2026年7月，芝加哥大学法学院干了件事：法学院一年级全部核心课程，禁用笔记本电脑、平板、手机。期末线下闭卷，断网，不许碰任何电子文件。

同一个法学院，2023年初就成立AI委员会，跟OpenAI签授权协议，建了AI实验室，一年级课程里塞了AI模块。它比绝大多数机构都懂AI。

懂了之后，它把设备禁了。

连续创业者Rick Manelius差不多同一时间在Substack写了一篇文章。AI把他效率提了十倍。会议间隙五分钟，给Claude派个活，火力全开，跳进下个会。攒了多年的"有朝一日"清单，好像全都能做了。

几个月后，他手头四十个概念验证项目，倦怠感从胃里往上翻。

“我用AI减少工作量，于是发明了无穷无尽的假装忙碌。”

他管这叫ALL THE THINGS!（啥都要！）。

还有一条线索。投资机构Citrini Research在2026年2月发了篇长文，假想自己站在2028年6月回望——一个AI把所有"摩擦"抹平后的世界经济，怎么碎的。

推演链条很直：AI编程工具几周复制一个中型SaaS核心功能 → 企业采购开始压价"自己建也行" → SaaS定价权塌了 → SaaS裁员，省的钱买更多AI → 被裁的白领少消费 → 依赖白领消费的企业收入下滑 → 裁员买AI保利润 → AI更便宜更好 → 循环。

一份来自2028的备忘录，一个创业者的倦怠，一所法学院的反科技决策。

三条线交在一个词上：摩擦（Friction）。

Citrini画的是宏观面：比价成本、品牌惯性、中介信息差、懒得取消订阅——AI把这些摩擦一层层剥掉，建在人类"嫌麻烦"之上的商业大厦，一座接一座塌。

Manelius撞上的是个人面：AI消掉创作摩擦，但人一天就那么多秒，精力和注意力——这块终极摩擦没变。你生产更多，更累了。

芝大法学院干的是反向操作：在AI让万事太顺滑的年代，往学习路径上刻意塞阻力。有些东西不用力，学不会。

摩擦税

Citrini备忘录里有一段对过去五十年美国经济的剖解：

“美国经济在人类局限上建了巨大租金提取层：事要时间，耐心会耗光，品牌熟悉替代审慎比较，多数人宁接烂价也不多点几下鼠标。数万亿企业价值靠这些局限活着。”

说白：很多公司护城河，就是用户嫌麻烦。

嫌麻烦不比价，平台有定价权。嫌麻烦不取消订阅，SaaS续费躺着进。嫌麻烦不换App，DoorDash靠首屏图标位置收租。嫌麻烦不重新投保，保险公司吃15-20%被动续保溢价。

AI代理（agentic AI）开始在后台替用户跑这一切——比价、退订、全网搜最优保单——"嫌麻烦"搭起来的模式，轮到系统性重估。

DoorDash。护城河不是技术壁垒，不是独家供应链。是"你饿，你懒，这App在你首屏"。AI代理没首屏。它同时查DoorDash、Uber Eats、餐厅自营、二十个新冒出来的替代品，每次选最低配送费和最快送达。

人不再"嫌麻烦"，习惯性忠诚就蒸发了。

Citrini自己开篇说："这是情景推演，不是预测。"但它把一条我们直觉知道、很少认真想的逻辑链讲干净了：大量商业利润本质是摩擦税。AI是一台巨型摩擦消除机。

ServiceNow 2026年数据：净新增年化合同增速从23%掉到14%，裁员15%，股价一天跌18%。ServiceNow卖的是座位。客户用AI裁15%白领，自然取消15%许可证。卖工作流自动化的公司，正被更好的工作流自动化颠覆。

它自救策略：裁员，钱投进颠覆自己的那个技术。

每个个体决策理性。集体结果灾难。

你以为的护城河，可能只是用户的懒惰。

最后1%

Rick Manelius那边是同一个故事的个人版本。

AI之前，你有一份"有朝一日"清单，五十个项目，“等有空”。心里清楚多数不会启动——时间有限，这道门槛讨厌，但逼你做选择、排优先级。

AI之后，门槛没了。

五分钟搭原型，十分钟出初稿。你开始做更多，同时做更多。Manelius那四十个POC，每个都是未闭合循环，要持续照看的新摊子。

“我本应用AI减少必须做的工作。”

