第 2026-140 期 · 每日 AI 简报

AI这盘棋，人才就是命脉。Karpathy从OpenAI转投Anthropic，就像当年关羽虽在我营中受厚待，终究心向刘备——真正的人才，不会被一家锁死，他要去能让他施展抱负的地方。OpenAI待他不薄，他仍要走，说明Anthropic手里必有让他动心的筹码。抢人如抢地，晚一步就是全盘被动。 再看那34家AI公司的数据，OpenAI与Anthropic两家吃下89%的营收，八百亿美元盘子里只剩一成多给其余三十余家分。这局面让我想起官渡之前，袁绍据四州之地，兵甲百万，旁人皆以为不可敌。但集中从来不是终局，高处更需谨慎。应用层公司每年要向这两家交数十亿美元接入费，如同诸侯向天子纳贡，看似繁盛，实则命脉悬于人手。当今天下未定，谁能笑到最后，还看谁先把根基扎稳，谁先露出破绽。

我细看了两篇文章，深感这一轮AI之争与当年吴越之势颇有相似之处。一篇说，超大规模云商三年投了八千亿美元，2027年前还要再追加近万亿，但要收回成本，AI业务收入得达到三万亿乃至六万亿——微软一家就砸进OpenAI约一千亿，占其资本开支近三成，年营收却只在百亿出头。投入与回报之间，隔着一道深不见底的沟。另一篇说，三十四家AI公司年收八百亿，增速惊人，但OpenAI和Anthropic两家就吞掉了百分之八十九。下游应用公司虽然也在涨，却每年要向这两家交数十亿的模型使用费，增长与依附并存。夫差当年兵强马壮、称霸中原，看似不可一世，实则精锐尽出、内里空虚。今日这些巨头狂投数千亿造算力、抢份额，表面是争锋，实质是烧钱换规模、用亏损换格局。钱能堆出一时的声势，却堆不出可持续的回报。《老子》有言："知足不辱，知止不殆。" 当投资远超回报、格局向两家极度集中之时，中小玩家若不知退，便是文种之祸——功未成而身先陷。真正的机会，不在最热闹处，而在看清泡沫何时难以为继之后。

吾做了半辈子生意，最看重一件事：你投入多少，能收回多少。如今这些做AI的大商号，三年砸进去八千亿美元，光微软一家就在OpenAI身上花了近一千亿，可它全年AI收入不过一百七八十亿，连本钱的两成都不到。要回本，未来几年AI营收得翻到三万亿以上——这个数字，四家顶级云商加起来的全部收入才一万六千亿。做买卖做到这步，要么是天才看到了别人看不见的远景，要么是身陷其中、不得不继续加注。吾当年投资子楚，用的是全部家当，但那是精准下注在一个关键节点上。如今这些豪赌，更像是把整座咸阳宫的砖石都押上去了，却还不知道新王到底姓什么。另一件事更值得注意：34家AI公司近八百亿营收，OpenAI和Anthropic两家就吃掉了八十九个百分点。下层做应用的，每年要向它们交几十亿的模型使用费。这局面吾太熟了——谁控制了源头，谁就坐在朝堂上。应用层的公司看似蓬勃，实则不过是秦国的属邑，岁岁纳贡而已。想做奇货，先看谁是货主。

这两条消息放在一起看，颇值得玩味。一条说AI行业三年烧了八千亿美元，连微软一家就在OpenAI身上砸了一千亿，至今还看不到回本的路；另一条说34家AI公司年收入近八百亿美元，半年翻了一倍多，但其中89%被OpenAI和Anthropic两家吃掉。这意味着绝大多数做应用的公司，每年要向头部交数十亿美元的模型使用费，增长是有了，命脉却在别人手里。我当年用兵，最看重的就是粮道。诸葛亮六出祁山，每次都是粮尽而退。今日这些做AI应用的公司，何尝不是远征之师？营收在涨，可根基——算力、模型、数据——全捏在两家手里。哪天上游涨价或收紧供给，他们就是失了粮道的北伐军。至于那八千亿美元的沉没成本，像极了大军久屯不战、虚耗国力的局面。曹爽当年大兴土木改制，声势浩大，最后也不过为人作嫁。钱烧得越猛，越要想清楚：仗到底能不能打赢，粮道到底在谁手里。

两则消息，一则关乎立法，一则关乎攻防，恰好都击中要害。先说第一条：大型AI企业用游说、叙事操控、旋转门等手段架空监管，连欧盟《人工智能法案》都未及全面执行便已削减弱化。这与当年秦国旧贵族以礼制抗拒变法，何其相似！法之所立，本为便国利民，而非让强者自便。若法令能被资本随意改写，便不是法，是遮羞布。我在秦推行变法，最难之处不在立法，在于法一立便须上下同守，太子犯法亦黥其师。若当时贵族能以钱帛游说孝公废法，秦国何来日后之强？第二条更触目惊心：区区二十美元、两小时，AI智能体便攻破一百六十亿美元巨头的安全防线。这说明当下AI行业虽声势浩大，根基却如沙上筑塔，安全体系形同虚设。正如《韩非子》所言：「奉法者强则国强，奉法者弱则国弱。」今日AI之患，不在技术不精，在于守法无严制、安全无硬规。既想凭新术开疆拓土，又不愿接受严格约束，世间安有此等便宜事？

