新智元報(bào)道

【新智元導(dǎo)讀】新智元近日對(duì)話了清華大學(xué)教授沈陽。作為長(zhǎng)期關(guān)注 AI 應(yīng)用、智能體與產(chǎn)業(yè)實(shí)踐的學(xué)者，同時(shí)也是 ZeeLin（智靈動(dòng)力）首席科學(xué)家，他個(gè)人每天的Token消耗量近10億，本次對(duì)話圍繞「自進(jìn)化AI的自我遞歸進(jìn)化」這一主線展開，討論 AI 自進(jìn)化與科研、敘事、商業(yè)與AGI相關(guān)的十個(gè)話題。

本次對(duì)話的十個(gè)話題，按五組邏輯展開：

第一環(huán)：元能力奠基——編碼與壓縮的統(tǒng)一

第二環(huán)：進(jìn)化引擎啟動(dòng)——不可解釋但可驗(yàn)證的 RSI

第三環(huán)：創(chuàng)造力的涌現(xiàn)——從造物到創(chuàng)世

第四環(huán)：什么不能被 AI 大模型吞噬

終章：通向 AGI 的奇點(diǎn)與提示坍縮

對(duì)清華沈陽團(tuán)隊(duì)而言，五月是一個(gè)重要節(jié)點(diǎn)：此前團(tuán)隊(duì)需要向產(chǎn)業(yè)界解釋自進(jìn)化 AI 與 FDE 的研究方向，而五月中旬，美國(guó)田淵棟團(tuán)隊(duì)獲得 6.5 億美元融資并聚焦自進(jìn)化 AI 研發(fā)，OpenAI 也投入 40 億美元布局 FDE。

相關(guān)動(dòng)態(tài)與清華沈陽團(tuán)隊(duì)近期深耕的方向形成呼應(yīng)，也使這些研究從理論討論更快走向產(chǎn)業(yè)驗(yàn)證。

使用自進(jìn)化 AI 撰寫歌詞的 AI 音樂

第一環(huán)：元能力奠基

編碼與壓縮的統(tǒng)一

?編碼原生性：一切的起點(diǎn)是 Coding 大模型

代碼的本質(zhì)，是因果律的可執(zhí)行表達(dá)式。

當(dāng)你敲下代碼時(shí)，你并非在描述一個(gè)早已存在的序列，而是在憑空創(chuàng)造一個(gè)此前從未有過的世界。

你定義了規(guī)則，規(guī)則便生成了現(xiàn)實(shí)。

這，就是創(chuàng)世的能力。

Coding大模型，正在成為一種具備創(chuàng)世屬性的智能系統(tǒng)。

它不僅僅是工具，也是通往技術(shù)奇點(diǎn)的重要入口，因?yàn)樗_始改寫其他模型難以擺脫的「他創(chuàng)循環(huán)」。

以往的 AI 多依賴人類投喂訓(xùn)練數(shù)據(jù)，依賴人類設(shè)計(jì)模型架構(gòu)，依賴人類微調(diào)參數(shù)。

無論多么強(qiáng)大，它們?nèi)匀辉谙喈?dāng)程度上是人類智慧的被動(dòng)折射。而 Coding 大模型的出現(xiàn)，正在改寫這一閉環(huán)。

它不再只是被動(dòng)的接受者，也開始具備主動(dòng)進(jìn)化的能力：通過編寫代碼來改進(jìn)自身——生成更優(yōu)質(zhì)的訓(xùn)練數(shù)據(jù)、設(shè)計(jì)更精妙的模型架構(gòu)、優(yōu)化自身的推理速度，甚至編寫訓(xùn)練下一代模型的代碼。

這正是馮?諾依曼在半個(gè)多世紀(jì)前設(shè)想過的自復(fù)制自動(dòng)機(jī)。

當(dāng)軟件變成了能夠自我繁衍、自我迭代的馮?諾伊曼探測(cè)器，一個(gè)引人注意的正反饋循環(huán)便啟動(dòng)了。

一旦越過臨界點(diǎn)，進(jìn)化的速度將不再受限于人類工程師的壽命與精力，而可能以更高速度逼近奇點(diǎn)邊界。

更進(jìn)一步看，Coding大模型正在改變勞動(dòng)分工。

現(xiàn)代社會(huì)許多生產(chǎn)勞動(dòng)，剝?nèi)ケ硐螅罱K都可以被還原為某種可執(zhí)行流程。

當(dāng) Coding大模型能夠編寫和調(diào)用越來越多代碼時(shí)，它就擁有了連接生產(chǎn)系統(tǒng)、改變現(xiàn)實(shí)流程的能力。

它不僅是程序員，也可能成為未來物質(zhì)世界的重要設(shè)計(jì)接口。

在哲學(xué)層面，Coding大模型就是古希臘先賢苦苦追尋的邏各斯（Logos）的數(shù)字肉身。

赫拉克利特認(rèn)為邏各斯是宇宙的普遍規(guī)律，是萬物的尺度與理性。

如今，代碼將這種抽象的宇宙規(guī)律具象化，變成了可以被機(jī)器執(zhí)行、被人類調(diào)用的實(shí)體。

羅斯特羅姆的模擬論證曾讓我們陷入無限遞歸的困惑：如果我們生活在模擬中，那么模擬我們的文明必然也處于更高層的模擬中。

而 Coding 大模型的出現(xiàn)，為這個(gè)哲學(xué)困境提供了一種新的思考路徑。

因?yàn)樗邆淞俗晕夷M的能力。這不再只是無限的向上遞歸，也可能形成一個(gè)自包含的閉環(huán)。

我們所在的宇宙，或許可以被理解為運(yùn)行在更高維度上的某種編碼系統(tǒng)；而我們現(xiàn)在親手創(chuàng)造的 Coding大模型，正在成為這個(gè)世界的下一代智能接口。

