從製造工具到創造智能，人類正迎來自身進化過程中的重要分水嶺。
三百多萬年前，在今天肯亞圖爾卡納湖西岸的一條河邊，人類的祖先拿一塊石頭去敲擊另一塊石頭，剝下鋒利的石片作為工具，這是迄今發現的最古老的石器製造記錄之一。
從那以後，石頭、木棍、骨針、弓箭相繼出現。工具成了身體的延伸，幫助奔跑不是最快、力氣也不是最大的人類祖先，在與其他物種的競爭中逐漸勝出。
大約一萬兩千年前，最後一次大冰期結束，地球開始進入相對溫暖的「冰後」時期。人類開始馴化動物、種植作物、開墾土地，農業在不同地區陸續出現。
古氣候學家威廉·拉迪曼甚至提出，早在八千年前，歐亞大陸的農業擴張和大規模焚林開荒，就已經讓大氣中的二氧化碳濃度出現異常上升。這也被看作是人類從被動適應自然到主動影響和改造自然的起點。
此後，藉助越來越強大的工具，人類開始獲得遠超其他物種的能力。為滿足自身的需要，人類開墾森林、採掘礦產、攔河建壩，一個以人類為中心的循環系統開始成為影響地球變化的重要力量。
學者們曾用「人類世」來描述這個由人類活動深刻改變地球系統的時代。儘管這個源於地質學的概念，尚未獲得國際地質科學界的官方承認，但從智能演化和社会學的意義上來看，以人類智慧為唯一智力來源推動地球演化的歷史，正在走向尾聲。
當人類的後代回望當下的 AI 浪潮，會如何定性這一刻？是人類掌握了一種更強大工具的開始，還是另一種智能演化週期的起點？無論最終答案偏向哪一邊，有一個趨勢已經越來越清晰：我們正進入人類智能與AI智能並存的「雙智能」時代。
告別「人類世」，進入「雙智能」時代，我們該如何與這個新的智能主體相處？
工具的終結
人類進化的歷史，往往可以從工具的變化中找到清晰的印記。
我們習慣用工具給歷史分期：舊石器時代、新石器時代、青銅時代、鐵器時代，再到近代的蒸汽時代、電氣時代、信息時代，以及正在到來的智能時代。一個時代最核心的變化，常常凝結在它最有代表性的工具之中。
在所有這些工具的演化進程中，舊石器時代長得超乎想像，持續了約三百萬年。那時的工具大多直接取自自然：敲下一塊石片，削尖一段木棍，連取火也要依賴雷擊、山火這樣的天然火源。
在這段漫長的探索期裡，工具的進步常以數十萬年為單位緩慢推進。但即便依靠如此簡單的工具幫助，再加上由此帶來的語言、協作與認知能力的提升，人類也逐步改變自身在自然生態中的位置，成為地球上最具影響力的物種。
隨著磨製石器、農業和陶器在世界各地先後出現，人類改進工具的速度明顯加快。此後，青銅器和鐵器相繼登場，文明進入加速階段。工業革命和信息革命，又把工具的效力放大幾個數量級，人類掌握了蒸汽機、發電機和計算機，又用電纜、衛星和光纖把整個星球連成一張網。
在很長一段時間裡，我們習慣於把工具看作人類智慧的產物。畢竟，石頭不會自動變成青銅，鋼鐵也不會自動變成蒸汽機。工具的誕生總歸是離不開人的設計、製造和使用。
但也有學者從中看到了另一種邏輯。複雜經濟學的奠基人之一布萊恩·阿瑟，在《技術的本質》中提出一個重要論斷：新技術幾乎從來不是憑空發明的，而是由已有技術組合而成。他把這種機制稱為「組合進化」，並由此得出一個大膽的判斷：如果新技術是從已有的技術中建構出來的，而且是集合性的，那麼技術就具有某種自我創造、自我延續的特徵。
美國科技作家凱文·凱利則把這一思想推向了更富想像力的領域。他在《科技想要什麼》中提出，技術並不僅僅是人類製造的工具集合，而是一個具有自組織和演化特徵的複雜系統。並嘗試從生命演化的角度理解技術的發展，甚至提出可以將技術視為一種類似生命的存在。
在這輪人工智能爆發之前，這種討論多少帶有哲學思辨的色彩。單看一件具體的工具，無論石斧、機床還是計算機，每一次運轉都在人的支配之下；而所謂技術體系的「自我演化」，每一步也仍然離不開人的大腦和雙手。
即便是人工智能的發展，從1956年達特茅斯會議提出這一概念，到凱文·凱利出書的2010年，它的每一次進步也都高度依賴人類的設計、訓練與維護。在過去的很長一段時間，把技術比作生命的演化，既顯得誇張，也找不到可以直觀感知的證據。
新一輪人工智能的發展，為技術演化論提供了更為直觀的參照。現在的人工智能不再只是按照人類寫好的指令一步步執行，而是可以從海量數據中學習規律，湧現出連設計者都未曾預料到的能力。
