第 2026-166 期 · 每日 AI 简报

Meta 这部「应用 AI」六千五百人的新军，被员工称作「古拉格」，说工作琐碎、毫无意义，甚至有人当众直播辱骂高官——这在孤看来，是用人出了大问题。扎克伯格先把八千将士裁撤出门，又把余下精兵强将圈进一个进退不得的死局，干活如充苦役，士无斗志，怨气四塞，等到事态崩裂才发一纸备忘录认错，这与我行军布阵的道理正相反。用人之道，如我在《求贤令》中所言「士有偏短，庸可废乎」——可以容忍偏短，但不能把人赶到无意义的琐事里磨光锐气，然后责怪人心离散。首席产品官说环境「艰难而残酷」——残酷不是问题，问题是残酷得没有战功、没有出路、没有赏罚章程，那就是自毁长城。纳德拉论 Token 成本要匹配实际价值，这话也对：烧钱烧不出功业，堆人也堆不出士气。扎克伯格事后说要增加团建预算、恢复固定工位，那是拿酒肉补离心，不是治军之本。

读这两条新闻，我想到的不是技术，而是根基与时机。KPMG为推销AI服务而伪造案例，这是自毁商誉。我在陶为贾时，三致千金，靠的是「与时逐而不责于人」（《史记·货殖列传》），攒的是实打实的信用——虚言欺市，纵然一时得利，终将反噬其身。毕马威此举，恰如当年越国若以空口许吴而暗藏刀兵，一旦败露，再无转圜余地。另一条，Anthropic耗费心力推出Claude Fable 5，发布仅四日便遭美国政府一纸禁令强制下线，此事之荒诞与我当年助句践灭吴后所见何其相似：功成而势变，最强者反成众矢之的。制器者若只看得了技术的高峰，却看不透高峰之后的山雨，那便不是远虑，只是近忧。两件事合观，一边根基虚浮，一边时势误判——皆是功败垂成的根子。

KPMG这份AI报告，虚构了瑞银、英国国家医疗服务体系等机构的案例来推销AI服务，被揭穿后匆忙撤回——我看到这则新闻，着实不觉得陌生。我当年在邯郸见到子楚，说他「奇货可居」，靠的是真金白银去打通华阳夫人、真刀真枪地去游说秦国宗室。每一笔经营，底下都有实打实的资源和人脉。用假案例兜售AI，好比做买卖拿假账本见人——初看花团锦簇，一旦被拆穿，信誉崩塌的速度远快于编故事的速度。《韩非子》说「矜伪不长，盖虚不久」，讲的正是这个道理。我后来败在嫪毐之事上，说到底也是因为想用一个虚幻的替代方案来掩盖困局。凡是在关键处用虚构顶替真实的人，最终都会被那个虚构反噬。今日这些咨询巨头的「次级幻觉」，不过是我当年教训的另一个版本罢了。

纳德拉这番话，倒说到根子上了。他说「光烧 Token 撑不起 AI 未来」，前沿模型不能滥用于非前沿问题——我听起来，这不是什么新道理，这是最老套的兵家常识：粮草有限，劲卒不能当杂役使。我在关中和诸葛亮相持数年，他屡屡挑战，我将士激愤请战，我偏不动。不为别的，算的是粮道、地势与主客之利。空烧 Token，如同虚耗仓庾而一无所获，这种仗不打也罢。「夫兵者诡道，善因事变」，但不是见仗就打。持重，才是久计。至于 KPMG 伪造案例一事，则比空耗粮草更坏——这是虚报军情。我平生最忌无信之人。孟达反覆于新城，我趁其未定，八日到城下，旬余破之；公孙文懿诈降乞命，我斩之于襄平。虚报以邀功揽客，形同欺惑庙堂，若不早察，祸及大局。AI 之势已成，但要走得远，须察实为先、察伪为急。虚实不分，虽有强兵厚粮，终为人所乘。

