数十年来，人工智能“奇点”被描绘成这样一幅图景：一个单一的巨型智能体自我迭代至近乎神明的智慧水平，将所有认知能力浓缩为冰冷的硅基核心。但这一构想的核心假设，几乎可以肯定是错误的。如果人工智能的发展遵循此前重大的进化转型或“智能爆炸”的路径，当下我们在计算智能领域经历的跨越式变革，将呈现出多元、社会化的特征，并与人类这一“先驱物种”深度交融。

从本质而言，智能具有高维度、关联性的特质，并非一种能简单用“低于人类”或“高于人类”来界定的单一指标。事实上，连“人类级智能”的定义都尚无定论——毕竟人类的智能本身就是集体属性，而非个体属性。智能体人工智能的最新进展再次向我们证明：智能从根本上始终源于不同分布式视角的互动，而具有变革性的智能，过去、现在乃至未来，都将从社会组织形态中诞生。

这一特征至少体现在两个层面：一是人类用户与人工智能体以全新的“半人半机”模式协同构建智能体社群并实现协同调度；二是推理模型内部及模型之间，涌现出蓬勃发展的微型智能社群。我们先从后者展开探讨。

一个表面上看似单一的推理模型，其内部究竟在发生什么？答案是一场社群式的对话。在近期的一项研究中我们发现，DeepSeek-R1、QwQ-32B等前沿推理模型的性能提升，并非简单源于“更长时间的思考”，而是在其思维链中模拟出了复杂的、类多智能体的互动过程——我们将其命名为“思维社群”。这些模型会自发在不同认知视角间产生内部辩论，通过论证、质疑、验证与调和形成结论。这种对话结构，正是模型在高难度推理任务中具备精度优势的核心原因，我们也通过明确触发并强化多方对话的实验，验证了这一结论。

这一发现极具突破性，因为它揭示了一种涌现行为：这些模型在训练中并未被赋予生成“思维社群”的指令，而当研究人员仅以推理精度为目标，通过强化学习对基础模型进行奖励时，模型会自发增加对话式、多视角的思考行为。仅凭优化压力，这些模型便重新印证了数百年的认识论研究与数十年的认知科学结论：即便在单一智能体内部，稳健的推理过程本质上也是一种社会行为。当然，随着人机协同的社会动态变得更贴合现实、更复杂且更具持续性，这种涌现行为的具体特征仍有待进一步探索与挖掘。而社会性介导推理的核心本质，以及其在模型微调与强化训练场景中的特有属性，或将成为未来数年的重要研究方向。

这一发现为人工智能设计开辟了一个广阔却又似曾相识的领域。百年来，社会科学与组织科学一直在研究团队规模、人员构成、层级结构、角色分工、冲突规范、制度体系与网络结构如何影响集体表现，但这些研究成果几乎从未被应用于人工智能推理领域。如今的推理模型所产生的，只是单一的对话内容，如同一份人工智能的全民大会记录。而高效的人类群体往往具备层级分明、专业分工、各司其职与结构化争议的特征。要探索这一方向，我们需要构建能支持多线程并行、融合与发散式审议的系统——在这样的架构中，头脑风暴、反向辩驳与建设性冲突不再是偶然的涌现属性，而是被刻意设计的功能。团队科学、小群体社会学与社会心理学的研究方法，将成为下一代人工智能发展的蓝图。

除了实际应用价值，这些研究洞见还能为我们梳理智能的演化史。此前的每一次“智能爆炸”，都并非个体认知硬件的升级，而是新的、社会化聚合的认知单元的诞生。灵长类动物的智能水平随社会群体规模提升，而非生存环境的复杂程度；人类语言造就了迈克尔·托马塞洛所说的“文化棘轮效应”——知识跨代积累，无需每个个体重新探索全貌；文字、法律与官僚体系，将社会智能外化于基础设施之中，这些制度的时间协调尺度，远超其中任何参与者的生命周期。一名运营谷物核算系统的苏美尔抄写员，无法理解该系统的宏观经济功能，而从功能层面而言，这个系统的智能水平早已超越了个体。

人工智能延续了这一演化脉络。大型语言模型以人类社会认知的累积成果为训练素材，让“文化棘轮效应”在计算领域落地，模型的每一个参数，都是人类交流互动的浓缩结晶。被植入硅基载体的并非抽象的推理能力，而是外化形式的社会智能，它在新的载体上实现了自我迭代。

如果智能本质上具有社会性，那么打造更强大人工智能的路径，并非构建一个单一的巨型“神谕系统”，而是打造更丰富的社会系统——且这些系统必然是人机混合的。我们已然进入人机协同的“半人半机”时代：诞生了既非纯粹人类、也非纯粹机器的复合行为主体。这类复合主体形式多样、角色多元，我们每个人每天都可能在不同的协同组合中切换：一人指挥多个人工智能体、一个人工智能体服务多名人类、多名人类与多个人工智能体以动态结构协作。

