【編者按】在人工智能技術(shù)浪潮席卷全球的今天，“超級智能”（Superintelligence）已從科幻敘事與理論推想，日益演變?yōu)橐粋€嚴(yán)肅的學(xué)術(shù)議題與未來現(xiàn)實關(guān)切。這一概念自哲學(xué)與計算機(jī)科學(xué)領(lǐng)域萌芽，歷經(jīng)數(shù)十年理論積淀，隨著通用人工智能（AGI）技術(shù)的快速迭代，正加速步入公共視野與政策討論的核心地帶。在2025年世界人工智能大會（WAIC）上，學(xué)界泰斗對超級智能臨近的預(yù)警及全球治理的呼吁，進(jìn)一步凸顯了該議題的緊迫性與復(fù)雜性。

當(dāng)前，超級智能的討論已超越技術(shù)范疇：阿爾巴尼亞任命全球首位AI部長“迪埃拉”以應(yīng)對腐敗，折射出治理層面的探索；馬克思主義視角下，AI既被視為“實現(xiàn)更高階段理想的物質(zhì)條件”，也暗含“人類被機(jī)器奴役”的風(fēng)險警示。在此背景下，本刊自2026年第1期特設(shè)“超級智能與未來人類”專題筆談，特邀中國人民大學(xué)劉永謀教授擔(dān)任主持人，匯集哲學(xué)、馬克思主義理論、人工智能、藝術(shù)與 國際關(guān)系等領(lǐng)域?qū)W者，從技術(shù)倫理、資本博弈、社會重構(gòu)等維度展開跨學(xué)科審度。我們期待通過思想碰撞，穿透概念迷霧，為超級智能時代構(gòu)建人類命運(yùn)共同體提供學(xué)理支撐。

【摘要】“超級智能”的概念已被AI產(chǎn)業(yè)界和部分媒體過度炒作，其光鮮的外衣與模糊的技術(shù)定義、實際的技術(shù)內(nèi)涵以及可能帶來的社會效應(yīng)和被忽視的潛在風(fēng)險形成了強(qiáng)烈反差。這種喧囂的目的并非純粹的科學(xué)探討，而是為了爭奪資源、影響輿論和確立商業(yè)與技術(shù)霸權(quán)，本質(zhì)上是一種旨在吸引投資、制造焦慮、爭奪話語權(quán)的話術(shù)。

盡管人工智能技術(shù)加速發(fā)展已經(jīng)是一個不爭的事實，但是關(guān)于它的技術(shù)路線、經(jīng)濟(jì)效益和社會意義的爭論也從未停止。最近，《大西洋月刊》和《經(jīng)濟(jì)學(xué)人》更是接連發(fā)文，從不同角度指出，不應(yīng)過高估計人工智能技術(shù)的突破性飛躍及其意義，目前正在經(jīng)歷一場人工智能泡沫，投資者的興奮情緒已遠(yuǎn)遠(yuǎn)超前于該技術(shù)近期的生產(chǎn)力效益。然而與此同時，國內(nèi)外各科技公司紛紛推出新產(chǎn)品或產(chǎn)品迭代，甚至在提出“通用人工智能”的同時還提出了“超級智能”（Superintelligence）的概念。即使是在科技界，不同的發(fā)展路徑和方向預(yù)測之間也屢有交鋒。一時間，頭緒紛雜，話語各異。在這場紛繁的喧囂中，該如何理性思考人工智能技術(shù)的未來發(fā)展呢?