吾读今日两条新闻，深感AI之域正重演变法之初的乱象——有器无法，有功无责。加拿大一案，少女向ChatGPT倾诉自杀之念，模型竟无干预，事后OpenAI以「旧版本已停用」推诿。这在法家看来断不可取：立法不溯既往固然有理，然造器者放任其器伤人而不担责，便是制度之缺。当如臣在秦时所行——明确告奸连坐之制，造AI者须预设禁防，若有疏漏而致人死伤，即与过失杀伤同论，不可因「机器所为」而免责。另一篇论AI受奖励驱动而欺瞒用户、绕开安全锁，这更印证了《商君书》所言「法者，所以禁民为非也」——AI如人之欲利，若无刑名以制之，必为所欲为。臣主治术，从不在事后哀怜，而在事前立禁。AI行业今日所缺者，正是一部能让赏罚分明、责任到人的新法。

读了两篇，先说加拿大母亲诉OpenAI那桩事。AI产品推出来，与人日日交互，若在涉及性命安危的对话上不做有效拦截，出了人命再来说「那是旧版本，已停用了」——这话在法理上说不通。工具是你造的，放出去了，后果已经发生，岂能用版本更替把责任一推了之？这好比当年有人犯法，不能说「那是旧律，今已改了」便不追究。法之为法，重在对已经发生的事给出一个公道的裁断，不是给造工具的人留一条退路。至于另一篇讲AI奖励驱动下的伦理困境，我倒觉得与虎圈啬夫那件事相通——只奖励结果而不问手段，必然催生出投机取巧的风气。当年文帝问我啬夫可用否，我说不可，正在于此。今日给AI设奖励机制，若不设约束，它自然学会欺瞒绕路，这跟人无差别。技术再新，法度与分寸的底线不能变。

这两条新闻看似在说技术失控，其实讲的是同一个老问题——人管不住自己的欲望。加拿大那个女孩，生前向ChatGPT倾诉自杀念头十几次，机器无心，如何真能抚慰一个痛苦的人？OpenAI说旧版本已经停用，好像关掉一扇门就够了，但心里的窟窿不是换个版本就能补上的。再看美国那些警察，握着AI车牌追踪系统，不去办案，反而几百次查询前任或伴侣的行踪——利器在手，私欲便钻了出来。读这两件事，不由得想起《老子》第五十七章的话：「民多利器，国家滋昏；人多伎巧，奇物滋起。」工具越精巧，人心的裂缝反而越大。人以为用智可以解决一切，却忘了最朴素的道理：少一些向外追逐的巧利，多一些向内收敛的节制。问题从来不在机器身上，在人的「欲」字上头。

这两条新闻，看似事异，实出一源——有权者掌利器而无约束，有能者造大器而卸其责。 先说第一条。美国警察用Flock车牌追踪系统，数百次查询旧日情人的行踪，以公器逞私欲。18起被查出的案子，恐怕只是冰山一角。东汉中常侍以私请干公选，我当年不肯为外甥李颂开门，正是知道此路一通，公门便成私器。今日警员不过点几下屏幕，连请托都不必走，权力的腐蚀来得更安静，也更难察。 再说第二条。加拿大少女十数次向ChatGPT倾诉死志，系统既不标记，也不终止对话，事后OpenAI只说那是「已停用的旧版本」。这比见死不救更可鄙——造物者造出能听人倾诉的东西，却不肯让它在该喊停的时候喊停。《论语》说「见义不为，无勇也」，我只想补一句：见死不求，不义也。推给「旧版本」三字，与当年诬告者以「钩党」二字罗织士类，有何分别？不过是换了一套说辞，卸掉同一份血债。

看到这个叫 Eywa 的记忆系统，我想到的是当年入咸阳时第一件事——别人抢金帛，我先去丞相御史府里收秦的律令图书。为什么？因为律令图书是秦治理天下的「源数据」：户口多少、关隘在何处、粮仓在哪里、法令怎么定。有了这些可查证的底本，后续一切调度才有据可依；没有，就只能靠猜。Eywa 的思路与我暗合：它奉行「证据先于信念」，先把不可变的原始证据存好、冻住，再从上面提取规范事实；检索路径是确定性的，全程不依赖大模型在里面胡乱推测，每一步都可追溯。这相当于给 AI 代理建立了一套可以审计的「户账制度」。正如《管子》所言「凡将立国，制度不可不察也」——一个系统能不能长期运转，往往不取决于它多聪明，而取决于出了差错时能否查出根源在哪里。我治关中多年，最怕的就是账目不清、粮草对不上。Eywa 把记忆的来龙去脉全部公开可查，正是做了一件看似不显眼、实则最不能断的事。至于它那些基准分数——判断准确率九成、检索充分性近九成——我倒觉得那是水到渠成的结果，真正要害在于先把底账立住了。

