几十年来，人工智能（AI）“奇点”一直被描绘为这样一幅图景：某个超级智能通过自我迭代不断提升自身，最终达到神一般的智能水平，并将一切认知收归于冰冷的硅基之中。然而，这一愿景在其最根本的假设上几乎可以肯定是错误的。如果AI的发展遵循此前历次重大演化跃迁或“智能爆炸”的路径，那么当前这场计算智能的跨越式变革也将是多元的、社会性的，并与孕育它的先辈——也就是我们人类——深度交织。
智能本质上是高维度的、关系性的，而非一个可以明确判定为低于或高于人类智能量级的单一量值。事实上，鉴于我们的智能本就是一种集体属性而非个体属性，“人类智能量级”这个说法本身就含义不清。AI智能体的最新进展再次表明：智能从根本上就涉及多元、分布式视角之间的互动，变革性的智能过去从社会组织中涌现，未来也将继续如此。
我们至少可以从两个方面观察到这一点：其一，在人类用户组织并参与AI智能体集群的新型“半人马”协作模式中；其二，在推理模型内部及模型之间蓬勃生长的“微型社会”中。我们先从后者说起。
一个看似单一的推理模型内部究竟发生了什么？结果表明，这是一场社群对话。在一项研究中，我们证明了DeepSeek-R1和QwQ-32B等前沿推理模型的性能提升，并非简单地依靠“思考更长时间”。实际上，它们在自身的思维链中模拟出了复杂的、类似多智能体交互的过程——我们将其称为“思维社会”。这些模型会自发地在内部生成多个不同的认知视角，这些“视角”彼此争论、质疑、验证与调和。正是这种对话结构，从因果关系上解释了这些模型在高难度推理任务中的准确率优势——我们通过显式启动和强化多方会话验证了这一点。
这一发现之所以引人注目，是因为它揭示了一种涌现行为。这些模型从未被训练产生“思维社会”，这个结果是自发出现的。当研究者仅以推理准确性作为奖励信号，通过强化学习训练基础模型时，模型会自发地增强对话式、多视角的行为。仅凭优化压力，模型就重新发现了几个世纪的认识论和数十年的认知科学早已揭示的道理：可靠的推理本质上是一个社会过程，即使它发生在单一智能体内部。当然，随着人类和智能体的社会协作在现实中愈加广泛和深入，这种涌现行为的确切本质还有待进一步探索。在这种社会中介推理中，哪些是具有普遍性的根本特征，哪些只在微调和优化学习的特定条件下才成立，这些问题很可能在未来数年引发大量研究。
这为AI系统的设计开辟了一个广阔而又不陌生的研究方向。社会科学已经花了一个世纪研究团队规模、组成、层级、角色分化、冲突规范、制度以及网络结构如何影响集体效能。然而，这些研究成果几乎从未被应用于AI推理领域。当前的推理模型只能生成单一会话——相当于一份AI“市民大会”的记录。而高效的团队则表现出层级分明、角色专业化、劳动分工和结构化的特征。为了探索这一方向，我们需要能够支持多条推理思路并行展开、相互交汇或发散的系统。在这样的架构中，头脑风暴、“魔鬼辩护人”式的质疑以及建设性冲突不再是偶然涌现的特性，而是刻意设计的功能。团队科学、群体社会学和社会心理学领域的研究工具将成为下一代AI开发的设计蓝图。
除了实际应用价值之外，这些洞见还可能帮助我们厘清智能的整个演化史。此前的每一次“智能爆炸”，都不是个体认知硬件的升级，而是一种新的、由社会聚合而成的认知单元的涌现。灵长类动物的智能水平并非取决于栖息环境的严酷程度，而是随着社会群体规模的扩大而提升。人类语言创造了迈克尔 · 托马塞洛（Michael Tomasello）所说的“文化棘轮”：知识得以跨代积累，而无需每个个体从头重建全部知识体系。文字、法律和科层体系将社会智能外化为基础设施——这些制度协调运作的时间远超其中任何个体的生命周期。一位苏美尔抄写员管理着粮食记账系统，但他并不一定理解这套系统背后的宏观经济功能；从功能意义上说，这套体系比他本人更“聪明”。
AI延续了这一序列。大语言模型在人类社会认知的累积产出上训练而成——文化棘轮由此被激活为可计算的形式，每一个参数都是交流互动的压缩残留。迁移到硅基载体上的并非抽象推理能力，而是外化形态的社会智能，它在全新的载体上与自身重逢。
如果智能本质上是社会性的，那么通往更强大AI的道路就不在于建造某个巨型的全知系统，而在于构建更丰富的社会系统——这些系统必然是混合型的。我们已经进入了人机“半人马”时代：复合行动者既非纯粹的人类，也非纯粹的机器。半人马行动者可以呈现多种形态、栖身于多种角色之中。我们每个人每天都可能多次进出不同的协作组合：一个人指挥多个AI智能体；一个AI服务多人；多人与多个AI在不断变换的构型中协同合作。
