鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

陈天桥:迎接人类进化的大航海时代

编程导航
编程导航
2026-01-11 12:30
阅读 115
编程导航
2026-01-11 12:30
阅读 115

盛大集团创始人、董事长兼CEO,天桥脑科学研究院创始人 陈天桥

盛大集团创始人、董事长兼CEO,天桥脑科学研究院创始人 陈天桥

钛媒体注:以大航海为喻,盛大集团、天桥脑科学研究院创始人陈天桥提出,人类正处于生物增强的“新航海时代”,须从“治疗范式”转向“进化范式”,并呼吁建立包含探索者、资本与法规的治理体系,以及可治理、可协作、可追责的制度框架,以应对AI时代的文明挑战。

1492 年,哥伦布从深蓝的尽头带回的,并不只是几座海岛的黄金,而是一种足以震碎旧世界秩序的文明能力:人类开始学会用一种新的方式面对未知,从那时候起“走得更远”变成一个可复制的社会工程。在随后的一个世纪里,人类发明并磨合出一整套把风险组织化、把未知标准化的制度底座:投资让冒险获得燃料,保险让灾难被定价,会计让远征可审计,航海宪章让权责可交付,地图与测量让世界可记录,港口与补给链让扩张可持续。从此,探索不再依赖英雄的胆量,而依赖一套可协作、可融资、可分工、可复盘的机器:把不确定性从运气,变成了工程。

而今天,我们正站在一个同等量级的节点上。新的边界不再是海平线之外,而是在我们自身的生物学之内。过去一百年,人类在生物领域的治理逻辑,几乎默认锚定在一个单一以防御为目标的正当性上:治疗。我把它称为“医疗范式”。在这个范式里,干预的合法性往往需要以“疾病”作为通行证:你生病了,修补是道德的;你健康,任何更靠近“增强”“延寿”“脑功能优化”的尝试,就会立刻触发一整套悬而未决的治理难题——证据标准如何设定、责任边界如何归属、长期风险如何分摊、退出机制如何执行,尤其是群体公平如何被保护。于是监管会本能地收紧,伦理会本能地警惕——不是因为增强必然邪恶,而是因为我们缺少一套能让增强也像航海一样被安全治理的制度结构:可测量、可审计、可撤回、可追责。

这本质上是一道无形的“生物禁海令”。就像大航海时代之前的旧帝国:担心远航扰乱内部秩序,于是宁愿片板不得下海。我们把门关得更紧,把“没有疾病”狭义地等同于“健康”,以为这样就能安全。但这种安全,往往只是一种停滞的幻觉,因为禁海令之所以看似合理,是因为它建立在一个隐含假设之上:海的那头并不存在更强的海权。

然而,人工智能的爆发正在彻底终结这个假设。我们必须诚实地面对一个现实:AI 像一种外来物种进入了我们的生态位竞争。它没有肉体的束缚,拥有更快的迭代速度、更广的认知带宽,以及近似永生的积累优势。更关键的是,它正在把大量“认知劳动”的边际价值压到接近零——于是,人类社会关于意义、地位与资源的分配逻辑,会被迫重写。

在这样的对手面前,人类真正的短板不在某一项技能,而在碳基个体的上限:寿命、带宽、健康跨度决定了学习—积累—判断的时间尺度。我们拼命奔跑,可能只是为了不被AI拉开距离。若我们仍把生物学仅仅当作“维修部”,把增强当作禁区,那么所谓“守住伦理”,很可能只是用旧武器维护旧主权:坚船利炮已经出现在地平线上,而我们还坚持用大刀长矛守港口。不出海,大英帝国就无法统治世界;不进化,AI Native 时代的主权将与人类无缘。保持现状不再是避风港,而可能是最大的风险。

所以,我们是否需要一次彻底的范式转移:从单纯的“治病”,转向真正的“进化”?