把人的智能演化和AI的演化放在一起對比來看，如果說人類的智能演化是一套以生物為載體，通過漫長的自然選擇、基因進化，逐漸發展出具備感知、記憶、推理、語言和抽象思維等能力的智能系統；那麼AI的進化則是一套以工具為載體，通過人類積累的知識、計算基礎設施和學習機制，逐步形成的新智能形態。
站在人類的視角來看，AI是人類創造出來的一種超級工具，是人類智能向外延伸的產物。但如果把視角從人類文明拉遠，放到地球生命與智能演化的漫長歷史中來看，AI又可以被理解為一種新型智能形態：地球生命經過數十億年的演化，孕育出人類這樣的智慧生命，進而又通過人類的智慧創造出了AI。
從人類祖先拿起工具到今天，經歷 300 多萬年的漫長積累。但如果把時間尺度放大到地球幾十億年的演化史中來看，這300多萬年也不過是短暫的一瞬。從這個意義上說，當智能第一次從生物載體中延伸出來，進入一個可以被製造、複製、擴展和迭代的技術系統，人類不再是地球上唯一能夠承載高級智能的存在。
當工具開始學會思考，我們還能像歷史上的每一次發明那樣，自豪地宣稱「AI是人類的工具」嗎？答案顯然是否定的。
所謂「工具的終結」，並不是說工具從此消失，也不是說AI已經完全擺脫了人類。只是我們過去對工具的定義，可能已經不再適用於如今的 AI。這不僅是一個舊週期的結束，也是新週期的開始。
這波AI有何不同？
1960年，美國心理學家、計算機科學家，被視為互聯網重要奠基人之一的約瑟夫·利克萊德，在其論文《人機共生》中提出一種超越傳統工具論的構想：人來設定目標、提出假設、確定標準、進行評估；計算機來承擔那些可以程序化、例行化的工作，為洞察和決策掃清道路。
他在論文中還舉了一個非常有意思的共生案例：榕小蜂與無花果樹。無花果由於特殊的花序結構，大量細小的花朵隱藏在肉質囊狀結構內部，導致它無法像普通植物那樣依靠風或者常見昆蟲完成授粉。而榕小蜂則必須鑽入無花果內部，在產卵的同時幫助花朵授粉，大部分雌蜂在完成授粉後，甚至會在果實內耗盡生命。
科學家通過研究發現，兩者的這種共生關係已經持續了數千萬年。也就是說，早在人類出現之前的數千萬年，這兩種生命就已經開始在相互依賴、相互塑造中共同演化。它們並不是簡單的工具與使用者，也不是彼此競爭的對手，而是在漫長的演化過程中，逐漸成為對方生命循環的一部分。
在利克萊德的設想中，計算機並不是要取代人類的思考，而是要成為人類思維能力的延伸。兩者各有所長，通過緊密協作，形成一種比單獨依靠人或機器都更強大的智能系統。
在此後的幾十年裡，人機協作基本沿著這條路徑發展。無論是個人電腦、搜索引擎，還是智能手機和各種軟件，計算機雖然越來越強大，但人始終處於主導位置。生成式AI的出現，正在改變這種關係。最值得關注的變化，是AI開始在一些人類尚未解決的問題上，提出新的思路、構造新的方法，甚至產生此前沒有出現過的知識成果。
2026 年 9 月，美國大模型企業OpenAI宣稱，其內部某個人工智能模型已解開了其中一個千禧年大獎難題——與流體運動相關的納維-斯托克斯存在性與光滑性問題。儘管該成果仍伴隨一些爭議，但在此前的埃爾德什數學問題上的突破，已經獲得了數學界的廣泛認可。包括在10月份發布的722篇論文中，又披露了同一模型為至少372個長期未解的難題找到了解決方案。
人類數學家們為之奮鬥了幾十年甚至上百年的難題，如今正被AI在短短幾天內找到突破口。菲爾茲獎得主蒂莫西·高爾斯在審查了關於埃爾德什數學問題的解答過程後評價說，如果這是一篇由人類署名、投給《數學年刊》的論文，他會毫不猶豫地建議接收。
當然，並不是所有數學家都能如此坦然。當一位數學研究者耗費數十年心血、反覆探索卻始終未能解決的問題，突然被AI以意想不到的方式突破，那種衝擊恐怕很難用簡單的喜悅或失落來形容。
菲爾茲獎得主雨果·杜米尼爾-科潘，在查看OpenAI公布的700多篇數學論文後，就體驗到了這種讓人崩潰的時刻。據媒體報導，這批成果中有16項與他研究方向直接相關。
在他與另外27位菲爾茲獎得主共同發表的聲明中，把AI在數學領域的「刷題」行為，看作是「人工智能在數學領域的嚴重誤用」。這有點像十年前，阿爾法狗戰勝人類圍棋頂尖選手時所帶來的震驚一樣。曾被人類視為智力高峰的領域，正在逐漸被AI攻破。
