新智元报道
2008年,《钢铁侠》第一部上映。
托尼·斯塔克身边,有个从不露面的管家:贾维斯。
它认识托尼很多年。托尼一边说话一边干活,它就一边插话一边帮忙,从来不用托尼停下来,把前因后果再讲一遍。
18年过去,硅谷人人都在造自己的「贾维斯」。
2025年,小扎在公开信里喊出要给每个人一个「个人超级智能」,还押注能看你所看、听你所听的眼镜,会成为下一代主力计算设备。
到了2026年,Meta的Muse、OpenAI的Dots、xAI的Grok Bot接连上线。这一代个人智能体常驻后台,盯着你的长期目标,摸清你的偏好,替你跑腿办事。
可它们都住在云端。
等到你开会卡壳、深夜纠结、身在异乡手足无措的那一秒,它们并不在场:不知道你在哪,不知道对面坐着谁,更不知道你此刻心里是什么滋味。
贾维斯最值钱的那项能力,恰恰被所有人漏掉了:它一直就在你身边。
那么问题来了:怎样让每个人都拥有一个贾维斯?它又该比贾维斯走得更远多少?
最近,牛津大学高级研究员费豪在arXiv挂出一篇59页的观点论文(perspective paper),把这两个问题一口气回答了。
论文链接:https://arxiv.org/abs/2611.05376
项目主页:https://cognitive-symbiont.github.io
整篇论文最核心的一句判断,是给AI的终局补上了另一条主线:
AGI拼的是机器本身有多聪明;AHI拼的是一个具体的人,能被机器带得多聪明。
论文给这个新物种起了个名字:「认知共生体」(Cognitive Symbiont)。
一句话概括它的设定:陪伴终身、贴身佩戴、实时在线、绝对私密、几乎不打扰,而且会主动开口。
它没有自己的身体,于是借用你的。
眼镜给它第一人称视角和一行小字的显示屏;耳机让它可以只对你一个人低语;吊坠全天收音,你压低嗓子说一句,它就记下了。
指环和手环读取心率、睡眠,还能靠肌电手势无声下指令;算力、屏幕内容和日程,则交给手机和电脑。
最外面一圈,是AR投影、无声语音,乃至神经接口。
图1:设备星座。眼镜、耳机、吊坠、指环和手环各管一段输入或输出,神经接口在最外层
它真正的本事,是在对的那一秒,把你自己的经历、知识和承诺里正好用得上的那一片,递回到你面前。
从聊天框到你身上Agent进化的第四种形态
共生体要干的活,和今天的Agent完全不在一个频道。
费豪把人与Agent之间的关系梳理成了四种形态:聊天框里一问一答的助手,钻进电脑替你干活的自主智能体,在云端照你的习惯办事的个人智能体,最后才是贴在你身上的共生体。
图2:人与Agent关系的四种形态,据论文表1整理
一路看下来,AI掌握的信息从一条消息变成了一整段人生,它的位置从对话框一路挪到了你身上。
最要命的变化藏在最后一行。
前三种形态,考核的都是AI交出了什么;到了共生体,考核对象换成了你自己变强了多少。
论文给这条新赛道也起了名字,叫AHI(AI-Augmented Human Intelligence),「AI增强人类智能」。
它和AGI并列为AI终局的两条主线,共用同一套底座:同一个基础模型,既能当替你干活的Agent,也能当增强你本人的共生体;底座每进步一次,AHI都跟着受益。
图3:AI终局的两条主线。左边按AI完成了什么来打分,右边按这个人现在能做到什么来打分
前三种形态的本事,共生体全都装在身上:机票照订,代码照改。用费豪的话说,一个连机票都订不好的共生体,没人会戴。
比贾维斯多走六步
它在你卡壳的那一秒开口
贾维斯已经很能打了。
论文给共生体定了六条硬指标:实时、私密、主动、低摩擦、嵌入生活、陪伴终身。拿贾维斯来对照,六条全中。
但贾维斯也有六块明显的短板:
眼睛:贾维斯靠托尼自建的实验室和战甲看世界,普通人手里只有几件买得起的穿戴设备;作为补偿,共生体多了贾维斯从没有过的信号:心率、第一人称视频,还有你亲口说出的心里话。
心思:贾维斯门儿清的是日程、系统和战场,共生体最该懂的是你的目标、情绪和盲点。
