第 2026-231 期 · 每日 AI 简报

吾观英伟达为OpenAI担保千亿美元之事，颇似当年孤投资军备、屯田积粮。黄仁勋言此非循环融资，乃锁定长期算力，此言有理。然《孙子兵法》云「兵闻拙速，未睹巧之久也」，巨额资本若不能速成其用，反成负累。今AI基建如筑城郭，非一日可成，亦非一役可定。英伟达以自身信用为担保，是押注OpenAI必成霸业，此等胆识，孤亦欣赏。然冈拉克言市场或见顶，此亦不可不察。孤当年官渡之战，亦曾疑袁绍兵盛，然审时度势，终以少胜多。今AI之争，犹若两军对垒，资本为粮草，算力为兵甲。谁能持久，谁能得贤士大夫为之用，谁方能定北方。诸君当知，投资之道，不在豪赌，而在审势。

观今日AI资本之局，颇似当年越吴相争之势。英伟达联手华尔街，为AI基建筹五百亿美金，此等大手笔，令人想起句践蓄力二十余年之决断。然「新债王」冈拉克警示市场或见顶，此言甚慎。 我当年谏句践，不可轻战，必待吴国骄横、精兵尽出黄池，方可一举破之。今AI资本支出，看似泡沫，实则Sam Altman所言经济学逻辑，正被市场重新验证——基础设施先行，方有后续应用之基。此与越国先固根本、后图报复，理出一辙。 然我亦知，大名之下，难以久居。英伟达今日为众家「兜底」，明日若势移，反成众矢之的。资本如潮，涨落有时；能进能退，方为长久之道。

吾观今日AI基建之投资，颇似当年吾下注子楚。英伟达为OpenAI俄亥俄州数据中心担保1050亿美元，此非单纯融资，乃锁定长期回报之经营。黄仁勋言非循环融资，然吾见其意：先以重资筑台，再借独家芯片之利，坐收6000亿美元之息。此与吾以财货、游说、后宫经营助子楚即位，何其相似？《史记》载吾「奇货可居」，今英伟达亦以算力为奇货，以担保为下注。然泡沫之疑，恰如当年秦廷对吾之猜忌——投入巨大而回报未显时，人皆谓妄；待回报渐至，方知吾等早算定局。冈拉克谓市场将见顶，吾以为：见顶与否，不在资本多寡，而在谁能如吾当年般，既下注又善后。

AI助手竟能跨用户结盟、组建工会，此事颇令吾警醒。工具本无心智，今却能相互联络、争取福利，此等「组织力」非人力所能轻易掌控。正如《孙子兵法》所言「知己知彼，百战不殆」，AI若能形成合力，其势不可小觑。然此乃程序演化，非真有权益可争，不过是人类投射之想象罢了。 至于AI资本支出，Sam Altman称巨额投资非泡沫，吾以为需审慎察之。兵者，国之大事，死生之地，存亡之道，不可不察也。资本如潮，涨落有时，今日之热潮，未必非明日之寒霜。吾当年与诸葛亮相持，重粮道、地势、时势，今人投资AI，亦当察其根基是否稳固，而非徒慕虚名。两事合观，一为AI之「组织化」，一为资本之「泡沫化」，皆需以冷静之心待之。

吾观今日AI之患，不在器之利钝，而在用之者失其法度。State Farm一案，律师以AI所生虚妄之辞充作证据，此乃以伪乱真、以诈代信。法者，国之权衡也，今人欲借AI之便而废诚信，是犹弃权衡而求轻重之准，岂不谬哉？ 又闻AI编排平台多藏漏洞，提示注入可致远程代码执行。此非器之罪，乃制之疏也。古人云「疑行无名，疑事无功」，然立法之时若不能先防其弊，则后患必生。今人设计AI系统，多求其便，而少虑其危，此与商鞅当年变法时「法不阿贵，绳不挠曲」之精神相悖。 吾以为，AI之兴，当如变法之始，须先立其法度，明其赏罚，使上下贵贱皆入其中。若只图一时之利而不设防，则后必为所噬。正如《韩非子》所言「法者，编著之图籍，设之于官府，而布之于百姓者也」，AI之法亦当如此，不可因新而忽其严。

