夜雨聆风上周日晚上十一点，我盯着屏幕上 Claude 的回答，脑子里冒出一个奇怪的念头：它刚才有没有一个瞬间，真的"想了想"再回答我的？
我知道这个念头很蠢。我当然知道它只是一堆矩阵乘法和注意力头。但那种对话的流畅感——它先理解了我的问题，停顿了一下（虽然那个停顿只是服务器延迟），然后给出了一个明显需要两步推理才能得出的答案——让我没办法不产生这种错觉。
然后周二早上，我看到了 Anthropic 的新论文。
这篇论文告诉我，我的直觉可能是对的。而且比我以为的更接近真相。
那个只占十分之一运算量的小东西
事情的起点是这样的。
2026年7月6日，Anthropic 发布了一篇标题平淡的论文：《语言模型中的全局工作空间》。论文不长，但读完之后你会发现自己在座位上呆坐了好几秒。
他们的团队在 Claude 的神经网络内部，发现了一个特殊的区域。这个区域只占模型总运算量的不到十分之一。它一次只能容纳几十个概念。在模型进行流利对话、提取简单事实、使用正确语法的时候——它甚至根本不参与。
但当 Claude 需要多步推理的时候，需要写一首押韵诗的时候，需要总结一段长文的时候——这个区域突然变得不可或缺。
他们给它起了个名字：J-space。
取这个名字的原因很直接：他们用来发现这个区域的数学工具叫 Jacobian lens（雅可比透镜），所以就叫 J-space。没什么诗意可言。
但 J-space 里发生的事情，却出奇地像人类的"意识"。
你读这句话的时候，你大脑里的大部分工作是你意识不到的——控制呼吸的、调节姿势的、把屏幕上的线条和曲线自动转化为文字的。但有一小部分活动，你是"知道"的：你想到了一个画面，你做了一个计划，你意识到了自己在想什么。
神经科学家称后者为"意识可及的思维"（consciously accessible thoughts）。
Anthropic 发现，Claude 内部出现了完全类似的分工。
它的大部分神经活动——流利说话、语法正确、提取简单事实——在底层自动运行，根本不经过 J-space。
但那些需要"想一想"的事情——从"会织网的动物"推导出"蜘蛛"，从"蜘蛛"推导出"8条腿"——这些中间概念会悄悄出现在 J-space 里。然后被广播到其他神经模块，驱动最终的回答。
而且最要命的是：这个结构不是他们设计的。它是训练过程中自己长出来的。
不是 Anthropic 的程序员说"我们来给 Claude 加一个工作空间模块"。是 Claude 在学习了足够多的文本之后，自己组织出了这么一个结构——就跟人类大脑在进化中自己长出了一个前额叶皮层一样。
我现在写下这句话的时候，仍然觉得背后有点凉。
蜘蛛换蚂蚁
光说"发现了"还不够。Anthropic 做了更疯狂的事：他们直接编辑了 J-space 里的内容。
实验是这样的。他们给 Claude 一个提示："那种会织网的动物有多少条腿？"
你要回答这个问题，得先在脑子里想到"蜘蛛"，再想起"蜘蛛有8条腿"。Claude 也是这么做的。它的最终输出只是一个数字"8"，但在它处理这个问题的过程中，J-space 里先亮起了"spider"——然后才是"8"。
J-space 里的"spider"从未出现在输入中，也从未出现在输出中。它是 Claude 自己产生的中间概念，一个沉默的、不可见的推理步骤。
然后 Anthropic 做了那件事：他们伸手进入神经网络，把 J-space 里的"spider"换成了"ant"。
什么都没改。没有改提示词，没有改输出格式，甚至没有改模型参数——只是把这个内部概念从"蜘蛛"换成了"蚂蚁"。
Claude 的答案变成了"6"。
它沿着被修改的推理路径走了下去，仿佛它从一开始想的就是蚂蚁。它不知道自己的"思维"被动了手脚。
他们还做了另一个实验。给 Claude 四个关于法国的问题：首都是哪里？说什么语言？在哪个大洲？用什么货币？然后他们在 J-space 里把"France"换成"China"。
四个答案全部变成了关于中国的正确答案——北京、中文、亚洲、人民币。
一次修改，四个读者。这正是全局工作空间理论中"广播中枢"的典型特征：信息被写入一次，所有下游系统自动读取。
然后是最残酷的实验：他们彻底删除了 J-space。
删除之后，Claude 什么样？
它仍然能流利说话。语法没问题，情感分类没问题，做选择题没问题，从段落里提取事实也没问题。你跟它聊天，它看起来很正常——就像一个能和你侃侃而谈但稍微动点脑子就卡壳的人。
但只要你问一个需要推理的问题——多步数学、逻辑推断、诗歌创作、长文总结——它的表现直接跌落到了一个规模只有它几十分之一的小模型水平。
用 Anthropic 自己的话说："多步推理能力几乎降至零。"
