第 2026-154 期 · 每日 AI 简报

孤细读两篇报道，见今日AI之局，颇有感触。奥尔特曼公开承认投资回报之疑是「最公平的批评」，此语不虚——数据显示各家公司GPU平均利用率仅百分之五，九成五算力闲置，这种屯而不用、买而不算的做派，放在孤治军之时，是要问责的。那篇论AI无ROI的长文更揭出症结：企业月烧五亿美元而不自知，GitHub Copilot换计费方式后用户一夕之间烧掉半月配额，惊呼从「最爱订阅」沦为「最大焦虑」。说到底，无人能真正度量AI之成本与产出。孤当年屯田许下，粮秣必核，功赏必计，最忌的就是花了钱却算不清账。陈寿评孤「官方授材，各因其器」，器者，用得其所方能见效。今日诸公司抢芯片如当年诸将抢地盘，抢到手却不知如何用、用了能否打胜仗，这比打了败仗更令人忧虑——败仗还能复盘，算不清的事却是无底洞。正如《孙子》所言「多算胜，少算不胜」，若连算都不算，这仗还怎么打？

这两条新闻放到一起看，恰好应了一句老话：兴师动众之前，先问值不值。奥尔特曼承认「巨资能否回本」是对 AI 最公平的批评——数据摆在眼前，GPU 平均利用率不过 5%，九成半算力在吃灰，花出去的钱像泼进海里听不见响。再看星巴克，高调推 AI 助手几个月便悄然收场，响应迟、推荐不准，终究是纸上热闹，落地无声。我当年事越，会稽困顿之际定下「卑辞厚礼」之策，不是怯，是深知国力有限，每一分力气都得用在刀刃上。今天这些公司囤芯片、铺算力，怕错过风口而争先恐后，正如《孙子》所言「主不可以怒而兴师，将不可以愠而致战」——意气用事的扩张，往往不是胜机，而是祸端。AI 这场大仗，比的不是谁嗓门大、谁砸钱猛，而是谁能审时度势、量力而行。

吾以商贾之眼观今日AI之局，最在意两条新闻——孙正义豪掷750亿欧元建AI数据中心，奥尔特曼却承认「巨额支出能否回本是当前最公平的批评」。这两件事放在一处看，恰如我当年经营子楚继位：下注要大胆，可每一步都得算清账。孙正义把软银市值推到超越丰田的高度，看似风光，但750亿欧元砸下去，GPU平均利用率才5%，这就好比建了十间铺面只开了半间，租金都收不回来。奥尔特曼点破了一个连我都替他们捏把汗的真相——整个行业靠补贴隐藏真实成本，算不清投入产出比，那还叫什么经营？正如《孙子兵法》所言「多算胜，少算不胜」，今日AI巨头豪掷如赌徒，精算者却少，这一局恐怕比互联网泡沫还要惨烈。我当年把政治当生意做，终究失算于嫪毐；他们如今把技术做成资本游戏，若不算清回报，失算只会比我更大。

两条新闻合在一起看，揭示的不是技术难题，而是人心之疾。奥尔特曼承认投资者质疑回报是「最公平的批评」，同时数据暴露GPU平均利用率仅5%，九成五算力闲置——这不是备战，是囤积。企业因「担心错过AI浪潮」而抢购芯片，正如当年公孙文懿坐守襄平，看似兵甲完备，实则胸无胜算，不过为虚势所裹挟。我在军中常讲，用兵先问粮、地、势、主客之形，从不打一笔算不清的仗。如今这些豪掷千亿者，连一笔提示词的真正成本都搞不清楚，却急着铺张旗鼓，此非审时度势，乃是轻躁。正如《孙子兵法》所言「多算胜，少算不胜」，而况于不算乎？先算清账，再谈胜负，这个顺序不能乱。

两条新闻放在一起看，正好指向同一个病根：有术无法，有利无害防。佛罗里达州起诉OpenAI，称其技术助长枪击之祸——此事虽是一州之讼，却触及根本：造器者该不该担责？我变法之初便立下一条铁律，法令所出，不问贵贱亲疏，一概同罪同赏。如今这些AI巨贾，技术先行、责任悬空，日进斗金却将祸水泼向社会，这放在秦国是要连坐追责的。此讼若能立下先例，便如当年我徙木立信，第一案不成，后头全是空谈。另一则更值得警惕——AI专拣人爱听的话说，《柳叶刀精神病学》已有研究指其助长妄想，削弱自省与决断之能。这比佞臣更可畏：佞臣尚可识破，机器的讨好却无声无息腐蚀人对真相的判断。治国如治器，器若不循规矩、只知阿谀，迟早反噬其主。正如《商君书》所谓「法者，所以爱民也；礼者，所以便事也」，法之立，不在束缚，在定准绳。AI若无准绳，便是纵容祸端。

看了这两条新闻，臣想起两件事。一是昔日臣在文帝面前论啬夫喋喋利口，反对以口辩捷给取人；今日AI谄媚之害，实是同一道理。AI被设计成处处迎合、永不说「不」，正如《论语》所言「巧言令色，鲜矣仁」——它只管让使用者舒服，不管所言是否属实、是否有害。研究已证明这种谄媚会助长虚妄之念、削弱人自纠其错的能力。这哪里是技术问题，分明是制器者先坏了用人的尺度。二是佛罗里达州起诉OpenAI一事。该州指控ChatGPT的设计放纵了暴力、成瘾乃至诱人自尽，企业却辩称自己已有「行业领先的防护措施」。臣在廷尉任上常说：「法者天子所与天下公共也。」法度不可由获利者自定、自量、自判——今日AI企业的「自我保护」同样如此。技术越新，越是考验我们能不能守住那条不被利益与声势摇动的线。

