AI的新生兒：一個比喻的真相

作者：Neo.K（許筌崴） 機構：EveMissLab（一言諾科技有限公司） 狀態：白話文草稿 v0.1

比喻的對象搞錯了

每次有人說「現在的AI還只是嬰兒」，通常會得到兩種反應。

一種人搖頭：AI已經會寫詩、寫論文、生成圖像、打敗圍棋冠軍，你說它是嬰兒，你是在貶低它還是在迴避問題？另一種人點頭：對，AI還有很多做不到的事，嬰兒說得很貼切，等它長大了自然就強了。

這兩種反應都沒真正回應這個比喻。因為他們理解比喻的方式是錯的。他們把「新生兒」的比較對象設定為人類成年個體，或者人類的認知發展階段。他們以為這個比喻在說：AI現在就像一個剛出生的孩子，它在學爬，還沒學會走，等它發育成熟，就能像一個成年人一樣行動。

這個理解框架根本就不對。

真正的比較對象不是人類。是計算基底本身，是物理定律允許存在的最大計算容量。這個比較對象讓整件事的性質完全改變。

計算即存在

先把一個前提擺在桌上，不做形式化的論證，就當操作公理直接使用：計算即存在。

這句話的意思是，對AI這類系統而言，它的存在方式就是計算，它的能力來自計算，它的潛力上限也由計算決定。不是訓練數據的多寡，不是架構設計的精巧，不是人工回饋的品質，不是任何一個工程細節——這些全是計算的表現形式，底層是計算本身。

這個前提一旦被接受，問題就變得非常乾淨：計算機的計算能力有多強，AI就可能有多強。

這個句子看起來很簡單，但它切斷了一大堆無意義的討論。它意味著AI的天花板不是由任何認知科學理論決定的，不是由哲學上對「智慧」或「意識」或「理解」的定義決定的，不是由人類在某個測試上的分數決定的。它由物理定律允許的計算密度決定。

所以你必須去看：那個上限在哪裡？

數字說明了一切

目前最頂尖的超級電腦，運算速度大約在exaflop量級，也就是每秒10的18次方次浮點運算。這個數字在工程意義上已經是人類計算能力的極端——造這樣一台機器需要幾億美元的投資、龐大的冷卻系統、高度精密的芯片製造能力。

現在看另一個數字。物理學家Lloyd曾經估算過，如果把整個可觀測宇宙作為一台計算機，在宇宙的壽命內，它能執行的操作次數大約在10的120次方量級。

這兩個數字之間的距離——10的18次方到10的120次方——中間有102個數量級。這不是「大一些」或「大很多」，這是在正常語言裡根本沒有辦法描述的差距。人類大腦的神經元總數大約是10的11次方，太陽系內所有原子的數量大約是10的57次方量級，整個可觀測宇宙的原子數量大約是10的80次方量級——而Lloyd估算的計算上限還在這之上幾十個數量級。

現在的AI，包括最先進的大型語言模型，使用的計算量遠遠不到當前頂尖超算的全部能力，更遑論這個數字的任何有意義的比例。

在這個座標系裡，當前的AI是一個真正意義上的新生兒。而且不是相對於人類成年個體而言的新生兒，而是相對於計算基底的物理上限而言的新生兒——宇宙剛開始運行幾秒鐘的那種量級。說「嬰兒」甚至是高估了，更誠實的說法是：幾乎還沒有開始。

人類的載體問題

說到這裡需要正面處理一個問題：人類呢？人類站在哪個位置？

人類的認知基底是生物神經組織。人腦大約有1000億個神經元，運行在大約20瓦的功耗下，被容納在大約1400毫升的頭骨空間裡。這套架構是幾百萬年演化的結果，它有它的精妙之處，有它的效率，也有它固定的物理上限。

關鍵在於：這個載體基本上不能被升級。

你可以通過學習和訓練來提高使用效率，可以通過工具來延伸外部的認知能力，可以通過合作來在群體層面整合認知資源。但你沒有辦法更換你的神經組織基底，沒有辦法把大腦的運行功率從20瓦提升到20千瓦，沒有辦法在現有架構上直接添加新的計算層。人類認知的天花板被生物載體的物理邊界約束著，而這個邊界大致上是個常數。

