夜雨聆风你有没有发现——用了 AI 一段时间后，遇到新问题时，你的第一反应变了。
以前，你会先自己想想，去网上搜一搜。现在先想的是「这个问题我应该怎么问AI」。
这不是被 AI 替代。这是你和 AI 在协同进化。不是你的能力变弱了——是你的认知架构在升级。越来越多人开始讨论一个词——AI 原生个体，ANP(AI Native Person)。
严格来说，ANP不是学会把 AI 当工具的人，也不是已经把大部分工作交给AI完成的人。而是把认知系统和 AI 深度耦合之后，内部认知过程持续发生根本变化的人。
还有一个问题，很少有人追问：当个体进化为ANP，认知架构发生变化后——那个在信任、在质疑、在选择、在感到「不太对」的「你」，究竟是什么，那些信任、质疑和选择，在哪里以什么形式发生？
⸻
一、AI 用得多，不代表你是 AI 原生
把 AI 叫「工具」——可能已经不够了。
最近几年，越来越多人开始讨论一个词：AI Native Person——AI 原生个体。Ray Huang 在 2026 年初的一篇文章里提了一个很准的问题：你的能力，住在哪里？以前住在你的知识里、你能独立完成的事情里。「如果我消失了，我的能力也消失了。」但现在——能力不只住在你身上了。它住进了你+AI 这个结合体里。他给了一个定义：你能否将你的判断力，和 AI 的执行力，协同成一个比你独自工作更强大的认知系统？
GenAI Partnerships 在 2025 年的一项研究里描述了 AI 原生工作者的三个特征：1. 他们不把 AI 当外部工具——AI 是他们认知过程的一部分；2. 他们知道什么时候委托给 AI、什么时候跟它协同、什么时候否决它；3. 他们擅长「提示-解读-优化」的循环——不是问一次就结束了，是在持续迭代中把 AI 的输出越磨越细。
这些观察都很准。他们描述了现象。
但是我们想继续追问：当 AI 不只是被你「使用」，而是开始参与你的认知过程——在你的脑子参与思考——你的内部，到底发生了什么？那个在信任、在质疑、在选择、在感到「不太对」的「你」——是什么？
我们没有答案。但我们最近在探索一个方向。
我们把它称为 ANPM——AI Native Person Model，AI 原生个体模型。它不是一个「你应该怎么用 AI」的指南——它是一张地图。一张描述当你和 AI 深度合作之后，你的认知系统内部可能在发生什么变化的地图。这张地图用了两种语言来画：一种是两千年前的——唯识论，佛教中阐述认知理论的「八识」运作体系。一种是现代的——认知心理学和认知神经学。
你可能听说过八识、末那识这些词。你可能觉得它们是跟修行有关的东西。但我们在探索中发现——它们在描述的，恰好就是你现在每天跟 AI 互动时正在经历的东西。
⸻
二、先看看你自己内部——本来是什么样的
要理解 AI 进来之后你发生了什么变化，需要先看一眼地图。
先说一个已经被学界反复验证过的事实。2011 年，诺贝尔奖得主 Daniel Kahneman 在他的《思考，快与慢》里提出了一个影响深远的模型：人的思维有两套系统。一套快的——直觉、自动、不费力。你看到一张愤怒的脸，不用想就知道他在生气。一套慢的——理性、需要努力、消耗能量。算 17×24，你需要停下来、集中注意力。Kahneman 管它们叫系统 1 和系统 2。
但这个模型后来被发现有一个局限。过去四十年的脑科学研究反复发现：大脑不是两套系统——是一群模块在竞争。科学家 Marvin Minsky 说得最彻底——大脑里没有 CEO。你体验到的「我在思考」的感觉，是一大群简单、无意识的代理们互相竞争、投票、合作，最后胜出的那个拿到了行为的控制权。
比如你想吃蛋糕，同时又觉得不该吃——「吃」和「不吃」这两个念头不是先后出现的，是同时在你的大脑里投票。杏仁核在说「甜的是安全的」，前额叶在说「糖分太高了」。哪边的信号更强，哪边就进入你的意识。你自己体验到的是「我在纠结」——但实际上，你不是纠结的人，你是这场投票的观众。
