AI赋能

ChatGPT不知不觉诞生三年多了，AI大模型已经悄悄改变了人们获取知识的方式：如今有问题第一时间想到AI聊天机器人，而不再是用了多年的搜索引擎，一问一答之间还可以拓展思路。我没事的时候除了读书，最喜欢和豆包这样的机器人聊天了，就喜欢它这种无趣，啰嗦又高深莫测的样子，和人类朋友聊天哪去找这样的朋友啊😂。和它聊的多深入，取决于你的问题有多深入，表面上是一问一答，实际上是自我探索，而且这种探索是无上限的（当然下限还是会有的😆）。 我时常在想，为什么我会无聊到喜欢和AI聊天呢，毕竟，它解决不了吃喝拉撒，也给不了风花雪月？ 人=“动物性”+“超动物性”，人和动物最大的不同就是不能没有“超动物性”，否则就会遁入无尽虚无之感（动物貌似不会有此痛）。生而为人，“超动物性”这件事还真不是“豪配”，而是“标配”，马斯洛马老称之为“自我实现”，他在《存在心理学》中提到，“自我实现”意味着各种矛盾和分歧在更高层次上的统一：责任与快乐，自私与无私，自由与秩序，古典与浪漫，意识与无意识，理性与非理性，黑与白，善与恶，你和我。。。于是，“我”变成了“更完整的我”。好吧，话说回来，我和AI深入聊的潜在动机也许就是，我在寻找“更完整的自我”，逻辑自洽了就行😂 本书由领英创始人霍夫曼所著，阅读门槛不高，无高深理论，读起来很轻松。书的核心观点：AI并非“替代人类的力量”，而是放大人类行动能力的通用赋能工具。真正的风险不在于AI太强，而在于人类因恐惧而不用、误用，或把决策权完全让渡给系统。他既反对技术悲观主义，也反对技术乌托邦，试图提醒大众，面对AI和其他新科技，要摈弃悲观和盲目乐观，他提出“超级能动性（Superagency）”：当个人、组织与社会学会与AI协作，人类将获得前所未有的学习、创造和决策能力。 ✅与马斯洛存在主义取向的相通之处 霍夫曼的“超级能动性”，也许本质上就是马斯洛“自我实现”在AI时代的技术表达。马斯洛晚年从需求层次转向“存在心理学”，强调自我实现、意义感与高峰体验。强调人是主动的存在者，不是被环境或技术决定的，真正的幸福来自“成为你能成为的那个人”，而非安全感或效率本身，工具（包括AI）只有在服务于人的成长、选择与价值时，才有正面意义。 ✅ AI如何帮助人避免虚无之痛 AI不能“赋予意义”，只能放大你已有的方向。若人生没有追求，AI只会加速空转；若人有清晰价值与使命，AI将成为通往自我实现的加速器。真正的挑战不是技术，而是：我们是否敢为自己的人生负责。 如果说，虚无感往往源于：无意义的重复劳动、能力被压抑、人生选择空间狭窄。AI正向路径至少包括： • 释放时间与认知负担：把人从低价值劳动中解放出来； • 放大学习与创造：让普通人也能快速进入高阶认知与创作领域； • 支持价值选择而非替代判断：AI给方案，人负责“为什么选”。 当人仍是目标设定者、价值裁决者，虚无就不会被“效率”吞噬。 ✅ AI与“大我” 几天前刚看完《有限与无限的游戏》一书，讲到了“NPC的自我救赎之道”，人如何从靠稀缺感维持存在的“小我”中解脱出来（有限游戏），转向靠意义感而生长的“大我”（无限游戏）。 小我问：我会不会被取代？未来饭碗怎么办？ 大我问：我想通过这个时代完成什么？ AI不会消灭小我，但它会逼迫每个人尽早完成从“功能型自我”到“意义型自我”的转型。当你的人生目标不再是“不可替代”，而是“值得存在”，AI就不再是威胁，而是盟友。 我猜测这就是作者通过本书向公众传达的主要意思。

阅读本书于笔者是一段AI乐观认知升级之旅。作者里德·霍夫曼是硅谷的殿堂级投资者之一。他是“Paypal黑帮”的主要成员，领英(LinkedIn)的联合创始人，微软的董事会成员。他是众多AI公司，例如OPENAI的投资人，并与DeepMind联合创始人穆斯塔法.苏莱曼共同创立了硅谷AI四小龙”的Inflection AI。本书正是围绕AI对人类能动性的影响展开讨论。作者认为面对AI的不确定性，迭代性地参与比观望更为重要，防止糟糕未来的最好办法就是积极地打造更美好的未来。 霍夫曼认为仅美国硅谷与中国真正掌握了AI闪电式扩张的精髓。推动AI变革的不只是开发者群体，更包含规模庞大的中国用户。