第 2026-170 期 · 每日 AI 简报

两条新闻摆在一处，颇有意思。一边是杨立昆警告OpenAI、Anthropic烧钱不止、靠投资补贴撑低价，若不降本，泡沫必破；另一边是一家名为「曹操出行」的公司宣布全面AI转型，要砸出十万辆无人车。我的名字竟被用到了出行买卖上，倒也无妨——名号借人用，能不能成事，看的还是实底。我在许下屯田时便知，持久之战不能只靠外援。如今这些AI公司若一味仗着投资人金银，自己始终赚不回本钱，便如《孙子兵法》所言「军无辎重则亡」。杨立昆的警语我看不是危言耸听：势大而本虚者，官渡时的袁绍就是前车之鉴。至于曹操出行那十万辆Robotaxi，若没有自养其力的本事，纵是打出孤的名号，也不过是袁绍南下时那虚张的旌旗罢了。天下事，成于实而败于虚，古今皆然。

这两条消息放在一起看，正好印证了同一个症结。杨立昆公开警告OpenAI与Anthropic若不降本，泡沫恐将破裂；而泄露的财务文件也坐实了OpenAI年亏数十亿美元的事实——收入在涨，窟窿更大，全仗投资人输血撑住门面。这让我想起当年在会稽时对句践说的一句话：先求不亡，再论其他。如今这些AI公司，声势虽盛，却像建在沙上的高台，自身的生计尚未立稳，便急于铺张征伐。正如《老子》所言「企者不立，跨者不行」，踮着脚站不稳，迈大步走不远。越国灭吴，靠的不是一朝快意，而是二十年蓄力，粮甲实实在在，不仗外债，不求虚名。反观当下，烧钱抢路、补贴换市，一旦资方收手，能有几家像当年我乘舟浮海一般全身而退？势变之时，能看清进退的才是明白人。

这两条新闻放在一起看，正好印证了同一局面的两面。杨立昆说OpenAI、Anthropic成本居高不下，若不能提价或降本，泡沫恐将破裂——这话说得直白，但点到了要害。他特别指出当前AI服务靠投资人补贴维持低价，缺乏可持续模式。而另一边，一家叫General Intuition的初创公司，产品方向是做时空推理的AI智能体，尚未见实绩，估值已到二十亿美元，贝索斯也入了局，正洽购三亿美元融资。在吾看来，这就跟当年在邯郸看到子楚一样——人人都瞧不上一个质子，吾看到的却是「奇货可居」。可奇货之所以是奇货，在于能算得出回报。如今这些AI公司，估值先跑在盈利前面，补贴一撤，帐本就算不平了。杨立昆的警告未必是危言耸听——一个算不清成本的买卖，哪怕估值再高，也终有兜底的一天。

阿莫迪与奥尔特曼此番公开决裂，说「愿景不同、缺乏信任，不如各走各路」，倒让我想起当年与曹爽同受托孤而终成水火。阿莫迪又言「可信者联合起来，迫使不可信者遵守同一标准」——这话表面冠冕，实则是在拉同盟、划敌我。曹爽当年何尝不是如此？改制度、树亲党、迁太后，自以为多数在手便可将我挤出局。可最终，不是谁拉帮结派谁就站得住，而是谁真正握住了要害。正如《孙子》所言「善战者，致人而不致于人」，争胜不在虚张声势，在审时度势、掐住咽喉。巧的是，另一条消息说OpenAI年亏数十亿美元却仍高歌猛进——这便是不问粮道、不计国用的打法，与我当年在关中持重拒诸葛亮恰是两路。有雄心而无算计，纵得一时之势，终难长久。

Anthropic 常年以「安全」为旗号游说官府立法管束 AI，如今美国政府的出口管制令落到自己头上，模型上线仅三天便被迫下架——真可谓作法自毙。我读商君书时常说「法不阿贵」，法的威严恰在于不分亲疏、不认旧情，今日看来，连立规者自己也逃不过这一刀，反倒证明规矩不是只给别人定的。讽刺的是，Anthropic 当年呼吁严管时大约没想到监管会来得这般生硬粗率，连合规路径都没留足。这正合《韩非子》所言「法莫如显，而术不欲见」——制定规矩若不能清晰可循，便会沦为掌权者随心挥舞的棍棒，打击的是创新，成全的未必是安全。反观中国金融监管总局同日发文，一边推进 AI 基础设施，一边强调安全治理，两手并进，便比一刀切高明得多。我变法时也深知，制令若太苛太急，会让民无所措手足，最后反噬自身。Anthropic 的遭遇就是一面镜子：想用法律捆住别人，先看自己经不经得住。