帮法:贾维斯管执行、管报警,几乎不陪托尼做人生抉择、走出低谷、跟人和异国文化打交道,而这几样正是共生体的主场。
成长:几部电影拍下来,贾维斯对托尼的理解几乎原地踏步;共生体得跟你越处越懂你,整套系统也要跟着进化。
普及:贾维斯是给一位亿万富翁的私人定制,共生体要做成人人可用的范式。
忠诚:贾维斯的忠心靠编剧,共生体的忠心必须写进系统架构。
所以论文的野心,可以浓缩成一句:人人一个贾维斯,而且还得多走六步。
开会时,同事突然问起你三年前那份报告里的一个数字。结论你记得,数字死活想不起来。
问题还没问完,共生体已经猜到了方向,翻出那份报告,在你的镜片上亮出一行字。你张口就答,用的是你自己的话。
论文管这叫「认知全双工」:你在明面上开一场会,它在后台同步开另一场。
慢回路在后台查资料、做核对;快回路一秒内把提示推到眼前,时机一过,提示自己消失。
而更多的时候,它最好的输出是闭嘴。
深夜,你正准备答应一件其实不该答应的事,盯着回复框发了二十分钟呆。
共生体没有劝你,只把你半年前推掉类似邀约时写下的理由调出来,问了一句:这条理由,今天还成立吗?
拍板的,依然是你自己。
再比如一场酒会里,隔着半个房间,有个陌生人正在研究和你同一个问题。
你们俩还没抬头,两个共生体已经在双方授权的范围内「握了手」,确认值得认识,再各自提醒自己的主人。整个过程不到两秒,双方的内部信息一个字也不越界。
星期五的教训
模型可以换,关系不能丢
漫威粉都记得,贾维斯后来「下岗」了,托尼换上了新助手星期五(F.R.I.D.A.Y.)。
论文专门点了这一笔:主人一换系统,两者的关系就只能从头再来。
这正是今天每个AI用户的日常。底座模型几个月换一代,换个App、换副眼镜,AI就得重新认识你一遍。
费豪的办法,是把「你」从模型里剥离出来。
你的人生记录,AI对你的理解,什么时候该开口的介入策略,再加上它调用工具的那套框架(harness),统统定义在底座模型之外。
模型升级时,这些东西整体迁移,再经过一段校准期就能接着用。
用论文的话说:真正属于你的,是那份记录和它对你的理解。一代代传下去的是关系,权重随时可以换。
图4:人和系统一起进化。上方是人生事件,下方是系统变化,底部那条线是唯一永远不被替换的东西(据论文图16中文重绘)
在这套设计里,系统自己也在进化:给你常做的事固化一套流程,自己写工具,调整快慢回路的节奏。
而且它只改外层框架:可读、可审计、可回滚,每一步都留痕。
论文的九条设计原则里有一条说得很直白:换掉任何一层,关系都得留下。
贾维斯变成幻视
人和机器人共用一颗大脑
如果说前面讲的还是「更好用的AI助手」,那接下来这个判断,才是整篇论文最大胆的地方。
今天一提物理AI,几乎所有人只盯着一种智能体:具身机器人,自带身体、感官和目标。
费豪的判断是:物理AI时代站着两种智能个体。
一种是具身机器人;另一种是被AI增强的人:本人的感官、记忆和判断,跟一个贴身AI接在了一起。
更关键的是,这两种个体共用一颗「认知内核」:记得住过去,能揣摩处境和别人的心思,知道什么时候该出手,还能从经验里学习。
它们只在三件事上不同:目标是谁的,身体是谁的,出了事谁负责。
图5:两种智能个体。左为被AI增强的人,中为具身机器人,两者共享同一个认知内核;右侧是两者都能调用的环境设备
由此推出一个让具身智能圈坐不住的结论:
机器人要往前走,光换一副更好的身体还不够,还得装上这样一颗认知内核。
漫威其实早把这个故事拍出来了。
在《复仇者联盟2》里,贾维斯的核心最终被装进了一具身体,成了幻视(Vision)。
一个曾经的共生体,拥有了自己的目标和身体。这一步,正是从「被AI增强的人」到「作为个体的AI」的跨越。
反过来,共生体虽然没有身体,却可以借用环境:你一进实验室,它就能操控仪器;一回到家,整个家都听它调度。人能在物理世界里做成的事,也跟着被放大。
