AI 不会问第一个问题
AI杂谈·之二：自驱力与创新，人的最后护城河
假设现在是凌晨两点。你盯着屏幕上 AI 刚生成的几百行代码，功能跑通了，测试也绿了，但你心里清楚一件事——这段代码之所以存在，是因为你问了一个问题。
AI 没有在凌晨两点自己醒过来想"那个缓存命中率是不是可以再提 5%"。它不会在洗澡的时候突然觉得"现在的前端状态管理方式太蠢了"。它更不会在被降职 20 年后仍然相信一段没人看好的 mRNA 序列能改变医学。
第一个问题，永远是人问的。
这就是 AI 时代容易被忽略的真相：AI 越来越强，但它强在答题，不在提问。而提问的能力，来自对现状的不满、对某个方向的好奇，以及在没有外部奖励的情况下持续深钻的意愿，这三样，恰好是自驱力和创新的起点。
没有自驱力，就没有第一个问题
自驱力是什么？不是"能干事"，是"没人让你干你还是干了"。
1991 年，赫尔辛基大学一个 21 岁的学生买了一台 386 电脑。他本来只是想学学 80386 的保护模式，顺便写个终端模拟器来拨号上学校的 Unix 服务器。后来他觉得 Minix 不太好用，于是开始给自己的终端程序加文件系统、加任务切换、加设备驱动。
这个人叫 Linus Torvalds。他在 1991 年 8 月 25 日发了一条如今刻在互联网历史上的 Usenet 帖子：
“I’m doing a (free) operating system (just a hobby, won’t be big and professional like gnu).”
一个"just a hobby"的项目，没有人给他提需求，没有人付他工资，没有 PM 排期，纯粹是自己想做一个东西。今天全球 90% 以上的云计算负载跑在这个 hobby project 上。
如果你打开 Linux 内核的 git 仓库，git log --reverse 第一条 commit 还在那里，你可以亲眼看到那个起点。
这就是自驱力的本质：它不从外部指令来，不从奖励机制来。它来自人对现状的一种内在不适感：“这个东西应该能更好”、“这个方案我不满意”、“我偏要试试另一种做法”。
而 AI 恰好反过来。它的全部行动来自外部 prompt。你输入一句，它输出一段。你没有输入，它停在原地。它不会对任何东西感到不适，因为你没有给它"令人不适"的训练数据。它不会在代码审查时皱眉头，不会在凌晨醒来觉得那个架构选择有问题。它连厌倦都不会。
所以，AI 不会问第一个问题。第一个问题永远来自一个对现状不满的人。
有了问题之后：两种创新
有了第一个问题，下一步是找答案。这一步上，人和 AI 的分界线更微妙。
AI 能做一种创新：组合式创新。即把距离很远的知识点连接起来，如网络协议和超文本、密码学和博弈论、编译器理论和终端交互。这种跨领域的远距离连接，AI 做起来比人快得多、广得多。因为它的训练数据覆盖了几十个领域，而一个人的脑子里通常装不下那么多。
但 AI 做不了另一种创新：范式创新。不是把已有的东西拼起来，而是推翻前提，重新定义问题本身。
2011 年的 Facebook，广告团队正在被复杂的 UI 状态管理折磨。DOM 操作散落在各个回调里，数据流和 UI 状态难以同步，bug 层出不穷。一个叫 Jordan Walke 的工程师实在受不了了，他提出一个在当时看来反直觉的想法：与其手动更新 DOM，不如每次把整个 UI 重新渲染一遍，然后在虚拟 DOM 里 diff 出最小变更。
这个想法不符合任何当时的"最佳实践"。DOM 操作被认为是昂贵的，重新渲染整个页面是荒谬的。但 Walke 的不适感不是对某个具体的 bug，而是对"我们管理 UI 状态的整个范式"推动他跳出了现有框架。
React 最初的 commit 还在 GitHub 上，JSConf 2013 的演讲视频还在 YouTube 上。你可以亲眼看到范式的起点是一个人对"这样做不对头"的直觉，而不是一份训练数据。
更早的案例更干净：1989 年，CERN 的软件顾问 Tim Berners-Lee 写了一份提案《Information Management: A Proposal》。超文本早就有了，互联网也早已存在，但没有人把它们拼成"一个可以在任意文档间跳转的全球信息系统"。他的老板在提案封面上批了一行字：“Vague but exciting.” 这份提案至今还在 W3C 的网站上，页面标题就是这句话。
互联网改变了一切，但它的起点不是技术突破，是一个人对"科学家们找不到彼此的文档"这件事的不爽。
范式创新有一个共同特征：它来自对现有框架本身的不满，而不是对已有方案之间排列组合的不满足。这种不适感是潜意识的，你能感觉到什么东西不对劲，但说不太清楚哪里不对劲。它不是一个 prompt 能描述清楚的。
而这，恰好是 AI 的盲区。LLM 的本质是在训练数据分布里做插值。React 不存在于 2011 年的任何代码库里，万维网不存在于 1989 年的任何论文里，比特币不存在于 2008 年的任何金融协议里。它们不是已有知识的组合而是已有前提的否定。插值引擎终究否定不了前提。
四十年没人鼓掌，为什么还在做？
最能验证"自驱力 × 创新"这个框架的例子，不在编程领域。
Katalin Karikó，2023 年诺贝尔生理学或医学奖得主。她在 1970 年代末开始研究 mRNA 的治疗潜力。当时科学界的主流共识是：mRNA 太不稳定，免疫原性太强，不可能成药。
