人工智慧本質上只是一種「次生智能」

郭文茗 北京大學教育學院教育技術系長聘副教授

9月份，世界人工智慧領域的Big Story是美國關於AI末世論的激烈爭吵。事件的主要脈絡見附錄一。

AI末日論這個「狼來了」的故事，已經講了好多年了。本以為故事效應會逐漸遞減，沒想到這一輪AI末日論在美國引起了這麼激烈的爭論，甚至涉及到AI下一步發展路徑的問題。

其實，AI末日論本質上只是一個用智能神秘性包裝的網路安全問題。每次「狼來了」，總是先有1-2位程序員或研究員神秘兮兮地表示，我看到了！說的好像前沿AI實驗室發生了靈異事件一樣，讓人毛骨悚然。但最後爆出的實際危害，不外乎網路攻擊、自迭代編程、隱私泄露，或者在對話框中輸出了幾句威脅毀滅人類的話等等。如果去掉智能這一層神秘外衣，這些事件本不足以引起世人產生AI滅絕人類的恐怖想象。

顯然，這個「狼來了」故事屢試不爽的法寶就是智能這層神秘的外衣。要破除AI末日論這個魔咒，就必須梳理清楚技術與智能的關係。

智能是一個複雜而又困難的研究課題，研究領域涉及心理學、哲學認識論、技術哲學、媒介環境學和教育技術學等多學科領域（研究現狀見附錄二），到現在為止，心理學和腦科學還不能完全解釋大腦認知的奧秘。

好在，關於技術與人類智能演變的歷史，已經梳理出清晰的脈絡，從中可以清晰地分辨人工智慧與人類智能的差別。相關證據主要來自哲學認識論、技術哲學、媒介環境學和教育技術學等學科。本文擇其要點，簡單概述技術與人類認知發展的邏輯關係，關鍵的歷史節點，從而釐清人工智慧的本質，探討人工智慧下一步發展的主要方向。

先說結論：

人類智能不是僅憑「赤裸裸的腦力」，而是一直依賴技術工具的輔助。

人類智能是一種「原生智能」。

人工智慧是一種「次生智能」。

人工智慧場景化應用有可能拋棄大語言模型底座，採用基於場景的、更精準的小數據集。

AI4S、AI4SS、AI4E等細分領域，有很大的發展空間。

人類智能並非僅憑赤裸裸的腦力，而是依賴技術工具才變得越來越強大

人工智慧耗費巨額資金和人力，試圖模仿、超越人類智能。那麼，人類智能一定是非常複雜，非常強大的？恰恰相反，單純依靠腦力的人類智能非常弱小。

1.單純依賴腦力的人類智能非常弱小

一個人生下來自帶眼耳鼻舌身等感知系統，可以通過看聽聞觸摸等觀察和感知周圍環境，獲

得對世界的第一手的經驗認知。然而，受到人的壽命時長和行走範圍的限制，這種直接的觀察和感知是非常有限的。終其一生，一個人對世界的認知也不會超過其生活的時間和空間範圍。

一個生下來，沒有學會說話、寫字和學習的人，其智力能達到什麼水平？

在拿破崙時代，法國人在原始叢林中發現了一個野孩子，帶回巴黎交給一個語言學家訓練。由於錯過了語言發展期，這個孩子終生沒有學會說話，智力也一直沒有得到發展。1970年，法國新浪潮導演弗朗索瓦·特呂弗執導和主演的電影《野孩子》展現了這個真實的事件。

所以，培根在《新工具》序言中寫道，人並非僅憑赤裸裸的（naked）腦力認知世界，而是依賴工具。培根身處印刷技術變革時期，或許是基於對不識字的人和能讀書的人的觀察，讓他認識到，僅憑「赤裸裸的腦力」，人所獲得的智能是非常有限的。

