该是关于世界未来走向的第一重要命题。

第二层蒸馏，是人类的相互蒸馏和自我蒸馏

这层我们就比较熟悉了。

最近张雪峰“被复活”、爱因斯坦和女娲被蒸馏成skill、同事走了skill还在等等，大家都刷得比较多了。

这代表了人类之间相互蒸馏的第一种形式：

把个体的能力，提纯为skill等AI友好的形式，然后被强化、传播和保存。

同时，在蒸馏推动下，在工作、学术、生活等场景中，我们也变得越来越没有耐心，不会再去读原文和溯源事物本身的样子。

短视频、公众号、小红书、知识付费、播客、直播切片，本质上都是在做蒸馏。包括我这篇推文，也是。

它们把繁杂的概念压缩成更容易理解、传播和消费的表达。

这当然有价值，如果没有蒸馏，我们普通人根本处理不了今天的信息量。

这也代表了人类相互蒸馏的另一种形式：

把公域的知识，提纯后重新推回公域，催生知识的强化和传播。

另外，还有一种蒸馏，是人的自我蒸馏。

比如扎克伯格就在蒸馏自己。

有报道称，Meta正在开发一个AI版的扎克伯格，用他的知识、思维方式、对公司战略的思考和表达习惯来训练AI分身，从而让数万员工可以和这个“数字 CEO”互动。

这种自我蒸馏，能否带来管理效率的跃升、对组织到底如何发挥正向作用，现在还不好说，也是个极其复杂的系统性问题。

但是，这种自我蒸馏，背后体现了一种判断：

如果把人作为处理信息的工具，那他既可以肉体形式存在，也可以AI分身形式存在。

这听起来毫无人文关怀，但可能会是越来越多人的主动选择，如果TA觉得这样更有价值的话。

所以，不管是老王蒸馏小刘，还是老张蒸馏公域知识，还是小扎蒸馏自己，本质可能都是AI能力高度发展后的自然选择。

所谓物竞天择，在AI时代，可能正在体现为蒸馏的各种落地形式。

不远的将来，所有的教育者可能也要开始思考和回答这个问题：

要在何种程度上，把学生训练成一个能被他人和AI蒸馏的人？如果一切已无可避免。

第三层蒸馏，是AI开始蒸馏人类

过去的大数据和推荐系统已经在做这件事。

我们点了什么、停留多久、好恶如何等等，它都在提炼。

但那时它的主要目的还是割韭菜，不太涉及深度掌控。

而现在，模型和agent已进入通讯软件、搜索、邮箱、日历、相册、文件夹、浏览器和工作流，进入每个人的电脑桌面，乃至生活空间。

它要判断的不只是我们喜欢什么，而是这个用户是谁、在做什么、下一步需要什么，甚至，弱点是什么。

6月4日发布的ChatGPT Memory Dreaming，就是一个信号。

它早已不是AI早期的呆板记忆，而正在变成智能的长期记忆。

OpenAI把dreaming描述为一种后台过程，可以从多轮对话中综合用户的偏好、项目、约束和长期上下文，让未来对话直接从用户当前实际状态开始。

不难想象，随着记忆能力的提升，AI甚至会变得比我们自己更懂我们自己 —— 因为它不会遗忘，而且能迅速调用比我们的肉体能力上限多得多的知识。

Google的Personal Intelligence也是同一条线。

Google今年1月先把它带到Gemini，连接Gmail、YouTube和Search等产品；到了5月的I/O大会，又做了一轮拓展。

总之，强化长期记忆和对用户的深刻洞察，从信息层面，直到物理和生理层面，今年已经是各大厂的基本操作。

所以，AI不只是在蒸馏信息，AI也在蒸馏人类。

我们说过的话、反复关心的问题、表达习惯、焦虑、消费偏好、审美、关系网络、目标，乃至长相、音色和体态等等，都会变成某种关于我们的建模。

未来AI的反馈，除了基于通用知识，也会基于它对我们的深刻洞察。

这听上去很美好，另一面也很现实：

当AI越懂我们，它就会越有能力缩小我们的世界。

到最后，我们面对的可能不是世界本身，而是一个为我们私人定制、经过多层压缩、温柔包装后的“世界”。

这就是大蒸馏时代，对于我们普通人最危险的地方：

在层层蒸馏后，我们会离“真实”越来越远。

所以，普通人咋办？

肯定不是拒绝AI，也不是假装还能回到过去，这都不现实。

我们可以做的，是在使用AI、享受新时代的同时，保留自己的思考能力。

第一，训练深度思考和行动的能力。

短视频很爽，摘要很快，AI回答很周到。

可判断力，往往来自那些不太爽、不太快的过程。

比如读一本书读到烦；

比如和真实的客户聊两个小时；

比如在一个场域里沉淀几年，看到真正的利益结构；

比如自己写一篇文章，写着写着发现自己的思考漏洞；

比如自己烤一个土豆，要么不熟，要么糊了，都没关系。

它们能保留我们和现实之间的摩擦。

这种摩擦会带来原始价值。

第二，重视真实反馈。

模型可以给我们情绪价值，agent可以让vibe coding变成上瘾的游戏，平台可以给我们推流。

但更有价值的，还是市场是否买单，用户是否受益，现实问题是否被更好地解决。

在大蒸馏时代，我们产生“认知爽感”的同时，也要注意回归真实世界，尽量留下能被时间检验的知识，创造长期价值。

第三，乐观加自信。

我们踩过的坑、见识过的失败与成功、拿到的结果，我们的判断、偏好和经验，我们的最新思考框架，是AI最渴望的养料。

这些养料，应该是动态发展、永无止境、走在AI前面的。

我们要相信人类大脑的潜力，有用AI对齐真正控制AI的信心。

所以，大蒸馏时代不一定只剩悲观。

我们普通人要做的，不是拒绝蒸馏，而是知道自己正在喝的是蒸馏水。

蒸馏后的世界也许干净、清澈、充满芳香。

但如果我们以后只喝蒸馏水，就会忘记泥土和矿物质的味道。