但必须立刻声明的是:人类进化的航道同样充满危险。我们需要的不是鲁莽的个人冒险(biohacker),而是复兴大航海时代那套真正改变历史的“发现机制”——把探索从个人赌命,升级为文明协作;把未知从禁区,变成可治理的工程对象。

这套机制至少需要三类角色:

第一类是领航者和水手:用肉身去测绘边界的人。

他们不是实验室里的耗材,而应当被理解为大航海时代的水手与测绘师:在船长(科学家、医生、工程师)带领下进入前沿试验,把未知的深海变成可读的海图。他们用自身承担的风险,换取全人类的路径信息——哪里有暗礁,哪里有洋流,哪里值得登陆,哪里必须绕行。这样的探索者不该被视为怪物,更不该被道德羞辱;他们是文明的测绘队。我们必须为他们设计一整套制度性保障:医疗支持、长期随访、退出权、风险补偿与收益分享,让“探险”不再是被迫的牺牲,而是被尊重、可追溯、可兑现的贡献。

第二类是投资者与承保者:把风险分摊成可承受的人。

大航海的兴起靠的不是勇气本身,而是勇气背后的金融与制度:资本、保险、合伙制、失败的可承受性。今天的资本不该只盯着下个季度可兑现的流量算法,而应支持那些能提升人类能级、却必然伴随高失败率的尝试。我们需要真正的“探索承保体系”:失败补偿基金、分层风险池、长期责任保险、不可预期损害的托底机制——让探索从个人孤注一掷,变成一次代价可分摊、风险可对冲的文明协同。

第三类是立法者:写下航海宪章的人。

他们不是来堵死航道,而是来划定红线、定义责任、建立可审计的秩序。我主张的不是“放开一切”,而是“把进化变成可治理的工程”。宪章至少应确立四条硬规则:

其一,人格连续性与责任连续性:无论技术如何增强,都必须保留“承担者”的连续存在,不能用技术抹掉后悔、逃避责任、删除情感,让人从主体退化为工具。

其二,代价真实性与外部性约束:收益不能以无辜者承担代价为前提;不允许把风险外包给弱者,把红利固化为阶级壁垒。进化航道必须多元开放,否则所谓“增强”只会成为阶层固化的新铠甲。

其三,可逆性优先:优先允许可退出、可撤回、可修复的干预;对不可逆改造设置更高门槛与更严监管。

其四,信息强制公开化:风险之所以能被组织化,正因为信息能够被公共化、被审计、被复用:测量—记录—定价—协作—复盘,缺一不可。

当然,在这场生物深海的探索中,技术推动是必要条件,就像大航海时代对船体、火炮、经纬度与导航学的革命一样。而在今天,最关键的推进器之一,恰恰是人工智能本身。

但我这里所说的人工智能,并不是人们熟悉的那种“生成式 AI”——它们更多在既有知识库里写诗作画、回答问题、做家务、上流水线,争夺的是当下的人类岗位与机会。真正配得上“航海推进器”的智能,应该像科学家一样在未知的数据海洋里完成三件事:提出可证伪的假设、进行逻辑查证、完成因果推演。它应当帮助探险队在茫茫基因组、代谢通路、分子相互作用与临床现象之间,锁定可能的“新大陆航道”:线粒体的能量秘密、细胞衰老背后的代谢黑箱、免疫系统的误判机制、材料与能源的极限边界……它不是来替代人类意义,而是来扩展人类可以承担意义的空间——让“承担”有更长的寿命、更宽的带宽、更稳定的健康跨度作为底座。

“我选择,我承担。”这不仅是一句个人信条,更是人类作为一个物种必须具备的文明勇气:当外部海权已至,我们不能用停滞换取短暂的伦理宁静;我们需要用制度把冒险变得可治理,用数据集把失败变得可复用,用宪章把红线变得可执行。我们的这具肉体,不应只是等待被维修的旧零件,它应当是一艘正待起航的旗舰。我们应该重新唤醒探索精神,配上保险,写下宪章,扬起发现式智能的风帆——我们终将找到那片“新大陆”:让碳基生命在保持其独特人性与责任的前提下,拥有与硅基智能并肩而行的未来主权。

关注陈天桥个人博客 https://chennative.ai/,在这里你可以看到更多他对AI时代人类未来的深度思考。

原文链接: 陈天桥:迎接人类进化的大航海时代
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230