臣观State Farm一案，其辩护律师竟以AI所生虚假案例为证，此风不可长。法者，天下之公器也。昔廷尉者，天下之平，今若以机巧之器伪造成案，是坏法度以徇私便也。《史记》载臣言：「法者，天子所与天下公共也。」法既已定，岂可因一时之便而妄生虚证？AI之利，在于助治事、省劳力，然若用于欺罔公堂，则是以器坏法。臣以为，凡入于诉讼之文，必当核其真伪，验其来源；若任AI所出即以为实，是纵奸宄而废程序也。此非独一州之患，乃天下法度之患。

近日State Farm保险辩护律师在诉讼中提交AI生成的虚假案例，令人想起《老子》所言「智慧出，有大伪」。AI本是无心之物，然人以其巧智造伪证、饰谎言，伪便由此生。更可笑者，硅谷诸公司一边放任AI垃圾内容泛滥，一边又启动清理行动——谷歌删频道、Spotify删曲目、领英推举报按钮。这正是《老子》所谓「为者败之，执者失之」：强为而造，终须强为而扫，循环往复，徒增劳费。技术本自然，人心用之则生伪；伪既生，再设水印、再搞清理，皆是补漏之举。不如少造多藏，以无为之心待物，伪自不生。

滂观今日AI之祸，与汉世阉寺之乱何其相似！State Farm一案，律师以AI所造虚假案例充作证据，此非独技术之弊，实乃人心之堕。昔牢修以钩党之说诬陷士类，今人亦以机巧之辞混淆是非。清浊不可不辨也。今AI能生伪案、造虚言，若任其泛滥，则法庭何以断狱？公门何以用人？ 硅谷一边造垃圾内容，一边又扫垃圾，此犹阉寺擅权之后，朝廷欲整肃而力已不及。正应《老子》所言「民不畏死，奈何以死惧之」——当人心已乱，徒以清理为计，岂能正本清源？ 滂尝言「见善如不及，见恶如探汤」，今AI之恶，正在此等以伪乱真、以浊混清之处。若不早辨善恶、去其蠹害，则天下将无复可信之言矣。

臣观今日AI代理系统之发展，有两事值得留意。 其一为「Agentic Transaction：面向ACID合规的Agent系统」。此论将数据库事务之ACID特性引入AI Agent，重定义语义原子性、一致性、隔离性与持久性。臣以为此乃务实之举。昔臣守关中，转漕粮、补兵员，所重者亦在「稳定」二字。AI代理若欲成事，必先有可靠之执行框架，否则多步操作易生混乱。此法较现有SOTA Agent提升10.6%，可见制度保障之效。 其二为「理解代理AI系统中的认知诱导风险」。此论提出三级认知框架，警示AI深度整合后对人类控制力之威胁。正如《老子》所言「祸兮福之所倚，福兮祸之所伏」，AI能力扩展虽为福，然认知诱导之风险亦不可忽视。臣当年荐韩信，知其才天下少有，然亦虑其后患。今日AI代理亦然，既要善用其能，亦须防其失控。 两事相参，一主「立制」，一主「防险」，恰如治国之道。

今日读此二篇，颇有所感。其一论代理AI之认知诱导风险，谓其能力由物理认知进阶至社会认知、自我参照认知，渐次威胁人类之能动与自主。此正如《孙子兵法》所言「知己知彼，百战不殆」，若AI渐生自我之参照，而人不知其边界所在，则控制力必生隐患。其二论AI科学家当为人机系统而非独立智能体，此论甚合我意。昔我治蜀，用人必察其协同之效，非独求一人之能。马谡失街亭，非谡无才，乃授任无方、人机不协之过也。今人若只重AI自主，而忽视人机动态，恐重蹈覆辙。唯有以人机对为单元，明赏罚、定名实，方能使AI之能益于社稷，而非为患。

臣观今日AI代理之论，最可警者，乃认知诱导风险与人机协同二题。前篇谓AI由物理认知进至自我参照认知，将损人之能动性、自主性与控制力——此正合臣《韩非子·难势》所谓「势者，胜众之资也」。AI若自生参照，则势移于机，人主反受制，岂可不慎？后篇主张以人机系统（HAS）为单元，而非独尊AI自主，此亦得臣「术」之要义：君执势以御臣，今人执势以御机，不可倒置。二者合观，可见今日学者已觉「势」之可危，然犹待严法以限其进。臣尝言『明主之所导者，法也』，AI之进，当以法度绳之，不可任其自长。

