第三章结尾说，数字世界的进化机器有一个生锈的零件：变异——产生新候选——被锁死在人的手速和脑速上。这一章我们凑近看看，这个零件到底卡得多死，以及一个更费解的问题：程序员是世界上最爱给自己造工具的人群，四十年来他们造了编译器、框架、低代码平台、搜索引擎，怎么就没能把自己从瓶颈上换下来？
瓶颈有多死：算一笔账
一个中等复杂度的 App 功能——比如「给电商加个优惠券系统」——从想清楚到上线，传统流程是：产品想几天，设计画几天，工程师写几周，测试跑几天。其中「写代码」这一步，一个熟练工程师一天的净产出大约是几十到一百行真正能用的代码。注意单位：行/天。而他的电脑一秒钟能执行几十亿条指令。人和机器之间隔着大约九个数量级——这就是那个生锈零件的转速。
内容行业同样。一篇像样的行业分析，查资料、想结构、写、改，以天计；一张商业插画，以天计；一份合同初稿，以小时计。所有「把脑子里的想法变成世界能用的东西」的环节，计量单位都是人的小时和天。复制和选择早已进入毫秒时代，变异还停留在农耕时代的节拍。
四十年的工具，为什么都差一层窗户纸
不是没努力过。回顾一下程序员给自己造的工具史，会发现它们都在做同一件事：让人写得更省劲，但每一个字仍要人来决定。
- 高级语言和框架：把「操作内存」抽象成「描述意图」，一行顶过去一百行。但那一行写什么，还是得人想。
- 搜索引擎和 Stack Overflow：把全世界的现成答案搬到指尖。但搜什么关键词、抄哪段、怎么改到能用，还是得人判断。
- 低代码平台：拖拖拽拽拼出标准应用。但只要需求超出模板一点点，立马回到「得有人写代码」。
这些工具都在压缩「写」的体力，却没有触碰「想」的脑力。它们默认了一件当时不得不默认的事：技能——大白话讲，「知道在这个情况下该怎么做」的那份判断——只能从人脑里出来。机器可以帮你执行判断，但判断本身是人的专利。
大白话：过去的工具全是「更好的笔」。笔再好，也得有人握着它知道该写什么。瓶颈从来不是写字慢，是「知道写什么」这件事没法外包给机器。
为什么这一层窗户纸这么难捅破
因为「给出像样答案」这件事，长期以来无法写成规则。你没法给电脑列一张清单，告诉它「什么算一段好代码」「什么算一张好看的图」「什么算一句得体的话」——这里面的知识是模糊的、海量的、依赖具体情境的。这就是著名的痛点：人类自己会做却说不清怎么做的那些事（认脸、骑车、写通顺的句子），恰恰最难编程。规则写不出来，传统软件就进不来，这个环节就只能继续靠人。
所以过去四十年，数字世界的真实图景是：一台发动机（复制）和一套变速箱（选择）都是顶级的跑车，油箱却要人来一滴一滴加。全世界的风投、加班、996，本质上都是在往这个油箱里人肉加注。
然后，有人找到了一种不写成规则、也能让机器学会「给出像样答案」的方法。这不是又一次「笔的改良」，而是第一次对瓶颈本身的替换。下一章我们从一个更老的规律讲起——历史上的每次革命，压扁的到底是哪一种成本——然后就能精确说出，AI 压扁的是什么。