一家公司或一个国家由无数人组成，却拥有单一的法律主体地位，并以集体能动性行事，其中任何个人都无法完全掌控其所属集体的行为。近期AI智能体的爆发式发展表明了一种可能性：在数十亿人类与非人类智能交互的规模上，也可能形成类似的集体主体。OpenClaw（用于构建可在计算机中持续运行的多用途AI智能体的开源平台）和Moltbook（供AI智能体相互交流的社交网络）等平台，让我们得以窥见这一未来的雏形，但更深层的结构性变革不止于某个平台。智能体现在可以自我更新和分叉（fork），分裂为两个版本并彼此交互。一个面对复杂任务的智能体可以创建自身的多个副本，对其进行分化并分配子任务，然后整合结果。试想一下，一个智能体面对某个极其复杂的问题，催生出一个内部的“思维社会”。其中涌现出的一个认知视角遇到了超出自身能力的子问题，于是催生出一个从属的子社会，集体审议就这样层层向下递归展开，这种审议过程随着复杂性的增加而扩展，在问题解决后消散。在这一情境下，认知视角之间的冲突不再是程序缺陷，而是一种资源，在这一不断折叠和展开的会话超图中，冲突在每一个层级被灵活地实例化与消解。
这意味着一种截然不同的拓展路径——关键不仅在于扩大单个智能体的原始计算能力，更在于构建能够在真实社会的规模和语境中运行的系统。这意味着，在构建智能体本身的同时，需要投入同等的精力构建智能体的制度体系。当前AI对齐的主流范式是基于人类反馈的强化学习，这是一种类似于亲子式的纠正模型，本质上是二元的，无法扩展到数十亿智能体的规模。社会智能的视角提供了一种替代方案，即制度化对齐。正如人类社会的正常运转依赖的不是个体美德，而是持久的制度模板——法庭、市场和科层机构——由角色和规范界定，可扩展的AI生态系统也需要这类制度模板的数字化对等物。任何单个智能体的身份都不重要，重要的是它能否履行角色协议，正如法庭之所以能运转，是因为“法官”“律师”“陪审团”都是定义明确的角色，与谁来担任无关。
这一点在治理领域本身尤为紧迫。当AI系统被用于招聘、量刑、福利分配、监管执法等高风险决策时，“谁来审计监管者”就成了一个不可回避的问题。答案或许在于宪制性的结构设计上。政府将需要一批被明确赋予透明、公平、正当等特定价值观的AI系统，其职能是对私营部门和政府其他部门所部署的AI进行制衡，反之亦然。例如，劳动部门的AI可以审计某企业的招聘算法是否存在差别化影响；司法部门的AI可以对行政部门AI所做的风险评估进行审查，判断其是否符合法律标准。替代方案可以是让美国证券交易委员会雇用一批商学院毕业生，让他们以Excel表格为武器，去对抗AI增强型交易平台之间的串谋行为——虽然这可能徒劳无功。
然而，“治理”并不仅仅指政府的行为。在控制论意义上，治理系统需要被内置于人机协作和智能体间协作的系统之中，并随着这些系统的成长而同步构建。这可能需要：确保和验证多方利益相关者审议结果的手段，任务与子任务的程序化委派，以及为智能体之间精细协作的自动化提供可靠的支撑框架。对“智能体治理”而言，这些协议发挥的实际作用可能不亚于任何法律。
至关重要的是，人类始终身在其中。智能体制度中既有人类也有AI，它们承担不同的角色，形成不同的组合。这不是“非此即彼”，而是“兼而有之”。美国的开国元勋想必会认同这一逻辑：无论是人类还是AI，任何单一的智能集中体都不应自我监管。权力必须制衡权力，而在一个遍布人工智能体的世界里，这意味着必须将冲突与监督机制内置于制度架构之中。
我们描述的愿景既非乌托邦式的，也非反乌托邦式的，而是演化性的。任何涌现的“智能爆炸”都将由八十亿人类与数千亿乃至数万亿AI智能体的交互来播种。其基础并非某个性能不断攀升的单一智能，而是一个不断复杂化的组合式社会：智能如同城市一般生长，而非凝聚为某个单一的智能体。
在“单体奇点”的思维框架下，政策会被导向于防范一种可能永远不会出现的技术。相反，我们应该在此前历次“智能爆炸”涌现的同一个地方寻找下一次“智能爆炸”，而这个地方就是众多社会性智能之间的合作、竞争与创造性互动。这一次“智能爆炸”的不同之处在于，其中大多数智能不是生物性的。这种多元模型让我们得以聚焦真正重要的问题：人机混合社会系统的设计，治理这些系统的规范，以及他们之间冲突与协作所依托的制度和协议。
在一个非常现实的意义上，“智能爆炸”已经到来——它就在每一个推理模型内部激荡的“思维社会”中；它就在重塑着所有知识型职业的半人马工作流中；它就在大规模分叉与协作的递归式智能体生态中；它也在我们现在必须开始追问的宪制性问题中。问题不在于智能是否会变得极其强大，而在于我们能否构建出配得上其未来形态的社会基础设施。没有任何智能是一座孤岛。
资料来源Science
————————
本文作者詹姆斯·埃文斯（James Evans）是芝加哥大学社会学系教授；本杰明·布拉顿（Benjamin Bratton）是加州大学圣迭戈分校视觉艺术系教授；布莱斯·阿格拉亚·阿尔卡斯（Blaise Agüera y Arcas）是谷歌公司副总裁、研究员