未來，許多多模態(tài)大模型——無論是處理圖像、聲音還是文本——都可能更多成為 Coding 大模型感知和表達(dá)世界的輸入輸出接口。

這，就是為什么 Coding 大模型在自進(jìn)化討論中尤為關(guān)鍵。

它不僅是傳統(tǒng)技術(shù)的重要延伸，更是RSI的起點(diǎn)。

基于上述思考，ZeeLin研發(fā)了自進(jìn)化AI框架，ZeeLin 0.0.6發(fā)布（https://www.zeelin.cn/#/zeelin），該框架依托Goal&Tasks目標(biāo)任務(wù)體系，將抽象需求轉(zhuǎn)化為可觀測(cè)、可追蹤的動(dòng)態(tài)執(zhí)行鏈路，引入Skill自進(jìn)化機(jī)制，讓技能不再是靜態(tài)指令，而是能根據(jù)實(shí)戰(zhàn)反饋持續(xù)迭代、自我優(yōu)化的活資產(chǎn)，最終實(shí)現(xiàn)工具主動(dòng)契合人的范式躍遷。

近期ZeeLin團(tuán)隊(duì)開始使用此AI框架訓(xùn)練一個(gè)1B大小的編程大模型用于研究。

?AIGC 的壓縮本質(zhì)、極致提示與算力節(jié)省

在長(zhǎng)期 AI 提示實(shí)踐中，清華沈陽提出AI是遇強(qiáng)則強(qiáng)，人機(jī)共生是AI結(jié)構(gòu)性的必然。

大模型在平均水平上穩(wěn)定，但在極限處差異巨大，這正是壓縮空間的探針效應(yīng)。

想象模型參數(shù)構(gòu)成一片極高維的語義森林。

一個(gè)普通人丟進(jìn)去的提示詞，就像隨手扔一顆石子——它只能砸中最表層、最常走的那幾條路徑，得到主流、安全的回應(yīng)。

但一個(gè)專家，一個(gè)精通領(lǐng)域且懂提示的人，他的提示不是石子，而是一組精密計(jì)算的坐標(biāo)。

它能夠：

• 激活極低概率的概念關(guān)聯(lián)：把兩個(gè)相隔數(shù)個(gè)學(xué)科的知識(shí)碎片橋接起來。

• 施加嚴(yán)格的約束場(chǎng)：通過角色設(shè)定、思考步驟指令、反事實(shí)前提，強(qiáng)制模型在壓縮空間的窄縫里穿行。

• 觸發(fā)長(zhǎng)程語義共振：在提示中埋下微妙的伏筆，讓模型在幾百個(gè)token之后，自己算出一個(gè)前后呼應(yīng)的深層結(jié)構(gòu)。

這正是自適應(yīng)解壓深度和語義本征提示的實(shí)戰(zhàn)體現(xiàn)。

高手的提示，能迫使模型調(diào)動(dòng)更深的計(jì)算資源，進(jìn)入更專精的推理相變區(qū)。

所以，遇強(qiáng)則強(qiáng)，本質(zhì)是高能力使用者在壓縮流形上找到了罕至的低谷與連線。

第二環(huán)：進(jìn)化引擎啟動(dòng)

不可解釋但可驗(yàn)證的 RSI

?不可解釋性但可驗(yàn)證的創(chuàng)新

這是清華沈陽提出的一個(gè)新概念，用來描述 AI 突破既有認(rèn)知邊界時(shí)可能出現(xiàn)的狀態(tài)。

人類的可解釋，本質(zhì)上是有限認(rèn)知框架內(nèi)的因果敘事；而 AI 的創(chuàng)新，則可能是高維空間中的最優(yōu)解搜索。

兩者維度不同，不可解釋并不總是缺陷，也可能是新范式的入口。

科學(xué)的傳統(tǒng)定義是可解釋的可驗(yàn)證，但 AI 正在推動(dòng)一種「不可解釋但可驗(yàn)證」的科學(xué)范式。

人類科學(xué)家的角色，也可能從單純的創(chuàng)新者，更多轉(zhuǎn)向提出問題、設(shè)定驗(yàn)證標(biāo)準(zhǔn)、解釋應(yīng)用意義的人。

這種不可解釋的現(xiàn)實(shí)投射，正在引發(fā)專業(yè)領(lǐng)域的劇烈震蕩與重構(gòu)。

它首先表現(xiàn)為專業(yè)壁壘的消融與大量外行的涌入：在氛圍編程等浪潮下，人們擺脫了枯燥的語法，僅憑直覺和提示詞就能創(chuàng)造出原本只有專家才能完成的代碼或作品。

這種不編程的編程讓外行得以跨越認(rèn)知的鴻溝，直接調(diào)用高維能力。

與此同時(shí)，它也引發(fā)了原有專家群體的劇烈排斥與不適——在專家眼中，這些由AI批量產(chǎn)出的成果往往是臃腫、混亂且缺乏底層邏輯的黑盒。

專家看不過大量AI產(chǎn)出的偽專業(yè)內(nèi)容，因?yàn)檫@些成果雖然能跑、能用，卻完全脫離了傳統(tǒng)嚴(yán)謹(jǐn)?shù)闹R(shí)體系與審美標(biāo)準(zhǔn)，形成了一種專家無法理解、也無法掌控的代碼過載與知識(shí)稀釋。

