2026年11月12日,Anthropic 新版支持地区政策将正式生效。中国大陆、香港和澳门依然不在其支持地区名单中,限制涉及用户的实际所在地,也涉及企业注册地、总部所在地及所有权和控制关系。

这并不是一项突然出现的新禁令。此前 Anthropic 已经限制相关地区使用 Claude,2025年又将限制扩大到受这些地区实体控制的海外企业。

如今全球科技界都在期盼 AGI 的到来。更强大的智能意味着更多科学发现、更高的生产率,以及解决过去无法解决的问题的可能。

但历史上的技术革命,往往并没有按照人们最初期待的方式展开。

技术突破与技术普及之间,常常隔着几十年。生产力发生了变化,生产关系与社会制度却需要更长的时间才能调整。

而技术带来的收益,从来不是均匀分布的。

一、技术封锁,从来不是新鲜事

工业革命早期,英国曾严格限制先进机器出口,并禁止部分熟练工匠和技术人员移居海外。

直到1825年,英国才解除对相关技术工人移民的限制;对机器出口的限制则延续到1843年。

当一项技术能够带来巨大的生产率优势,掌握技术的一方自然有动力维护自己的领先地位。

后来,工业技术还是逐渐扩散到了欧洲大陆和美国。

但机器可以运输,工业能力却不能直接搬走。

其他国家还需要培养工程师,学习机械制造,建立工厂,筹措资本,甚至重新设计自己的产业制度。

到了冷战时期,西方国家通过巴黎统筹委员会(CoCom),限制战略物资和先进技术流向苏联及其盟友。

今天的先进半导体出口管制,以及 Anthropic 对 AI 服务的地区限制,放在这条历史线上并不令人意外。

技术限制背后可能有国家安全、技术滥用风险、地缘竞争和商业利益等不同考虑,不能简单归结为单一动机。

但无论出于什么原因,结果都是相似的:先进技术并不会因为能够提高生产率,就自动向所有人开放。

当然,技术封锁也可能刺激被限制者发展替代技术,形成新的竞争体系。

历史反复证明,技术很难被永久封锁,却也从来不会自动、平等地扩散。

二、技术到了,生产力未必立即释放

电力革命就是一个典型例子。

最初,许多工厂只是用电动机替换原来的蒸汽动力,生产布局和组织方式变化不大。

直到独立电动机逐渐普及,工厂重新安排生产流程,配套的管理方式和生产组织发生改变,电力的优势才得到更充分的发挥。

从发明电动机到工业生产真正围绕电力重组,中间经历了漫长的调整。

计算机和互联网的发展也存在类似现象。

计算机进入企业,并不意味着生产率立即大幅提升。企业还需要重新设计业务流程,培养员工,改变管理制度,建立新的商业模式。

技术是新的,组织却往往还是旧的。

生产力的潜力可以通过技术突破迅速扩大,但潜力变成现实,需要整个社会重新组织。

过去几次重大技术革命,都经历了这个过程。

三、AGI 可能第一次打破知识发现与人类理解之间的平衡

过去的科技革命有一个共同特点。

无论蒸汽机、电力还是计算机,知识的发现、理解和应用,主要都由人类完成。

科学家提出理论,工程师发明机器,再由其他人逐渐学习、掌握和推广。

发现的速度虽然不断提高,但仍然受到人类认知能力的制约。

AGI 可能改变这一点。

如果 AI 具备超越顶尖人类专家的自主科研能力,并且能够持续改进,那么知识发现的速度就可能不再主要受到人类理解能力的限制。

未来可能出现一种局面:

AI 已经发现大量新的物理规律、材料结构、药物和生产技术,人类却还没有足够的能力理解、验证和实践这些发现。

知识发现的速度,开始远远超过知识被社会吸收的速度。

一个新的分工体系可能随之形成。

最顶尖的科学家负责理解和验证 AI 前沿发现,专业人员将其转化为工程、医疗和商业应用,再由更广泛的教师、管理者和其他社会成员,把新知识传递到不同人群。

这种分层并不意味着 AI 无法自己解释。相反,AI 可能比绝大多数人类更擅长知识传播。

但解释并不只是语言转换。

人类社会存在复杂的利益关系、文化背景、信任机制和认知差异。理解一种技术,与愿意接受它、能够使用它,以及承担它带来的后果,是不同的事情。

机器可以迅速复制和升级,人却无法同步完成认知升级。

每个人都有不同的教育经历、知识结构、生活环境和价值观。

人类个体的非标准化,可能成为高度智能化时代一个长期存在的约束。

四、技术可能几年完成跃迁,社会却需要几代人适应

工业革命、电力革命和信息革命,都曾改变原有的职业、产业和社会关系。

但这些变化通常经历了几十年,甚至几代人。

企业需要调整生产组织,劳动者需要学习新技能,学校需要改变教育内容,政府需要修订法律和社会保障制度。

AGI 可能改变这种时间关系。

如果 AI 的科研能力每隔几年就出现重大跃迁,而教育、法律、职业体系和社会保障制度仍然需要十几年甚至几十年才能完成调整,就可能出现一种过去少见的情况:

社会尚未适应上一代技术,下一代甚至再下一代技术已经到来。

过去,技术革命带来产业重组与职业替代,社会经过较长时期的调整,逐渐形成新的工作岗位、组织形式与制度安排。

未来,这个调整过程可能始终赶不上技术进步。

由此产生的冲击,也不只是就业问题。

当 AI 能够承担越来越多原本由人类完成的研究、设计、管理乃至生产劳动,劳动、资本与知识之间的关系就可能发生变化。

谁拥有模型、算力、能源和自动化生产系统?

谁拥有新技术创造的经济收益?

如果传统劳动收入的重要性逐渐下降,普通人又该通过什么机制参与财富分配?

这些问题不会因为 AGI 更聪明就自动解决。

甚至可能出现一种矛盾:社会整体生产能力持续增长,部分人却因为原有职业和收入来源受到冲击,难以分享增长带来的成果。

技术可能迅速改变生产力,但生产关系必须经过利益协调和制度调整才能改变。

而制度的变化,往往比技术慢得多。

五、先集中,再扩散,可能仍然是主要路径

历史上的技术革命,大多经历了从少数掌握者向更广泛社会扩散的过程。

蒸汽机如此,电力如此,计算机和互联网也如此。

AI 的发展已经表现出类似的特征。

斯坦福大学《2026 AI Index》显示,2025年超过90%的重要前沿 AI 模型由产业界推出。

OECD 的统计则显示,2025年大型企业的 AI 使用率达到52%,小型企业只有17.4%。

这些数字并不能直接证明未来 AGI 的收益必然集中,却说明技术研发能力与实际应用能力之间仍存在明显差异。

在现有经济和社会结构下,AGI 的早期收益很可能首先集中在掌握技术、资本、能源、数据与组织能力的主体手中。

随后,随着技术成本下降、竞争加剧和新的组织方式出现,能力才逐渐向更广泛的人群扩散。

但 AI 与过去的技术也存在一个重要区别。

蒸汽机需要工厂和铁路,电力需要电网,计算机需要硬件设备。

AI 可以通过现有数字网络,以很低的边际分发成本迅速触及全球用户。

开放模型、低成本推理和个性化教育,都可能让知识扩散的速度远远超过过去任何一次技术革命。

这为更加普遍的智能赋能创造了条件。

然而,技术的普及不等于权力的普及。

一个人能够使用先进 AI,不意味着真正理解它;能够理解它,也不意味着拥有控制它或者分享其经济收益的权利。

智能的使用权、理解权和控制权,可能沿着完全不同的路径扩散。

甚至还可能出现另一种情况:

后发者刚刚掌握上一代技术,领先者已经利用 AI 开发出下一代技术。

技术扩散的速度越来越快,但领先者进步的速度也可能越来越快。

社会的能力差距究竟扩大还是缩小,取决于哪一种速度更快。

六、AGI 到来,只是社会演化的起点

回顾过去几百年的技术发展,蒸汽机、电力、计算机和互联网最终都极大地扩展了人类文明的生产能力。

但它们也改变了原有的职业、产业、阶层与权力结构。

技术创造了新的财富,财富的分配却始终需要通过市场竞争、社会制度和利益协调来完成。

AGI 可能比过去任何一项技术都更有力量。

它不仅能够改进生产工具,还可能直接参与知识创造,甚至不断突破人类能够理解的科学边界。

这意味着未来最重要的约束,可能逐渐从人类能够发现什么,转向人类能够理解什么、实践什么,以及社会能够承受多快的变化。

AGI 不必然带来灾难,也不会自动创造一个人人平等、普遍富足的新时代。

更符合历史经验的演化路径,可能是先进能力首先集中,随后经历技术竞争、成本下降、知识传播、产业重组与制度调整,再逐渐扩散到更广泛的社会。

这个过程过去往往需要几代人。

AI 自身的进步,或许能够将它显著缩短。

但人的差异、社会关系的复杂性,以及制度变化所需要的时间,不会随着模型升级而自动消失。

AGI 可能在很短的时间里改变人类能够做到什么,却需要远长得多的时间,才能改变大多数人实际能够获得什么。

今天人们所期盼的 AGI 到来,也许并不是一次文明跃迁的终点。

恰恰相反。

那可能只是一个漫长而深刻的社会演化过程的开始。

智能可能先于人类社会抵达未来。

而人类,还需要很长时间才能真正生活在那个未来。