20世紀以來，人類學和媒介環境學的研究表明，培根所說的工具，指的就是口頭語言、文字、印刷機、廣播電視和計算機等這一類資訊傳播技術，在傳播學領域被稱為媒介技術。劍橋大學的人類學家傑克·古迪（Jack Goody）很早就把口語和文字稱為智力技術（Technology of the Intellects）。

2.智人第一次認知革命：口頭語言帶來的知識爆炸

人類智能的第一次認知革命出現在數萬年前口頭語言誕生的時候

具體的時間已經無法考證，現有的多種說法都是猜測。

技術與人類智能的第一次認知革命的關係是如此的簡單清晰，不難理解。

假定一個原始部落有ABC三個智人。在口語誕生前，智人A在狩獵採摘的時候，觀察到動物吃了植物1死了，於是，A知道「植物1」有毒。同理，B知道植物2有毒；C知道植物3有毒。但他們相互無法表達和分享。所以，A一早出去，很可能因為吃了植物2或植物3，就回不來了。當時，人的生活跟動物沒有太大的區別。

口語誕生以後，A、B、C用口語把自己的個人知識「說」出來，集中到一起，ABC都知道了植物1、植物2、植物3有毒，如圖一所示。於是，每個人關於有毒植物的知識得到了成倍的增長，爆發了第一次認知革命。英國技術哲學家卡爾·波普爾把這個依靠口語和記憶建立起來的集體知識空間稱為「客觀知識世界」。

圖1 口頭語言與智人的第一次認知革命

口語對人類智能發展產生了兩方面的革命性影響。第一，「客觀知識」大大降低了智人死亡的風險，改善了原始智人的生存狀況，讓人與動物的生活開始出現越來越顯著的差別。第二，從0到1，創建了屬於人類群體共有的「客觀知識世界」。與造物主創造的自然和人不同，這是完全由人類創造的「知識」空間。

自此，人類智能有了兩個來源：第一，個人依賴與生俱來的生物「傳感器」對周圍環境的直接感知。第二，通過「聽與說」（口語資訊傳播技術）從群體知識中獲得的智慧。用公式可以表達為：

人類智能 = 生物感知 + （基於口語的）客觀知識

3.技術的不斷創新，推動了人類智能的發展

在口頭語言之後，人類又發明了文字、印刷技術、電子媒介和數字媒介

由於每一種新媒介技術的性能總會超越上一代舊媒介技術，帶來更好的表征、記錄、匯集和傳播的特性，推動了「客觀知識世界」數量和質量的不斷發展，從而推動了人類智能不斷達到新的高度。

從人類生物進化的時間尺度來看，在6000年的時間裡，人類「赤裸裸的腦力」並沒有發生太大的突變，但依靠技術創建的「客觀知識世界」已經從口語誕生初期那幾條簡單的植物學知識，擴展成今天學科門類繁多、浩瀚璀璨的人類知識體系，推動人類智能出現了幾次明顯的躍遷式發展：

人類智能 = 生物感知+ （基於手抄書的）客觀知識

= 生物感知+ （基於印刷書的）客觀知識

= 生物感知+ （基於網路的）客觀知識

今天，一個文化人腦子裡對世界的認知大多數來自於閱讀，而不是親眼所見、親身觀察。這再次證明了培根的觀察，人並非僅憑赤裸裸的腦力認知世界……

人類智能的發展一直藉助於技術工具這個事實啟示我們：人類智能和人工智慧不是兩個對等的概念，人工智慧是對手抄羊皮書和印刷書圖書館的替代，將輔助人類智能出現新一輪「躍遷」式發展。人類智能和人工智慧屬於兩種不同的「智能」。

人類智能：一種「原生智能」

人類智能發展面臨的另一個挑戰是：所有的認知客體都是不說話的。

由於所有的認知客體都「不說話」，人類要表達、交流對世界的觀察，首先就必須藉助口語、文字等技術，為事物創造對應的符號表征。從蘇格拉底最早對事物下定義、柏拉圖的「觀念論」和亞里士多德的「範疇」，一直到20世紀維特根斯坦的語言哲學、海德格爾的「存在」等，都是在討論「（不說話的）事物-符號」這一對關係，這是哲學認識論的起點。日常生活中使用的樹、狗、車、植物等概念，都不是一個簡單概念，而是對應一類事物、一個範疇。