她的整个职业生涯都在和这个共识对抗。在宾夕法尼亚大学她被降职，从 tenure track 降到 adjunct。经费申请被拒了一遍又一遍。没有任何一个同行觉得这条路能走通。她后来在自传《Breaking Through》里回忆，有人当面告诉她"你的研究毫无价值"。
但她没有停下来。不是因为她知道会成功，相反她并不知道。她继续做的原因很简单：她相信 mRNA 的原理是对的，只是还没找到正确的技术路径。最终她和 Drew Weissman 发现了关键：用假尿苷修饰核苷酸可以绕过免疫识别，这个突破让 mRNA 疫苗成为可能，在新冠疫情中挽救了数百万人的生命。
从 1978 年到 2023 年拿诺贝尔奖，不是五年，不是十年，而是将近半个世纪。没有外部奖励信号，没有行业认可，连最基本的经费都没有。这种级别的坚持，靠的是什么？
不是"毅力"这种空泛的品质。靠的是一个人对一个问题持续 40 年的"不甘心"，我偏不信这条路走不通。
现在想想 AI。要模拟这种坚持，你需要什么？你需要在没有任何正面训练信号的 40 年里持续认为"这个方向是对的"。而 LLM 的输出概率分布，会在第一个 10 年的"缺乏正面数据"之后就把这个方向的概率压到接近于零。
AI 不需要面对 Karikó 面对的问题：全世界都告诉你你是错的，你还要不要继续？但这个问题的答案，定义了所有真正重要的创新。
自驱力，然后呢？
自驱力不是鸡汤。不是说"你要有热情"你就自然能创新了。自驱力的实际价值在于：它决定了你在哪个层面上和 AI 协作。
如果你停留在"AI 帮我实现需求"的层面，那么你的价值也只是翻译：把产品需求翻译成 prompt。这个活，产品经理也能干。
但如果你从自驱力出发，那么你自己就是那个"对什么东西不舒服"的人，你和 AI 的关系也就反过来了。不是 AI 帮你做东西，是你用 AI 来加速你已经在做的东西。
如上一篇讲过的 Hunter Bown，音乐家出身，凭一句"想在终端里和 AI 对话"的念头，用 AI 辅助做出了 DeepSeek-TUI，GitHub 近 5000 star，他的出发点纯粹是：我自己需要这个东西。
另一个更早的例子：2009 年，意大利程序员 Salvatore Sanfilippo（网名 antirez）在做一个实时网页分析系统。现有的 MySQL 太慢，他试着用内存数据结构来缓存页面，发现效果出奇地好。于是他在一个周末把那段代码抽出来，起了个名字叫 Redis（REmote DIctionary Server）。第一条 commit 在 GitHub 上可查，Hacker News 上的首发帖标题是"Redis, a fast key-value store"。那时候没人让他造一个数据库，MySQL、PostgreSQL 活得好好的。他只是被自己的实际需求逼到了墙角：现有工具不对路，那就自己造一个。
Redis 后来成为了全球最流行的内存数据库之一，改变了整整一代人对"数据库应该怎么存数据"的认知。它的起点不是一个商业计划，是一个人对现状的直接不满，是"这个东西不够快，我得想个别的办法"。
更妙的是 2026 年 5 月 7 日，antirez 又干了一次。DeepSeek V4 Flash 发布后，现有的推理引擎跑不出他想要的性能，他索性自己写了一个，那就是ds4，1500 行 C 代码，专为 DeepSeek V4 Flash 量身定制的推理引擎，理念就一句：“One Model, One Engine”。项目上线 48 小时即获 2600+ star，一键接入 Claude Code 等编程 Agent。Redis 是 2009 年，ds4 是 2026 年，整整17 年过去了，同一个人，同一种模式：没有人让他干这件事，他只是对"跑得不够快"不爽。自驱力不是一次性的灵光，它是一种持久的人格配置，跨域、跨时代、跨技术栈反复验证。
DHH 创建 Rails 之前，也只是 Basecamp 里一个被复杂 Java 框架搞烦了的程序员。他不是想"发明一个框架"，他是想"让 web 开发少写点配置"。Rails 最初的 commit message 平淡无奇，但改变了整整一代 web 开发的范式：不是因为他想改变世界，是因为他自己先被现在的做法烦透了。
这些人的路径是一样的：自驱力引发第一个问题，持续深钻产生洞察，洞察导致范式级创新。 他们可能不是"最有创造力的人"，但他们肯定是"最有自驱力的人"。创造只是自驱力推到底之后的副产品。
你的护城河
回到一开始的问题：AI 时代，人还剩什么？
答案不在"做什么"，在"为什么做"和"什么值得做"。
AI 能在已有知识的分布里给你最优解，但它不能告诉你哪个问题值得花 40 年。它能把组合式创新做到极致，但它不能对现有范式感到"不对头"。它能替代一个执行者，但替代不了一个对现状不爽、偏要试试另一种做法的人。
十年后，程序员这个职业不会消失，但"程序员"这个词的含义会变。它不再意味着"能写代码的人"，因为所有人都能写了。它意味着"知道自己想造什么、为什么值得造、并且愿意为此负责的人"。
自驱力是你最值钱的资产。不是你的 GitHub streak，不是你的 LeetCode 刷题量，不是你用了几种语言。是你有没有一个让你凌晨两点睡不着的问题。
因为 AI 不会问第一个问题。
而第一个问题，决定了后面的所有答案。
你最近一次对什么东西感到"这不对，应该有更好的方式"是什么时候？如果你有一个让你不爽的问题，AI 是全世界最便宜的加速器。如果你还没有问第一个问题，那才是真正该焦虑的事。
本文是「AI杂谈」系列之二。上一篇：也谈谈 AI 编程 —— AI 的三大局限与三条行动建议。下一篇：AI 能做事，不能扛事 —— 价值判断、信任与意义，AI 碰不到的存在层。