清华教授杨斌：三思“慢AI”｜年度重磅

来源：市场资讯

　　来源：iweekly

　　导读：2025年AI行业正以“策马扬鞭”之势迎来技术迭代与商业化的密集爆发。AI能力边界持续突破，展现出超乎想象的赋能价值。但在这场全速前进的技术浪潮中，AI发展的隐忧也随之凸显：盲目堆砌算力与数据，陷入“唯参数论” 的内卷；习惯让AI代劳思考、创作等核心过程；伦理与治理问题也愈发迫切……

　　今天，一读EDU为您推荐清华大学杨斌教授的文章。整篇文章并非反对AI的快速发展，而是在技术狂奔的浪潮中，呼唤一种更理性、更从容、更有温度的发展观与使用观。这份“慢AI”的思考，不仅适用于AI行业的从业者、研究者，更适用于每一个身处AI时代的普通人：无论技术如何迭代，始终保持独立的思考、坚定的自我，在与AI的共生中，守住成长的过程、守住人的本质，方能在时代的快潮中，走得更稳、更远。

　　马年将至，愿我们皆能以“慢AI”的智慧，深思慢想、笃行实干，让技术的进步与人类的成长同频，于快与慢的平衡中，奔赴更有质量的未来。

　　杨斌博士，清华大学经济管理学院教授，清华大学可持续社会价值研究院院长。开发并主讲清华大学《领导与团队》等精品课程。著有《企业猝死》《战略节奏》（合著）《在明明德》（合著），译有《大学的窘境与革新》《变革正道》《要领》《教导》等。

　　马年就要到了，拿AI仔细搜了一遍跟“马”有关的所有成语，结果发现，里面没有一个词，包含着“慢”这个字眼。

　　真的就一个都没有——马，是不是就应该与“慢”无关？

　　如果从亚里士多德定义卓越、美德的角度去想，这倒也是不难理解。

　　马，于自然天地间，是有“目的”的。马的美德，是快，是速度，是效率，不仅聪明，也有社群性。驯化后的马，置身于人类社会里，以忠诚、耐心、协同、任劳任怨的加速度，增益人所不能。

　　说马聪明，不仅是因为马“识途”，马确实也有着相对其他物种而言的‌高智商和强大的学习能力。有研究说，马的智商相当于3~7岁的人类儿童；直观能感受到的是，马能准确辨识并记忆人类的指令和手势，通过训练可完成复杂的动作，能跟骑手形成高度默契。再有就是，吃的是草，不那么金贵，满世界都有。

　　有人待马如同工具。有人说马是好伙伴。究竟是工具，还是伙伴，马也没表过态，也不是它的选择。

　　这句话，就也像是在说AI。按精神气质，十二生肖里，AI大概是属马的。可如果是按照达特茅斯会议算元年的说法，AI是1956年夏天生的，属猴，难怪上回书说到的《人与AI组队 西游取经修行》中，就把AI角色判给了大师兄。

　　马年将至，眼看着AI要有更快速的发展，而我从一个“慢AI”的角度，尽管是做些热闹里的冷思考，并不是要拖后腿，更不会牵绊时代之马的迅捷驰骋。

　　以下“慢AI”三思，分别是从AI基础模型训练，AI的应用，以及AI伦理与治理这么三个角度展开。这三个角度，也是AI新时代的鼎立三足。

　　第一个角度的“慢AI”追求，老是被跟一本书搁在一块说——诺贝尔经济学奖得主丹尼尔·卡尼曼2011年出版的《Thinking， Fast and Slow》（《思考，快与慢》，繁体字版译成《快思慢想》）。他在书中提出了双系统思维模型，揭示人类思维由“系统1”（快速直觉）和“系统2”（缓慢理性）主导。系统1依赖情感、记忆和经验迅速做出快速判断，但容易受认知偏差影响而走偏；系统2通过调动注意力来分析和解决问题，比较慢也不容易出错，可就是很懒，经常直接采纳系统1的结果。

　　用此来比照，在基础模型训练上的“慢AI”，是在呼唤大语言模型之外的新范式的背景下提出的，尽管Scaling Law还在持续提升着大模型的性能；要想走向AGI，新范式除了世界模型这一关之外，还有一个重要的方向，就是探索以卡尼曼的“系统2”慢思考，作为目前更类似卡尼曼系统1（快思考）之外的另一种认知架构。在神经网络模型所实现的自动化、快速、并行处理、低能耗、直觉式、不那么理性的“黑箱”特征之外，实现符号主义所遵循的可控制、慢、串行处理、高能耗、分析式、理性主导模型，让擅长推理的慢思考能力得到发挥。当然，模型还要有切换两种系统、思考路径的本事，当快则快，节省算力；该慢就慢，更靠谱、可解释，解决智能的锯齿化问题。在哈萨比斯受竞争对手激发而转向大语言模型之前，DeepMind的Alpha系列，一直都是走着更像是系统2的那条追求AGI的“慢”路上。