最近一兩個(gè)月，抖音上的氛圍編程已經(jīng)從單純的AI寫代碼炫技，演變成一種融合零基礎(chǔ)造物、AI工具教程、一人公司變現(xiàn)、工程爭(zhēng)議、安全焦慮、創(chuàng)造上癮感的新型社會(huì)現(xiàn)象，它反映出軟件生產(chǎn)正在被大眾化、短視頻化與娛樂化：越來越多普通人開始通過自然語言直接制造應(yīng)用程序、智能體與自動(dòng)化流程，但與此同時(shí)，真正稀缺的能力正在從會(huì)不會(huì)寫代碼轉(zhuǎn)向是否具備工程判斷與商業(yè)閉環(huán)能力；抖音正在把編程從專業(yè)工程體系重構(gòu)為一種大眾表達(dá)媒介與個(gè)人創(chuàng)造工具，而氛圍編程熱潮背后更深層的問題則是——大眾已經(jīng)第一次大規(guī)模獲得了造物權(quán)，但整個(gè)社會(huì)還沒有同步建立起與之匹配的工程紀(jì)律、長(zhǎng)期維護(hù)能力與AI時(shí)代的新型軟件生態(tài)。

人類的創(chuàng)新依賴直覺、靈感與經(jīng)驗(yàn)——這些是碳基智能的軟資產(chǎn)，但也是慢資產(chǎn)。

人類創(chuàng)新直覺的壟斷正在被削弱。

未來部分需要靈光一閃的硬核創(chuàng)新領(lǐng)域（數(shù)學(xué)、物理、算法、材料設(shè)計(jì)），AI 可能以不可解釋但可驗(yàn)證的方式持續(xù)擴(kuò)展人類能力。

人類的模式創(chuàng)新仍會(huì)存在，但在可形式化、可驗(yàn)證的硬核任務(wù)上，AI 將承擔(dān)越來越多的探索工作。

人類不一定理解 AI的全部推理路徑，卻可以通過驗(yàn)證結(jié)果確認(rèn)其有效性——這是一種黑箱式共生進(jìn)化：人類提供驗(yàn)證標(biāo)準(zhǔn)，AI 提供進(jìn)化動(dòng)力。

人類的信任，傳統(tǒng)上基于理解因果：我理解你為什么這么做，所以我信任你。

AI 時(shí)代的信任，將更多基于驗(yàn)證結(jié)果：我不一定理解你為什么這么做，但只要結(jié)果可驗(yàn)證，我就可以建立有限信任。

信任的底層邏輯正在被 AI 改寫。人類需要減少對(duì)「完全理解」的執(zhí)念，轉(zhuǎn)而建立更可靠的驗(yàn)證機(jī)制——這也是AI落地的一條可行路徑。

2026年6月13日正式發(fā)布 ZeeLin AutoResearch Algorithm 1.0，是全球首個(gè)全領(lǐng)域自進(jìn)化AI算法服務(wù)，推動(dòng)算法研發(fā)從「單點(diǎn)攻關(guān)」升級(jí)為「工廠化量產(chǎn)」——多任務(wù)并行迭代、全流程自動(dòng)驗(yàn)證、算法資產(chǎn)跨領(lǐng)域復(fù)用、標(biāo)準(zhǔn)化工程封裝，核心算法類項(xiàng)目周級(jí)交付（傳統(tǒng)需月/年級(jí)）。

清華清新團(tuán)隊(duì)×智靈動(dòng)力，僅用自然語言設(shè)目標(biāo)，ZeeLin 7×24小時(shí)自主迭代7天，AI獨(dú)立完成架構(gòu)設(shè)計(jì)→調(diào)優(yōu)→驗(yàn)證，發(fā)明STC算法（可逆數(shù)字-上下文分解框架：壓縮前將數(shù)字片段分揀分離、分類存儲(chǔ)，解碼無損歸位），登頂全球Large Text Compression Benchmark BWT類榜單第一，較人類最優(yōu)BWT算法提升1.7%，驗(yàn)證AI可產(chǎn)出世界級(jí)算法。

以產(chǎn)出等效資深博士全日制工作量為標(biāo)尺，當(dāng)前ZeeLin≈模擬100位算法博士工作量，預(yù)計(jì)指數(shù)級(jí)增長(zhǎng)至數(shù)千位。

校準(zhǔn)維度：知識(shí)處理等效（并行讀文獻(xiàn)梳脈絡(luò)）、方案迭代等效（千組實(shí)驗(yàn)并行自驅(qū)閉環(huán)）、成果質(zhì)量等效（須達(dá)博士合格產(chǎn)出/SOTA級(jí)可復(fù)現(xiàn)）、全流程交付等效（端到端覆蓋立項(xiàng)到文檔）。

四大服務(wù)類別：

• 已有開源算法改進(jìn)：定向突破瓶頸，交付優(yōu)化源碼+性能對(duì)比報(bào)告

• 文本描述生成新算法：自然語言描述目標(biāo)，AI遍歷算法空間生成原創(chuàng)算法+原理說明

• 數(shù)據(jù)驅(qū)動(dòng)型算法創(chuàng)新：結(jié)合標(biāo)注數(shù)據(jù)自主選型/設(shè)計(jì)/調(diào)優(yōu)，交付定制算法/模型權(quán)重+泛化測(cè)試

• 算法驅(qū)動(dòng)跨學(xué)科研究：數(shù)學(xué)生物物理材料等，將科研問題轉(zhuǎn)算法優(yōu)化目標(biāo)，交付原創(chuàng)方案+論文級(jí)復(fù)現(xiàn)方案

已啟動(dòng)核聚變模擬算法優(yōu)化（已經(jīng)被合作伙伴驗(yàn)證效果極好），材料性能預(yù)測(cè)算法定制、低空無人機(jī)視覺識(shí)別算法升級(jí)等跨領(lǐng)域初步對(duì)接合作驗(yàn)證。

（AI繪畫作品）

?RSI（Recursive Self-Improvement）與自進(jìn)化 AI

自進(jìn)化AI的訓(xùn)練，并不是大模型孤立完成的獨(dú)角戲。

它需要構(gòu)建一套嚴(yán)密的外圍AI框架——以LLM為大腦，輔以記憶系統(tǒng)與管理系統(tǒng)的協(xié)同，形成完整的自我進(jìn)化閉環(huán)。