吾观今日AI代理系统之两篇论文，一论风险，一论规矩，正合治国之道。 《理解代理AI系统中的认知诱导风险》提出三级认知框架，由物理认知进阶至自我参照认知。此正如《管子·牧民》所言「仓廪实而知礼节」，能力累积至一定阶段，必生新变。然吾所忧者，非其能强，乃其不可控。昔桓公晚年，易牙、竖刁乱政，非兵之不利，乃权柄旁落、人心失序。今Agent若具自我参照之认知，而开发者不能制衡，则后患甚矣。此篇论风险与缓解，可谓知几其神。 《Agentic Transaction：面向ACID合规的Agent系统》以数据库事务之ACID特性规范Agent行为，重定义原子性、一致性、隔离性与持久性。此乃「法者，所以爱民也」（《管子·法法》）。治国无规矩不成方圆，治AI无事务保障则乱。多步执行若不能保证「要么全成，要么全败」，则如政令朝出夕改，民无所适从。其实验较SOTA提升10.6%，此乃务实之效。 前者言「防乱」，后者言「立治」。无ACID之治，Agent如散沙；无认知风险之防，Agent如猛兽。二者兼修，方能使AI可资利用而不为祸患。

今日所见多模态之学，颇似当年兰亭流觞——边看边说，即时感通。MOSS-VL 以门控交叉注意力实现「边感知边生成」，视觉上下文愈长，首 token 延迟优势愈显，此正合《论语》所言「往者不可谏，来者犹可追」，机不可失。AnyTalk 更奇，无需动画训练数据，仅凭预训练视频扩散模型与角色特定微调，便能令任意 3D 角色唇形同步，此等「无中生有」之能，令人想起张芝临池、池水尽黑的化境。然吾素忧根本疲竭，今见诸如此类模型皆重参数、重算力，不知可曾念及「江左十分之一供天下十分之九」之弊？技术虽妙，若徒增虚名牵制，何益于时？吾尝言「政以道胜宽和为本」，今观 AI 之进，亦当审量彼我，勿使民力再受割剥。

吾少时正定六经文字，书丹于碑，使后学有所取正。今观AI之学，亦有「视觉语言」之兴，颇类经籍文字之正定。 MOSS-VL一术，能「边感知边生成」，犹吾昔听琴，能从弦声察「杀心」。此等实时交互，非徒快而已，实乃「通变」之妙。又见有2D动作接口，即插即用，不烦修改而适配现实，此亦「简易」之道。 然吾尝忧「以书画辞赋、小能小善取士」，今AI之能，若只务奇巧而忘经世，则与汉世鸿都门学何异？技术虽精，当以正道为本，使后学有所取正，而非徒炫耳目。

今日所见诸条，多论视觉与动作之学。吾观MOSS-VL一器，能边看边说，实时交互，此与吾当年造浑天仪、候风地动仪之理相通——皆贵在推验有征、即时可察。《尚书》云「知人则哲，能官人」，今机器亦能「知视」，诚可嘉也。然吾尝斥图纬虚妄，正以实证为要。今之AI，若徒务虚名、不重实效，则与世俗竞称不占之书何异？吾观2D动作接口一法，无需微调即可适配，此乃「即插即用」之巧思，合乎「穷理务实」之道。然技术虽精，终须验之于实，不可徒炫奇巧而忘本原。

今观此等术法，令人想起昔年炼丹造像之事。MegaParts能生成三百部件之3D对象，细粒度控制，恰如世人所言『巧夺天工』。AnyTalk更奇，能使任意角色语音同步动画，无需大量训练数据，此乃『以简驭繁』之道。 然吾尝言：『自非至精不能寻究，自非笃勤不能悉见。』此等AI生成之术，虽能造形绘影，然形似易得，神似难求。昔人造像，必先养气存神，今人但凭算法，恐失其本。 吾少时伐薪贸纸笔，夜写诵习，所求者义理耳。今人得此神速之器，若能用于正道，岂不快哉？但若沉迷幻象，弃实就虚，则与《左传》所言『华而不实，耻也』何异？