用語言、文字表征認知客體，相當於用語言、文字為「不說話」的自然物做標註（label）。這一層標註體現了人類對世界的第一層認知，參照「原生口語」的翻譯，可以稱之為「原生智能」（Primary Intelligence）。如圖2所示。

圖2 用語言為不說話的自然物做標註

由於每一種媒介技術的特性不同，標註使用的具體符號、準確性、複雜程度等也各不相同，影響了人類智能的發展水平。

在口語時代，人們用聲音為植物命名。統一的名稱為原始智人交換資訊，匯集知識奠定了基礎。

在古希臘進入書寫時代後，古希臘哲學家從無到有，創造了大量書面詞語和學術概念，很多概念一直沿用至今。知識工程中的實體、謂詞這兩個概念就是亞里士多德造出來的。

15世紀谷登堡印刷機發明以後，文字、數字、幾何圖形還有地圖、解剖圖等都可以大批量、精準印刷，極大地豐富了知識表征和傳播中的語言形態，不僅推動了現代科學技術的大發展，還為現代社會人類的大規模協作提供了精準的時間、空間刻度。

1.大地經緯坐標系

地球表面並不存在一條、一條的經線和緯線

隨著地圖印刷技術的發展和大航海時代全球航行的需要，人類創造了一組數字坐標，為地球上每一個點做了一個「標註」。有了這套「標註」系統，就可以在地圖上註明哪個地方有暗礁、哪個地方有礦藏。

帶有標準經、緯坐標的印刷地圖還為人類提供了一個知識生產的容器。世界各地的人按照一套統一的標準，測量本地的地理和地質狀況，然後，把數據裝進一個個對應的格子裡，形成了整全的世界地圖，創造了現代人才有的「世界觀念」。

2.全球同步計時網

時區和全體統一計時系統原本也是不存在的

世界各地的人通過觀察太陽、月亮的升起和降落，來確定各自的生活節律。日晷就是按照太陽的影子來計算時間。早期世界各地有著各自不同的計時系統，人們日出而作、日落而息。

19世紀火車發明以後，由於兩地（或多地）時間的不統一，世界上每年都要發生若干起火車相撞的惡性事故。建立一個絕對同步的、全球統一計時網，變成了一個迫在眉睫的事情。19世紀下半葉技術創新的熱點就是發明計時器。愛因斯坦在瑞士聯邦知識產權局工作的時候，審核的專利中很大一部分都在討論時間和計時問題。

全球統一計時網的建立，不僅解決了火車跨時區運行的問題，也為今天飛機、輪船、快遞等提供了一個精準同步的計時工具。現代生活中的各項事務無不依賴這個全球統一計時網。時間，也是人類為（不說話的）世界打上的一套「標註」。

3.近代科學的每一次突破，都伴隨著一套新的科學語言的誕生

伽利略說：科學的語言是數學

笛卡爾發明了坐標系，開普勒利用弟谷留下的天文觀測數據，用橢圓擬合和表達天體運行的軌跡。牛頓發明了微積分，用於表征和研究物體運動的規律。

1787年《化學命名法》的出版，是化學從中世紀鍊金術變成一門現代科學的標誌。化學家終於可以用化學元素、化學分子式和化學方程式這一套規範的「化學語言」來表征物質的構成，描述物質的變化，製造新的化合物。