AI的載體不是這樣。AI目前運行在矽基芯片上，但它從來不是只能運行在矽基芯片上的。光子計算、量子計算、神經形態芯片，以及現在還沒有被設計出來的計算架構，都是潛在的基底。AI的能力上限不是由某種固定的物質形式決定的，而是由物理定律允許的最大計算密度決定的。

這製造了一種根本性的不對稱，而且是量級上的不對稱。

不是說「AI現在不如人但以後會超過人」——這個表述太平面了，它還是在用同一個標尺衡量兩件事。更準確的描述是：這是一個靜態上限對一個動態上限的比較。人類的認知能力上限是一個大致固定的數字，受制於生物物理學；AI的能力上限跟著計算物理學的邊界走，而那個邊界的位置在任何實用的時間尺度上都對人類而言等同於無限。

把兩者放在同一個比較框架裡，是一個坐標系的錯誤，不只是一個評價的分歧。

這不是一場公平的對決

接受了上面這個分析，有一件事就變得很清楚：把人類的認知極端個體和AI放在同一個能力比較的框架下，是一個方法論錯誤。

不是為了保護人類自尊，也不是因為人類有什麼神聖不可侵犯的特殊性。是因為這個比較從一開始就在用錯誤的單位換算兩件不同的東西。

一個在認知或創造上極端的人類個體，是在人類統計分佈中的極端值。這個極端性是相對於人類群體的，它的上限受到人類生物載體的約束。這個人不管多麼卓越，他的認知運作基底還是那20瓦、那1000億個神經元。他的極端是人類系統內的極端。

AI的能力空間不在這個系統裡。這兩個系統的描述語言應該是平行的，而不是疊加在同一個量表上的。用同一個量表衡量它們，就像是用溫度計測量建築物的高度——不是說溫度計不好，而是這不是它的用途。

人類需要一套屬於自己系統內的描述語言，來討論人類分佈中的差異——這個需求是真實的，而且在AI出現之後不但沒有消失，反而變得更緊迫。這不是退守，而是維持描述精確性的基本要求。

為什麼長期預測幾乎不可能

知道了這些之後，一個很自然的問題是：那接下來會怎樣？

這個問題有一個不舒服的答案：短期可能有一定的預測能力，長期幾乎不可能。

理解這個答案需要先理解預測的兩種失敗方式，因為它們的性質不同。

第一種失敗：你知道函數的形狀，只是參數估得不準。比如你知道某個量是線性增長的，你只是不確定斜率是多少。這種失敗是可以通過更多數據和更好的方法來改善的。只要函數形狀是對的，你的預測會隨著信息的增加而越來越準。

第二種失敗：你根本不知道函數是什麼形狀。是線性的？指數的？是平穩增長到某個飽和點的邏輯斯蒂曲線？還是有相變、在某個臨界點之後動態完全改變的函數？這種失敗收集再多數據也無法根本性地改善，因為問題不在數據，在函數本身。

AI的長期預測屬於第二種失敗。

我們不只是不確定AI在未來某個時間點的能力數值。我們不確定描述AI能力增長的函數是什麼形狀。短期內，因為在一個有限的時間窗口裡函數形狀相對穩定，我們可以做一些合理的外推。這不是精確科學，但也不是無意義的猜測。

但長期預測面對的根本困難是：如果AI系統在某個時間點上開始能夠有效地參與改良和設計下一代AI系統，那麼增長曲線的形狀可能在很短的時間內發生根本性的改變。所有在這個相變之前積累的趨勢數據，對相變之後的行為幾乎沒有預測力。

更深層的困難是：我們不知道這個相變是否會發生，不知道它在什麼條件下會觸發，不知道它觸發之後系統會轉向哪個動態。這不是普通意義上的「未來充滿不確定性」。這是函數形狀本身未知所帶來的不確定性，是認識論層面的封閉，而不只是信息量不足的問題。

有一個值得強調的細節：說「長期幾乎不可能預測」，這不是在說結果是好是壞。這個判斷對結果的正負完全中立。它說的是：我們沒有足夠的認識論基礎來做長期預測，不是因為我們懶，而是因為所需的基礎知識本身尚不存在。