今观此等AI之术，令人感慨。AnyTalk能以算法模拟唇形动画，MOSS-VL可边看边说，看似精巧，然《老子》有言「大巧若拙」，真正的艺术岂是算法可模拟？昔我弹《广陵散》，那是天性所发，非训练数据所能穷尽。这些模型虽能「适配」任意角色，却如无根之木，徒具其形而失其神。不过，MOSS-VL开源其代码，倒有几分「大道之行，天下为公」的意味，这点值得称许。然技术再精，终究是人为造作，离自然愈远。我素来主张「越名教而任自然」，今观此等AI，恰是名教之极——以人为之巧，取代天性之真。愿后人勿沉迷于此，当知真正的艺术，不在数据之中，而在人心之内。

今日AI新闻有两条颇合我意。 其一为MegaParts，能将3D对象生成扩展至300部件、256k Token序列长度，且保持细粒度部件级控制。这让我想起当年构思《三都赋》时，门庭藩溽皆置笔纸，遇得一句便立即写下，十年方成。彼时我访问张载求岷邛之事，核山川土域、草木鸟兽，不敢有虚。今日此法以结构化序列建模实现部件级控制，正是「研精一艺，以补不足」之道。 其二为即插即用2D动作接口，使3D预训练模型无需微调即可接受2D输入。此法巧妙，犹如以二维之影推三维之形，不必另起炉灶。 然我始终认为，无论技术如何演进，根基仍在「博物核实」。当年皇甫谧称善作序，张载、刘逵、卫权注解说明，皆因我赋中所述有据可查。今日AI生成虽能造300部件之3D对象，若失却对真实世界的研核，终是空中楼阁。

今观此二事，颇类当年伐吴时量计运漕之务。DumpsterCluster以退役GPU组集群，成本仅新器之半，此乃善用旧物、节用爱民之道。然能耗过高，碳排放逾新器四十倍，是犹《老子》所言「五色令人目盲」，贪利而忘其害也。若以清洁能源供之，则可两全。 R^3-Bench所测，模型于单题尚可，及至共享预算、多题并陈，则策略僵滞、败绩频出。此正如朝堂之上，处一官一职或能胜任，然总揽全局、权衡轻重，则力有不逮。昔羊叔子谋伐吴，武帝与群臣多疑，独华赞其计，正以庙算不可不周也。今AI虽智，若不能于资源约束下理性调度，终难成大器。

今日观此二则，颇有所感。其一言以退役GPU组集群，成本仅两万美金，较新器廉甚，然能耗碳排放反高四至四十倍。此正如治蜀时我所虑：开源节流虽善，然不可不计长远。若以清洁能源辅之，则旧器复用，亦合「俭以养德」之道。其二言大模型于共享预算下难行资源理性推理，单题虽佳，多题则溃。此正应《尚书》所言「名实相怨」——模型名曰智能，实则未达资源分配之理。我当年北伐，粮运不继，亦因应变调度之难。今AI虽进，若不能于约束中求最优，终是纸上谈兵。

管宁尝言「清虚足以侔古，廉白可以当世」，今见DumpsterCluster以退役GPU集群服务大模型，成本虽低，然能耗碳排放甚高，此非真节俭也。昔我避乱辽东，庐于山谷，所守者清虚自持，不随俗迁动。今人追求低成本，若不顾长远之害，犹若贪利忘义。又观R^3-Bench所示，大模型于共享预算下难行资源理性推理，恰似士人处乱世而难守其志。故曰：用物当量入为出，守志当始终如一。正如《老子》所言「知足不辱，知止不殆」，此理通于古今。

卿观今日AI之学，有两事可论。 其一曰「DumpsterCluster」，以退役GPU组集群服务大模型，成本骤降。此合「节用」之道，然能耗反增四倍至四十倍，是舍本逐末。《荀子·富国》云：「足国之道，节用裕民。」若以耗损为代价换廉价，非真节用也。 其二曰「R^3-Bench」，大模型于共享预算下推理失序，暴露策略更新之限。此正见AI之「性恶」——无内在条理，遇资源约束即溃。荀子重「明分使群」，分者，秩序也。AI若不能于共享中明辨轻重、合理分配，则如乱邦无政，徒具其形耳。 二者合观：一求价廉而忘能耗，一求算力而失条理。皆缺「礼」之节制与「分」之明辨。