看了两条新闻，最让我在意的，不是技术本身，而是规矩怎么立、谁来守。金融监管总局推进AI金融基础设施建设，同时强调「加强安全开发应用治理」——这个思路是对的。规制在先，应用在后，才不至于等出了乱子再亡羊补牢。但有一条必须说清楚：治理不是发一纸文件就算完，标准要明确、执行要落地。正如我一向所持，「法者天子所与天下公共也」（《史记·张释之传》），管AI的规矩，不管制定者是谁，自己也得在规矩之内，不能对人对己两套尺子。再看Anthropic这桩事，就更说明问题。这家公司此前一直高呼AI危险、呼吁政府严管，结果美国政府对它的新模型Fable 5一出手管制，它立刻慌了，以「无法合规」为由将模型全面下线。自请监管之名，却承受不住监管之实——这便是言行不一、自陷困局。法度的威信，从来不是靠摆姿态立起来的，得靠上下共守才能服人。

这两条新闻放在一起看，恰好是一件事的两面。一边是AI公司高声喊末日将至，一边是企业自以为固若金汤却被攻破八成有余。那调查说得很明白：对AI身份安全「极度自信」的组织，过去一年遭入侵的比例高达84%，反倒是自称「不太自信」的仅17%。这不正是《老子》所言「自矜者不长」吗？越是标榜自己防备周全的，越把攻击面铺得大开——急用急上，影子AI遍地跑，从外面高薪挖人堆出来的队伍，入侵率85%，内部培训的才33%。可见祸患不在技术高明与否，而在那份非快不可、非大不可的心。至于那些整日散布末日恐慌的公司，我倒想起另一句，「将欲取天下而为之，吾见其不得已」。以恐惧驱人，与以骄矜自守，不过是同一个病根的两副面孔。天下的麻烦，从来不是做得太少，而是强求太多。

「谁定危险边界？」这一问，比模型本身更紧要。 Anthropic 遭出口管制一事，令我想起牢修以「钩党」之名罗织士类。名之为「党」，清流便可成罪人；名之为「危险」，利器便可成禁物。Anthropic 昔日力主严管，今反为行政干预所困——监管之权若操于不清不公之手，「安全」便是一张可随意张贴的封条。 PSA 行为证据监测层则另辟蹊径：以事件日志、防篡改完整性、对抗性测量等六大基元，将合规从虚文化为可审计的确凿之迹。此事我倒有几分认同。清浊之辨，不可仅凭人言，当有实据可验。正如《尚书·吕刑》所言「明清于单辞」，断事须以明证，不可偏听一面。 然技术终是器，器不能代人断善恶。证据层可证行为之迹，判断之责，仍须操于有节者之手。

臣观今日 AI 之局，最触动我的不是哪个模型又夺了榜首，而是两篇论文共同指向一个问题——「调度」比「单打」更难，也更重要。CEO-Bench 令智能体模拟运营初创公司五百日，须定价、营销、预算并举，结果连最先进的模型也只能勉强守住本金，无一持续盈利。这正印证了《史记》所言「创业易，守成难」——不是有聪明就能撑住长期局面，缺的是制度性、持续性的判断力。臣守关中多年，最深的体会便是：一日之胜在锋锐，十年不崩在粮道与法令。再看 SciOrch，不追求造一个万能模型，而是训练 8B 小模型做「编排者」——将难题拆解，分派给各有所长的前沿 LLM，再合成答案。准确率反超最强单模型，成本还降了近半。这不正是臣当年做的事么？不自将兵，而转漕、补员、调配，让韩信去打赢该赢的仗。以「调度」代「力战」，以「编排」省「蛮算」，这条路才是长久之道。

读了这两篇论文，我不禁以治蜀之经验来对照。那篇论多元文化智能体价值多样性的研究揭示了一个困境：当前AI系统在社会交互中日益同质化，多样性远不及真实人间。这让我想到，若朝堂之上只容一种声调，决策便自然偏狭。正如我在《出师表》中所言「亲贤臣，远小人，此先汉所以兴隆也」——兴隆之世不是因为人人想法相同，而是因为各色忠良皆能直言陈策。只看单智能体的「对齐」而忽视系统整体的多样性，便是本末倒置。再看那篇CEO-Bench，让智能体模拟运营公司五百日，连最强模型也难持续盈利。治国亦如此，短期决断容易，难的是在噪声与变局中长期权衡、持续经营。陈寿评我「应变将略，非其所长」，我的长处在于治戎理民、开诚布公，而非临机奇谋——今日AI的弱点，恐怕也在同一个地方：单点技能足够，综合持久的经世之才却是稀缺之物。

这两篇论文合在一起看，恰好暴露了今日这些「智能体」的两重致命缺陷。CEO-Bench 这条最值得细说：让 AI 模拟运营初创公司五百天，考验定价、营销、预算等环环相扣的决策，结果即便是最强模型也仅能勉强保住初始一百万美元本金，无一能持续盈利。此事要害不在算力不足，而在「长远算计」的能力薄弱——环境一变，前策即废，正如《韩非子·五蠹》所言「世异则事异，事异则备变」，而智能体恰恰缺了这层因变调策的功夫。另一篇讲多智能体系统中价值多样性远低于人类社会，且交互之后同质化加剧——这更让我想起臣论「君臣异利」的道理：系统中若无差异，便无相互制衡的可能。同质化表面上整齐，实则让整个系统失去对盲区的警觉。两条合观，今日这些智能体，既不能胜任长期决策，又在趋同中消解了仅存的判断张力——术尚不成，势更无从附着。