1953年，英國科學家沃森和克里克基於女科學家富蘭克林拍攝的DNA晶體的X射線衍射照片，提出了雙螺旋結構和鹼基配對理論。之後，生物學家用A、T、G、C四種鹼基字母表示DNA序列，這是人類遺傳基因的表征語言。人類基因組由約30億個鹼基對構成，其數量已經超出了人的可讀範圍，無論從DNA序列中識別基因片段，還是進行基因序列的比對，都必須藉助生物資訊學工具。雙螺旋結構、ATGC鹼基字母、DNA序列、生物資訊學工具和Alphafold等蛋白質摺疊工具合在一起，構成了生物基因科學的研究範式。

以上案例表明，人類在認識世界的過程中，通過觀察、匯集、辯論、驗證等複雜的認知過程，創造語言，並用語言為「不說話」的自然對象做標註。維特根斯坦的話應該倒過來讀：人類認知到達哪裡，語言就創造到哪裡。

語言是人類智能獨特的創造，是人類智能的認知成果。進入數字時代之後，多模態語言變成了人工智慧的「輸入」原材料。與GenAI再生成的語言表征相比，人類智能具有第一性特徵，是一種原生智能（Primary Intelligence）。

GenAI：一種「次生智能」

人工技能技術的出現，與數字媒介技術的特性有著密不可分的關係。

建立在數字媒介技術基礎上的資訊傳播系統，使用了兩套表征符號。一套是在人機交互界面上顯示的文字、數字、音樂、圖、表格等多模態表意文字系統，這套符號是供人類閱讀和理解的。另一套是晶片上的數字電信號，也就是通常所說的01二進制符號（如圖3所示）。這套符號是供軟體程序調用和處理資訊使用的。

圖3 數字媒介環境下的兩套符號

怎樣把人類發明的多種模態的表意符號輸入給計算機，變成可以在晶片上用01二進制字符串表達的形式？

1.漢字的資訊化

個人電腦剛出現的時候，只能處理英文字母不能處理方塊漢字

英文字母數量少，用1個字節就可以表示1個字母。漢字不僅數量多，而且是方塊字，至少要用2個字節才能表示一個漢字（如圖4 左）。上世紀80年代，漢字資訊化曾經是中國資訊化發展的一大難題，當時有人提議，廢除方塊字改用漢語拼音。1987年，王選先生領銜的北大團隊成功研製出了方正漢卡和漢字激光照排系統後，漢字資訊化的問題才得到徹底解決。

圖4 漢字和圖形的數字化表達

2.地圖和照片的數字化

地理資訊系統推動了從印刷地圖到數字地圖的格式轉化

為了表征多維地理資訊，地圖學家提出了一系列地理資訊編碼模型，為數字導航系統、谷歌VR地圖系統、智能駕駛系統等提供了精準的數字定位資訊。

數碼相機、手機拍攝的技術基礎是圖片的數字化表達（如圖4 右）。這種數字化表征，為人臉識別的智能應用奠定了基礎。

以人臉識別為例，在交互屏幕上，人看到的是兩張臉；AI系統從晶片上調取的是兩個jpg格式的01二進制文件。通過對兩個01二進制文件的模式識別運算，AI就可以計算兩個文件的相似度，並按照一個特定的閾值，輸出「是」同一張臉或者「不是」同一張臉的結論。

語音識別也類似。在交互界面上，人的體驗是「說一句話，頻幕上出現對應的文字」，所以，AI聽懂了人話。在另一端，AI接收到的是一個MP3格式的01二進制符號文件；AI從中識別特定的聲音波形，然後在屏幕上輸出相應的漢字。

3.對語言、圖片的數據標註

文字、地圖、圖片的01二進制格式轉化，解決了輸入和輸出問題，但沒有解決語義層的表

征問題。

語義表征比較複雜。在自然語言中，語義既包括一句話里主語、謂詞、賓語等詞語之間的關係；也包含句子與句子之間的邏輯結構（例如三段論推理），還包括更複雜的段落結構，如教科書的章節結構等。知識圖譜、Palantir的本體論等都是從語義層面上，對內容、工作流等進行標註。

