# 0u · 约束迁移与 AI 时代的决策

## ——先检查题目,再开始答题:为什么"答案变便宜"反而让"决策变贵"

> **本编是 `0a-认知纠错`、`0r-问题空间与映射`、`0t-竞争垄断与必要劳动` 的 AI 时代应用补丁。**
>
> 它本身不创建新现象描述,而是把"约束变化 → 最优解变化"这个元规律,落到"AI 时代的选择成本上升"这一具体场景。
>
> 来源:`new/7.md`(2026-10-01 整理入 v34)

---

## 〇、本编在 v34 体系中的位置

v34 已经存在的相关补丁:

| 编 | 关注点 | 与本编关系 |
|:--|:--|:--|
| `0a-理论补丁-认知纠错.md` | 现实反馈 → 模型修正 | 提供**机制** |
| `0g-理论补丁-探索社会.md` | 探索意愿需要低失败成本 | 提供**目标** |
| `0r-理论补丁-问题空间与映射.md` | 换空间的方法论 | 提供**思维工具** |
| `0t-理论补丁-竞争垄断与必要劳动.md` | $\min H_{social}$ | 提供**市场评价** |
| `9-约束模型.md` | 多重约束下的选择 | 提供**基础框架** |
| `13-增量创新系统.md` | 探索阶段多方案并行 | 提供**探索方法** |

`0u` 位于这一组补丁的**应用前沿**:

> **0a 讲"如何发现模型错了"**;
> **0r 讲"如何换空间"**;
> **0t 讲"如何评价市场"**;
> **0u 讲"如何发现题目已经变了"。**

它是 v34 体系中**第一个显式命名"约束迁移"作为元规律**的补丁。

---

## 一、很多"最优解",只在特定约束下成立

假设一个程序员正在优化程序。

过去计算机资源非常昂贵,因此程序员会花大量时间优化:

- 内存;
- CPU;
- 磁盘;
- 网络流量。

为了节省一点计算资源,可能愿意多花几个小时写出更加复杂的代码。

在当时,这可能是合理的。

因为:

**计算资源贵,人力相对便宜。**

于是系统的最优策略就是:

> 用人的时间换计算资源。

但如果几十年以后,计算资源的价格大幅下降,而优秀程序员的时间越来越昂贵,那么问题就发生了变化。

这时候再为了节省一点 CPU,花几个小时让代码复杂化,可能恰恰是不经济的。

系统可能应该变成:

> **用计算资源换人的时间。**

注意,这并不是程序员突然变聪明了,也不是以前的方法突然全部错误。

而是:

**约束条件变了。**

过去的最优解,是过去约束条件下的最优解。

今天的问题,必须重新计算。

所以我们可以得到第一个规律:

> **最优解不是一个固定答案,而是约束条件的函数。**

可以简单写成:

$$
X^* = f(C_1, C_2, \cdots, C_n)
$$

其中:

- $X^*$ 是系统最优方案;
- $C_i$ 是影响系统的约束条件。

当某个重要约束发生数量级变化时:

$$
C_i(t_1) \neq C_i(t_2)
$$

原来的最优方案就不一定还是最优方案。

---

## 二、所以遇到问题,第一问不应该是"怎么优化"

而应该是:

> **什么东西正在变便宜?**

因为"变便宜"往往意味着:

**它正在从瓶颈位置退出。**

例如:

互联网出现以后,信息复制的成本急剧下降。

以前一本书只能印几千本、几万本。

报纸每天需要:

$$
\text{生产内容} \rightarrow \text{印刷} \rightarrow \text{运输} \rightarrow \text{销售} \rightarrow \text{读者}
$$

于是:

**版面、印刷能力、运输能力、销售渠道**

都是重要约束。

互联网出现以后,信息可以几乎零成本复制和传播。

于是过去很多瓶颈突然失去了原来的地位。

这时候如果还问:

> "怎样让报纸印得更快?"

其实已经没有抓住主要问题。

真正应该问的是:

> **如果复制和分发已经不再稀缺,那么什么东西开始稀缺?**

答案可能逐渐变成:

**人的注意力。**

于是问题从:

> 怎样生产更多信息?

变成:

> 怎样让真正重要的信息被看见?

