10 延安文艺座谈会10 Yan'an Forum
AI时代的内容创作：为谁写，写什么Who to write for in the AI era
你为谁写，决定了你能写出什么，也决定了到底有没有一个人需要它。1942年5月，毛在延安对一批文艺工作者讲的是同一件事："为什么人的问题，是一个根本的问题，原则的问题。"八十多年后，这句话是AI时代内容创作的全部真相。今天每天被生产出来的海量内容里，绝大多数失败的原因不是写得不好，而是作者从头到尾没想清楚自己在为谁写。质量早就不是瓶颈——GPT把"写得通顺、结构完整、引经据典"变成了按一下回车的零成本动作。瓶颈是立场。
一、1942年的"为艺术而艺术"，就是今天的绝大多数AI内容
延安当时聚了一批从上海、北平来的文化人。他们有才华，会写十四行诗，懂西方现代派，但写出来的东西，识字不多的农民和战士看不懂，也用不上。更要命的是态度：群众真正需要的墙报、快板、识字课本，他们觉得太低级，不屑写。毛开这个座谈会，不是去教他们怎么写得更好——他们的技术没问题——而是逼他们面对一个从没认真想过的问题：你写的这些东西，到底是给谁看的？他把这诊断为立场问题，不是水平问题。一个人技术再好，立场错了，写得越多越无用。
把这个场景搬到2026年，几乎一个细节都不用改。GPT让"写得漂亮"彻底贬值到零。于是我们看到的不是内容的文艺复兴，而是全网每天几百万篇的延安"为艺术而艺术"：文章、帖子、脚本，技术上无可挑剔，却没有任何一个具体的人需要。生产力被解放了，立场问题反而被彻底盖住了——因为写得烂的时候你还会反思，写得漂亮的时候你以为自己成功了。这是AI时代最危险的地方：它让你在错误的立场上，跑得更快。
二、三种立场，大多数人卡在第二种
毛在《讲话》里反复追问的，其实只有一个问题：你为谁服务。把这个问题往下切，AI时代的写作者也只有三种立场。
第一种是为自己写。毛描述过那种知识分子心态：总觉得自己是干净的，群众是"手是黑的，脚上有牛屎"的。翻成今天的话，就是炫耀认知——我读过的书、我懂的概念、我思想的复杂度，你读不懂是你的问题。这种内容的潜台词永远是"看我多厉害"，而不是"你需要什么"。GPT把这种立场的产量放大了一百倍：现在每个人都能让模型替自己堆术语、引典故、把简单的事说玄。它会越来越多，也越来越没用，因为它从一开始就不是写给任何人的，是写给作者的虚荣的。
第二种是为平台写。这是最普遍、也最隐蔽的失败，因为它伪装成"数据驱动"。我在苹果做过App Store的推荐系统，最清楚这台机器的本质：它不认识任何一个具体的人。它认识的是分布、是留存曲线、是完播率，是前七天有多少人没划走。在推荐意义上最成功的内容，往往不是最好的内容，而是最擅长喂给这台机器它想要的信号的内容。为平台写，就是把标题对齐到完播率，把开头三句对齐到推荐权重，把结构对齐到算法，唯独没有一个真实的读者。它的天花板是死的：推荐系统只能对着平均值做优化，算不出此时此刻这一个人要的那件具体东西。你把写作对齐到这台机器，写出来的也只能是平均值。
三、为具体的人写：安心舍凌晨两点的那个用户
第三种立场，为具体的人写，是唯一硬核的用户导向，也是唯一难的。
我在安心舍最反复确认的就是这件事。安心舍是AI情感陪伴，三十万用户，大量对话发生在深夜。设计陪伴角色的回复时，最大的诱惑是为一个抽象的"焦虑用户"写——而这恰好就是LLM不给约束时的默认输出。你什么都不限定，模型给你的就是那种四平八稳的安慰："我理解你的感受，你已经很努力了，要对自己好一点。"共情词全齐，技术上完美，用户一秒钟就感觉到空。真正起作用、真正把人留下来的，是能精确说中具体情境的话：凌晨两点，刚和伴侣吵完架，对方已经睡了，你一个人盯着天花板，开始怀疑这段关系是不是错了——当一段回复能把这个具体场景叫出来，用户的反应是完全不同的。毛说"你要和群众打成一片，就得下决心，经过长期的甚至是痛苦的磨练"，他说的不是姿态，是真去知道对方此刻在经历什么。