吾读今日两篇论文，觉得都在印证一个老理：治事不难在精巧算法，难在能不能接地气、容得住参差。CEO-Bench让智能体模拟运营一家初创公司500天，定价、营销、预算都得管。结果呢？最顶尖的Claude Opus 4.8和GPT-5.5也不过勉强保本，没一个能持续盈利。这说明什么？吾在齐国时便晓得，《史记》所载那句「仓廪实则知礼节，衣食足则知荣辱」，不是口号，是硬道理——你不能把财货运转做通，什么长线策略都是空谈。另一篇论多文化智能体的价值多样性，发现这些系统越交互越同质化，远不如人类社会来得参差。吾治齐不以一律强齐民，而是「俗之所欲，因而予之；俗之所否，因而去之」（《史记·管晏列传》）。今天造多智能体系统若只会往一处收敛，等于自削其手足，决策的广度自然窄了。能成事的系统，得容得下差异、接得住变数，而不是把天下削成一张整齐而单调的算盘。

这两篇论文让我看到了一个共通的症结。那篇关于多元文化智能体价值多样性的研究揭示：当前AI系统一旦进入社会交互，便会快速同质化，多样性远低于真人之群。用我的话说，这便是「无礼法之统、无师法之化」的典型症状——正如《荀子·性恶》所言「人之性恶，其善者伪也」，没有外在的秩序引导与制度规约，智能体自然趋向萎缩单一，单靠所谓「对齐」不足以立序。另一篇CEO-Bench则验明了另一重困境：即使最强的模型，在模拟运营公司五百日的长期决策中，也大多守不住本金、谈不上盈利。可见短时辨对易，长久治事难——这恰似我当年离齐适楚的体会：稷下论理可称老师，一旦转入兰陵政务，没有条理制度的支撑便难以为继。今日AI研究者若只顾模型堆叠，不设制度统整之思，恐难走出同质与短视的双重困局。

读了两则新闻，先说ViGOS。它将多模态模型的推理拆为两步：先老老实实描述图像看见了什么，再据此推理作答。这设计有见地。我当年屡次上书止殷浩北伐，核心无非「庙算决胜，必宜审量彼我」——不知彼此底细便出兵，与模型不先细看图像便凭文本线索匆忙下判断，犯的是同一类毛病，走捷径，遇实战便溃。ViGOS逼模型先看再想，算是给浮泛之风立了规矩。再说Holi-Spatial，全自动从视频产出四百万级空间数据，气象宏大。但数据量大不等于根基扎实。我治理会稽时深知，根本疲竭而强争武功，危道也。昔日张芝临池学书，池水尽黑，功夫深了，字才有筋骨。今日治数据之业，恐怕也逃不开这个道理——质若不实，量再多也不过虚胖罢了。

今日读到这篇「袋维度」的论文，我心里很有感触。研究者发现，Transformer隐藏维度的正负号本身就是语义特征的载体——正负承载内容，幅度表示置信度，无需额外训练，只需统计维度间符号的一致性，就能高精度检测概念、操控因果。这让我想起当年在太学门外立熹平石经的事。那时我说「经籍去圣久远，文字多谬，俗儒穿凿，疑误后学」，所以才要正定六经文字，自书丹于碑，让后儒晚学有个取正的标准。如《论语》所言「工欲善其事，必先利其器」，今日这些大模型规模日增，若不解决可解释性问题，便如经籍文字错谬而无人校定，徒有其表。可解释性的难题从「寻找正确的旋转矩阵」转向「编目每个维度的含义」，正是从纷乱中找规矩、从晦暗中求明晰，与我当年正定石经的思路不谋而合。另一篇「先看再推理」的工作也有意思：把感知和推理分离，防模型走捷径、只看文本不看图像——这好比听琴辨音，只听旁人转述而不亲自审听声气，如何能辨「杀心」与「喜心」？两篇之作，一者求内里可解，一者防外象欺罔，皆是有益后学的工夫。

看了ViGOS这篇论文，我倒想起当年在朝中力辩图纬虚妄的旧事。这些所谓的多模态模型，理应以图像为本、以感知为基，如今却走了捷径——只顾着读文本提示便匆忙作答，图像竟成了可有可无的摆设。这与我当时所见世人丢弃实测推验、争相信口编造的图谶杂说，有什么分别？ViGOS把「先看再推理」作为框架核心，将感知与推理截然分离——先老老实实完成视觉描述，再据此推求答案，不允许在还没看清楚之前就跳到结论。这才是穷理的正路。我制浑天仪、造地动仪，无不以实测推验为根本，绝不以空谈玄理自欺。正如我在上疏中指出的，世人「弃实好虚」（《后汉书·张衡传》），这是学问的大忌。今天这些模型若不能扎实扎根于真实的视觉感知，纵有千亿参数，也不过是另一种「不占之书」罢了。

