惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Martin Fowler
Martin Fowler
大猫的无限游戏
大猫的无限游戏
J
Java Code Geeks
罗磊的独立博客
雷峰网
雷峰网
G
Google Developers Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
爱范儿
爱范儿
B
Blog RSS Feed
腾讯CDC
Apple Machine Learning Research
Apple Machine Learning Research
D
Docker
Recent Announcements
Recent Announcements
T
Tailwind CSS Blog
博客园 - 聂微东
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Vercel News
Vercel News
小众软件
小众软件
人人都是产品经理
人人都是产品经理
云风的 BLOG
云风的 BLOG
IT之家
IT之家
Blog — PlanetScale
Blog — PlanetScale
I
InfoQ
S
SegmentFault 最新的问题

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
AI是人的延伸,人是AI的尺度
腾讯研究院 · 2026-02-05 · via 人人都是产品经理

AI正在从工具演变为人类认知的延伸,这场变革不仅重塑了工作范式,更触及了“人之为人”的本质定义。当执行力变得廉价,判断力与价值观成为新的稀缺资源,我们该如何校准这面映照人性的镜子?本文从进化史与哲学视角出发,探讨人机共生时代的核心命题:在技术无限延伸的洪流中,人类如何守住目的与伦理的锚点。

在漫长的进化光谱中,人类始终通过工具来定义自身。

从原始社会到工业时代,我们发明各种工具和大机器,来延伸肢体的力量。而人工智能的出现,意味着一种根本性的断裂与飞跃,它不再仅是肉体的延伸,而是神经系统和认知功能的外化。

而在AI时代,人类的本质,也将不再简单地由“能力”来定义了。

进化的新尺度

人类的进化史,也是一部对自己的身体能力持续“不满”的历史。

如果我们诚实地审视自身,会发现智人作为一种生物,在自然界中是先天不足的:我们没有虎豹的速度,没有鹰隼的视力,没有熊的皮毛来御寒,也没有锋利的爪牙能用于捕猎。按照生物学标准,人简直脆弱得不堪一击。

正是这种生理上的匮乏,逼迫出人类最核心的特质:借助“身外之物”的力量,来补全自身。

哲学家阿诺德·格伦指出,人因生理缺陷而成为“有缺陷的存在”,必须通过技术来“解除负担”(Entlastung),以弥补生存劣势。这一过程,贯穿了几百万年的人类进化史:当原始人捡起第一根木棍时,手臂被延伸了;当第一块燧石被打磨成刀斧时,牙齿和指甲被延伸了;当轮子开始转动,双脚被延伸了;当机器开始轰鸣,我们的体力被延伸了。

文明发展的进程,本质上就是不断将生物器官的功能外化为技术工具,从而实现能力指数级增长的历史。很长一段时间里,这种延伸主要局限在物理层面。从第一次工业革命的蒸汽机,到第二次工业革命的电力系统,它们实现了生产社会的巨大变迁,其本质都是人类肌肉力量的倍增器。它们代替我们搬运、捶打、行走,将人类从繁重的体力劳动中解放出来。

但无论机器多么庞大有力,它们始终只是听命于人类大脑的“四肢”。逻辑推理、模式识别、语言生成乃至艺术创作,这些仍被视为人类灵魂的圣殿,是不可被外化的“神性”所在。

直到人工智能出现,界限被打破了。因为它开始切入人类的思维领域。当深度学习与大模型展现出惊人能力时,我们必须承认:这一次,技术延伸的不再是肌肉,而是思想和认知。

相关研究机构的报告也指出了这一趋势:与工业革命不同,生成式AI并没有优先冲击蓝领工作,而是直指那些高学历、高薪资的“知识型工作”。[1]程序员、律师、创意总监,这些曾被认为最安全、最需要智力参与的岗位,如今反而在变革的最前沿。

如果不理解这一层,就无法理解当下整个社会的焦虑。当机器只是肉体的延伸时,人类仍然担当指挥的“大脑”;但当机器开始成为大脑的延伸时,我们不仅感到了主权的丧失,更感到了本体论层面的威胁。

但这种威胁感,很可能源于视角的错位。AI其实更像是人自我锻造的一副智识义肢。如同蒸汽机解放体力一样,AI正在把人类从繁重的记忆检索、枯燥的数据运算和重复的逻辑推演中解放出来,融入我们的认知循环,成为我们的“外脑”。

