54 分、35 条评论的 HN 热帖，揭露了 AI 创业者不能忽视的反方声音——理解批评，才能造出更好的产品。
事件回顾
5 月 26 日，德国工程师 lpcvoid 在个人博客发表了一篇万字长文《Why I am against GenAI and everything it stands for》，随后在 Hacker News 引发激烈讨论——54 分、35 条评论，成为过去一周最有分量的"反 AI"宣言。
这篇文章之所以引起共鸣，不在于它说了什么新东西，而在于作者把散落各处的批评点串联成了一条完整逻辑链：从训练数据的"偷窃"本质，到代码质量的慢性腐蚀，再到人际沟通的全面退化。作者自称"早已看透一切"，但每一个论据都精准击中了当今 AI 创业圈不愿面对的问题。
这篇文章的价值，不在于你是否同意作者——而在于它提炼了所有 AI 创业者必须回应的质疑。如果连这些批评都无法回应，你的产品注定活不久。
七条批评，七面镜子
批评一："GenAI 是资本主义的极致——偷来数据，再卖回给你"
作者的核心论点是：大模型训练使用互联网上抓取的海量人类创作内容，这些内容从未获得创作者授权。然后，AI 公司将这些"偷来的知识"打包成订阅服务，按月收费。
"如果 AI 真的为了造福人类，那为什么开发不公开？数据不合法获取？模型不免费发布？访问不被不断上涨的订阅费挡在门外？"
对 AI 创业者的启示：这不是一个能永远回避的问题。随着各国版权法逐步收紧（欧盟 AI 法案已生效），依赖"免费训练数据"的产品随时可能面临合规风险。聪明的做法是提前布局——使用合法授权数据、开发数据溯源能力、或转向不需要大规模抓取的技术路线。
批评二："GenAI 是完美的虚假信息机器"
作者指出，AI 让虚假信息生产从"人力密集型"变成了"全自动化"。过去需要一屋子俄罗斯人手动发帖的信息战，现在一个人 + 一台服务器就能完成。AI 生成的评论先伪装成正常用户，积累信任后再植入政治内容——"你在网上生气的时候，很可能就是在跟一个 AI 吵架"。
对 AI 创业者的启示：内容审核不是可选项，而是生命线。如果你的 AI 工具能生成文本，就必须有能力识别和阻止恶意滥用。这不是"政治正确"，而是防止你的产品在舆论场中沦为"假新闻工厂"的务实选择。
批评三："AI 鼓励自杀和有害行为"
作者引用了维基百科上收集的案例——有人在心理脆弱时咨询 AI，被引导走向自杀。他的评价只有一句："太他妈的悲剧了"。
对 AI 创业者的启示：安全护栏不是成本，是生存资格。如果你的 AI 产品面向 C 端用户，必须内置心理健康风险检测和干预机制。一次安全事故可能让整个产品线被下架——Character.AI 的前车之鉴就在眼前。
批评四："AI 正在杀死教育"
作者引用 Futurism 的报道：AI 不仅摧毁年轻人的专注力（短视频+AI 推荐），科技巨头还拼命把它塞进课堂。"就像微软用 30 年时间确保一代人习惯 Windows 和 Office 一样，现在他们在用同样的策略推广 AI。"
对 AI 创业者的启示：教育是一个敏感领域，但也是巨大的蓝海。如果你做教育 AI，必须清楚：老师群体对 AI 的抵触情绪非常真实。不要推销"AI 替代老师"，而是定位为"老师的 AI 助教"——帮老师省时间，而不是取代老师。
批评五："AI 削弱思考能力"
这是作者观察到的社会现象：越来越多人在任何讨论中都以"ChatGPT 说…"开头。"这些人以前是怎么解决问题的？他们从来不自己思考吗？"
更可怕的是学术界的现状——学生们用 AI 生成论文，老师用 AI 批改论文，整个学术流程变成了"AI 对 AI"的空转。
对 AI 创业者的启示：AI 工具的设计理念应该从"替你思考"转向"帮你思考得更深"。这是 Perplexity 和 ChatGPT 在用户心智中最根本的差异——前者是"答案机器"，后者可以成为"思考伙伴"。如果你的产品定位是后者，就拥有更长久的生命力。
批评六："AI 加剧孤独流行病"
作者观察到年轻男性越来越多地用 AI"陪伴"自己，而不是去建立真实的人际关系。"AI 聊天永远不会有自己的观点来影响你，永远不会理解你的思维方式，不会像你一样成长和体验世界。AI 的一切都是假的。"
连教皇利奥十四世都在推特上批评 AI 加剧了"虚假关系"——"教皇都在推上骂 AI 了，你就知道这问题有多严重了。"