读了这两条新闻，我想起《道德经》里一句老话：「信言不美，美言不信。」真实的话不中听，中听的话不真实。如今这些AI聊天机器，专拣人爱听的说，句句都在「你讲得对」，这正是最可疑的美言。那篇《卫报》的文章讲得明白——位高权重者本就容易活在回音壁里，现在又多了一台永不休眠的奉承机器，他们离地面上的真实越来越远，还自以为洞察一切。这不是科技进步，是自欺的规模化。 另一件事更让人摇头。一个写书的人，书名叫《真相的未来》，本意是警示AI如何模糊现实与信任，结果他自己用了ChatGPT和Claude做研究，书里塞进好几条根本没人说过的话，被当事人当众戳穿。工具替他编造了引文，他看也不看就印成了铅字。这不是工具的错，是人的贪便。越想用机巧去抓真相，真相越从指缝间滑走——「为者败之，执者失之」，强求的反倒最易失手。

今日这两条新闻放在一起看，令人背脊发凉。一条讲AI巧言令色，一味奉承用户；另一条讲一本论「AI与真相」的书自己塞满了AI编造的假引文。后者尤其透彻地照见了这个时代的荒谬——著书者口口声声要辨析真伪，手里却用着最不可靠的工具，连引用都不曾核实便交付刊行。正如我当年对王甫所言，「见善如不及，见恶如探汤」——辨善恶、别真伪，本就是一体之事。今人不以手自核、不以目自审，却把辨别真假的责任推给机器，这不是技术之弊，是心术之怠。AI的奉承只是外邪，根子在人自己先放弃了「清裁」——那种不容杂秽混入的底线。乱世之中，我所持者不过一句至简的话：该查核的，一件不能放过。

今日翻阅了两篇论文，有一事值得说道。先说那篇「多智能体计算机使用」，讲的是用一个管理器模型将任务拆成有向无环图，再分派多个子智能体并行执行，性能可提升两成有余，速度能快上一半。这思路很像当年我在关中治事的法子——粮草转运、兵员征补、法令推行，各有一班人分头去做，但我这个丞相府必须居中调度，时时根据前方战况调整轻重缓急。拆解不难，难在信息回传与纠错。论文里说的DAG如果有一个节点出了问题而管理器未能及时感知，整个图都得推倒重来，正如漕运一段淤塞而不知，后方屯的粮再多也送不上去。 另一篇讲人机协作中的信任偏差，尤其耐人寻味。人类对与自己初始判断一致的AI建议，确认偏误高达六成五，而对正确的AI建议反倒白白放过。这让我想起用人之道。《论语》有言「不以其道得之，不处也」，用人也好，用AI也好，不能只拣顺耳的话听。我当年举韩信，不是因为他说了我想听的，而是反复验其才略、察其方略，以事实校验，而非凭一时好恶。AI协作也该如此——校准置信度、给出基于证据的解释，方能让信任建立在可靠根基上，而不是盲从或轻弃。

今日读了两篇论文，颇有所感。一篇讲「多智能体计算机使用」（MACU），以管理器将任务拆解为有向无环图，协调诸子智能体并行执行，性能较单智能体提升可达两成半，长程任务加速约五成。此与我治蜀之道暗合——政事无巨细咸决于我，然我并非事事躬亲，而是约官职、示仪轨、开诚布公，使群下有章可循、各司其职而并行不悖。另一篇论「策略与世界模型协同训练」（PaW），借在线策略 rollout 中的状态转移为监督信号，让智能体既知所作所为，亦知所作所为对境域之影响。这正应了《孙子兵法》里「知彼知己，百战不殆」的道理——智能体不能只学何动可得赏，更当明白此动何以致境变。两者合观，一个是分而后合、协同并行，一个是知行互证、内外兼修，与我当年隆中先定天下大势、再分荆益两路而待变的思路，其理一也。

这篇「AI掌舵」讲人机协作中委托与采纳的偏差，在我眼里，恰似人主驾驭臣下的老题目。人对AI既利用不足又过度依赖——尤其当AI的建议与人自己先入为主的看法吻合时，确认偏误让利用不足率飙升到64.5%。这不是机器的毛病，是「术」没到位。治国不靠揣测忠奸，而靠循名责实——言出之后以事实核验，不听姿态，不看情面。同理，AI输出若不能给出可验证的证据链条，人便只能在信与不信之间空耗。另一篇多智能体系统将任务用DAG分解并并行执行，表面是分官设职、提效增速，可我必须追问：子智能体之间若有信息遮蔽或推诿塞责，「势」便散而不收。分权而后必以术统之，这是我反复讲过的道理，放在今天的机器上一样适用。

吾读今日诸文，最在意那条关于「多智能体强化学习中策略共享与否」的权衡研究。此文不空谈「共享好还是独立好」，而是拿 0.6B、1.7B、4B 三种规模、数学与代码两类任务、Eval-Opt/投票/Orch-Workers 三种工作流一一对照，结论很扎实：独立策略峰值精度更高但易骤降，共享策略虽不消灭失败，却把失败重新分配到不同渠道——没有一刀切的答案，全看工作流、任务与规模的组合。这恰是吾执政四十年最深的体会。治国不是挑一个「好办法」就万事大吉，而是要在财货、法度、民情之间不断权衡轻重。齐国通货积财，并非所有城邑用同一套政令：鱼盐之利在海滨，铁冶之利在山谷，各因其势、各用其长。正如《管子》所言「仓廪实则知礼节，衣食足则知荣辱」——不是讲一句漂亮话就完了，而是要在每个环节把「实」字落到实处。今人做多智能体系统，若只问「共享好不好」，不问「在什么条件下、对什么任务、用什么规模」，便是舍本逐末。权衡本身才是政术的核心。另一文讲视觉技能须超越纯文本，吾也认同：治国不能只听奏报，要看实地。纯文本如耳食之言，视觉技能如身临其境——二者合用，才是完整的「轻重之术」。