　　2022年开启的思维链（CoT，Chain of Thought）这条路，提出先使用“Let‘s think step by step”来让模型自己给出抽丝剥茧的推理过程，也衍生出诸如“一步一步慢慢来”这些个提示语；通过这个确实有效果的“慢”，尤其加上在你眼前一步步娓娓道来（2025年春节DeepSeek的爆发和破圈，这一条也起了不小作用）之后，大模型的表现更像是卡尼曼的系统2了；但并不是，只是个模拟，思维链仍然还不是真正的逻辑推理和知识应用。要攻克“慢AI”这一关，真正做到自如切换，需要注意力集中、脑子使劲儿的时候，就激活以符号认知推理的方式来进行的“慢思考”，让AI也能像人的双系统一样，把神经网络跟符号认知做个结合，也有不少AI头部公司、各路顶尖高手正在探索中。

　　这几天，AI模型遭遇“洗车”翻车，给了众多围观者一大乐，不由让人想起那句“人类一思考，上帝就发笑”的老话。人还是要思考，AI也一定会进步，人与AI一起思考，不怕谁谁笑，眼见着，那发笑的，快就笑不出来了。

　　思维链的引入，还有一个作用，就是让人们更直观地认识到，AI与搜索引擎的差异。我从刻意忘却（unlearn）的角度，曾经给AI普通“移民”（技术移民会不同）提过一个AI上手的建议——主动刻意地摆脱掉“搜索引擎后遗症”。搜索引擎后遗症是一种工具变换中的认知惯性，你可以观察一下周边小伙伴的使用行为：虽然是跟AI对话，但仍然习惯性地只输几个关键词，不提供有助于“AI思考”的上下文背景（小篇幅或是大篇幅的），对AI给出的答案全盘接受（抑或要么扣上幻觉的帽子，要么怀疑是广告），并且像查网页一样读完就结束。换个角度来看，搜索引擎其实更促进了系统1的“爽快”，而不太能高效激活系统2。

　　反观AI原住民（这倒还真不一定是个年龄的概念），大有可能压根儿就没了（忘了）搜索引擎这回事儿，而是天然地跟AI多回合多模态多角色互动，发挥跟AI棋逢对手、彼此砥砺又相互激发的“好奇心、想象力和批判性思维”，享受系统2的慢思考并乐在其中。他们从从容容，而不是匆匆忙忙，这种有商有量的思考对话，恰好指向我们所倡导的使用时的“慢AI”了。

　　第二个角度的“慢AI”，说的是AI应用的一个度和目的的问题。AI能力强本事大，用它能给人省好多事儿，蹭蹭地出活。但，什么时候该让它多出力，人可以去做更多判断担责的事儿？什么时候它作用发挥多了，都干完了，对人而言反倒不好？

　　回答这个问题，可以着眼的角度有很多，这里只是引入《成长双螺旋》（Performance Parodox）这本书里的两个概念，学习（learning）和表现（performance），来做一种辨析。如果是把改善技能、提升本领作为焦点，你就是在学习；而如果流于表面，期待短期就拿结果出来，那就是在表现。要注意，学习不只是在学校，在工作场合中，一样是学习和表现都有，但不同时点有个聚焦侧重的不同。区分好这两个概念，就可以说说在AI应用上，“慢AI”指的是什么——

　　如果你要学习，就不要让AI替你干，哪怕能帮你省时间。如果你要表现，你和AI一起干，各尽所长，不怕AI干得多，只要你能把得住方向。

　　这么说，是因为，学习是过程性的，没有过程，或者说过程被代劳，认知被卸载，那你大概没有在学习，而只是在出活。出活没什么不对，但缺少过程中的试做、犯错、反馈、再试直到掌握的“生产型挣扎”“吃劲儿极限拉伸”。过程性意味着目的在内，矢量属性，你没真花时间，你就没在学习，就是最大的冤大头。踢球，看球，如果是真爱踢真爱看的话，你怎么会让AI替你啊。你要在群里报跑步的步数是一回事儿，要是真长肌肉你非得抗阻训练慢慢练才成。我前段时间写过《具心学习与慢作业——与AI无关也有关》，就是说了学习离不开走心和吃劲儿，慢作业才是真学习。

　　所以，学习成长，就非得做个“慢AI”的选择不可。你可以用AI来帮你慢、挑战你、启发你，教导你，给你挑错反馈，各种慢互动，促你学，但重点是你是在学，并不是AI替你学。不管是基础教育，还是高等教育，还是在岗工作中的学习成长，但凡AI替你干的时候，你都没在学习，虽然省了劲儿。这个时候靠着AI表现再好，那不是你的目标函数，迟早你还得补学，虽然不用补考。

