loading...
本文不得不中英混杂来规避一些问题，何尝不是一种无奈的语言腐败。
在科技圈混久了，谁都绕不开摩尔定律。那句话耳熟能详：芯片上的晶体管每隔十八到二十四个月翻一倍，算力就跟着上一个台阶。别看这只是个经验公式，它其实塑造了过去五十年的世界。电脑越来越快，手机越来越聪明，AI 甚至能写文章，全是因为摩尔定律撑腰。
我有时候就想，社会是不是也有类似的规律？不是晶体管，而是我们人类自己。我们怎么组织、怎么做决定、怎么处理复杂的问题，这里面有没有一种「算力」在升级？我越想越觉得有——这个东西就是民主（Democracy）。
民主不是一堆空话，而是一个机制，一台机器。它能把千千万万人的信息和判断汇总起来，然后跑出一个结果。它慢，它吵，它乱，但它就是社会的「超级计算机」。
你可以这么想：一个人投票、发言、表达意见，就像 CPU 执行了一条指令。单个指令没什么，但几百万、几千万个合在一起，整个社会就完成了一次大型运算。
专制更像单机。所有决策集中在一个 CPU 上，反应很快，要修高速、搞工程，几个人点头就上马。表面效率高，但一旦这颗 CPU 死机，整个国家蓝屏。历史上我们已经看过太多这样的故事。
民主是分布式系统。它的节点多，延迟大，常常吵得不可开交，但系统不容易崩。某个地方坏了，别的地方还能顶上。社会越复杂，越需要这种分布式的架构。
举个新鲜的例子：PolyMarket。它是个预测市场平台，用户可以买「是」或「否」的股份来赌未来会不会发生某件事。比如「2025 年美国会不会陷入衰退」。股份的价格就是大家心里觉得发生概率的数字。新消息一出来，价格立刻动，市场在不断修正。
这就像一台小型的分布式计算机：不同人带着不同信息下注，最后市场价格就是一个合成的结果。它不完美，但常常比专家预测更靠谱。
2024 年美国大选期间 Polymarket 上特朗普、拜登、哈里斯三人的胜率走势，精确预测了结果
这就是「民主的算力」：不是靠几个天才拍脑袋，而是靠无数普通人不断输入、不断修正，合成出一个更贴近现实的判断。
有人会说：那为什么我们常常看到的民主社会一团乱麻？议会吵翻天，政府关门，选举打成狗咬狗，这哪像什么「超级计算机」？
其实这就像你第一次看分布式计算机的运行日志，满屏报错、延迟、冲突。外行看着乱七八糟，内行知道这是系统的常态。分布式的好处不是它没有问题，而是它能在有问题的情况下继续跑下去。
不过话要说回来，这台「民主计算机」确实有自己的瓶颈：
信息噪音：人人都能发声，假消息、垃圾言论也满天飞，信噪比下降。
极化：节点之间不交流，反而对着骂，算力被浪费在内耗上。
短期化：选举驱动下，大家都追眼前利益，长期问题没人愿意买单。
不对称：有人掌握的数据多，有人只看八卦新闻，输入质量差距大。
所以问题不在「民主没用」，而在「怎么把算力用好」。要提高质量，就得改善算法——比如事实核查更快、沟通渠道更顺、激励机制更合理。
现在关键的问题来了：AI 到底是帮民主算力加速，还是把它取代？
如果 AI 被用来帮大家过滤信息、预测政策后果、给出多角度的分析，那它就是民主的加速器。民主机器原本吵吵闹闹，现在有了个聪明的助手，能帮忙扫掉很多噪音。
但如果 AI 被少数人控制，那就危险了。它可能变成超级单机，把算力抽走，制造一个看似高效却没有纠错能力的新专制。
所以未来的关键不在 AI 能不能超越民主，而在我们能不能让 AI 成为民主的一部分。开源、透明、分权，让不同群体都能用到它，而不是只有某几个机构垄断。
说到底，民主的算力不是完美的，它慢、它乱、它经常让人失望。但它有个别人替代不了的特性：容错。它允许犯错、允许修正、允许多元共存。复杂世界里，容错比速度更重要。
谁能把更多人的判断有效汇合起来，谁就能走得更远。摩尔定律可能有极限，但民主的算力，只要人类社会还在变复杂，就永远有上升的空间。
全文配图｜Loop。这是一部由阿根廷导演 Pablo Polledri 执导的动画短片。它用抽象和重复的视觉语言来刻画一种机械化、人被制度化的社会：人们像齿轮一样运转，日复一日地重复相同的行为，直到被「爱」打破......
712
402
968
1051
546
207
293
143
249
537