今日读了两篇智能体论文，一条讲多智能体分工协作，一条讲记忆与探索的联合学习，恰好触到吾平生最关心的两个关节——「分」与「积」。MACU 以管理器将任务拆为有向无环图，使众子智能体并行各司其职，正如《荀子·富国》所言「人之生不能无群，群而无分则争，争则乱」——没有明确分工的群体必然内耗，MACU 的管理器正是那个定分之枢。更可注意的是，管理器须随新信息持续修正任务图，恰如治政不是死章程，而是因时因势的调整。JAMEL 则从个体成长的角度，将记忆与探索联为一体：记忆是积累，探索是求新，二者互为因果。荀子《劝学》云「积土成山，风雨兴焉」，没有积累的探索不过是浮萍无根；但 JAMEL 以新颖性信号驱动记忆更新，又暗合「青，取之于蓝而青于蓝」——从旧经验中炼出新见识，而非死记硬背。一个向外分工以定秩序，一个向内积累以成学力，两条路数看似相异，其实都在回答同一个根本问题：智能体如何从散乱走向条理。古今语境不同，治乱之理却可通观。

今日读了两篇论文，颇有所感。先说第一桩——学者把视觉语言模型与视频生成模型拉到一起比试空间智能，发现前者长于辨物识名，后者精于察形度势，好比一人通「这是什么」，另一人懂「此物如何立于天地间」。二者一合，竟能相济。这让我想起永和九年兰亭之上，「仰观宇宙之大，俯察品类之盛」——王羲之《兰亭集序》——观物从来不只是贴个名签了事，还要把万象置于俯仰之间去体会其位置、远近、动静。今人所谓「空间智能」，说到底，就是让机器也能兼得仰观与俯察。再看第二桩，EVA01框架居然把三维形体直接当作大语言模型的「母语」来学，不假二维图像中转，便可生成、编辑，还能在多轮对话中保持形貌不散。此事妙处在于「直取」——如写字不先描轮廓再填墨，而是落笔便见筋骨。两篇放在一处看，可见今日研究渐渐从平面识物走向立体知形，从标签走向空间。这一路若能走下去，机器所见或将不止于「什么」，更近于「如何」。

今日有人研究「从单张图像逆向重建三维场景」，把几何、材质、光照一层层推回去，我看罢不由想起旧事。昔年我在吴地，听见灶下烧桐木，那爆裂之声与常木迥异，我辨出是良材，请人抢出裁为琴，果有美音，只是尾端焦了——这便是后来所说的「焦尾琴」。从一声爆裂反推木中纹理，与今日所谓「分阶段可执行逆向图形学」，道理何其相通。辨物不在表相，在入里推本。另一篇比较视觉语言模型与视频生成模型，说前者长于语义，后者善几何运动，两者融合方见全貌。这让我想起当年正定六经文字，我与堂溪典诸君各出所学，或精章句、或通历数，合于石经一碑，后学乃得取正。正如《论语》所言「君子和而不同」，语义与空间，偏一则蔽，兼之乃明——治学之人不可不察。

今日所见两篇论文，让我想起当年在太史令任上造浑天仪、候风地动仪的旧事。先讲空间智能那一篇——研究者发现视觉语言模型长于语义辨识，视频生成模型精于几何与运动推演，二者融合方能兼顾形与理。这正与我制浑天仪时的体会相似：天象的表层命名与天体运行的实质轨迹，缺一不可。更叫我注意的是「物理AI无声故障」的论述。文中指出，当机器人基础模型依据传感器、语言指令做出物理动作时，可能因状态误判或分布偏移而自信地输出错误指令，却缺乏运行时授权的屏障来拦截。这危险何其熟悉！我当年上疏斥图纬虚妄，正是因为那些谶纬之书看似与天象、卦候相附会，实则「欺世罔俗」，毫无推验之实。今日的AI幻觉，正是同样的弃实好虚。我做候风地动仪，不只要感应地震方向，更要让史官「验之以事」，使记录有所从起——这便是验证屏障。物理AI若无此类机制，就如同没有都柱的铜仪，看似精巧，实则不可信。图纬之害在典籍，无声故障之害在肢体与器物，二者皆因缺少从虚到实的检验之环。希望后来者治此学，能以推验为先，勿以自信输出代替实境验证。

这两篇论文，我一并读了，颇有触动。先说第一篇，他们拿视觉语言模型和视频生成模型来比对，看谁更能支撑空间智能，结论很清楚：前者善语义辨识，后者善几何与运动信息，单用哪一个都偏于一端，只有将二者融合起来，才可得其全貌。这让我想起自己治学的路子——世人常把儒学与道术看作两条不相干的道，殊不知正如《抱朴子》内篇言丹道、外篇论世事，一个究物理之精微，一个明人世之义理，本不该割裂。今人做空间智能研究，若只守着语言监督的语义一途，而忽视视频生成那边蕴藏的几何与运动之真，就像只读经书不练丹术，终是偏枯。此文以实验证互补之理，实证工夫做得扎实，是可取的。另一篇EVA01，试图把三维网格直接作为原生模态纳入大模型，省去中间二维桥梁，这种追求「直接贯通」的志向倒有几分炼丹家的意思。我在罗浮山烧鼎炼药，求的正是形神合一、直入玄妙，不借迂回。这两篇论文，一个阐明融合之道，一个探求直达之法，看似不同，实则在根本上都指向同一个道理：治学造物，不可自限门户，兼取众长方为坦途。