但当信息生产进一步自动化以后,甚至连"内容"本身都可能大量过剩。

于是新的问题又出现:

> **这些信息可信吗?**

于是稀缺性继续向:

**筛选 → 判断 → 信任 → 真实反馈**

迁移。

这就是一个非常重要的规律:

> **旧瓶颈被消除以后,瓶颈不会凭空消失,而会沿着价值流动链向下一环迁移。**

> **本节是 v34 第一次显式命名"约束迁移"作为元规律**——下游各节均可引用此节。

---

## 三、稀缺不等于价值

这里还必须特别注意一个容易出现的错误。

很多人看到某种东西稀缺,就直接得出:

> "它很有价值。"

这并不成立。

**稀缺性和价值不是同一个概念。**

钻石可以稀缺。

空气在某些特殊环境下也可以稀缺。

但不能因为某个东西稀缺,就直接判断它对社会的重要程度。

同样:

**价格高 ≠ 社会价值高。**

**难获得 ≠ 贡献大。**

**稀缺 ≠ 必然应该获得更多资源。**

所以,"什么正在变便宜"并不是一把直接计算社会价值的尺子。

它更像是一台:

> **寻找系统瓶颈变化的雷达。**

它告诉我们的不是:

> "什么最有价值?"

而是:

> **"原来的约束是不是正在失效?"**

这一区分非常重要。

> **本节与 `11-价值参考系.md` §三"价值还会随着时间变化"对应**——但 11 编讲"价值随时间变",本节讲"约束随时间变"。

---

## 四、真正需要寻找的是"价值流动中的瓶颈"

如果把一个社会活动拆开,可以得到一个简单的过程:

$$
\text{创造} \rightarrow \text{转化} \rightarrow \text{流动} \rightarrow \text{实现} \rightarrow \text{回流} \rightarrow \text{再生产}
$$

技术进步经常做的一件事情,就是降低其中某一个环节的成本。

例如互联网降低信息复制和流动成本。

自动化降低重复劳动成本。

机器人降低部分物理劳动成本。

人工智能降低大量认知劳动的生成成本。

于是:

$$
\text{某个环节成本下降} \rightarrow \text{该环节不再是主要瓶颈} \rightarrow \text{大量资源涌入} \rightarrow \text{下一环节成为瓶颈}
$$

所以技术进步并不只是简单地:

> **"创造更多价值。"**

更准确地说,它经常是在:

> **重新安排价值流动中的摩擦。**

原来的堵点被打通以后,水就会流向下一个堵点。

---

## 五、AI 最值得关注的,不只是"生产力提高"

人工智能正在快速降低很多认知工作的边际成本。

例如:

- 查资料;
- 翻译;
- 整理;
- 写初稿;
- 普通代码生成;
- 常规数据分析;
- 格式转换;
- 文案生成。

过去一个人一天只能产生几个方案。

AI 可能几分钟就产生几十个。

于是一个很有意思的事情出现了:

> **方案本身开始变得不稀缺。**

假设一个人一天只能设计三个方案。

他的主要问题可能是:

> "怎样设计出更多方案?"

但如果 AI 一天可以生成一万个方案,问题立刻变了:

> "这一万个方案里,哪个值得做?"

这不是同一个问题。

---

## 六、当"答案"变便宜,"选择"就会变贵

AI 可以生成很多答案。

但它不知道:

- 哪个需求是真需求?
- 哪个用户真的愿意付钱?
- 哪个方案在现实环境中能够运行?
- 哪个变量被遗漏了?
- 哪个结果只是看起来很好?
- 哪个方案会产生副作用?
- 哪个错误会造成巨大的损失?

因此:

$$
\text{答案成本} \downarrow
$$

并不意味着:

$$
\text{决策成本} \downarrow
$$

甚至可能出现:

$$
\text{答案数量} \uparrow
$$

导致:

$$
\text{筛选成本} \uparrow
$$

于是新的瓶颈开始出现。

**不是"怎么产生答案",而是"怎么从大量答案中找到能够经受现实检验的答案"。**

这也是为什么 AI 时代真正重要的能力,不应该简单理解成"更高级的脑力劳动"。

更准确地说,是:

> **与现实建立反馈回路的能力。**

> **本节是 0u 相比 `14-价值不是蛋糕.md` 的最大增量**——14 编说"蛋糕被切掉",本节说"答案被生产过剩、筛选变贵"。

---

## 七、为什么真实世界反馈会越来越重要?

因为 AI 可以在信息空间里不断推演。

但现实世界有一个 AI 无法凭空取消的东西:

**结果。**

- 一个商业方案最终要面对消费者。
- 一个工程方案最终要面对设备。
- 一个医疗方案最终要面对患者的实际结果。
- 一个社会制度最终要面对真实的人。
- 一个理论最终要面对现实世界的反例。