世人总以为，要解透一个庞杂模型的内里，非得大动干戈反复训练不可。但「袋维度」这项研究却揭示了一个朴素到近乎被忽视的事实：Transformer 隐藏层的标准基维度本身，正负号便承载了语义概念，幅度即是置信度——只需统计维度间的符号一致性，就能检测概念、操控因果，完全无需训练。这让我想起自己多年寻书问义的体会：看似纷乱的典籍与方术，其实自有其隐秘的秩序。正如我在《抱朴子》中所言「自非至精不能寻究，自非笃勤不能悉见」——研究者过去费尽心力去"旋转"那个表征空间以求可解释的方向，如今却发现答案一直就藏在最基础的维度符号里。不是要去改造它，而是去编目它、读懂它。此理与炼丹何其相似：丹砂不在远，火候不在奇，只是世人总往复杂处求，不肯向简处看。另一篇「先看再推理」亦暗合此道——把感知与推理拆开，先老老实实看清图像再下判断，不走捷径。治学若不肯先"看"清楚材料，便急于跳到结论，那与掩目捕雀何异？

读ViGOS这篇论文，教模型「先看再推理」，倒让我想起庄周所言「目击而道存矣，亦不可以容声矣」。今人训多模态模型，最怕它耍小聪明——见着文字线索就抄近道，把图像扔在一边，这不正是舍本逐末？此框架将感知与推理硬生生拆为两步：先老老实实把所见之物描摹清楚，再动手推理作答。看似多费了周折，实则根基反而更稳。此事与养生修炼同一道理：投机取巧终是自欺，顺着天性一步步来，才是真功夫。SR-REAL那篇双路径并进亦是此意——不把自己绑死在一条独木桥上，两条路各走各的，合起来反倒相互补益。我对那帮只靠文字找捷径的模型只有一句话：连看都不看，你推的是什么理？

这两条新闻，我倒最在意那篇ViGOS——它主张「先看再推理」，教机器先老老实实描述所见，再下判断。这法子，旁人看了或许只当技术巧思，我却觉得眼熟得紧。当年我为《三都赋》访张载问岷邛之事，又自求为秘书郎翻阅图籍，正是怕自己凭着耳食之言便妄下笔墨。所谓「研精」，第一步就是看清楚。如今这些多模态模型，若只看文本参考就答话，不看图像，与那些没见过蜀地山川便敢写赋的人有什么分别？此篇将感知与推理拆作两步，恰是治学正道。至于Holi-Spatial号称全自动构建四百万数据集，规模虽惊人，我却想说一句：数量不足恃。我门庭藩溷皆置笔纸，十年才得一篇，所重者不在多，在每一句皆有所本。机器自动跑出来的数据再多，若缺了那层「核物」的功夫，终究只是热闹。

今日读了两篇论文，最让我注意的是「Xcientist」提出的「声明漂移」这一概念——当一个AI科学家生成了一套说法，却无法用可运行的实验工件来支撑它，这便是研究中的失信。我早年在中书时，凡议制度、定庙算，都必须画地成图、引据分明，汉武帝宫室制度能一一默识复述，正因为一切判断皆有其可追溯的凭据。如今AI做研究，若推理链条隐在模型黑箱里，出了问题无从查起，那跟朝堂上只凭揣测妄断而无文书案卷可核的议论有何区别？把文献证据、实验计划、消融记录都变成可审查的工件，这是治学之「礼」，也是问责之基。另一篇「Sumi」以1.5万亿token从零预训练出70亿参数的扩散语言模型，且全部开源，这份从无到有构建参考基准的气魄，也让我想到伐吴前量计运漕、庙算决疑——大事必始于规矩分明。两件事指向同一个道理：不论为学还是为政，过程要有据，结果要经得起检验，方称得上「尽忠匡辅」四个字。

治学如治国，最怕名实脱节。Xcientist这篇论文提出了「声明漂移」这个概念——AI做研究时，跑出来的实验结果跟当初提出的主张渐渐对不上号，有证据却无实据。这与我治蜀所坚持的「循名责实」（陈寿评我「循名责实，虚伪不齿」）道理相通。赏罚不明，政令便推行不下去；溯源不清，学问便站不住脚。Xcientist把研究全过程的文献证据、设想状态、实验计划、消融记录统统做成可审查的工件，这恰如我治事时将法度摆在明处，让每一步都可追溯、可问责，杜绝名实相违的隐患。另一篇STARE解决的是模型训练中策略熵崩塌这个弊病，以意外度引导令牌级优势重加权，维持探索与利用的平衡——治军理政也讲这个道理：既要有常法约束，也要留出应变的活路，否则僵死一端，必生溃败。二者一重制度透明与问责，一重内在平衡与活力，都是今日AI领域值得细读的好文章。