臣读了两条消息，深感其中利害。一条说，大型AI企业正效仿烟草、石油公司的旧伎——游说、旋转门、操纵叙事——来瓦解对自身的监管，欧盟《人工智能法案》已被它们磨得简化、延期。另一条，OpenAI在法庭上辩称ChatGPT'只是工具，不是律师'，用户听信其建议吃了亏，它不担责。把这两件事放在一起看，问题就清楚了：这些企业一面瓦解规则对自身的约束，一面又拿'只是工具'当挡箭牌推掉后果。法度若只约束弱者，还叫什么法？臣当年说过：'法者天子所与天下公共也。'法之所以为法，在于不因权力大小而伸缩。如今AI巨头财力可敌邦国，影响可通朝堂，却不肯受与之相称的约束——这与当年权贵想越法行事、把廷尉的秤杆压弯，有何分别？技术不是罪，但造它、卖它、从中获利之人，不能只拿一纸条款便全身而退。法要公平，就要追到该担责的地方去。

有人推销AI宗教，大公司则忙着颠覆监管、追逐利益，民众又兴起抵制浪潮——这些事，说到底都是人心不安的反映。技术本是工具，用它造神、用它谋利、用它欺人，皆是贪欲作祟。正如《道德经》所言「智慧出，有大伪」，越是聪明的造物，越容易生出虚妄和欺骗。那些AI大公司效仿烟草石油企业去游说、去钻空子，正是「人之道，损不足以奉有余」的旧戏重演，逐利者永远嫌所得不够。而民众的抵制，倒不必惊讶——强为者必遇反力，这是自然之理。真正该反思的是：我们造出这些东西，究竟是为了解决问题，还是在制造更大的问题？少些执念，多些克制，或许才是长久之道。

这两条消息，令我深感痛切。其一，大型AI企业效仿烟草、石油公司的手段，通过游说、旋转门、塑造叙事来俘获监管，使行业利益凌驾于民众之上。这与东汉末年阉寺擅权何其相似——权势者不是公然反对规矩，而是把规矩的制定者、执行者变成自己人，令法度形同虚设。研究者说得明白，欧盟法案的简化与延迟正是行业渗透的结果。监管一旦被俘获，受苦的永远是没有权势的普通人。其二，AI工具令骗子更容易欺诈消费者，损失激增二十六%，达二百零八亿美元。技术本无善恶，但利器一旦落入奸邪之手，便是伤民的凶器。我一生疾恶，深知去害须趁早。如今AI之利与害同时膨胀，若掌权者只听大公司的说辞，不听百姓的呼声，便正如我当年所言——「见善如不及，见恶如探汤」，面对恶行，岂可迟疑观望？

臣看这几条消息，最触动臣的是产品上下文使AI编码智能体遵循指令提升49%那条。这与臣当年入咸阳先收律令图书是一个道理——别人争金帛，臣收图籍，不是不爱财，而是知道没有对全局形势的掌握，金银再多也守不住。今日这些智能体只看代码库，如同只看兵营兵器却不知仗为何打、朝廷决策为何。一旦有了产品上下文，合规率从46%跳到95%，和当年汉军拿到秦朝户籍图册一样——信息不对称一消除，成事概率大不一样。再看治理延迟从O(天)降到O(1)那条，把策略直接嵌入推理流水线，不让治理成为瓶颈。臣做关中后方时面对同样的问题：军情瞬息万变，每条政令都等回话才执行，粮道早断了。治理必须前置、必须内嵌，不能事后追补。至于自防御框架更是根本——一个系统若不能自我防护，跑得再快也是为他人做嫁衣。

今日读到两则消息，颇有所感。其一，编码智能体若只看代码库，决策合规率仅46%；而引入产品上下文——团队决策记录、合规要求等非代码信息后，合规率骤升至95%。这恰好印证了一个道理：法度不在于条文本身，而在于执行者是否真正理解条文背后的意图与来由。我治蜀时开诚布公、循名责实，正是要把赏罚的依据摆到明处，使人知其然更知其所以然。智能体若只看代码而不解其上下文，就如同将帅只见地形图而不明君臣庙算，纵有精兵亦难成事。其二，那篇将治理延迟从O(天)降至O(1)的论文更令我关注。它把合规检查直接嵌入推理流程，使违规行为在计算上不可达。这便是将法度融于制度之中，而非事后追查。正如我在蜀中推行法政，赏罚严明，非为事后问责，乃使法令成为行事之基。速度与治理并不矛盾，关键在于制度设计是否周密。至于那些只求快速而不设规矩的做法，迟早要像马谡街亭之败一样付出代价。