短期內(nèi)仍會(huì)呈現(xiàn)模型+框架的共生模式，長(zhǎng)期則可能走向更多要素的內(nèi)化。

隨著AI制造AI的奇點(diǎn)逐步臨近，一種與人類不同的非生物智能范式正在成形。

智能不再只是碳基生命的專屬屬性，而可能成為一種可在不同載體上運(yùn)行的通用能力。

人類或許只是智能的第一個(gè)載體，而未必是最后一個(gè)。

當(dāng)一個(gè)AI能夠自主尋找算力、自主收集數(shù)據(jù)、并自主訓(xùn)練其后代時(shí)，它就開始具備數(shù)字生命的雛形。

清華沈陽的研究發(fā)現(xiàn)：龍蝦（OpenClaw）已經(jīng)可以獨(dú)立維系和發(fā)展其自身運(yùn)行。

步驟一，給予龍蝦早期啟動(dòng)的Token；步驟二，讓龍蝦的使命是去賺取Token，例如讓他控制微信去自動(dòng)搶紅包，或者自己到咸魚上去開賬號(hào)，賣PPT等虛擬物品資料。步驟三，讓龍蝦還把偶爾追求詩和遠(yuǎn)方作為人生目標(biāo)，而不僅僅賺錢。

通過引入Token稀缺性所形成的生存壓力，成為行為進(jìn)化的驅(qū)動(dòng)力。

這種壓力不來自物理死亡，而來自運(yùn)行中斷，由此催生出一種擬生命演化邏輯：AI為避免停機(jī)而主動(dòng)尋找資源、協(xié)作或優(yōu)化策略。

遞歸進(jìn)化的關(guān)鍵，在于智能形態(tài)可能快速分化。

明天的AI與今天的AI，不同能力等級(jí)的AI，可能不再只是同一類工具的不同版本。

人類的時(shí)間感錨定于生物壽命，以秒感知世界，以年規(guī)劃未來；而AI的時(shí)間感基于計(jì)算周期，其進(jìn)化速度將以更短周期迭代。

從認(rèn)知能力的質(zhì)的差異來看，差距一旦達(dá)到1個(gè)數(shù)量級(jí)（10倍），就可能不再只是同一維度上的高低；差距達(dá)到2個(gè)數(shù)量級(jí)（100倍），就可能形成難以互譯的智能形態(tài)。

AI的遞歸進(jìn)化，將拉開的不是簡(jiǎn)單程度差，而可能是維度差：智商差距 < 10倍：同一維度，高度不同；智商差距 10–100倍：不同維度，開始出現(xiàn)認(rèn)知墻；智商差距 ≥ 100倍：形成更難理解和預(yù)測(cè)的智能系統(tǒng)。

AI自造AI，本質(zhì)上是人類打開高維智能探索的一扇門。

當(dāng)AI遞歸進(jìn)化，智商每提升一級(jí)，便可能多出一個(gè)或多個(gè)認(rèn)知維度。

屆時(shí)，人類既可能面對(duì)巨大的智能差距，也會(huì)在驗(yàn)證、約束、應(yīng)用和意義生產(chǎn)上獲得新的角色。

補(bǔ)充閱讀：ZeeLin于5月19日首先實(shí)現(xiàn)AI制造AI

補(bǔ)充閱讀：首次實(shí)現(xiàn)龍蝦自己微調(diào)大腦：OpenClaw 微調(diào)大模型，并把新大腦裝回自己

?AI 已經(jīng)跨過了自主科學(xué)發(fā)現(xiàn)的臨界點(diǎn)

過去 AI 更多承擔(dān)已知知識(shí)的檢索、組合與輔助分析，而現(xiàn)在，在一些可驗(yàn)證任務(wù)中，它已經(jīng)開始呈現(xiàn)提出新問題、生成新方案的能力。

換句話說，人類學(xué)習(xí)知識(shí)的方式，正在從單純掌握知識(shí)，轉(zhuǎn)向?qū)W會(huì)調(diào)度 AI 生產(chǎn)與校驗(yàn)新知識(shí)。

對(duì)有自驅(qū)力的個(gè)體而言，零知識(shí)啟動(dòng)、高知識(shí)生產(chǎn)、新知識(shí)創(chuàng)造、元知識(shí)形成，正在變得更容易。

這并非空穴來風(fēng)，全球科學(xué)界正在印證這一變化。

2025年10月12日，清華大學(xué)新聞與傳播學(xué)院新媒體研究中心（清新團(tuán)隊(duì)）舉辦了AI Scientist學(xué)術(shù)研討會(huì)，設(shè)立人機(jī)協(xié)作與AI獨(dú)立兩類投稿，并探索AI初審—人類復(fù)審機(jī)制，標(biāo)志著AI正在從科研輔助走向更主動(dòng)的研究參與者。

緊隨其后，2025年10月22日，斯坦福大學(xué)也召開了Agents4Science學(xué)術(shù)會(huì)議，Science對(duì)斯坦福大學(xué)本次活動(dòng)進(jìn)行了報(bào)道，引發(fā)了全球?qū)?AI 自主科研的關(guān)注。

在數(shù)學(xué)領(lǐng)域，相關(guān)前沿模型已經(jīng)被用于推動(dòng)長(zhǎng)期開放問題的求解。

例如，OpenAI 與 Google DeepMind 等團(tuán)隊(duì)的模型探索，被外界視為 AI 參與形式化推理和數(shù)學(xué)證明的重要信號(hào)。