新的稀缺时代

作为一种延伸,AI首先做到的是对感知能力的放大。

人类的感官极其有限,看不见红外线,听不见次声波,更难在亿万杂乱数据中直观地看出规律。但在科学研究领域,AI对感知能力的放大,已经引发了范式革命。过去是假设驱动,人提出理论假设,再找数据验证。现在是数据驱动,AI能在秒级时间里处理海量数据,筛选异常信号,寻找潜在分子结构。这不仅是计算速度的提升,更像是一种高维直觉的赋予。

这种延伸也触碰到人类最敏感的神经:创造力。

生成式AI的爆发,让许多艺术创作者恐慌。但如果将AI视为人的延伸,我们将看到另一番景象。

在传统创作中,从意念产生到作品面世,中间相隔着巨大的鸿沟。虽然你的脑中有一副宏大的史诗画面,但你的手只能画出火柴人;你心中有一段激昂的旋律,但你不懂乐理。这种手不应心的痛苦,限制了绝大多数人表达自我。而AI填平了这道鸿沟,它成为我们想象力的外骨骼。

正如我们在《人应成为AI发展的尺度》一文中所提到的,AI正在将人类带入一个“智力即服务”(Intelligence as a Service)的时代。[2]过去,精湛的写作、绘画或逻辑分析能力,是一种稀缺且昂贵的技能,需要长期的教育投入。而AI的出现,正在将这些曾经稀缺的能力,以极低的边际成本向全社会供给。

这同时意味着,创作的重心发生了根本性的转移,即从“技法”转移到“想法”。

旧范式推崇工匠精神中的技法磨练:谁画得更像、谁算得更准、谁记得更牢。但在AI时代,这些执行层的能力正变得廉价且唾手可得。人类的核心竞争力,被迫向更上游迁移。创作的重心从“技法”转移到了“想法”,工作的重心也从“如何做”(How)转移到了“为什么做”(Why)。

我们不妨将这种趋势总结为:执行力的拜物教倒塌,人类社会开始转向对判断力的追求。

这正是新型“技能伙伴关系”(Skill Partnerships)的本质。AI负责生成无数种可能性,负责发散,负责提供“标准化的卓越”;而人类负责收敛,负责从海量方案中挑选出最击中人心的那一个。

在这个时候,人类的审美与品位,判断力和提出好问题的能力,成为了新的稀缺资源。AI是最好的参谋和副手,但它无法取代人类在复杂情境下的最终拍板。

“聪明”也被重新定义了。以前聪明意味着记忆力好、算得快、博学多才。但在今天,新时代的“聪明”取决于一个人调用外部智力资源的能力。“AI 流利度”(AI fluency)正在成为现代人的第一基础技能。它不是要求你学会写复杂的代码,而是指你能够理解AI的逻辑,懂得如何向它提问,指挥智能体协同工作。

人类的能力边界,不再由颅骨的大小决定,而由他所能连接智能体的广度和深度所决定。

当边界消失,何以为人?

不可否认的是,任何延伸都有代价。马歇尔·麦克卢汉曾经警示:“媒介是人的延伸,每一种延伸也是一种截除。”

当我们发明了汽车,我们的行走能力就相对退化了;当我们习惯于使用GPS,我们的空间记忆能力难免发生萎缩。因此,将AI视为延伸,必须伴随着一种主动的认知训练。这不仅是为了保持我们驾驭工具的能力,更是为了在与AI的对视中看清自己。

这引出了一个至关重要的视角:AI不仅是向外延伸的工具,更是向内审视的媒介。正如中国人民大学彭兰教授所指出的,智能机器是人类的一面镜子。[3]它在侧面反应现实世界、帮助人类洞察深层认知规律,同时也映照出了复杂的人与人类生态,以及人类的局限。

这面镜子并不总是温情脉脉的。AI是人的延伸,是人类文明数据的结晶,那么人类社会中根深蒂固的偏见、刻板印象与歧视,也必然会被“延伸”进算法的黑箱之中。

大数据通过海量的数据,学习人类的语言与知识,究其本质,这实际上是在对人类文明进行一次全景扫描。这些智能系统如镜子般地反应着人类的认知习惯与文化积淀,这其中,既包含着我们引以为傲的智慧和创造力,也相当诚实地,复刻了我们的偏见、刻板印象和思维盲区。在这面镜子前,人类的缺点无从遁形。如果不对其加以干预,这种技术性的延伸极有可能演变成一种“恶的放大”。

AI是人的延伸,这最终意味着,我们不仅要对延伸出的能力负责,更要对延伸出的价值观负责。

在这一刻,我们必须确立一个核心原则:人应当成为AI的尺度。

如果说AI是人类能力的无限延伸,那么人类的良知与伦理就必须是这无限延伸的“锚点”。在人与AI的协作中,人类不能放弃主导权,更不能放弃定义“什么是好”、“什么是善”的权力。做好AI的价值对齐(Value Alignment),本质上就是用人类的尺度去校准机器的行为。

当我们说“人是AI的尺度”时,我们指的是哪一个“人”?