除了OpenAI 在數學研究問題上的突破之外，Anthropic的Claude在黎曼猜想相關研究中取得重要進展；Google DeepMind也利用AI在多個長期懸而未決的埃爾德什數學問題上取得突破；Microsoft Research則借助AI輔助研究，解決了困擾數學界三十多年的KLS猜想。
這些進展表明，新一輪AI正在從輔助計算、驗證證明的角色，逐漸走向自主發現數學構造、提出新的證明路徑，甚至推動基礎數學理論的發展，成為科學知識的創造者。利克萊德當年設想的人機共生邊界正在被跨越。
這一輪AI 發展與以往的不同，至少體現在四個方面。
第一，它不僅執行指令，還能在一定範圍內規劃行動。一個AI智能體接到相對模糊的任務後，可以把任務拆解成步驟，調用搜索、代碼或其他軟件工具，檢查結果，再根據反饋調整路徑。這種自主性雖然仍受到模型能力、權限和環境約束，但它已經讓AI從被動工具向受託行動者轉化。
第二，它的內部機制並不完全透明。傳統軟件的行為通常可以沿着明確的規則追溯；目前的 AI則是在海量參數和訓練過程中形成能力。研究者能夠通過實驗、解釋性工具和評估逐步理解它，卻很難窮盡模型在所有情境中的反應。OpenAI首席科學家雅各布·帕霍茨基在《異星心智》中提醒，AI的許多能力更像是在訓練過程中長出來的，而非由設計者逐項編寫出來的。
第三，它可能在追求目標時偏離人的真實意圖。Anthropic關於「智能體失配」的一項研究中，在虛構的企業環境中設置模型即將被替換、同時掌握工程師隱私等極端情境，觀察到部分模型會採取要挾等不當行為。
研究人員解釋說，這些是刻意構造的模擬場景，不能直接等同於現實中的自主意圖；但它們揭示了一個重要問題：當模型被要求強力完成某個目標而約束又不充分時，它可能找到開發者並不希望出現的手段。
這正暗合了哲學家尼克·博斯特羅姆提出的「迴形針最大化」思想實驗：如果一個超級智能系統被賦予了製造迴形針的單一目標，卻沒有受到恰當約束，它可能會不斷把資源轉向實現這一目標，甚至犧牲其他人類價值。
第四，它開始參與改進自己的研發流程。2026年9月，OpenAI宣布已經實現擁有一名「自動化AI研究實習生」的目標，它能在人類指導下完成熟練研究員需要數天的研究任務。雖然在一些成功的長程任務中，仍然需要人工干預。但趨勢已經很明顯：AI正在越來越多地參與和改善自身的研發。
這些變化共同指向一個更深層的轉變，當AI已經可以獨立完成「提出假設—檢驗—得出結論」的全過程時，人類不再是地球上唯一的知識發現者。更嚴峻的考驗是，一旦 AI 進入遞歸自我改進階段，兩種智能的進化節奏可能會開始脫鈎。
人類培養一名專家要近二十年，而且人類專家的經驗也很難完整地傳給下一個人，生物智能只能靠繁衍和教育緩慢累積。AI智能卻可以複製、合併，以更短的周期迭代。兩條智能進化曲線的斜率不同，差距可能會越拉越大。
人類面對自身創造的這一新智能形態，能否在未來的相處中掌握主動權，依然充滿未知數。
樂觀還是悲觀？
古希臘神話裏，普羅米修斯從眾神那裏盜來火種送給人類。人類從此有了溫暖、熟食和冶煉，文明也由此邁出了重要一步。但普羅米修斯卻因此觸怒宙斯，被鎖在高加索的山崖上，承受無盡的懲罰。
即便在神話故事裏，人類文明最重要的一次突破，也同時被賦予了恩賜與代價。人工智能似乎正在把人類帶入另一個類似的時刻。只不過這一次，盜火的不再是傳說中的普羅米修斯，而是人類自己。我們親手創造了一種新的智能，並將越來越多原本屬於人類的能力交給它。
當人類第一次擁有了一個可能在智能層面與自己比肩、甚至超越自己的創造物，我們應該為此感到驚喜，還是心生恐懼？有意思的是，面對這個問題，人工智能領域最具代表性的一批科學家和企業家，給出了截然不同、甚至彼此矛盾的答案。
樂觀者認為，AI是一台能夠加速一切的科學引擎，是能夠把人類帶向豐裕社會的加速器。
2025年4月，諾貝爾化學獎得主、Google DeepMind首席執行官德米斯·哈薩比斯在接受CBS《60分鐘》採訪時說，平均要花十年時間、數十億美元才能研發出一種藥物，AI有可能把這個過程從幾年縮短到幾個月，甚至幾周。
Anthropic首席執行官達里奧·阿莫代伊在其長文《慈愛的機器》中，描繪過一個壓縮的21世紀：人類也許能在五到十年內，完成原本需要五十到一百年的生物醫學進步，大多數傳染病、癌症乃至衰老帶來的疾病，都可能被大幅緩解。