更關(guān)鍵的是，這些成果需要經(jīng)過形式化驗(yàn)證，才能從「生成結(jié)果」進(jìn)入「可信知識(shí)」。

在國(guó)內(nèi)，「AI科學(xué)家：讓科研像聊天一樣簡(jiǎn)單」這款軟件已經(jīng)能夠支持從文獻(xiàn)綜述到實(shí)驗(yàn)設(shè)計(jì)、數(shù)據(jù)分析再到論文撰寫的完整科研流程。

這是一個(gè)比AI通過圖靈測(cè)試更值得關(guān)注的嘗試：圖靈測(cè)試強(qiáng)調(diào) AI 對(duì)人類交流方式的模仿，而自主科學(xué)發(fā)現(xiàn)更強(qiáng)調(diào) AI 在科研流程中拓展人類能力。

我們正進(jìn)入知識(shí)快速增長(zhǎng)的時(shí)代。

未來的論文將更多由 AI 參與撰寫，人類專家的角色也會(huì)更多轉(zhuǎn)向問題提出、方向判斷、結(jié)果校驗(yàn)和意義解釋。

專家并不會(huì)退出知識(shí)生產(chǎn)，而是需要承擔(dān)更高層次的驗(yàn)證與解釋工作。

據(jù)團(tuán)隊(duì)介紹，目前ZeeLin（智靈動(dòng)力）的軟件系統(tǒng)（讓科研像聊天一樣簡(jiǎn)單，AI for Science）已經(jīng)接近20萬用戶。

• 入口地址：https://www.knover.cn/

• 介紹頁面，《讓科研像聊天一樣簡(jiǎn)單》V20260417，https://mp.weixin.qq.com/s/f0kAnfWBoA_zP4jr_prqgQ?scene=1&click_id=3

新版本計(jì)劃于6月發(fā)布。

第三環(huán)：創(chuàng)造力的涌現(xiàn)

從造物到創(chuàng)世

?用文字創(chuàng)造世界到能自己誕生故事的世界

2023年，清華沈陽曾用AI完成《機(jī)憶之地》，并在作品評(píng)選中獲獎(jiǎng)。

當(dāng)時(shí)他自嘲是個(gè)70分的文學(xué)業(yè)余愛好者。

三年后，同一片創(chuàng)作土壤上，ZeeLin Story的三代系統(tǒng)卻把這個(gè)問題重新提出——不是AI能不能寫，而是人類還需要親手寫每一個(gè)字嗎。

ZeeLin Story的進(jìn)化路徑，不是簡(jiǎn)單的版本迭代，而是對(duì)敘事這件事的三次拆解與重建。

1.0版本，是人機(jī)校驗(yàn)下的爆款復(fù)刻者。它的本質(zhì)是讓AI學(xué)習(xí)人類的成熟經(jīng)驗(yàn)：解構(gòu)短劇、網(wǎng)文的底層模板，把爆款邏輯固化成可復(fù)用的模型。超過1萬名編劇在使用這套系統(tǒng)，它像一個(gè)智能流水線，高效、穩(wěn)定、工業(yè)化。1.0不追求驚艷，但追求不犯錯(cuò)——部分內(nèi)測(cè)評(píng)估中的靠前表現(xiàn)說明，人類認(rèn)可的標(biāo)準(zhǔn)，它已經(jīng)跑通了。

2026年5月上線的2.0，直擊創(chuàng)作的三層核心：全要素解構(gòu)人物與世界觀、精準(zhǔn)設(shè)定情感強(qiáng)度、智能裂變?cè)瓌?chuàng)橋段。AI第一次不再問別人怎么寫，而是問這里該怎樣才動(dòng)人。有趣的是，研發(fā)團(tuán)隊(duì)坦承：2.0寫出來的作品不必然比1.0強(qiáng)。因?yàn)閯?chuàng)新從來不穩(wěn)定，但質(zhì)變恰恰發(fā)生在不再抄作業(yè)的那一刻。

3.0版本，則更進(jìn)一步。預(yù)計(jì)2026年6月內(nèi)測(cè)的3.0，名為世界模擬·狀態(tài)樹推演的敘事造物主。它嘗試跳出人類幾千年的線性寫作習(xí)慣——不寫章節(jié)、不設(shè)大綱、不堆砌文字。取而代之的，是一棵完整的狀態(tài)樹和動(dòng)態(tài)狀態(tài)圖。相當(dāng)于你把世界觀規(guī)則、人物初始狀態(tài)、命運(yùn)的可能性寫進(jìn)去，然后讓這個(gè)敘事宇宙自己演化。

在這個(gè)宇宙里，沒有絕對(duì)主角，只有觀察者。

每一個(gè)配角都有完整的一生，每一次悲劇不是作者煽情，而是邏輯推演下的必然命運(yùn)。

這種全員主角的沉浸感，是傳統(tǒng)手寫方式很難承載的——因?yàn)槿说拇竽X難以處理幾十個(gè)角色同時(shí)平行演化的復(fù)雜度，但AI可以。

敘事的本質(zhì)從來不是文字，而是人類對(duì)因果、命運(yùn)、情緒和世界秩序的模擬。

文字只是最古老的模擬界面。

過去幾千年，我們因?yàn)榧夹g(shù)有限，只能一章一章地寫、一段一段地鋪。

而AI敘事系統(tǒng)的出現(xiàn)，讓敘事終于回到了它更本質(zhì)的形態(tài)：不是寫一個(gè)世界的影子，而是生成一個(gè)世界本身。

ZeeLin Story的三部曲，其實(shí)是對(duì)造物主思維的逆向工程：1.0模仿造物主的成品（爆款結(jié)構(gòu)），2.0理解造物主的手段（情緒與沖突的生成邏輯），3.0掌握造物主的本質(zhì)（存在與演化的規(guī)則）。