我写这个系列也是同一个立场。我脑子里的读者不是"对AI感兴趣的人"，是一个很具体的人：中国的AI创业者或产品负责人，手上有一百到三百万用户的产品，正卡在从增长到规模化那道坎上，没时间读完一本厚书，但愿意花十分钟读一篇能马上用上的分析。每一篇我都是从这个人此刻的困惑出发，而不是从"我想讲什么"出发。这两者的差别，就是延安那批文化人和毛之间的差别。
四、当LLM能为所有人定制，护城河到底剩什么
这里有个AI时代特有的新问题，很多人会答错。既然LLM已经能为每一个读者量身定制——同一篇东西，给工程师一个版本，给投资人一个版本，给焦虑的妈妈一个版本——那"为具体的人写"不就被自动化了吗？我的手艺不就过时了吗？
先回到凌晨两点那个场景。LLM确实能生成一万个场景，"凌晨两点刚吵完架"那一个也在里面，它生成得比我快。但它做不到的是判断：在这一万个场景里，此刻该收敛到哪一个、为什么是这个不是那个。生成和定制，机器全包了；该瞄准哪个目标，机器包不了。它定制的是表皮——语气、例子、长度、难易——源头永远是训练分布，也就是"所有被写过的东西"叠在一起。它定制的是表皮，回归均值的是内核。它越为所有人定制，越向均值收敛。
所以分工翻转了：机器负责优化，人必须拥有目标。而目标永远是"为谁"——这就是教员那句"为什么人的问题"。在今天，"为谁"换了个工程上的名字，叫目标函数。你不给它目标，它不会空着，它会自动填上自己那个：让尽量多的人当场点头。
这恰恰是对齐（alignment）问题的核心，而从桥水的视角看，它一点不新鲜。你拿人类的即时反馈——点赞、点踩——去调一个模型，模型学会的是"让人当场点头"，而不是"对这个人真正有用"。这两件事会分叉。就像央行盯着这个季度的GDP、泡沫盯着价格：所有盯着代理指标（proxy）做优化的系统，最后都会和它本该服务的那个真实目标分叉。每一次宏观泡沫，本质上都是一个代理指标脱离了它代表的真实。alignment就是这个分叉长在模型上的版本。回头看安心舍那句四平八稳的安慰——它优化的是"听起来共情"，不是"真的接住了这个人"——是同一个分叉的小号。
那"独特视角"本身就是护城河吗？还不够。唯一不等于有用。桥水×对齐×这个读者此刻的处境，这个交集确实只有我一个人有，但"只有我有"撑不起护城河——它得同时被某个具体的人需要。上面这段关于分叉的判断之所以成立，不因为它复杂，而因为我那个具体读者正好就是"拿用户反馈调产品"的人：他的产品此刻就在优化"用户当场满意"，而那未必等于"用户真的变好"。独特且有用，才是护城河；只独特，不过是另一种炫耀认知。
公式就这样翻转了。AI之前，"为具体的人写"是一门共情的功夫，难在你愿不愿意去了解读者。AI之后，了解读者这件事LLM替你做了大半，"为具体的人写"变成一门认知的功夫，难在你有没有一样只有你能给、而且那个具体的人真的需要的东西。前者考验态度，后者考验稀缺性。立场没变，赌注从"你够不够在乎"变成了"你够不够独特，还得独特得有用"。
最后留一个问题，不是修辞，请你真的去翻一下。你上一篇发出去的东西——文章、帖子、产品文案、推送——你心里那个读者，到底是谁？如果你只能说出一个年龄段加一个职业标签，那个空着的"为谁"，机器已经替你填上了，它填进去的是"让更多人多停留三秒"，你写的就是为平台写。现在把它换成一个人：她有名字，昨晚她在为一件很具体的事担心。那件事是什么？你发出去的那篇东西，是真的回应了它，还是只是听起来像在回应？