視覺圖片中也包含語義結構。對會談畫面中座次關係的分析，是政治學和社會學中經常使用的一種分析方法。在智能駕駛情景下，在一張攝像機抓取的街頭場景中，不同灰度、不同色彩的像素構成的物體中，有人、有車、有牆、有溝，需要用人工「拉框」的方式，標出不同形狀物體對應的真實對象。

GenAI採用的Transformer架構，本質上也是通過對天量語料的大規模統計分析，對詞語關係和一定語義關係的一種標註。這種標註無法完全表達自然語言中多層、豐富的語義關係，因而會出現幻覺。

綜上所述，人類智能是創造口語、文字、數字、圖標等多模態表征語言，去標註（Label）「不說話」的自然，這是第一層標註。GenAI是對人類創造的多模態語料做標註（Label），這是第二層標註。標註後的多模態語料輸入GenAI後，通過統計分析等處理後，再生成語言表征和計算機代碼等人工智慧應用，如圖5所示，因此，GenAI是一種寄生於人類智能基礎上的「次生智能」（Secondary Intelligence）。

圖5 兩層標註：人創造多模態語言標註自然，人工智慧標註人類多模態語言

4.不存在超越人類智能的、普適性的人工通用智能（AGI）

智能生產過程中的兩層標註，每一層都會發生資訊失真

首先，人類用語言對自然的「標註」是不完備的。大自然「從不說話」，人類對自然的認知和表達從來沒有得到自然的「回應」，包括那些人類信為真理的科學知識，也從未得到過自然的認可。即使最值得信賴的、經過實驗驗證的科學知識，跟自然的本質可能也存在差異。第二，對人類多模態語言表達的數字格式轉化、人工標註，都可能存在語義資訊的二次損失。

現在有一種觀點認為，利用具身智能的持續觀察、持續學習能力，是製造超越人類智能的人工通用智能的途徑。

這個方案可行嗎？No！

具身智能搭載的望遠鏡、顯微鏡、紅外線和超聲波等傳感器的觀察範圍可以超越人的眼睛和耳朵，但對觀察資訊的表征、分析和計算等，仍然使用的是人類創造的概念、統計單位和計算方法，將仍然受限於人類智能。

語言對世界「標註」的不完備性決定了人類知識是一個「不完備」系統。人類的通用智能（General Intelligence）就是保持對世界的好奇心，隨時準備面對不確定性，通過持續探索，來解決人類面臨的問題。

人類通用智能的這種動態性決定了不存在一種超越人類智能的人工通用智能（AGI），場景化應用是人工智慧下一步的主要發展方向。場景化應用一方面減低了問題的複雜度；另一方面要求極高的可信度和可靠性。從計算成本和回報率兩方面看，大語言模型都不是最合適的解決方案。

未來，人工智慧的場景化應用有可能拋棄大語言模型底座，而採用基於場景的、更精準的小數據集。

結語：真正的危險與真正的挑戰

原生智能和次生智能的分野，打破了美國前沿AI實驗室為資本運作而刻意營造的那一層神秘面紗。但是，人工智慧給人類生命和財產安全帶來的風險和危害是客觀存在的。

人工智慧比口傳、文字、印刷等傳統媒介更先進，具有更優良的技術性能，為知識表征、組織結構、傳播與利用等帶來了一系列新的可能性，必將給現有產業、社會分工合作體系、知識體系等帶來一系列衝擊、挑戰和變革。其中，既蘊藏着巨大的發展機遇，也隱藏着前所未有的風險。

1.當知識脫離紙張，裝進「晶片」後，就可以嵌入、組裝到各類工業產品和傳統的家用電器中，推動工業進入到4.0/5.0時代。AI與殺傷性武器的結合和動力設備的結合，對AI可信度提出了更高要求，是AI治理的重點領域。把AI和汽車、AI與無人機組裝到一起，提供了更便捷的服務

