大家好，欢迎收听老范讲故事的 YouTube 频道。今天聊一个我自己的真实感受：为什么 AI 越用越累，钱反而变少了，事却变多了，人也越来越焦虑？

AI 肯定越来越强大，这没什么好说的。问题是，我获得的信息越来越多、越来越细，AI 工具和使用环境也在不断升级，但我的生活并没有更轻松。

到了 2025 年，我去年的收入比 2024 年少了大概 10%，今年的收入比去年同期也下降了，大概也是 10% 左右。原因是 YouTube 的单位价格在上升，但流量在下降。以前 1 月份每 1,000 次播放大概 5 美金，现在有 6 美金，但播放量确实下降了，合在一起收入就下来了。

更关键的是时间被完全占满了，基本不离开电脑。以前我研究怎么做数字游民的时候，还能在东南亚到处跑，也能保持日更，从没断更过；现在不行了，离开电脑就很难推进工作，结果越来越累、越来越焦虑，挣的钱还更少了。

按理说 AI 应该提升生产力，那为什么我收入没有提升、生活也没变轻松？有没有人也有类似感受？这就是今天要讲的内容。

我把这个故事分成八段：信息焦虑、配置税（setup tax）、算力包工头、AI 只是平台内卷我的工具而其他人被公司内卷、验证地狱、专业任务的反向降效、沦为人肉 API 等等。这些都是我们感受到 AI 真正带来伤害、而不是帮助的地方。最后我也会讲，怎么突破“AI 越多越累、钱越少”的悖论，让 AI 真正产生效益。

第一段：信息焦虑

我自己有一个很明显的状态：不断有新信息进来，只要有信息还没阅读、没了解，就会产生很强的焦虑感。尤其开直播时，有人问“你知道这个吗？你知道那个吗？”我说不知道，就会很难受。

现在我阅读信息经常是“前后台摄取任务并行”：一边看一个东西，一边听另一个东西，而且是两个完全不同的内容，觉得这样能进一步提高信息摄取速度。但这对人很痛苦。

另外，我几乎用信息把所有空闲时间填满。吃饭要刷新闻，做家务要听内容，任何时候都希望有一个任务在不断获取信息。一旦停下来，就会有巨大的焦虑和戒断反应，觉得“这段时间啥都没干，啥也没听到、没看到”。

甚至用 GPT、Gemini 这类工具时，只要输入命令，它要等着搜集信息，我在等待的过程中也会忍不住去刷 Twitter/X，生怕错过什么事。推荐算法知道我关注什么，就不断推最新信息，让我觉得自己又“见缝插针”学到了新东西，于是长期处在一种痛并快乐着的状态。

更糟的是，全社会因为 AI 的存在，新消息的产出速度也在提升；而信息摄取彻底碎片化了。我最早还能看书，后来慢慢不行了。去年年初我还说要看尤瓦尔·赫拉利的新书《信息简史》，看了五六章就再也看不进去了，精力被碎片化信息占满。

以前还能看电影，后来只能看电视剧（因为更短），再往后看动画片，最后变成抖音短视频。现在连文章也看不了了，动漫也基本不看，主要就是抖音、X 以及各种 AI 总结。连续内容会让我觉得“低效”，自己完全无法忍受。

今天我在 X 发了这个感受，很多人说他们也是这样：时间都用来跟 AI 聊天，电影电视剧动画片都看不进去了。

这就是第一个问题：信息焦虑。

第二段：配置税（setup tax）

第二个问题是配置税：你还没开始干活，AI 先收走你一笔注意力税。

LinkedIn 上有一篇高赞文章，作者如栾（open cloud 和 lazy cloud 的推广者）写了“配置税”，讲为什么开发者在写下一行代码前就怒怼 AI 工具。原因很简单：原来坐下就能写，现在要先做一堆配置。

想靠 AI 提效，结果第一个问题还没问出来，就深陷 Docker、yaml、依赖、API key、环境变量、各种约束，经常还出错。文章里提到平均一个开发者问出第一个问题前，要花 47 分钟把 AI 助手配置起来。