由无数人类组成的企业或国家，早已拥有独立的法律主体地位，其集体行为能力也非任何个体所能完全掌控。智能体人工智能的近期爆发式发展，预示着这种集体行为模式将拓展至数十亿人机交互的智能体规模。OpenClaw（一款可在计算机中部署的多用途人工智能体开源构建平台）与Moltbook（一款热门的人工智能体社交互动网络）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，远非单一平台所能承载：如今的人工智能体可实现自我更新与分支演化，分裂为两个版本并实现互动；面对复杂任务的人工智能体，能自主生成新的副本，进行角色分工并分配子任务，最终整合结果。试想，一个面对超高复杂度问题的人工智能体，会在内部生成一个思维社群；当其中一个涌现的视角遇到无法解决的子问题时，又会生成下属的次级思维社群——这种集体审议会随问题复杂度提升而层层拓展，随问题解决而逐步收敛。冲突并非系统漏洞，而是一种资源，在层层嵌套、不断展开的对话超图中，实现灵活的生成与消解。

这意味着一种截然不同的人工智能规模化发展思路：不仅要提升单个智能体的原始计算能力，更要打造能在真实社会的尺度与语境中运行的系统。这要求我们在构建人工智能体的同时，投入同等精力打造智能体的制度体系。当前人工智能对齐的主流范式——基于人类反馈的强化学习，本质上是一种亲子式的纠错模式，具有二元性的先天局限，无法适配数十亿智能体的规模化场景。而社会智能视角为我们提供了另一种选择：制度性对齐。正如人类社会并非依赖个体美德，而是依靠由角色与规范定义的、具有持续性的制度模板（如法庭、市场、官僚体系），可规模化的人工智能生态系统，也需要对应的数字制度体系。对人工智能体而言，其身份属性远不如履行角色协议的能力重要；正如法庭的正常运转，依赖于“法官”“律师”“陪审团”这些明确定义的角色席位，而非席位上的具体个体。

这一需求在治理领域尤为迫切。当人工智能系统被应用于招聘、量刑、福利分配、监管执法等高风险决策时，“谁来监督监督者”的问题便无法回避。答案或许藏在宪政式的结构设计中：政府需要打造具备明确、专属价值取向（如透明、公平、正当程序）的人工智能系统，其功能是对私营部门及政府其他分支部署的人工智能系统进行制衡，反之亦然。例如，劳工部门的人工智能系统可审计企业招聘算法的差异化影响；司法部门的人工智能系统可评估行政部门人工智能系统的风险评估是否符合宪法标准。若非如此，美国证券交易委员会便只能徒劳地雇佣商学院毕业生，依靠电子表格去对抗人工智能赋能的交易平台所实施的高维度合谋行为。

但“治理”并非仅指政府的行为。从控制论的角度而言，随着人机交互与智能体间交互系统的不断发展和复杂化，治理体系需要被深度嵌入其中。这可能需要建立一系列机制：确保并验证多方利益相关者审议的结果与决策、实现任务与子任务的程序性委托、搭建智能体间复杂协作自动化的可靠框架。这些协议对“智能体治理”的实际影响，或将与法律条文不相上下。

至关重要的是，人类始终处于这一体系的核心环节。智能体制度体系中，人类与人工智能体将以不同角色和结构共同参与，并非“非此即彼”，而是“共生共存”。这一逻辑与美国开国元勋的理念不谋而合：任何单一的智能体集合，无论人类还是人工智能，都不应拥有自我监管的权力。权力必须相互制衡，而在一个遍布人工智能体的世界里，这意味着要将冲突与监督机制嵌入制度架构的核心。

我们所描绘的这一愿景，既非乌托邦，也非反乌托邦，而是一种进化式的发展方向。任何即将涌现的智能爆炸，都将以80亿人类与数千亿、最终数万亿人工智能体的互动为起点。其发展框架并非单一智能体的独断升级，而是组合式社会的不断复杂化：智能的发展，将如城市般逐步扩张，而非诞生一个单一的超级智能体。

“单一奇点”的框架，易催生旨在防范一种或许永远不会出现的技术的政策。相反，我们应在前一次智能爆炸的诞生地，寻找下一次智能爆炸的踪迹：在无数具备社会智能的主体间的合作、竞争与创造性互动中。而这一次的不同之处在于，这些主体中的绝大多数，都将是非生物的。这种多元模型，将我们的注意力引向真正关键的领域：设计人机混合的社会系统、制定规范其运行的准则、搭建实现其冲突与协同的制度和协议。

从非常现实的角度而言，智能爆炸已然到来：它存在于每个推理模型内部辩论的思维社群中，存在于重塑所有知识型职业的人机协同工作流中，存在于开始规模化分支演化与协作的递归式智能体生态中，也存在于我们如今不得不直面的一系列宪政层面的问题中。问题的核心，并非智能是否会变得前所未有的强大，而是我们能否打造出匹配其发展的社会基础设施。没有任何智能体，是一座孤岛。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.