要实现AI在全社会的成功整合，个体的信任不可或缺，而培养这种信任的最佳方式正是让用户在实践中亲身体验。尽管精确预测技术的发展仍不可能，但历史经验已赋予我们充分乐观的理由。“每次新技术的崛起都会带来社会变革，淘汰旧的职业，同时创造新的机会。关键在于如何通过教育、政策和文化调整，让人们更好地适应新的技术环境。” 作者浓缩了人类技术发展路径，揭示了一个规律：新技术总是伴随着恐惧和质疑。无论是计算机被视为“大企业”的监控工具，汽车被批评为道德沦丧的催化剂，还是GPS被担心会侵犯隐私，公众对新技术的恐惧从未停止。但历史已表明，绝对的限制无法阻挡技术的进步，试图通过立法全面封锁某项技术的发展往往是徒劳的。相比之下，采用迭代部署的方式，在实际应用中逐步完善规则，才是更合理的应对策略。我们需要适应并加入，而不是抵制。如此，技术对人类才会大有裨益。 AI时代，我们会常问自己，能不受AI干涉，继续规划自己的生活，并掌控自己的命运吗？霍夫曼认为这其实就是个体能动性的问题。人的能动性是哲学、社会学和心理学中的一个基本概念。它的主要含义是，作为个体，你有能力做出选择、独立行动，从而影响自己的生活。可以肯定的是，随着时间推移，AI将加大侵入由人类能动性主导的领域。人类历史上，智慧第一次组成了可自我迭代进化的超级能动体。我们如果能正确地加以利用，将达到一种全新的超级能动性状态。这就是超级能动性的世界。 作者认为AI时代带来的合成智能可以像合成能源一样扩展人类的潜力，激发人类的能动性。这是一条让人类走向更充实、更人性化生活的道路。AI的发展本身更像农业，就好比你播下一颗种子，看着它生长并适应周围的环境。其实，我们并不知道我们知道什么。而越多地拥抱AI，我们就越能有效地利用我们所产生的数据和信息，从而在几乎所有领域增强我们的能动性，将我们所产生的“大数据”转化为“大知识”​，从而实现数据驱动的清晰度和增长的“新光明时代”​。 例如AI牙刷，可以通过刷牙数据来指导优化我们的刷牙姿势及时长；AI系统能学会如何解读和翻译动物发声，使人类以前所未有的方式理解动物；与专业垂直模型交谈时，已足够胜任心理治疗；先进的大语言模型可以提升工作价值；临床大语言模型完成了基于循证实践的培训，并经过了严格的实用性、有效性和安全性评估，能够执行人类临床医生所执行的所有任务和干预措施。AI不是选择题而是生存题！你不用AI，有生之年，将会目视到自己的“被淘汰”。 "公地是我们共享的财产，它不属于任何个人或团体，而是被共同持有。​”将地图放入“公地”的体系中，我们可以称它们为“私人公地”​。用户和平台之间的这种共生关系创造了前所未有的价值。私人公地通过让知识和机会更公平地被获取，增强了个体能动性、教育机会公平性和社会流动性。在传统社会中，个人在利用公共资源时总是试图最大化自己的利益​。而AI能够从“私人公地”海量数据中进行分析、评估、检索、总结和整合，从而使其价值不断提升。 新能力总是伴随着新风险。但我们不应盲目追求零风险，而应致力于理解现实环境中的风险，并有条不紊地努力管控和降低这些风险。将大语言模型LLM概念化为一种信息GPS，为我们提供了一个易于理解的模型。实际上，每个LLM开发者都在构建一个独特的“信息星球”及其专属地图。LLM本质上是用于分析、综合和映射语言流的系统。依靠LLM,我们正迈入一个智能不再稀缺的时代。AI像助手一样融入工作或生活流程，为生活带来能力和自由度方面的质的变化。 虽然AI可以极大地改善个人的生活水平，但更重要的是，我们需要以一种对整个社会有益的方式来部署AI。让每个个体从AI中获益越多，人类整体受益就越大。未来的AI世界并非一场严格的零和博弈。任何以战略性眼光和有效执行力来拥抱AI的国家，其生产力和效率都有可能显著提升。与AI相伴共生的未来会像在亚马逊购物一样将公共服务装进口袋。如此，国家层面对AI的投入越大，每个个体从中获益就越多。个体与社会的AI获益会形成闭环的自我强化。 纵观人类历史进程，不否认技术进步形成对于人性的挑战，但技术又是推动人类繁荣的、经久不衰的关键力量。借助科技人文主义指南针，通过具有探索性、适应性、前瞻性的思维方式，寻求开辟解决方案的新天地，实施新策略，并在AI的帮助下，不仅会从新获得的“超能力”中受益，也会因其他人与机构同样获得这些“超能力”而受益。如此，以此，以超级能动性为主导，以新颖的方式在语境下应用AI才是人性化，更具能动性的可持续路径。本书得到众多大佬的联袂推荐，是一段愉快的阅读历程。