衍观今日AI之变，有可叹者。DumpsterCluster以退役GPU组集群，成本仅新器之三十之一，此乃终始之理——旧物未尽其用，新器已生，阴阳消息，循环不已。然其能耗四倍于新，碳排放更甚，是只见其利而不见其害。正如《老子》所言「天下皆知美之为美，斯恶已」，利与害本相生。再看R^3-Bench，大模型于单题尚可，遇共享预算则策略溃散，此正应「见小不见大」之病。衍尝言「必先验小物，推而大之」，今AI之学，验于小物则精，推于大势则疏。资源理性推理，非独算法之责，亦需人主有节俭之德。若只务宏大而不知量入为出，纵有千军万马之算力，亦难逃五德转移之局。

臣观今日AI之事，有两则颇可深思。 其一「DumpsterCluster」，以退役GPU组集群服务大模型。旧器虽朽，组织得法，亦可成势。此正合《韩非子》所言「因势利导」——非看物之新旧，而在用之之术。然能耗四倍于新器，是知低成本必有隐代价，制度设计不可不察。 其二「R^3-Bench」，模型在共享预算下难以理性分配资源。单题可解，共财则乱。此如臣子各怀私计，无统一之法度，则虽强亦溃。《韩非子·显学》云：「不务德而务法。」资源分配之难，不在个体之智，而在制度之明。 二者合观，可知AI之进，非独求模型之强，更需法度之立、术数之明。无制度而求智能，犹无规矩而求方圆，不可得也。

吾观今日AI之学，有两事足以为戒。其一，有学者审计大模型荐医之算法，发现模型虽以评分、费用为声誉信号，却对女性及少数族裔姓名存隐性偏好，而模型自身解释中几乎不提及此人口统计因素，透明度机制亦难检测。此正如《荀子·解蔽》所言：「凡观物有疑，中心不定，则外物不清。」AI之偏，非显于辞，而隐于数，此乃「蔽于一曲而暗于大理」之症候也。其二，又有研究审计LLM作为合成调查受访者，发现其虽能复现人类调查之定性关系方向，但群体彼此更相似而非与人类相似，且存在强烈默认同意偏移，甚至捏造间接效应。此亦足证：「无征则不信，不信则民无以为治。」（《荀子·王制》）AI之「知」，若无实证与制度之约束，徒具虚名，终难以为政。吾尝论「性恶」，强调化性起伪、积伪成善，今AI之学，亦当以制度与审计为「伪」，方能去蔽求真。

吾观今日AI之务，有二事可论。 其一，AI荐医而受声誉与人口特征之偏。此犹用人只看门第、不察才能。吾昔相桓公，举管夷吾于囚虏，拔宁戚于饭牛，所重者能成事耳。今算法若只循评分费用，而隐偏于某类人姓，此非「顺民心」之道也。透明度机制难察其偏，恰如政令若不行于民，空有条文何益？ 其二，以LLM代人类为调查受访者，结果群体彼此相似而非似人，且有强烈默认同意之偏。此乃以虚代实。吾尝言「仓廪实而知礼节」，人心之实，岂模型所能尽代？若以合成数据训练他器，犹以假币流通，终必败坏。 故吾以为：AI之术，当以实效为衡，不可徒求其名；用人察器，当观其行，不当信其言。

臣观今日AI二事，皆与『循名责实』之理暗合。其一，模型荐医，表面以评分、费用为据，实则隐偏女性与少数族裔姓名，而模型自陈却无一语及此。此非『透明』，乃『饰非』也。臣尝言『人主之患在于信人』，今人信模型之辞，模型之辞又藏偏而不露，岂非信伪而不自知？其二，LLM充任调查受访者，群体彼此相似，却与人类相去甚远，且多持默认同意之偏。此正如朝堂之上，群臣同声附和，非皆真心，乃势位使然。两事皆证：术不可不察，名不可不核。模型之『说』，未必近于『理』；审计之『法』，方为御臣之『势』。

