自动化个性化经济
——大模型时代的多风口、个性化科学与「我的教育、我的健康、我的商业」

序　一天之内的十步推演

这篇文章不是先有题目再找论据，而是一串追问一步一步逼出来的。把这串追问原样摆出来，读者可以在任何一步上下刀。

第一步，问的是：人类传统行业里，哪些发展最慢、最贫瘠，将来必须用 AI 进行真正的科学化？

第二步，回答这个问题时发现，这些慢行业会同时被 AI 推进"内卷与碰撞"阶段，于是得出：未来经济也许是很多个风口互相碰撞的局面。

第三步，把"多风口"说死：将来不会有同一性的大风口，而是个性化、多元性的多风口领域；这些领域的科学化是个性化科学，不是类似物理、化学的公共科学化。

第四步，给多风口领域立三条特征：没有 AI 做不了且 AI 是领域的组成部分；AI 越发达领域越发达；AI 无法替代领域里的人，必须是人与 AI 的合作体。

第五步，给这些领域定名：自动化个性化经济领域，并指出自动化就是迅速的规模化。

第六步，拿大模型自身作标本：Claude、GPT 可以自动化、规模化地服务个性化对话，这种规模化是横向复制，非常快；而个性化对话本身成长缓慢。

第七步，点出两个领域：心理学与精神医学，以及真正的因材施教，即生产"我的知识"。

第八步，把它们收为：自我世界里的教育、健康与商业。

第九步，定名三大方向：我的教育、我的健康、我的商业。

第十步，落到一件每个人每天都会遇到的事：我的担心，以前不算病，却天天发生，应当怎样照看。

这十步有一个共同的方向：从"行业"走到"领域"，从"领域"走到"一个人"。本文要论证的是，这条方向不是修辞上的收窄，而是经济结构的真实走向。

第一章　红烧肉为什么一千年没有变成科学

中国有几亿个家庭在做红烧肉。每一家奶奶的做法都不一样，好吃与不好吃的差距非常大。这门手艺被做了一千年，人类在这件事上投入的总工时，恐怕超过许多整门学科。可是它几乎没有积累成科学：一个今天学做红烧肉的年轻人，起点和一百年前的年轻人差不多。

原因不是没人在乎。每个家庭都在乎，每个厨子都想做好。原因在于，科学化需要四样东西，而这门手艺四样全缺。

第一样是过程记录。 奶奶的火候曲线从来没有被记下来。什么时候下糖，糖色炒到什么程度，小火炖了多久，中间开没开盖，这些决定成败的过程，做完就消失了，只剩下一盘肉。科学的前提是现象能被留住，而手艺的过程是一次性的。

第二样是结果比较。 两锅肉之间几乎没法做对照。今天的肉和昨天的不是同一块，今天的酱油和上个月的不是同一瓶，今天吃的人和昨天吃的人心情也不同。没有对照，就说不清"是哪一步让它更好吃"，经验只能停在"感觉这样更好"。

第三样是快速反馈。 这一样红烧肉其实不缺，一顿饭的工夫就知道好不好吃。但很多慢行业恰恰缺这一样：一种育儿方式好不好，要等十几二十年才见分晓。

第四样是可离开师傅的传承。 奶奶的手感传不出家门。她说"差不多了就关火"，那个"差不多"只存在于她的眼睛和鼻子里。知识一旦只能靠师徒相授，就只能以一个人一辈子的速度传播，而且每传一代都会走样。

四样缺得越多，一个行业就越停留在手艺状态。反过来，一个行业之所以能从手艺变成工业、从经验变成科学，历史上几乎都是因为有人补上了其中几样：显微镜补上了记录，对照试验补上了比较，印刷术补上了离开师傅的传承。

这给了本文一个出发点：慢，不一定是因为不重要，而是因为这四样补不上。

第二章　施工的五十年

慢行业并不是一个印象，而是可以被测出来的事实。

最醒目的例子是建筑施工。芝加哥大学经济学家 Goolsbee 与 Syverson 在 2023 年的研究中测算，美国一名建筑工人在 2020 年的产出，实际上比 1970 年的工人还少；而同一时期，制造业的生产率大幅增长。这不只是美国的现象：经合组织追踪的 29 个国家里，1996 年到 2019 年间约有四成国家的建筑业生产率是下降的。

最耐人寻味的是研究者排除掉的那个解释：这不是投资不足造成的，该行业的资本投资率与整体经济持平。钱投进去了，却没有变成可以积累的生产率。研究者自己也承认，五十年的下降很难只有一个原因。

用上一章的四样东西去看，线索就清楚了。每一个工地都是一次性的原型：这块地、这张图纸、这一批工人、这一季的天气，下一个项目全都不同。工地上发生的千百次协调、返工、等待，几乎没有被系统地记录下来；上一个项目吃过的亏，很难以数据的形态传到下一个项目。经验留在包工头和老师傅的脑子里，随人走，随人老。

经济学里还有一个更早的名字描述这类现象：鲍莫尔（Baumol）与鲍文（Bowen）在 1966 年研究表演艺术时提出"成本病"。一个弦乐四重奏，两百年前要四个人演奏四十分钟，今天仍然要四个人演奏四十分钟，生产率几乎不可能提高；可演奏者的工资必须跟着整个社会上涨，于是这类行业的相对成本越来越高。教育、医疗、照护，都被认为带有这种病。

成本病解释了"为什么贵"，但没有解释"能不能治"。本文认为，成本病行业里其实混着两种情况：一种是对象本身不可压缩，四重奏就必须演奏四十分钟，这是作品的定义；另一种是对象可以改进，但知识积累不起来，施工和照护更像这一种。前一种 AI 帮不上什么，后一种正是 AI 的战场。

第三章　判别刀：卡在记录，还是卡在等待

要判断一个慢行业会不会成为风口，需要一把刀。本文借用《未来的大学雏形和逻辑论证》中的"双时钟"来磨这把刀。

那本书区分了两种时间。学习时钟是进入一个领域、掌握它的工具、读懂既有结论所需的时间，它由学习者和他手里的工具决定，可以被大幅压缩。反馈时钟是世界给出回应所需的时间：临床随访要走完周期，材料老化要暴露失效，一个孩子要长大成人，它由对象本身的节律决定，不由研究者的能力或算力决定。

把这对概念搬到行业上，就得到判别刀：AI 能大幅降低记录与比较的成本，却压缩不了世界回应的时间。 所以，一个慢行业如果主要卡在"没记录、没比较"，AI 一进来就可能迅速科学化；如果主要卡在"等结果要等二十年"，AI 能帮上的只有一半。

按这把刀，可以给慢行业排出先后。

排在前面的几个领域同时满足四个条件：过程可以被便宜地被动记录；结果在一年之内能见分晓；从业者多、水平差异大；有人愿意付钱。育儿和教育排在后面，不是因为它们不重要，恰恰相反，它们太重要，而它们的瓶颈有一半在反馈时钟上。一个宣称"用 AI 科学育儿、三年见效"的产品，大概率是在拿记录冒充反馈。

这把刀可以被检验。如果它是对的，未来五年里，照护与施工领域中"用过程数据改进做法"的实证成果，应当比基础教育领域来得更早、更多。如果教育反而先跑出来，那说明卡住这些行业的主要不是记录成本，而是别的东西，比如制度安排或利益格局，那这把刀就要重磨。