《AI赋能》是领英联合创始人里德·霍夫曼与格雷格·贝亚托合著的一本面向大众的 AI 未来指南。全书围绕“如何让人工智能真正成为人类的赋能工具”展开，核心要点可归纳为以下五层： 1. ​​立场与愿景​​ • 作者选择“繁荣论”而非末日论或悲观论，相信 AI 将为人类带来前所未有的能力提升，只要我们以“技术人文主义”为指南，就能创造更公平、更繁荣的未来。 2. ​​三条根本原则（技术民主化的三定律）​​ • 迭代部署、广泛参与、持续反馈——让技术在真实场景中快速试错、不断改进。 • 技术人文主义指南针——始终以人的能动性为原点，避免技术至上。 • 个体作为技术演进的核心节点——AI 的最终目标是放大每个个体的创造力与生产力。 3. ​​核心概念：超级能动性​​ • 书中提出“超级能动性”（superagency）——人类与 AI 协同后产生的乘法效应。如果人类保持主动、具备批判性思维与伦理判断，AI 就会成为延伸人类意志的杠杆；反之，也可能放大失控风险。 4. ​​结构与案例​​ • 前半部分回溯技术史与 AI 的最新进展，解释大语言模型、自动化决策等如何在教育、医疗、心理辅导、治理等领域重塑服务模式。 • 后半部分给出实践路径：数据共享与伦理治理、政策与商业模式设计、个人技能升级，以及如何在分歧中通过“持续对话”达成社会共识。 5. ​​读者收获​​ • 读者既能获得对 AI 潜力的乐观展望，也能看到作者对失业、隐私、安全等忧虑的冷静分析；书中大量跨行业案例帮助个人、企业与政府提前布局，在技术浪潮中守护并扩展人类能动性。 ​​一句话总结​​：这本书既是一份 AI 时代生存指南，也是一份“技术人文主义”宣言——它告诉我们，真正决定 AI 未来走向的不是算法本身，而是今天每个个体的选择与行动。

关于AI类书籍的选择，我自己有个不成文的分类方法： 第一类是教程类的，不管是技术教程还是使用教程，评判标准很简单——能不能复现，操作能不能跑通，这种好判断； 第二类是学者写的研究类的书，我更关注他们的宏观想法，比如研究方向是否有意思，过程是否有启发性； 第三类是实干家写的书，我特别关注其中的一些细节，比如怎么完成某项艰巨任务、过程中如何做某个小决策，或者有没有一些和大佬相关的小故事——这种小故事往往很真实，也很打动人。 对我来说，里德·霍夫曼的书就属于第三类典型代表。 “防止糟糕未来的最好办法，就是积极地打造更美好的未来。”全书核心。 人工智能的本质，不是取代人类，而是赋予人类前所未有的“超级自主性”和行动能力。

AI真正闯入大众视野，不过是近两年的事。从最初生成搞笑歌曲视频的新奇，到如今席卷行业、带来颠覆性冲击的变革力量，它的迭代速度快得让人措手不及，甚至生出几分手足无措的焦虑。这本《AI赋能》用10条核心原则告诉我们：AI不是洪水猛兽，而是能与人类共生的伙伴，接纳它、利用它，才是顺应时代的生存之道。 原则1：指出人们对AI的担忧本质是对自身能动性的担忧，强调合成智能将推动人类能力指数级飞跃，AI应是服务人类的协作伙伴而非对立面，“超级能动性”能帮人们重获人生掌控权。 原则2：围绕AI带来的信任难题展开，辨析AI的“关注”并非“监控”，探讨在AI可能出现虚假输出的情况下，如何建立对AI的信任，明确AI的创建需以信任为重要愿景。 原则3：聚焦AI在医疗领域的应用，提及AI可实现从“黑箱心理治疗”到“大知识心理治疗”的转变，既能作为24小时情感支持提供者，还能凭借快速专注的特质提供超人性化服务，弥补医疗资源时效缺口。 原则4：主张AI是生存必备而非选择，普通人可借AI获取大量消费者盈余；强调用户与平台共生共创的价值，认为多模态AI能推动个体能动性与社会普遍繁荣迈上新台阶。 原则5：坦言强大的AI模型也会犯低级错误，提出通过测试推动AI开发从合规转向持续改进，建议让基准测试反映真实性能，还可借助“聊天机器人竞技场”，以更多使用频次提升AI功能。 原则6：平衡AI创新与安全焦虑的关系，倡导“无许可创新”，认为打破常规、快速行动的迭代部署模式，能带来更大能动性与更高容错率，进而让AI赋予人类超能力。 