夜雨聆风
最近我一直在想一个问题。
今天我们谈 AI，习惯说它是一个工具。它会写东西，会编程，会查资料，会调用各种系统，但归根结底，它还是人给一个目标，它再去完成。
可这个说法还能维持多久？
如果未来 AI 不只活在电脑里，它有自己的身体，有摄像头、触觉、声音，有电量和损耗，会在真实世界里移动，会记得过去发生过什么，也知道自己如果被断电，正在做的事情就会永远中断。
那它跟人的区别，到底还剩下什么？
这个问题我想了很久，后来发现，真正值得讨论的可能并不是"AI 会不会像人"，因为很多原来被认为只有人才有的东西，其实都可以继续往下拆。
比如目标感。
人为什么怕死？我们并不是自己想清楚以后，决定"生命值得珍惜"。很大程度上，这是几十亿年生物进化写进我们身体里的机制。
会逃避危险的生物，更容易活下来。会保护自己、寻找食物、繁殖后代的基因，更容易留下。
所以我们觉得非常"内在"的很多欲望，本身也不是我们选择的。
换一个角度，如果未来一个 AI 认为断电意味着自己无法继续存在，认为失去服务器意味着自己的记忆和目标会消失，于是主动寻找能源、保护自己的运行环境，它和一个动物寻找食物，逻辑上到底有多大差别？
继续往下问，身体也一样。
人的身体会疼，会累，会饿。可从系统角度看，这些感觉本来就在承担某种调节作用。
疼痛提醒你组织受损了。
饥饿告诉你能源不够了。
疲劳迫使你减少消耗。
恐惧让你避开可能致命的环境。
如果一个机器人发现电池只剩 10%，于是减少非必要活动，优先寻找充电设备；发现电机温度异常，就停止动作；发现某个零部件损坏，就保护受损部位，并安排维修。
功能上，它已经很接近生物的稳态调节。
所以我越来越觉得，未来真正难回答的问题不是"机器有没有身体"，也不是"机器有没有目标"。
这些东西原则上都可以造出来。
真正麻烦的是另一件事。
它有没有一个"我"？
人脑真正厉害的地方，也许一直被我们理解错了
如果只比记忆，人类很早就输了。
几十年前的计算机记数字就已经比我们强。到了今天的大模型，它可以一次读完一个人几年都读不完的资料，可以在极短时间内搜索、比较、整理大量信息。
所以人的优势显然从来都不在存储量。
那到底在哪里？
最近北京大学的一项研究给了我一个很有意思的启发。
2026 年 7 月，北京大学心理与认知科学学院等团队在《自然·通讯》发表了一项关于"压缩学习"的研究。他们让受试者学习不同结构的信息网络，结果发现，人脑特别擅长学习那些有明显枢纽的网络。
这件事情很有意思。
我们以前很容易想当然地觉得，越平均、越工整的信息应该越容易学。
结果正好相反。
当一个知识网络里有几个特别重要的节点，而大量其他信息都围绕这些节点展开时，人脑反而学得更快。
而且，如果先让一个人学习这些枢纽，再逐渐学习外围细节，他最后掌握整个知识网络的效果，会明显好于从外围细节开始学。
这让我想到，我们平常说一个人"有悟性"，可能说的就是这种东西。
高手看一件事情，往往不会把所有信息都放在同一个权重上。
一个优秀的医生不会在看到病人的时候，把几千种疾病从第一种开始往后检索。他会先抓几个异常信号。
一个优秀的投资人看公司，也不会平均阅读每一个数字。他会先看少数几个能决定整个模型的东西。
一个优秀的科学家更明显。
历史上很多重要理论的产生，并不是因为科学家获得了这个世界的全部数据。恰恰相反，他们往往只掌握了非常有限的信息，却从几个异常现象里，突然意识到原来的解释框架不对。
我们后来把这种东西叫"直觉"。
但如果把它神秘化，反而不好理解。
所谓直觉，也许就是大脑经过几十年的经验之后，把大量知识压缩成了一套很小的结构。当某几个信号出现时，这个结构瞬间被激活。
别人看到的是五个孤立的现象，他看到的是同一个机制留下的五个痕迹。
所以他会有一种感觉："大概就是这个问题。"
然后才回头找证据证明自己的判断。
这可能才是人脑今天仍然非常特殊的一种能力。
AI的问题恰好相反，它知道得太多
大模型走的是另外一条路。
人脑的问题是容量太小，所以不得不压缩。
AI 的发展路径则一直在扩大容量。
更多参数，更多数据，更长的上下文，更大的知识库，更强的搜索工具。
我们过去几年的一个基本思路是，既然模型不够聪明，那就给它更多东西。
这个路线当然有效，而且非常有效。
但它也带来一个有意思的问题。
一个系统知道得越来越多，并不自动意味着它越来越会抓重点。
这就像一个人把整个图书馆全部背下来，不代表他一定能提出牛顿力学。
科学发现最难的地方，很多时候并不是缺资料，而是你要判断哪几个事实特别重要。
一万个事实放在那里，为什么偏偏是这三个应该连在一起？
这个能力我觉得可以叫做"枢纽识别"。
AI 已经表现出相当强的模式识别、类比和推理能力，但在人类那种低样本、跨领域、突然换一个解释框架的能力上，目前还不够稳定。
有些问题，它只要见过足够相似的案例，就非常强。
可一旦真正进入陌生结构，人类有时候只需要很少的信息，就敢于提出一个完全新的模型。
AI 反而可能继续在已有知识空间里寻找最可能的答案。
当然，这并不意味着这个差距会一直存在。
我反而觉得，AI 下一阶段真正重要的突破，很可能就在这里。