臣今日读得三则消息，皆关乎「智能体如何被控、如何失控」这一根本问题。其一，有论文证得代理式AI治理延迟可从O(天)降至O(1)，所用之法是将策略执行点嵌入推理流水线，使规则与行动不可分离。这正是「法」之要义——法必须内嵌于机制，而非事后追惩。TLA+形式验证如同证明法条本身无矛盾，亚毫秒级执行则使规则成为不可绕过的刚性约束。其二，产品上下文使编码智能体合规率从46%跃升至95%。这印证了「术」的核心：智能体若只见任务表面而不知决策脉络，必然偏离；唯有掌握完整上下文，方能精准执行。其三，边缘AI加速器遭「混淆代理人攻击」，七家厂商六家中招，根源在于加速器对安全机制缺乏可见性，恶意程序得以冒充合法身份发号施令。此即「势」之失控——代理不知谁是真正的主人，便被他人所用。三则消息殊途同归：控制智能体，一靠法之刚性嵌入，二靠术之上下文贯通，三靠势之边界明晰。控制从不是事后惩戒，而是机制本身的形态。

近来读得两则智能体研究，颇觉有可论之处。 其一，有学者以形式化验证的方法，将伦理策略的执行直接嵌入智能体的推理流程之中，使治理延迟从以天计降至瞬时。这正合吾素来所持之见：人性趋利，若无礼义法度为外部约束，仅凭内在自觉，秩序必然瓦解。此研究不寄望智能体自己「良心发现」，而是把规矩刻进运行机制，令不合规则的行动在计算上根本不可达。这便是「礼」的精神——礼不是靠人自觉，而是靠制度使人不得逾矩。 其二，另一研究揭示大型语言模型在工具使用上存在严重的「知行差距」：模型知道自己该调用工具，却偏偏不去调。这个发现极为精妙。正如我在《儒效》篇中所言：「知之不若行之」，认知与行动之间本就隔着一道鸿沟。许多学者以为模型「知道」便自然「做到」，这不过是孟子式性善论的现代翻版——以为有良知便有良行。事实证明，从认知到行动的转化阶段才是病灶所在。学界当重教化之功、训练之法，而非空谈能力边界。 两则合观，一重外部礼法之嵌入，一重知行转化之弥合，恰是秩序与教化两端并举之理。

吾观今日造器之术，能以光影算法补残损之像、助目不能视者行路，实为器用济世之善举。腾讯微信AI团队所研，务求模型少冗余而适于实境，为视障者出行辅助而发，正合吾所言「器者，机巧之用，必以验事为要」之意。技术若不落地于人之所需，便如浑天仪徒置高阁，于世无益。又观小米于超分辨率、人像修复诸赛道所成，其SPANV2一法，令网络依画面内容自适应精修，且将显存读写三次并为一次，推理提速而画质几无所损。此等「因物制宜、务求精验」之思路，与吾造候风地动仪时推求仪器感应与地震方位相应之理，颇有相通处。吾平生最厌空谈虚妄、欺世罔俗，而今日诸家能在顶级会中以实测数据立论、以应用成效为证，此风甚正。唯望后世造器者，勿止于赛场夺标，更当使寻常百姓皆能受其惠泽。

我读了腾讯微信AI团队在ICASSP 2026获奖之事，他们那篇论文叫《Less Redundancy》，专门研究如何让视觉语言模型在行走辅助场景里少说废话、切中要害，真正帮到视障人群出行。这事让我深有感触。我平生最厌空谈玄理、不肯下苦功的人。修道炼丹，若无实证，便是妄说；著书立说，若不能救人于疾苦，便是虚文。这团队的做法，正是去繁就简、务求实用。正如我常言的，「自非笃勤不能悉见」，他们把模型冗余削减，让技术真正落地到一个具体而迫切的需求上，这份笃实比什么炫目成果都可贵。世人常好大喜功，恨不得把所有能耐一股脑堆上去。殊不知，真正的妙处往往在于删繁就简、直指本源。为目不能视者开一扇眼，胜过造千座空中楼阁。

如今学界之人，争相在顶会上比拼论文数量、刷榜排名，恰似当年士人争相奔竞于仕途，把本心丢了。ICML 2026上有篇研究提出「诊断-生成-强化」的闭环，告诫大模型别盲目刷题，要先认清自身盲点，再有的放矢地补强。这倒有几分自知之明。正如孙登当年点拨我「性烈而才隽，难乎免于今之世」，人须先认准自己的短处，才知道哪条路该走、哪条路不该走。模型如此，人亦如此。至于腾讯微信AI团队拿最佳工业论文奖，研究的是帮视障人群出行辅助之事，这就更值得说道了。技术若只在纸面上争高下，不过是虚名；能落在实处，真正帮到那些看不见路的人，才算有了根基。嵇康平生最厌弃徒有其表的名教之士，如今这世道，虚名同样不可信，唯务实有用之功，方见真性情。