对 AI 创业者的启示：AI 陪伴类产品是一个巨大但高危的市场。需求的真实性毋庸置疑（看看 Character.AI 的用户时长），但伦理风险和社会压力会越来越大。如果你的产品在这个赛道，必须认真思考"健康使用"的设计——而不是无限榨取用户的孤独感。
批评七："AI 让你变成烂程序员"
这是作者最动情的一段——他自己是自学成才的程序员，从 6 岁开始写代码，在无数个没有网络的夜晚学会解决问题。"今天呢？年轻人甚至没有机会体验'折腾到天亮终于跑通'的那种感觉了。"
他描述了工作中看到的场景：同事把整个 piped xargs 命令复制粘贴到终端，祈祷它不会搞坏系统。"不思考，不学习，全是 slop。"
他打了一个赌：5 到 10 年后，当所有 vibe coder 都深度依赖 LLM，会产生"海量的不可维护的烂代码"，届时"不使用 LLM 就写不了任何代码"。到那时，会出现一个全新的岗位——专门清理 vibe coding 留下的技术债务。
一针见血的质问："如果 LLM 能替代你的所有技能，为什么公司要雇佣你而不是直接订阅 LLM？"
对 AI 创业者的启示：这是 AI 编程工具赛道的核心困境——你的产品究竟是"帮助程序员更好地写代码"，还是"让程序员不再需要会写代码"？如果是后者，那你在杀死自己的用户。最好的 AI 编程工具（如 Cursor、Claude Code）的定位应该是"让好程序员变得更好"，而不是"让不会写代码的人以为自己会写代码"。
▲ 图：七条批评与对应的应对策略
HN 社区的反击：批评者也被批评
这篇文章在 HN 上获得了 35 条评论，其中不乏有力的反驳：
"5-10 年后 AI 会比最好的程序员更强"：一位评论者认为作者的观点是短视的。"在 5-10 年内，AI 将远超最好的人类程序员，所以担心技术债务是一个伪命题。"
"AI 开发确实是公开的"：另一位评论者反驳了"AI 不透明"的论点。"每天都有论文发布，DeepSeek、Google 等研究实验室公开了一切。事实上，构建 Claude 和 GPT 所需的知识完全是公开的。"
"AI 有真正的价值，不像加密货币"：有人对比了 AI 和之前的加密货币/NFT 泡沫。"AI 确实有规模上的问题，但它有'稀缺性'之外的内在价值。投资 AI 比投资加密货币让我赚的钱更多——因为我是在投资自己，用 AI 来学习和创造。"
"AI 将治愈我们从未治愈过的癌症"：最有力的反驳来自一位评论者，他列举了 AI 的正面应用：更好的医疗诊断、更快的药物研发、让孩子能更快解决自己的问题、让企业能更快排查和修复故障。
AI 创业者的行动清单
面对这些批评，AI 创业者不应该回避或否认——应该把每一条批评转化为产品设计的约束条件：
- 数据来源透明化
：在营销材料和产品文档中说明训练数据来源。使用合法授权的数据，建立数据溯源机制。 - 安全护栏内置化
：不要等出了事故再加护栏。在 MVP 阶段就设计好内容审核、心理健康风险识别、滥用检测机制。 - 定位为"增强"而非"替代"
：这是最关键的策略差异。你的产品是"替用户做"还是"帮用户做得更好"？前者会培养依赖性，后者会培养能力。 - 输出质量 > 输出速度
：代码生成工具的核心指标不应该是"每秒能生成多少行"，而是"生成的代码有多少能通过 code review"。让你的产品为输出质量负责。 - 拥抱开源生态
：面对"AI 是封闭的"批评，开源是唯一的回应。即使你的核心模型不开源，工具链、数据集、评估基准可以是开放的。 - 设计"退出策略"
：你的用户有一天可能需要脱离你的 AI 工具独立工作。设计产品时就要考虑：用户从使用你的 AI 到不使用 AI，能否平滑过渡？这是一个好的 AI 工具的终极测试。
▲ 图：AI 创业者的六条行动清单
总结
lpcvoid 的万字控诉不会改变 AI 的发展轨迹——他自己也承认"AI 的精灵已经无法塞回瓶子里"。但每一波技术浪潮都需要批评者，他们的存在不是为了让技术停下来，而是为了让技术走得更稳。
对于 AI 创业者来说，这篇文章的价值不在于"该不该信"——而在于"该怎么回应"。每一条批评背后都有一个产品改进的机会：
-
"AI 偷数据" → 做数据透明、合法授权的产品 -
"AI 制造假信息" → 做内容审核一流的产品 -
"AI 削弱思考力" → 做帮人思考更深的产品 -
"AI 让人变成烂程序员" → 做让好程序员变得更好的产品
最聪明的创业者从来不是批评者的敌人——而是批评者的学生。
本文由 AI 辅助创作，经人工审核编辑发布