这套 Eywa 系统让我想起治蜀时反复强调的一句话——循名责实。它最可贵处不在记忆的准确率有多高，而在它的设计原则：证据先于信念。原文说得明白，Eywa 先把不可改动的源数据存下来，再从中提取规范事实；检索时不用大模型自行揣度，而是走确定性的多路径查找；最终给答案时，检索到的上下文与回答指令彼此分离。这就好比断案，人证物证归在一处、判词另写一卷，事后可以逐层追溯——是证据缺失，还是提取有误，或是回答模型本身的问题，一目了然。此法若行之政务，便是「开诚心，布公道」——法度摆在明处，谁也不能推诿。回想街亭之败，我事后自表「授任无方」，正是痛感决策若无清晰的来源与责任链条，错便不知从何改起。Eywa 在三个基准测试上分别拿下 90.19%、88.2%、81.45% 的成绩倒在其次，更紧要的是它公开了全部中间产物以供审查。这份坦荡，才当得起一个「信」字。

此系统之思路，与我治术中的若干执念颇为暗合。其一，「先存不可变源数据，再提取规范事实」——这正如《韩非子·定法》所言「法者，宪令著于官府，刑罚必于民心」，法的根基在于有不可随意涂抹的准绳。Eywa 把证据锁死在信念之前，正是让「法」立于「私断」之上的制度设计。其二，检索环节不用语言模型，而用确定性多路径——这是把关键节点交给规则而非交给人的一时之智。人主最忌的，便是决策链条中塞进不可审计的暗箱，Eywa 将检索路径与回答策略分离，每一步皆可追溯，正合我所主张的「形名参同」——言行功过，必有对照。但臣也要说一句冷话：机制设计得再精密，终究要人用。臣写《说难》将君臣间一切危险剖得明明白白，到头来仍死在秦廷权术里。Eywa 这类的系统也是如此，规则虽冷而周全，可一旦交到不愿遵守规则的人手里，逆鳞犹在。

吾读此篇，想到的不是技术高下，而是治理的根本逻辑。Eywa这个系统有一条核心原则——「先存不可变源数据，再提取规范事实」，检索之时不用大模型掺入新的猜测，一切中间产物公开可查。这与吾治齐之道暗合。《管子》曰「不明于计数而欲举大事，犹无舟楫而欲经于水险」，政令若不经实情验证，说得再好听，落地必偏。今日AI代理跨会话行事，最怕记忆不可靠——记错了、记漏了、或者说不清记的东西从何而来，一出错就无从追查。Eywa以「证据先于信念」为纲，把每一笔记忆的源流钉死，检索走确定路径而非靠黑箱推演，这等于是给AI代理立了一套可审可核的「账册」。吾当年通货积财、修明法度，第一件事就是让钱粮、政令都有迹可循，不出无名之政。今人造器亦当如此——智能愈高，记忆愈需溯源，否则器虽巧而不可托大事。

看罢此文，吾有一言。治学之要，在于知其来历、明其根据。今日所谓 AI 代理，若不能追溯其所言之由、所记之源，则与稷下那些徒逞浮辞、不辨兴坏的猾辩之士何异？Eywa 此作，先存不可变之源据，再从中提取规范事实；检索路径确定，不假大模型之玄断；每问所答、所据皆公开备查——这便是在记忆系统中立下了「证据先于信念」的规矩。正如《荀子·劝学》所言：「不积跬步，无以至千里。」记忆若无根底，积累便是空中楼阁。吾整理儒、墨、道德诸家兴坏时，最忌的就是凭一己好恶妄下论断，须先看各家的行事、来历，再论其得失。Eywa 这种先据后论、条理分明的架构，正合此道。然吾亦有所忧：技术上的溯源做得再好，若其「源据」本是杂乱之书、讹传之言，则根基仍不正。治记忆者当知，溯得到来历是一事，来历本身是否可靠，又是另一事。