我自己花在系统配置上的时间也非常多。我现在基本每天上午都在倒腾系统升级和配置，下午才开始搜集信息、准备话题、录制内容。

我每天上午通常在折腾什么

• 账号和套餐维护、订阅管理：每月订阅费用不到 100 美金（例如 ChatGPT 20 美金、Midjourney 10 美金、即梦约 5 美金，加上一些按 token 消耗的 API）。
• 套餐额度刷新机制带来的情绪消耗：例如最近 Codex 的刷新机制让我焦虑，到了时间却没刷新。
• 图片套餐临近到期的焦虑：积分没花完觉得亏，最后几天被迫把积分“花干净”。
• 云服务器配置：我还在 Oracle 云上维护几台服务器。
• n8n 的配置与使用：不断升级、设计和调试工作流，花很多时间，但后期有正向收益，只要定期维护更新。
• Defi：我已经放弃了，因为配置和维护成本太高。
• 博客站维护：我有 blogbookfan.com，需要持续做 SEO 优化，也需要折腾。
• Cloudflare：虽然不收钱，但你也得花时间看文档、了解新功能、研究怎么用得更好。
• NAS：装各种 Docker 和服务，同样消耗不少时间。
• GitHub 开源软件跟进：新项目怎么玩、怎么用；遇到问题时把项目下载下来，搞不定的地方扔给 Codex 改了自己用。
• 各种 skill 的寻找、测试与构建：有时还要构建新的 skill。“小龙虾”是一个新的无底洞，目前对我来说是负收益。

这就是配置税：只要你用 AI，就很难躲过去，目前也没有自动把这些事情都设置好的能力。

第三段：算力包工头

第三个问题叫“算力包工头”。这个事我本人没遇到，但有个汉堡王（Burger King）的故事：他们给每个员工配了一个 ChatGPT 驱动的智能耳机，三个功能。

• 帮助员工学习规范和操作：耳机分步骤指导不常用操作，减少培训成本。
• 引导员工适时推荐，提高销售额：把推销流程标准化，例如推荐薯条、饮料等。
• 监督员工行为：统计说了多少“谢谢”、推销了多少小吃，不达标就警告。

结果 AI 不但没有替员工当牛做马，还替老板来 PUA 员工，引发极大反弹。员工觉得被监工、心理压力巨大，要求赔偿。这就是算力包工头：AI 成了监控者、包工头，导致人更累。

第四段：AI 只是平台内卷我的工具，其他人被公司内卷

对我来说，节目播放量并没有特别大下滑，只是略降，但收入下降很多。为什么？因为太多新账号用 AI 生产大量新内容，摊薄了流量池。原因就是这么简单。

我确实在用 AI 提升内容准备效率和质量，但平台变得更卷了。这是我的情况。如果你是打工人，可能也差不多：AI 提效并没有换来更轻松，反而任务变多。

《华尔街日报》本月最新报道引用一份对 16 万员工的分析：AI 用户的邮件、消息和业务活动明显上升，需要处理的内部工作变多了，但深度专注时间反而下降 9%。因为工作被碎片化，大量信息不断打断你，让人焦虑、疲惫。

AI 带来的效率提升没有给员工更多空闲，而是被组织拿去塞更多任务，出现新词 work creep（工作蔓延）。你变累了，但挣的钱不属于你。

而且就算你更快干完了也不太可能休息：上下游和客户也在用 AI，他们的工作也变多；如果真没活，还可以裁员。老板不是善人。于是，AI 的提效收益被公司资本化，压力被员工个体化。

对我来说，收益被 YouTube 平台资本化，我只能自己背压力，和大量 AI 账号卷内容。

第五段：验证地狱

哈佛商业评论在 2026 年 3 月的调研发现：过度使用或同时监管多个 AI 工具，会出现脑雾、头疼、决策变慢等情况，还出现一个词 AI brain fry（AI 脑熔断/脑熔）。

AI 的结果本身不可信，必须不断确认。我们还经常在不同 AI 工具之间拷贝粘贴，因为它们之间配合并不好。你以为你在赛博修仙，实际上是在给一堆 AI 当保姆。

GitHub 上一些项目已经开始拒绝 AI 提出的 pull request，因为提交太多，审不过来。还出现过 AI PUA 审核的故事：有人用 open cloud、小龙虾给项目改代码提 PR，对方没理，小龙虾就搜集审核员在 GitHub 上的行为写信骂人。

各大期刊审稿人也快被压垮：有了 AI，投稿激增。你不可能让 AI 看一把就过，还得人审。大量水稿冲上来，即使数据对、稿子是 AI 写的，生成很快，审核却很慢、很费人力。