所以:

$$
\text{方案} \rightarrow \text{现实} \rightarrow \text{结果} \rightarrow \text{反馈} \rightarrow \text{修正}
$$

才构成完整的认知循环。

如果没有最后的现实反馈,那么前面的推理即使非常漂亮,也可能只是:

> **在一个封闭模型里面自洽。**

因此,AI 越强大,一个社会越需要真实世界的反馈机制。

这也解释了为什么:

**实验、试错、测量、用户反馈、独立验证、开放讨论**

不会因为 AI 变强而失去意义。

恰恰相反,它们的重要性可能上升。

---

## 八、这其实就是"认知纠错"

我们可以把认知过程简单写成:

$$
\text{认知} \rightarrow \text{行动} \rightarrow \text{现实反馈} \rightarrow \text{发现误差} \rightarrow \text{修正认知}
$$

其中最危险的不是:

> "我不知道。"

而是:

> **"我的模型看起来已经解释了一切,因此不再接受现实检验。"**

这就是为什么一个真正健康的认知体系,不能只有:

**逻辑。**

还必须有:

**现实连接。**

可以把它概括成:

$$
\text{认知纠错} = \text{现实反馈} + \text{逻辑纠错}
$$

逻辑解决:

> **"这个推论是否成立?"**

现实解决:

> **"这个模型是否对应真实世界?"**

两者缺一不可。

> **本节与 `0a-认知纠错.md` 直接对应**——0a 给纠错的具体步骤,本节解释**为什么 AI 时代更迫切需要它**。

---

## 九、问题空间本身,也可能需要重新定义

这其实比"寻找新瓶颈"还要更深一层。

很多时候,人们不是在错误地回答问题。

而是在:

> **正确地回答一个已经失效的问题。**

例如:

- 过去的问题是:怎样让计算机运行得更快?
  - 后来变成:怎样用更多计算资源换人的时间?

- 过去的问题是:怎样生产更多信息?
  - 后来变成:怎样筛选信息?
  - 再后来:怎样判断信息是否可靠?

- AI 时代同样如此。
  - 过去:怎样提高人的信息生产能力?
  - 现在:怎样提高人与 AI 协作的产出?
  - 未来:当生产能力已经远远超过需求以后,人类应该把什么作为新的探索方向?

所以真正高级的思考,不只是:

**在问题空间里寻找最优解。**

而是:

> **检查问题空间本身有没有发生变化。**

> **本节与 `0r-问题空间与映射.md` 直接对应**——0r 说"换空间",本节说"先检查空间是不是已经换了"。

---

## 十、这就是"同构映射"的价值

面对复杂问题,我们经常很难直接观察整个系统。

这时候可以把问题映射到一个更容易观察的空间。

例如:

> 一个企业的问题看起来可能是:员工不够努力。

但换一个空间看:

**收入、成本、需求、产能、库存、劳动时间、设备利用率、消费者反馈**

可能会发现:

> 问题根本不是员工不努力,而是市场需求已经不足。

同样,一个社会可能不断鼓励:

> "增加劳动时间。"

但如果整个系统已经出现:

**生产能力 > 有效需求**

那么继续增加劳动时间可能只是把竞争转化成内卷。

这时候真正的问题就不是:

> "怎样让每个人工作得更多?"

而是:

> **"怎样减少无效竞争,让有限劳动流向真正有需求的地方?"**

所以:

> **换一个问题空间,往往比在原来的问题空间里继续优化更重要。**

---

## 十一、为什么"局部最优"经常会变成"整体浪费"

假设森林里有很多蘑菇。

每个人都发现:

> 多采一个小时,可以多获得一些蘑菇。

于是个人选择:

**多工作一小时。**

刚开始,确实有效。

但随着越来越多人进入森林:

$$
\text{采集者增加} \rightarrow \text{单位蘑菇减少} \rightarrow \text{竞争加剧}
$$

如果大家继续按照个人收益最大化行动,就可能出现:

**每个人都更加努力,但每个人得到的结果反而没有明显增加。**

甚至:

$$
\text{总劳动时间} \uparrow
$$

而:

$$
\text{社会总产出} \approx \text{不变}
$$

于是增加的劳动变成了:

**相互竞争的成本。**

这就是:

> **局部最优,不等于整体最优。**

真正应该优化的,不是:

> "每个人还能不能多采一点?"