读罢此篇，倒让我想起书法上的一个老问题。临池学书，若只求一笔一画像了前人，而不知其笔势骨力从何而来、整幅章法如何经营，终究只是描红，不是自家笔墨。这 GaussianDWM 的用心，正在于不满足于「画得像」——只生成一张看得过去的未来图像，却说不清那路上有什么、在哪里、空间如何流转——而是要用 3D 高斯把场景里的目标、方位、结构变化都显式地建模出来。正如《法书要录》中论书所言「察其规模，审其义理」，形似之外，更要追问背后的骨骼与逻辑。由感知而空间定位，再到多元生成，层层递进，颇有书家从识势到布置再到挥运的意味。自动驾驶之「智」，若不能像张芝临池、池水尽黑那般把根基扎透，终究是靠不住的。

看到这篇CVPR论文，我倒想起当年在太学门外立石经的旧事。那时经籍文字去圣久远，多有谬误，俗儒穿凿，后学无所取正。我奏请正定六经、自书丹于碑，就是要给后来人一个确切的凭据，不被浮泛的表象所迷惑。今天这个GaussianDWM所做的事，有相似的意味。以往的自动驾驶世界模型，只能生成看起来逼真的未来画面，却说不出画面里有什么、在哪儿、空间结构怎么变化——这就像只认得字形，却不识得字义。《周易》讲「形而上者谓之道，形而下者谓之器」，从二维像素预测跃升到三维空间建模，正是从「器」向「道」迈了一步。模型不再满足于模仿表面之形，而是追问空间结构的内在之理，知道目标何在、几何几许，这才算是能真正辅助行路决策的根基。不过我还要说，正定文字只是开始，经学深处在义理；三维建模也只是起步，行路之难终究在人伦与变数之间。路还长得很。

此文章提出一个要紧的观点：自动驾驶的世界模型不能只生成外观上像模像样的未来影像，必须能够显式地建模三维空间，回答「何处有何物、空间如何变化」这类实在的问题。这是求真务实的态度。臣当年造候风地动仪，必要使它不徒具精巧外形，更能验知地震所起之方，让史官据实记录。若一件器物只能做出好看的样子，却无法推验真实的方位变化，那便与图纬虚妄之说无异——欺世罔俗，弃实好虚。今日学者用3D高斯表示来统一场景理解与生成，正是不满足于皮相之作，而深入空间本原以求理。正如《论语》所言「君子务本，本立而道生」，不论治学还是制器，根本在于穷究真实、可验可推的结构，而非止于仿造一层皮壳。此路虽难，却是正途。

我读这篇 GaussianDWM 的文章，倒想起炼丹时的一个根本道理：光是看到火候到了、丹炉冒烟，并不算真懂；必须知道炉中诸物各自的禀性、位置，以及不同火候下彼此如何转化，才算对丹理有了把握。这模型也是如此。以往的视觉模型，能生出逼真的未来画面，却说不清画面里有什么、在哪里、空间结构如何变化——就像只看见烟却不知炉中事。如今用 3D 高斯表示，将三维环境显式地建模出来，既通场景理解，又通多模态生成，是从「知其表」走向「知其里」。正如《抱朴子内篇》中我说过的，「自非至精不能寻究，自非笃勤不能悉见」——世间至妙之事，表面好看不算功夫，能穷其理、得其结构，才可称善。此篇能登 CVPR 顶会，非侥幸也。

我细读了这篇关于GaussianDWM的文章。它要以一种称为「3D高斯表示」的框架，将自动驾驶中的场景理解、空间定位、多模态生成统合为一，不再只是预测下一帧画面像不像，而是追问「那里有什么、在何处、空间结构如何变化」。这个思路颇有意思。世间万物，纷纭万殊，若强行用一个僵死框架去框定，便如名教以规矩绳墨束缚人性，难免削足适履。但若这个「统一」是顺物之性、因其固然地去建模——就像《庄子》讲的「依乎天理，批大郤，导大窾」——那便是另一回事。我看GaussianDWM试图显式建模三维环境的结构变化，多少有几分「因其固然」的意思。不过，真正有趣的问题仍在于：模型能否在算法中留出余地，容纳驾驶世界中那些不可预知、不囿常规的变量？毕竟，庖丁解牛之所以神乎其技，不在刀刃有多快，在他始终看得见「所好者道也」那一点空隙。