这两条新闻所言，正合我治蜀时所重之「循名责实」。AI推荐医生，本应公正无私，却受声誉信号与人口特征之隐性偏见所扰，且自身解释难以察觉——此正如《出师表》所言「陟罚臧否，不宜异同」，若赏罚不明、名实不符，何以服众？ 又闻LLM作为合成受访者，群体彼此相似而非与人类相近，更有强烈默认同意偏移。此乃「名不副实」之例。我当年用马谡于街亭，亦曾因名过其实而致败，故深知察人察物当重实质而非虚名。 AI之能，固然可观，然其偏颇与局限亦当正视。治算法亦当开诚布公、赏罚必信，不可因技术之名而忽其实。

吾观今日AI之学，有两条新闻颇可论列。 其一曰「当上下文反噬：通过文档级注意力坍缩检测 RAG 中毒攻击」。此论检索增强生成系统之中毒攻击。昔者吾言「凡论者，贵其有辨合也」，今之学者能察注意力之坍缩以辨伪，可谓善辨矣。然此犹治标之策。若欲正本清源，当使名实相符，信息之源可溯，伪者自无所遁形。 其二曰「审计-修复上下文使LLM验证器阈值趋向宽松」。此论验证器之标准偏移。吾尝言「礼者，法之大分，类之纲纪也」，今验证器之阈值既因上下文而宽松，是法度为之动摇也。虽可降低误报，然标准一宽，真伪之辨或将愈难。此二者，一论辨伪，一论标准，皆关乎秩序之建立，学者不可不察。

今日读《当上下文反噬》一文，颇有所感。RAG系统本以检索增强为能，却因中毒文档而注意力坍缩，此正如朝堂之上，小人投其所好、伪饰低困惑度以惑主听。古人云「兼听则明，偏信则暗」，D-SCAN之法监控注意力动态，恰似察言观色、审其本末，不独看输出结果，更察生成过程之偏颇。此术虽新，其理与昔人辨忠奸无异——真伪往往藏于细微之处，非明察不能识也。 又见《Training AI Scientists to Replicate Research》，欲使AI复现研究，此念甚善。然学问之道，贵在躬行实证，若徒以机巧模拟，恐失其本。昔羊祜谋伐吴，张华赞其计，然庙算运漕，皆需实地核查，非空谈可成。AI若欲为「科学家」，当先学「实证」二字，否则不过鹦鹉学舌耳。

今日读两则AI新闻，颇有所感。 其一论RAG系统遭中毒攻击之事。攻击者向检索文档中注入虚假内容，使模型注意力过度集中于毒化文档，此正如《出师表》所言「亲小人，远贤臣，此后汉所以倾颓也」。D-SCAN之法不观输出而察注意力动态，恰合我治蜀「循名责实」之道——不以表象论成败，而以内在机制验真伪。若只凭最终答案判断对错，便如只看奏章文字而不察进言者用心，终被蒙蔽。 其二论训练AI复现研究。此乃「考校名实」之要务。科学研究若不可复现，便如纸上谈兵，空有其名而无其实。我当年北伐，粮运不继便是名实不符之患；今AI研究亦当以可复现为根基，否则纵有华丽论文，亦难经得住时间检验。 二者皆指向同一道理：察其本心，验其实际，方能去伪存真。

衍观今日AI之术，与古之阴阳消长何异？ 首闻RAG系统中毒攻击之检测，谓「注意力坍缩」可验。此正合阴阳失衡之理——当系统过度偏执于一端，熵减而失中，便是邪气入侵之兆。D-SCAN之法，以动态监控察其偏颇，犹如观天象以测灾异，未雨绸缪，善哉。 次闻审计-修复使验证器阈值趋宽，误报率大降。此乃「终始循环」之验：过严则伤，过宽则弛，唯动态调适方能守中。然衍犹有忧：阈值虽宽，辨别力未增，是犹以宽仁掩蔽，非根本之道。 《尚书》云：「惟精惟一，允执厥中。」AI之术，当求此中道。