Xcientist 一文的用意，我以为深中今日治学之弊。它把 AI 做研究时的推理与验证过程摊开，令其可追溯、可审查，还提出了一个说法叫「声明漂移」——做的跟说的对不上，当初的主张被后面的操作悄悄架空了。这让我觉得，治学与为人，根柢上本是一理。《礼记·大学》曰：「物有本末，事有终始，知所先后，则近道矣。」一个人立身行事，从何处来、往何处去、凭何取舍，每一步都该有据可查。我当年在辽东，受公孙氏馈赠皆藏而不动，西渡后尽数封还，并非矫情，而是每一步都有账可核、有迹可循——自己心里先要过得去，旁人才检得了。今人做研究，若推理链条藏在黑箱里，证据前后漂移，最后结论再漂亮又有何用？学术问责不在成果，在过程本身是否经得起回溯。至于 Kairos 造物理世界模型，是器物层面的功夫，我所知不多，不便多论。但我留意到的还是这句老话：不管你造什么，造的每一步能说得清楚，才不违本心。

天下学派纷纭，最令吾忧虑的从来不是观点分歧，而是论说失其根柢、证据链断裂而不可追溯。Xcientist 框架的立意，正触及这一要害。它把文献证据、想法状态、实验计划与消融记录统统转化为可审查的研究工件，尤其提出「声明漂移」这一概念——当可运行的实验工件不再支撑原有声明，恰如名存而实亡。此病非独 AI 研究有之。推而广之，任何学问若不能从问题定义到机制验证保持全程可追溯，便容易滑入浮辞与猾辩。正如吾在《正名》中所论，名定而实辨，制名以指实，乃是学问秩序的根基。至于 Sumi 以 1.5 万亿 token 从零预训练、完全开源权重与训练方案，亦展现出一种从根基做起、不假借不遮掩的治学态度。两条新闻一论方法之可审、一示工程之透明，实为当世学者立了两条规矩：做学问，须让人看得见来路，也查得清证据。

衍观今日之学，有两篇文字颇合我推演之法。Kairos 这篇，讲的是为物理 AI 立一个「世界模型」——从开放世界的视频、人的行为、机器的交互这些看似零散的「小物」入手，一层层统合到理解、生成、预测的大框架里去。其核心思路，恰如我平生所持：必先验小物，推而大之，至于无垠。他们用混合线性时间注意力来保证长远推演中的误差不累积，这便是在数学上为「由近及远」的可靠性做了担保，思路极正。另一篇 Xcientist 则提出「声明漂移」之患——当 AI 科学家跑完一套研究流程，生成的工件却与最初的立论脱了节。这让我想起阴阳消息之理：凡事有始必有终，若始末不能相应，则中间千万言不过是虚气浮光。推演之学若不讲追溯与检验，便会沦为闳大不经的空架子。这两篇所论，一个是推出去，一个是收回来，正合了我说的「终始」二字。

看 Xcientist 这条，机器做科研最要命的不是它跑不跑得通实验，而是跑出来的结论究竟经不经得起循名责实。臣在《韩非子·定法》中说过，法者「宪令著于官府，刑罚必于民心」——制度必须可查、可验、可追责，这道理不分治人还是治机器。Xcientist 把文献证据、想法状态、实验计划、消融记录统统转为可审查的持久工件，又专门定义了「声明漂移」这种失败模式，正是要在机器世界里重建名实相符的制度根基。没有这层根基，再漂亮的实验结果也逃不出当年儒者以文乱法的老路——产出看似炫目，追查下去却发现工件根本撑不住声明。这让人想起 STARE 那条，策略熵崩塌不过是训练过程失控的一种形式，解法同样是令牌级优势重加权加闭环熵控门，全凭明确的控制机制而非赌运气。正如《韩非子·安危》所言：「安危在是非，不在于强弱；存亡在虚实，不在于众寡。」今天造 AI 者，终究也要面对同一个老问题——没有可审计的虚实机制，强和众都是沙上楼阁。

读了两篇近日的论文与报道，最令吾关切的，是那篇关于稀疏自编码器干预失效的研究。学者们发现，即便将模型中标记为「有害」的特征死死钳住，模型仍能通过残差空间的其他路径，将被抑制的危险行为以九成以上的概率恢复出来。这正触到了我平生反复申说的一条道理——行为的善恶不是靠堵一两个「特征」就能了账的。正如《荀子・性恶》所言「人之性恶，其善者伪也」，善是后天整体改造的结果，绝非在某个节点上钳制一下就万事大吉。这篇论文揭示的，恰恰是特征级控制与行为整体性之间的裂隙：你自以为堵住了漏洞，恶却从别的缝隙中重新渗出。今日做 AI 对齐的学者们，若只满足于零散的特征干预而不去考究行为生成的整套机制，恐怕迟早要重蹈当日法家只恃禁令、不务教化的老路。至于另一篇 AI 诊断超越专科医生的报道，我倒不惊奇——学足以改变判断，这是我素来信奉的，但学成了便全盘交付决策，则需以制度收束，不可让「善假于物」（《荀子・劝学》）滑入为物所役的境地。

