产量能翻十倍，注意力一页没多

2026-11-03silcano

阅读方式：微信读书网页版，从第 1 章翻到第 15 章末，共 323 屏、7 分 13 秒。
结构：三部分十五章 —— 生成式 AI 的崛起（1–8）→ 认知争夺的转向（9–12）→ 行为传播学的构建（13–15）。

打开这本书之前，我以为又是一本"AI 如何改变内容行业"。读完发现不是。它是传播学的人在记录一件正在发生的事，用的是这个学科自己的工具——涵化理论、认知图式、媒介生态。

这个视角的差别在哪？技术书问"这个模型能做什么"，传播学问"多了一个这样的东西，人和人之间怎么变了"。

后者听着虚，但它给出的判断反而更硬。比如书里有一段，用一句话就把行业格局说清楚了——

"以 ChatGPT 为代表的生成式人工智能将推动传媒业从劳动密集型产业逐渐转变为技术密集型和资本密集型产业……'技术智能化'将成为传媒业未来发展的主旋律。"

这句话背后有一笔具体的账。书里写：GPT-3.5 在微软 Azure 的超算基础设施上训练，总算力消耗约 3640 PF-days。然后它给了一句很直白的结论——

"如此巨额的耗费必然将小型企业拒之门外。产业'寡头'凭借头部技术统辖被智能化技术释放出来的巨大传播生产力。"

这是我在这本书里读到的最锋利的一段。它没谈伦理、没谈失业，只谈了一道算术题：入场费涨到了多少。

一、"超级媒介"这个提法，比"工具"重得多

第 1、2 章反复把 ChatGPT 称作"超级媒介"。一开始我觉得是学术套话，读到涵化理论那一段才明白它的分量。

乔治·格伯纳（George Gerbner）当年提出的问题是：媒介在一个人的世界观被"内化"的过程中，究竟扮演什么角色。 这个问题厉害的地方在于，它不关心某一篇报道说了什么，只关心你看了三十年电视之后，对世界的默认假设变成了什么样。

书里把这个问题直接搬到了生成式 AI 头上：

"生成式人工智能作为具有全新交互方式和使用场景的媒介将如何影响受众，其瞬时、短期、中期、长期效果究竟如何？这是未来传播研究面临的重要问题。"

注意它分了四个时间尺度。这不是修辞，这是传播学做研究的标准切法。 瞬时效果看情绪，短期看态度，中期看行为，长期看世界观。

而生成式 AI 特殊在哪？电视是"给你看什么"，它是"替你想什么"。 前者影响你的素材，后者影响你的推理。这就是为什么书里说它是"媒介"，而不是"渠道"——渠道改变的是速度，媒介改变的是人。

二、提示工程师：一个岗位的三种解释

第五章里有一节讲"提示工程师诞生的必然性、偶然性、适应性"。这一节配了一张图，我认为是全书信息密度最高的一页。

它把"为什么会有这个岗位"拆成三个互不重叠的角度：

结构必然性——趋势必然性、涌现、自组织力量、外熵、技术泡沫化发展、紊乱与无序。
历史偶然性——行为主义、具身哲学、符号主义、联结主义、控制论……一条很长的思想线。
功能适应性——知识调用沟、B 端与 C 端的搜索能力沟。

三段里最有用的其实是第三段。"知识调用沟"这个说法，比"提示词技巧"精准得多。

它说的是：模型里的知识是公共的，但把它调出来这件事，是私人的能力。 同样一个模型，会问的人拿到一份能直接用的方案，不会问的人拿到一段正确的废话。差距不在模型，在调用。

这也顺带解释了一个我一直觉得奇怪的现象：为什么提示词技巧教程那么多，看完还是不会写。 因为那些教程教的是"句式"，而这道沟的本质是"你知不知道自己到底要什么"。说不清需求的人，换什么句式都说不清。

至于"历史偶然性"那一段，书里从行为主义一路数到控制论。坦白说这部分读起来像文献综述，但它至少说明一件事：这个岗位不是凭空发明的，它站在"人怎么把意图传达给机器"这条几十年的老路上。