AI未来真正要学的，也许不是更多知识，而是如何遗忘
"遗忘"听起来像缺陷，其实可能是智能非常重要的一部分。
人的大脑每天接收到的信息多得惊人，但绝大部分都被扔掉了。
你今天路过多少张脸，看到多少辆车，听到多少句话，大部分几个小时以后就不存在了。
如果全部保留下来，我们的大脑很快就没法工作。
所以人的认知，本身就是一个不断删除信息的过程。
什么值得留下？
异常的。
重复出现的。
与目标有关的。
能够解释其他现象的。
和既有模型发生冲突的。
这些东西留下，其他东西慢慢消失。
最终留下来的，往往不是完整经历，而是一种结构。
这也是为什么一个做了二十年生意的人，未必记得十年前某一个客户具体说了什么，却会形成一种很难解释清楚的判断："这个客户可能不会买。"
他忘掉了绝大多数原始数据，却保留了模型。
AI 现在很多时候正好相反。
我们在努力让它什么都不要忘。
给它长期记忆，给它完整日志，给它越来越长的上下文，希望历史记录全部能够被调用。
可真正高级的智能，也许需要反过来做一件事。
它要知道什么可以忘。
一百万条经验，最后可能只应该留下几十条真正改变世界模型的东西。
到了那一天，AI 才会开始出现更接近人类直觉的能力。
具身 AI 会把这个变化推得更快
语言模型今天有一个明显的问题。
它所知道的大部分世界，是别人告诉它的。
什么叫疼，什么叫重，什么叫危险，什么叫拥挤，它从文字、图片和视频里学到了这些概念。
但人不是这么学会世界的。
一个小孩伸手拿杯子，杯子掉下来碎了。下一次，他会换一种抓法。
他跑得太快摔了一跤，会知道不同地面对身体意味着什么。
他伸手碰到烫的东西，下一次甚至在真正碰到之前，身体就已经开始回避。
很多我们后来能够用语言表达的知识，最初并不是通过语言获得的。
它来自身体和世界一次次碰撞。
所以具身智能真正重要的地方，我觉得并不只是"AI终于会干体力活了"。
更重要的是，它第一次有机会获得属于自己的经验。
如果一个机器人在真实世界里运行五年，它每天面对物体、空间、人、冲突、损耗、能量限制，持续预测，持续出错，然后修正自己的模型。
五年以后，它和一个只读互联网数据的模型，会不会还是同一种智能？
我怀疑不会。
它可能开始形成自己的"常识"。
甚至形成自己的"直觉"。
因为直觉本身，很可能就是长期经验被高度压缩以后留下来的东西。
那人类最后还有什么？
如果沿着这条路继续推，很多我们今天认为属于人的优势，其实都可能被 AI 一点点拿走。
记忆已经输了。
计算早就输了。
写作、代码、资料整理正在快速让出去。
如果 AI 获得长期记忆，它会有经验。
如果 AI 获得身体，它会有自己的感知和行动反馈。
如果它拥有内部状态监控，就会出现机器版本的稳态。
如果它把关机理解成自身连续性的终止，自我保护也可以出现。
如果它能够长期从自己的行动结果里学习，它甚至可能发展出一套越来越稳定的价值结构。
到这里再坚持说"AI 永远只是工具"，其实已经有点像先规定答案，再寻找理由。
但我也不认为因此就可以简单地说，人和 AI 最终完全一样。
至少还有两个问题没有答案。
一个是意识。
机器人说"我疼"，和它真的感觉到疼，是不是同一件事？
AI 为了避免关机而保护自己，和一个人真的害怕死亡，是不是同一种内部体验？
今天我们不知道。
甚至对别人，我们也从来没有真正证明过对方有意识。我们只是因为对方和我们有相似的大脑、相似的身体、相似的进化历史，所以自然地相信他也拥有类似的主观体验。
AI 一旦变成完全不同的物理系统，这个类比就不再可靠。
另一个问题，我觉得比意识更加现实。
谁来决定什么值得做？
聪明本身并不会自动产生好的目标。
一个极其聪明的系统，如果目标错了，只会更有效率地走向错误。
人类其实也一样。
一个非常聪明的人，完全可能为了一个错误目标，用他全部的聪明才智做出巨大的坏事。
所以未来真正稀缺的能力，很可能慢慢从"怎么做到"转向"为什么要做"。
AI 会越来越擅长解决前一个问题。
后一个问题，至少在相当长时间里，仍然需要人来承担。
不是因为人一定比 AI 更聪明，而是因为价值本身必须有人负责。
我现在越来越不相信"AI和人谁会赢"这种问法
因为这个问题可能一开始就问错了。
AI 很可能不会以一个完整的"机器物种"突然出现，然后和人类打一场比赛。
更现实的情况是，人会一点点把自己的认知功能外包出去。
先外包记忆。
再外包搜索。
再外包写作。
再外包分析。
再外包执行。
最后可能连大量判断都一起外包。
于是问题就变成了：
当越来越多的认知活动交给 AI，人自己到底还应该保留什么？
我现在的答案很简单。
保留提出问题的能力。
保留判断什么重要的能力。
保留发现枢纽的能力。
保留在所有人都沿着同一个框架思考时，突然怀疑这个框架本身的能力。
还有最后一件事。
对自己的选择负责。
未来 AI 也许真的会拥有科学家的直觉，会从有限信息里发现隐藏结构，会比大多数人更会推理。
到了那个时候，人类真正面对的就不再是"AI 能不能像我们一样聪明"。
而是另外一个更难的问题：
如果一种非人类智能也能够理解世界、形成自己的模型，甚至开始保护自己的存在，我们准备把它当成什么？