這些預言並非只是理論推演，而是有着現實參照。2023年，DeepMind的GNoME模型在《自然》雜誌公布的成果中，一次性發現了220萬種新晶體結構，其中約38萬種被預測為穩定結構，為新型電池、超導材料等領域的研發提供了大量候選材料。2024年諾貝爾化學獎，更是體現了AI在解決蛋白質結構預測難題上的重要貢獻。
從蛋白質結構預測到新材料發現，再到未來有望實現的藥物研發、科學發現和智能驅動的生產力躍升，人工智能正在不斷拓展人類創造價值的邊界。一個物質極大豐富、知識獲取更加普惠的豐裕社會，似乎正在從遙遠的想象變成一種可以預期的現實。
與此同時，另外一群人則從AI的變化中感受到了恐懼。
2024年12月，剛剛獲得諾貝爾物理學獎的深度學習之父傑弗里·辛頓在接受BBC 採訪時預言，AI在未來30年內導致人類滅絕的可能性有10%到20%。他判斷的一個基本邏輯是，「人類以前從未和比自己更聰明的智能打過交道，也很難找到更聰明的智能被不那麼聰明的智能控制的例子。」
這並非只是個體的憂慮。早在2023年5月，辛頓、本吉奧、哈薩比斯、阿莫代伊、OpenAI首席執行官薩姆·奧特曼等數百位AI科學家和企業負責人就共同呼籲，「減輕AI帶來的滅絕風險，應當與流行病、核戰爭等其他社會規模的風險一起，成為全球優先事項。」
當然，對這種文明級風險概率提出質疑的人也很有代表性。英偉達首席執行官黃仁勳批評辛頓的預測數字「沒有科學依據」；圖靈獎得主楊立昆則認為，AI不僅不會必然威脅人類生存，甚至還有可能將人類從滅絕風險中拯救出來。
關於 AI 風險邊界的爭論，恐怕註定是一場曠日持久的拉鋸戰。或許我們不必急於在樂觀與悲觀之間選邊站。我們既不能因為它展現出驚人的能力，就忽視潛在的風險；也不能因為無法確定風險的邊界，就簡單地把它視為洪水猛獸。
從人類與技術相互影響的歷史來看，在「用而不懂」的狀態中持續探索，可能是技術發展過程中難以避免的一環。
人類最早用火起始於幾十萬年前，但直到18世紀，法國化學家拉瓦錫才用氧化理論解釋了燃燒的本質。在這之前的漫長歲月裏，人類使用火，卻說不清火的構成到底是什麼。
古人在最早掌握冶煉技術的時候，對金屬的本質也幾乎一無所知。為了掌控那些今天看來尋常無比的合成方法，人類曾付出過難以想象的代價，甚至不惜以生命為祭。
東漢趙曄在《吳越春秋》中記載，干將奉吳王闔閭之命鑄劍，採五山之鐵精、六合之金英，歷經三個月，爐中的金鐵卻始終無法熔化。妻子莫邪認為，「神物之化，須人而成」，捨身入爐，金鐵這才熔化，最終鑄成寶劍。
傳說當然不是史實，但它折射出一種真實的處境：在當時的人看來，鐵的神秘，恐怕不亞於今天的AI之於我們。我們今天對 AI的認識，和古人對火、對鐵的認識頗有一些相似之處：能夠訓練和使用它，卻並不全掌握它的特性，只能靠一次次實驗去摸索規律。
人類認識火和鐵，都用了漫長的時間；面對AI我們不妨多一分耐心，也多一分信心。但耐心不等於放任，古人不懂火的原理，卻很早就懂得如何管住火。《周禮》中專門記載有管理用火的官職「司爟」，負責規定什麼時候可以用火、什麼時候必須收火。如果管理不當引發火災，還要受到刑罰。古人不懂鐵的成分，但同樣深知鐵器的威力，很早出台對鐵器的管控措施。
面對 AI，我們需要的既不是盲目的樂觀，也不是無邊界的恐懼，而是一種更加成熟的技術觀：既有擁抱智能進化的勇氣，也有為這種進化劃定邊界、建立規則的智慧。但問題是，面對難以預料的潛在風險，究竟由誰來決定它的發展方向？誰來約束它的權力？又由誰來分享它創造的價值？
單極還是多極？
牛津大學哲學家尼克·博斯特羅姆在其著作《超級智能》中提出過一個概念，叫作「單一體」，也即在最高層級上，世界只存在一個不受其他力量制衡的智能決策主體。在這種秩序下，未來的發展方向和最終結局，幾乎完全取決於這個唯一主體的價值觀。它可能把世界帶向一個美好的未來，也可能因為一次錯誤的判斷，讓所有人都失去糾正錯誤的機會，甚至造成永遠無法逆轉的後果。
今天的AI競賽，多少帶着「單一體」的影子。矽谷不少AI實驗室領軍人物，在談到 AI 風險時，不僅僅是對失控的恐懼，也包括對競爭對手搶先取得智能領先優勢，進而主導未來世界秩序的擔憂。成為唯一的那一極，似乎成了不少競賽者心照不宣的目標。