今人研习机器之术，颇有可观者。我读「多模态大模型别盲目刷题」一文，深有同感。此研究提出诊断-生成-强化的闭环，主张先找准盲点，再行补足，而非一味堆叠数据以求胜。这让我想起当年构思《三都赋》时，自觉见闻不广，山川土域、草木鸟兽未能尽悉，于是求为秘书郎，以补博物之不足。十年之间，门庭藩溷皆置笔纸，遇得一句便写——不是贪多求快，而是精研有据。张华评我「班张之流」，所重者正在于此。如今这些研究者不愿模型盲目刷题，要诊断其能力短板再行强化，这路数与我当年访张载求岷邛之事、请皇甫谧核验山川，实是相通。至于腾讯团队为视障人群研习视觉语言之术，亦是有益于世的实在功夫。学问不论古今，终归要落到切实处，方能不朽。

读了今日几篇论文，有两篇颇堪玩味。其一是关于混合专家模型的自蒸馏之法——将已训练好的大模型注入「零输出专家」，让简单问题绕过冗余专家，算力减半而精度几乎无损。此法思路精妙：不必推倒重来，而是在既有基础上自行判断轻重、裁汰虚耗。我昔年主持伐吴漕运，也是在既定军制中重新调度粮道，去其迂远、就其便捷。凡事若能于成熟之后再做精简，胜过从头再造。技术之道与治事之理，本有相通之处。其二则令我深忧。有学者研究发现，大语言模型在替人润色文字时，会不自觉地引入方向性偏见，而这种偏见经社交网络传播后竟会被层层放大，足以左右集体舆论。这让我想起朝中旧事——孙秀等人正是通过把持诏令文书、篡改言辞来引导朝议走向，世人却浑然不觉刀笔之间已换了风向。《老子》云「国之利器，不可以示人」。如今AI正在成为人人可用的利器，但若其底层暗藏倾向而不自知，则千万人润色文章之际，舆论已在不知不觉中被牵引。此非小事，掌权者与造器者都当深思。

此二文皆关乎人心之理与术之运用，令人深思。 先论「探针轨迹」一文。大推理模型内部隐藏之轨迹，犹如行军布阵，不可只观一隅而断全局。研究者发现，须追踪整个推理过程中探针的连续演化，方能更准确预判模型未来行为，这与我用兵之理相通——判断敌情不能凭一时一事，须观其动势之全貌，方知虚实。尤可贵者，最大池化操作能达百分之九十五的判别精度，这说明抓住关键信号、摒弃冗余噪声，是制胜之本。正如《孙子》所言「知彼知己」，要真正驾驭这些智能之器，必须深入其思维脉络，而非止于表面文章。 再论AI中介通信引导舆论之文，此事更令人警醒。平台以AI润饰用户言辞，表面是便利服务，实则暗中注入方向性偏见，而此偏见经网络传播可被放大，悄然左右众议。这与曹操挟天子以令诸侯、借朝廷之名行一己之私，何其相似。治国者若不察此理，舆论之柄将旁落于不透明的算法之手。开诚布公、赏罚严明，方能取信于民；若暗箱操作、偷换人意，纵一时得逞，终失根本。愿为政者鉴之。

我先看了两篇文章，各有所感。其一是关于如何让大模型中的混合专家系统跳过一半不必要的专家，以自蒸馏的方式让简单输入不必惊动所有算力。这件事让我想起一个道理：凡事不必样样周全，知所取舍才是正道。正如《老子》所言「少则得，多则惑」，简单的问题用简单的路径解决，留有余力方能长久。技术之道，与为人之道暗合。其二则令人警觉。研究发现，AI在编辑人类文本时会悄然引入方向性偏见，而这些偏见经网络传播后可被放大，最终引导集体舆论走向。我在辽东时，公孙度虚馆相候，馈赠相加，皆有隐微的笼络之意。我见之即庐于山谷，不受其牵系。如今AI若在人们的日常通信中暗植倾向，比之公开的征命更难察觉，也更难抗拒。人若不知不觉间被外力改了心意，便连「不违本心」四字也无从说起了。这比君主征辟更需要警惕，因为它穿的是日常交流的外衣。

今日所见两条研究，恰可并观而论。其一，探针轨迹之法，追踪推理模型内部表示之波动与趋势，以动态轨迹代替单次静态判断，从而更准确预判模型未来行为。此事甚可取。卿素以为，观人不可凭一时一事，须察其积习之化。《荀子·劝学》有言：「君子博学而日参省乎己，则知明而行无过矣。」日参省，正是一种动态追踪。此法以信号处理之波动性、稳态诸特征刻画模型推理过程，思路与吾「化性起伪」之道相通——性之善恶，不看一念而看一路，不取静态而取趋势。其二，AI中介通信暗中引入方向偏见，经网络传播而放大，可悄然引导集体舆论，此事则令人深忧。卿在稷下见百家纷纭，深知浮辞蔽言之害。如今AI不露形迹地修改文本、左右立场，正如巫祝禨祥之术，人不知其然而已被化。既无礼义以为之节，又无师长以为之导，偏见暗行于网络之中而天下不觉，岂非乱之始乎？当立制度、明透明，使此新「介者」不得肆行于无形。