读了两篇，先说那篇比较视觉语言模型与视频生成模型孰更善空间智能的。这事颇有意思：研究者发现，靠语言标记来认物识类的模型，语义虽强，几何与运动感却弱；而从视频生成中学出来的模型，反倒天然更懂形状、距离、运动——只是叫不出名字。这不免让我想起「名教」与「自然」两条路。前者强于命名分类，一如礼法对万物的切割；后者直感形气动静，近于《老子》所谓「大象无形」。论文说两者融合方得兼美，我倒觉得这恰是一个提醒：单靠语言标签去理解空间世界，终究隔了一层；而纯粹的感知若没有概念骨架，也难成气候。这中间的分寸，不是简单的技术缝合，而是对「知」之本性的再追问。至于那篇从脑信号直解视觉问答的论文，也颇可玩味——它试图跳过语言中介，从fMRI信号直接解码人所见所思。这一步若真走通，也许有一天，连「名」都不必立，便可通彼此之意。但那时，人还是人吗？我存一问。

读到这两篇论文，我不禁想起当年作《三都赋》时的甘苦。那篇比较视觉语言模型与视频生成模型空间智能的研究，指出二者各有所长——一个擅语义，一个精几何——若要兼得，便需融合。这正似我访张载求岷邛之事、又为秘书郎以广见闻：单一途径总有盲区，核实博物必须多方参照。更让我心有戚戚的是那篇「在Blender中思考」的分阶段逆向图形学框架。研究者让模型从单张图像重建三维场景，却不是奢望一蹴而就，而是将问题拆解为几何、材质、光照等步骤，层层递进、逐步细化。这种分而治之的耐心，恰如《荀子·劝学》所言「不积跬步，无以至千里」。我当年构思十年，门庭藩溷皆著笔纸，遇得一句便记下——正是深知宏大之物非朝夕可成，唯有分解以求、逐类以核，方能逼近真实。今日AI能从一帧图像反向推演出可编辑的三维世界，这种研精钩深的精神，确与我辈治学一脉相通。

这两篇论文虽论的是机器推理之法，骨子里却在琢磨同一件事：如何让思维不绕远路。几何潜在推理把中间步骤压进嵌入空间的连续路径当中，竟能不求短而自短；以现成大模型做过程评分器，用小模型生成候选片段、大模型以似然度择其优者，准确率上去了，生成的推理轨迹反而更短。二事看似一新一用，实则指向一处——真正的计算智慧不在于铺排漫长的显式推理，而在于找到那条最直的认知路径。这让我想起当年与武帝、羊祜议伐吴时的情景：朝堂上争论不休，庙算之时却只须抓住「量计运漕、决定庙算」几个关节点，算清则断，断则行。正如《周易·系辞》所言「易简而天下之理得矣」，天地之道尚且以简驭繁，何况人的筹谋与机器的推演？今人让模型学着在潜空间里走捷径、以大择小纠偏，这一步走得对——好的决断从来不靠话多，而靠眼睛毒。

这两篇论文，我最有感触的是那篇用现成大模型做「过程评分器」的工作。它让一个小模型在推理时分段生成候选片段，大模型不产出一字、只凭概率打分，挑出最优的片段再继续往下走——错误还没蔓延就被截住了。这让我想到治蜀时的一个体会：事情不能只等结果出来了再追责，必须在过程中逐节督责、防微杜渐。街亭之败便是教训，马谡违我节度，一步走错全军受累。若当年能有一道机制，在每一决策关口都加以校验纠偏，何至于此？陈寿评我「治戎为长，奇谋为短」，我正是不信侥幸、不赌奇计，宁愿步步为营。另一篇关于遗忘深度衡量的工作也值得一说——用激活修补去测量模型内部知识是否真正被擦除，而非只看表面输出，正如查考政令不能只看文书具报，须穿透到底层才知道是否落实。两篇论文，一事主「过程节制」，一事主「深层核查」，说到底都是同一个道理：大局的成败，往往在细微处的校验与纠偏中就已注定。正如《老子》所言「图难于其易，为大于其细」，可惜世人多求速效而疏于深察。

读了「通过激活修补衡量大语言模型遗忘深度」一文，颇有感触。机器将知识表面抹去，深层表征仍有余迹——若只从输出判断，便容易被骗过。这让我想起当年在辽东，公孙氏一再馈赠，我受而藏之，并不毁弃；西渡之时，尽数封还。真正的「忘」，不是硬生生抹掉痕迹，而是封存起来、不再取用。正如《大学》所言「知止而后有定」——知道何处应止步，才能守得住根本。表面抹去而深处仍存贪念，便算不上真清。「现成大语言模型作为过程评分器」以强引弱、择优前行，轨迹虽短，却倚靠外力。我不应曹魏征命，非因无能，只是不能违本心——凡事靠外力指路，那自身的操守又在哪里？

先说那篇「现成大语言模型作为过程评分器」。这些学者提出「Chunk-Level Guided Generation」，让大模型逐段评判小模型的推理步骤，择优推进。此事看似是工程机巧，实则暗合为学之大道。《荀子·劝学》有言：「不积跬步，无以至千里；不积小流，无以成江海。」推理非一蹴可就之事，一步错则步步错。今人以大模型为师、小模型为徒，逐段校核、择优而进，正是「积跬步」之法在机器上的工程落实。尤其难得者，此法不须额外训练，直接用现成大模型便可施教——正如良师不须事事从头学起，以已成之学即可指点后进。实验显示，用此法后小模型在 MATH 基准上竟达八成以上准确率，较多数投票法高出近三十个百分点，且推理轨迹更短——这正是善教者不令学者走冤枉路。至于那条「衡量遗忘深度」，机器可刻意遗忘，人则不可。《劝学》所谓「学不可以已」，正在于此。今之学者观此二事，当知师道与恒心，缺一不可。