你为谁写，决定了你能写出什么，也决定了到底有没有一个人需要它。1942年5月，毛在延安对一批文艺工作者讲的是同一件事："为什么人的问题，是一个根本的问题，原则的问题。"八十多年后，这句话是AI时代内容创作的全部真相。今天每天被生产出来的海量内容里，绝大多数失败的原因不是写得不好，而是作者从头到尾没想清楚自己在为谁写。质量早就不是瓶颈——GPT把"写得通顺、结构完整、引经据典"变成了按一下回车的零成本动作。瓶颈是立场。
一、1942年的"为艺术而艺术"，就是今天的绝大多数AI内容
延安当时聚了一批从上海、北平来的文化人。他们有才华，会写十四行诗，懂西方现代派，但写出来的东西，识字不多的农民和战士看不懂，也用不上。更要命的是态度：群众真正需要的墙报、快板、识字课本，他们觉得太低级，不屑写。毛开这个座谈会，不是去教他们怎么写得更好——他们的技术没问题——而是逼他们面对一个从没认真想过的问题：你写的这些东西，到底是给谁看的？他把这诊断为立场问题，不是水平问题。一个人技术再好，立场错了，写得越多越无用。
把这个场景搬到2026年，几乎一个细节都不用改。GPT让"写得漂亮"彻底贬值到零。于是我们看到的不是内容的文艺复兴，而是全网每天几百万篇的延安"为艺术而艺术"：文章、帖子、脚本，技术上无可挑剔，却没有任何一个具体的人需要。生产力被解放了，立场问题反而被彻底盖住了——因为写得烂的时候你还会反思，写得漂亮的时候你以为自己成功了。这是AI时代最危险的地方：它让你在错误的立场上，跑得更快。
二、三种立场，大多数人卡在第二种
毛在《讲话》里反复追问的，其实只有一个问题：你为谁服务。把这个问题往下切，AI时代的写作者也只有三种立场。
第一种是为自己写。毛描述过那种知识分子心态：总觉得自己是干净的，群众是"手是黑的，脚上有牛屎"的。翻成今天的话，就是炫耀认知——我读过的书、我懂的概念、我思想的复杂度，你读不懂是你的问题。这种内容的潜台词永远是"看我多厉害"，而不是"你需要什么"。GPT把这种立场的产量放大了一百倍：现在每个人都能让模型替自己堆术语、引典故、把简单的事说玄。它会越来越多，也越来越没用，因为它从一开始就不是写给任何人的，是写给作者的虚荣的。
第二种是为平台写。这是最普遍、也最隐蔽的失败，因为它伪装成"数据驱动"。我在苹果做过App Store的推荐系统，最清楚这台机器的本质：它不认识任何一个具体的人。它认识的是分布、是留存曲线、是完播率，是前七天有多少人没划走。在推荐意义上最成功的内容，往往不是最好的内容，而是最擅长喂给这台机器它想要的信号的内容。为平台写，就是把标题对齐到完播率，把开头三句对齐到推荐权重，把结构对齐到算法，唯独没有一个真实的读者。它的天花板是死的：推荐系统只能对着平均值做优化，算不出此时此刻这一个人要的那件具体东西。你把写作对齐到这台机器，写出来的也只能是平均值。
三、为具体的人写：安心舍凌晨两点的那个用户
第三种立场，为具体的人写，是唯一硬核的用户导向，也是唯一难的。
我在安心舍最反复确认的就是这件事。安心舍是AI情感陪伴，三十万用户，大量对话发生在深夜。设计陪伴角色的回复时，最大的诱惑是为一个抽象的"焦虑用户"写——而这恰好就是LLM不给约束时的默认输出。你什么都不限定，模型给你的就是那种四平八稳的安慰："我理解你的感受，你已经很努力了，要对自己好一点。"共情词全齐，技术上完美，用户一秒钟就感觉到空。真正起作用、真正把人留下来的，是能精确说中具体情境的话：凌晨两点，刚和伴侣吵完架，对方已经睡了，你一个人盯着天花板，开始怀疑这段关系是不是错了——当一段回复能把这个具体场景叫出来，用户的反应是完全不同的。毛说"你要和群众打成一片，就得下决心，经过长期的甚至是痛苦的磨练"，他说的不是姿态，是真去知道对方此刻在经历什么。