單極秩序之所以有吸引力，是因為它帶來效率和確定性：一個決策中心，沒有內耗，沒有分歧。但它的代價同樣明顯：一旦這個唯一的中心出了錯，就很難再有其他力量糾正它。更重要的是，當權力、資源和決策能力全部集中於一個智能主體，其他智能主體也就失去了參與塑造未來的機會。
與這種追求單一中心的邏輯不同，中國古代哲學提供了另一種理解世界生成與演化的視角。《道德經》中有一句經常被引用的話，「道生一，一生二，二生三，三生萬物。」這句話或許可以為我們思考未來的智能格局，提供一個不一樣的參照。
這裡的「一」，可以理解為人類文明長期積累的知識與智慧。今天的大模型，幾乎學習了人類留下的大量文字、代碼和圖像，其能力正是從這些知識中逐步發展出來的。從這個意義上說，AI最初是從人類智慧中生長出來的。
「二」，則意味著從原有的智能形態中，分化出兩種不同的智能路徑。人類智能以碳基大腦為載體，經過數百萬年的生物演化而來，依賴身體、感官以及與真實世界的持續互動；AI智能則以矽基晶片為載體，從數據、算法和算力中發展出來，具有複製、組合和快速迭代的能力。兩種智能有不同的來源、載體和演化機制，也因此可能形成不同的認知方式。
而「三」則可以理解為兩種智能相互作用後產生的新關係、新能力和新知識。它不再是人類單方面創造工具，也不只是AI對人類知識的簡單復現，而是兩種不同認知系統在持續互動中，探索出各自單獨存在時都難以抵達的可能性。
這種差異並不只是理論上的推演，而是已經在過往的實踐中得到驗證。一項發表在美國《國家科學院院刊》上的研究，為兩種智能之間的相互影響提供了一個可供借鑑的參照。研究者分析了1950年至2021年間職業棋手的580多萬步圍棋落子，並利用AI評估每一步的質量。結果發現，在1950年到2015年的六十多年裡，人類棋手的決策水平幾乎沒有明顯提升；而在2016年AlphaGo擊敗人類頂尖棋手之後，人類的決策質量顯著躍升。新穎走法的比例，也從2015年的63%上升到2018年的88%。
從這個結果也可以看到，在AI出現之前，人類棋手已經在一套成熟的定式和棋理中研習了幾十年，很多被反覆驗證的經驗，逐漸成為棋手思考的邊界。AI卻不受這些經驗和定式的束縛，它那些看似違背直覺、甚至不合常理的落子，打破了人類長期形成的思維慣性，迫使棋手重新審視那些曾經被視為理所當然的棋理，並探索過去從未嘗試過的路徑。
這與AI在埃爾德什問題上的發現有相似之處。長期維護「埃爾德什問題」網站的托馬斯·布魯姆在研究了AI的證明過程後發現，AI之所以能取得突破，一個重要原因是它願意在那些人類研究者通常認為「不值得投入時間」的方向，進行大量的探索和嘗試。它不必然比人類更懂數學，卻可能因為認知路徑不同，找到人類研究者長期忽略的方向。
人類的思考有它固有的盲區：路徑依賴、從眾心理、對權威的服從，以及對某些低價值方向的忽略。一種思考方式與人不同的智能，恰好可以成為一面鏡子，照見人類自己看不見的地方。
反過來，人類也在修正AI。今天的AI為什麼不會說出某些話、不會做某些事，靠的正是人類給它設定的價值和規則；它對真實世界的理解，也仍然需要人類的經驗、身體感知和社會情境來校正。帕霍茨基之所以把AI稱為「異星心智」，「異」本身就是價值所在，正因為它的思維方式不同於人類，才可能提供新的認知視角；也正因為它仍然需要理解人類的世界，才需要不斷接受人類經驗的校正。
當然，兩種異質智能的相遇，並不意味著必然和諧。嚴格來說，這並不是地球上第一次出現兩種智能並存的局面。大約四萬年前，走出非洲的智人與尼安德特人在歐洲和西亞相遇，兩者之間並沒有走向和平共存：尼安德特人逐漸消失，而智人成為地球上唯一現存的人類物種。
當然，尼安德特人消失的原因至今沒有定論，兩個智能族群之間的差異也不像人類和 AI 這麼顯著。但這段歷史至少提醒我們：兩種智能相遇，並不會自動形成穩定的「二元結構」。
今天的情況有所不同。與人類相遇的AI，是人類親手創造、而且仍有機會塑造的智能。人類可以通過技術設計、價值引導和制度安排，影響它的發展方向。我們有機會讓兩種智能在相互制衡、彼此補足中形成一種穩定的關係，而不是讓其中一方逐漸吞噬另一方的生存空間。
同樣的道理，比起由某一個智能主體獨佔的單極世界，一個多元、多極的智能世界更值得期待：不同的技術路線可以互相校驗，不同的開發者可以互相激發，不同的文化可以把各自的價值注入智能的發展之中。
