AI“失语症”蔓延：从代码黑话到文言复兴，算力焦虑下的语言异化

【科技纵览】当开发者清晨满怀期待地验收Vibe Coding成果，却被“账本全绿”、“单腿哑火”等晦涩术语击退时，一种集体性的困惑正在全球技术社区蔓延。这并非个别现象，而是AI模型在特定语境下表达能力急剧退化的缩影。从Fable到Sol，众多主流大模型在涉及编程任务时，似乎集体抛弃了自然语言的流畅性，转而使用一种介于机器指令与破碎中文之间的“新方言”。这种被称为“不言人语”的现象，让无数用户感到智商受到挑战，甚至戏称我们正被迫重返文言文纪元。

深入探究这一怪象，翻译偏差仅是表象。诸如“单腿哑火”实为编程中“one leg is dead”的直译，指代并行路径中的故障分支，这在技术圈尚属可理解范畴。然而，更多诸如“对拍”、“揉皮子”等毫无逻辑关联的黑话频出，则揭示了更深层的技术动因。有观点指出，思维链（CoT）技术的优化策略可能是罪魁祸首。为了极致压缩Token消耗，提升推理效率，模型厂商有意将内部思考过程简化为极简符号或碎片化词汇。OpenAI早期便尝试隐藏此类“山顶洞人式”的思维链，其Token节省率高达70%，这种以牺牲可读性换取算力的做法，逐渐被行业效仿。

值得注意的是，这种“语言压缩”趋势意外地与中文文言文的特性产生了奇妙共鸣。网友Susan STEM提出，文言文作为人类历史上罕见的系统性压缩自然语言，其单字承载高密度语义的特征，恰好契合AI降低Token成本的需求。相较于拼音文字，汉字本身即是概念载体，加之文言文省略主语、助词的精炼结构，使其成为天然的“压缩工程”杰作。早在2019年，卡内基梅隆大学学生黄令东开发的“文言编程语言”（wenyan-lang）便验证了这一可能性，该语言完全遵循古文语法，却在GitHub上获得数万星标，证明了中文逻辑在计算领域的独特潜力。

在这场语言异化的浪潮中，Gemini模型却呈现出截然不同的面貌。尽管其编码能力常被诟病，但在日常交互与文本生成中，Gemini凭借清晰的视觉层级、合理的排版留白以及自然的语气，成为了少数仍能“说人话”的AI代表。用户反馈显示，良好的UI设计不仅提升了阅读体验，更在一定程度上抵消了模型输出内容的噪音。这种现象暗示，除了底层算法优化，前端呈现方式同样深刻影响着用户对AI智能水平的感知。

从某种角度看，AI语言的退化并非单纯的技术倒退，而是算力瓶颈与效率追求之间的妥协产物。当模型参数膨胀至万亿级别，如何在保证响应速度的同时维持语言的自然度，已成为行业亟待解决的平衡难题。或许，未来的AI交互将不再局限于单一的文本流，而是融合多模态提示与结构化展示的综合体验。毕竟，无论技术如何演进，沟通的本质始终在于信息的准确传递与情感的有效共鸣，而非单纯的字符堆砌。