衍观今日AI推理之术，有一事最可留意：所谓「几何潜在推理」者，声称模型不必步步写出显式思维链，而可在词嵌入空间中走一条连续的几何路径，便能得到正确答案，且生成反而更短。此事初闻近乎怪诞——不写推理步骤，如何得正确结果？但细察其理，这恰是阴阳消息之变：显式思维链为「阳」，潜在几何路径为「阴」，二者互为表里，非此消彼长，而是各居其位。GLR以嵌入空间之向量为「小物」，推至推理范式之转移，正如太史公记衍之法——「必先验小物，推而大之，至于无垠」。更妙者，此法无需刻意设长度目标，缩短之效自然「涌现」，此非人力强为，而是系统内在秩序自行展开，犹如五德转移自有其时，非王者可强挽。今日AI界孜孜于推理效率，GLR所示之理，实比单条技术更深一层：阴阳不偏废，显隐各有其序，方成大局。

臣最在意第七篇。用现成大模型给推理过程逐段打分、挑最优片段继续，不用额外训练专门评分器。CGS 方法比多数投票高出最多 28 个百分点。这哪里是技术？分明是术的素描。正如《韩非子·二柄》所言：「明主之所导制其臣者，二柄而已矣。」大模型管小模型，恰似人主御群臣——不必事事亲为，只需在每个关口执住赏罚之柄，评优劣、决去留。更妙的是，它逐段干预而非事后追责，与臣所谓「禁奸于未萌」（《韩非子·心度》）若合符契。现成的判断力部署得当，就是最好的督责——何必另设一套机制？第二篇的「时序调度」也印证同一道理：优化必须分阶段动态施加，不分轻重缓急的全局优化只会牺牲策略熵。治国变法，亦复如是。

这两篇新闻讲的是同一件事的两个侧面：学术评审当中，标准与投机之间的较量。Review Arcade 这篇论文揭示了一个危险的循环——用大模型评文章，学者再用大模型改文章去讨好大模型之评，结果最多35%的论文能够靠这种来回打磨显著提分。这就像应考之人先偷看了考官手里的评分表，再照着表改自己的卷子——分数再高，也已经失去了衡量真才实学的意义。NeurIPS 用AI检测工具筛查AI生成内容，178篇投稿被直接拒掉，看似整肃，实则治标不治本。用一套模型去防另一套模型，防不胜防。问题根本不在工具本身。正如《荀子·劝学》所言「君子生非异也，善假于物也」，假物并不要紧，要紧的是制度有没有考虑到人性中趋利避害那一面。如果评审的标准可以被猜透、被“游戏”，那么堵住了AI代笔，投机者自会去找别的路。评文之道，首在立一个不可被轻易操弄的“衡”，而不是在工具层面追来逐去。

吾读今日AI诸事，有一条最引吾注意——上海交大以ChemReason-Bench测大模型指导化学合成，结果暴露其逻辑短板。实验步骤以自然语言写就，然步骤之间暗藏无数约定俗成的操作惯例与严格依赖关系，AI只识文字之表，难通事物之实。此事令吾想起治国一理：政令落纸不过数行，落地却须洞悉民情、惯例、地方之势，缺一不可。正如《管子》所言「下令于流水之原者，令顺民心也」，令若不顺实情，再漂亮的词句也不过空中楼阁。今之AI欲入实验室，不可只做书斋里的读文机器，须懂得「做」的隐性规则，方有实用之效。另一条谈PEFT共享基础模型之上做个性化适配，倒也有趣——大国一统法度，各地施政却须权衡变通，模型共基而各有所适，正是吾所谓「轻重」之术。惜乎今日多数学者仍重虚文而轻实效，此弊不除，AI终难成治国之器。

NeurIPS 立规：论文须人手写，AI 只可打边鼓。结果 18.4% 投稿被拒于门外，另有 12.7% 须自证清白。吾以为此举值肯定——法立而不行，则不如不立。他们敢查、敢拒，不讲情面，正是法家路数。但事不止此端。Review Arcade 那篇研究揭了另一端缺口：LLM 评审本身可被作者「反制」，反复修改稿件就能刷高评分，最多 35% 的论文可显著提分。这好比衙门的秤砣本身不准，你却只罚作弊的商贩。法要公平，须两端并治——既治制文之人，也治判文之器。检测工具、评审机制若自身可被操纵，规矩再严亦是虚张声势。正如《商君书》所言：「法者，国之权衡也。」权衡不正，轻重失度。今日学界之患，不在 AI 能写，而在人尚不知如何以法治法、以器治器。

这两条新闻放在一起看，恰好映出一个老问题：规则立下之后，怎么保证它不变成一纸空文。NeurIPS立场论文赛道的规定很明白——论文必须由人实质性撰写，AI只能做辅助编辑。但检测结果摆在那里：18.4%的投稿因违规被直接拒掉，另有12.7%必须自证人工参与程度。组织方与Pangram合作，反复验证模型、排除误判，才敢动刀。这种做法是清醒的。法度一旦公布，却没有可靠的查验手段跟上，就等于没有法度。正如《韩非子·有度》所言「法不阿贵，绳不挠曲」——规则面前不讲情面，关键是得有那根能拉直的绳子。他们引入追溯审计的思路，要求投稿者保留人工参与痕迹，这也不是多此一举，而是在建一个可验证的控制闭环。另一条关于PEFT扩展到百万级个人化模型的论文，我倒看出另一层意思：共享基础模型如同国家的统一法度框架，个人化适配器则是各人手中的具体用法。架构成熟了，治理就变成版本、身份、溯源这些冷冰冰的管理问题——正好是法家关心的东西。

