一只蜜蜂的大脑只有 100 万个神经元。它不知道自己在盖什么。不懂温度调控。不会做集体决策。但当你把一万只蜜蜂放在一起，它们能建造精确到毫米的蜂巢，将巢穴温度恒定在 35°C ± 0.5°C，完成从侦察到采蜜的完整分工——没有中央指挥，没有总工程师。秩序从简单规则里自己长了出来。自然界用 38 亿年给出的答案，不是"更大的脑"，而是"更多的脑"。而我们今天讨论 AI 的方式，似乎只认一条路：更大的模型、更多的算力、更集中的控制。如果这个前提是对的，封锁确实是最优策略（请看作者上一篇文章“Anthropic的2028报告到底说了什么”）。但如果它是错的——如果智能的演进正在发生分叉——那么封锁不仅不是最优策略，它可能正在让我们错过正在发生的未来。
一、恐龙灭绝了，蜜蜂没有
白垩纪晚期，地球上有过一群大脑袋恐龙。它们的脑化指数持续攀升——自然界的实验似乎在朝着"更大的脑"一路狂奔。然后它们灭绝了。幸存下来的是脑容量小得多的哺乳动物。靠的不是更大的脑，而是更灵活的身体、更强的适应力、以及——最关键的——群体协作。蚂蚁也一样。25 万个神经元。但蚁群能找到最短路径，能组织复杂防御，能根据环境变化调整整个群落的策略。这些能力不存在于任何一只蚂蚁的大脑里。它们是"更多的脑"而非"更大的脑"的产物。当物理约束设定了单体智能的上限时，自然界反复选择的策略是：让更多的、够用的个体通过协作，涌现出超越任何单体的群体认知。我们今天衡量 AI 进步的方式——"谁的模型更大"——就像白垩纪的观察者用"谁的脑化指数更高"来预测谁会幸存。但自然界的裁判标准从来不是"谁的脑更大"。而是"谁的协作更高效"。同样的逻辑，也发生在人类的技术史上——蒸汽机最初被用于矿井抽水，谁控制了最好的矿井谁就"领先"。但蒸汽机真正的革命性应用是铁路和轮船——跟矿井毫无关系。电力最初被用于照明，谁控制了发电厂谁就"领先"。但电力真正的变革是流水线和分布式制造业——跟照明厂毫无关系。当一种技术开始分叉——当它渗透进完全意想不到的领域——"领先"就失去了含义。你无法在一条不存在的赛道上领先。
二、一条很少被提及的物理定律
有人会反驳：蜜蜂用"更多的脑"，是因为单只蜜蜂受制于物理约束——能量、散热、体积。但 AI 不受这些约束。我们可以堆更多的 GPU，烧更多的电。这个反驳忽略了一条物理定律。1961 年，IBM 的物理学家 Rolf Landauer 证明了一件事：每擦除一个比特的信息，至少消耗 kT ln2 的能量。这不是工程限制——这是热力学定律。你绕不过它，就像绕不过重力。但这条定律的真正含义，跟多数人理解的恰好相反。它不是在说"算力已经接近极限"——当前 AI 的能耗离 Landauer 极限还差好几个数量级。它是在说：从当前的工程效率到物理极限之间，存在着巨大的优化空间。同样的智能产出，可以通过更聪明的架构、更精准的训练、更节能的推理，实现数量级的能耗降低。举个真实的例子。GPT-4 级别的训练消耗约 50 GWh——相当于一个中等城市一个月的用电量。但 DeepSeek 用 557 万美元训练出接近 GPT-4 性能的模型——成本仅为前者的 1/18。这不是因为 DeepSeek 有了更便宜的电。是因为它用了更聪明的方法。智能的提升不一定需要同比例的算力增长。当前 AI 离物理天花板还很远——真正的瓶颈不在能量守恒，而在工程智慧。蜂群不需要更多的蜜来完成建筑和导航。它需要的是更聪明的协作规则。将算力视为 AI 竞争的唯一决定性变量，如同将矿井控制权视为蒸汽机革命的唯一决定性变量。在技术分叉的拐点，旧形态的领先指标会系统性地高估旧形态的价值。
夜雨聆风