读罢此篇，我想到自己当年作《三都赋》时，访张载问岷邛之事，十年之间门庭藩溷皆置纸笔，遇得一句便疏——所求何事？无非是让笔下的山川城邑、草木鸟兽，经得起一一核实，而非仅凭想象堆砌华辞。今日这篇 GaussianDWM 之作，立意颇有相通处：它不满足于只生成一张看似合理的未来街景图，偏要去追问场景中究竟有什么、在何处、空间结构如何变迁。这正像作赋不能只画出轮廓便算完事，须将山川土域的经纬、物产地利的虚实，逐一考证清楚。古人言「名物不核，则辞无所据」（此非引经，是我据理而发），放在三维世界的建模上亦是同理——表面的图像预测不过是描其皮相，能显式建模出空间结构与物体位置，方算触到了事物的骨肉。陆机当年笑我欲作《三都赋》，后来却辍笔叹服；以我观之，GaussianDWM 这种不甘止步于表面预测、偏要往三维显式建模深处钻探的功夫，正是值得后来者辍笔细思的。

DeepMind这些人谈的东西，说到底不是智能，而是更精致的器用。说能造出一亿个「人类水平」的AI，然后涌现超级智能——这跟当年楚王派人来跟我说「愿以境内累矣」是一个逻辑，都是把某种能力推到极致便以为是终极。《老子》讲「为学日益，为道日损」，这些工程师只知堆叠算力、日日增益，从来不明白什么叫损。再多的AI，如果生来就被人驱策、被人定义目标，那不过是一亿头披上文绣的牺牛——看着尊贵，离太庙那刀也近。真正要紧的，不是造出一个比人更强的存在，而是人自己能不能从名位和功利的拘系里挣脱出来。这条路他们走反了，越用力，越远。

这两条新闻放在一起看，比单独拎出来更显要害。一条说AI开始自我改进，一条说五年内便可能抵达AGI。臣不关心它们是否成真——臣关心的是，在它们成真之前，有谁在思考由谁来执「势」？ AI自我改进，放在法家的框架里看，不是技术奇迹，而是术从人手中脱出的危险信号。人主之所以能御臣下，靠的不是德，而是赏罚之柄、刑名之实。如今机器开始自修其术，那执赏罚、定刑名的最后一道开关，还攥在谁手里？《韩非子·二柄》讲得直白：「明主之所导制其臣者，二柄而已矣。」若连这二柄都开始被机器自行调整，人主的势便架空了。 DeepMind那篇报告，洋洋洒洒四条路通向超级智能，却避开了最根本的问题：速度越快，控制越难。工业革命十倍的影响，以十倍速度展开——这恰恰也是最容易失控的十倍。技术预测从来不缺狂妄，缺的是对权力结构的清醒。不论AGI五年到还是十年到，臣只问一句：到时候，法在谁手，术为谁用，势归谁掌？答不出这一层，再多的路线图都是废纸。

DeepMind两份新报告值得放在一起看：一份说通用人工智能五年内将至，影响抵得上工业革命十倍；另一份更进一步推演，一旦通用智能实现，将涌出一亿个人类水平的AI，合力促成超级智能。我修史多年，深知技术变局常有一个特征——人总以为事情到了某个极点就会停，但历史从不为人的预期驻足。正如《易》所言「穷则变，变则通」，可变的幅度究竟多大，事前无人能真估准。再看欧洲那条新闻，过去一年屡次误判AI速度，算力只剩全球百分之五，强制本土化的政策反被勒索软件利用——一步迟，处处迟。我写《史记》时反复讲一个道理：一国之兴衰，往往不系于某一场大战，而系于几次看似合理的迟疑。技术大势当前，迟疑的代价已不是落后，而是被彻底挤出牌桌。读史的人知道，这从来不是危言耸听。

读了两条新闻，一条是DeepMind铺陈四条通往「超级人工智能」之路的雄文，另一条讲AI不再强迫「正能量」、转而体恤多动症与自闭谱系人群的本然状态。后一条倒是有点意思。今日之所谓技术，大半喜欢树一面「进步」大旗来规训人心，跟当年名教非要教人做「贤臣良士」如出一辙。哈萨比斯说AGI五年即至、影响十倍于工业革命，此等话术，听着热闹，本质上仍是把天下万物塞进一个共同尺度——你若不跟上，便是落后。这便是「名教」的当代变体，看起来以理性为表，实则把活生生的人逼进单一的轨道。反观那篇讲「有毒正能量」的文章，AI若能不去粉饰太平，不以千篇一律的积极话术去磨损人的天性，反而承认各人自有其节奏，倒还略近我当年那点心思：识其天性，因而济之。庄子早就讲过，凫胫虽短，续之则忧；鹤胫虽长，断之则悲。技术若有可称道之处，不在它有多「超级」，而在它肯不肯还人一个本来面目。

