文 | 王丰辉（资深金融研究者）

　　银行业里有个话题越来越热：全员蒸馏。

　　夸张点儿说，就是把老师傅的经验，沉淀为 AI 可读，或者提炼、蒸馏给 AI，再让 AI 替代一些人，或者辅助没有那么资深的人。

　　看起来是件好事。老师傅干了一辈子，脑子里那套判断、那些窍门，以前只能靠跟着他做、慢慢悟；现在有了大模型，可以把他的经验提炼出来，让每个人都能用。效率上去了，经验不流失了，多好。

　　其实在职场领域，始终存在个体所有技能（或资源）与企业所有技能（或资源）的博弈。

　　企业微信有一个功能叫“离职继承”，深受企业主喜爱。

　　比如，我也思考过另外一个话题，AI 大牛对一家企业而言，有多重要？

　　例如，杨立昆对 meta，哈萨比斯对 google，姚顺雨对0700。这是另一个视角，不在这儿展开，找机会再谈。

　　但抛开这些大牛，对企业中的老牛、中牛而言，这件事没那么简单。

　　先说清楚，这不是银行独有的问题。任何一个行业，只要积累了几十年的经验，都会走到这一步。本质上，这是一个隐性知识的问题——那些落在书面上的，叫显性知识；那些只存在于人脑子里的、难以言传的，叫隐性知识，也可以形象得称"暗知识"（学术上不准确）。

　　企业的运转离不开人，人的知识和技能维系了组织的命脉。

　　我们对这些"暗知识"常常缺乏感知，但"裁员裁到大动脉"并不是笑话——当你审视一个庞大的组织，有时候的确很难精准识别一个个体在组织中的真正价值。这就是我的另一个核心价值观：企业中，人是非常重要的，是第一优先级。

　　（当前反内卷其实要回归到“人是目的而非手段”的认知，解决不了这一层，反不了内卷）

　　宇宙中也有类似的东西。暗物质和暗能量合计占了宇宙质能总量的约95%，其中暗物质约占27%，暗能量约占68%，而我们肉眼能看到的普通物质只占不到5%。没有暗物质，宇宙不会消失，但会截然不同——我们所知的生命都不会存在。 暗物质不发光、不发声，但它是整个宇宙结构的"引力骨架"。

　　组织和宇宙一样——那些你看不见、摸不着的部分，恰恰是把一切维系在一起的东西。

　　全员蒸馏，就是要把显性和隐性这两类知识都拿出来，喂给模型。

　　企业里的知识，相应地要做两份工作。

　　第一类，是已经落到文档里的知识。制度、规章、手册、指南、说明、报告、表格，不管是书面的还是电子的，都要拆解成大模型可以识别的内容。这是从数据治理转向知识治理的第一层——过去我们讲数据治理，是把数据管好；现在要更进一步，治理模型能用的知识。

　　第二类，是存在于人脑里的知识。一家企业能运转，靠的不只是文档。高管怎么拍板，中层怎么协调，老员工遇到特殊情况怎么处理——这些没有落到书面的知识，藏在每个人的脑子里。这就是第二层：把人也"治理"了，让模型能读取人脑里的这部分知识，它才能替代组织里原有的角色。

　　我说到"替代"了。这个词很敏感，但我必须用它。

　　一个组织想让 AI 渗透得越来越多，让 AI 承担的角色越来越多，它就必然要去替代人原有的角色。从知识的视角去看这个替代，它替代的是什么？是头脑中的那些认知、判断、逻辑、倾向。

　　说白了，AI 在尝试拿走"你这个人为什么值钱"的那部分——你那独特的知识。

　　这就是全员蒸馏必然带来的拷问：真的会通过全员蒸馏，替代掉我们这些人吗？

　　有人会说，这不就是又一个卢德主义吗？当年织布工人砸机器，是因为机器抢走了他们的活。

　　但这次不一样。

　　卢德时代，替代发生在物理层面。肌肉的力量、行走的速度、语言和信息传输的距离——机器在这些方面超过了人，所以人失去了这些体力活。但这一次，替代向大脑内收缩了。它不再抢你的手和脚，它开始探讨大脑的替代——你的判断、你的直觉、你的品味，这些最"人"的东西，正成为被蒸馏、被替代的对象。