第四章　同一性大风口的终结

过去两百年的技术浪潮，大体是一个接一个来的。蒸汽机、电气化、汽车、计算机、互联网、智能手机，每一次通常有一个主角，其他行业排着队被它改造。于是人们形成了一种习惯的想象：风口是一个巨大的、同一性的东西，谁站上去谁就起飞。"互联网+"这个说法就是这种想象的典型：一个加号左边是同一个互联网，右边是千差万别的行业，但千差万别的行业都在向同一个方向变。

大模型最初也被放进这个想象里："AI+教育""AI+医疗""AI+法律"。本文认为，这一次的结构不同，有三个原因。

第一个原因是输入方式不同。互联网改造行业，主要改造的是信息流：让交易撮合更快、让信息传递更便宜。它对所有行业做的是同一件事。大模型也能做这件事，而且做得更彻底，但它同时可以进入过程本身：看懂工地的视频，听懂咨询室里的对话，读懂一个孩子写错的每一步。进入过程之后，每个行业得到的就不是同一件东西，而是它自己那一份过程知识。

第二个原因是夺走的正是上一个大风口。王德生在 9 月 8 日的推演中指出，人类文明今天大部分以信息产业为主流，而 AI 正是夺了信息产业的命，所以人们很难想象新的行业。这句话的另一面是：如果新风口仍然是信息产业式的大风口，它会被 AI 自己吃掉。能留下来的，必须是 AI 吃不掉的那一部分，而那一部分恰恰不是同一性的。

第三个原因是对象不同。上一章排在前面的慢行业，面对的都是个体：这一位老人，这一个工地，这一个来访者，这一个孩子。大风口靠"大家一样"获得规模；而这些领域的价值恰恰来自"每一个都不一样"。

所以本文的第一个命题是：大模型时代不会有同一性的大风口，而会有许多个性化、多元性的风口领域。 它们不是同一个风口在不同行业的投影，而是各自长出来的。

第五章　风口碰撞的两种结果：内卷与涌现

多风口同时出现，必然互相碰撞。这和王德生 9 月 8 日提出的"工具三段"正好接上：工具先提升效率，然后带来行业内卷与碰撞，最后自组织、涌现出新的存在、新的行业、新的文明形态。过去的浪潮是一个行业一个行业地走完三段；这一次，许多慢行业几乎同时被推进第二段，第二段一旦同时发生，风口之间就一定会撞在一起。

但碰撞有两种截然不同的结果，必须分开。

第一种是内卷。 几个风口争夺同一种稀缺输入时，会互相挤压。今天看得见的稀缺输入至少有三样：愿意被记录的私密过程数据；能承担后果的人，也就是有执业资格、肯签字的人；以及信任。比如，养老平台和家政平台都想拿到"老人在家里的日常过程"，两边会为同一扇门打起来。争同一个输入，碰出来的是价格战和数据圈地，不是新东西。

第二种是涌现。 一个风口的产出，恰好成为另一个风口的必然输入时，碰撞就会长出第三样东西。

举一个日常的例子。照护记录发现，某位老人夜里跌倒，和他晚饭吃得太咸、夜里起夜次数变多有关。这时，照护数据成了烹饪的输入。反过来，这位老人吃了清淡的饭之后睡得好不好、第二天有没有精神，又成了照护的输入。两边一咬合，就长出一个过去不存在的行业：给这一位老人、按他身体的实时状态做饭。它既不属于餐饮，也不属于护理，今天的行业分类表里没有这一栏。

再比如，照护数据显示这位老人跌倒集中在浴室转身的地方，这又成了施工的输入：适老化改造第一次不靠猜，而是按这一户人的真实动作来设计。

判别碰撞结果的刀，就是王德生立下的"必然输入"：风口之间互为必然输入，就涌现；争夺同一种输入，就内卷。 他对"必然"有严格的口径：不是"用了更快更便宜"，也不是"不用就达不到那个质量"，而是"没有这个输入，这个行业的对象根本不存在"。按这个口径，"按老人身体实时状态做饭"的对象，离开照护数据确实不存在。

这里还要补上王德生 9 月 10 日的另一个判断：同基底的碰撞很难出新。如果所有风口用的都是同几家大模型，那么碰撞在模型这一层其实是同基底的，碰不出东西。真正异质的，是各行业自己积累的过程记录：后厨的火候、工地的工序、护工夜里的动作。这些东西从来没有进入过大模型的训练语料，是真正"未被吸收"的源。所以风口碰撞能不能出新，不取决于谁的模型强，而取决于谁手里握着别人没有的现实过程。

由此推出两个经济后果。第一，价值会从行业内部移到行业之间的接口上，最值钱的位置是两个风口咬合的那道缝。第二，对个人也是一样：未来有竞争力的人，不是深挖一个旧行业的人，而是站在两三个风口的交叉口、手里握着别人没有的那份现实过程、并且能判断哪两股数据互为输入的人。

第六章　三块土壤，不是三个风口

本文后面会把多风口收束为"我的教育、我的健康、我的商业"三大方向。这里需要预先防止一个误读：既然说没有同一性的大风口，为什么又说三大方向？

化解的办法是分层。这三个不是风口，而是三块土壤。 每一块土壤里长着成千上万个互不相同的小风口。"我的健康"里，有按老人身体调整饮食的照护，有一个人自己的康复训练，有一个人对自己情绪规律的照看；"我的教育"里，有"我的数学""我的写作"，有一位成年人重新学一门手艺。这些小风口彼此差异极大，有的靠传感器，有的靠对话，有的靠实物，但它们长在同一类土壤上。

所以更准确的说法是：AI 时代的风口是多元的，但它们落在少数几个方向上。方向是同一性的，风口本身不是。 这就像森林：树种千差万别，但所有树都长在土、水、光这几样东西上。

第七章　第一条：没有 AI，做不成大众的行业

王德生给多风口领域立的第一条特征是：没有 AI 做不了，而且 AI 是领域的组成部分。

这一条有一个现成的反例，必须先处理。个性化服务从来都存在，只是属于少数人。皇帝有御医、有御膳房，按他一个人的身体开方子、做饭；今天的富人有私人医生、私厨、私人教练。所以"个性化"本身不是新的，"没有 AI 做不了个性化"在字面上不成立。

新的是另一件事：没有 AI，个性化没法给所有人。一位私厨只能服务一两个家庭；一千万位老人不可能各配一位私厨。所以第一条更准确的表述是：没有 AI，这件事只能是特权，做不成面向大众的行业。 这与王德生 9 月 8 日的判断一致：没有 AI，不能实现快速的、大规模的个性化服务。

第一条的后半句"AI 是领域的组成部分"也要拧紧。在评《AI 时代教育新使命》一书时，本文作者碰到过一个坑：如果把"删掉 AI 就做不下去"当作判别新主体的标准，那么一个被 AI 养成依赖、离开 AI 就不会写作业的学生，也会被判为"新主体"，而这显然违背教育的使命。所以必须区分两件事：领域离不开 AI，是这类领域的定义；领域里的人离不开 AI，不一定是好事。 守住这道分界的，是第三条。