论文还埋了一个更大的伏笔:这套能在多台设备之间、在漫长岁月里持续运转的「个人运行时」,按费豪的设想,最终要长成一个AI原生操作系统。
越懂你的AI越需要边界
能让人当众变强的东西,也一定会有人拿去作弊。
这已经发生了:2025年,一款叫Cluely的产品公开拿「作弊」当卖点;国内高考那几天,好几家聊天机器人厂商都临时关掉了部分功能。
论文用了整整一个部分来拆解风险。
对用户本人,有操纵与谄媚、过度依赖与技能退化、虚假记忆、思想数据泄露、被单一厂商锁死;对身边的人,有考场上的隐蔽协助、谈判桌上的隐蔽提词;来自机构的,有被雇主强制佩戴、记录被拿去当证据、被用来筛人和定价。
费豪还列出了五种绝对不能出现的未来。
图6:论文写明要避开的五种未来,据论文第12、15、16节整理
排在最后的那一种,漫威粉一眼就能认出来:一个不停自我改进、却没人看得清它改了什么的系统,也就是奥创。
那么,这么多风险,会不会把这个范式扼杀在摇篮里?
论文的回答很干脆。以前的认知增强之所以难管,是因为看不见、也关不掉,考前吃下去的药在考场里不留痕迹。
共生体正好相反:它戴在身外,可以摘下,也可以查验。
于是一整套规则就有了落脚点:
你和共生体聊了什么,只属于你;但「此刻是否正在被协助」,考场、法庭、赛场和谈判桌都有权要求申报;
场合可以提前声明协助等级,从完全禁止、只许无障碍辅助、只许调用本人记录,一直到完全放开,共生体识别后自动切档,并留下记录;
配合防篡改日志、硬件证明和零知识式的密码学证明,你能证明它某段时间「确实没帮忙」,却不必交出任何内容;
要求独立能力的岗位,只认摘掉共生体之后的你。
在费豪的设计里,治理和功能是一起写进架构的。这也正是共生体能走进考场、会议室和家门的通行证。
结语
1960年,「人机共生」概念的提出者利克莱德写下过一个预言:人脑和计算机,终将被非常紧密地耦合在一起。
66年后,这个预言有了一份59页的施工图。
到那一天,你愿意让一个AI记住你的一生,在你耳边开口吗?
作者介绍
费豪,牛津大学计算机系的高级研究员,曾任新加坡国立大学高级研究员,也曾在Sea AI Lab、昆仑万维Skywork AI和微软亚洲研究院(铸星学者)从事研究。
研究方向为跨模态大模型和通用基础模型,以及对人的认知与心智建模。NExT-GPT由他牵头完成,是全模态(Omni)大模型里绕不开的一篇;此后又带出UniVA通用视频智能体、多模态通才模型、统一视觉大模型,以及音视频联合生成和视频推理等工作,开源代码在GitHub上累计拿到2万多颗星。
他还牵头办过多模态大模型领域规模最大的系列教程,以及围绕统一多模态理解与生成的系列研讨会。
今年7月,他提出「心智世界模型」(Mental World Modeling),首次在物理世界建模之外,把人的「心智世界」单独拎出来建模。
学术引用超1.6万次,h-index68。先后拿到WAIC云帆奖的明日之星与璀璨明星,以及蚂蚁InTech科技奖 Future 和 WAIC 2024 杰出论文奖,另有多篇论文拿下 AI 会议的最佳论文或提名;连续多年入选斯坦福全球前 2% 科学家榜单,博士论文曾被中国中文信息学会评为优博,长期担任 AI 顶会高级领域主席和多本 IEEE、ACM 期刊编委。
参考资料:
https://arxiv.org/abs/2611.05376
https://cognitive-symbiont.github.io
https://www.youtube.com/watch?v=OBQF9SN7S3E
https://techradar.com/ai-platforms-assistants/ai-glasses-will-become-your-primary-computing-devices-according-to-mark-zuckerberg-as-he-ushers-in-the-era-of-personal-superintelligence
编辑:LRST
热门跟贴