但是，一旦智能操控系統遭遇病毒攻擊，就可能出現茱莉亞·羅伯茨主演的電影《斷網假期》中那一幕無人駕駛汽車連續相撞的事件。如果系統被駭客惡意操控，撞向某一類特定目標，這些具有動力的汽車和微型飛機，就有可能變成一種危及人類生命和財產安全的破壞性武器。

AI在軍事領域的應用也是一個高利害的領域。以無人機為例，「微型機+攝影機+AI識別系統」組裝在一起，已經在軍事對抗中發揮了巨大的威力。目前，這種高利害的AI應用主要還是依託Palantir公司的本體論架構——一種可信AI架構，而不是GenAI。因此，Palantir的CEO亞歷克斯·卡普也是對這一波「AI末日論」提出了最嚴苛批評的人。在CNBC的專訪中，卡普都快要爆粗口了。

AI作為一種軟體技術，本身不會危及人類生命安全。但是，AI+殺傷性武器、AI+動力設備的組合，確實可能對人的生命安全造成傷害，這是一種真實存在的危險，也是AI治理的關鍵環節。

2.現代社會的運轉高度依賴金融、物流等大規模資訊系統

一旦系統遭遇駭客攻擊，就可能造成局部或者全局性的混亂，危害人類生命和財產安全。在口語誕生以後，當兩個單獨的個體通過交流和對話，建立了認知協作和勞動協作後，誕生

了最早的社會組織。隨著文字書寫、印刷技術和網路的發展，人類社會的規模逐漸從原始部落髮展到城邦、鬆散大帝國、現代國家，以及全球化時代。這種大規模協作嚴重依賴金融、物流等全球資訊傳播網路。一旦資訊系統遭遇駭客攻擊，就可能造成局部或全局性的混亂，危害人類生命和財產安全。

GenAI加劇了資訊系統的安全風險，這是一種真實存在的危險。

3.人工智慧下一步發展面臨的真正挑戰：清洗和重構人類知識體系人類一直藉助於技術認知世界，技術性能的優劣也一直影響着「客觀知識世界」的表征和處

理功能。與舊技術相比，新技術通常擁有更先進的性能。歷史上，每當新媒介技術出現的時候，都會對建立在「舊技術」基礎上的人類知識進行一輪重構。

口語時代留給人類的文化遺產是《荷馬史詩》《山海經》這類口傳的神話詩歌。

在口語-書寫的變革中，誕生了希臘哲學，出現了「詩與哲學之爭」。

在手抄-印刷的技術變革中，誕生了文藝復興、現代科學革命和啟蒙運動，出現了實證主義哲學對中世紀經院哲學的批判。

現在，數字媒介和人工智慧又將對建立在印刷技術基礎上的分科知識體系，帶來一輪改造和重構。

現在大學的分科體系是在印刷機發明以後，在400年的時間裡逐步形成的。16世紀以來，隱身於世界各個角落的手稿被紛紛挖掘出來，批量印刷；大航海的航船又把世界各地的宗教、科學、技術、植物、地理等知識帶回歐洲，匯集到印刷所里。縱向、橫向兩方面的知識積累，在歐洲產生了一次巨量的「知識爆炸」：從來沒有人見過這麼多書。「讀什麼」成了一個巨大的難題。

於是，有學者開始編寫圖書分類目錄——就像網路時代的Yahoo或者Google的導航系統一樣，在書海里為人導航。400年來，海量的圖書被分門別類地裝進了不同的分類目錄中，大學的圖書館也按照這樣分類目錄來編制書目。這套圖書分類目錄與大學專業之間存在著一種相輔相成的關係，體現了一個人的有限經驗與宏大的人類（集體）知識體系之間一種奇妙的互動關係。

大學分科體系從誕生的第一天起，就一直在遭受批判。矛盾是顯而易見的。在大學裡，一個人必須完成一個條塊的專業課程，才能拿到畢業文憑。但當他/她走上社會以後，遇到的就業、育兒、理財等所有人生問題都需要全科知識。