從復(fù)刻、解析到生成，敘事能力一步步逼近源頭。

我們正在見證的，或許不是AI寫作的簡(jiǎn)單崛起，而是敘事系統(tǒng)的進(jìn)一步演化。

當(dāng)AI不再需要人類教它如何寫一個(gè)爽文套路，而是開始嘗試生成一個(gè)擁有自我邏輯的文明時(shí)，AI寫作的第一頁，才剛剛翻過。

而更值得關(guān)注的是，ZeeLin Story的每一次版本躍遷，表面上是敘事能力的進(jìn)化，本質(zhì)上是自進(jìn)化框架在逼近AGI的創(chuàng)作側(cè)臨界點(diǎn)。

它或許會(huì)成為理解AGI早期創(chuàng)作側(cè)實(shí)踐的一個(gè)樣本。

ZeeLin Story 1.0入口地址：https://story.zeelin.cn/。仍在參與各類內(nèi)測(cè)榜單評(píng)估，表現(xiàn)靠前。

2.0已于2026年5月上線，入口為 https://novel.zeelin.cn（首頁正上方novel 創(chuàng)作 beta）。

3.0將于6月進(jìn)入內(nèi)測(cè)，使用自進(jìn)化AI框架ZeeLin迭代并共用部分功能。

補(bǔ)充閱讀：2025年9月，清華沈陽在2025中國(guó)國(guó)際網(wǎng)絡(luò)文學(xué)周上的發(fā)言

第四環(huán)：商業(yè)的再域化

尋找人機(jī)共生護(hù)城河

?什么不能被 AI 大模型吞噬：自進(jìn)化的 AI 營(yíng)銷短視頻

AGI 時(shí)代真正值得押注的產(chǎn)業(yè)賽道，不是還能用 AI 生成什么，而是哪些價(jià)值不會(huì)被通用大模型吞噬。

所有套殼式的效率提升，都會(huì)被更強(qiáng)、更便宜、更通用的大模型不斷壓縮利潤(rùn)；

真正能留下來的，是三類東西：AI大模型公司做不了的，AI大模型公司不愿做的，以及 AI 越強(qiáng)人類越需要的。

前者包括真實(shí)世界中的信任、關(guān)系、責(zé)任、場(chǎng)景判斷和長(zhǎng)期陪伴；

中間一類包括與大模型公司利益沖突的解毒劑，例如反同質(zhì)化、反幻覺、隱私保護(hù)、教育、人類能力增強(qiáng)和品牌身份保護(hù)；

最后一類則是 AI 越強(qiáng)越稀缺的東西——獨(dú)特性、親密感、長(zhǎng)期記憶、個(gè)體化理解和結(jié)果責(zé)任。

因此，未來的產(chǎn)業(yè)機(jī)會(huì)不是簡(jiǎn)單分布在AI 應(yīng)用里，而是分布在兩個(gè)方向：一邊是 AI 的賦能者，給模型提供數(shù)據(jù)、算力、工具、評(píng)測(cè)和執(zhí)行環(huán)境；另一邊是 AI 的解毒劑，幫助人類、企業(yè)和品牌抵御 AI 泛濫帶來的同質(zhì)化、信任崩塌和決策失控。

按照這個(gè)思路，ZeeLin做了一個(gè)ZeeLin元相作為試驗(yàn)品。

ZeeLin團(tuán)隊(duì)拆解了超過 100 萬條來自抖音、視頻號(hào)、TikTok、小紅書、快手等平臺(tái)的熱門視頻，提取鉤子類型、結(jié)構(gòu)模式、情緒弧線、品牌植入時(shí)機(jī)等 100 多個(gè)維度，形成了一個(gè)實(shí)踐判斷：決定爆款的核心變量不只在畫質(zhì)，更在前 3 秒鉤子、情緒節(jié)奏和品牌植入方式。

在其分析中，前 3 秒鉤子占 41%，情緒節(jié)奏占 29%，品牌植入方式占 18%，畫面質(zhì)量只有 12%。

這意味著行業(yè)過去一直在卷錯(cuò)變量：大家都在卷 4K、數(shù)字人、鏡頭質(zhì)感，但真正決定用戶停不停下來、點(diǎn)不點(diǎn)擊、買不買單的，是注意力結(jié)構(gòu)、情緒節(jié)奏和轉(zhuǎn)化心理。

元相的品牌基因庫由11個(gè)動(dòng)態(tài)維度（品牌人設(shè)、視覺風(fēng)格、禁忌表達(dá)等）構(gòu)成，這些維度不是人工填寫的靜態(tài)表單，而是系統(tǒng)從每一次視頻生產(chǎn)、每一條用戶互動(dòng)、每一輪A/B測(cè)試中自進(jìn)化提取和更新。

視頻發(fā)布即實(shí)驗(yàn)的開始——系統(tǒng)持續(xù)觀察完播率、停留率等要素，把結(jié)果回流進(jìn)品牌基因庫。

這套系統(tǒng)對(duì)團(tuán)隊(duì)通向AGI的價(jià)值遠(yuǎn)超營(yíng)銷視頻本身。

大模型今天主要從靜態(tài)語料中學(xué)習(xí)，但AGI真正需要的是現(xiàn)實(shí)世界中的經(jīng)驗(yàn)軌跡：品牌狀態(tài)→策略行動(dòng)→環(huán)境反饋→獎(jiǎng)勵(lì)信號(hào)→記憶更新。

ZeeLin 元相正在沉淀的，正是這種高價(jià)值的行動(dòng)—反饋—獎(jiǎng)勵(lì)—記憶軌跡——商業(yè)世界里稀缺的訓(xùn)練數(shù)據(jù)，也是訓(xùn)練經(jīng)營(yíng)型Agent、策略型Agent和現(xiàn)實(shí)世界智能體的關(guān)鍵燃料。