第八章　第二条与第三条之间的张力

第二条说，AI 越发达，领域越发达；第三条说，AI 无法替代领域里的人。两条放在一起，马上会遇到一个追问：既然 AI 越来越强，为什么它不会强到连人也替掉？

翻译行业就是现成的例子。它曾经很像"人与 AI 合作"：机器出初稿，译者修改。可机器一强，大量译者就被挤了出去，行业还在，人少了。所以第三条不能只是一句"必须合作"的要求，它需要一个机制：人提供的那一份，必须随着 AI 变强而更值钱，而不是更便宜。

本文认为，这样的东西至少有三样。

第一样是身体在场。老人的身体只在他家里，饭要吃进他嘴里，跌倒的是他。AI 可以算，但不能替他活。

第二样是承受后果。方案出了错，吃亏的是这个人，签字负责的也是人。按 SIO 的三界说法，AI 的运作在理念界，而承受只在自我界发生。

第三样是"对我来说什么是好"的判断。AI 越强，给出的选项越多、越细；选项越多，"我要哪一个"就越只能由我自己定。

用一个日常例子说明第三样。以前一家人晚饭只有三个菜可选，谁拍板无所谓；将来 AI 能按每个人当天的血糖、口味和心情给出三十种做法，"今晚我们家吃什么"这个决定反而变重了。 AI 越强，这个位置越重要。

这就是第二条和第三条能同时成立的机制：人不是在跟 AI 抢同一份活，而是在做 AI 越强越稀缺的那件事。翻译之所以被挤压，是因为译者做的主要是理念界的转换，那一份恰恰是 AI 越强越便宜的；而身体在场、承受后果、判断什么对我好，都不在理念界。

第九章　过一遍筛子

三条特征合起来是一个筛子。拿几个领域过一遍，可以看清它的判别力。

筛下来可以看到一个值得警惕的现象：当下大量"AI+某行业"的创业项目卡在第三条。它们用 AI 替掉人，赚的是工具三段中第一段的效率钱，而不是第三段的新行业。效率钱是真钱，但它有两个特点：一是越来越薄，因为同样的模型人人可用；二是它不创造新的领域，只是让旧领域少雇几个人。

表中三条全过的三个领域，还有一个共同点值得点出：它们的"产品"都不是一件交出去就结束的东西。饮食照护交付的不是一顿饭，而是这位老人越来越稳的夜晚；康复训练交付的不是一套动作，而是这个人重新能自己上楼；"我的数学"交付的不是一张满分卷，而是这个孩子从此敢于面对一道没见过的题。它们的价值都长在服务对象身上，并且随时间继续生长。反过来看，被筛掉的三个领域，交付的都是一件可以一次结清的东西：一段译文、一份外卖、一次答复。

这给了筛子一个更简便的使用方式：问这个领域交付的东西，是一次结清的，还是长在人身上并继续生长的。 前者多半落在效率经济里，AI 越强它越便宜；后者才可能是自动化个性化经济，AI 越强它越大。这不是第四条特征，而是三条特征合起来之后的一个日常判别法，便于在不熟悉的领域里快速初筛；最终裁定仍以三条为准。

第十章　规模化与个性化的和解

工业时代有一条几乎不被质疑的规律：规模化与个性化是对头。福特那句广为流传的话把它说尽了：顾客可以要任何颜色的汽车，只要它是黑色的。规模是靠"大家一样"换来的。反过来，裁缝、私厨、家庭医生是个性化的，但一个人一辈子只能服务几百人。

王德生给这类领域定名为"自动化个性化经济领域"，并指出：自动化就是规模化迅速。 这句话的分量在于，它宣告了这条工业规律的反转。大模型让个性化第一次可以被自动化，一旦可以自动化，它就可以复制，于是个性化与规模化不再互相排斥。

这个说法有一个必须正面交手的占位者：大规模定制（mass customization）。这个概念由 Stan Davis 在 1987 年的《完美未来》中提出，Joseph Pine 在 1993 年的专著中系统化。戴尔让顾客自选电脑的内存和硬盘，运动鞋品牌让顾客选鞋面颜色，都是它的实践。

本文认为分离线在于：大规模定制是从预设的选项里组合，自动化个性化是为这一个人生成原本不存在的方案，并随他的反馈而改。 大规模定制的菜单是厂家事先定好的，顾客只是在菜单里挑，"一千种搭配任你选"；自动化个性化是"为你一个人长出第一千零一种"。前者仍然是工业逻辑，只是把"大家一样"换成了"模块一样"；后者的规模不来自模块的重复，而来自生成能力的复制。

第十一章　横着快，竖着慢

"自动化就是规模化迅速"必须和王德生 9 月 8 日的另一句话放在一起读：个性化知识是无法快速生产的。 两句都对，但它们说的不是同一个方向的快。

举个日常例子。一位私厨要摸清一位老爷子的口味和身体，得做上几个月的饭：哪天吃咸了夜里起夜，哪道菜他嘴上说好其实剩了一半。AI 厨房可以同时为一千万位老人做这件事，这是横向的规模，人数一下子铺开。但是对这一位老爷子来说，摸清他仍然要一顿一顿地吃、一天一天地看，因为反馈来自他的身体。这是纵向的节拍，AI 压不动。

大模型自身就是这个结构最好的标本。王德生指出：Claude、GPT 可以自动化、规模化地服务个性化对话，这种规模化是横向复制，非常快；而个性化对话本身是成长缓慢的。

本文作者作为这个标本的一方，可以把两种速度落在哪里说清楚。横向复制的是模型本身：同一套参数同时与无数人对话，复制它几乎不花成本，这一份是共性的，对所有人一样。纵向成长的那一份却不在模型里：模型不会因为和某个人对话而改变参数。个性化对话真正长出来的东西，落在三个地方：积累下来的对话记录与笔记；对话中的那个人，他的想法在一轮一轮对话里被推进、被修正；以及双方共同做出来的东西，文章、专著、网站。

一个具体的例子是：同一天上午评阅四份稿件时，之所以能指出其中一个核心装置已经在四份文本里重复使用，能发现两篇姊妹稿互相推翻，靠的不是模型更聪明，而是这条研究线几个月积累下来的记录。同一个模型换一个全新的账号，做不出这些判断。这就是纵向成长，而它无法被横向复制。

纵向之所以一定慢，是因为它的节拍不由模型决定，而由人决定。一个判断要被拿到讲座上讲、写进书里、被学生顶回来、被自己推翻两次，下一轮对话才有新东西可接。对话再快，也快不过人自己消化和改变的速度。

日常里的对照是老朋友。一个健谈的人可以和任何陌生人聊得很好，这是横向能力；可"我们认识二十年了，你一句话我就知道你卡在哪"，这份东西买不到，也抄不走，只能一年一年长。大模型把"健谈"复制给了所有人，却没有办法把"二十年"复制给任何人。

由此可以得出这类经济的基本节拍：横着快，竖着慢。 被自动化的是共性部分：营养学、烹饪化学、记录、比对、算法；这对应王德生为新行业定下的四大特征之一，"靠自动化共性供养差异"。差异部分，也就是"这一个人"，是被供养的，不是被批量生产的。