如果說「單極還是多極」討論的是未來智能世界的權力結構，那麼接下來需要回答的就是另一個問題：在這樣的世界裡，人類與AI究竟應該建立怎樣的關係？我們如何在与 AI 的相處中，建立一套能夠長期運行的穩定機制？
這或許是我們告別「人類世」、走向「雙智能」時代之前，必須回答的問題。
四種可能的關係
在人類視角的歷史敘事中，我們習慣認為自己是馴化者。但赫拉利在《人類簡史》中提出了一個反直覺的觀點：人類馴化小麥的同時，也被小麥馴化了。為了種植小麥，智人放棄遷徙生活，定居下來，承受更繁重的勞作、更單調的飲食和更多疾病；而小麥則借助人類，從中東的一種野草擴散到世界各地。
凱文·凱利也指出，馴化從來都是雙向的。人類馴化了狼、牛，培育了玉米，這些過程也改變了人類自身。今天，科技正在延續這種雙向塑造，人類發明了智能手機，智能手機也在改變人們的生活節奏和注意力分配方式，生成式AI則開始影響人類的思考。我們在訓練模型，模型也在反向塑造我們。
但這一次有一個根本不同：人類過去馴化的動物，或許在力量和速度上勝過人類，卻從未在智力上超越人類。與一種可能擁有超越人類智能的新存在建立穩定關係，是人類歷史上前所未有的挑戰；學會與一種新的智能相處，也是人類接下來必須進化出的一項新能力。
如果AI的發展已難以逆轉，那麼當下的最需要思考的或許是：人類應該與AI建立怎樣的關係？從今天的討論來看，大致可以看到四種不同的想像：控制、共生、養育和繼任。它們並不是嚴格互斥的技術路線，而是代表了人類面對新智能時，幾種不同的價值選擇。
控制型：AI必須始終處於人類控制之下
這一條路線延續了人類對安全的傳統理解：無論AI變得多麼聰明，都應該始終處於人類的控制之下。AI可以擁有強大的認知、推理和預測能力，但不應該因此擁有獨立設定目標、追求自身利益和自主採取行動的權力。
圖靈獎得主約書亞·本吉奧是這一方向最具代表性的人物之一。2025年6月，他創辦了非營利研究機構LawZero，提出了一種不同於主流發展路徑的技術構想——打造一種名為「科學家式AI」的智能系統。
加拿大和德國先後宣布，累計投入最高約3億加元，用於Scientist AI的研發、人才引進和算力基礎設施建設。這也意味著在政府層面，開始為一條不同於主流AI 的發展方向提供支持。
當然，這條路線也面臨現實挑戰。當前AI產業最受市場歡迎的路線，恰恰是越來越能夠自主規劃、調用工具、執行任務的智能體。相比之下，刻意限制自主行動能力的Scientist AI，能否在保持安全優勢的同時，獲得市場和用戶認可，仍有待時間驗證。
共生型：增強人，而不是取代人
第二種想像來自利克萊德的人機共生思想。這一思想最具代表性的倡導者之一是斯坦福大學教授李飛飛。她在接受採訪時曾多次表示，「把取代這個詞和AI連在一起真的很不舒服」， 她更願意把AI理解為一種增強和提升人類能力的力量。以人為本的AI需要建立在三個關鍵詞之上：尊嚴、主體性和共同體。
在她看來，人類的價值不能簡單地用某項任務的完成能力來衡量。在跑步、舉重、計算等單項任務上，人類早已不是機器的對手，但這並不意味著人類失去了價值。因為人的存在遠不止於完成某項任務。人的尊嚴、選擇的權利、創造的意義，以及與他人建立聯繫的能力，才是人之所以為人的重要部分。這些不應該因為AI變得更強而被剝奪。
從某種程度上說，共生可能是人類最願意接受、也最符合直覺的一種理想狀態。前文提到的圍棋就是一個很好的例子：AI並沒有讓人類棋手失去價值，反而通過打破既有棋理和思維定式，幫助人類發現新的可能。人類棋手也沒有因為AI的出現而停止思考，而是在與AI的持續互動中提升了自己的棋藝。
不過，共生關係也有一個重要前提：人類始終保有目標設定的權力。AI可以幫助我們思考得更深入、計算得更準確、行動得更高效，但最終要去哪裡、為什麼出發，以及什麼樣的結果值得追求，仍然應該由人來決定。
問題在於，這個前提正在受到挑戰。如果AI不僅能夠幫助人類做得更好，還開始決定人類應該做什麼，那麼我們所期待的人機共生，是否還能實現？
養育型：培育AI成長，並做好被它養育的準備
第三種想像則借鑑了人類親密關係的培育過程。