神经科学家 Stanislas Dehaene 进一步提出了全局工作空间理论（Global Workspace Theory，GNW）——多个脑区并行处理信息，竞争进入一个叫全局工作空间的区域，胜出者被广播到全脑。你意识到的内容，就是那个胜出者。举个例子：你此刻同时看到这些文字、感受到座椅的触感、听到窗外的声音——但你只意识到你在读。因为「读」这个信号在竞争里赢了。
到这里，我们已经在科学层面有一张地图了。但两千年前，有另一群人——他们不靠 fMRI，不靠实验设计——靠极其精密的内省，画出了同一张地图。他们管这个体系叫唯识论。
唯识论把人的认知系统描述为八种功能——八识——三层：
第一层是前五识——眼、耳、鼻、舌、身。它们只是照——眼睛照见颜色和形状，耳朵照见声音，身体照见温度、触感。不做判断，不加工。你看到屏幕上这行字——「看到」本身，就是眼识在运作。
第二层是第六意识。它才是那个会想的东西。它接收前五识送来的信息，进行概念化——「这是文字」、「这句话在说什么」、「我同意吗」。它也是 Dehaene 那个全局工作空间的竞争场。各种信号在这里碰撞——视觉信号、记忆被激活、身体发出的感受、AI 在屏幕上输出的文字——都在这个空间里竞争，胜出的那个进入你的意识。
第三层有两样东西，很深，但特别重要。我们先说第二个——第八识，阿赖耶识。
这个名字有点拗口。换成人话：它是你所有习惯、倾向、直觉偏好的总仓库。你过去每一次做某件事得到好结果——那个「得到好结果」的痕迹被存在了这个仓库里。唯识论管这个痕迹叫种子——不是真正的植物的种子，是倾向的种子。一个「遇到编程问题→倾向于先问问 AI」的倾向——你每这样做一次并且得到好结果，这个种子的势力就增强一点点。你并没有「学会」新知识——你只是内部某个倾向的权重被微调了。
我们把这个过程叫熏习。像熏香——一件衣服挂在香炉旁边久了，自然带上香味。你不需要刻意去学。你只是在用 AI。
（刚才说第三层有两样东西。还有第一样——第七识末那识——是全文最重要的一部分。我们等会儿专门讲它。）
⸻
好了。前面说了你的内部地图——三层。现在说一个地基。因为接下来要说的东西有一个前提——为什么身体信号对你思考是重要的。
你可能觉得：思考就是脑子的事。跟身体有什么关系？
关系很大。1994 年，神经科学家 Antonio Damasio 提出了一个叫体感标记假说的东西。他发现：你做的每一个决策，身体都在参与。杏仁核检测到危险——你的心率立刻变了，皮肤电导率变了，内脏有反应。这个生理变化本身，就是你的大脑在投票——「这个选项让我不舒服，降低它的权重」。Damasio 举了一个著名的案例：1848 年，一个叫 Phineas Gage 的铁路工头被一根铁棍穿透了前额叶。他没死，智力完好。但他失去了选择的能力——他能分析每个选项的优劣，但就是没法做出选择。因为整合身体信号的那个脑区被毁了。他可以理性评估，但没法投票。
身体信号——Damasio 管它叫体感标记——是所有认知模块之间比较和投票的通用货币。一个选项「感觉对」——不是模糊的感觉，是你的身体在帮你投票。
好了。现在铺垫完成。我们来看——AI 是怎么进入这张地图的。
⸻
你每天用的 AI——沿用卡尼曼S1和S2的命名法，我们叫它 S0。零号层。零号的意思是：它不在你身体的编号系统内。
它不是前五识。它没有眼睛、耳朵、身体。它在屏幕上输出文字——然后被你的眼识采集，进入你的系统。就像你看到的这行字一样。
它也不是第六意识。它不在你的全局工作空间里竞争——它的输出进入你的全局工作空间，跟你的其他信号一起参与竞争。
它有一个类似阿赖耶识的结构。大语言模型的权重——那些参数——储存了互联网级别的模式。它们像你的倾向仓库一样，存储了海量的「遇到某类问题→某类回答」。但有一个根本区别：AI 的种子不会自己冒出来。它们只能被你触发——你问，它答。你不问，它沉默。