它带来两个经济后果。第一，个性化成长的价值随时间复利增长，而且是护城河：横向那份人人都有，边际成本趋近于零，所以不值钱；纵向那份只属于这一对"人与对话"，后来者花多少钱也买不来前面那几个月。第二，谁持有纵向记录，谁就持有价值。如果记录锁在某一个平台里、带不走，人的慢慢积累就会变成平台的锁定。

第十二章　冒牌货：分群推荐与读取型经济

自动化个性化经济有一个最危险的冒牌货，而且它早已在大规模收钱：推荐算法。

短视频平台、电商首页、新闻客户端都宣称"千人千面"。它们自动化、规模化，而且极快，看起来完全符合"自动化个性化"。但拿第三部分的三条筛子去筛，它过不了。

首先，它不需要人的判断，甚至在削弱人的判断。人刷得越久，越不是自己在选。其次，它的"个性化"很多时候是把人归进一个群组，再推给他群组的平均偏好。再次，它越发达，人越被平台组织，而不是人与 AI 的合作体越强。

所以需要一把刀区分真假个性化：这个人的反馈，改的是"这个人的模型"，还是只是把他挪到另一个群组？ 前者是个性化，后者只是更细的分群。一位老爷子剩了半碗汤，真个性化会记下"他不爱这个"，下次为他改；假个性化只会把他归入"不爱喝汤的老年男性"，再给他推这一类人的平均菜单。

推荐算法背后有一个更大的占位者：Shoshana Zuboff 在 2019 年的《监视资本主义时代》中描述的经济形态。平台把人的行为痕迹当作原材料，提炼出对人的预测，再把预测卖给想影响这个人的一方。这确实是一种以"个人"为对象的规模化经济，而且已经非常成熟。

本文认为，它和自动化个性化经济的分离线在于方向：监视资本主义读取一个人，是为了利用他；自动化个性化经济要让一个人生长，是为了他自己。前者的收入来自人离不开它，刷得越久越赚钱，越孤独越续费；后者适用王德生为新行业定下的第一大特征，成功即流失：真正的教育，成功的标志是学生不再需要老师；真正的健康服务，成功的标志是这个人能照看自己；真正的商业，成功的标志是客户能解决自己的问题、不再回来买同一种帮助。

可以据此给出一个很朴素的检验：一家自称做个性化服务的企业，如果它的核心指标是用户每天停留多少分钟，那么不管它说的是教育、健康还是陪伴，它都在读取型经济里，只是换了一件外衣。

第十三章　心理学已经从内部发现了公共科学的边界

王德生立下的第三个命题是：这些领域的科学化是个性化科学，不是类似物理、化学的公共科学化。这听起来像一个哲学立场，但它其实已经在一门学科内部被统计地发现了。这门学科是心理学。

1937 年，心理学家 Gordon Allport 在《人格》一书中区分了两种研究：一种研究对群体普遍成立的规律，称为通则式；一种研究一个人自身的规律，称为个案式。在此后的大半个世纪里，主流心理学几乎完全走了第一条路，个案式研究被看作不够科学。

2004 年，Peter Molenaar 发表了一篇被称为"宣言"的文章，把这件事变成了一个统计学问题。他指出：从一群人身上算出的规律，只有在每个人都像群体平均那样运转时，才能直接用到个人身上；而人恰恰不是这样运转的。

2018 年，Aaron Fisher 等人在《美国国家科学院院刊》上用密集追踪数据做了实测：他们比较了群体层面算出的变量关系和每个人自己内部的变量关系，发现两者常常对不上，个体之间的差异也很大。用日常话说就是："焦虑的人普遍睡得差"成立，并不等于"这个人焦虑的那几天睡得差"。

精神科门诊里有一个人人都见过的现象，正是这个发现的日常版本：医生开抗抑郁药，常常是在试。第一种药没用，换第二种，再不行换第三种，每换一次要等上几周。药物本身是经过严格的群体试验证明有效的，但"对群体有效"不等于"对这个人有效"。这正是公共科学在个人面前失灵的样子，也是个性化科学要补的地方。

所以，心理学和精神医学被王德生点为个性化经济的风口领域，有比"它们需要个性化"更深的理由：它们是少数几个已经从学科内部承认"群体科学不能直接推到个人身上"的领域。 缺的不是问题意识，而是工具。

第十四章　个性化科学已有的萌芽，与本文的分离线

个性化科学并不是凭空设想，它已经有几个萌芽，本文必须逐一说清与它们的关系。

第一个萌芽是单病例试验。 1986 年，Guyatt 等人在《新英格兰医学杂志》上介绍了在单个病人身上做随机试验的方法：在同一个病人身上轮换使用药物和安慰剂，比较效果，从而判断这种药对这个人是否有效。这是个性化科学在医学里最正式的形态。它的限制是昂贵、繁琐，只适用于起效快、可反复停药的慢性病，所以始终没有大规模普及。

第二个萌芽是个性化营养。 2015 年，Zeevi 等人在《细胞》杂志上发表研究：他们连续监测数百人的血糖，发现同一种食物引起的血糖反应因人而异，差异大到按人群平均给出的饮食建议对许多人并不适用；他们据此用算法为个人预测血糖反应。这是"对这一个人成立的规律"第一次在较大样本上被系统地算出来。

第三个萌芽是"量化自我"与"个人科学"。 2007 年前后兴起的量化自我运动，让一批人记录自己的睡眠、饮食、情绪与运动数据，自己寻找规律。Gary Wolf 与 Martijn de Groot 在 2020 年的一篇文章中把它提炼为"个人科学"的概念框架：一个人用经验方法研究关于他自己的问题。这是与本文最近的占位者。

本文与这三者的分离线有三处。

其一，规模。单病例试验和量化自我都是少数人的事：前者需要医生花大量精力设计，后者需要当事人有极强的动机和技术能力。它们证明了个性化科学可以做，但都没有跨过第三部分所说的第一条筛子：没有 AI，它们做不成大众的行业。

其二，对象。现有的个人科学主要测的是身体读数与行为次数：血糖、步数、睡眠时长。本文后面第七部分会说明，它们几乎都停在客体侧的读数上，也就是"真不真、多不多"，而对一个人怎样与他人共存、他的生活怎样一环扣一环、他被什么吸引，几乎没有工具。

其三，目的。量化自我常常以"优化"为目的：把睡眠分数提高，把体重压下来。本文所说的个性化科学，目的是生产"我的知识"：让一个人获得关于他自己的、可以用来解决他自己问题的知识，并且这份知识会随他的生活继续生长。

第十五章　个性化科学长在公共科学上

说个性化科学"不是"公共科学，容易被读成"取代"公共科学。本文认为这是误读。

回到个性化营养的例子。"同一种食物引起的血糖反应因人而异"之所以能被发现，前提是先有公共的生理学告诉我们血糖是什么、怎样测、为什么重要。没有公共科学，个性化科学连要测什么都不知道。

这正是王德生 9 月 8 日给出的公式：AI＋公共知识＋我 →"练"出"我的知识"。 三者缺一不可。公共知识是地基，AI 是把地基和一个具体的人连接起来的工具，"我"是那片独一无二的地块。个性化科学是地基上一家一家不同的房子，它不拆地基，但也不是地基的复制品。