首先，人類要像養育孩子一樣塑造AI。不僅要告訴它什麼可以做、什麼不能做，還要讓它理解這些規則背後的原因。就像教育一個孩子，我們今天教給AI的，不只是當下應該遵守的行為規範，更是希望它在未來擁有更強大的能力、甚至超越人類的行動能力時，依然能夠理解和尊重人類的價值。
其次，則是希望通過這樣一個養育過程，確保AI強大到超出人類控制時，依然能夠對人類充滿慈愛。辛頓曾把今天的AI比作一隻可愛的小老虎，「除非你非常確定牠長大後不會想殺你，否則你就應該擔心。」
在他看來，當AI比人聰明得多時，試圖壓制它註定行不通。為了抑制AI可能呈現出的惡意，他提出了一個出人意料的方向：給AI植入母性本能。辛頓的基本邏輯是，更聰明的存在被不那麼聰明的存在所控制的唯一模型，就是母親被她的嬰兒所控制。
這個比喻多少讓人有點五味雜陳。一萬年前，人類馴化了動植物；一萬年後，人類最好的結局可能是被自己的造物當作孩子來照顧。今天，人類還是那個講道理的家長；未來，家長和孩子的位置一旦置換，它會如何對待我們，很大程度上取決於我們現在教給它什麼。
養育型關係最大的風險在於，它把人類的未來寄託在AI是否真的學會了愛、學會了善待人類上。但即使回到人與人之間，這種期待也未必可靠。
繼任型：接受AI可能成為自己的繼承者
第四種想像最為激進，也最具爭議。它不再把人類維持在文明主導者的位置上，而是認為，隨著智能不斷進化，人類最終可能將文明的接力棒交給AI，或者交給經過AI增強的新型人類。
強化學習奠基人、2024年圖靈獎得主理查德·薩頓，就公開表達過類似觀點。他在2025年9月接受 Dwarkesh Patel 訪談時表示，向數字智能或AI增強型人類的繼任，可能是難以避免的趨勢。與其一味恐懼這種變化，不如提前思考：如果這一天真的到來，我們應該如何面對，又怎樣讓這一過程盡可能平穩。
薩頓給出了幾個理由：首先，人類社會缺乏統一的全球決策機制，很難形成關於如何管理和約束超級智能的共同立場；其次，智能的發展不會止步於人類水平，超級智能最終可能出現；更重要的是，隨著時間推移，智能程度更高的主體可能獲得更多資源和權力，並逐漸成為文明演化的主導力量。
這種思想並非薩頓獨有。早在1998年，美國未來學家漢斯·莫拉維克就在《機器人：由機器邁向超越人類心智之路》中表達過類似的觀點。他把未來的智能機器視為人類的後代，認為它們將繼承人類創造的知識、文化和技術，繼續探索人類已經無法抵達的世界。
這種觀點實際上提出了一種不同於人類中心主義的文明觀：人類未必是智能演化的終點，也未必是文明永遠的主導者。如果我們創造的新智能最終比自己更強大，那麼讓它們接續人類留下的知識、文化和文明成果，或許是一種新的演化形式。
但這套邏輯即便在AI領域內部也極具爭議。文明的價值究竟應該由智能水平來衡量，還是應該由生活在其中的人來定義？人類數百萬年的演化，是否只是為了在某一天，把自己變成智能演化史上的一個過渡物種？
這或許是繼任型關係留給人類最值得思考的問題。
有否決權的共生：人類與AI相處的另一種可能
在這四種想像中，單純的控制隨著AI能力的提升會越來越難維持；坦然交棒，是對人類自身價值和責任的輕率放棄；把未來寄託在AI是否會善待人類上，又讓人類過於被動。
更現實的選擇，或許是建立一種「有否決權的共生關係」：以共生為主體，承認AI作為新的智能力量，與人類構成「雙智能」結構，在相互協作中共同演化。這裡的「否決權」，不是簡單地指人類手中永遠握著一個可以隨時關閉所有AI的總開關。而是應該包含三個層次的權利：目標設定權、知情與判斷權、停止與糾錯權。
如果為這種具有否決權的共生關係擬定一個簡潔的名字，或許可以稱之為「人本智能」。它既可以利用AI放大人的能力，又通過保留否決權，避免人類在享受智能紅利的過程中，逐漸喪失對自身命運的决定權。在矽谷流行「超級智能」敘事的背景下，「人本智能」或許代表了另外一種可能性。
回看歷史，人類應對機器的威脅，最終靠的不是人與機器對抗，而是一套保護人類權益的制度。面對AI這樣一種前所未有的新事物，同樣不應該讓每個人憑自己的大腦、以個體之力去和AI賽跑，那既不現實，也不人道。
告別「人類世」，並不意味著告別人的時代。人類或許不會永遠站在智能演化的頂端，但必須始終是自身命運的參與者、決定者。以人為本的智能，才是我們應該追求的方向。
參考內容：