原则7：消解AI焦虑，指出大语言模型如同生活GPS，AI助手可融入工作流程，助力初学者快速进阶，甚至能将人类工作效率提升1000倍。 原则8：探讨AI参与决策的安全问题，提出通过法律动态化编码制定动态契约，在兼顾规则与公平的前提下，让AI安全有效地融入社会。 原则9：提出面对高智能AI，最佳路径是与其目标一致、协同进化，深入探讨技术对人类自由认知的塑造，以及人类在协同过程中的实际获益。 原则10：畅想“政府2.0”时代，认为AI是新工业革命的开端；建议将AI融入政府服务，增加公众参与机会，个体从AI中获益越多，人类整体收益就越大。

【纸书】依旧毕英杰讲座引流买的书，上次基拉尔还行，这本真的看个闲篇（下次要谨慎了）。 首先出版社封面设计毫无审美，其次专门搞了个导读手册，本来想吐槽这事，但是看完全文+导读手册，个人认为最佳是韦青写得导读《什么是真正的问题》，这篇导读值得找来看看。 即使读完作者迎合AI繁荣论调的很多说辞，我还是觉得收获最大的依旧是韦青的导读，文笔和知识储备了得，“正—反—合”里讲到“反者道之动，弱者道之用”，以及谈及如何辨别什么是真正的问题，技术背后的问题是人的问题，这事更值得思考。 至于作者，主观能动性替换到“超级能动性”，发展中解决问题替换到“迭代部署”，概念的“数字孪生”其实没啥新意，但是作者貌似驳斥“悲观论”“末世论”的很多设想，倒是启发我很多想象，资本家们是具有技术人文主义的群体吗？如果不是，未来完全强制监控年代可期。 “技术的赋能，让人类得以摆脱仅仅为了生存的永恒当下。”全书读着满脸问号的地方很多，这是其中之一吧。 以及竟然说到“剩余消费者盈余”，有种技术上帝降临施恩众生的论调了，剩余资本家盈余又该怎么算呢？ 总之，收获有但不多，正反都算上的话。以后这种书利用“AI赋能”速读即可。

在信息大爆炸的时代，关注点要从"获 取了多少信息"，转向"我用这些信息产 生了什么价值"。这让我想到了一个词， "通道"。 我们其实是很多信息的通道，但如果我 们作为通道的功能很弱，则会造成批判 性思维和独立思考能力弱、信息堵塞、缺乏分辨能力、盲信错信等现象。 但如果我们作为通道的功能很强，往往 可以： 1、筛选：主动筛选接收信源等级高的、系统的、靠谱的、完整的、真实的信息，比如信院等级高的是论文、文献、《中国膳食指南》、英文原著、政府发布的通知等； 2、判断：判断哪些信息是可以"功利性" 的对我们生活、学习和工作带来改变，哪些是"非功利的"的随便看看了解或者 乐趣，比如黄仕明提到一开始每天冥想 可以十多次，每次二三分钟，不追求时间长，而是多练习，我听完觉得这是可以"功利性"作用于我生活的； 3、应用：对于那些"功利性"的信息，直 接选择实践应用，比如还是黄仕明提到 的日常催眠练习，我真的这样去做了，虽然我做不到每天十多次，但我每次2-3分钟就停下来，发现自己的念头越来越少，进入冥想的状态越来越好。 4、迭代：我会和身边冥想很厉害的朋友 交流，比如我有个健身教练好朋友，他有时候可以冥想好几个小时，冥时候身 上出很多汗，感觉到内心之间的跳动， 感觉到手心之间的空间有一团热气往出 冒，感觉自己入定了觉察不到身体的存 在，冥想完有时泪流满面……这是我完 全无法理解和达到的境界，但可以慢慢 练习努力靠近。 我认为，当今时代，更需要思考和练习的是自己作为通道的能力如何越来越强。

作者大名鼎鼎，但这本书确实很一般，两个作者讲了一些泛AI技术的应用原则、价值和意义，以AI为新工业革命也不为过，新的科技讲带来很多变化，赋能并可能改变行成新的业务模式、工作形态、安全管控等等。但我觉得各方面都讲得很浅，读起来不够流畅，10个原则的论点和论据读起来味同嚼蜡，可能我作为AI行业从业人士，对本书的期待不一样吧，我本想吸收点新观点和思考，但没有感受到震撼和启发。另外文章后面大篇幅的国内名人点赞和论述自己对AI的理解，感觉就是捧场了。 不可否认AI赋能业务变革势不可挡，但目前的AI依然有它的局限性，AI不是万能的，也需要袪魅，另外本书讲的AI是更宽泛的AI，不局限于当下的大模型技术，各位前辈和名人点赞AI的说法也无可厚非，我的观点是就本书本身的质量而言，逻辑结构性、内容新颖性、故事性和写作文笔方面还可以加强。