　　表现则是结果性的。填饱肚子，打卡景点，是结果性的，目的在外，快餐就挺好，下车拍照上车睡觉也没问题，高效从饿变到饱；但慢食、慢游的理念提醒我们，享用美食，沉浸文化，你不该效率第一，你得慢下来，才能享受其过程。用AI的度，也是如此。表现时AI是工具是伙伴叫什么名字无所谓，不重要，要紧的是一起出活；学习时AI代劳，替你思考代你煎熬，是对你的剥夺，你得准备好承担伪装学习最重要的后果，不是挨批，而是没学好没学到，不用管AI，AI也管不着你，它没这个责任。

　　所以，倒不是说几年级才能用AI，而是得用对了AI。如果你担心年纪小的人就用不对，就会用即期表现来逃避学习，那这关得认真帮着过好。一方面怕是禁不住诱惑，另一方面，要是AI用对了，对真正的学习好处太大！这个账得从一开始就算清楚。对教师而言，一种新本领就要求你能设计那种“无法被AI一键快递”的学习任务，巧思创造“恰到好处的认知抗阻”。让学习者跟AI能够一起带着好奇和被需要还有一定的沉浸感，去共同学习。教师之外，学校、父母，还有学习者本人，需要担起这个责任，拥抱AI，但“请慢用”。

　　从学校出来，进到各行各业也都有这个问题，哪个行业都有新手要学习成长，都有出活才能活下去的两区两目的。反正就是，慢用AI才能真学习，效率优先地来用AI，如果是为了表现、出活——那没毛病，只是那个时候，学习没有发生。这二者，没有谁对谁错，就是得分区分场合，作为人，你要知道自己这会儿要什么，目标函数是学习还是表现，才能让AI用得其所。

　　学习与表现，更一般地可以概括为，是过程性活动，还是结果性活动；前者目的在内，后者目的在外；前者才是亚里士多德所谓的“实践”（praxis），体现能动性和理性，并也可以看作是人的主体性的一种古典表达。这就引出第三种“慢AI”的思考。

　　第三个关于“慢AI”的思考角度，是关于AI治理和伦理探讨中关心的一个焦点：AI会对人的主体性、能动性产生怎样的影响。在《人与AI组队 西游取经修行》里，引用维纳的话时，力透纸背地划着一条线：人失去了主体性，就全都没了。机器要是发展出了主体性，这世界就麻烦了。所以尤瓦尔·赫拉利就非常悲观，他在Nexus（还是不能理解为什么要翻译为《智人之上》）之后反复说“AI不同于历史上以前的每一项技术，AI不是一种工具，它是一个主体。”赫拉利2025年春天给《AI Superagency》这本书写“推荐”的时候，明确说自己并不认同书中的乐观基调。按赫拉利的思路分析的话，人跟马协同的时代——那个在汽车还没有发明的时代，人加上马，更有力地认识和改造世界，是非常好的搭配，因为马始终没有获得主体性。有时候马偶然惊了，伤到了（主）人，不怕，那并不是马的本质变化了，而只是一次例外，不足为惧。但AI，可不是马，不止不是工具意义上的马，远要比马之后出现的蒸汽机、电、互联网都要厉害得多得多，是真正的质的跃迁。

　　这就要说回到agent这个词，比智能体——人们已经不怎么提以前代理或特工的意思了——这个最流行词（几乎没有之一）更本源的意思，是在哲学、伦理学范畴中的行为“主体”，agency，则强调主体的能动性，是行为主体agent作为一个有能力行动（act）的存在（being），其能力的实际运用或具体体现。主体能动，侧重不同，密切相关；主体自主，是同义反复，主体不自主，不是真主体。

　　AI是不是能够让人“之所以为人”的意义得以深化和延展，让更具主体性的人类的意志能够得到更大的解放，提升而不是削弱人的能动性，AI治理、伦理非常关注这个核心问题。

　　我自己总结了这么五大“件”（ware），作为AI时代这个阶段发展的相互关系的一个理解框架。硬件（hardware，曾经的“五金件”，算力的基础），软件（software，算法在其中），智件（mindware，在算力，算法和数据基础上的模型和智能体），心件（soulware，人心、人文、人本），手件（handware，具身智能，最关键是灵巧手）。哪些操之在人，哪些不妨委外，何时赋能（empower）结成超强合体，何时乐在其中（enjoy）体验具心，何时当仁不让、当断则断，值得思考。

　　那么，这主体性、能动性又跟“慢”又有什么关系呢？

　　我在三年前的《从心慢》一文中，解析过不管慢食运动、慢游慢阅读还是慢教授慢艺术，其实都在主张一件事儿——找回人在这些个事情当中的主体性，找回让人区分于工具、机器（不一定再加上动物，这对以马为代表的动物不够尊重）的本质，从各个方向上，在各类实践中，保持住人之所以为人的尊严。所谓的“慢AI”，在治理和伦理上的含义，就是指人要坚守主体性。“慢AI”是不同意所谓“碳基的人类或许只是文明的过渡阶段，其使命在于创造硅基生命的新物种”那种立场的。