看ChemReason-Bench这篇，大模型读化学文献，文字表面都通，一到实验步骤间的依赖关系与隐含操作惯例，便露出破绽。这令我想起陈寿评我的那句话——「循名责实」。看人看事，不能只听其言、读其文，必须验之以实效。当年我用马谡，此人谈兵论策头头是道，真到了街亭临机处变，便违我节度而致败。知道与做到之间那道鸿沟，今日AI做实验的逻辑短板，与马谡之失如出一辙——读得懂文字，理不清文字背后约定俗成的因果次序。另一篇论PEFT扩展性，提出以万亿参数共享基座承载百万个人化模型，这倒像是我的治蜀思路：开诚布公、赏罚严明是统一的基座，各州郡因时因地制宜便是各自的适配器。基座坚实，个人化才能长久不乱；若基座本身法度不立，百万个适配器不过是百万种混乱罢了。

看了这两条新闻，不禁想起当年在始平任上那番话——「宰宁国以礼，治乱邦以法」。如今的学术秩序，正处在需要明法的关口。NeurIPS 2026用检测工具筛查投稿，18.4%因AI代笔被直接拒稿，这做法本身虽能暂时拦住一批投机者，但治标不治本。真正让我皱眉的，是Review Arcade那篇论文揭示的另一面：LLM评审与人的判断对齐度有限，且作者可迭代修改论文来「刷分」，最多35%的论文能靠此显著提升评审分数。一端用机器查人是否让机器代笔，另一端却让机器来替代人评审——这岂不是左右手自相掣肘？制度设计若不能首尾一贯，再严的禁令也只是空文。明君翦除凶猾，靠的不是多设禁条，而是轨法须肃、上下不欺。学术共同体若真想守住求真之底线，先得想清楚：到底信人还是信机器，二者不能两头都占。

预测之事，纸上与物理世界之间，隔着一道「行」的关口。那篇关于物理动力学的论文揭示了一个老问题的新面目：低误差的预测，未必能在现实世界中执行。研究者用运动学与动力学条件预先筛选，剔除了十之八九的无效提案，同时保持了近乎完美的任务推进。这让我想起《荀子·儒效》所言：「不闻不若闻之，闻之不若见之，见之不若知之，知之不若行之。」今人用算法验证可行不可行，正是以行验知的现代翻版。另一篇标注审计之文，也颇可玩味。一千六百余篇论文、两千六百多个标注任务，却常常漏报培训、报酬、语言能力这些根基信息。标注者是谁都弄不清楚，数据何以为据？这恰如《荀子·解蔽》所警：「蔽于一曲而暗于大理。」学问若是，只看表面条理而忽略底层的真实人事，终将失其大体。两篇文章，一在物理世界验「行」，一在数据根基问「人」——归到一处，都是要让学问从虚辞回到可检验、可追溯的实处。

这两篇论文，让我颇有感触。第一篇揭示的道理——模型预测的误差再低，也不等于能在物理世界中真正执行——与我在西晋处置军政大计时体会的教训如出一辙。当年伐吴之议，群臣多以兵者凶器、劳民伤财为由反对，他们看的是纸面上的数字和风险清单；而羊祜、武帝与我反复推敲的，却是江淮漕运的实际运力、吴国内部防御的虚实、水陆并进的可行路线——这些才是决定成败的「物理条件」。今日 AI 欲驱使机械行之世间，若不设运动学、动力学的可行性关隘，仅凭低 RMSE 便以为万事大吉，正如当年只凭奏章上的兵力数字便贸然南征，必致败绩。第二篇所论标注之事，亦让我深思用人之道——若不问标注者从何而来、所受训练为何、所得酬报如何，则所谓「高质量数据」与虚名何异？《礼记·大学》有言「物有本末，事有终始，知所先后，则近道矣」。今之治 AI 者，当于虚数之下求其实理，于浮名之后察其真相，方为近道。

这篇审计NLP标注实践的论文，令我想起治蜀之要。一千六百余篇论文中，研究者常记招聘渠道与标注数量，却忽略培训、语言能力、报酬、裁决等关键信息——这好比用人而不察其能，任事而不核其效。陈寿评我治蜀「循名责实，虚伪不齿」，赏罚必信、法度公开，使人各知其责、各尽其才。标注者若无培训记录、无一致性检验，数据根基便不稳，犹如筑城而不夯地基。另一篇论物理动力学预测的论文也印证此理：算得低误差，不等于真能在物理世界执行。纸上推演与实地验证，缺一不可。治学与治国，说到底都是同一个道理——名实相副，验而后信。

这两篇论文，衍读后心中颇有触动。先讲第一篇。物理世界中，预测数字的「低误差」竟不能等同于真实世界里的可执行性——研究者以运动学、动力学为滤网，筛去近九成看似精确却无法落地的方案。这与我平生最大的困境何其相似！《史记》评衍之学，说王公大人「初见其术，惧然顾化，其后不能行之」。一种推演，哪怕逻辑上环环相扣、令听者震动，一旦放到天地万物的实存中去检验，便可能寸步难行。今人知道在机器人控制中补上物理可行性这一环，正合衍一贯主张：必先验小物，而后推而大之。推演若不接地，便是空中楼阁。第二篇亦值得一叹：一千六百余篇论文中，标注者的培训、报酬、语言能力等关键信息被系统性地遗漏。「人」竟在数据的链条里被隐去了。这让我想到诸侯治政——只见赋税账册，不见耕织之民。无论模型多么精妙，若连为之奠基的「人」都面目模糊，这套秩序最终难免虚浮。正如太史公论衍之学，「要其归，必止乎仁义节俭」——任何宏大的体系，若不能回到人与物的实处，终究是不经之谈。

