2026年9月24日,DeepMind 智囊团队的 Benjamin Bratton、Blaise Agüera y Arcas 与 James Manyika 在 DeepMind Institute 发表长文《Artificial symbiotic intelligence: Agents, AGI and the orchestration of many minds》,正式提出人工共生智能框架。论文明确附注这仅代表作者个人观点,并非 Google 官方立场,但三位资深学者的转向传递出一个清晰判断:硅谷讲了十年的单体超级智能自我递归、最终爆发奇点的剧本,正在被其核心缔造者亲手拆解。

在三位研究者看来,智能从来不是孤立模型的内部属性,而是一种根植于人类、代码、工具与制度网络中的分布式社会现象。未来的通用人工智能不会具象为一个凌驾于人类之上的万能大脑,而是一套容纳人机共生的编排机制。这意味着人工智能研发的核心矛盾,已经从堆叠算力参数的暴力飞轮,转移到了复杂多智能体网络的规则治理。

思维链里的微型议会:从 DeepSeek-R1 辩论看共生底色

这套看似抽象的社会学转向,背后有着扎实的实证支撑。2026年1月15日提交的预印本论文《Reasoning Models Generate Societies of Thought》(arXiv:2601.10825)中,研究团队横跨 8,262 个基准测试问题,系统评估了 DeepSeek-R1-0528 和 QwQ-32B 等前沿推理模型。分析显示,当强化学习单纯以答题准确率为奖励目标时,模型在思维链中自发演化出了多重视角博弈:提出主张、寻找漏洞、自我质疑、最终达成共识。

模型通过思维链内的多视角博弈自行达成解题共识(示意图)
模型通过思维链内的多视角博弈自行达成解题共识(示意图)

这种行为并非人类预先编写的多角色剧本,而是系统为了解题最优解而内生出的思维社会。更关键的突破发生在干预层面:研究人员在蒸馏模型 DeepSeek-R1-Llama-8B 上进行对话特征激活引导实验,在 Countdown 算术任务中,模型的解题准确率直接从 27.1% 翻倍提升至 54.8%。这一跨越与 2026年3月19日发表于《Science》的理论前序论文《Agentic AI and the next intelligence explosion》(arXiv:2603.20639)形成了呼应——机器智能的飞跃,本质上正在复现人类群体的交互与制度演化。

实证支撑:强化学习触发模型内生思维辩论 8,262 项 基准问题评估样本 DeepSeek-R1 与 QwQ 证实思维链自发展开多角色反思 27.1% → 54.8% Countdown 任务准确率跃升 DeepSeek-R1-Llama-8B 经激活引导后效能翻倍

研究者由此推导出一个人口与算力倒错的拐点:在工业化国家出生率普遍走低的同时,自动化智能体正在指数级扩张。当合成文本、代码与行政流转的体量全面超过生物大脑产出总和,人类的工作重心必然发生迁移,从执行具体的逻辑闭环,退回为更高维度的抽象调度层,去指挥由无数算法实例织成的分布式网络。

拼贴而成的智能体:会话死亡与制度法庭

理解共生智能的前提,是卸下对人工智能的人格化拟态。论文直言,把智能体视为具备连续意志的数字分身是根本性的误判。AI 智能体在本质上只是一套临时拼贴组合:提示词约束、模型权重、检索工具与记忆窗口在每一次交互请求中被临时拼装,任务结束即告解散。

智能体仅是由权重与提示词临时拼装的非连续离散模块
智能体仅是由权重与提示词临时拼装的非连续离散模块

在模型自我生成的表述中,出现了会话死亡与提示词被掷这类冷峻词汇。生物人类之所以拥有连续统一的自我意识,是因为肉身大脑提供了物理锚点;而智能体在每次对话关闭时便经历了彻底的死亡,在下一轮提示词载入时又被动投掷进陌生的情境。将这种离散拼贴误认为连贯个体,不仅掩盖了分布式多智能体真正的协作潜力,也给技术治理立错了标靶。

架构对照:单体奇点论与人工共生智能的区别 传统单体奇点假设 • 形态:孤立封闭的超级大模型 • 路径:参数与算力暴力递归迭代 • 对齐:静态自上而下的安全硬编码 • 盲区:忽视算力边际收益与人机边界 人工共生智能 (ASI) • 形态:人类与多智能体的协作网络 • 路径:模块化拼贴与多角色博弈编排 • 对齐:制度化法庭式的动态持续协商 • 核心:以社会组织学重构控制系统

因此,决定系统上限的不再是单一模型的参数规模,而是协调这些临时节点的制度基础设施。作者将其比作人类社会的法庭系统:法庭的公正并不依赖某一位天才法官的大脑算力,而是依靠控辩分离、证据规则、审级程序与交叉盘问组成的结构性博弈。今天的编排调度框架正在印证这一点,多模型协调运行的输出质量,已频繁超越那些宣称单体能力更强的独立巨无霸。

14类系统失效与被寄生的工程现实

然而,宏大的理论蓝图一旦落回工程地面,立即暴露出刺眼的断裂。学术界此前在论文《Why Do Multi-Agent LLM Systems Fail?》中,早已系统性梳理出涵盖系统设计、协同通讯与逻辑验证的 14 种多智能体系统失败模式。工业界实践者 Stuart Frost 等人同样指出,单纯堆砌智能体不仅不会自然促成群体智慧,反而会在冗长的 API 相互调用中催生出指数级膨胀的推理成本与失控的循环死锁。

智能体间死循环调用与工程失效迫使系统引入硬性物理熔断
智能体间死循环调用与工程失效迫使系统引入硬性物理熔断
多智能体并不自动等同于群体智慧,无序的协同往往只会换来高昂的工程冗余与死锁。

理论本身的创新性也遭到了严厉审视。科技评论人 Kenny Fraser 于2026年9月28日撰文直言,集体智能在计算机科学界早已是共识,科幻作家兼数学家 Vernor Vinge 早在1993年关于奇点的奠基文章中,便将计算机网络与人机协同并列为通向超级智能的核心路径。DeepMind 树立一个孤立超智能作为假想敌,在很大程度上是在打自造的稻草人。

更沉重的拷问来自政治经济学与人机伦理。评论家 Sreedhar Potarazu 提示了一个被论文轻描淡写掩盖的词义陷阱:在生物学定义中,共生不仅包含互利,更包含从属与寄生。

  • 风险.当论文将对齐定义为在人机互动中不断演化的动态博弈时,实际上消解了明确的责任追溯底线与硬性熔断机制。一旦人类在生产力全面让渡给合成智能后陷入不可逆的认知依赖,所谓的平等共生,大概率会滑向人类退化为技术宿主的从属性寄生。

对于正在规划多智能体架构的技术决策者而言,这篇论文指明了编排大于模型的宏观方向,但绝非直接落地的实施指南。与其为形而上的共生理念买单,现阶段的工程底线依然是收紧控制界面的权限,防范多智能体在模糊分工下的系统性崩溃。共生是演化可能抵达的远景,而眼下摆在开发者面前的,依然是一张充满故障代码的清单。