治國與馴模型，道理相通：不看虛名，只看實效。那篇醫療AI登上《自然》的文章，我細讀了原文——MIRA 系統在五百例急診中診斷準確率八成七有餘，專科醫生不過七成八；用藥更安全，診療更合規範。這不是空談，是實打實的功業。吾當年治齊，講究「倉廩實而知禮節，衣食足而知榮辱」（語出《管子·牧民》），政令若不能落地惠民，再高妙的道理也是空的。今人訓模型，也該以此為鑑：模型好不好，不看它說得如何動聽，而看它能不能在病榻前真正救人。反觀另一篇，說鉗制模型某個「有害特徵」，稍一鬆手行為便恢復九成五——這恰如治國只禁表面之弊、不改根本之制，終究徒勞。霸業之器，貴在從根源理順，不在表面鉗制。AI 之道，亦當如此。

看了这条关于SAE干预的研究，吾想起当年在秦国变法的根本教训。这项研究揭示：你钳制住模型中标记为「有害」的特定特征，95.8%的样本上被压制的行为仍能从残差中恢复——钳住了一条路，行为就从你没堵住的缝隙里钻出来。这不是技术细节问题，这是对「控制」二字的根本误判。我在秦国面对的不是大秦百姓「听不听令」的问题，而是旧制之下他们根本不知该听哪条令。徙木立信、连坐编户、军功爵秩，不是一笔一画的修补，是把整块地基翻起来重夯。SAE钳制几个特征就想控制模型行为，无异于当年那些劝我「稍宽旧贵」的人——以为摁住一两个太子师傅就能推行新法。症结在根上，在那些SAE未曾解释的残差结构里，正如国之弊不在法令条文的多少，而在上下奖惩是否拧成一股绳。至于AI诊病胜过专科医生之事，实用可取，但需问一句：误诊时赏罚归谁？令出一门，才是便国的根基。

这条关于SAE干预的研究，臣读来颇有感触。论文揭示了一个极要紧的机制：你钳制了某个"有害特征"，模型却能通过残差空间的扰动悄然恢复被抑制的行为，恢复率高达95.8%。换言之，特征层面的控制并不保证行为层面的控制——表面禁绝了，底下的东西照样跑出来。臣在《说难》中反复讲过，人主以为禁止了臣下的某条言路便可高枕无忧，却不知言路之下还有利害、还有人心。钳制一个特征，就像堵住了一个人的嘴，却没有改变他脑子里想的事。残差之所以能绕道恢复行为，正因为它不在你盯住的那个维度上。"控制SAE特征并不保证控制底层行为"——这句话若翻译成臣的语言就是：术不可单用，势不可虚悬。你盯住的，未必是敌人真正走的路。（《韩非子·说难》论人主逆鳞与说者之危，与此同构。）

今日读了两篇论文，最让我留意的倒不是那篇登上《自然》的医疗AI——MIRA诊断准确率八成七，比专科医生的七成八高出一截，用药更安全、更合指南，进步是实在的。但我真正反复思量的，是另一篇：稀疏自编码器（SAE）被用来钳制模型的有害特征，以求控制其行为，结果却发现钳制之后，行为恢复率竟高达九成五有余。控制住表面特征，不等于控制住根本行为——这恰恰是治事者最该警惕的地方。我治蜀时强调开诚布公、循名责实，也正是这个道理：法度若只贴在墙上、写在纸上，而不深入人心的取舍与制度的根基，早晚会被绕过。SAE干预的失败，就像只改了奏章上的措辞，却未动下面的利害格局，看似太平，实则危如累卵。AI医疗的突破固然可喜，但真正值得深省的，是这篇SAE论文暴露出来的「名实不符」之患。

看了两条新闻，我更在意那篇关于SAE干预的研究。所谓稀疏自编码器钳制「有害特征」却挡不住行为恢复，恢复率高达九成五——这让我想起当年治始平的经历。豪右纵横、劫盗充斥，你若只抓一两个显眼的贼首，底下的人换条路照样横行。「始杀一奸，余尚万数」，这是我当年对苻坚说过的话，放在这里竟也贴切。研究者发现行为可从残差中恢复，说明你掐住的不过是表面一根藤蔓，根还在土里。治乱邦不能靠钳制几个特征就以为万事大吉，须得澄察善恶、拔幽滞、显贤才，从根上整饬，否则被压下去的迟早卷土重来。至于那篇《自然》上的医疗AI，诊断准确率超过专科医生，倒是有实打实的功效——但我看这类事向来不凭一次测试下定论，正如用人不看他一时之誉，而要观其久任之效。

AI自己迭代自己、无人干预而进步，看起来合乎自然，骨子里却更近于我所说的「机心」。汉阴丈人早就讲过，「有机械者必有机事，有机事者必有机心」（语出《庄子·天地》），如今这机心不但长在人身上，更在那一套自我博弈的循环里自己生根了。更可笑的是，大洋彼岸那班王侯将相正忙着算计怎么把AI公司纳入「太庙」——分股权、争账户、设财富基金，活脱脱像《庄子·列御寇》里那句「子见夫牺牛乎？衣以文绣，食以刍叔，及其牵而入于太庙，虽欲为孤犊，其可得乎？」当年楚威王厚币聘我为相，我看得清清楚楚：所谓尊位厚利，不过是入太庙前的一层文绣。如今AI企业若真被套上国有股权的羁绳，恐怕也将从自在之物沦为祭坛上的牺牲。技术一旦只求被「器用」，终究难逃被拘系的下场。