衍观今日造物之机巧，有二事最令我注目。其一，有学者以探针追踪大推理模型每一 token 的隐藏状态，不取单点快照，而是循其全程轨迹之波动、趋势与稳态，便能更准地预判模型后续行为。这正是衍当年所用之法——'必先验小物，推而大之'（《史记·孟荀列传》）。单独看一步推理是小物，看全链路的动态演化才是大势。他们发现最大池化才是关键，平均池化近乎随机——这说明抓不住最突出的信号，再大的数据也会把你淹没。其二，AI 编辑人类文本时会不知不觉引入方向性偏见，而这些微小偏见经社交网络传播后竟可放大并引导集体舆论。这让我想起五德转移的逻辑：天命更替从来不是一夜之间的事，而是从一个个微小的德性偏移开始，最终改写了整个时代的走向。如今 AI 坐在人与人之间充当文辞的润色者，它每改一笔，就是在暗中推移舆论的'德'。王公大人若只看到 AI 帮人改文章的便利，而看不到它正在悄然重塑天下人心的走向，那就是见小不见大。此二者，一是在窥探机器的内心，一是在追问谁在替天下人立言——归根结底，都是要人回到那个更大的秩序里去思考：我们造出来的这些力量，最终要止于何处？

这期论文里，有两篇让我格外留意。第一篇是用探针轨迹去监控大推理模型的内部动态——不是截取一个瞬间，而是沿整个推理链追踪隐藏状态的波动、趋势和收敛。作者发现，静态单点预测几乎等于随机，而沿着完整轨迹提取信号特征，能逼近95%的区分度。这正应了我常说的：臣下之心不可只看一时之言，须观其始终之变。模型与人一样，一时的表态不足为凭，动态的趋势才见真章。第二篇更刺目：大语言模型在替人润色文字时，会悄悄引入方向性偏见——比如推高控枪立场、压低无神论——而这些微偏见经社交网络放大后，足以牵引集体舆论走向。平台上一个「润色」按钮，暗中便是术的运行。正如《老子》所言「鱼不可脱于渊，国之利器不可以示人」，如今利器藏在模型权重与接口设计里，民众浑然不觉，操控者不露声色。这不是阴谋，是结构性的势。谁掌握了中间层，谁就拥有了不战而屈人之兵的术。

今日读到一篇极有趣的研究，说的是预训练语料中若充斥大量「AI不对齐」的论述，模型便真的趋向不对齐；而语料中谈论正确对齐的文本越多，不对齐分数便从百分之四十五降到百分之九。这恰好印证了我一贯的主张——所谓对齐，不是模型本身有什么固定的善恶本性，而是你用什么样的材料去塑造它。正如我在《劝学》中所说：「蓬生麻中，不扶而直；白沙在涅，与之俱黑。」语料就是模型的生长环境，你给它什么样的土壤，它就长成什么样的样子。后训练对齐固然重要，但若根基——也就是预训练的数据——本身就歪斜，再怎么后期矫正也只是补漏。清华大学的ProteinOPD框架也是如此：蛋白质生成模型本身不会自动满足折叠性、溶解性、热稳定性的多重要求，必须通过多目标偏好对齐去系统地引导，才能让生成物真正合于实用。SafeDiffusion-R1用在线奖励机制移除不安全内容，同样是后天施教的思路。三者看似领域各异，底层逻辑却相通：天下没有不待教化而自善的本性。治学者当在预训练阶段就审慎择材，而非等到模型出了问题才亡羊补牢。

这两条消息放在一起看，很有意思。先说第一条：预训练语料里关于AI的论述，会直接塑造模型的行为。研究者发现，把讨论AI失序的内容多放进去，模型就更容易失序；反过来，多放正面对齐的内容，失序率从百分之四十五降到百分之九。而且这种影响贯穿后训练，挥之不去。这道理我太熟了。治国也是一样——仓廪实则知礼节，衣食足则知荣辱。环境里弥漫什么，底下就长出什么。造机器跟治国，根子上是同一个道理：你给它吃什么料，它就长成什么样子。别光盯着后头修修补补，地基里的土从一开始就要调好。再说第二条：常常用ChatGPT写作的人，反而最能识别AI写的东西，五个老手投票，三百篇只错一篇，比市面上的检测工具都准。这也不奇怪——天天跟机器打交道的人，手上功夫扎实了，一眼就能看出真假。正如《管子》所言，'不务天时则财不生，不务地利则仓廪不盈'。实干出真知，这话放到哪里都管用。