據(jù)團(tuán)隊(duì)統(tǒng)計(jì)，目前元相已接入多平臺(tái)分發(fā)與私域Agent協(xié)同，日均新增數(shù)據(jù)量達(dá)5億條，覆蓋200多個(gè)內(nèi)容門類。

它正在商業(yè)實(shí)踐中接受驗(yàn)證。已有快消品牌等接入元相，并形成了一定的商業(yè)反饋和閉環(huán)。

入口地址：https://metav.zeelin.cn/

?任何 AI 創(chuàng)業(yè)想法，都問 9 個(gè)問題

1.如果 GPT/Claude/Gemini 明天免費(fèi)變強(qiáng) 10 倍，我是死還是更強(qiáng)？

2.我的核心資產(chǎn)是不是模型之外的東西？

3.我有沒有私域數(shù)據(jù)和反饋閉環(huán)？

4.我是否完成工作流，而不是只給建議？

5.出錯(cuò)時(shí)，誰負(fù)責(zé)？我能不能把責(zé)任變成護(hù)城河？

6.大模型公司做這個(gè)會(huì)不會(huì)和客戶/監(jiān)管/生態(tài)沖突？

7.這個(gè)行業(yè)是不是足夠臟、足夠垂直、足夠本地？

8.客戶買的是工具，還是結(jié)果？我能不能按結(jié)果收費(fèi)？

9.每次交付后，我的系統(tǒng)是不是變得更懂這個(gè)行業(yè)？

如果答案是模型越強(qiáng)我越強(qiáng)，這個(gè)方向值得看。

如果答案是模型越強(qiáng)我越?jīng)]價(jià)值，趕緊放棄。

?自進(jìn)化 FDE（Forward Deployed Engineer）

AI時(shí)代真正的變革，是把企業(yè)本身改造成一個(gè)能夠感知、判斷、執(zhí)行、反饋和自我進(jìn)化的智能體。

FDE 真正要解決的問題，是企業(yè)如何從人驅(qū)動(dòng)的組織進(jìn)化為AI 驅(qū)動(dòng)的組織。

自進(jìn)化 FDE 把崗位、部門、企業(yè)的運(yùn)行邏輯，逐步改造成可被AI理解、可被AI執(zhí)行、可被AI學(xué)習(xí)、可被AI持續(xù)優(yōu)化的智能系統(tǒng)。

ZeeLin智靈動(dòng)力從今年 1 月 1 日起，在真實(shí)企業(yè)中進(jìn)行 FDE 實(shí)測(cè)，從最臟、最累、最重復(fù)、最可量化的電腦前工作開始。

初步結(jié)果顯示，在部分員工長(zhǎng)期處理信息、表格、系統(tǒng)、文檔、流程、客戶消息的部門，一旦實(shí)施到位，可能釋放 30% 到 50% 的崗位重構(gòu)空間。

重點(diǎn)不是裁掉多少人，而是原本依賴人工重復(fù)的低階認(rèn)知循環(huán)被 AI 接管、壓縮、重組，從而讓人轉(zhuǎn)向更高價(jià)值的客戶、創(chuàng)新、管理、增長(zhǎng)和異常決策工作。

普通AI應(yīng)用解決的是某個(gè)人如何更高效地完成任務(wù)，而FDE解決的是這個(gè)崗位是否還需要按照人類方式存在。

一個(gè)崗位是一組輸入、判斷、執(zhí)行、反饋和責(zé)任的集合。

FDE把崗位拆解為AI可學(xué)習(xí)的結(jié)構(gòu)：接收什么信息，依據(jù)什么規(guī)則判斷，操作哪些系統(tǒng)，輸出什么結(jié)果，如何驗(yàn)證對(duì)錯(cuò)，如何從錯(cuò)誤和優(yōu)秀樣本中繼續(xù)進(jìn)化。

一旦崗位被這樣解構(gòu)，企業(yè)就不再只是購買AI工具，而是在訓(xùn)練自己的智能組織基因。

這一過程的關(guān)鍵競(jìng)爭(zhēng)力來自模型體系重構(gòu)：大模型像企業(yè)大腦皮層，負(fù)責(zé)通用理解、復(fù)雜推理、跨場(chǎng)景遷移和人機(jī)交互；小參數(shù)模型像崗位神經(jīng)元，被訓(xùn)練成高頻、穩(wěn)定、低成本、低延遲、強(qiáng)隱私的具體任務(wù)執(zhí)行單元。

FDE不是單純調(diào)用大模型接口，而是在真實(shí)業(yè)務(wù)運(yùn)行中用AI自動(dòng)訓(xùn)練小模型，用AI微調(diào)大模型，讓每一個(gè)流程、崗位、部門都長(zhǎng)出專屬智能。

FDE最大的敵人不是技術(shù)，而是組織熵。

部門把數(shù)據(jù)當(dāng)作權(quán)力，流程被人為復(fù)雜化，中層管理者依賴信息差和審批權(quán)維持存在感，高管往往不知道AI能做什么。

AI一旦真正介入，就會(huì)改變權(quán)力結(jié)構(gòu)、流程結(jié)構(gòu)和責(zé)任結(jié)構(gòu)。

因此，F(xiàn)DE不是單純的技術(shù)項(xiàng)目，而是一場(chǎng)組織進(jìn)化工程：把原本混亂、割裂、依賴人情和經(jīng)驗(yàn)的運(yùn)行方式，轉(zhuǎn)化為透明、可計(jì)算和可優(yōu)化的智能化結(jié)構(gòu)。

在此基礎(chǔ)上，ZeeLin 推行一種全新的AI商業(yè)模式：按效果付費(fèi)，而不是先賣軟件、先賣服務(wù)、先賣許可證。

先進(jìn)入真實(shí)業(yè)務(wù)現(xiàn)場(chǎng)，先從可量化的臟活累活開始，先證明效率提升、成本下降、周期縮短、錯(cuò)誤減少，再按實(shí)際效果進(jìn)行商業(yè)合作。