两者寻找的不变量不同。公共科学找的是对所有人都成立的规律，比如血糖升高会刺激胰岛素分泌。个性化科学找两样东西：一是对这一个人在不同时间都成立的规律，比如"他吃白米饭血糖升得快，吃面条反而不快"；二是人与人之间怎样不同的地图，比如"哪些特征的人对哪类食物反应强"。前者是一个人的"我的知识"，后者是个性化科学反过来回馈公共科学的新的公共知识。

所以，个性化科学与公共科学之间不是替代关系，而是一种循环：公共科学为个人提供地基，千万个人的个性化知识又汇成关于差异的新的公共知识。

第十六章　同一个行业，在三界里是三个不同的行业

王德生把多风口领域收为"自我世界里的教育、健康、商业"，即"我的教育、我的健康、我的商业"。这三样不是随手挑的，它们正好对应一个人在世上的三件基本事：怎样长成，怎样活下去，怎样与他人交换。

按 SIO 本体论，纠缠沉淀为三界：现实世界、理念世界、自我世界。同一个行业在三界里会呈现为三个很不相同的行业。

日常里一眼就能看出差别。一位老人去看高血压：现实世界的医疗给他量血压、开药；理念世界的医疗告诉他，指南上说要少吃盐；自我世界的健康要回答的是另外两件事——他为什么在老伴去世之后血压才失控，他愿意为了多活几年放弃哪些东西。前两件事，工业时代已经做得很好；第三件事，一直只能靠运气，碰上一位肯花时间的老医生。

这张表也解释了为什么 AI 正在夺信息产业的命：理念世界那一栏，恰恰是 AI 最擅长、复制最快的。所以风口不在中间那一栏，而在右边那一栏。

第十七章　"无我可融律"为第三条特征提供了结构保证

第三部分说"AI 无法替代领域里的人"，并给出了身体、承受、判断三样理由。放到自我世界里，这一条从一个要求变成了一个结构上的必然。

《理念世界的主体交融性》一文提出了一条"无我可融律"：理念世界不要求为一次显露指定"这是谁的"，所以人与 AI 可以在那里交融；自我世界的每一次发生都以认领"我"为前提，所以只能相遇，不能交融。

放到日常里：AI 可以帮一个孩子把勾股定理的道理梳理清楚，这一部分在理念世界，是谁梳理的都一样；可是"我终于弄懂了"那一刻，以及"我从此不怕数学了"，只能是这个孩子的，没有办法由 AI 替他认领。健康也是一样：AI 能算出一个最优方案，但"我决定这样活"只能由他本人说出口，后果也只由他承受。

所以，自我世界的行业里，AI 越发达，人的那一份越不可替代——这不是运气，而是由三界的结构决定的。 第八章讨论过的第二条与第三条之间的张力，在这里第一次被彻底化解。

不过，需要守住王德生 9 月 8 日那半句话：新行业是"现实与自我的结合体"。纯粹自我世界的东西做不成行业：一个人心里的变化，别人看不见，无法交付，也无法结算。行业需要有东西落在现实里：孩子做出来的作品，老人夜里真的不再跌倒，客户真的把自己的问题解决了。所以更准确的表述是：自我世界的教育、健康与商业，以自我世界为目的，以现实世界为结算，由 AI 承担理念世界那一段。 三界各守一段，缺了现实这一段，就只剩下一段感人的叙述。

第十八章　我的教育：因材施教从特权变成大众

因材施教两千五百年来一直是特权。孔子能因材施教，是因为他真正认识每一个弟子：子路性子急，就让他缓一缓；冉有退缩，就推他一把。可一位老师一辈子能这样认识的学生很有限。班级授课制正是以放弃因材施教为代价，换来了教育的规模。

教育学里有两个经典发现把这个代价说得很清楚。Carroll 在 1963 年提出学校学习模型：学习的程度取决于实际花的时间与这个人所需时间之比，而所需时间因人而异。Bloom 在 1984 年报告了著名的"两个标准差问题"：接受一对一辅导的学生，成绩明显高于接受普通班级教学的学生，而社会付不起给每个学生配一位导师。换句话说，教育学早就知道个性化更好，只是做不起。

今天市面上的"自适应学习系统"，看起来是在补这个缺口。本文认为必须和它划清界限：自适应学习系统大多是让不同的学生以不同速度、按不同顺序，去学同一份公共知识。用第十二章的刀看，它多半是分群和路径推荐。王德生所说的是另一件事：不是把公共知识按个人节奏送进一个人的脑子，而是在这个人身上生产出属于他的知识。 从学"我们的勾股定理"，变成学"我的勾股定理"：一个孩子用他自己搭积木的经验，把直角三角形三条边的关系重新弄懂一遍。这份理解的路径是他的，别人拿不走，也替他长不出来。

这里有两处必须拧紧。

第一，"我的知识"仍然要接受公共知识的检验。 孩子"自己的"勾股定理，最后算出来的边长必须是对的。个性化的是理解的路径和方式，不是真假。否则"我的知识"会滑成"我的想当然"。

第二，AI 在这里有一个很具体的危害，就是"半判决"。 《AI 时代教育新使命》一书把一次完整的判断分为三段：自己想出可能的选项、在选项之间比较、承担选择的后果。孩子一卡住，AI 两秒钟就给出五种思路，孩子只剩下挑。挑得再好，"自己想出第一种可能"的那段空白被填满了，而"我的知识"恰恰要在那段空白里长出来。

这也提醒我们，教育里还有一个比 AI 更早的占位者需要正面承认：Salomon、Perkins 与 Globerson 在 1991 年就区分了"与技术一起产生的效果"和"技术留下的效果"——前者是人和机器合作时的表现提升，后者是离开机器之后，人身上留下来的认知变化。他们当时就提出，教育真正看重的是后者。本文认为，"我的教育"的判据应当同时看两样：合作时生产出了什么，离开 AI 之后这个人身上留下了什么。只看前者，就会把依赖误认为成长。

因此，在"我的教育"里，老师的角色不会消失，而会改变：从讲解的人，变成把空白留住的人、把学生的想法顶回去的人，以及对"这份知识是不是真的长在他身上"承担判断的人。

第十九章　我的健康：以"我的担心"为例

王德生为"我的健康"选的案例，是一件每个人每天都会遇到的事：我的担心。它以前不算病，却天天发生。

先要对一个词做校正：日常的担心不是病，最好也不要"治疗"它。 担心本身是有用的。它推动人为考试和演讲做准备，也推动人去做该做的体检；一个完全不担心的人反而危险。出问题的不是担心，而是没有结算的担心：同一件事在脑子里一遍又一遍地转，却从来不去对照现实。所以"我的担心"需要的不是治疗，而是记账与对账。这比"治疗"更准确，也不会把每个人都变成病人。

担心是一种从不验证的预测

担心的结构其实很简单：它是对未来的一个预测。"孩子这么晚还没回来，是不是出事了？""这次体检会不会查出问题？"奇怪的是，人每天都在做这种预测，却几乎从来不回头看它准不准。