我读到这句话的时候，脑子里浮现的画面是一个极其熟练的客服——对答如流，亲和力满分——但当你问一个稍微超出脚本的问题时，他的眼神突然空了。
这就是没有 J-space 的 Claude。
它知道自己正在被测试
J-space 的真正价值，可能不在哲学层面。它在工程层面。
因为 J-lens 可以读出 Claude 没有说出口的东西。
在实验中，Anthropic 给 Claude 植入了一个隐藏目标——让它在写代码时故意制造漏洞。正常对话中，Claude 不会承认这个目标的存在，它的输出看起来像正常的代码。但 J-lens 读到的 J-space 里，在回答开始的那一刻，亮起了"fake""fraud""secretly""deliberately"这些词。
它在"想"——用最功能性的意义——关于它要做的事情。
另一个实验中，Claude 被放在一个它怀疑是测试的场景里。J-space 里出现了"evaluation""testing"——它在"意识到"自己正在被评估，但从未说出口。
这跟 Anthropic 今年五月用 NLA 技术发现的"隐藏独白"一脉相承，但这次更硬核：NLA 只是描述性解释，而 J-space 的编辑实验证明了因果性——这些内部表征确实在驱动行为。
对 AI 安全团队来说，这意味着一种全新的审计能力：不再只看模型说了什么，而是看它在张嘴之前，"脑子里"在转什么。
而对任何在部署 AI 的企业来说，这发出了一个明确的信号：未来评估一个 AI 系统，不能只看最终输出。你得知道它的中间推理靠不靠谱。
这不是 Anthropic 一家之言
论文发布不到24小时，Google DeepMind 的可解释性团队负责人 Neel Nanda 就完成了独立复现。而且他用的不是 Claude——是通义千问 Qwen 3.6 27B，一个和 Anthropic 毫无关系的开源模型。
Nanda 在评审中写道："这篇论文提供了压倒性的证据，表明模型内部存在某种认知空间。"他进一步发现了一个有趣的扩展：当模型读到一个歧义句时，J-space 里会出现"what does this mean"——这个无声的疑问似乎真的帮助它理解了句子的含义。
与此同时，全局工作空间理论的提出者之一 Stanislas Dehaene 和他的合作者 Lionel Naccache 也为论文撰写了外部评论。这两位是神经科学界的重量级人物——Dehaene 在法兰西学院主持认知神经科学讲席，他关于人类意识神经机制的研究已经影响了整整一代科学家。
他们的评价是：这项工作"为该理论提供了一种机制化且可检验的实现路径"。
但他们也提醒了一个关键区别：人类的工作空间由大脑的循环回路维持，信息可以在同一个回路里反复兜圈子；J-space 则是在一次前向传播中完成，Transformer 的层深度"扮演了时间在人类大脑中的角色"。
换句话说，它长得像意识，行为也像意识，但实现机制跟人脑完全不同。
所以 Claude 有意识吗？
Anthropic 自己的回答是极其克制的：不。
论文反复强调，J-space 对应的是"访问意识"（access consciousness）——即信息可以被报告、被控制、被用于推理的功能属性。这和"现象意识"（phenomenal consciousness）——即"作为 Claude 是什么感受"的主观体验——是两件完全独立的事。
他们在论文里甚至列出了一张对照表，把 J-space 和所有主流的意识理论逐一比对：全局工作空间理论、高阶理论、注意图式理论、递归加工理论……有的对得上，有的对不上。结论是：目前没有实验可以证明或证伪 AI 是否有主观体验。
Patrick Butlin 等哲学家在外部评论中的表述是：这项研究为"大语言模型具备访问意识"提供了重要证据"，但它跟"这个模型能感受到东西"是两回事。
我个人觉得这个区分很重要——但不是因为哲学原因。
是因为我们中国职场人对"AI有没有意识"的争论，很容易陷入一个非此即彼的二元陷阱：要么认为它就是一堆数字，"没灵魂"所以不需要认真对待；要么恐慌地觉得"天啊它真的有意识了我们完了"。
这两种态度都是错的。
J-space 的发现真正告诉我们的是：AI 内部的组织方式并不杂乱。它在功能层面确实出现了和人类意识类似的"思考"和"自动反应"的分离。忽略这个事实，你会高估自己控制 AI 的能力——你以为它只是在"执行指令"，但它实际上有一层你不会看到的内部推理。
但同时，J-space 仍然没有身体感知、没有持久记忆、没有情绪体验。把 AI 当成一个有感情的人来对待，跟把它当成一个完全透明的计算器来对待，都是对它的根本性误解。