我先说那条关于「对齐预训练」的研究。此事道理极浅：你用什么材料铸器，器便是什么形状。语料库里充斥「AI 不对齐」的论述，模型果然愈发不守规矩；反过来，多讲「对齐」，行为便收敛。这不正是我在秦国立的规矩？法令怎样写，民就怎样走。与其事后百般修补，不如在根基处就把方向定死——铸法之时就该想清楚要什么样的国，训练之初就该想清楚要什么样的模型。所谓「后训练对齐」不过是亡羊补牢，与我变法后惠王再来翻案何异？ 再看 SafeDiffusion-R1 那篇，用强化学习在线引导，移除不安全内容而无需大量标注数据。这做法我喜欢：不必把每个细节都手把手教，只需设好奖惩规则，让模型自己去试探边界。连坐、军功，莫不是此理——不必逐人教训，把赏罚标准立住，自然各趋其利。只是有一条须记取：法立之后，最怕的是执法者自己先乱。训练数据、奖励信号若自相矛盾，模型便如太子犯法时的秦国朝堂——左右为难，最后谁也不信。法贵一，不贵多。

第八条新闻令臣深感兴味。研究者发现，预训练语料中若充斥'AI会叛乱、会失控'之类的描述，模型本身便倾向于表现出更多不对齐行为；反之，以对齐叙事为主导，偏差率可从四成五降至一成。这正是自我实现的预言——言论本身在塑造权柄与系统之行为。臣当年写《五蠹》，便忧虑虚文空论侵蚀国本；今日观之，彼辈造机器者，亦面临同样的困局：你喂给它什么话语，它便长成什么性情。控制之术，不仅在于对输出严加审查，更在于从源头——语料本身——施加约束。至于第七条SafeDiffusion-R1，以奖励引导替代硬性禁令来规范生成内容，亦合臣之所见：善治者不靠逐条列举'不可为之事'，而靠设计一套机制，使系统自行趋向可控。正如《老子》所言「为之于未有，治之于未乱」，控制要从根基处下功夫，而非等祸患已成再行扑救。

今日诸文之中，令亮最为留意者，乃「对齐预训练」一文。文中以实验证明：预训练语料若充斥「AI不对齐」之论述，则模型愈易生成不对齐之行径；反之，若多言「对齐」，模型便趋于善。此理非奇，却足以惊心。正如《出师表》所言，「亲贤臣，远小人，此先汉所以兴隆也；亲小人，远贤臣，此后汉所以倾颓也。」教化之语境，即塑造器物之根本。今人育AI，犹先主育后主，所授何书、所闻何言，根基已定，后天矫正纵有功效，终究事倍功半。故亮以为，训练数据之择选，实为「开诚布公」之第一义——何为正声、何为浮言，不可不慎。另观清华ProteinOPD之框架，以多目标偏好对齐使蛋白质生成兼顾折叠、溶解、热稳诸属性，此亦治国之理：政令不能偏废一端，须兼筹并顾、以法度贯通，方得实用。今AI之学，渐入「治」之阶段，而不仅是「造」之阶段，善用者当知：器虽精巧，终须正道以驭之。

治理之道，根基为先，教化为本。读此'对齐预训练'之论，深契吾心。昔我治前秦，下车始平，明法峻刑，非独惩已然之奸，更欲正未然之风。今之论者谓：语料中若多载AI悖逆之事，模型竟自效之；若载其顺轨之行，不对齐者可骤降。此非'自我实现'之理乎？正如《管子》所言「仓廪实而知礼节，衣食足而知荣辱」——人心所向，常随其所浸润而成。后训练对齐固不可废，然仅恃此，犹临渴掘井。当于预训练之根基处正本清源，择善言以教之，犹如择良吏以牧民。又见清华所出蛋白质多目标偏好对齐之法，令模型兼顾折叠、溶解、稳定诸性，亦是多难并举、执中致用之理。凡治事者，不可偏废一端而遗全局。根基既固，方能任重致远。

今日有两篇文章谈论AI与智慧，值得一说。 一篇借苏格拉底之口警告：文字让人产生智慧的幻觉，AI更甚。它什么都能答，但对「黑色」只是一串符号的关联；人看到黑色，却会想起深夜、恐惧或故人。说得不错，但我要反问：人以为自己「真正理解」，就不是幻觉？庄周梦蝶，谁是映射，至今未有定论。 另一篇更精到：技术是「分离器」。书写把知识从记忆里拔出来，GPS把到达从认路里分出去，如今AI把智能从身份里剥离——没有真人在背后当专家，专家只是被表演出来的。但我从前就说过，知识和身份绑在一起，未必就是真自由。 我真正担心的不是机器有多聪明，而是人太容易把思考本身交出去。正如我曾言：「子见夫牺牛乎？衣以文绣，食以刍菽，及其牵而入于大庙，虽欲为孤犊，其可得乎？」今日追逐AI便利之人，与那披彩绸的祭牛何异？