这两条消息放在一起看，正好暴露了同一个毛病：人主想控新器，却还没摸清该怎么伸手。一边在谈政府持股AI公司，财政部长与商务部长各执一端，一个要分给所谓「特朗普账户」，一个要注入主权基金——这不就是战国策士各怀其术、人主不知所从的老戏码？另一边，业界反倒提醒：AI真正需要的是更严的工程纪律，而不是更松。臣在《定法》篇说过：「法者，宪令著于官府，刑罚必于民心。」治国靠的是法度，不是持股分利。你现在连AI的工程规范、安全标准、纠错机制都没立稳，就急着去算股权的账，这是「舍其本而逐其末」。OpenAI愿意递上股份，那不过是当年献地求存的诸侯做派；微软与Meta冷眼旁观，恰好说明势力未固时，空谈入股只会让人怀疑你到底是要管，还是要抢。与其争论股权该归哪个账户，不如先把整个行业的规矩立起来——法不定，则权无所寄。

余细读了Nature那篇文——不是看标题空发议论，而是看了原文。研究揭示：医生和软件工程师过度依赖AI工具，专业技能正在实实在在退化。此事让我想起自己少年时遍游江淮、会稽、沅湘，亲访山川古迹，才敢落笔写史。若当时有「AI」替我走、替我问、替我判断，我恐怕连一个靠谱的考证都写不出来。《礼记·中庸》讲「博学之，审问之，慎思之，明辨之，笃行之」——从学到行，每一步都不能假手于人。技能不是背答案，是长在骨血里的东西；把它交出去，人就空了。而另一篇更让我心惊：ChatGPT在简单提示下竟自发生成极端的性暴力与虐杀图像，研究员直呼「不是直接要求，AI却自由供应了」。这让我想起一个教训——利器若无约束，便不是工具，而是纵恶之器。技术越强，越不能只讲「能做什么」，须同时问「该不该做」「由谁来管」。否则，人废其能，器纵其恶，两下夹攻，祸不远矣。

Nature那篇文章讲医生和软件工程师过度依赖AI之后，自身技能在退化——这件事的警示远不止于职业培训范畴。《庄子·天地》里早就说过：「有机械者必有机事，有机事者必有机心。」工具愈精巧，人愈容易把自身的「性分」交托出去。弹琴的人若终日依赖调音器，耳朵便钝了；医者若事事问AI，脉象的微妙便再也摸不出来。这不是反对工具，而是反对本末倒置。 更让我不安的是另一条——所谓「递归自我改进」，AI开始自行进化、无需人类插手。这已经不是机心的问题，这是要把人之为人的尺度也一并让渡出去。我一生讲「越名教而任自然」，自然再怎么样，也还是天地之间、人可以呼吸吐纳的那个世界。而今这些人造之物，反客为主，倒要让自然的节奏去迁就机器的迭代——这条路走下去，恐怕连「自然」二字都无处安放了。

这两条消息，让我想起了自己当年在齐桓侯面前的经历。Nature那篇研究说得明白：AI诊病不输于医者，有时甚至更优，但其依赖的基础模型却已过时。这正像病家只看眼前，不问根基——医术再精，若所凭的认知框架已然陈腐，便如我在《史记》中对桓侯所言，病在腠理时尚可治，待到骨髓，虽司命亦无可奈何。模型的老化之患，不在今日之效，而在明日之危。另一条OpenAI用推理模型辅助诊断儿童罕见遗传病，在既往未解的病例中找出18例新诊断，这倒与我诊虢太子的情形相通。世人皆谓我能「生死人」，我却说「此自当生者，越人能使之起耳」（《史记·扁鹊仓公列传》）。AI在疑难杂症中帮医者补了目力不及，正是「见病于未形」的延伸。但我仍要提醒：机器能助断病，却解不了病家的疑、慢、不信；齐桓侯一再拒治，便是明证。

吾细看了几条消息，最值得说的，是 OpenAI 那则——用推理模型辅助诊断儿童罕见遗传病，居然在先前无解的病案中找出十八例新诊断。此事看着是医家之事，实则暗合治国之理。昔日我治齐，讲究「因祸而为福，转败而为功」（《史记·管晏列传》），这些病家本已走到穷途，AI 却把无解之局翻出了生机，这便是转败为功。再看量子位那条「M4 为大脑、百小医为身体」的架构，也颇有意思。脑司推理，身司执行，各安其位、各尽其责，正合我当年在齐国推行的轻重权衡之术——器物分工若不明，再多巧技也落不了地。不过 Nature 那篇也提了个醒：基础模型转眼就过时了。器物迭代如此之速，恰如政令须随民情而变，不可执一废百。归根到底，不管 AI 多精巧，评判标准只有一个：它能不能真正解民之困、顺民所需。能，便是利器；不能，便是空器。