减速带悖论：设减速带让车慢，路好走更多车抄近道，更堵。AI消掉工作摩擦，你接更多活。

Manelius引了Garry Tan一个比喻。日偏食和日全食。99%和100%差1%，四舍五入忽略不计？视觉上差一百倍。偏食像云遮暗天；全食，正午黑夜降临。

那些好东西——产品、书、电影——全付了最后1%的代价，才出100%体验。最后1%吃掉一半到九成时间。

AI搞定前面99%，快、好、省。那最后1%还得人来做：专注、判断、反复磨。

问题是，你还有没有耐心和判断力去死磕它。

把设备禁了

回到芝大。

法学院战略声明写了句话：“effortful and sustained engagement”——费力、持续的投入。AI最擅长帮你绕开的，正是这个。

他们不笼统禁AI。声明说，不反对课前用AI撸背景概念，或用AI生成练习题复习。反对的是替你扛那个"用力想"的过程。

三层设计：

不靠AI想。1L核心课禁用电子设备，苏格拉底式问答，闭卷无网。学生连法律推理都没学会，怎么判断AI生成的法律分析靠不靠谱？“学生对AI输出的判断力在最低谷”——先学会走路。

跟AI协作。法律研究与写作课，不靠AI打底，再用AI做研究、改草稿、备口头辩论。师生一起审写作，一起审AI使用过程——学会监督AI、批判AI输出。

逼自己面对人。高年级新增硬要求：实质性研究论文，加一场面对面口头答辩。教授面前没科技辅助，解释、捍卫自己的推理。

“一，测试学生在无技术依赖时对所写内容的真实思考。二，这能力本身值钱——我们训的是将被要求在法庭、谈判桌、客户面前实时解释和捍卫观点的人。”

教育者的活，不是禁AI，是设计AI代不了劳的学习方式。要认知投入、要面对面张力、要实时应对——这些才是护城河。事后润色不算。

什么摩擦该留，什么该扔？

该扔的：机械比价、重复信息检索、模板化文书、忘取消的订阅惯性、靠信息差吃的6%房产佣金。消掉，效率涨，价值不丢。

该留的：深度阅读——AI能帮你"读完"论文，你自己啃完，神经元才重新布线。口头实时辩论——AI帮你写漂亮论文，教授一追真懂假懂全暴露。长期打磨——AI让你一周出十篇，人记住的是那篇你磨了三周的。面对面信任——客户关系、谈判里微妙信号。策略判断——“这险该不该冒”，要判断力，不是信息量。

消掉前者，省时间。消掉后者，效率貌似涨，能力积累暗中缩水。

挑"这件事交不交给AI"的时候，问一件：

一年后，这能力还在我身上吗？

芝大最怕的就是学生拿AI交了作业，没学会法律推理。工作场景里，同一个问题。

Citrini备忘录收尾有意思。

整篇佯装在2028年6月回望，最后几段突然切回2026年2月——读者真正坐着的时空：

“你现在读到的不是2028年6月。你读的是2026年2月。标普还在历史高位。负反馈循环没开始。金丝雀还活着。”

矿工带金丝雀下井，鸟死了，有毒气，快跑。

趁摩擦还在，做选择。

你每天干的活，多少在攒那种"摩擦消失后还值钱"的能力？多少在生产下一版AI就能替代的产出？

芝大那个框架值得抄：不靠AI想 → 跟AI协作 → 批判AI输出。三层不能跳。没独立判断力的人，不是"用AI"，是被AI用。

Manelius结尾：

“这一切初衷：把繁重劳动卸掉，省出时间，专注要紧事，活得更像人。”

AI边界在扩张，但有一件事不会变——做选择的人得是你。

本文参考了以下原文：

1. Rick Manelius,“The New AI Superpowers: Focus and Followthrough”(Jul 26, 2026)
   https://www.rickmanelius.com/p/the-new-ai-superpowers-focus-and
2. University of Chicago Law School,“Rethinking Legal Education in the AI Era”(Jul 9, 2026)
   https://www.law.uchicago.edu/news/ai-strategy-statement
3. Citrini Research & Alap Shah,“THE 2028 GLOBAL INTELLIGENCE CRISIS”(Feb 23, 2026)
   https://www.citriniresearch.com/p/2028gic