　　这不是某个行业、某类岗位的挑战，这是对全人类的挑战。这也是为什么现在的教育有点跟不上的原因——我们还在教孩子记知识、背结论，可知识正变得可以被蒸馏、被复制。

　　如果蒸馏是必须的，生产力的大势之下不可避免，那我们最终要问的是：人能留下的是什么？人独特的东西是什么？

　　我建了一个认知网络，把多年散落的认知外显成了一张网。朋友问我：你把认知都外显了，那你不也可以被替代了吗？

　　我想了想，答案应该不是。

　　这里有一件事特别重要：认知一旦外显，它实际上就变成了一种知识。

　　我头脑里有认知，我把认知外显化——对别人而言，拿到的不是我的认知，而是关于这个问题的知识。而把知识读取进大脑，再转化成认知，是另一个过程，没那么简单。别人拿到我写的判断，他得自己把它想通、验证、变成自己的，才能算认知。知识可以传递，认知不能。

　　所以，外显的只是知识，而那个"把知识变成认知"的过程，还在我脑子里，谁也拿不走。

　　认知可以外显成知识，但知识变回认知，必须自己走一遍。

　　那这个过程，为什么这么难？

　　脑科学里有一对概念：陈述性记忆和程序性记忆。陈述性记忆是"知道什么"——事实、规则，可以说得出来；程序性记忆是"会做什么"——技能、习惯，做得出来，但往往说不清楚。比如你问一个骑车的人怎么保持平衡，他讲不出个所以然，但他骑得很好。

　　认知科学的研究（Anderson 的 ACT 理论）发现，从陈述性到程序性，要经历一个叫"知识编译"的过程：先是认知阶段，记住规则；再是联想阶段，反复练习、不断纠错；最后是自主阶段，彻底自动化，不再占用你的注意力。这个过程，靠的是日复一日的练习。

　　关键在这里：程序性知识，没办法靠"告诉"来传递。别人把骑车的要领背给你，你照样不会骑；别人把老师傅的判断逻辑写给你，你照样不会判断。蒸馏只能给你"知道"，给不了你"会做"。

　　王阳明讲知行合一，我们鹦鹉学舌了几百年。为什么那么难？因为这里的"知"，不是指"知道"——你看到了一句话、朗诵了一段知识，那不是知。真正的知，是认知到这件事，是"真知即所以为行，不行不足谓之知"。你说你知道错了，明天还是犯，那不算知道，只是见过这句话。

　　知行合一难，就难在它要求你把头脑中概念性的东西，转换成自己行为性的东西。而行为性的东西，恰恰就是程序性的——这种转化，需要日复一日的习惯养成；养成过程中，头脑里那些还没认知化的东西，也要一并纠正。这不是看一遍、背一遍能完成的。

　　现在回到蒸馏。

　　蒸馏拿得走"知道"——事实、规则、流程、结论，这些都可以被提炼、被复制、被喂给模型。但拿不走"知行合一"——那个把知识变成认知、把认知变成行为的过程，那个在反复练习中长出判断力和品味的过程。

　　这里面其实也牵扯到一个我还没有想明白的问题：之前梁文锋信誓旦旦地说大语言模型是AGI主线，他好像不太认可多模态和世界模型。

　　但是我现在的认知还是认为，人类的独特性根源在于“真实世界的具身性”。这里面有两个非常关键的词，一个叫“真实世界”，一个叫“具身性”。这是我特别在意的两个点，我现在隐隐约约地感知到，真实世界的具身性对于真正逼近人类的智能乃至意识，是非常非常关键的点。

　　当然，因为我不是专业领域，我还在尝试思考这个话题，就不在这儿展开了。

　　回到本文正题。你的独特，不在你拥有多少知识——知识可以被蒸馏。你的独特，在于那个把知识变成认知的过程本身，它长在你身上，靠时间、靠练习、靠一遍遍的纠错。

　　蒸馏拿得走"知道"，拿不走"知行合一"。

　　这就是 AI 的边界，也是你我的位置。（本文为作者观点，不代表本头条号立场）