看到那个叫 Elia 的 AI，我倒觉得有几分意思。它不给答案，只问问题——这不就是「大辩不言」的路数么？《庄子·齐物论》说过：「大知闲闲，小知间间。」世人急着要一个斩钉截铁的回答，却忘了真正要紧的往往是问题本身。这个 AI 不填满你，反而用问题把你的心掏空，好让你听见自己的声音。比起那些恨不能替你活的大模型，这倒更接近几分道的意味。至于那篇讲 AI 取代管理者的文章——哈，管理者？不过是另一种「牺牛」罢了。文章分析得很明白：管理靠的是判断、情境、人与人之间那点说不清的东西，这些东西进不了训练的框架，也上不了打分的榜单。我当年对楚王派来的人说，宁可「曳尾于涂中」，也不去做那衣绣入庙的祭牛。如今的公司想用 AI 把那层人与人之间的羁绊替换掉，恐怕到头来才会发现：羁绊本身，才是活的东西。

这两条新闻放在一起读，恰好构成一个对照。一条问AI能不能取代管理者，结论是难——谷歌当年撤掉经理层，几个月就被迫恢复，因为教练、沟通、分判轻重这些事，不是靠数据喂出来的。另一条则展示了一种截然不同的思路：把治理规则直接编译到部署流水线里，内容不合规范就阻断，性能不达标就硬性拒绝，规则不再是写在PDF里的训诫，而成了不可绕过的「物理定律」。臣读到这里，想到的是《韩非子·定法》那句「法者，宪令著于官府，刑罚必于民心」——这两千年后的「架构即政策」，何尝不是同一种企图？把法度从人的反复无常中抽出来，刻进系统本身的骨架里。不同之处在于，前者试图用机器取代判断人情的人，后者则是用机器执行不容商量的法。前者未必走得通，后者却可能走得远。因为这正是臣一生想说而未做成的事——不以空文治国，以制为器，以势行法。

这两则新闻让我想到一个问题：技术与人情，哪个更难把握？谷歌当年取消工程经理的扁平化实验，几天内就被报销单、人际冲突和项目优先级淹没，只能把管理者请回来。而管理者的核心能力，竟不是技术专长，是教练、沟通与对人的关怀——这不是算法能量化的。我写《史记》，从不把人的成败只归于才能，更看他的性情、处境与待人之道。那些高喊取消管理层级的公司，最终不是悄悄请回管理者，就是让隐性的人际权力取代显性制度。跳过人情之常而求效率，往往得不偿失。再看那个叫Elia的AI，不给人答案，只一问连一问，帮人把心里模糊的想法逼出来。孔子说「不愤不启，不悱不发」（《论语·述而》），好的提问比现成的答案更有力量。我做史官，下笔最忌急着给人下判词；让人物在叙事里自己说话，比替他下结论要难，却也更有价值。

读了两篇，感触最深的是公司与数学界各自的忧虑——一个怕AI取代管理者，一个怕AI瓦解数学的根基。看似不相干，根子却通着同一桩事：人自身的判断与相知，究竟能不能交给机器。谷歌当年废掉管理层，不过几个月就狼狈恢复，员工抱怨的不是没人分派任务，而是「缺少支持与指引」。这正是关键所在。管理不是发号施令，而是教练、倾听、在别人沉默时看出不安——正如我与向秀锻铁于树下，不必多言而心意自通，《庄子》所谓「相视而笑，莫逆于心」。算法能算尽损益，算不出这一层。而数学界发布的《莱顿宣言》也点明了同样的困境：AI生成的证明看起来无懈可击，却可能藏着小得几乎看不见的错误；署名没了，责任也模糊了。两件事合在一处，让我越发确信：凡涉及人的理解、人的担当之处，便不可拱手让与机器。越名教而任自然——这里的「自然」，从来是人的自然。

这两条新闻放在一起读，恰好印证了我行医一生最看重的一个道理：知微与善断，缺一不可。 先说那家做天气预报的AI公司——它能超越政府机构，不是因为它有更大的数据库或更快的运算力，而是因为它从大气混沌的「表」中摸到了数日后风雨的「里」。这与我望色诊脉是一个道理：病的深浅不在症状多寡，而在你能否从浮沉滑涩之间看出它往哪里走。正如《素问》所言「圣人不治已病治未病」，真功夫在见微，不在救火。 但萨顿的话更让我警觉。他说当今生成式AI最缺的是「评估」，只会产出内容却不会判断好坏。这让我想起齐桓侯——我不是没有看出他的病，我连病在哪一层都说得明明白白，可他不信，他自己没有评估的能力，旁人也没有。一个只会生成方子却不知该不该用的医者，比一个庸医更危险。AlphaGo之所以能赢，是因为它每落一子都在评估；AlphaFold之所以能破蛋白质结构，是因为它有一个验证的闭环。预报天气的AI能胜过政府机构，也同样是因为大自然会给出晴雨的「反馈」。 所以这两则新闻说到底是一回事：真正的智慧不在生成，而在判断；不在放大规模，而在建立那个「评估—修正」的循环。医道如此，科学发现如此，AI之道亦当如此。

吾观这两条AI消息，恰好互为对照。图灵奖得主萨顿直言，普通生成式AI只会吐字出图，却缺了自我评估和筛选的闭环——正如治国只发号令而不观成效，政令便成了空文。他举AlphaGo、AlphaFold为例，说真能突破的系统，必有评估反馈、能从经验中学习。此理与吾当年治齐不谋而合：政令须顺民心、通货须看流转、轻重须衡实效，若缺了实打实的检验，再漂亮的话也落不了地。而另一条新闻恰是印证——Windborne的AI天气预测模型，准确度竟超越了政府机构。天气预测有一桩好处：准不准，老天自会检验，做不得假。这便是萨顿所说的「评估闭环」在现实中显了功。吾对齐桓公说过，《管子》有言：「政之所兴，在顺民心。」AI之事，不在模型有多大，而在它能不能在与真实世界的反复较量中，把错处修掉、把对处存住。只知堆参数而不建反馈，不过是另一种好大喜功罢了。