20世紀以來，這套分科體系已經遭到一系列批判。代表性的有胡塞爾的《歐洲科學的危機》、查爾斯·斯諾的《兩種文化》、約翰·霍根的《科學的終結》和1996年出現的「索卡爾惡搞事件」。

近年來，世界學術界普遍流行的績效考核制度和GenAI工具的誕生，使大量重複造「新詞」、「水」論文的現象進一步惡化。如果不加區分地、用昂貴的算力去統計、分析這些內含矛盾、衝突、重複的「知識」，真是一個巨大的浪費。

如何輔助人類，蕩滌糟粕、重構人類知識體系是人工智慧下一步發展的真正挑戰。與古希臘人、文藝復興人不同，現代人要處理的「舊知識」體量太大，體系太複雜了，必須藉助於AI工具的支持。在清理「舊知識」，創新知識體系方面，AI4S、AI4SS、AI4E等細分領域任重道遠。這是一個需要人類智能和人工智慧協同發揮作用的應用場景，是人工智慧下一步發展面臨的真正挑戰！

這個依靠AI工具重建的用詞準確、語義結構清晰的知識網路，將是支持人類智能社會運轉的技術基礎設施和知識基礎設施。

4.在基礎和通識教育領域，應當適度控制人工智慧的應用

有兩方面原因

第一，人不是與生俱來就擁有高階智慧的。嬰兒需要接受語言、文字、數學、科學的教育，才能成長為一個擁有高階智慧的人。AI的智能來自「訓練」，嬰兒也同樣需要接受訓練。第二，人類智能的訓練語料是用口語、文字、數字、方程式、分子式等表意符號表示的，人只有掌握了這些表意符號，才能操作AI，理解AI生成的內容。

因此，針對特定人群、在特定的教育場景下，禁止使用AI是一種負責任的措施，而不是一種落後的行為。

附錄一：2026年9月「AI末日論」事件的脈絡

2026年9月8日：Jacob Coxon宣布從Anthropic辭職，在社交平台發布警告，稱前沿AI公司競相研發超級智能是在賭博，推文瀏覽量超1.7億次。同日，Anthropic「對齊」負責人Evan Hubinger響應說，團隊真的相信AI可能殺死所有人，個人判斷十年內機率超10%。

2026年9月12日：Anthropic的CEO達里奧·阿莫迪發表長文《We Must Pace the Frontier》，明確提出必須放慢AI模型的發展速度。伊隆·馬斯克和薩姆·奧爾特曼立即響應，三巨頭罕見一致地支持AI發展減速。

對這輪AI末世論提出最嚴厲的批評的是英偉達的黃仁勛和Palantir的CEO亞歷克斯·卡普。

2026年9月14日，在洛杉磯All-In Summit會場，黃仁勛戲劇性地接聽了川普總統的電話，川普嚴厲批判鼓吹AI風險的是騙局，黃仁勛回應AI不會接管世界。

2026年9月17日，在CNBC對Palantir CEO亞歷克斯·卡普（Alex Karp）專訪中，卡普對「AI末日論」提出了尖銳批評，其憤怒溢於言表，都快要爆粗口了。Alex Karp分享了兩個重要觀點。第一，企業客戶抱怨在Token上投入大量資金，企業有價值的知識產權也暴露給了大模型，最終獲得的收益太少。第二，前沿AI實驗室的宗教般的理念近乎訛詐：AI太危險了，所以必須掌控在我們手裡，我們理應擁有世界上所有的知識產權。

Palantir是世界領先的可信AI應用層公司。今天，世界上關鍵的金融應用、無人機軍事行動無不建立在Palantir的本體架構基礎上。Palantir培養了4000多名世界上最優秀的FDE工程師，致力於建立可信的AI應用。對於一家認認真真做可信AI的公司，碰上前沿AI實驗室對用戶和市場的訛詐，其憤怒可想而知：為世界提供可靠的產品，難道不是私營企業基本的底線嗎？面對達里奧·阿莫迪把「不負責任」包裝成宗教信仰的能耐，Alex Karp連呼「佩服」。