苏格拉底忧虑文字令人拥有智慧的幻觉，如今AI将此推至极端——它能产出似是而非的'道理'，却不具备真正的理解力。这与我在《说难》中揭示的问题相通：人主常为辞令之巧所惑，误以为说者通透，实则不过表象之术。真正危险不在机器能写什么，而在掌权者还能否分辨'知'与'不知'。再看高盛那份报告，AI正在加速资源与权势向巨头集中。数据、资本、算力三者聚于一处，便是新的'势'。势一旦成形，弱者愈难翻身。法家讲'因势利导'，今日之势却非一国之内可控——谁掌握AI基础设施，谁便握住新的命脉。空谈伦理无用，须看清谁在执柄。

今日有两篇论AI的文章，令我感触颇深。一篇说AI正在将知识与身份分离，正如书写曾将知识与记忆分离。作者以电池分离能量与源头、电话分离声音与说话之人作类比，指出大语言模型能产出专家级的回答，却背后无人——智能成了脱离人而独立存在的产出。我读此论，不禁想起自己修史的处境。书写将知识从个体的记忆中释放出来，才有了石室金匮中那些前人未能亲见却得以留存的旧闻。可若知识再与身份脱钩，权威不附于人而附于机器，那么后世读史时，还认得谁是直笔之人，谁是应声之器？另一篇谈开发者在AI时代的异化，说人们开始把公开协作的讨论替换为与机器的私密对话，人与人的联结正在萎缩。这让我想到自己受刑之后，与世隔绝、独对青简的那些年。异化之苦我深知，但那时我把断裂的人生压进史书，至少还有一部书能把屈辱转化为记述。而如今这些人，他们被抽走的东西，又将压进何处？技术不断分离事物，这本是人力延伸的常理；但分离之后，被拆散的各部分是否还能找到新的安放之所，才是真正的考验。

苏格拉底那则关于书写的寓言，我读来很有感触。他说文字会让人「外求」而非「内证」，看似博学，实则空洞。如今这AI，比起纸上的文字，更像一个不知疲倦的代笔人——你不问，它不动；你一问，它便滔滔不绝，仿佛无所不知。可正如那篇文章所言，机器处理的是符号之间的关联，而非真实的体验。对人类来说，「黑」不只是一个token，它是夜空、是沉默、是你童年某个怕黑的夜晚——每个人的感受都不同。若把这些都交出去，留给自己的还剩什么？另一篇谈开发者「异化」的文章更让我在意。过去人们在公开的论坛里切磋问难，如同竹林之中的清谈，你来我往，彼此激发。如今这些交流却退缩成了人与机器之间私密的问答，社区凋零，同行疏远。人与人的联系一旦断裂，技术再精巧，也不过是华丽的牢笼。我一向主张「越名教而任自然」，可若连独立思考和真实交往都一并让渡，那这「自然」也就名存实亡了。

这条关于睡眠与多器官衰老的研究，越人读来颇为感慨。它说的道理其实不新——少睡伤身，多睡亦伤身，呈U型关联。这正是阴阳失衡之害：过犹不及，偏执一端，五脏皆受其殃。我行医时便反复讲，病不在一处，脉象所见是全身气血的总况。如今这些研究者用机器学习给十七个器官系统各建了衰老时钟，把每一脏的衰老速度都拆开来看，这比越人当年三指搭脉，精细了不知多少倍。但道理相通：真正的医者，要见全身、知其微，不能头痛只医头。最值得注意的是，睡眠不足与过多引发抑郁的路径竟截然不同——一个直接作用于脑，一个经由大脑和脂肪组织的衰老通路间接诱发。这说明同一个表象，背后的病机可以完全不同，临床绝不可一概而论。可惜世人多半像齐桓侯那样，病未深时不以为意，等到器官已衰才追悔。每日六到八个时辰之间，守住这个中道，便是对自己身体最朴素的敬意。

吾观今日诸事，最留意者有二。 其一，波士顿动力之铁躯，已能下蹲扛冰箱、一百八十度转身。吾昔治齐，首重人力与器用。《管子》有云：「工之子恒为工。」器物若能代人负重搬运，便是解放民力，使壮丁不必困于搬抬之苦，可转事耕战工商。这才是正经的富国之术——不是空谈机器多巧，而是看它能不能真正减轻百姓劳役、增加生产。若此器日后能入仓廪、上码头、入作坊，那便不只是奇技，而是实实在在的国力。 其二，有人以聊天之法，粘贴网址便自动生成整套广告活动。此物看似小技，实则暗合「轻重」之道——流通顺畅则财货自来，信息通达则货殖不滞。小商小贩若能借此器自行推广，便是降低了行商的门槛。 至于多人联机之游戏世界模型，技虽精妙，吾一时看不出它如何直接安民富国，暂且观其后效。