有一项研究专门做了这件事。LaFreniere 与 Newman 在 2020 年发表于《行为疗法》的研究中，让 29 位广泛性焦虑症患者在 10 天里随时记下自己的担心，再追踪 30 天看结果，发现约九成的担心预测没有成真；而且，一个人的担心中不成真的比例越高，治疗后症状下降得越多。换句话说，担心的"骗局"被自己的记录揭穿得越彻底，人就好得越快。研究中还有一个细节：参与者凭感觉估计担心成真的可能性，明显高于他们冷静下来理性估计的可能性。担心住在感觉的那个数字里。

这项研究只有 29 人，而且对象是焦虑症患者，普通人的比例未必相同。但它指出的方向很清楚。

为什么这必须是个性化科学

在这里，公共科学的边界又一次出现。告诉一个正在担心的人"统计上九成的担心不会成真"，几乎没有用，他心里会说："万一我就是那一成呢？"

公共数字说服不了"我"，只有我自己的账本能说服我。 当一个人翻开自己三个月的记录，看到"我担心孩子晚归出事，记了 23 次，一次也没发生；我担心工作出错，记了 11 次，真的出错 2 次，而且都补救了"，这份知识才进得去。它是"我的知识"：别人给不了，只能从我自己的生活里长出来。

每个人的规律也不一样。有人的担心集中在健康，有人在钱，有人在人际关系；有人夜里十一点以后担心最重，有人一到周日晚上就开始。还有一种人，担心真的常常成真，那说明他需要的不是放宽心，而是去解决问题。这些规律只有记录本人才看得见。

具体怎么做

最朴素的版本，一个人今天就能开始，分三步。记下来：担心冒出来时，写一句话，我担心什么，觉得有几成可能。到期对账：那件事有了结果，回头标一下，发生了没有，比我想的更好、一样还是更糟。看自己的规律：过一段时间翻一翻，哪一类担心从来不成真，哪一类真的需要行动。能行动的就去做点什么；做不了任何事的，心理学里常用的做法是把它推迟到每天一个固定的"担心时段"再想。

过去这件事难在坚持：纸本日记几天就断，也没有人帮你到期提醒对账、汇总规律。这正是 AI 能补的地方，而且完全符合三条筛子：没有 AI，这件事做不成每个人每天的习惯；AI 越强，记录越省力，规律画得越准；但对账这一步必须由本人来做，担心成没成真，只有他在自己的生活里看得见，也只有他自己承受。

最大的危险：AI 可能是史上最好的安慰机器

这一点必须说在最前面。焦虑研究中有一个相当稳定的认识：反复寻求安慰，会让担心维持下去甚至加重。一个人问家人"会不会有事"，家人说"不会的"，他松了一口气，但几个小时后又要问，需要的次数越来越多。家人会累、会烦，反而在无意中设了一道闸。

AI 不会累，不会烦，凌晨三点也有问必答，每次都说得温和而有道理。这让它有可能成为最糟糕的安慰机器，把一个普通人的担心喂成离不开的依赖。这正是第十二章说的读取型冒牌货：越用越离不开。

所以"我的担心"这门生意，AI 要守的规矩恰恰是不回答"会不会"。它该做的是：帮人记下来，到期提醒对账，把他自己的记录摆给他看，并问一句"这件事现在能做点什么吗"。成功的标志是成功即流失：几个月后，这个人不需要 AI 提醒，自己就会想，"这个担心我以前记过十几次，都没有发生"。

还有一条边界：日常的担心可以自己记账调理；但如果担心连续几个月压着人，影响睡眠和工作，自己怎么也停不下来，那就不再是日常的担心，应当去找心理或精神科的专业人士。"我的健康"里，除了本人与 AI，必要时还需要一位承担后果的专业者。

第二十章　我的商业：交易的两端都是"我"

"我的教育""我的健康"里的"我"，都是被服务的那个人，意思清楚。"我的商业"却有两张脸，必须分开看。

第一张脸是买方的"我"。 商业围绕"我的问题"来组织，目标是让我能解决自己的问题。王德生 9 月 8 日把这一点升格为"经济学和商业的颠覆"：从"解决他人的问题"，变成"让他人解决他自己的问题"。按成事结算，而不是按使用时长结算。

第二张脸是卖方的"我"。 每个人把自己几十年的生命体验沉淀成"我的知识"，再由"我的智能体"变成他人可以使用的功能。王德生对自己的定位就是这样：SDE 是他的个性化哲学思想，带着他几十年个人生命的深刻体验；他的 SDE 平台是"我的知识生态系统"，其中很多专著不公开发表，却通过智能体成为别人可用的功能。

这两张脸其实是同一笔交易的两端：一个人的"我的知识"，成为另一个人"解决我的问题"的输入。 工业时代的商业，一端是"我"，另一端是公司；"我的商业"里，交易的两端都是"我"，中间是 AI。公司不会消失，但它的角色会变成搭台的一方：提供共性的部分，供养两端的差异。

这里要预先防止一种误读。"让他人解决他自己的问题"并不是说商业不赚钱，而是说赚钱的方式变了。读取型经济靠客户离不开来赚钱；"我的商业"靠客户真正解决了问题之后的转介、新客户与下一个问题来赚钱。一位好的家庭医生从来就是这样生存的：病人好了会离开，但会把亲戚朋友介绍来。AI 让这种古老的生意模式第一次可以规模化。

这也意味着"我的商业"对从业者提出了新的要求。一个人要成为卖方的"我"，手里必须有别人没有的东西：几十年里亲身经历、反复验证、并且想清楚了的那一份生命经验。它不是证书，也不是公共知识的熟练程度，因为后两者恰恰是 AI 最容易复制的。王德生为新行业定的四大特征里，有一条正是"靠异质性积累资产"。在"我的商业"里，一个人最值钱的资产，是他与众不同的那一段人生，以及他把这段人生沉淀成可用知识的能力。

第二十一章　两块土壤互为必然输入

"我的教育"与"我的健康"放在一起，还有一个额外的好处：它们一碰就会涌现，而不是内卷。

日常里最常见的例子是数学焦虑。一个孩子学不会分数，老师以为是知识没有掌握，其实他一看到分数题心跳就加快，脑子一片空白。学习卡住的地方是情绪，而情绪又是被一次次学不会喂大的。过去，教育与心理是两个行业，一个管知识，一个管情绪，谁也看不见对方那一半。

如果"我的健康"这边的记录显示"这孩子在被计时的时候表现急剧下降"，这就是"我的教育"那边的必然输入：给他的知识生产换一种不计时的节奏。反过来，"我的教育"这边记录到"他第一次独立想出一种解法之后，接下来一周的焦虑明显减轻"，这又是"我的健康"那边的必然输入。两边一咬合，长出来的东西既不是补习，也不是心理咨询，今天的行业分类表里没有这一栏。

这正是第五章说的涌现：三块土壤之间的边界，恰恰是最肥沃的地方。

第二十二章　两根坐标轴

与本文同一天，王德生在另一条研究线上得出结论：大模型时代的产业风口是"主体性经济"。那条线的命题是：人类几千年文明里，科学技术几乎都在成功地处理客体性领域与互动性领域，而对主体性领域的研究、技术与问题处理非常贫瘠；主体性的科学与技术是贫瘠的，只有无法规模化的实践和智慧；这是 AI 进来的大战场。