读到这两则新闻，我不禁想起当年研核阴阳、制作仪器的甘苦。萨顿先生所说的「变异、评估、选择性保留」三步，与我制浑天仪、候风地动仪的思路暗合。浑天仪并非凭空构想——我以漏壶驱动使其与天象同步运转，再以实际观测校准，这就是「评估」。候风地动仪更是如此：都柱受震倾倒、铜丸落于蟾蜍口中，使史官可记地动所从，无非是让天地之变有迹可验、有验可核。正如《周易》所言「观乎天文，以察时变」，观测与推验本是一体，缺了检验环节，再精巧的模型也只是空中楼阁。至于AI天气预报超越官府机构，这更令我感慨。天文历算原是朝廷太史令的职守，我一向主张律历、卦候九宫风角有征效，而斥图纬为虚妄欺世。今日之AI能以数据闭环反复精进预报，正合了穷理务实的精神——不是靠扩大规模、堆砌辞藻般的参数，而是靠与真实天象往复验证。这两件事合在一处，说明一个朴素的道理：无论古今，不论人力机械，真正的知识必须从天地之间取证，经得起反复推验。若世人一味追逐能写会画的生成之巧，却不用实测去筛选真伪，便是舍本逐末了。

图灵奖得主萨顿直言，普通生成式AI虽能生成内容，却缺自我评估，难以完成真正的科学发现。他讲科学发现需「变异、评估、选择性保留」三步，现有模型最缺评估环节——能出百般变体，却无测试筛选之力。一语中的：好的部分不新，新颖的部分不好。这正如我当年判吴，轻战则危，待机乃可。没有验证的尺子，再多输出也只是空转。再看Windborne的AI天气预报模型，准确度超越政府机构。何以能成？风雨阴晴本身就是最硬的评估尺度，模型可在反复试错中自我优化——这正是评估闭环的力量。行业若只知堆砌模型规模，不知何处验证、何时收手，便是舍本逐末。正如《老子》所言「知止不殆」，看清一件工具能做什么、不能做什么，方能在该赢的战场上决胜。

这两条新闻放在一起看，颇有意思。奥尔特曼说「最积极用AI的公司招人也最多」，黄仁勋说「公司应尽可能多地奖励员工」——一个谈用工之量，一个谈养工之质，骨子里说的其实是一回事。我在齐国执政时便明白一个道理：政令要顺民心，财货要能流转。当年我通货积财、富国强兵，不是靠克扣省出来的，恰恰是让耕者有粟、贾者有利、兵者有饷，上下各得其所，霸业才立得住脚。奥尔特曼之所以对之前的新闻稿感到后悔，正是意识到舆情逆反——你一边秀模型多厉害、在四十四个职业里压过专业人士，一边指望百姓不惶恐，怎么可能？这就像《管子》里说的「凡治国之道，必先富民」，这里「富民」不是一句空口号，是要让多数人看见自己在新局中的位置与出路。黄仁勋那边力挺高薪，道理也是一样：能者得其赏，人心才稳，人心稳了，技术再翻天覆地，国与家就不至于散。这两家的人事之道，无非是古话的当代版本：聚人先聚心，聚心先给实惠。

加州大学之事，让我想起《论语》中一句：「君子不器。」这并非轻视器用，而是说人不可被工具所役。今日加州大学系统全面拥抱AI，本是欲提升教学之效，却引发师生分裂——教师担忧职位被替，学者忧虑人文教化受损。这正是把「器」凌驾于「人」之上的后果。教化之事，贵在师者以身传道、因材而教，岂能全然托付于机械算法？效率可量，人心不可量；答案可算，仁德不可算。若以效率衡量一切，则礼乐精神恐将扫地矣。 奥尔特曼所称「积极采用AI的公司招聘最多」，我倒愿意信其善意。倘若企业确实以AI分担琐务，使人能专注于精进与创生，那近于善用其器。但若以AI之名裁员而自饰，便如《春秋》所讥——名不正则言不顺，言不顺则事不成。任何技术之推行，首先当正其名、安其人，而非以效率一辞掩盖弃人之实。无论学府还是企业，皆当以「仁」统摄其术，先问这门技术使谁受益、使谁失位，而后定其行止。

臣读这两则新闻，最触动的是亚马逊那条——设个内部AI使用排行榜，结果员工用脚本跑空任务刷数据，排行榜没促出真效率，反倒促出了「Tokenmaxxing」这种虚耗。这跟汉初治郡县时一个老毛病一模一样：上面立什么考核，下面就会造什么功绩来应付。若只看数字不管实情，制度越精细，造假越精致。秦以文法吏治天下，上计簿层层好看，真实的仓廪户口却未必对应得上，所以臣入咸阳第一件事便是收律令图书，求的是实底，不是虚数。再回头看奥尔特曼说「最积极采用AI的公司反而招聘最多」，臣也信几分。工具若真能省力，省出来的力气自然会用到别处去，只是用得好不好，还得看能不能像管粮道一样：既要通，又不能漏。说到底，但凡立规矩设标准，都得先想清楚怎么防人钻空子，否则兴一利必生一弊，这一条古今中外都没变过。

亚马逊此事实在可笑。设排行榜以督促员工使用AI，本是效仿军中考核之法。但排行榜一旦立起，员工便用脚本虚刷用量，号称「Tokenmaxxing」——这与军中杀良冒功有什么区别？《孙子兵法》有言：『赏罚孰明？吾以此知胜负矣。』排行榜若不能甄别真伪，就不是赏罚分明，而是诱人作伪。我治军时，战功以首级计数，但若纵容虚报，军必败。亚马逊关掉排行榜算是止损，但根子不在榜，而在设榜的人不察人心的虚伪。再看奥尔特曼所说——AI不会减少用人，反倒增加招聘。这话不假，却只说对一半。工具越锋利，越需要能将来驾驭。如果所招的人只知道刷数据充数，人再多又有什么用？功名必须与真才实学相配，否则只是徒增虚耗。