这恰恰是人本主义最根本的冲突与局限。我们习惯于人类中心主义的傲慢,试图用一个普世的“人的尺度”去丈量技术。然而,在后人类技术面前,我们发现“人”并不是一个稳定的定义,而是一个极其离散、多变且充满缺陷的群体。

如果没有对此保持警惕,所谓“以人为本”的尺度,极易异化为“以特定群体为本”。在这个时候,AI就不再是全人类的延伸,而会成为特定偏见的放大器。

这构成了当前AI价值对齐最棘手的部分:技术上的对齐是可行的,我们有一系列算法可以让模型听话;但价值观上的对齐是困难的——我们要模型对齐哪一种尺度?对齐哪一个国家的价值观?

人类有无数种价值观,就可能有无数种尺度。试图找到一个让所有人都同意的尺度,几乎是一种奢望。然而,即便我们是个体离散、充满缺陷的群体,在人类主体性和整体性意义上,依然存在一些具有普适性的原则——比如对生命的尊重、对尊严的捍卫。

因此,确立“人是AI的尺度”,并非意味着我们已经拥有了完美的标尺,而是一个持续不断的、动态校准的过程。做好AI的价值对齐,本质上就是在混乱与多元中,艰难地寻找人类伦理的最大公约数。

我们需要确保AI这个“强大的义肢”,是朝着符合人类整体福祉、公平与正义的方向延伸。

人性是最后的壁垒

更为关键的问题是,如果AI可以延伸我们的视力、听力、记忆甚至是创造力,那有没有什么是绝对不可延伸的?这个问题的答案,构成了人性最后的壁垒,也定义了“人之为人”的本质。

答案,可能就是人性。

机器可以模拟情感,但它没有痛感,没有负罪感,没有表达的欲望,也没有非理性的冲动。人性中的闪光和缺憾,那种在矛盾中挣扎的复杂内心,显然是无法被编码的,更无法通过数据集的喂养和训练,传递给AI。

作为人的延伸,AI越是强大,就越反衬出“目的”的重要性。AI擅长解决How(怎么做),但只有人类能决定Why(为什么做)和What(做什么)。

在一个答案唾手可得的时代,提出好问题的能力,变得比回答更重要。在一个算力过剩的时代,感性和同理心,变得比智商更珍贵。

最终,我们站在一个临界点上。AI这面镜子,照出人类思维中的模式与局限,逼迫我们直面人性的真实。

最大的障碍或许从来都不是技术,而是心态。我们需要警惕自身的人类中心主义思维,有意识地让Ego退位。

如果不剔除潜意识里对AI“工具化的鄙夷”,我们就无法真正拓宽与AI合作的可能性。未来的理想图景,不是人高高在上地奴役机器,也不是人被机器同化,而是一种平等的共生关系:“人+AI”大于“人”。

在这种关系中,技术负责拓展边界,接手繁琐、复杂、计算密集的任务,而人类负责固守核心与方向,将精力投注于那些需要温度、需要伦理判断和深度连接的领域。

AI作为人的延伸,其终点不是让我们变得像机器一样冰冷精确,而是为了让我们从工具人的状态中回归。当我们不再需要像机器一样记忆和计算时,终于可以尝试着,像一个真正的人那样,去思考爱、正义和永恒。

这才是技术进化的终极目的。

参考文献:

[1]McKinsey Global Institute:Agents,robots,and us:Skill partnerships in the age of AI,November25,2025,https://www.mckinsey.com/mgi/our-research/agents-robots-and-us-skill-partnerships-in-the-age-of-ai

[2]司晓、王焕超:《人应成为AI发展的尺度》,《瞭望新闻周刊》,2025年第46期;

[3]彭兰:《“镜子”与“他者”:智能机器与人类关系之考辨》,《新闻大学》,2024年第3期。

作者:司 晓 腾讯研究院院长 王焕超 腾讯研究院高级研究员

本文由人人都是产品经理作者【腾讯研究院】,微信公众号:【腾讯研究院】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。