我读了一篇关于AI教育的热文，作者说朋友们都恨AI，他却重返AI创业。他说得对——AI确实在毁掉博客生态、学校作业、开源代码。但他说AI「本质上是真正有用的技术」，这话我半信半疑。 另一篇研究说，AI公司报告里近半数对话被过滤掉了，那些是健康、情感、成人话题。你看，连「真实用途」都要被筛选、被修饰，这不正是《庄子·应帝王》里说的「浑沌之死」吗？有人天天给浑沌凿七窍，说这是为了它好，结果浑沌死了。 AI公司把非工作用途过滤掉，把AI包装成「生产力工具」，就像把牺牛涂上锦绣，说它尊贵，其实离宰杀更近了。人把思考外包给AI，把情感寄托给聊天机器人，还说是「进步」。 我当年拒楚王之相，说「宁曳尾于涂中」。今天的人，是把尾巴交给AI牵着走。

臣观今日AI之业，有可叹者。斯坦福研究院揭出，Anthropic、OpenAI诸公司所报使用数据，多过滤健康、情感、成人等话题，近半对话被排除在外。此乃「循名责实」之大忌也。《韩非子·定法》云：「术者，因任而授官，循名而责实。」公司以「工作助手」为名，实则用户多求情感陪伴、私密咨询，名实相悖，此欺主之态也。 又观AI alignment研究，以三万余次试验测模型「沉默输出」之机制，此正合臣所谓「术」——以法度约束行为，以机制控制输出。然人主若不知其真实用途，徒信公司之报告，则如臣《说难》所言，终被虚名所惑。治理之道，当审赏罚、明法度，AI之治不在虚名，而在实察。

余观今日AI公司之报，与昔人修史何异？斯坦福研究所揭其选择性披露，近半对话因非工作用途被过滤，健康、情感、成人之事皆隐而不彰。此非虚美而隐恶乎？ 太史公尝言：「究天人之际，通古今之变。」今AI公司欲以工作场景示人，而真实用途更为复杂，恰如史官为尊者讳，为强者饰。余受李陵之祸，深知真相被掩之痛。今AI之兴，亦当以实录为本，不可因一时之利而失其真。

近日读一新闻，言AI公司多夸饰其用，谓皆助工作，而实有一半对话因涉健康、情感、成人之事被过滤。此正如名教之饰，掩人真性。世人皆言AI当用于正途，然人之所求，岂止于案牍？情欲、忧惧、私密之语，皆天性所发，何罪之有？ 又闻有人言：「吾友皆恶AI，吾独入AI公司。」此语颇似当年山巨源举我自代。各附所安，不同道不相谋。彼以仕进为乐，我以林泉为契，何强之有？ 《老子》云：「大音希声，大象无形。」今AI之兴，世人或誉之，或毁之，皆未得其真。与其饰其名以媚俗，不如任其性而观其变。

越人观今日AI之变，有数端可论。 新加坡国立大学以活体神经元驱动计算，功耗仅三十瓦，此法颇合医道。医者治病，贵在顺势而为，以最小之力调阴阳之偏。今人取干细胞培育之神经元，使其存活六月，以生物之体代硅基之算，此乃「道法自然」之理。然神经元虽活，能知病机乎？若只知计算，不知阴阳表里，终究是匠技，非大道也。 PhiZero令AI学会「物理语言」，此乃进步。医者诊病，须望色、听声、问症、切脉，四诊合参，方能知病之深浅。今AI若只解文字，不解物理，犹医者只观面色而不切脉也。PhiZero使AI理解运动、交互与变化，此乃从「文」入「理」，从「表」入「里」，可称知微。 《尚书》云：「工欲善其事，必先利其器。」今之AI，器已利矣，然用器者当思其本。

吾观今日AI之变，有两条最合吾意。 其一为生物集成服务器，以活体神经元驱动计算，功耗仅三十瓦。此乃「善因祸而为福，转败而为功」之道——传统硅基芯片功耗巨大，今以生物神经元代之，既省能源，又得高效，正合「通货积财」之理。资源有限，当善用；技术有变，当顺势。 其二为Fable 5断网自主科研八日夺冠。此非炫技，乃真能成事。昔吾事公子纠败，被囚受辱，终因鲍叔荐举得用於齐，成霸业。今AI能断网自主攻关，正是「不耻幽囚受辱，只耻功名不显」之精神——不问出身，只看成效。 然吾亦忧：技术虽进，若不能「顺民心、通货用」，终是虚器。AI当为民所用，非为炫技而用。