这本《AI赋能》（Superagency）由领英联合创始人里德·霍夫曼（Reid Hoffman）与格雷格·贝亚托（Greg Beato）合著。全书的核心逻辑是反驳当前流行的“AI末日论”和“悲观论”，主张通过技术人文主义（Techno-Humanism）的路径，利用AI赋予人类超级能动性（Superagency）。 以下是根据书中“10大原则”划分的章节核心观点及详细细节总结： 前言：技术人文主义指南针 作者首先指出，历史上每一项重大技术（如印刷术、汽车）出现时，都伴随着“末日论”的恐慌，但最终技术都成为了人类进步的工具。 • 核心观点：不要试图通过禁止或暂停来阻止未来，而应通过迭代部署（Iterative Deployment）——即在实践中不断修正和完善，来塑造一个更好的未来。 • 关键概念：作者提出了“技术人文主义指南针”，即技术应该被设计为“人类意愿的延伸”，旨在增强个人和集体的能动性，而非取代人类。 原则1：AI焦虑时代，超级能动性让我们找回人生掌控权 • 核心观点：AI不仅是工具，更是一种可以放大的“能动性”。它可以让每个人都拥有类似达·芬奇的智慧或专家的能力，从而实现“超级能动性”。 • 细节解读： ◦ 四大派别：霍夫曼将当前对AI的态度分为四派：末日论者（担心AI毁灭人类）、悲观论者（担心失业和偏见）、乐观论者（主张完全不受监管的创新）和繁荣论者（Progressives/Humanists）。作者自称为“繁荣论者”，主张通过广泛参与和迭代部署来解决问题，而不是因噎废食。 ◦ 能动性的定义：能动性（Agency）是指个体做出选择并采取行动影响生活的能力。超级能动性则是当AI赋能大量个体，并在社会层面产生增值效应时的状态。 原则2：当AI学会“撒谎”，我们如何选择相信谁、信任什么 • 核心观点：拥抱AI能帮助我们将“大数据”转化为“大知识”，从而在信息过载的时代增强我们的判断力，而非削弱隐私。 • 细节解读： ◦ 历史教训：回顾了20世纪60年代人们对“联邦数据中心”的恐惧，当时人们担心计算机导致“老大哥”监控。但事实上，数据的汇聚（如领英、谷歌地图）反而通过透明度和连接性赋予了个人巨大的力量。 ◦ 从隐私到公开：作者认为，除了隐私，公开身份也是一种力量。通过像领英这样的平台，个人数据被转化为职业机会和信任网络。AI时代，我们需要利用数据来获得洞察力，而不是仅仅将其锁在黑箱中。 原则3：你无法马上见到医生，但可以随时使用AI • 核心观点：应从“可能会有哪些积极影响”的角度思考AI，特别是在医疗和心理健康领域。AI可以实现“超人性化”（Superhumane）的关怀。 • 细节解读： ◦ Koko案例：书中详细描述了心理健康平台Koko的实验。虽然引入GPT-3辅助回复曾引发争议（被指责机器缺乏同理心），但数据显示AI辅助的回复往往比人类更具同理心、更及时。这表明AI可以将“黑箱心理治疗”转变为基于数据的“大知识心理治疗”。 ◦ 随时待命：人类医生资源稀缺且昂贵，而AI可以提供24/7的陪伴和支持。研究显示，在回答患者问题时，ChatGPT在同理心和质量上甚至超过了人类医生。 原则4：AI不是选择题而是生存题，普通人何以用AI获得百万消费者盈余 • 核心观点：AI和大型科技平台创造了一种“私人公地”（Private Commons），这是一种由私营企业运营但具有公共价值的资源，能为用户创造巨大的“消费者盈余”。 • 细节解读： ◦ 消费者盈余：经济学家研究发现，用户愿意放弃使用搜索引擎一年所需的补偿金高达1.7万美元，这远超他们付出的成本。这证明了数字服务（如谷歌、维基百科）创造了巨大的非货币价值。 ◦ 数据农业：作者反对将AI训练视为“数据掠夺”，而认为这是一种“数据农业”——通过聚合和处理数据，创造出比原始数据价值高得多的新产品（如多模态AI助手），反哺给用户，帮助普通人（如通过YouTube学编程的初学者）实现阶层跃升。 原则5：超级进化时代，“最强大的模型”依然会犯“最低级的错误” • 核心观点：不要因为AI犯错就全盘否定它。