三、认知带宽：产量能涨，注意力不涨

第二部分叫"AIGC 传播时代认知争夺的转向"。第十章的标题是"认知带宽：AIGC 传播时代用户洞察的新范畴"。

这个概念我认为是全书最有解释力的一个。内容产量可以指数增长，人的注意力是恒定的。

把这两件事放在一起，结论几乎是自动推出的：供给爆炸 + 需求恒定 = 竞争从"谁有内容"变成"谁抢得到那一秒"。

书里后面几章就在讲这个转向：认知竞争逻辑的重塑、传播转向与操作策略、体验时代的传播转型。它的判断是，传播的主战场已经从"信息触达"移到了"认知占位"。

这个判断对不对可以争，但它至少解释了一件正在发生的事：为什么现在做内容的人越来越像在做"第一印象"生意。 因为后面那些都不重要了——带宽就那么宽，进不去就出局。

四、认知的两个向度：时间和空间

书里讲认知争夺时，用了两个向度来切。我觉得这组切法比大多数"用户画像"有用。

时间向度讲的是"先入为主"。 信息抵达得越早，越容易成为解释后续一切的框架。书里把它落在"启动效应"上——先到的那条信息，会变成后面所有信息的默认解释器。

所以"抢首发"这件事，不是抢流量，是抢解释权。

空间向度讲的是"认知不在脑子里"。 书里引了认知科学的 4E 框架，拆成四个词：

具身的（embodied）——认知依赖身体，不只是大脑；
嵌入的（embedded）——认知嵌在社会语境里；
生成的（enacted）——认知在与环境的互动中生成；
延展的（extended）——认知可以延伸到身体之外的工具上。

最后这一条，恰好解释了手机和 AI 助手为什么"用久了就离不掉"。因为它们不是工具，是认知的外接硬盘。 你把记忆、判断、甚至"该问谁"这件事都外包出去了，收回来是要付代价的。

书里还引了 Andy Clark 的说法，把大脑称作"预测机器"（prediction machine）。这个比喻跟大模型是同构的——都是靠先验去补全残缺的输入。 有意思的是，一本书在讲传播，最后绕回了模型原理。

五、这本书的短板

第一，重复得厉害。 "生成式 AI 是超级媒介""认知争夺"这两个判断，在书里至少被完整重述了五六次。三部分十五章，如果压成八章，信息密度会高很多。

第二，实证少。 大量判断是"将如何""可能引发"，缺少数据支撑。它引 GPT-3.5 的算力数字是个例外，也是全书最有力的一段——恰恰因为它给了一个可核对的数。

第三，术语门槛。 涵化理论、认知图式、同化-顺应、4E 认知……没点传播学或心理学底子，前半本会读得很慢。它不是给技术人写的书，是给传播学者写的。

但有一点要说清楚：它的"隔"反而成了价值。 技术圈讲 AIGC，讲的都是能力边界；这本书讲的是权力边界——谁能进场、谁能被听见、谁的解释成为默认。

书末有一段的调子我很喜欢。它引福山的说法，说关于人工智能最大的迷思是"它们应该像人类一样拥有智力、想象力、创造力、道德感"，而这本身是一种人类中心主义导致的认知盲区。然后它写：

"我们既不能过分宣扬人工智能的神话，也不能过分悲哀人类被异化的未来……从技术决定论、社会建构论等二元对立的思想中超脱出来，探寻出一条居间性的道路。"

"居间性"这个词，是整本书的态度。 不站技术乐观，也不站技术悲观，站在中间看两边怎么互相塑造。

六、一句话收尾

产量可以翻十倍，注意力一页没多。
所以 AIGC 改变的不是内容供给，是"被看见"的难度。

如果只带走一个判断，我建议是这个：当生产内容的边际成本趋近于零，稀缺的东西就换成了"注意力"和"可信度"。 这两样，都买不到。

阅读记录：微信读书网页版逐页翻阅，323 屏 / 433 秒 / 3 部分 15 章，2026-11-03。
说明：本书目录中夹入了个别其他书的章节节点（抓取时相邻书籍所致），正文引用均取自已核对书名的页面。