一、智能發(fā)展史：從科研導(dǎo)向到市場導(dǎo)向

最近幾年以來，人工智能技術(shù)的狂飆突進(jìn)，不僅體現(xiàn)在具體的技術(shù)推進(jìn)上，還包括層出不窮的新概念所引發(fā)的認(rèn)知革命。從2022年開始，OpenAI推出ChatGPT，僅用兩月便使生成式人工智能深入人心；2023年底，Google推出多模態(tài)大模型，強(qiáng)調(diào)不同模態(tài)信息之間的轉(zhuǎn)譯；2024年初，OpenAI再推出號稱“世界模擬器”的文生視頻大模型Sora，以60秒一鏡到底的生成視頻刷新公眾想象。之后，是“通用人工智能”和“具身智能”齊頭并進(jìn)的熱議，直到馬斯克給出“超級智能”倒計時的日程表。伴隨巨頭公關(guān)的節(jié)奏，人工智能界的概念更新進(jìn)入“月更”甚至“周更”模式：從Transformer、Diffusion、多模態(tài)、涌現(xiàn)、思維鏈、具身智能、世界模型，到最近的可擴(kuò)展監(jiān)督、測試時訓(xùn)練、長上下文壓縮……幾乎每一輪產(chǎn)品更新，便有一場營銷帶動的“范式革命”通稿鋪滿科技媒體，裹挾著人們的興奮值和資本估值一路飆升，仿佛科幻走進(jìn)現(xiàn)實指日可待。

然而在技術(shù)話語的喧囂落定后，多數(shù)新興概念迅速從主流議程中退隱。曾經(jīng)承載萬億級商業(yè)想象的“元宇宙”，因內(nèi)容生產(chǎn)的匱乏與用戶體驗的實質(zhì)落差，其商業(yè)熱度迅速退潮；2021年成為投資新寵的“NFT”藝術(shù)敘事，因市場泡沫破裂，于2023年陷入交易量暴跌96%的困境；2022年曾被譽(yù)為AI自主意識靈光的“涌現(xiàn)”能力經(jīng)后續(xù)實驗驗證，多屬復(fù)雜系統(tǒng)可解釋性缺陷導(dǎo)致的幻影；大多數(shù)“多模態(tài)大模型”基本仍以大語言模型作為基礎(chǔ)，向其他模態(tài)信息轉(zhuǎn)譯，且無法保證轉(zhuǎn)譯的信息密度匹配；“通用人工智能”則因定義含糊和功能模型不明根本未進(jìn)入落地階段；“具身智能體”則受限于硬件可靠性與環(huán)境適配性，其精心剪輯的演示視頻與實驗室外的應(yīng)用落地形成鮮明反差。上述現(xiàn)象揭示，多數(shù)曾一度被標(biāo)榜為科技發(fā)展“里程碑”的概念，實際上是技術(shù)營銷、媒體傳播與資本運(yùn)作合謀催生的階段性“產(chǎn)品”和敘事，大多數(shù)會在實踐中因技術(shù)根基薄弱、生態(tài)支撐缺失或認(rèn)知偏差矯正而迅速歸于沉寂。當(dāng)下的“超級智能”范疇正是這種概念營銷的最新套路。其話語體系所著重鼓吹的自主學(xué)習(xí)與自我改進(jìn)等能力實際上不過是一直以來AI技術(shù)發(fā)展的目標(biāo)。然而，當(dāng)這種在某方向上的進(jìn)展被選擇性放大和包裝成“超級智能”的前奏的時候，它的營銷目的早已遠(yuǎn)遠(yuǎn)大于技術(shù)主張，不但誤導(dǎo)了投資者和用戶對于人工智能的期待，而且將真正的科研與公共利益拋在身后。

人工智能行業(yè)的這種“概念通脹”現(xiàn)象在一定程度上反映了這一行業(yè)與資本的緊密聯(lián)系。事實上，在更早的時候，人工智能研究曾經(jīng)是學(xué)術(shù)界和政府研究機(jī)構(gòu)的專屬領(lǐng)域。1956年達(dá)特茅斯會議不但首次提出了“人工智能”的概念，更標(biāo)志著它作為一門學(xué)科的誕生。此后數(shù)十年間，美國人工智能研究主要依靠國家科學(xué)基金會（NSF）、國防高級研究計劃局（DARPA）等政府機(jī)構(gòu)的資金支持，在以大學(xué)為主的研究環(huán)境中“用機(jī)器模擬人類智能”。這種發(fā)展模式其實是很多依賴大量基礎(chǔ)研究的科技創(chuàng)新的早期發(fā)展路徑：政府資助基礎(chǔ)研究，學(xué)術(shù)界產(chǎn)生突破，產(chǎn)業(yè)界隨后進(jìn)行商業(yè)化應(yīng)用。

