AI到底已经发展到什么程度了？

两三年前，很多人刚刚接触大语言模型时，学会了一句听起来很专业的话——AI不过是在预测下一个词。

这句话并非完全错误。大语言模型在预训练阶段，主要通过预测下一个 token 来学习。它在生成回答时，通常也是一个 token 接着一个 token 输出。严格来说，token 甚至不一定是一个完整的词，它也可能是一个汉字、半个英文单词、一个标点或者一段代码。

真正的问题出在“不过”两个字上。

预测下一个 token 说明了模型接受训练和生成输出的一种底层方式，却没有说明它能够从训练中形成什么能力，更不能用来规定由模型、工具、记忆和反馈机制组成的完整 AI 系统能够做什么。

这就像说计算机不过是晶体管在零和一之间切换，钢琴演奏不过是琴槌敲击琴弦。作为底层描述，这些说法都没有错，但它们既不能解释一个大型软件系统如何运行，也不能解释一首巴赫赋格是如何形成的。

现在仍然有人用“预测下一个词”否定 AI 的推理能力，好像模型每次只是在几个相邻词语之间进行随机猜测。实际情况已经远比这复杂。Anthropic 对模型内部机制的研究发现，模型虽然逐词输出，却可能提前规划后面的表达。在一项押韵实验中，模型会先形成对句尾词的选择，再组织前面的整句话；在多步问题中，研究人员也观察到了可以区分的中间概念处理过程。这并不能证明 AI 像人一样思考，更不能直接证明它具有意识，但至少说明“逐词输出”不等于“只看眼前一个词”。Anthropic 的模型机制研究 https://www.anthropic.com/research/tracing-thoughts-language-model

更重要的是，今天实际投入使用的 AI，早已不再是一个孤立的基础语言模型。它经过指令训练、偏好训练和强化学习，可以在回答之前投入更多计算，尝试不同路径，检查中间结果，在发现错误以后改变方案。它还可以搜索资料、读取文件、运行程序、调用数据库和外部接口，然后根据工具返回的结果继续判断。

过去的聊天机器人主要完成一次“问题—回答”。现在的 AI 智能体开始进入“观察—行动—检查—修正”的工作循环。它不只是生成一段文字，而是在一个较长的过程中维持目标，处理约束，调用工具，观察结果，再决定下一步行动。前沿系统已经能够连续工作数小时，某些经过专门设计的任务甚至可以持续数天。

再好的马车也不会因为多加几匹马就变成汽车。汽车并不是一辆跑得更快的马车，它改变了动力来源、控制方式和整个运输系统。如果始终拿马车的尺度衡量汽车，人们就只会追问汽车能不能更好地拉车，却看不见一种新的技术形态已经出现。

今天的 AI 也正在经历这种变化。它已经不只是一个回答问题更流利的聊天框，而是在逐渐成为可以进入真实工作环境的执行系统。

软件开发是最明显的例子。现在的 AI 已经能够进入大型代码库，追踪不同文件和模块之间的关系，理解调用链，实现新功能，运行测试，寻找错误，修改代码，再验证修改结果。它处理的不再只是一个函数或者几十行程序，而是软件系统内部相互关联的约束。

“AI 能写出百万行软件”现在也不再只是夸张的宣传。2026年，OpenAI公开了一个从空仓库开始的内部项目。五个月后，这个项目积累了大约一百万行内容，涵盖应用程序、测试、基础设施、持续集成、文档和内部工具，合并了大约1500个代码修改请求，并已有数百名内部用户。仓库中的代码全部由 Codex 生成，人类工程师没有直接手写代码。OpenAI 的百万行项目报告 https://openai.com/index/harness-engineering/

但这件事也必须准确理解。它不是一个 AI 接到一句提示以后，独自在一夜之间写出了一百万行可靠软件。人类工程师一直在确定目标、分解任务、设计环境、建立测试标准和反馈机制。更准确的说法是，在人类提供方向、约束和验证体系的条件下，AI 已经能够持续参与并写出百万行规模的真实软件系统。