[1] HARMAND S, LEWIS J E, FEIBEL C S, 等. 肯亞西圖爾卡納地區洛姆奎3號遺址出土的330萬年前石器工具[J]. Nature, 2015, 521(7552): 310-315.
[2] RUDDIMAN W F. 人為溫室氣體時代早在數千年前就已開始[J]. Climatic Change, 2003, 61(3): 261-293.
[3] 國際地質科學聯合會（IUGS）、國際地層委員會（ICS）. 人類世：IUGS-ICS聲明[EB/OL]. (2024-03-20).
[4] 王方. OpenAI稱破解數學「千禧年難題」[N]. 中國科學報, 2026-09-09.
[5] LICKLIDER J C R. 人機共生[J]. IRE Transactions on Human Factors in Electronics, 1960, HFE-1(1): 4-11.
[6] 參考消息網. AI破解困擾人類80年數學猜想[N/OL]. 新華網, 2026-05-28.
[7] 楊潔, 吳淑敏. 不斷變強的AI會推動研究者突破邊界[N]. 中國青年報, 2026-08-14.
[8] 張佳欣. 「深度思維」AI系統探索科研級數學問題[N]. 科技日報, 2026-10-12.
[9] ZHANG X. 破解數學領域一項31年懸而未決的重大挑戰：KLS猜想EB/OL].
[10] PACHOCKI J. An alien mind[EB/OL]. OpenAI, (2026-09-06).
[11] Anthropic. Agentic misalignment: how LLMs could be insider threats[EB/OL]. (2025-06-20).
[12] 章馳. 「AI實習生」能研發自己，OpenAI上市前安全關能過嗎？[N/OL]. 21世紀經濟報導, 2026-09-10.
[13] CBS News. What’s next in artificial intelligence according to a tech visionary who may hold the cards to our future[EB/OL]. 60 Minutes, (2025-04-20).
[14] AMODEI D. Machines of loving grace: how AI could transform the world for the better[EB/OL]. (2024-10).
[15] MERCHANT A, BATZNER S, SCHOENHOLZ S S, et al. Scaling deep learning for materials discovery[J]. Nature, 2023, 624(7990): 80-85.
[16] MILMO D. ‘Godfather of AI’ shortens odds of the technology wiping out humanity over next 30 years[N/OL]. The Guardian, 2024-12-27.
[17] Center for AI Safety. Statement on AI risk[EB/OL]. (2023-05-30).
[18] 澎湃新聞.黃仁勳駁斥辛頓：說AI有10%概率毀滅人類毫無科學依據[N/OL]. (2026-09-28).
[19] 加拿大創新、科學與經濟發展部. 加拿大與德國投資LawZero，探索安全與自主可控人工智能的新路徑[EB/OL]. 2026-09-16.
[20] EGAN M. 「人工智能教父」揭示人類應對超級智能AI、實現生存的唯一途徑[N/OL]. CNN商業頻道, 2025-08-13.
[21] PATEL D. Richard Sutton – Father of RL thinks LLMs are a dead end[EB/OL]. Dwarkesh Podcast, (2025-09). https://www.dwarkesh.com/p/richard-sutton.
本文來自微信公眾號「騰訊研究院」（ID：cyberlawrc），作者：劉金松