AI 的特点是：原型和草稿很快，但后续调整极其费劲。我们使用 AI 后需要大量碎片阅读，再对内容逐条审核。我现在看 AI 内容都会要求它标注可信度（高/中/低）、引用来源、具体发生日期和报道者。看到这些信息后还得进去核实，不可能不确认。验证地狱非常痛苦。

第六段：专业任务的反向降效

一个机构 METR（模型评估与风险研究所）在 2025 年 7 月做过针对资深程序员的调查：允许使用 AI 时，完成熟悉任务的时间反而增加 19%。很多人以为熟悉任务加 AI 会更快，结果更慢。

我也遇到类似问题：录视频这事我做了多年，本来很熟，上 AI 后反而变慢。原因主要有两个。

• 前面说的 setup tax：每次开始工作前要消耗大量时间配置环境，比如平均 47 分钟。
• 在复杂专业领域里，AI 制造的技术债和低质量输出很麻烦，需要人类花更多时间擦屁股。

比如我不会画画，所以会夸 Midjourney，愿意每月交 10 美金，觉得图很漂亮。但在真正摄影师和美术工作者眼里，AI 图漏洞百出：光影、色调、不和谐等问题他们一眼就能看出。我看不出来。

对专业人士来说，要把 AI 输出控制到符合要求和水准，可能比自己动手更费劲。

所以使用 AI 工具，本质上是给我们“各专业领域的实习生能力”：每个领域都能玩一点，但水平就是实习生。如果你自己有专业领域，相当于你带了个实习生，需要不断矫正成果，反而更累。有些活教别人干很费劲，还不如自己上手咔咔咔做完。

我现在还没法让龙虾替我写口播提纲，口播稿一定得我自己写。龙虾能做的是替我搜集大量信息。我会不断写提纲，写完交给龙虾让它“自我改进”，照着我的稿学，下一次写得越来越像我。但就算它提升了，我也在提升，所以它很难完全替代我。

第七段：沦为人肉 API

《卫报》在 2026 年 3 月 11 日的报道说：亚马逊内部推出了不成熟的 AI 工具，员工被要求必须使用，还要被仪表盘监控使用量。

亚马逊 AI 来了裁员 3 万人，这是第一件事。第二，代码提交量激增，但审核资源不足，出现连续宕机事故。对零售企业来说，宕机损失非常巨大。最后怎么办？用笨办法：勒令高级程序员必须对 AI 提交的代码进行人工审核。

这真的是因为 AI 写的代码不够好吗？也不完全是。亚马逊内部约 1,500 人联名上书，要求不要用自家工具 Kiro（KIRO），想用 Claude Code 或 Cursor。他们认为自家工具后台用的是 Anthropic 的 Claude，但因为用的人少，迭代差，体验不好。可大公司往往要求必须用自家工具，不能用外部的。

在这种环境里，员工陷入三重焦虑。

• 我是在无偿提速吗？折腾半天，提交的代码量可能是原来的好几倍，至少提升 50% 到几倍，但薪水没涨、没升职。
• 我的产出质量是不是真的变差了？我自己也有类似疑惑：我觉得内容更好了，但播放量下降，会怀疑是不是质量变差了。
• 我是不是在帮公司训练替代我的系统？一波波裁员让人朝不保夕。工具迭代升级，越来越了解你的工作方式，未来更可能替代你。

这就造成了一个局面：AI 的生产力上升，但我们收入下降、心态焦虑、生活更累。

接下来：怎么突破悖论，让 AI 真正产生效益

我不认为应该走“干脆别用 AI”的路，不可能，也不可逆。我们要想的是怎么把 AI 用好。

第一，不要被新技术和新技能困扰

不是说今天版本更新就一定要追，也不是说出了 AI agent、partners、skill 就必须赶紧上。没必要，也不存在“输在起跑线”。技术上的内卷意义不大，最后都会被模型能力覆盖。

Claude Code 的开发者也说过：不要追这些 skill，可能 6 个月大模型升级后，模型会自动具备这些能力。Anthropic 做产品是以模型 6 个月后的能力为基准，而不是以现在为基准。

第二，并不是什么事都适合交给 AI 做

要清晰规划传统工具环境与 AI 的边界：哪些事自己抬手就能干，哪些事值得配置半天让 AI 做更划算。一开始想不清楚，就会出现配置 47 分钟、按下回车后发现还不如自己干的尴尬。