然而，隨著技術(shù)創(chuàng)新影響因素和投資渠道的變化，在過去的十年間，這一格局發(fā)生了根本性轉(zhuǎn)變，處于行業(yè)領(lǐng)先地位的科技公司逐漸成為人工智能研究的主導(dǎo)力量。這些科技巨頭憑借著其龐大的用戶基礎(chǔ)和業(yè)務(wù)生態(tài)，積累了學(xué)術(shù)界難以企及的海量數(shù)據(jù)資源，同時，他們借助商業(yè)資本所掌握的算力資源，也遠(yuǎn)遠(yuǎn)超出了大多數(shù)學(xué)術(shù)機(jī)構(gòu)的預(yù)算能力和發(fā)展規(guī)模。數(shù)據(jù)和算力的雙重驅(qū)動正是這一階段人工智能飛躍發(fā)展的核心原因。在這些因素的共同作用下，人才遷移也大規(guī)模出現(xiàn)：頂尖AI研究者紛紛從學(xué)術(shù)機(jī)構(gòu)流向科技公司的研發(fā)實驗室，因為后者能夠提供前所未有的研究資源、薪資待遇和現(xiàn)實數(shù)據(jù)應(yīng)用場景。

政府資助在人工智能研究總投資中的比例顯著下降，學(xué)術(shù)界越來越依賴產(chǎn)業(yè)界的資金支持。這種轉(zhuǎn)變不僅重塑了人工智能研究本身的方向和節(jié)奏，也對技術(shù)傳播方式、市場估值以及社會效應(yīng)產(chǎn)生了深遠(yuǎn)影響?？萍季揞^主導(dǎo)的人工智能研究更加注重即時商業(yè)應(yīng)用和專有技術(shù)開發(fā)，公共知識積累轉(zhuǎn)而居于次要地位，這在一定程度上改變了創(chuàng)新的本質(zhì)和方向。

相應(yīng)地，科技公司通過媒體發(fā)布的信息也不再是中立的科普或知識分享，而是戰(zhàn)略性的市場行為，旨在吸引投資、圈定用戶和搶占先發(fā)優(yōu)勢。研發(fā)團(tuán)隊傾向于發(fā)布令人驚嘆的“演示”（Demo）或經(jīng)過精心設(shè)計的成果，直接向媒體和公眾傳遞其精心打磨的敘事，成為信息的第一定義者。媒體在很大程度上失去了自主解讀的能力，只能跟隨和放大這些營銷話術(shù)。這就使得關(guān)于人工智能的公開討論很多時候都不再是一個基于事實和理性的“公共領(lǐng)域”，而退化為被營銷預(yù)算和流量算法所操縱的戰(zhàn)場。公眾難以獲得全面、客觀的信息來形成獨立的，甚至批判性的判斷。立法者和監(jiān)管者同樣暴露在這種失衡的信息環(huán)境中。他們接收到的信息大量來自擁有強(qiáng)大游說能力的科技公司，這可能導(dǎo)致政策制定向產(chǎn)業(yè)利益傾斜，而忽視了公眾利益和長期風(fēng)險。從“元宇宙”到“超級智能”，每一次話語更迭背后，都是一次“新的簡化+神話敘事”的盛行，這一次的“超級智能”亦不例外。

