一个叫 Doug MacDowell 的美国人，用尺子、墨水、铅笔、字母模板套件，花了 50 个小时，画了一张折线图。

你没看错。折线图。就是 Excel 一秒钟能生成的那种。

他邻居问他最近在做什么，他说"数据可视化"。邻居兴奋了,问是不是在搞算法、机器学习、云计算。他说不是，我只是在学画一条线。

我第一反应跟你一样,这人是不是有点毛病。

但多看了几眼之后，我觉得这事没那么简单。

我做技术博客六年，每天跟各种图表打交道。Tableau、Power BI、Python matplotlib、D3.js……工具一代换一代，核心追求从来只有一个字,快。

快到什么程度？现在不用写代码了。跟 AI 说一句"帮我画个折线图，X 轴是时间 Y 轴是温度"，三秒钟出来。配色还挺好看。

所有人都在往快的方向跑。Doug 偏偏反着来。

他不是不知道有 AI。他在文章里把 Power BI、Tableau、D3、Python、Illustrator、R 全划掉了。他清楚这些东西存在，然后他选择不用。

这事让我想起 1900 年的巴黎。

1900 年，巴黎世博会。一个叫 W.E.B. Du Bois 的美国社会学家（也是第一个拿到哈佛博士的非裔美国人），带了 60 多张手绘数据图去参展。

这些图不是装饰，是武器。

当时美国主流舆论认为黑人群体在社会上"天然落后"。Du Bois 想证明不是。他收集了大量的教育、收入、职业、人口数据，然后亲手画成图——用彩色墨水、几何构图、极度精确的比例。

这些图今天看依然震撼。不是因为数据本身，而是因为你能感受到一个人在每一条线、每一个色块里灌注的意志。

125 年后，AI 能在三秒钟生成一模一样的配色方案。但它生成不出 Du Bois 那 60 张图背后的那股劲。

这不是效率问题，是密度问题。

说到密度，有本书不得不提。Edward Tufte 的「The Visual Display of Quantitative Information」，数据可视化界的圣经。Tufte 用一辈子在讲一个观念,好的图表不是数据的包装，是数据的「显影」。

什么叫显影？一张好图让你看见数据里本来看不见的东西。这件事需要判断力——哪条信息该强调，哪条该隐去，留多少白。

这种判断力，目前 AI 做不到。AI 能做的是把所有数据全部展示出来。但数据可视化最核心的工作恰恰是做减法,决定不展示什么。

Doug 在手画折线图的过程中，每一步都在做这种决定。网格画多密？数据点用多大的圆？线的粗细怎么控制？标题放哪里、多大？

他用圆规模板来控制线宽——在每个数据点画一个圆，然后用直尺把相邻圆的外切边连起来。这不是什么高效率的做法，但线宽因此变得极度统一。这种统一感，Excel 和 matplotlib 反而做不到（它们的线宽是像素级的，不是物理级的）。

50 小时里，他做的全是这种「微判断」。每一个微判断都不可逆——墨水落在纸上就收不回来。

这让我想到另一个反直觉的现象。

我关注了不少程序员和设计师的社交媒体。最近半年有个明显趋势,大家开始晒「手写笔记」「手绘架构图」「手写代码注释」。

为什么？AI 把数字产出变成了零边际成本的商品。你用 Cursor 三分钟写的代码，别人也能三分钟写出来。你用 Midjourney 出的图，别人换个 prompt 也能出差不多的。

当「快」和「多」变成所有人都能做到的事，它就不再是竞争优势。它变成了基础设施。

这跟 19 世纪发生过的事一模一样。

1760 年代纺织机出现的时候，手工纺织被认为必死无疑。但到了 19 世纪后期，手工织品反而变成了奢侈品。因为机器把「便宜的布」变成了空气一样的存在，「贵的布」的定义就从「质量好」变成了「人做的」。

这就是杰文斯悖论的一个变体,技术让某种产出的成本趋近于零后，那种产出的「手工版本」反而会涨价。

AI 正在对信息产出做同样的事。

Doug 的那张咖啡机温度折线图，被 Hackaday 评价为"right out of a 1970’s college textbook"。这是夸，不是损。因为 1970 年代教科书里的手绘图有一种独特的权威感——你知道画这张图的人花了真实的时间去理解数据，而不只是把 CSV 丢进去跑了一下。

Willard Brinton 1914 年写了一本「Graphic Methods for Presenting Facts」。那是计算机出现前四十多年的事。整本书教人怎么用手画图表来呈现商业数据。

翻一下 archive.org 上的原版扫描件，你会发现 1914 年一张手绘的铁路运营数据图，比现在大多数 BI 仪表盘的信息密度都高。不是因为数据多，而是因为画图的人对「什么该放进来、什么该留白」做了 50 个小时的思考。

AI 能做到的是把所有数据画出来。人能做到的是决定哪些数据值得被看见。

当然了，我不是在鼓吹大家都回去手画图表。那太蠢了。

Doug 自己也说了,他做的是艺术。他不是在推翻 Tableau，他是在做一件 Tableau 做不了的事。

但这件事给我的启发是,当你的工具链已经快到极限的时候,「慢」不是退步，是另一条赛道。

把这个观察平移到程序员日常,你会发现类似的信号越来越多:

• 有人开始手写技术博客而不是让 AI 代写（然后被算法区别对待，因为手写文章的阅读完成率更高）
• 有人开始在 iPad 上手画系统架构图发朋友圈（获得的互动是截图分享 Excalidraw 的 5-10 倍）
• 有人开始录真人 live coding 视频而不是让 AI 加速（因为观众能感受到真实的思考过程）

这些人做的事都有一个共同特征,边际成本高，但信息密度也高。AI 做不了不是因为技术不够，是因为 AI 的设计目标就是降低边际成本——而这些事的价值恰恰来自边际成本本身。

回到 Doug 那张 50 小时的折线图。

他说他喜欢保留一些铅笔网格线的痕迹，作为"这是手工做的"的证据。

这个细节最打动我。在一个所有产出都可能是 AI 生成的时代，「瑕疵」变成了真实性的证明。完美反而可疑。

当快变成商品，慢就是奢侈品。

不是所有人都需要走这条路。但如果你正在焦虑"AI 能做我能做的一切"，也许值得想想,有没有什么事是你愿意花 50 小时去做，而 AI 只能花 3 秒？

那 47 小时 59 分 57 秒的差距，可能就是你的护城河。