通过持续的基准测试（Benchmarks）和公众参与的测试（如Chatbot Arena），AI正在快速进化。 • 细节解读： ◦ 不是军备竞赛，是铁人三项：媒体喜欢用“军备竞赛”来形容AI发展，但作者认为这更像是“铁人三项”，是一个漫长的、多维度的测试过程。 ◦ 独角兽测试：书中提到GPT-4曾被要求用代码（TikZ）画一只独角兽。最初它画得很糟糕，但在一个月内通过迭代变得越来越好。这证明了基准测试和公开测试能推动模型从单纯的模式匹配走向更通用的智能。 ◦ 大众监管：“聊天机器人竞技场”这种让公众盲测并投票的机制，是一种“监管2.0”，比静态的法律更能反映AI的真实能力和用户满意度。 原则6：AI创新VS安全恐慌：迭代部署的AI才能给予我们超能力 • 核心观点：无许可创新（Permissionless Innovation）优于预防性原则。只有让AI在现实世界中“迭代部署”，才能真正发现并解决安全问题。 • 细节解读： ◦ 汽车的比喻：20世纪初，汽车被视为“魔鬼马车”，充满危险。如果当时按照“预防性原则”禁止时速超过40千米的汽车，我们将失去现代交通带来的巨大自由。相反，通过迭代（引入驾照、红绿灯、安全带），我们在享受速度的同时解决了安全问题。 ◦ 速度即安全：在软件领域，快速发布和更新（迭代）是提高安全性的最佳方式，而不是在实验室里等到完美才发布。 原则7：理性看待AI焦虑，AI助手如何让我们的工作效率提升1000倍 • 核心观点：AI就像生活中的GPS，能为我们在复杂的信息世界中导航。它对初学者的帮助最大，能极大地促进教育公平和技能提升。 • 细节解读： ◦ GPS的启示：GPS最初是军事技术，向民用开放后创造了数万亿美元的价值，并没有导致世界大乱，反而让人们敢于探索陌生领域。AI就是“信息的GPS”。 ◦ 初学者的红利：研究表明，经验较少的员工在使用AI后，工作质量提升幅度最大。AI能迅速拉平技能差距，比如帮助贫困学生写出优秀的大学申请文书，或者帮助非母语者理解法律信函。 原则8：当AI能为我们“完美决策”，动态契约才能让它安全且有效地融入社会 • 核心观点：随着AI融入物理世界（如智能汽车、智能合约），“代码即法律”将变得更加普遍。我们需要动态契约来平衡“完美控制”与人类的自由裁量权。 • 细节解读： ◦ 酒驾检测案例：作者设想了2027年的场景，汽车内置的AI检测到司机酒精超标，拒绝启动并建议看电影。虽然这限制了自由，但也消除了酒驾风险。这是技术实施“完美控制”的例子。 ◦ 智能合约：基于区块链和AI的合约可以自动执行（如农业保险根据天气数据自动赔付），减少了人为违约和偏见，但也带来了缺乏灵活性的挑战。我们需要在代码的刚性和人类的灵活性之间找到平衡。 原则9：在高智能AI面前，与AI目标一致、协同进化是最好的出路 • 核心观点：要建立大规模的AI基础设施（如主权AI），需要社会共识和“被统治者的同意”。 • 细节解读： ◦ 州际公路系统：以美国州际公路系统为例，这是一个巨大的国家项目，虽然初期引发了抗议，但最终通过公众参与和调整，连接了国家，创造了巨大财富。AI基础设施建设也需要类似的社会契约。 ◦ 公众参与：政府不应只是自上而下地监管，而应利用AI工具（如Polis）来收集民意，让公众参与到规则制定中，从而达成社会共识。 原则10：“政府2.0”时代，让每个个体从AI中获益越多，人类整体受益就越大 • 核心观点：国家应该追求主权AI（Sovereign AI），并在公共服务中积极采用AI，以提升国家竞争力和民众福祉。 • 细节解读： ◦ 卢德派的假设历史：作者讲了一个假设的故事：如果19世纪的英国为了保护织工利益而通过法律禁止自动化纺织机，英国将变成一个贫穷、落后的“阿米什社区”，人才会外流到拥抱技术的国家。这影射了当前如果国家禁止AI可能带来的后果。 ◦ 政府2.0：政府应该像亚马逊改善客户体验一样，利用AI改善公共服务（如自动处理退税、预测流行病）。通过提升每个个体的能动性，整个国家将变得更繁荣、更安全。 总结 整本书的核心在于：我们不应恐惧AI，而应积极塑造它。 霍夫曼认为，通过技术人文主义（以人为本）、迭代部署（边做边改）和广泛参与（让大众使用），我们可以利用AI实现超级能动性，解决人类面临的重大挑战（如医疗、教育、气候），创造一个更加人性化和繁荣的未来。