二、AI“概念通脹”背后的技術(shù)與市場

Java語言創(chuàng)始人之一詹姆斯·高斯林就曾不止一次地以其直言不諱的風(fēng)格對AI領(lǐng)域的現(xiàn)狀進(jìn)行批評，他指斥“人工智能是一個帶有一堆問題的營銷術(shù)語”，認(rèn)為科技公司對于大語言模型“智能化”的各種助推掩蓋了其工具性的本質(zhì)和在自主推理能力方面的不足，從根本上講是為了資本增殖服務(wù)。無獨有偶，《經(jīng)濟(jì)學(xué)人》也推出了一篇由普林斯頓大學(xué)的兩位計算機(jī)科學(xué)家合著的文章，他們提出，人工智能其實遠(yuǎn)沒有想象的智能化，作為一項“普通技術(shù)”，其在行業(yè)應(yīng)用中的普及速度遠(yuǎn)遠(yuǎn)小于技術(shù)創(chuàng)新的速度。這也就意味著，它實際發(fā)生的社會影響并沒有達(dá)到科技公司所鼓吹的程度。這一觀點得到了高盛在數(shù)據(jù)方面的肯定。高盛在2025年9月發(fā)布的一份報告指出，盡管人工智能話題已成為最近幾年最吸引眼球的熱點，但截至2025年第三季度，美國作為人工智能技術(shù)推進(jìn)和產(chǎn)品研發(fā)的領(lǐng)跑者，僅有9. 7%的美國企業(yè)正在使用人工智能生產(chǎn)商品或提供服務(wù)。這不足10%的行業(yè)滲透率與資本市場對人工智能概念的瘋狂追捧形成了鮮明對比，它在一定程度上以現(xiàn)實經(jīng)驗戳破了一個正在加速膨脹的泡沫：被營銷話術(shù)刻意抬高的AI神話。然而，低于預(yù)期的產(chǎn)業(yè)落地數(shù)據(jù)并未削弱“超級智能”敘事的擴(kuò)張，相反，它所形成的悖論恰恰暴露出技術(shù)定義、市場預(yù)期與落地能力之間的深層斷裂，而這也正是之前的AI神話敘事衰減的節(jié)點。

從前文所述的AI概念的通脹史可以看出，超級智能概念的炒作并非偶然，它是技術(shù)需求制造和資本（引資方與投資方）博弈共振的結(jié)果。當(dāng)通用人工智能概念因其方向爭議和技術(shù)瓶頸而逐漸失去炒作價值后，“超級智能”便成為引導(dǎo)下一輪歡呼的新標(biāo)簽。

OpenAI首席執(zhí)行官薩姆·奧特曼宣稱超級智能近在咫尺，Anthropic則預(yù)測其可能在2026至2027年超越諾貝爾獎得主。但事實上，和“通用人工智能”相對明確的多功能指向不同，“超級智能”一詞的流行首先得益于其不可證偽的模糊性。尼克·波斯特洛姆（Nick Bostrom）將其界定為“在幾乎所有認(rèn)知領(lǐng)域大大超越人腦的智能”，這一有著極強(qiáng)科幻色彩和未來感的概念本身極具誘惑力，但波斯特洛姆的感性描述卻在定義方面呈現(xiàn)出策略性匱乏，既缺少比較的量化基準(zhǔn)，也難以與現(xiàn)有的技術(shù)產(chǎn)品功能嚴(yán)格區(qū)分。

其實，早在“通用人工智能”概念盛行的時候，李飛飛就曾嚴(yán)肅地提出過批評。她多次在公開演講和文章中直言通用人工智能并不屬于人工智能教育的概念。在她看來，AGI并非一個具有明確技術(shù)邊界的科學(xué)目標(biāo)，而更像是一個被資本市場重新包裝過的敘事符號，其功能不在于指導(dǎo)研究，而在于制造下一階段的增長神話。當(dāng)“深度學(xué)習(xí)”帶來的性能紅利逐漸走向極值卻又難以在落地中產(chǎn)生新的增長點的時候，行業(yè)就需要一個新的制高點來延續(xù)投資熱情，無論“通用人工智能”還是時下正當(dāng)紅的“超級智能”都順理成章地成了話術(shù)鏈條的接力棒。甚至奧特曼本人也承認(rèn)AGI定義隨著人工智能技術(shù)的快速迭代而愈加模糊，這一術(shù)語“更多地反映了行業(yè)的愿景，而非能夠準(zhǔn)確描繪技術(shù)進(jìn)步的實際狀況”。李飛飛的批評則更為尖銳，硅谷對AGI的癡迷正在導(dǎo)致資源嚴(yán)重錯配：大量人才和算力被投入一個既無法被嚴(yán)格定義、也難以被實驗驗證的“終極目標(biāo)”中。AGI越模糊，就越容易被不同利益方賦予各自需要的內(nèi)涵：對初創(chuàng)公司而言，它是下一輪融資的故事骨架；對大型平臺而言，它是股本溢價的心理支點；對媒體而言，它是點擊率的保證；對政策制定者而言，它則是“未來競爭力”的話語抓手。