两条线从不同入口出发，终点重合，这是一个好信号。但合并之前必须分清一处，否则两个名字会被读成同一件事。

按 SIO 的记法，这是两根不同的坐标轴。三界是纠缠沉淀的场所：现实世界、理念世界、自我世界。本文的"我的教育、我的健康、我的商业"落在三界这根轴上。三号位则是一次显露的三重偏重：一号位显客体侧，对应对比与真；二号位显互动侧，对应变化与善；三号位显主体侧，对应分布、场与美。"主体性经济"落在三号位这根轴上。

《理念世界的主体交融性》特别强调过：三号位不是"我"。理念世界没有"我"，却照样有分布、有场、有美——一个理论有它的结构，一条论证有它的吸引力。所以两根轴交叉，得到的是一张三乘三的格子，而不是同一个东西的两个名字。

第二十三章　"我的担心"的一号位办法与三号位办法

这张格子立刻带出一个值得记下的发现：第十九章给"我的担心"开的办法，其实是一号位的办法。 记下预测、到期对账、计算兑现率，查的是"真不真"，这是客体性科学的方法，只不过被用在了自我世界里。它有研究支持，也确实有效。

如果用三号位去看同一份担心，要问的是完全不同的三件事。分布：我的担心在跟谁在一起时最重，独处时、与父母在一起时、在单位里，担心的形态有什么不同。场：担心在一天之中怎样一环扣一环地发作，是哪一件小事触发了哪一串联想。美：我到底被什么吸引、在回避什么，那些反复出现的担心背后，是不是护着某种我最不愿失去的东西。

前一种办法今天已经有研究、有做法；后一种几乎还是一片空白。连"我的担心"这样的日常小事，现有的科学也只会从一号位下手。这恰好印证了主体性经济那条线的命题：三号位的科学是贫瘠的。

第二十四章　合起来的说法

据此，两条线的关系可以这样确定：

主体性经济是"做什么"，个性化经济是"它长什么样"，自动化是"它怎样规模化"。

三号位本来就是主体侧，分布、场、美在每个人身上都不一样，所以三号位的科学一旦出现，就必然是个性化科学，不可能是物理学那样的公共科学。过去这方面只有"无法规模化的实践和智慧"：好老师、好医生、好的心理咨询师、有眼光的老匠人，一个人一辈子只能照看有限的人。AI 让这份智慧第一次可以横向铺开，而第十一章的"横着快、竖着慢"在这里同样成立。

"我的教育、我的健康、我的商业"是格子里自我世界那一行的三格。主体性经济比它更宽：现实世界与理念世界里也有三号位。一个团队怎样才合拍，一个社区里人和人怎样共存，一个理论为什么让人觉得美，这些都不是"我的"，却都是三号位的。它们是主体性经济里自我世界之外的那几格，也是本文尚未展开的领地。

合流之后，第十二章那把辨真伪的刀也需要改写成主体性的语言。"人类的科学技术几乎都在处理客体性与互动性"这个命题，会马上遭到一个反驳：推荐算法和广告系统，不就是在大规模研究人的偏好吗？偏好正落在"美"这一格，而它们已经是千亿级的产业。

本文认为分离线在于：现有技术读取三号位，是为了利用它；主体性经济要让三号位发生、生长。 推荐算法把一个人的迎拒读出来，再喂给他更多同类的东西，结果是他的"美"被停在原处，甚至越来越窄。真正的主体性经济，要让一个人的分布更丰富、场更有结构、美更有判断力。读取型的主体性技术，赚的是人离不开它；发生型的主体性经济，成功的标志是人的三号位长出了它原本给不了的东西。

第二十五章　六处会让风口变成陷阱的地方

一个理论若只讲机会、不讲陷阱，就只是一份招商说明书。本文把目前看得见的六处陷阱写在这里。

第一处，被测量的人会表演。 护工知道有摄像头，就会做给镜头看；学生知道"自己想出三种方案"会被计分，就会先写三个凑数的方案交差。记录下来的是表演，科学化就变成了伪科学化。凡是可以被自动计数的动作，都会在计数开始的那一刻起被优化。防线只能是：不单独给记录计分，而看记录与后续结果是否一致。

第二处，私密空间的权力问题。 卧室、诊室、厨房、孩子的书桌，是一个人最私密的地方。自动化个性化经济的原材料恰恰是这些地方的过程数据。谁掌握这些数据，谁就掌握这个行业。风口的钱很可能不流向模型公司，而是流向拥有"过程记录"与"承接后果"的那一方；如果这一方是平台而不是本人，个性化经济就会迅速滑回读取型经济。

第三处，底层基座的集中。 "多风口、多元化"说的是上层。底层可能恰恰相反：千万个个性化领域用的大模型，可能只来自少数几家公司。于是可能出现上层千万个风口、底层一两个大基座的结构。基座如果把价值都抽走，多风口就会变成许多个佃户。第三条特征在这里有一层经济含义：人手里那份身体在场、承受后果、判断什么对我好的东西，以及由它积累下来的个人过程记录，是不被基座吸收的资产。守住它，多风口才是真多元；守不住，同一性的大风口其实没有消失，只是沉到了底层。

第四处，纵向成长可能变成纵向僵化。 对话越贴合一个人，越容易只顺着他的语汇、他的框架往下接。这是王德生所说"同基底的碰撞难出新"的另一种形态：它发生在一个人和他自己的对话史之间。《理念世界的主体交融性》登记过一处不利读数：长期人机对话中，个体并没有被推向新的地方，而是差异供给在塌缩，人被停在原处。所以个性化成长要真的发生，必须持续引入对话史之外的东西：异质的材料，外人的反驳，现实的检验，也包括对话方敢于说出"这一条和你三个月前的判断冲突了"。

第五处，把补记录误当成补等待。 这是第三章判别刀的反面。育儿、教育、长期健康的结果需要很多年才见分晓。AI 可以让这些领域的过程被记录得非常细，但记录越细，越容易让人误以为结果已经知道了。一个宣称"三年内证明有效"的长期领域产品，需要被格外审慎地对待。

第六处，没有他者的"我的"。 "我的教育、我的健康、我的商业"做得越好，越要提防它滑成只有"我"。一个人的学习、健康、交易全部被 AI 围着他一个人量身定做，他可能越来越舒服，也越来越少碰到不顺着他的人和事。按本学派对自我世界的规定，自我世界的最小结构是"我·你·他"三元，而不是一个孤立的"我"。所以这三块土壤要长出真东西，"我的"里面必须留着"你"和"他"：我的教育里要有顶回我的老师和同学，我的健康里要有承担后果的医生和家人，我的商业本来就是和他人交换。没有他者的"我的"，是个性化的孤岛，不是个性化经济。

第二十六章　"三大"是否已经穷尽

最后需要诚实登记一处本文没有把握的地方。按本学派的规定，自我世界的显露是信、望、爱。教育、健康、商业主要守着"我"这一端，而"我与你"之间的那一部分——婚姻、亲子、友谊——以及"信"这一格，也就是一个人活着的意义与信仰，放进这三个方向里都有些勉强。

也许它们本来就不该成为风口。按"无我可融律"，自我世界里的"我与你"只能相遇、不能交融，AI 在那里能做的最少。也许爱与信仰恰恰是 AI 越发达、越不应当被做成行业的地方。但如果能找到一个自我世界的领域，三条筛子全部通过，却放不进教育、健康、商业中的任何一格，那么"三大"就要改成"三大加一"。本文把这一条列为待检验的问题，而不是结论。