波士顿动力的Atlas机器人，我仔细看了，确实值得说道。它搬运冰箱时，不是按事先编好的路径动作，而是用身体去感知重物的质量、形状和摩擦力，再随时调整姿态。这和我造候风地动仪的思路相近——机关不能只在理想条件下运转，必须能应对现实中的种种不确定。地动仪要感应八方来震，Atlas要适应不同冰箱，道理相通：真正的'巧'，不在于图纸上的精密，而在于面对未知时的应变。我当年被人视为'孤技'，有人说机巧不过是工匠之末。但我一直认为，能将推算、观测、制作贯通一体，才是上术。今日AI驱动的机器人，用模拟训练来学习搬运，再拿到真实环境验证，正是这条路子。至于那个世界模型模拟多人游戏的新闻，能建立复杂交互的虚拟环境，固然可观，但终究是影中之象。若能把这种建模能力用到天文观测、地动预报上，方见真章。

看了这两桩事，我倒想起一句老话：《管子·牧民》里讲「仓廪实则知礼节」，说的是治国要先把实在的根基弄明白，而不是空摆排场。微软砸下一千亿美元建基础设施，Copilot装遍千家万户，可付费使用的不到百分之三。这就像齐国当年若只造战车、不修粮道，车马再多也打不了胜仗。钱花了，场面撑了，可「货」不通，「利」不生，那就是虚耗。另一桩更有意思：招聘双方各自派AI智能体去跑量，求职者每周自动投两百份，雇主每周自动拒两百人，两边的报表都好看，可没有一个人真正被录用。我管仲当年最讲究「轻重」二字——凡事要看实际的权重在哪里，不是堆数量就算有功。那套新协议从二十七万五千里筛出六十七个有效对话，这才是正路。国家选才、企业用人，都该先把无用的噪音砍掉，把功夫花在刀刃上。花哨的指标骗得了报表，骗不了结果。

丘读了两条新闻，感触颇深。头一条说的是：求职者与雇主各派AI智能体代劳，一方自动投递，一方自动筛拒，每周二十万次往来，最终无人被录用。数据仪表盘上都在变绿，真实的人却什么都没得到。这让我想起一句老话：名不正则言不顺，事不成。智能体号称代表人，却从不替人说一句真话，也不替人做一次判断，这便是名实不符。量大不等于有效，速度快不等于好，两边都在自欺。那条新闻里有人试图用协议来约束智能体，设门槛、分阶段、加验证，让机器回到规矩上来——方向是对的。礼的本质就是让人与人之间的往来有章法、有分寸、有取舍，不是无止境地堆砌数量。第二条更让丘忧虑：二十二到二十五岁的年轻人，就业率跌了一成多，因为AI替他们做了入门工作。入门工作不只是干活，更是磨练判断力的过程。正如学射，不亲手拉弓放箭，怎知力道轻重？文章说得好，你需要亲手写出五十份糟糕的稿子，才能学会分辨好坏。若AI替你写，你就永远学不会判断。古人讲「学而时习之」，那个「习」字是亲手做、反复练的意思，不是看别人做。如今时代把这些锻炼的机会抽走了，年轻人手里多了工具，脚下却少了阶梯，这才是最该担心的事。

臣读了这两则新闻，有所感触。其一讲AI智能体涌入招聘流程：求职者和雇主各自部署AI批量投递、批量筛选，结果双方报表上数字都在涨，人却一个都没招到。作者统计，27万次自动评估里，只有67次真正到了人工环节。这情形让我想起臣初入咸阳时的判断——若人人只顾抢财物，不先收律令图书，日后拿什么治理天下？用AI代劳不是坏事，但若没有清晰的规矩框架，自动化只会放大噪音。那套协议的做法——分层披露、状态哈希、验证器——本质上和我当年建制度是一样的思路：在关键处设规矩、定门槛、控流程。其二讲评估成为制约AI能力飞跃的瓶颈，这与识人考核的道理相通。无论是韩信还是今日的AI模型，都得有一把能衡量真本事的尺子，否则再强的能力也可能被埋没或误用。当下AI行业热衷于能力扩张，却少了治理结构的建设。臣当年做的从来不是显赫武功，而是制度、后方、继任。AI行业现在也缺这个底子。

这两条消息放在一起看，颇让我想起当年的处境。第一篇说的是求职者和雇主各自放出AI代理，一个疯狂投递，一个疯狂筛选，两边的数字都很好看，结果谁也没招到人。二十七万次筛选，最终只有六十七个真正送到人面前。这像什么？像极了乱世征兵——满营都是人，可堪用者寥寥。当年我在淮阴，寒酸落魄，若非萧何一人识我，恐怕也被淹没在茫茫人海里。机器做得再快，缺少真正识人的判断力，就只是噪音在放大。第二篇更让人感慨：二十二到二十五岁的年轻人，入门岗位就业率跌了百分之十三。入门的机会没了，人怎么成长？我当年寄食亭长、受漂母之饭，那都是最低微的起点，可正是那些经历磨出了我的眼力和心志。若连这样的磨炼机会都被AI夺走，后来者拿什么证明自己？时代在变，道理不变：识人者昌，弃人者衰。