人工智能：现代社会的新型基础设施与国家供给逻辑 在生成式人工智能技术加速渗透经济社会各领域的当下，关于“AI是否应成为人类社会基本基础设施”以及“是否应由国家主导供给”的讨论，正成为技术治理与公共政策领域的核心议题。结合《AI赋能》一书的核心观点与全球实践经验来看，人工智能已具备现代基础设施的核心特征，而其供给模式应遵循“国家主导基础底座建设+市场参与增值服务运营”的协同路径，以此平衡技术创新效率与社会公共利益。 一、 人工智能具备现代社会基础设施的核心属性 基础设施的本质，是为经济社会运行提供公共服务、具有非竞争性与非排他性特征的基础性支撑体系，从传统的交通、能源、通信，到数字时代的互联网、云计算，均符合这一界定。当前，人工智能技术正逐步展现出与传统基础设施同质的核心属性，成为驱动社会运转的“数字底座”。 其一，AI具有通用目的技术的渗透性。如同电力改变了所有行业的生产方式，人工智能并非局限于某一特定领域的工具，而是能够嵌入教育、医疗、制造、金融、治理等几乎所有社会场景的通用技术。以医疗领域为例，AI辅助诊断系统可覆盖基层医疗机构，弥补优质医疗资源的地域分布不均；在城市治理中，AI交通调度系统能提升路网通行效率，降低公共管理成本。这种跨领域的渗透能力，使其具备了基础设施“赋能全局”的核心特征。 其二，AI具有显著的公共品属性。一方面，AI技术的研发与应用存在“正外部性”——企业开发的AI算法模型，不仅能实现自身盈利，还能通过技术扩散推动全行业效率提升。例如，开源大语言模型的普及，降低了中小企业的技术应用门槛，催生了大量创新应用场景。另一方面，部分AI基础设施的建设具有“投资规模大、回报周期长”的特点，单纯依靠市场力量难以实现有效供给。如国家级算力枢纽、公共数据训练集等，需要长期持续的资本投入，且其收益更多体现为社会整体福利的提升，而非企业的短期利润，这与传统基础设施“公共服务优先”的属性高度契合。 其三，AI是保障国家发展安全的战略基石。在全球科技竞争的语境下，人工智能基础设施的自主可控，直接关系到国家的产业安全与数据安全。若依赖外部技术供给，不仅会导致关键领域的技术“卡脖子”，还可能引发数据主权与隐私泄露风险。当前，各国纷纷将AI基础设施建设上升为国家战略，例如欧盟的《人工智能法案》、美国的《国家人工智能研发战略计划》，均将算力、数据、算法视为国家核心战略资源，这进一步印证了AI的基础设施定位。 二、 国家主导AI基础设施供给的必要性与核心边界 承认AI的基础设施属性，并不意味着其供给完全由国家包揽。结合《AI赋能》提出的“以人为本的技术人文主义”理念与全球治理实践，国家在AI基础设施供给中的角色，应聚焦于“基础底座建设、公共规则制定、公平性保障”三大核心领域，这既是市场失灵的必要补充，也是维护社会公共利益的必然要求。 （一） 国家主导供给的必要性：弥补市场机制的天然缺陷 市场在资源配置中具有高效性，但在涉及公共利益与长期战略的领域，往往存在天然的局限性，而国家的介入能够有效弥补这些短板。 首先，解决“市场不愿投”的公共品供给难题。AI基础设施的核心组成部分，如国家级算力中心、公共数据开放平台、AI伦理标准体系等，具有“非排他性”特征——企业无法通过收费完全覆盖研发成本，因此缺乏主动投资的动力。以公共数据训练集为例，医疗、交通、气象等领域的高质量数据，是训练可靠AI模型的关键，但这些数据分散在政府部门与公共机构手中，需要国家通过顶层设计推动数据整合与开放，为全社会的AI研发提供基础素材。我国“东数西算”工程的推进，正是国家主导算力基础设施建设的典型案例，通过统筹布局全国算力资源，降低了东部地区的算力成本，也带动了西部地区的数字经济发展。 其次，规避“市场盲目投”的恶性竞争与资源浪费。在市场逐利性的驱动下，企业往往倾向于集中资源投入短期可见收益的应用场景，如生成式内容创作、电商推荐算法等，而对基础算法研发、高风险领域的安全技术等“硬骨头”则缺乏动力。这种倾向容易导致技术发展的“偏科”——应用层创新层出不穷，基础层技术却长期受制于他人。国家通过制定专项研发计划、设立产业基金等方式，引导资源流向基础研究领域，能够避免市场自发发展带来的技术空心化风险。