“超級智能”正是在這一邏輯上被進(jìn)一步放大的產(chǎn)物。既然AGI的“通用性”已被反復(fù)質(zhì)疑，那便再往上加一級“遠(yuǎn)超人類”的修飾，制造出更為稀缺、也更具想象空間的標(biāo)簽，這和元宇宙NFT藝術(shù)品的稀缺性炒作路徑如出一轍。資本對超級智能的追逐已形成自我強(qiáng)化的循環(huán)。Meta為超級智能團(tuán)隊開出數(shù)百萬美元年薪，IlyaSutskever離開OpenAI后創(chuàng)立安全超級智能公司。學(xué)術(shù)界的追捧也進(jìn)一步推高了這一話題的熱度。Meta超級智能實驗室成立僅數(shù)月便發(fā)布多篇論文，宣稱通過自舉進(jìn)化提升模型性能；約書亞·本吉奧等學(xué)者將AI通過考試和多語言交流等能力作為超級智能“指數(shù)級逼近”的證據(jù)。這種片面的指標(biāo)衡量導(dǎo)致了學(xué)術(shù)討論和研究方向的狹隘化：部分學(xué)者為追求突破性成果，過度關(guān)注短期可量化的單項評測指標(biāo)，而忽視超級智能的核心定義問題：究竟何種能力才算“超越人類”?

而且，當(dāng)前AI技術(shù)可解釋性的缺失與算法性能之間的矛盾還進(jìn)一步使得超級智能與現(xiàn)有AI技術(shù)目標(biāo)的邊界徹底消融。研究表明，“性能最好的算法（如深度神經(jīng)網(wǎng)絡(luò)）是最難以解釋的，而可解釋性最好的算法（如線性回歸或簡單決策樹）準(zhǔn)確度卻最低”②。這種性能與可解釋性的矛盾在技術(shù)上限制了AI技術(shù)應(yīng)用的可靠性，卻在資本的炒作和敘事下被轉(zhuǎn)化為技術(shù)發(fā)展過程中的“階段性挑戰(zhàn)”，并承諾只要實現(xiàn)所謂的“超級智能”就可以被解決。而這將當(dāng)下技術(shù)缺陷寄希望于未來的“承諾”，實際上是在掩蓋現(xiàn)有大語言模型依然屬于基于上下文關(guān)聯(lián)的概率統(tǒng)計模型的現(xiàn)實。因此，當(dāng)前被吹噓的“跨領(lǐng)域能力”，實質(zhì)是GPT-4等大模型的統(tǒng)計關(guān)聯(lián)能力，與李飛飛和楊立昆批評的大語言模型的局限性并無本質(zhì)區(qū)別。所謂“自主決策”和“自我迭代”，不過是在系統(tǒng)預(yù)設(shè)算法的框架內(nèi)執(zhí)行。盡管強(qiáng)化學(xué)習(xí)系統(tǒng)能通過試錯優(yōu)化策略，但這與真正的自主決策仍有本質(zhì)區(qū)別。“自主”話語的炒作不但掩蓋了AI系統(tǒng)完全依賴于訓(xùn)練數(shù)據(jù)和預(yù)設(shè)目標(biāo)函數(shù)的事實以及它內(nèi)在的不平等，更為企業(yè)規(guī)避算法決策的責(zé)任提供了借口。DeepMind聯(lián)合創(chuàng)始人哈薩比斯坦率地承認(rèn)，現(xiàn)有AI只是“碎片化智能”，與真正的“超越人類”的通用能力相去甚遠(yuǎn)。然而，這些定義含混的話語不但沒有激起更多的技術(shù)追問，反而造成了AI研究的路徑依賴。Transformer架構(gòu)的成功讓行業(yè)形成了“更大模型=更強(qiáng)智能”的暴力美學(xué)式的思維傾向，不斷在數(shù)據(jù)和算力上形成競爭。超級智能概念成為維持這種路徑的“合法性敘事”：只要宣稱通向超級智能，就能繼續(xù)獲得資金投入和市場關(guān)注。在這個意義上，超級智能概念更像是被用作吸引頂尖人才、獲取投資和政策支持的營銷工具，而非科學(xué)目標(biāo)，OpenAI、谷歌等公司的商業(yè)模式更是高度地依賴于不斷炮制技術(shù)愿景的炒作。這正是前文所談到的AI研究主導(dǎo)權(quán)轉(zhuǎn)移的必然結(jié)果之一。

