进入“双智能”时代，我们该如何与AI相处？

从三百多万年前的第一块石器，到今天的生成式模型，工具始终是身体的延伸。当机器不仅能执行，还能生成与判断，“双智能”就不再是科幻修辞，而是正在发生的工作现实：人类智能与机器智能共同进入决策、创作与生产流程。腾讯研究院相关文章指出，告别“人类世”，并不意味着告别人的时代；真正的问题是人类如何在混合思维系统中守住主体性。围绕这一判断，近期几组新闻提供了可观察的切口。

从第一块石器到生成式模型，工具正在长出“第二颗大脑”

J.C.R.利克莱德在1960年提出“人机共生”，设想人与计算机形成紧密协作关系。六十多年后，生成式AI把这种设想推向新阶段：机器不再只是被动执行指令，而是能参与写作、编程、图像生成、数据分析，甚至提出假设。

这带来一个关键变化：人与AI的关系不再是“人操作工具”，而更像“人训练协作者、协作者反过来塑造人的工作方式”。

• 在创作场景，AI可以快速生成初稿，但审美判断、价值取舍仍由人完成。
• 在科研场景，AI开始探索数学问题、辅助验证猜想，但问题定义与结果解释离不开研究者。
• 在组织场景，AI进入流程后，岗位能力要求随之变化，产品经理、工程师、管理者都需要重新理解“什么问题该交给AI”。

“双智能”不是机器替代人，也不是人依附机器，而是人类智能与机器智能形成混合系统。问题在于，这个系统由谁设定目标、由谁承担后果、由谁保留最终判断权。

加拿大与德国投资LawZero，给自主AI先装“法律护栏”

安全与自主可控正在成为国际竞争与合作的新议题。参考资料显示，加拿大创新、科学与经济发展部与德国共同投资LawZero，探索安全与自主可控人工智能的新路径。这一动作释放的信号很明确：AI治理不能等系统大规模部署后再补课，安全研究需要前置。

与此同时，CNN商业频道报道“人工智能教父”对超级智能AI的生存路径作出警示。相关讨论的核心并不是人类能否在算力上跑赢机器，而是能否建立可协作、可约束、可审计的共存框架。

对普通用户而言，这些宏观治理议题并不遥远。它们会落到具体产品上：

1. 模型是否允许第三方智能体直接操作用户本地文件？
2. AI生成内容是否可追溯、可解释、可纠错？
3. 当AI参与医疗、金融、教育等高风险决策时，责任如何划分？
4. 企业部署AI时，是否设置了人工复核与退出机制？

“与AI相处”的第一条规则，不是学会更多提示词，而是承认AI需要规则。安全护栏越清晰，人机协作才越可持续。

强化学习之父泼冷水：大模型不是终点，共生才是

在Dwarkesh Podcast访谈中，Richard Sutton对当前大语言模型路线提出尖锐批评，认为LLMs可能是死胡同。作为强化学习领域的重要人物，他的判断提醒业界：能生成流畅文本，不等于拥有持续学习、环境交互与自主规划能力。

这并不意味大模型毫无价值，而是说明“双智能”不能建立在单一路线上。人类需要与AI相处，也需要允许AI技术路线竞争、试错和迭代。

• 如果AI只会从海量文本中预测下一个词，它可能擅长表达，却不擅长在真实环境中行动。
• 如果AI具备持续学习和智能体能力，它又会对安全、隐私与责任提出更高要求。
• 如果企业只追逐模型参数和榜单，忽视组织流程与人的能力建设，AI投入很容易变成“演示很热闹，落地很有限”。

Sutton的“泼冷水”与LawZero的“装护栏”看似方向不同，实则指向同一件事：AI越强，越不能只靠单点技术乐观主义。人机共生需要技术路线、治理机制与人的判断力同步进化。

Adobe把城门打开，第三方智能体走进本地工作流

Adobe Creative Cloud向第三方智能体开放，是一个值得注意的产品信号。用户不必局限于Adobe自己的AI助手，还可以通过MCP调用OpenAI、谷歌、Anthropic等公司的AI智能体，直接在本地操作Photoshop、Illustrator、Premiere和After Effects，修改保存在用户电脑上的原生项目文件。

这意味着AI正在从“聊天窗口”走进“工作现场”。过去，用户需要把素材上传到某个平台，再让AI处理；现在，智能体可以进入本地软件，直接改动项目文件。效率提升之外，权限、版本、误操作与数据安全的问题也随之放大。

对创作者和企业来说，需要建立新的协作习惯：

• 给AI智能体划定可操作目录，避免其接触敏感项目。
• 保留版本记录，确保AI修改可回滚、可对比。
• 对关键设计决策设置人工确认，不让智能体“一路自动执行”。
• 明确第三方智能体的数据访问边界，防止本地文件被不当调用。

Adobe的开放姿态说明，未来软件竞争不只是功能竞争，也是智能体入口竞争。谁能管好AI在本地工作流中的权限，谁才真正拥有“与AI共处”的能力。

从Figure夜班管理员到大学课堂，AI已在重写岗位与作业

AI对岗位的影响，往往先以“新工种”而不是“直接替代”的形式出现。Figure AI招聘夜班管理员照看人形机器人，时薪最高45美元，负责夜间监督机器人运行，还需搬运50磅设备。这个岗位说明，机器人越自主，越需要人类在异常处理、安全值守和现场协调上补位。

西门子CEO博乐仁的判断更直接：AI不会取代人类，但会用AI的人可能取代不会用AI的人。这句话的重点不是制造焦虑，而是指出能力结构正在变化。重复性体力劳动和部分标准化脑力劳动会被自动化，创造力、工程基础、跨学科判断与人机协作能力会变得更值钱。

教育场景同样在震荡。有大学生吐槽“AI正在毁掉我的计算机学位”：作业量暴涨3倍，老师用AI出题，学生却成了“小白鼠”。当AI能替学生写代码、替老师出作业，大学究竟应该教什么？答案可能不是禁止AI，而是重新设计评价方式：过程记录、口头答辩、项目复盘、AI使用声明，都可能成为新的教学基础设施。

在心理学、神经科学与哲学伦理层面，生成式AI还在推动“双智能系统”讨论：机器能否帮助人类突破认知边界？延展心智形成后，人的本质与道德主体性如何界定？这些问题没有现成答案，但已经进入实验室、课堂和产品设计。

与AI相处的关键，不是把AI当神，也不是把AI当奴，而是把它当作需要规则、训练、审计和人工复核的协作者。人类要守住目标设定权、价值判断权和最终责任，同时学会把可标准化的任务交给机器。双智能时代真正的门槛，可能不是谁更会写提示词，而是谁能在效率与主体性之间建立可持续的协作秩序。

参考资料：加拿大创新、科学与经济发展部关于加拿大与德国投资LawZero的资料；CNN商业频道对“人工智能教父”的报道；Dwarkesh Podcast对Richard Sutton的访谈；腾讯研究院《进入“双智能”时代，我们该如何与AI相处？》；IT之家关于Adobe Creative Cloud向第三方智能体开放的报道；西门子CEO博乐仁相关观点；Figure AI招聘信息；36氪及公开报道中关于大学生AI作业、AI数学探索等内容。