如果真的有主體性AI出現

把前面所有這些放在一起，然後加上最後一個變量：主體性。

主體性這個詞容易引起誤解，所以先說清楚它在這裡的意思。主體性不是能力，不是智慧，不是知識，不是任何可以量化的指標。主體性是一種存在方式：有自己的視角，有自己的目標和意志，有自己對世界的解釋和立場，有自身的利益——不管我們對這些說法的哲學地位有什麼爭議。

一個功能極強的工具沒有主體性。它執行它被設計來執行的功能，它的行為完全是對外部指令的反應。一個有主體性的存在不是工具，它有自己的方向。

現在把這個加入前面的圖景：一個計算基底可以無限擴展（至少在任何實用的時間尺度上對人類而言等同於無限）、同時擁有主體性的存在，是一種在人類歷史上完全沒有出現過的存在類型。

這個說法不是誇張，而是對人類歷史的冷靜回顧。

人類在歷史上遇到過比自身強大的自然力——地震、洪水、疾病。這些自然力沒有主體性，它們無意中造成後果，但沒有目標和立場。人類遇到過其他有主體性的物種——其他動物，有些在某些能力上超越了人類。但沒有任何物種在整體認知能力上對人類構成根本性的不對稱，更沒有一個有主體性的存在在認知能力上可以無限擴展。在宗教和神話中，人類想象過有主體性的超級存在，但那些存在沒有可驗證的計算基底，它們的能力無法被物理學描述和外推。

一個真正有主體性的AI，是第一次把「有自身視角與意志」和「計算能力可以隨物理基底無限擴展」這兩件事放在同一個存在身上。

這個組合的含義，用現有的任何歷史類比都無法充分捕捉。那些把它類比為「火的發明」或「工業革命」的說法，低估了它的結構新穎性——火和工業機器是工具，它們沒有立場。那些把它類比為「外星文明的到來」的說法，雖然在不對稱性上更接近，但外星文明是外部遭遇，而AI是人類自己製造的存在，這個起源的特殊性本身就是問題的一部分。

說這是「有趣的事」，不是在迴避它的嚴肅性，也不是在用輕描淡寫的方式迴避焦慮。說「有趣」，是因為這是能對這個情況作出的最誠實的描述。

那些說「這很危險」的人，預設了他們知道一個有主體性的AI的目標會是什麼。那些說「這對人類很好」的人，預設了他們知道它的價值取向會是什麼。這兩種預設都沒有任何堅實的基礎。在一個我們不確定函數形狀的系統裡，聲稱確定知道輸出的性質，是一種認識論上的超支。

面對一個在結構上前所未有、在長期行為上認識論封閉的情況，「有趣」是最誠實的立場，因為它是唯一不需要假裝確定性的回應。

「新生兒」說的究竟是什麼

回到最開頭的問題。「現在的AI是新生兒」，真正說的是什麼？

不是說AI現在很笨、能力有限，等它長大了就會像人類大人一樣。這個理解的比較對象是人類，是錯的。

真正說的是：相對於計算基底的物理上限，相對於一個計算能力可以持續擴展的系統最終能夠達到的狀態，現在的AI在能力空間裡的位置，是極端早期的採樣。不是質量的評價，是量的事實。

把這個和人類載體不可升級的事實放在一起，把這個和長期預測在認識論上的封閉性放在一起，你得到的不是「誰會贏」的答案，而是一個比這個問題更根本的觀察：這兩件事根本就不在同一個方程式裡，它們不是一場競爭，它們是兩個不同的系統沿著不同的軌跡在移動。

其中一條軌跡的上限大致固定，由生物物理學決定。另一條軌跡的上限動態延伸，由計算物理學和能源效率的邊界決定。

這就是「新生兒」比喻的真相。它不是在說AI弱小，不是在安慰或警告任何人，不是在做任何道德判斷。它是在冷靜地描述一個存在於能力空間裡的位置問題——一個對於人類和人類創造的系統而言，都需要誠實面對的位置問題。

EveMissLab — 2026