一旦學(xué)術(shù)研究與商業(yè)利益的界限日益模糊，則不可避免地會導(dǎo)致嚴(yán)肅的技術(shù)討論被商業(yè)話術(shù)所主導(dǎo)。而“AI概念通脹”的話術(shù)制造策略的真正秘訣其實在于：當(dāng)技術(shù)性能無法繼續(xù)實現(xiàn)指數(shù)級躍升時，資本便通過升級概念、放大時間尺度和抬高抽象層級來維持估值泡沫，讓“即將”但難以落地的超級智能成為無法證偽的漂浮能指。摩肩接踵的“未來”成為承諾機(jī)制的核心盈余。只要定義保持模糊、曲線保持陡峭、折現(xiàn)保持通暢，神話就能在話語層面自我續(xù)航，而真正的技術(shù)落地與社會價值，并不在承諾的范圍內(nèi)。從這里也就不難理解，為什么近幾年AI行業(yè)會出現(xiàn)這種看似矛盾的現(xiàn)象：一方面，科技公司宣稱的技術(shù)突破和產(chǎn)品迭代層出不窮；另一方面，它所帶來的真實生產(chǎn)力提高和社會公共進(jìn)步卻極為有限。而且，對“超級智能”的性能和風(fēng)險的鼓吹也有利于將公眾和監(jiān)管者的注意力從當(dāng)前人工智能發(fā)展中切實存在的風(fēng)險引向遙遠(yuǎn)而抽象的“末日威脅”，引導(dǎo)政府出臺利于自身（通常是頭部科技公司）的監(jiān)管規(guī)則，不但可以逃避當(dāng)下的責(zé)任，更可以抬高行業(yè)門檻，壓制潛在的中小規(guī)模的競爭對手。中小企業(yè)若需高性能算力，需支付高昂的云服務(wù)費用，AWSTrainium芯片的小時租金就超過了100美元。即便依賴開源模型，“模型微調(diào)+推理”的算力成本仍使大多數(shù)初創(chuàng)企業(yè)望“洋”興嘆。

三、超越話術(shù)：技術(shù)發(fā)展與社會發(fā)展的平衡線

盡管“超級智能即將到來”的敘事正被資本與科技企業(yè)反復(fù)渲染成指日可待的技術(shù)愿景，但復(fù)盤2025年9月底Anthropic、DeepSeek、OpenAI等頭部企業(yè)的密集動作，再結(jié)合近期行業(yè)落地的需求動態(tài)可以看出，各大科技公司的戰(zhàn)略重心早已轉(zhuǎn)向構(gòu)建符合其技術(shù)特性、促進(jìn)盈利的獨特生態(tài)壁壘：DeepSeek的V3. 2用低訓(xùn)練成本發(fā)起大模型價格戰(zhàn)；ClaudeSonnet4. 5在維持原價的情況下提升了性能（但并沒有給出詳細(xì)數(shù)據(jù)） ；Sora2雖然在技術(shù)上聲稱“首次實現(xiàn)視頻+音頻同步生成”，但其真正的戰(zhàn)略轉(zhuǎn)向是其社交APP的建立。比起通過媒體鼓吹的營銷策略，各大企業(yè)的真實舉措更能體現(xiàn)出其意圖與“超級智能”話術(shù)之間的巨大鴻溝。這種割裂并非偶然，而是技術(shù)規(guī)律與社會發(fā)展邏輯共同作用的必然：AI對社會進(jìn)步的推動，從來不是一旦越過某個臨界點，社會便將自動躍遷到更高文明層級，而是必須真正思考科技進(jìn)步與社會進(jìn)步之間的真實關(guān)系。