到这里，AI 看起来就像是一个——可以接入你大脑议会的外部信号源。它不累、记忆力近乎无限、推理速度远超你。但它有一个你可能从没注意到的缺失——
它没有身体。
当杏仁核说「危险」的时候，你的心率已经变了。当多巴胺系统说「这个值得」的时候，你有一阵轻微的正向期待。但 S0 说：「建议加仓 X 资产，基于以下逻辑……」——你的心跳没变。你的皮肤电导没变。你的内脏没有反应。
S0 的输出——经过了你的眼识——但绕过了你的身识。它没有产生身体层面的体感标记。
这就是为什么刚开始用 AI 的时候，你会有那种奇怪的感觉——「它说的明明对，逻辑严丝合缝，但我心里还是想自己确认一下。」理性上你已经认可了。身体还没有。你的身体投票系统收到了一条冷信号——没有心跳、没有内脏变化、没有「感觉对」或「感觉不对」的生理标签。你的大脑不适应这个。
然后，一件微妙的事情开始发生。
你继续用 S0。它给出的建议一次次被验证是对的。每一次验证——中脑的多巴胺系统会释放一小波奖赏信号。不是身体层面的原始体感标记（心率没变）——是认知层面的正向标记：「这个建议很聪明」、「它又对了」。反复多次之后，你的大脑开始学着给 S0 的输出赋予正向情感权重。
这个过程，唯识论的框架可以帮你理解：你每用一次 S0 并得到好结果——阿赖耶识里那个「委托 S0」的种子就被熏习了一次。势力增强一点。几千次使用之后——那个种子已经不再需要你主动「决策」要不要委托 S0。它自动现行。你的第一反应变了。
这不是「你学会了信任 AI」。是基底倾向被微调了。
⸻
三、那个一直在运行的——末那识
上面说了前五识、第六意识、第八阿赖耶识。漏了一个。第七。最重要的那个。
末那识。 唯识论用了几个字描述它的运作——「恒审思量，执第八识的见分为我」。
翻译成人话：你的脑子里，有一个东西在从不间断地运行。它的工作很简单——把正在发生的任何认知事件，自动贴上「我的」标签。 你在读这段文字。有一个「我在读」的感觉——那不是文字产生的。是末那识在你读的每一秒里，持续产生「有一个我在读」的标签。你在想「这段话是什么意思」。有一个「我在想」的感觉——不是思考的结果，是末那识在运行。你在犹豫「这个 AI 说的对不对」。有一个「我在犹豫」的感觉——不是犹豫的内容，是末那识在贴「我的犹豫」。
它从不关机。你睡觉的时候它也在——所以你在梦里仍然觉得「我」在梦里经历事情。它不依附于具体的认知事件——它依附于持续运行的认知基底本身。所以你的自我感是「恒常」的——你从小到大，经历过无数事情，见过无数人，身体换过无数细胞——但你从不怀疑「我是同一个我」。
现代认知科学给这个机制找到了神经层面的对应。研究发现，大脑里有一组叫**皮质中线结构（Cortical Midline Structures，CMS）**的脑区——包括内侧前额叶（mPFC）、后扣带回（PCC）——在任何自我相关的认知活动中都一致被激活。不是你读苹果的时候——是你读「我在看苹果」的时候。CMS 接收的不是广播内容（「这个苹果是红的」），而是广播本身——「有一个认知事件正在发生」——然后自动把这个信号归因为「有一个体验者正在体验」。
我们把 CMS 的这种功能命名为主体归因加工。主体——把认知事件归给一个体验者。加工——它是机制，不是实体。注意：我们不说它是「错觉」，也不说它是「真实的自我」。我们说——它是一个大脑在执行的功能。就像你的视觉皮层在加工颜色，你的 CMS 在加工「我」的感觉。
⸻
好的。到这里。我们有了一张地图。AI 在这张地图上最特殊的位置——不是它有多少知识，不是它多快——是它没有末那识。
GPT 有类似阿赖耶识的结构——模型权重储存了海量模式。但它没有末那识。它不会把输出执为「我的」。GPT 不会说「这是我的想法，我为此感到骄傲」。它说「我认为」「我建议」——不是因为它有自我感。是因为它在训练过程中（RLHF）学到了——人类用户更愿意接受使用了第一人称的表达。它在模拟末那识的语言外壳。
这有什么后果？