　　苹果公司蒂姆·库克几年前曾说过那么一句，他并不担心机器变得像人（说这话时估计是真不担心），更担心的是人变得像机器。说的就是担心人的主体性丧失。怎么才能不丧失呢？“慢AI”的主张，就是要人与AI共生，但主体在人，师父和二师兄，守住了主体性，而没有沦为工具和“功能”。六年之前跟汉尼斯教授围绕他的《要领》一书对话时，我也提出过，“即使人类要进化，也不是要进化到完备、精妙、可期如机器，而是进化到不完美、不可控、不靠谱（不靠着写定的图谱生活）的活生生的人”，就是要坚守主体性。

　　刘禾教授在《弗洛伊德机器人》中就有过一个有趣的视角——人类怀着对自身形象的迷恋制造仿人机器（会对话的AI也是一种），给他们赋予人类的外观、行为模式乃至情感交互能力。在跟机器的长期互动中，人类会不自觉地在行为、思维乃至情感层面向机器靠拢，比如刻意追求算法高效精准，或变得像机器界面一样追求即时反馈，将“效率优先”“简化决策”内化为自身的行为准则。而反过来，机器也会捕捉到人类的这些新行为、新习性，作为训练数据迭代升级，形成新一轮输出。最终，那个以为控制着技术的人类主体，将被这种“人造拟人机器，机器助人更像机器的循环”重塑，成为“弗洛伊德机器人”——一个看似自由、实则欲望与习性早已被技术逻辑重新编码的无主体存在。

　　AI的快速发展，一方面把这个议题更紧迫地摆在人类面前，也提供了一个非常重要（甚至也许是为数不多）的机会，让人类幡然醒悟、反躬自省。数百年来，即使如哲学家、科学家所说之前的那几次大的技术浪潮无法跟这次AI相比，但每一次都引发过关于人的主体性和异化的探讨，可等技术一旦融入社会日常不再新奇之后，人们只是很快地就忘记掉那些讨论和担心，继续走在主体性被削弱和丧失的路上——不时地被一些新机制所驭，比如手停不下来地刷短视频，就很值得从人的主体性的角度来做些探讨。

　　这次会不会不一样？值得认真讨论。所以，这第三个角度思考的“慢AI”，说的是人与AI的关系底线，AI是人为（wei二声）的，还是要为（wei四声）人的，AI的发展还是要以人守住人的主体性为中心的。这不是说发展AI的速度要放慢，但失控的AI、人被异化、被迫失去主体性的AI，是“慢AI”所反对的。

　　我刚一开头说，中文里，马跟慢，这两字怎么也合不到一块，其实英文里有个例外。那就是《流人》，小说和英剧的原名就是slow horses，直译就是“慢马”，流人是个不错的中文转译。我曾经写过一篇《“流人”出奇和“边域”创新》，讨论不那么主流的人和地方所特有的创新价值、变革意义，这里不再展开细说，只是再说上跟第三种“慢AI”有关的一句，单从剧情刻画来看，慢马（流人）们，虽然有点儿颓有点儿废，却是有主体性的；反倒是总部那帮精英，活脱脱是机器。

　　是发明家也是企业家的亨利·福特有句耐人寻味的话，“如果我当初去问顾客他们未来想要什么，他们肯定（只）会告诉我：一匹更快的马。”老福特在说出普罗大众思维总是线性这个真相的同时，也在褒奖企业家和创新的妙不可言，超乎常人预期。就像更快的马一样，更强大的AI也许是更多人在此刻的期盼，那么，我想用“慢AI”这个不太一样的概念，来丰富一下当下对AI的未来、人与AI的未来的思考。

　　国际象棋跟中国象棋里都有马，不过国际象棋里的马是叫Knight（棋士），虽然棋子形状是个马头，走法上也有不同。中国象棋的马，有个不同于国际象棋中Knight的“蹩马腿”的限制。从小学下棋，我就好奇为什么要有这个规则设置。

　　跟几位不同AI学伴交流，迭代出来这么个说法：马虽有 “八面威风” 的潜力，却为 “蹩腿” 所限。此举既慢其速、束其芒，避免其过强，均衡棋力、子力协同，维护系统稳定，深谙“过犹不及”之智。

　　这个说法，放在AI发展和治理上，也可以有所启发。

　　策马扬鞭易，笃慢致远难。也请在马年以“慢AI”的新范式来深思慢想，以“慢AI”的抗阻训练来学习成长，以“慢AI”反躬自省来做更主体能动之人。共勉。