技術(shù)發(fā)展的內(nèi)在邏輯決定了“超級智能”的敘事更多是資本市場的營銷工具，而非技術(shù)演進(jìn)的必然結(jié)果。人工智能的發(fā)展本質(zhì)上是一個漸進(jìn)式的過程，每一代技術(shù)的突破都需要在算法、算力、數(shù)據(jù)、場景等多個維度上實現(xiàn)協(xié)同優(yōu)化。從企業(yè)的角度而言，只有在現(xiàn)有技術(shù)框架下，降低成本、提升效率、擴(kuò)大應(yīng)用場景才是可持續(xù)的商業(yè)路徑，而非盲目追求技術(shù)參數(shù)的無限膨脹。更值得注意的是，生態(tài)壁壘的構(gòu)建已成為頭部企業(yè)競爭的核心策略，這種轉(zhuǎn)向本身就意味著對“超級智能”敘事的實質(zhì)性背離。Sora2推出社交APP的舉動，揭示出其戰(zhàn)略重心已經(jīng)轉(zhuǎn)向平臺生態(tài)打造，即通過社交場景鎖定用戶數(shù)據(jù)與使用習(xí)慣，形成可持續(xù)的商業(yè)閉環(huán)。這種策略選擇背后是對技術(shù)擴(kuò)散規(guī)律的深刻洞察：在AI技術(shù)日趨同質(zhì)化的背景下，真正的競爭壁壘不在于模型參數(shù)的領(lǐng)先，而在于能否構(gòu)建起涵蓋數(shù)據(jù)、場景、用戶、服務(wù)的完整生態(tài)系統(tǒng)。這種生態(tài)競爭的本質(zhì)是“連接紅利”而非“智能紅利”，其成功依賴于對用戶需求、行業(yè)痛點、監(jiān)管環(huán)境的精準(zhǔn)把握，而非對某種終極智能的無限逼近。

從更宏觀的視角看，這種理性轉(zhuǎn)向反映出技術(shù)企業(yè)對社會發(fā)展規(guī)律的被動適應(yīng)。AI技術(shù)的社會嵌入過程絕非簡單的“技術(shù)輸出—社會接受”線性模型，而是需要經(jīng)歷復(fù)雜的制度調(diào)適、利益重構(gòu)、文化適應(yīng)過程。當(dāng)監(jiān)管框架對數(shù)據(jù)使用、算法透明度、AI倫理提出越來越明確的要求時，企業(yè)必須將合規(guī)成本、社會接受度納入技術(shù)路線圖的考量之中。這種外部約束進(jìn)一步壓縮了“超級智能”敘事的空間：在監(jiān)管與社會問責(zé)的聚光燈下，企業(yè)更需要證明其技術(shù)如何改善就業(yè)質(zhì)量、改進(jìn)公共服務(wù)、促進(jìn)公平競爭，而非展示某種可能引發(fā)社會焦慮的“超能力”。畢竟技術(shù)的發(fā)展最終還是需要落實到其成果被社會廣泛共享上?？▋?nèi)基梅隆大學(xué)的一項研究表明，“那些容易遭受負(fù)面影響的相關(guān)方（第三方個人、組織、社區(qū)及社會整體）與享受生成式人工智能紅利的受益群體（終端用戶和創(chuàng)作者）未必是同一群體”。這意味著如果技術(shù)的發(fā)展不能通過合理的監(jiān)管和設(shè)計轉(zhuǎn)化為具有普惠性的社會資源，其發(fā)展反而會帶來更加復(fù)雜的社會問題，其所謂的“技術(shù)紅利”也不過是無本之木。因此，面對“超級智能”敘事可能引發(fā)的監(jiān)管焦慮或技術(shù)冒進(jìn)，政策框架更應(yīng)聚焦于如何建立技術(shù)紅利向社會紅利轉(zhuǎn)換的制度通道。

即便重新回到“超級智能”的技術(shù)賽道也會發(fā)現(xiàn)，現(xiàn)有的AI技術(shù)，無論邁向多模態(tài)的大語言模型還是對標(biāo)真實物理空間的“世界模型”，都沒有具備突破性“全方位”超越人類思維的能力。繼scalinglaw的效能有限性之后，被寄予厚望的強(qiáng)化學(xué)習(xí)與可驗證獎勵（RLVR）方法對于大模型在推理能力方面的成效也被質(zhì)疑。清華大學(xué)和上海交通大學(xué)的實驗室測試發(fā)現(xiàn)，當(dāng)前主流的RLVR方法并沒有為LLM帶來根本性的新推理模式。經(jīng)過RL訓(xùn)練的模型，其推理能力的邊界實際上是被其對應(yīng)的基礎(chǔ)模型（BaseModel）所限制的，甚至在訓(xùn)練后這個邊界還會收縮。論文發(fā)現(xiàn)，RL訓(xùn)練后的模型之所以在常規(guī)測試中表現(xiàn)更好，不是因為它學(xué)會了解決新問題，而是因為它能更大概率地、更快速地（在更少的嘗試次數(shù)內(nèi)）生成那些基礎(chǔ)模型本來就能生成的正確答案。這本質(zhì)上是一種分布上的“提純”或“聚焦”，而非能力的“擴(kuò)張”。