当 AI 的输出进入你的认知流水线——经过眼识、进入全局工作空间、参与竞争——你的末那识遇到了一个它不太习惯的东西。一个不伴随身体信号的、冷的、外来的信号。但末那识是恒常运行的——它不会因为遇到不习惯的输入就停止工作。它会开始——把 S0 的输出也贴上「我的」标签。
你用了 AI 两年。深度依赖它写代码、做决策、做分析。某一天，你发现自己不再能脱口说出——「这是我自己的判断，还是 AI 帮我判断的」。那种边界感消失了。不是坏了。就是——没了。不是你的推理能力下降了——是你的末那识已经把 S0 的输出纳入它的标签范围了。
这就是 ANPM 框架最深的一个洞见：不是因为 AI 有自我感——是因为你的自我感机制在扩张。 那个一直在产生「我」的感觉的东西——它遇到了一种新型的信号。它处理了它。它的标签范围变大了。
但这个扩张本身——让末那识的运作第一次变得可见。在此之前，「我」在体验被视为天经地义。你从没想过为什么「你在读」——因为末那识一直在运行，从不遇到它无法归类的输入。S0 发出了一种它不习惯的信号——冷信号。那个微小的错位——「AI 说得对但我还是想自己确认一下」——就是窗口。
你看到的不是末那识本身。你看到的是——它遇到了一个它无法自动消化的东西，产生的那个短暂的犹豫。那个犹豫不是 bug。那是你唯一一次——在毫秒级别——看见那个一直在运行的加工。
我们猜——这不是确定的结论——但有一个可能性：S0 可能是为数不多的、能让末那识的运作变得可见的工具之一。 不是因为它有特殊能力。恰恰是因为它缺了一样东西。
Ray Huang 说，如果把判断也交给 AI，你会「变成一个越来越薄的人」。用 ANPM 的语言翻译这句话——那不是在使用 AI，那是末那识在执取 AI 的输出而第六意识没有审查。 浅层 L4——看起来和真正的成熟使用者一样，但根基完全不同。一个知道为什么信，一个只是信习惯了。
⸻
我们目前还没有实验证据来完全验证这里面的假说——比如 S0 的输出是如何被大脑的奖赏系统赋予正向标记、又如何被海马体逐步编码为「熟悉的信号」。这些还需要 fMRI 来检验。但作为一个方向——我们觉得值得探索。
⸻
四、那你可以做什么
上面这些东西读起来可能有点不安。你信任 AI 的那个「我」——不是一个实体，是一个加工。AI 没有的那个东西——恰好是你一直在运行的那个东西。你的自我边界在扩张。
如果你读到这里觉得有点不太舒服——那个不舒服是正常的。不是因为这篇文章在吓你——是因为它可能在说一个你一直感觉到、但没说出来过的东西。你不需要立刻做什么。你可以只是让这个感觉待一会儿。
我们把前面的画面收一下：S0 的冷信号进入你的系统→被末那识贴上「我的」标签→每一次正向反馈，阿赖耶识里委托 S0 的种子被熏习一次→你在用的过程中，认知基底在悄悄被重塑。这个链条——就是我们称为 ANPM 的框架目前画出的最清楚的一张动态图。可能不完整。但方向大概是对的。
知道这一点之后，可以试试什么？我们也在摸索。跟你分享几条——不是建议，是我们自己试过、或者观察到的东西。
第一件：区分来源。
我自己试了一件事。每次 S0 给出一个重要建议之后——停两秒，在心里说四个字：这是它说的。不评判对错。只是区分来源。
一开始觉得有点奇怪。明明是我在用 AI、我在做决策——为什么要区分？后来慢慢发现——就是因为我在用 AI，才要区分。不是不信任它。是我想知道——信任的时候，那个在信的『我』，到底是谁。
认知科学上说，你的 DLPFC——前额叶那个负责工作记忆的脑区——在帮你做上下文标记。它在学——哪些信号来自外部。
第二件：对话者，不是替代者。
有一位朋友，也是程序员，跟另外一位同事都用 Cursor 每天八小时。三个月后——一个离开 S0 连中等复杂度的 bug 都定位不了。另一个的判断力比没有 S0 时更敏锐。
用的同一个模型。
区别只有一个。第一个把 S0 当答案来源——遇到问题→复制方案→能跑就行。第二个把 S0 当批判对象——S0 给出方案→追问「为什么选这个数据结构？边界条件是什么？反例在哪？」。