这恰恰说明今天的变化在哪里。人的工作开始从直接书写每一行代码，转向定义目标、设计约束、建立反馈环境并判断最终结果。AI 承担的则是越来越大规模的具体执行。

在社会科学和哲学讨论中，变化同样明显。在概念和材料得到明确限定以后，AI 可以比较不同立场，分离前提与结论，维持概念定义，发现论证跳步，提出反例，并根据反例重新调整推导。

2026年的一项预印本研究还让 AI 仅根据论文的方法说明和原始数据，重新编写分析程序，复现48篇已经过人工确认可以复现的社会科学论文。表现最好的几种智能体系统，所得到的回归系数与原论文方向一致的比例超过85%，落在原结果95%置信区间内的比例超过70%。这已经不是一般的文字整理，而是对研究方法的理解、程序实现、数据处理和结果比较。社会科学研究复现实验 https://arxiv.org/html/2604.21965v1

当然，这并不意味着 AI 的论证天然严谨，更不意味着它已经成为真理的来源。AI仍然会误解材料、引用错误、忽略隐含前提，也可能编造一套表面完整、实际并不成立的理由。真正的严谨来自概念稳定、来源核验、反例检验、程序运行和人工复核所共同构成的过程。AI已经能够深度参与这个过程，却不能自动保证过程的结果。

我们还需要区分能力、意识与责任。AI能够完成复杂工作，不等于它已经具有人类意识；它能够参与判断，也不等于我们应当把法律和道德责任交给它。可是反过来，AI不能承担完整的人类责任，也不能证明它没有分析、规划和执行复杂任务的能力。把这些问题混在一起，很容易使讨论失去对象。

真正值得注意的是，很多人面对 AI 时，最关心的已经不是它实际上能够做什么，而是不断寻找它还不能做什么。

它会犯错，所以它不算智能；它需要提示，所以它没有能力；它没有人的生活经验，所以它不可能理解；它不能承担责任，所以它所做的一切都只是模仿。当一条边界被突破以后，“真正的能力”又被移到更远的地方。

这种反应并不难理解。AI正在触及人的知识、职业、经验和创造能力。不断强调“AI不能做什么”，可以暂时保留一块只属于人的安全区域，使我们继续相信原来的能力秩序没有发生根本变化。这是一种自然的自我防御。

问题不在于怀疑 AI。研究它的错误、风险和边界非常必要。真正的问题是，只愿意看它不能做什么，并且拒绝根据新的事实修改原来的判断。

审慎与退守并不是一回事。审慎会持续观察 AI 在什么条件下可靠，在哪里失败，需要怎样的监督，并根据证据重新划定边界。退守则会先确定 AI 不可能具有某种能力，再把每一次失败当成证明，把每一次成功解释成偶然、模仿或者文字游戏。

我们不需要崇拜 AI，也没有必要宣布它无所不能。今天的 AI 仍然非常不均匀，有时能够完成专家级的复杂任务，有时也会在相当简单的问题上犯错。它强大而不稳定，能够推导却不保证正确，能够执行却仍然需要方向和约束。

但这些限制已经不能成为继续使用两三年前那张旧地图的理由。

认识今天的 AI，最可靠的办法不是反复讨论它在理论上不可能做什么，而是把它放进真实、复杂、可以验证的任务中，观察它究竟能够承担多少工作，在哪些地方失败，又需要人提供什么。只有这样，我们才可能看清人与 AI 之间正在形成的新关系。

承认 AI 已经发展到今天这种程度，不是向它投降，也不是否定人的价值。它只是要求我们尊重正在发生的事实。

在一个迅速变化的世界里，开放并不是盲目乐观，而是一种认识现实的基本能力。真正妨碍我们理解 AI 的，可能已经不是技术太复杂，而是我们仍然试图拿着两年前的地图，拒绝进入今天的世界。