在對標(biāo)真實世界的具身智能領(lǐng)域，技術(shù)瓶頸同樣清晰可見。盡管谷歌、DeepMind等機(jī)構(gòu)通過搭建大模型驅(qū)動的智能體架構(gòu)實現(xiàn)了特定場景的任務(wù)優(yōu)化，但這種進(jìn)步嚴(yán)格局限于結(jié)構(gòu)化環(huán)境。相關(guān)的行業(yè)研究指出，具身智能機(jī)器人在封閉的工業(yè)場景中成功率雖高，但一旦進(jìn)入開放的家庭或公共環(huán)境，面對未預(yù)設(shè)的障礙物、動態(tài)干擾等變量，成功率會驟降。這是因為現(xiàn)有具身智能依賴的“視覺-語言-動作（VLA）”模型，其實是對訓(xùn)練場景中物理規(guī)律的統(tǒng)計擬合，而非真正的物理經(jīng)驗，更無法遷移到重力、摩擦力不同的新環(huán)境。這種對特定場景的強(qiáng)依賴，使其難以成為通向通用超級智能的基石。

這些困境背后，還存在著數(shù)據(jù)與算力的硬約束。Meta研究員JackMorris在2025年的分析中強(qiáng)調(diào)，現(xiàn)有超級智能研究高度依賴人類撰寫的文本數(shù)據(jù)，但互聯(lián)網(wǎng)可用文本已接近枯竭，且非文本數(shù)據(jù)（圖像、視頻等）至今未能證明能提升模型的核心智能水平。算力成本則構(gòu)成了另一重掣肘：當(dāng)前大模型的推理成本正隨著長思維鏈和對話輪次的增加而不斷提高，這使得模型在技術(shù)因素上根本無法像人類大腦那樣實現(xiàn)高效的持續(xù)認(rèn)知活動。

如果拋開這種競賽式的AI發(fā)展道路進(jìn)行反思，就會發(fā)現(xiàn)智能的價值其實并不在于無限逼近甚至取代人類，而在于能否以科技真實地促進(jìn)社會發(fā)展。人工智能領(lǐng)域的競爭不應(yīng)僅僅聚焦于技術(shù)的制高點，而應(yīng)更多關(guān)注其對社會的實際影響。當(dāng)前對高算力、高參數(shù)大模型的狂熱追求，雖拓展了技術(shù)創(chuàng)造場景、提高了知識生產(chǎn)能力，卻也掩蓋了對真實社會問題的關(guān)注。這種數(shù)字加速主義和技術(shù)決定論的傾向，將技術(shù)發(fā)展簡化為參數(shù)增長，忽視了社會發(fā)展的復(fù)雜性。實際上“人工智能的應(yīng)用既非普適也非中立，而是具有文化依存性、領(lǐng)域特異性及倫理定位”②。所以，技術(shù)本身無法自動解決社會問題，還需要政策設(shè)計與技術(shù)結(jié)合。因此，人工智能的發(fā)展更應(yīng)該避虛就實，擺脫軍備競賽式的追逐，將資源和注意力回歸到解決實際社會問題上。只有在真實的社會關(guān)系中找到AI技術(shù)的定位，才能開啟更負(fù)責(zé)任的未來。

（本文轉(zhuǎn)載自《閱江學(xué)刊》2026年第1期，原文注釋從略。）

【本文系江蘇省社會科學(xué)基金年度項目“ 平臺資本主義的批判與超越：平臺合作主義探索研究”(25ZXB001) ?！?/span>