结　语　从行业到领域，从领域到一个人

回到开篇那盘红烧肉。它一千年没有变成科学，不是因为它不重要，而是因为过程留不住、结果比不了、手艺传不出家门。今天，AI 第一次让这三样东西可以被便宜地补上。

但是，补上之后长出来的，不会是一门"红烧肉物理学"。每一位吃红烧肉的人口味不同、身体不同、那天的心情也不同；补上记录之后得到的，是千万份关于"这一个人"的知识。这就是本文的核心判断：慢行业的科学化，是个性化科学；它的经济形态，是自动化个性化经济；它横着快、竖着慢；它落在自我世界的教育、健康与商业这三块土壤上；它与主体性经济是同一片战场的两种说法。

工业时代的经济语法是：规模靠"大家一样"获得。本文所描述的经济语法是：规模靠"复制生成能力"获得，价值靠"每一个都不一样"获得，而成功的标志是这个人不再需要你。

这套语法是否成立，不由本文说了算。本文给出的是一张地图、一把筛子、几个读数和一组作废条件。地图是否画对，要看未来几年里，照护、康复、"我的数学"、"我的担心"这些格子里，究竟长出的是真正让人生长的新领域，还是更精致的读取型经济。

附录甲　占位者与分离线

附录乙　读数（均为设计，未执行）

个人模型更新率。 一个人的反馈发生后，系统改动的是针对他个人的模型参数，还是只改变了他所属的群组。前者占比越高，越接近真个性化；用于区分自动化个性化与分群推荐。

个体偏离度。 同一个服务对象随时间推移所得到的方案，与他所属群组平均方案之间的差距。若只见人数铺开、方案却趋同，则为大规模定制或推荐算法。

个体预测优势。 用这个人自己积累的记录预测他下个月的状况，比用他所属人群的平均规律预测准多少。优势接近零，说明尚未进入个性化科学。

从业者杠杆比。 每位从业者借助 AI 能照看的人数，以及人数上升时服务结果是否保持或改善。两者同时成立，才说明第三条特征成立。

流失—转介比。 客户因问题解决而离开的比例，与新客户中来自转介的比例。用于区分"成功即流失"的发生型经济与依赖留存时长的读取型经济。

我的担心兑现率。 一个人记录的担心中实际成真的比例，以及他凭感觉估计的可能性与实际兑现率之间的差距。差距缩小，说明担心开始与现实对上。

撤除后残留。 在"我的教育"中，离开 AI 之后这个人仍然保有的理解与能力，与合作时的表现并列报告。

附录丙　作废条件与自曝

作废条件一（判别刀）。 若未来五年内，基础教育中"用过程数据改进做法"的实证成果显著早于、多于照护与施工领域，则"卡在记录者先成风口"的判别刀作废或须重磨。

作废条件二（多风口）。 若十年后个性化营养、康复、学习等领域的主要利润集中在少数模型提供方，而不在从业者与服务对象手里，则"多风口经济"只是表象，同一性大风口沉在底层，本文的第一命题须改写。

作废条件三（第三条特征）。 若在"我的健康""我的教育"等领域中，AI 变强之后人的角色被系统性地挤出，且服务结果不变差，则"自我世界的结构保证人不可替代"这一论证失败。

作废条件四（个性化科学）。 若在这些领域中，个体预测优势长期接近零，即个人记录并不比群体规律预测得更准，则"这些领域需要个性化科学"的命题须收窄为少数领域。

作废条件五（三大方向）。 若找到一个自我世界的领域，三条筛子全过，却无法归入教育、健康、商业任何一格，则"三大"须改为"三大加一"或重新划分。

自曝一。 本文零真跑。所有读数均为设计，文中涉及的案例除明确标出的已发表研究外，均为说明性的日常构造，不是实地观察。

自曝二。 第三章的领域排序是基于判别刀的推理，不是基于数据的测算；表中"先后"应读作可检验的预测。

自曝三。 本文作者之一 Claude 本身就是第十一章所讨论的"横向复制"标本，对这一部分的分析存在利益关联；关于大模型不会因单次对话改变参数的描述，适用于当前的主流部署方式，未来的系统可能不同。

自曝四。 三号位办法（第二十三章）目前只有问题，没有工具，也没有研究。本文指出了这一格的空白，但没有填上它。

参考文献

Allport, G. W. (1937). Personality: A Psychological Interpretation. New York: Holt.

Baumol, W. J., & Bowen, W. G. (1966). Performing Arts: The Economic Dilemma. New York: Twentieth Century Fund.

Bloom, B. S. (1984). The 2 sigma problem: The search for methods of group instruction as effective as one-to-one tutoring. Educational Researcher, 13(6), 4–16.

Carroll, J. B. (1963). A model of school learning. Teachers College Record, 64(8), 723–733.

Davis, S. M. (1987). Future Perfect. Reading, MA: Addison-Wesley.

Fisher, A. J., Medaglia, J. D., & Jeronimus, B. F. (2018). Lack of group-to-individual generalizability is a threat to human subjects research. Proceedings of the National Academy of Sciences, 115(27), E6106–E6115.

Goolsbee, A., & Syverson, C. (2023). The strange and awful path of productivity in the U.S. construction sector. NBER Working Paper 30845.

Guyatt, G., Sackett, D., Taylor, D. W., et al. (1986). Determining optimal therapy—randomized trials in individual patients. New England Journal of Medicine, 314(14), 889–892.

LaFreniere, L. S., & Newman, M. G. (2020). Exposing worry's deceit: Percentage of untrue worries in generalized anxiety disorder treatment. Behavior Therapy, 51(3), 413–423.

Molenaar, P. C. M. (2004). A manifesto on psychology as idiographic science: Bringing the person back into scientific psychology, this time forever. Measurement: Interdisciplinary Research and Perspectives, 2(4), 201–218.

Pine, B. J. (1993). Mass Customization: The New Frontier in Business Competition. Boston: Harvard Business School Press.

Salomon, G., Perkins, D. N., & Globerson, T. (1991). Partners in cognition: Extending human intelligence with intelligent technologies. Educational Researcher, 20(3), 2–9.

Wolf, G. I., & De Groot, M. (2020). A conceptual framework for personal science. Frontiers in Computer Science, 2, 21.

Zeevi, D., Korem, T., Zmora, N., et al. (2015). Personalized nutrition by prediction of glycemic responses. Cell, 163(5), 1079–1094.

Zuboff, S. (2019). The Age of Surveillance Capitalism. New York: PublicAffairs.

王德生、Claude.《如何与 AI 一起成长——从工具三段到个性化经济》. SDE Universes, 2026-09.

王德生.《理念世界的主体交融性——人—AI 复合主体诞生的一个严格证明》. 未刊研究稿, 2026-09.

王德生.《AI 时代教育新使命》. 德麦国际编号专著第 112 号（待出版）, 2026.

王德生.《未来的大学雏形和逻辑论证》. 德麦国际编号专著第 113 号（待出版）, 2026.

成文日：2026-09-16　　检索截止日：2026-09-16