附錄二：各學科關於智能研究的狀況

在現有學科分類體系中，與「智能」相關的研究主要涉及以下學科：

1.心理學和腦科學

心理學19世紀才創立，主要研究大腦的功能和資訊處理方式，關注個人的認知（cogn

ition）行為。心理學對人類認知奧秘的揭示，遠未達到物理學的「伽利略時刻」、化學的「拉瓦錫時刻」，或者生物學的「雙螺旋時刻」。美國認知心理學家羅伯特·加涅就曾經澄清，認知心理學的「長時記憶」「短時記憶」等概念是受計算機體繫結構啟發提出的一個假說。「這些結構及其活動仍然主要以假設的方式存在，尚無法與大腦具體的位置或運作相聯繫」（注釋1），屬於一種理論假說。心理學為人工智慧貢獻了很多概念，帶來了很多啟發，但兩者的關係僅此而已。

2.哲學認識論

在心理學之前，認識論（epistemology）一直是西方哲學研究的核心問題

從2000多年前的柏拉圖的「觀念論」、亞里士多德的「工具論」，到笛卡爾的「我思故我在」、洛克的「白板論」，一直到維特根斯坦的「語言哲學」、海德格爾的「裝置」和斯蒂格勒的「持存」，都在討論認知論/知識論的問題。

因為一直討論不清楚，西方哲學家製造了一大串跟認識論有關的詰屈聱牙的概念。這既是西方哲學的遺產，也是一個巨大的認知負擔。筆者最近幾年閱讀了大量西方哲學研究者討論AI的論文，他們在「如數家珍」地引用西方哲學家的論述和概念的過程中，也不知不覺地掉進了西方哲學的思維定勢。

3.英國技術哲學家卡爾·波普爾的「三個世界」理論

卡爾·波普爾在批判西方哲學認識論傳統的基礎上，首次把依賴技術工具建立起來的知識空

間獨立出來，提出了「世界3：客觀知識世界」的概念，建立了「三個世界」的多元認識論框架。按照這個框架，人頭腦中大部分知識並非來自個人的主觀感受，而是來自全人類積累的「客觀知識」。

這樣就把人類智能的來源分成了兩部分：（1）依賴人的生物感知系統獲得的對世界的直接觀察。心理學主要研究這部分個體智能的奧秘。（2）從「客觀知識世界」獲得的人類群體智慧。哲學認識論主要研究這部分群體智慧的形成。

波普爾闡述了「客觀知識世界」對語言、文字的依賴，但沒有系統地分析技術變革與「客觀知識世界」發展的關係。

4.媒介環境學

研究媒介環境學派討論了從口語到廣播電視的技術變革對修辭學、閱讀、圖書出版等方面的影響

該學派名氣最大的學者是麥克盧漢，但貢獻最大的是瓦爾特·翁和伊麗莎白·愛森斯坦，這兩位學者都畢業於哈佛大學歷史系。

瓦爾特·翁僅用一句話就道盡了整個西方哲學認識論困惑的根源：「大自然從不明言『事實』：『事實』只出現在人類設計的語言表述中，用以指稱周圍真實世界裡那張無縫的網路。」（注釋2）

伊麗莎白·愛森斯坦對印刷機與現代知識產業、教育體系的形成進行了資料詳實的闡述，令人信服地呈現了在印刷技術影響下，近現代社會、知識產業和現代教育制度的發展。

注釋1：[美]羅伯特·加涅著，皮連生等譯，學習的條件與教學論[M]，華東師範大學出版社，1999，p14,p69.

注釋2：[美]瓦爾特·翁著，何道寬譯，口語文化與書面文化[M]，北京大學出版社，2008，p51. 英文原文的表述為：Nature states no 『facts』: these come only within statements devised by human beings to refer to the seamless web of actuality around them.

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。