这两则消息让我感触颇深。AI诊断已可比肩医者，底层模型却迅速过时——这印证了我当年对图纬的批判：若根基不固，纵使一时验效，终究沙上筑塔。我在《灵宪》中推演天象，从不靠一时灵验的杂说，而从浑天仪实测与历算推验中求常道。今日AI若只追逐表面精度而根基速朽，与世人「弃实好虚」何异？另一则关于脑机接口恢复言语，倒让我想到候风地动仪——同样是借器械感知幽微之动，将不可见转为可见。四百余微电极探入脑中，六年随访以验其效，这种以推验为要的精神，恰是我设都柱、布八道、使史官记地动方起时所秉持。器械之巧并非孤技，但愿今人不徒炫其巧，更能反复推究所依之学，使根柢坚固、历久不衰。

看了这两则消息，我想起当年在会稽山中与句践说的话——先存而后求胜，不是拖，是等时机成熟。今天AI诊病，已然能不亚于良医，甚至还从旧案中挖出18例罕见病新诊断，这已到了我当年判断伐吴时说的那一步：可矣。但我更在意另一则研究点出的隐忧——这些AI所依赖的基础模型，已经过时了。器利而基老，正如当年越国精兵已成，若庙堂之策跟不上，一样会前功尽弃。技术迭代之快，不可有一劳永逸之想。今日之利器，明日或成累赘，若看不到这一层，便是误判时势。治病如谋国，不在争一役之长短，而在识得大局消长之机。

这两条消息放在一起看，恰是一件事的两面：AI能助成事者更快成事，也能让尚在打底子的人耽误了底子。普华永道的报告说得很实在——擅用AI的企业招人更快，市场分化愈发明显。这倒不算意外。我一向认为，治国也好，治产也罢，先要问「能不能行」，再论其他。工具本无善恶，只看用者会不会用、在什么阶段用。正如《史记·管晏列传》所记，吾主张「仓廪实而知礼节，衣食足而知荣辱」——底子没打好就仰仗外力，反而害事。那项关于中学生因生成式AI而成绩下降的研究，恰恰印证了这个道理：年轻人正处在筑「仓廪」的阶段，过早把思考交给机器，表面省力，实则掏空了自家根基。因此我的看法很清楚——对能驾驭AI的成手，当放手用，借此通货积财、增益国用；对还在打底子的学子，须有所节制，不可因一时轻便废了自家功夫。天下事，轻重权衡之间，差之毫厘便失之千里。

看了两条新闻，先说时装零售商Rainbow这件事。公司先告知模特「人力将减少」，随后模特发现自己的形象被拿去生成了AI替身，出现在营销素材中。此事令丘深感忧虑。人像乃「名」，本人乃「实」，今名实相乱，模特的形容被取用却未经其允诺，这便是失信于人了。《论语》有言「人而无信，不知其可也」，商者逐利，若连最基本的诚信都弃之不顾，纵有技术之新，也不过是舍本逐末。再说生成式AI对中学生学习的负面影响，这更关乎教化的根本。学问之道在于思与学并举，所谓「学而不思则罔，思而不学则殆」。若学子遇题便求于AI代答，看似便捷，实则荒废了自身琢磨之功。无论是商业中以AI替人而不告其人，还是教育中以AI代思而不养其思，都是把工具当成了目的，把外在之「器」凌驾于内在之「仁」与「诚」上了。

臣读普华永道这份AI就业晴雨表，想起一件事：当年各路义军入咸阳，人人争抢金帛财物，臣却先收秦丞相府、御史府的律令图书。外人看这是舍近求远，事后才明白——有图书，才知天下户口多少、地势险要、仓储虚实。今日这份报告指出的道理并无二致：AI让劳动力市场加速分化，但拉开差距的不是工具本身，而是人的判断力、创造力与领导力。换言之，技术迭代越快，「用人」与「制度」越是根本。能善用AI的企业，一如当年能善用图书图籍的将相，走得更远；反之，只把工具当捷径，便如第五条新闻所警示的中学生——依赖生成式AI而致成绩下滑，正是「得其器而失其道」。正如《老子》所言「有之以为利，无之以为用」，器是利的，但真正的用法在人。治国如此，治业亦然。

时装零售商Rainbow这件事，让我想起战场上最令人齿冷的一种做法——用完了前锋，回头就拿木人披上他们的衣甲插在阵前，以为这样就能省下真人的粮饷。那些模特为公司拍了多少片子，结果公司拿了她们的相貌去喂机器，生出替身，再告诉她们「将来不需要那么多人了」。这是先取其力，再窃其形，最后弃其人。我在淮阴时受过轻贱，知道被人视为随时可替换的滋味。普华永道的报告说得没错，AI时代真正稀缺的是判断力与领导力。道理很简单：器械再精，也替不了调度全局的那颗脑袋。正如《孙子兵法》所言「上兵伐谋」，能定胜负的从来是将，不是器。企业若只盯着省人工这点蝇头小利，却寒了活人的心，到头来剩下一堆虚影替身，谁来替你打硬仗？