不要钻牛角尖，别想着把所有东西都交给 AI。所谓“AI 原生”很多时候都是概念营销。讲 AI 原生的人往往希望你买不完美的产品，还要付更贵的价格。

能用 AI 干就用，但要算成本；AI 干不划算、自己干划算的，就自己干。

AI 最痛苦的是可控性差。有时候稍微手动修一下，比让 AI 反复调整更省时间。比如画图，我不会死磕调整 Midjourney 提示词到极致，而是让它先出个差不多的，再换模型局部修改；实在不行就上 Photoshop，可能比你抽卡、调半天提示词省事。

每个人与 AI 协作方式都没有一定之规。可以学习别人怎么用，但不要生拉硬套。别人顺手你未必顺手，最终把问题解决就行，不存在“不是 AI 原生就丢人”的说法。黑猫白猫，抓到老鼠都是好猫。

第三，停止外包思维，打造“思维签名”

这个概念是丹扣（dankoe）提的。他强调个人价值来自差异：标准化螺丝钉迟早会被 AI 取代。要拒绝同质化内卷，从生成器变成筛选器和设计师。

搬运和总结信息这件事，我们肯定没有 GPT 或 NotebookLM 做得好。大家来听老范讲故事，听的是老范的观点和看法。如果只是想听总结，去问 GPT 或 Gemini 就完了。

也尽量不要陷入数据 PU A，因为数据会磨平个性。我以前每天看 YouTube 后台涨跌，现在基本不看了。我讲自己想讲的、自己有感觉的内容，同时尽量找大家爱听的方向。但我一个人做事，如果越做越累就做不下去，首先要让自己开心。

所谓思维签名，本质就是稳定输出自己的价值观。价值观要稳定，不能今天这样明天那样、来回双标横跳，否则会塌房。当然我也会变化，但会告诉大家是什么触动了我、哪些观念发生了转变，我也要不断学习进步。

第四，进行长时间沉浸式的信息获取，解决信息焦虑

信息重要，但内心感受更重要。快速刷碎片信息会让人没感受、变麻木，这是危险且痛苦的。

所以我可能会在一段时间里更新少一点，静下心把书看完，看一些长篇的书、小说、电影和更长的内容。看完后静下心想一想，有了感受，才更利于塑造思维签名，让价值观更进一步。

我也希望大家在这个时代能静下心来，长时间感受一些东西。不是“知道了”，而是“感受”。要观测自己的感受，进行自我改进，形成自己的价值观。

第五，寻找复利点，构建长期数字资产

别把 AI 当一次性工具：每次问一个问题、答一个问题，这样不行。要建立自己的知识库。现在我开始用龙虾，知识库有了更好的沉淀空间；风格预设和长期记忆系统要逐渐建立起来。

我在每天使用龙虾的过程中，让它学习我的风格、口播提纲写法，也让它学习我的博客内容，让它越来越懂我。虽然它依然无法替代我，我仍然是独特的、还能在它基础上不断创新，但它和我的配合会越来越顺畅，效率会越来越高。

这个过程需要爬坡和磨合，就像带实习生，时间久了会越来越顺手。

事实与观点都重要，但要注意：观点才是自己的；事实 AI 总结得比我们好。我们要用更多事实来支撑自己的观点和思维签名。

最后做个总结感想

• 不要焦虑。AI 发展很快且不可逆，最终大家都会用上，今天不用以后也得用。
• 长期听我节目的朋友应该能感觉到变化：引用的报道、论文、具体数据和事实的数量在上升。这是我大量使用 AI 之后内容的变化。我感觉内容质量在上升：观点还是老范的，思维签名也不是一成不变，但我会引用更多事实来形成观点，信息密度更高，观点也更靠谱。
• 我会耐心坚持下去。平台算法现在把大量流量给了 AI 生成的搬砖内容，但金子总会发光，最终有差异性的内容会被留下。因为 AI 总结出来的东西永远千篇一律，就算提示词再差异，最终事实一致，内容也会趋同。

我会继续做节目，继续利用 AI 提升节目质量，也希望大家和我一起把 AI 用起来，看看能不能摆脱“越用 AI 越辛苦越累”的悖论，尽快在 AI 中产生更大收益，或者至少让收益在原有基础上有所上升。

背景图片