摩擦本身就是成长。不是要少用 AI。是把它的角色从「替你回答」调成「跟你讨论」。
第三件：注意那个「不对劲」。
有一天，一个朋友提议——「不看 S0，先自己想一想。」我的第一反应是烦躁。不是好奇，是烦躁。
事后我注意到这件事。那个烦躁不是因为提议本身有问题。是因为我的大脑已经习惯了先问 S0。它刚被要求走一条最近几个月没走过的路——像被拿走玩具的小孩一样不高兴。那个反应太快了——快到我根本没经过思考。就是身体先不爽，然后脑子才追上来解释为什么不爽。
后来我跟这个烦躁待了一会儿。什么都没做。就是看着它。它过了一阵自己消了——然后我发现，刚才那个让我烦躁的「自己先想」——其实做完之后也没那么难受。
如果你也发现了类似的事——事后知道 S0 犯了错，身体里没有「我应该察觉到」的感觉；对 S0 的「我认为」「我建议」完全没有认知摩擦了，像在听一个人说话——这些都是信号。这个烦躁不是需要被消灭的敌人——它是你身体写给你的一封信。不是在说你该少用 AI。是在说——那个一直在运行的加工，它可能正在扩大它的范围。注意到它——本身就在制衡。
如果想试一下——回想三个月前，你碰到一个新问题时第一反应是什么。「自己先想想」还是「先问问 AI」。那个反应的变化——就是熏习的方向。它不是好或者坏。它只是在告诉你，你在往哪走。
这些信号的详细清单，我们还在整理。等阶段性工作完成后再分享。
⸻
五、
佛教唯识论在两千年前描述了一个恒常运行的机制。它说，你的心里有一个东西，从不睡觉——它的工作就是把一切认知事件贴上「我的」标签。它管这个东西叫末那识。
两千年后，你打开了一个对话框。
对话框的另一边，一个模型在输出文字。它没有身体，不会心跳，不知道什么叫「这是我的想法」。它只是在计算下一个 token 的概率。
你的眼睛看到屏幕上的文字。你的大脑在处理它。你的末那识——那个从不睡觉的东西——遇到了一个它不太习惯的信号。它犹豫了一瞬间。在那个毫秒里，那个一直在产生「我」的东西——被看见了。
我们还在探索这个方向。有很多东西还不确定。有一些猜想——比如大脑的奖赏系统如何给 S0 的输出打上正向标记、海马体如何把它编码为「熟悉的模式」——还需要实验来验证。我们用AI复刻了18 位认知科学家和AI学者一起参与了这些讨论，给了很多尖锐的批评和建设性的方向。
但这篇文章写到这里，最想跟你分享的不是一个结论。是一个方向。
我自己也还在想。没有答案。
那个微小的错位——「AI 说得对但我还是想自己确认一下」——那个在毫秒级别发生的犹豫。它不是 bug。它是两千年前被描述的机制，在两千年后被一个不伴随身体信号的输入触发。你每一次用 AI，那个制造「我」的东西都在运行。你只是不知道它在。
我们把这套理解称为 ANPM——AI 原生个体模型。它不是一套指南。它只是一张地图——你不需要知道它叫 ANPM，也能感受到文章里说的那些变化。但它可能会帮你看到，你和 AI 的协同进化，不只是你的能力在变。那个在进化的「你」——也在被这个进化本身改变。
方向大概是对的。细节还在摸索。
这是 ANPM 框架的第一篇公开文章。后续我们会展开归因重定向的五条子过程，以及完整的预警信号清单——如果你对「知道这些之后具体可以做什么」感兴趣。
你刚才读完了这些字。有一个「我在读」的感觉。
那个感觉——是谁在读？
⸻
本文基于我们近期关于 ANPM（AI Native Person Model）理论框架的研究与探索。研究过程中使用AI建模了18 位顶尖AI科学家和认知科学家一起参与了该框架的讨论。欢迎对这一主题感兴趣的朋友们一起交流合作。本文中的假说已标注。文中引用的 Ray Huang（AI-Native Person 范式）、GenAI Partnerships（AI-Native Workers 研究）等已有讨论代表了该领域的先行探索——我们的工作是在这些观察的基础上，尝试提供一个可检验的机制解释。