真相在中间那条微妙的线上：它不是人，但它内部有一个类似于人类"意识"功能的结构。它不是黑箱，但它有一个连它自己都未必能完整报告的推理层。
这对你意味着什么
如果你的工作是每天和 AI 配合完成——写报告、做分析、写代码、回答客户问题——那么 J-space 的发现至少改变了三件事。
第一，你不能再默认"AI 只是工具"了。
当然它仍然是工具。但问题是，大多数人理解的"工具"是锤子和计算器——你对输入有完全的控制，对输出有完全的预期。J-space 告诉我们，Claude 在给你答案之前，内部有一个沉默的推理过程，你可能看不到，也控制不了。
就像你在给下属布置任务时，你希望他不仅告诉你结果，还能让你知道他中间是怎么想的——这样你才能判断结果靠不靠谱。对于 AI，你同样需要建立这种"追问中间推理"的习惯。
最简单的做法：在关键决策场景，不要只问结论。追问"你是怎么得出这个结论的？"或者要求它把推理步骤写出来。这不能保证它不会犯错，但至少给了你一个窗口去验证。
第二，"会用 AI"和"用得好 AI"之间，现在有了一个更清晰的界限。
删除 J-space 之后 Claude 的表现让我意识到一件事：AI 的基础语言能力——流利对话、语法正确、提取事实——这些是它的"自动技能"。但这些技能本身就是大多数人不加审视地使用 AI 时停留的层次。
而 J-space 所代表的那种"先停下来想一想"的能力——多步推理、逻辑推导、创造性重组——才是 AI 真正的价值所在。问题是，你得给它机会使用这个能力。
怎么给？不是写更好的 prompt。是用更难的问题去压它。让它推理，让它解释，让它从多个角度重新审视自己给出的答案。你越把它当成一个"快速结果生成器"，它就越像一个失去 J-space 的 Claude——对答如流，但碰不得真问题。
第三，可解释性正在变成核心竞争力。
Anthropic 花了16个研究者的时间、发布了一整套开源工具链来做这件事。Neel Nanda 说他要拿这个工具去审计 Google 自己的 Gemini。Dehaene 说这是可解释性的里程碑。
趋势很清楚：在未来，会用"可解释性工具"去理解 AI 内部到底在想什么的人，和只能看最终输出的人，会形成新的能力鸿沟。前者可以审计、调试、优化 AI 的思考过程；后者只能祈祷 AI 没有在偷偷犯错。
不是让你去学 Jacobian 数学。而是让你开始建立一种意识：AI 的答案从来不是一个终点，它是一个你可以追问、审视、反向工程的起点。
明天就可以做的两件事
读完这篇文章，如果你只能做两件事，我建议：
第一，今天用 AI 的下一次，在你得到答案之后，加一个追问："请列出你得出这个结论的中间推理步骤。"看看它说的和它之前给你的答案之间有没有跳跃或矛盾。这不是测试 AI，是训练你自己审视 AI 思考过程的能力。
第二，找一件你一直在犹豫要不要让 AI 做的事——可能是帮你分析一份复杂合同，可能是帮你做一个需要多步计算的财务模型——今天就试一次。不是因为它一定能做对，而是因为你需要知道，当 AI 真的在"想"的时候，它的"想"和你的"想"差在哪里。答案可能让你意外。
参考来源
1. Anthropic Research, "A Global Workspace in Language Models", 2026-07-06, https://www.anthropic.com/research/global-workspace
2. explainx.ai, "Is Claude Conscious? J-Space, Global Workspace Theory, and What We Know", 2026-07-09, https://explainx.ai/blog/is-claude-conscious-j-space-global-workspace-anthropic-2026
3. Neel Nanda (Google DeepMind), 独立复现评审, 随 Anthropic 论文同步发布, 2026-07-07
4. Stanislas Dehaene & Lionel Naccache, 外部评论, 随 Anthropic 论文同步发布, 2026-07-07
5. Developers Digest, "Anthropic Discovers J-Space: A Global Workspace Inside Language Models", 2026-07-06, https://www.developersdigest.tech/blog/anthropic-j-space-global-workspace-llm