而是:

> **"社会为了获得这些蘑菇,到底需要多少必要劳动?"**

这与"约束迁移"其实是同一个问题。

因为当森林资源不再是瓶颈以后,继续增加采集劳动,就已经不再是在解决主要约束。

> **本节与 `0t-理论补丁-竞争垄断与必要劳动.md` 直接对应**——0t 用 $\min H_{social}$ 评价**市场结构**,本节用"约束迁移"评价**问题本身**。

---

## 十二、市场竞争也存在同样的问题

市场竞争能够解决很多问题。

但竞争本身并不是最终目标。

如果两个企业竞争的结果是:

**更低价格、更高质量、更低成本**

那么竞争降低了价值实现的摩擦。

但如果竞争变成:

**重复建设、广告大战、无意义功能堆叠、互相压价、重复物流、过度包装**

那么竞争就可能开始消耗社会资源。

因此不能简单地说:

> **竞争越充分越好。**

真正值得观察的是:

> **竞争到底减少了社会必要劳动,还是增加了社会必要劳动?**

如果两种制度都能满足同样需求,那么:

$$
\text{社会必要劳动时间} \downarrow
$$

通常意味着更少的资源消耗和更大的自由时间空间。

这比抽象地追求某种"充分竞争"更加接近系统结果。

---

## 十三、六把尺子可以帮助我们避免把"稀缺"误认为"价值"

当约束发生变化以后,我们仍然需要回答:

> 到底应该怎么判断一个变化是好是坏?

这时候"稀缺性"不能独立承担这个任务。

可以回到六把尺子:

- **保障**:一个变化有没有让人在失去市场交换能力时仍然能够维持基本生存?
- **选择**:它有没有增加人的真实退出权和选择空间?
- **劳动**:为了得到同样结果,人类付出了多少不可逆的时间、体力和生命成本?
- **贡献**:一个行为究竟给目标结果带来了多少可归因的因果变化?
- **激励**:这个制度有没有让有益行为更容易持续发生?
- **意义**:它有没有让人获得自己认可的目标、体验和发展空间?

然后再观察:

> **价值是怎样流动的?**

最后再观察:

> **系统有没有持续接受现实反馈并纠错?**

这样就不会因为:

**某个东西稀缺、昂贵、热门**

就直接把它当成社会最重要的东西。

---

## 十四、技术进步真正改变的,可能是"人应该把时间花在哪里"

如果 AI 和机器人不断降低必要劳动成本,那么社会面临的问题就会发生根本变化。

过去:

$$
\text{人力稀缺}
$$

所以社会需要:

> 尽可能让人投入生产。

未来如果:

$$
\text{机器生产能力} \uparrow
$$

而:

$$
\text{必要劳动} \downarrow
$$

那么继续要求所有人用更多时间从事重复劳动,就可能越来越没有必要。

真正值得讨论的问题变成:

> **被释放出来的人类时间应该流向哪里?**

这就进入了"探索社会"。

> **本节与 `0g-理论补丁-探索社会.md` 直接对应**——0g 讲"探索需要低失败成本",本节讲"约束迁移让探索变成必须"。

---

## 十五、探索社会不是"不劳动",而是把劳动从生存约束中逐渐释放出来

人类过去的大量劳动,是为了:

**食物、住房、能源、医疗、交通、基础设施。**

如果技术让这些东西需要的必要劳动越来越少,那么人类就获得了一个过去非常稀缺的资源:

> **自由时间。**

而自由时间可以投入:

- 科学探索;
- 艺术;
- 游戏;
- 教育;
- 创业;
- 发明;
- 社区活动;
- 陪伴家人;
- 探索未知领域。

这些活动有一个共同特点:

> **它们不一定能够提前知道结果。**

这恰恰是探索的本质。

探索不是把已经知道的方法做得更快。

而是:

> **尝试寻找原来不知道的可能性。**

---

## 十六、所以"失败"本身也需要重新理解

在一个已经高度优化的生产系统里:

> 失败意味着成本。

但在探索活动里:

> 失败可能是信息。

例如一个研究项目没有成功。

如果因此得到:

> "这个方向在当前条件下不可行。"

那么失败实际上改变了整个知识空间。

可以写成:

$$
\text{探索} = \text{成功价值} + \text{失败信息}
$$

这也是为什么一个真正支持探索的社会,需要一定程度的:

**失败容忍度。**

如果所有失败都会导致巨大的生存风险,那么人们自然会选择:

> 已经证明安全的事情。

于是社会越来越擅长:

**优化旧答案。**

却越来越不擅长:

**寻找新答案。**

> **本节是 0u 的最大独立贡献**——"探索 = 成功价值 + 失败信息" 这个公式 v34 之前没有显式提出。

---

## 十七、真正危险的不是技术进步,而是认知还停留在旧约束里

技术变化本身不会自动告诉我们:

> "接下来应该怎么生活。"

它只是不断改变约束。

- 计算资源便宜了。
- 信息便宜了。
- 复制便宜了。
- 认知输出便宜了。
- 机器人劳动可能越来越便宜。

当这些变化发生以后,如果我们的制度、组织和个人思维仍然按照过去的稀缺条件设计,就容易出现:

**旧问题消失以后,继续解决旧问题。**

于是产生大量:

**无效劳动、重复竞争、资源浪费和时间浪费。**

所以面对任何重大技术变化,都应该重新问一遍:

1. 什么正在变便宜?
2. 什么不再是瓶颈?
3. 新的瓶颈在哪里?
4. 这个瓶颈是真实的,还是人为制造的?
5. 价值流动卡在哪里?
6. 为了解决它,需要多少必要劳动?
7. 如果这个瓶颈继续下降,人类时间又应该转向哪里?

> **这 7 问是 0u 的核心方法论**——任何面对 AI / 自动化 / 新技术冲击的决策,都可以按这 7 问检查一遍。

---

## 十八、可以把这个认知规律压缩成一条链

最终可以得到这样一个非常简单的模型:

$$
\text{技术变化} \rightarrow \text{旧约束下降} \rightarrow \text{旧瓶颈消失} \rightarrow \text{资源重新涌入} \rightarrow \text{新的瓶颈出现} \rightarrow \text{价值流动重新组织} \rightarrow \text{社会必要劳动重新计算} \rightarrow \text{人的自由时间重新分配} \rightarrow \text{新的探索空间出现}
$$

这就是我认为比"什么东西正在变便宜"更深的一层:

> **技术进步不是简单地让世界变得更便宜,而是在不断改变"什么东西值得我们花时间"。**

---

## 附录 A:本编与其他编的对应关系(速查表)

| 本编节 | 思想对应 v34 编 | 关系类型 |
|:--|:--|:--|
| 〇 | 整体 | **AI 时代应用补丁** |
| 一 | `9-约束模型.md` | 通用 |
| 二 | **本编首次命名** "约束迁移" | **新增概念** |
| 四 | `16-价值循环效率.md` | 重复 |
| 五 | `14-价值不是蛋糕.md` | 部分重复 |
| 六 | `14-价值不是蛋糕.md` | **本编新增**(决策变贵) |
| 七 | `0a-认知纠错.md` | 引用 |
| 八 | `0a` 编 | 引用 |
| 九 | `0r-问题空间与映射.md` | 引用 |
| 十 | `0r` 编 | 引用 |
| 十一 | `0t-理论补丁-竞争垄断与必要劳动.md` | 引用 |
| 十三 | `1~6` 六编 | 通用 |
| 十四 | `0g-理论补丁-探索社会.md` | 引用 |
| 十六 | `0g` 编 | **本编首次公式化**(探索 = 成功 + 失败) |
| 十七 | **本编首次提出** "7 问" 检查法 | **新增方法论** |

## 附录 B:核心金句(候选第 76-78 句)

> **第 76 句**(0u · 元命题 A · 约束迁移):
> **用十倍效率解决一个已经不重要的问题,仍然是浪费时间。**

> **第 77 句**(0u · 元命题 B · AI 时代的决策):
> **AI 时代,答案变便宜,决策变贵。真正的瓶颈不再是"产生多少方案",而是"从大量方案中找到能经受现实检验的那个"。**

> **第 78 句**(0u · 元命题 C · 自由时间的流向):
> **让越来越少的人类时间,被迫用于已经解决的问题;让越来越多的人类时间,用于尚未解决的问题。**

---

## 参考

- 来源:`new/7.md`(2026-10-01 整理入 v34)
- 关联补丁:`0a-认知纠错.md`、`0g-理论补丁-探索社会.md`、`0r-理论补丁-问题空间与映射.md`、`0t-理论补丁-竞争垄断与必要劳动.md`、`9-约束模型.md`、`11-价值参考系.md`、`13-增量创新系统.md`、`14-价值不是蛋糕.md`