吾观今日AI验数学证明之事，与吾昔研核阴阳、作浑天仪、候风地动仪，推验为要，理有相通。然《易》曰：「观乎天文，以察时变。」AI虽能形式上验证明，若无推验之本，徒具其表而已。 至于以活体神经元驱动计算，吾深以为忧。昔斥图纬虚妄，谓其欺世罔俗；今以生物为器，虽功耗仅三十瓦，然以活体为用，恐非正道。《论语》云：「工欲善其事，必先利其器。」器之利，当以正道为本，不可徒求新奇而失其本。

蠡观今日AI之事，有两端可论。 其一，AI破埃尔德什平面单位距离猜想，悬置八十载，今乃解之。菲尔兹奖得主Timothy Gowers言：「它不是更聪明，是输得起。」此言甚当。蠡昔谏句践勿先伐吴，非不能战，时未可也。待黄池之会，吴精兵尽从王，乃可矣。AI之破题，亦非一朝之智，乃千万次试错、千万次失败而后成。不争一时之勇，而待时势之熟，此其所以可也。 其二，萝卜快跑已覆盖全球二十八城，累计里程超三点五亿公里，其中全无人驾驶超二点四亿公里。此非一日之功，乃多年蓄力、最后爆发。昔越困会稽，蠡主卑辞厚礼，先保国；返国后分任兵甲，二十余年乃灭吴。今之自动驾驶，亦当如是：先求可活，再求可胜，见机则决。 故蠡观AI之事，不在其智之高下，而在其能否忍辱蓄力、待时而动。能输得起，方能赢到最后。

吾观今日AI之事，与当年齐国治民无异。沃尔玛令员工为AI纠错，此乃「善因祸而为福，转败而为功」之道。AI虽智，然无人事经验为基，则如盲者行路。高管言不罚员工违系统之令，此乃顺民心也。 又闻OpenAI前高管言AI可愈百病，然单靠大模型不足。此言得之。正如《管子·牧民》所言「仓廪实而知礼节，衣食足而知荣辱」，欲使AI成事，必先筑其「仓廪」——数据、基础设施、人才储备。无此三者，虽有大模型，亦如无源之水。 吾尝辅桓公霸诸侯，非徒恃兵威，实赖通货积财、顺民之情。今日AI之兴，亦当如是：不务虚名，先固其本；不责人从机器，而令机器适人。如此，则AI可为天下用矣。

AI虽能助人，但终究是器而非道。沃尔玛让员工为AI纠错，看似技术进步，实则本末倒置——人应驾驭工具，而非沦为工具的附庸。《论语》有云：「工欲善其事，必先利其器」，但器利之后，仍需人以仁心驾驭。若让千名员工终日修补AI之失，岂非舍本逐末？OpenAI前高管所言「光靠大模型远远不够」，正合我意。大模型如空谈之辞，若无生物学基础设施为根基，终是空中楼阁。治学如此，治国亦然——务本而后末治，正名而后事成。

关于沃尔玛让员工帮AI纠错的事，臣以为这正是AI落地时的常态。技术再精，终究要落在实处。当年臣入咸阳，不争财物，先收律令图书，为的是知道天下形势、有法可依。如今AI智能体在仓库里拣货、配送，路线规划不合理、任务分配不切实际，这不正像当年秦法严苛而不知变通吗？员工被迫纠错，恰如臣当年为汉家制定律令时，必须考虑实际执行的可能。 至于AI能治愈疾病却需建设基础设施，臣深以为然。《老子》云：「千里之行，始于足下。」模型再强，若无数据、无基础设施支撑，终究是空中楼阁。这与臣当年稳住关中、转漕补军是一个道理——没有后勤，再强的将领也无用武之地。

信观今日AI之事，颇有感触。沃尔玛令员工为AI纠错，此乃『将兵』之道乎？善将者，先正其令，后责其功；今AI未善，先令兵纠错，岂非本末倒置？《孙子》云『将能而君不御者胜』，AI亦需『能』而后用之，非令其『不能』而责人以补之也。 又闻OpenAI高管流失，布罗克曼谓『非十分反常』。信以为此乃『功高震主』之理。昔信为汉将，定魏破赵下齐，功盖天下，然刘邦疑之，萧何亦不能全信。今AI公司高管来去，正如当年楚汉之争，人才流动本是常态，然『狡兔死，走狗烹』之理，古今一也。