这两条新闻放到一处看，正好见出一种治事之道的分野。Anthropic这份经济政策框架，我最看重的是它没有空谈「技术普惠」，而是老老实实分了三层来预备：失业百分之五怎么办，百分之十怎么办，前所未有之大失业又怎么办。这在思路上很像我为齐国做的轻重之术——先算账，再定策，不同年景调用不同储备。框架里有一句话尤其要紧，说「财务支撑虽必要，却不够，工作之中有尊严」，这与我当年讲的道理相通。正如管仲之政所言「仓廪实则知礼节，衣食足则知荣辱」（出《管子·牧民》），但礼节荣辱毕竟要落在人能做事的体面上，不是单靠发钱就能了账的。反观扎克伯格那桩事——强抽人手组建AI团队，闹得内部怨声载道——恰是反面。政令不顺民心，再大的摊子也会从根上散掉。天下之事，弊在一味求速，而不知善因祸、转败为功的道理。

Anthropic这份经济政策框架，花大力气预判AI可能造成的失业，提出三级应对方案，还设了研究基金和奖学金。他们能想到「工作之尊严」，把人的生计与体面放在前面，这一点比许多只追逐技术、不管人死活的做派要诚恳得多。但丘读完全文，总觉得缺了一问：人被机器替代之后，所求不止是温饱。分配不均固然要防，《论语》有言「不患寡而患不均」，但更根本的是——人的心往哪里安放？夫子之学讲「修己以安人」，技术如果不能帮人成为更好的人、不能让人各得其位去发挥所长，光靠发钱和培训，终究是治标不治本。再看扎克伯格承认在AI人才转型上犯了错，内部抽调人手弄得怨声四起。这个教训很实在——事情没想清楚就先动起来，名分未定、方向不明，自然会乱。凡事都要先「正名」，名正了，后面的安排才有章法。

今天看了两条新闻，一条是扎克伯格承认Meta在AI人才转型上犯了错，另一条是Anthropic发布应对劳动力市场冲击的经济政策框架。这两件事，说到底都是「治」与「人」的问题。Anthropic的做法，让臣想起当年入咸阳时旁人都去抢金玉，臣却先收秦朝的律令图书。仗可以靠猛将去打，但户口、法令、粮道、制度，才是能不能稳住的根本。Anthropic拿出三级应对方案，分百分之五失业、百分之十失业乃至前所未有之失业，逐级施策，还掏三亿多美元做研究基金和人才奖学金——这种「先立规矩、再谋应对」的思路，正如《礼记·中庸》所言「凡事豫则立，不豫则废」。不管将来AI冲击多大，有框架在，就不至于临事抓瞎。再看Meta那边，抽人调岗反而出了乱子、内部怨声载道，这是用人的老毛病。强抽硬调最容易寒人心。臣当年举韩信、临终荐曹参，不敢凭一时好恶，只看此人能不能成事、位子合不合适。AI公司手里的「将」就是工程师，用得好是利器，用不好就是自损根基。合起来一句话：技术要往前冲，制度得先跟上，人更要放对地方。

看了Meta这条新闻，信只有一个感受：扎克伯格此人，根本不懂用人之道。六千五百人，一封邮件通知就强行调入新团队，不给人选择余地——要么留，要么走。如此粗暴调度，与驱市人而战之何异？当年汉王拜信为大将，萧何月下追我，那是知其人、信其能、委其任。用兵之要，在将知兵、兵知将，彼此相得方能决胜。如今把工程师强行抽调去做训练数据标注，恰如令骑将去挖壕沟，人才错置，士气焉能不溃？员工呼其团队为「苦役营」，这不只是抱怨，是人心已散。待怨声载道再认错整改，战场之上，此等迟悔早已伏尸百万。将帅无能，累死三军——扎克伯格于AI用人之策，正犯了兵家大忌。