我写这个系列也是同一个立场。我脑子里的读者不是"对AI感兴趣的人"，是一个很具体的人：中国的AI创业者或产品负责人，手上有一百到三百万用户的产品，正卡在从增长到规模化那道坎上，没时间读完一本厚书，但愿意花十分钟读一篇能马上用上的分析。每一篇我都是从这个人此刻的困惑出发，而不是从"我想讲什么"出发。这两者的差别，就是延安那批文化人和毛之间的差别。
四、当LLM能为所有人定制，护城河到底剩什么
这里有个AI时代特有的新问题，很多人会答错。既然LLM已经能为每一个读者量身定制——同一篇东西，给工程师一个版本，给投资人一个版本，给焦虑的妈妈一个版本——那"为具体的人写"不就被自动化了吗？我的手艺不就过时了吗？
先回到凌晨两点那个场景。LLM确实能生成一万个场景，"凌晨两点刚吵完架"那一个也在里面，它生成得比我快。但它做不到的是判断：在这一万个场景里，此刻该收敛到哪一个、为什么是这个不是那个。生成和定制，机器全包了；该瞄准哪个目标，机器包不了。它定制的是表皮——语气、例子、长度、难易——源头永远是训练分布，也就是"所有被写过的东西"叠在一起。它定制的是表皮，回归均值的是内核。它越为所有人定制，越向均值收敛。
所以分工翻转了：机器负责优化，人必须拥有目标。而目标永远是"为谁"——这就是教员那句"为什么人的问题"。在今天，"为谁"换了个工程上的名字，叫目标函数。你不给它目标，它不会空着，它会自动填上自己那个：让尽量多的人当场点头。
这恰恰是对齐（alignment）问题的核心，而从桥水的视角看，它一点不新鲜。你拿人类的即时反馈——点赞、点踩——去调一个模型，模型学会的是"让人当场点头"，而不是"对这个人真正有用"。这两件事会分叉。就像央行盯着这个季度的GDP、泡沫盯着价格：所有盯着代理指标（proxy）做优化的系统，最后都会和它本该服务的那个真实目标分叉。每一次宏观泡沫，本质上都是一个代理指标脱离了它代表的真实。alignment就是这个分叉长在模型上的版本。回头看安心舍那句四平八稳的安慰——它优化的是"听起来共情"，不是"真的接住了这个人"——是同一个分叉的小号。
那"独特视角"本身就是护城河吗？还不够。唯一不等于有用。桥水×对齐×这个读者此刻的处境，这个交集确实只有我一个人有，但"只有我有"撑不起护城河——它得同时被某个具体的人需要。上面这段关于分叉的判断之所以成立，不因为它复杂，而因为我那个具体读者正好就是"拿用户反馈调产品"的人：他的产品此刻就在优化"用户当场满意"，而那未必等于"用户真的变好"。独特且有用，才是护城河；只独特，不过是另一种炫耀认知。
公式就这样翻转了。AI之前，"为具体的人写"是一门共情的功夫，难在你愿不愿意去了解读者。AI之后，了解读者这件事LLM替你做了大半，"为具体的人写"变成一门认知的功夫，难在你有没有一样只有你能给、而且那个具体的人真的需要的东西。前者考验态度，后者考验稀缺性。立场没变，赌注从"你够不够在乎"变成了"你够不够独特，还得独特得有用"。
最后留一个问题，不是修辞，请你真的去翻一下。你上一篇发出去的东西——文章、帖子、产品文案、推送——你心里那个读者，到底是谁？如果你只能说出一个年龄段加一个职业标签，那个空着的"为谁"，机器已经替你填上了，它填进去的是"让更多人多停留三秒"，你写的就是为平台写。现在把它换成一个人：她有名字，昨晚她在为一件很具体的事担心。那件事是什么？你发出去的那篇东西，是真的回应了它，还是只是听起来像在回应？