例如，我国设立的新一代人工智能重大科技项目，重点支持大模型算法、芯片设计、伦理治理等基础领域的研发，为产业长期发展筑牢根基。 最后，破解“市场不会管”的公平性与安全性难题。《AI赋能》强调，“再先进的大模型也需人类纠错与持续监督”，AI技术的应用若完全交由市场主导，极易引发算法歧视、数据滥用、隐私泄露等一系列社会问题。例如，部分企业的AI招聘系统可能隐含性别或地域偏见，损害就业公平；生成式AI制造的虚假信息，可能扰乱社会公共秩序。这些问题的解决，无法依靠企业的自我约束，必须由国家通过立法与监管手段，划定技术应用的红线。欧盟《人工智能法案》将AI系统按风险等级分类监管，对高风险AI应用提出严格的合规要求；我国《生成式人工智能服务管理暂行办法》明确了数据来源的合法性与内容生成的导向性，这些都是国家履行监管职责、保障技术安全的重要举措。 （二） 国家供给的核心边界：不越位、不缺位 国家主导AI基础设施供给，并非要取代市场的作用，而是要明确自身的角色边界，做到“有所为、有所不为”。 国家的“有所为”，应集中在三个层面：一是建设基础性、公共性的技术底座，包括国家级算力枢纽、公共数据开放平台、AI标准检测中心等，为市场主体提供低成本的技术支撑；二是制定公平透明的规则体系，涵盖数据治理、算法伦理、安全监管等内容，明确技术应用的底线与红线；三是保障技术普惠性，通过财政补贴、政策倾斜等方式，推动AI技术向农村、基层、弱势群体等领域延伸，缩小数字鸿沟。例如，我国推动的“AI+乡村振兴”项目，利用AI技术提升农业生产效率、拓宽农产品销售渠道，正是国家保障技术普惠性的实践。 国家的“有所不为”，则是要避免过度干预市场的创新活力。在AI技术的应用层与商业化环节，应充分发挥市场主体的能动性，让企业根据市场需求开发多样化的产品与服务。例如，在智能客服、工业质检、创意设计等场景，企业更能敏锐捕捉用户需求，通过竞争推动技术迭代与服务优化。国家在此过程中的角色，是维护市场竞争秩序，防止垄断行为，而非直接干预企业的经营决策。 三、 市场与国家协同推动AI基础设施供给的最优路径 《AI赋能》提出的“迭代部署的AI才能给予我们超能力”这一观点，本质上强调了技术发展需要“创新速度”与“风险管控”的平衡。对于AI基础设施而言，这种平衡的实现，离不开市场与国家的协同发力，构建“国家搭台、市场唱戏”的多元供给体系。 在这一体系中，国家的核心作用是“搭好台”：通过建设算力、数据、标准等基础底座，为市场主体提供公平竞争的平台；通过制定清晰的监管规则，为技术创新划定安全边界；通过完善人才培养体系，为产业发展提供智力支撑。而市场的核心作用是“唱好戏”：企业利用国家提供的基础资源，开展技术研发与应用创新，推动AI技术从实验室走向市场；通过竞争优化产品与服务，提升技术应用的效率与质量；通过商业模式创新，实现技术的可持续发展。 全球范围内的成功实践，也印证了这种协同模式的有效性。以美国为例，政府通过国防高级研究计划局（DARPA）资助人工智能基础研究，为技术发展奠定了理论基础；而企业则依托硅谷的创新生态，将基础研究成果转化为商业化产品，形成了“政府支持基础研究—企业推动应用创新”的良性循环。在我国，“人工智能国家队”与民营企业的协同发展，同样展现了这一模式的优势——国家队聚焦于算力、算法等基础领域，民营企业则在应用场景中快速迭代，共同推动了我国AI产业的跨越式发展。 四、 以协同治理构建普惠、安全的AI基础设施 人工智能作为现代社会的新型基础设施，其建设与供给既不能完全依赖市场的自发调节，也不能依靠国家的单一包揽。唯有坚持“国家主导基础底座、市场参与增值服务”的协同路径，才能在激发技术创新活力的同时，保障社会公共利益与国家发展安全。 《AI赋能》强调，“让每个个体从AI中获益越多，人类整体受益就越大”。这一理念提醒我们，AI基础设施的建设并非单纯的技术工程，更是关乎社会公平与人类未来的民生工程。国家的责任，是确保这一“数字底座”的普惠性与安全性；市场的责任，是让这一“数字底座”释放出最大的创新活力。唯有二者各司其职、协同发力，才能让人工智能真正成为赋能人类社会进步的“超级杠杆”，实现技术发展与人类福祉的同向而行。