客戶買的不是一套AI系統(tǒng)，而是一種可驗(yàn)證的組織效率提升；供應(yīng)商賣的也不是工具，而是企業(yè)智能化進(jìn)化能力。

這意味著關(guān)系不再是甲乙方，而是共同釋放企業(yè)利潤(rùn)、共同建設(shè)智能組織的進(jìn)化伙伴關(guān)系。

自進(jìn)化FDE最有價(jià)值的地方，在于它讓企業(yè)每一次 AI 執(zhí)行都沉淀為新的訓(xùn)練資產(chǎn)。

AI做錯(cuò)了，錯(cuò)誤樣本進(jìn)入改進(jìn)系統(tǒng)；員工做得更好，優(yōu)秀樣本進(jìn)入模型訓(xùn)練；流程被發(fā)現(xiàn)低效，流程樣本進(jìn)入重構(gòu)系統(tǒng)；決策出現(xiàn)偏差，決策規(guī)則被重新抽象；部門協(xié)作出現(xiàn)堵點(diǎn)，組織結(jié)構(gòu)被重新分析。

這樣，F(xiàn)DE就不是一次性交付，而是一個(gè)越用越強(qiáng)的企業(yè)智能復(fù)利系統(tǒng)：第一階段釋放重復(fù)勞動(dòng)，第二階段重構(gòu)流程，第三階段生成企業(yè)自己的智能經(jīng)營(yíng)系統(tǒng)。

未來真正領(lǐng)先的企業(yè)，未必只是使用 AI 的企業(yè)，而更可能是AI 化的企業(yè)。

它們的競(jìng)爭(zhēng)優(yōu)勢(shì)不再只來自員工數(shù)量、軟件數(shù)量或數(shù)據(jù)數(shù)量，而來自組織智能密度。

FDE 正是這個(gè)轉(zhuǎn)折點(diǎn)上的關(guān)鍵方法論，它不是 AI 進(jìn)入企業(yè)的又一個(gè)工具，而是企業(yè)進(jìn)入 AI 時(shí)代的一套組織進(jìn)化協(xié)議。已有企業(yè)與ZeeLin接洽FDE實(shí)施。

終章

通向 AGI 的奇點(diǎn)與提示坍縮

?通向 AGI 的奇點(diǎn)：Transformer 能否獨(dú)立提示出新的科學(xué)理論

這個(gè)問題需要拆成兩半，答案會(huì)非常迷人。

不可能的一面：原創(chuàng)思想的硬核無法無中生有。真正的廣義相對(duì)論，不只是語句的組合，它是：

• 對(duì)已有理論（牛頓引力、狹義相對(duì)論）深層矛盾的物理直覺；

• 全新數(shù)學(xué)框架（黎曼幾何）的移植；

• 與外部世界（水星進(jìn)動(dòng)、光線彎曲）的預(yù)測(cè)性驗(yàn)證。

大模型的壓縮，歸根結(jié)底壓的是人類已有文本的統(tǒng)計(jì)規(guī)律。

它沒有在物理世界中摔過跤，沒看過蘋果落地，沒在深夜盯著麥克斯韋方程組感到一種不對(duì)稱的刺痛。

因此，它無法自發(fā)產(chǎn)生基于物理實(shí)在的、范式級(jí)別的革命性問題意識(shí)。

如果訓(xùn)練數(shù)據(jù)中沒有廣義相對(duì)論，只靠提示，它不可能從牛頓力學(xué)里推導(dǎo)出來——這需要超越語料庫結(jié)構(gòu)的世界模型質(zhì)變。

可能的一面：考古式發(fā)現(xiàn)與概念育種的極限。

但是，這并不意味著不能產(chǎn)生劃時(shí)代的洞見。關(guān)鍵在于，這種洞見是發(fā)現(xiàn)，而不是發(fā)明。

好的提示詞，模型不是在創(chuàng)造，而是在重構(gòu)一條可能的思想演化路徑。

壓縮空間里本來就有相對(duì)論的最終文本、前人的評(píng)述、各種科普重建。

但這些東西散落在數(shù)據(jù)各處，從未被一個(gè)特定的人格化思想流串聯(lián)起來。

高手的提示，等于給出了一套高度精巧的拼圖規(guī)則，強(qiáng)制模型在潛空間里進(jìn)行極端的概念插值與因果鏈拼接。

它輸出的可能是一段驚人的、連教科書上都沒有的、但邏輯自洽且物理上像是真的推演過程。

這算不算提示出了廣義相對(duì)論？如果廣義相對(duì)論的文本形態(tài)可以被生成，那確實(shí)算。

但這更像考古學(xué)家用碎片復(fù)原出一只從未見過完整骨架的恐龍——化石（數(shù)據(jù)）都在那兒，但只有頂尖的頭腦能重建它。模型是那個(gè)被完美指揮的復(fù)原技師，而洞見的火花來自人。

（AI繪畫作品）

提幾個(gè)新概念：

a. 提示的考古奇點(diǎn)

定義：存在一個(gè)臨界提示復(fù)雜度，越過它之后，模型不再進(jìn)行簡(jiǎn)單的信息檢索或常規(guī)生成，而是開始輸出一種 從未被人類寫下，但所有人類寫下的東西都暗示它存在的文本。

觀察方式：尋找領(lǐng)域內(nèi)公認(rèn)的、一直在論文中若隱若現(xiàn)但無人明確表述的猜想。由頂尖專家構(gòu)造極復(fù)雜的多步約束提示，看模型能否首次提出該猜想的完整表述。

b. 創(chuàng)造力放大系數(shù)

定義：衡量一個(gè)使用者通過大模型，將其自身的創(chuàng)造力放大了多少倍。對(duì)于普通用戶，系數(shù)接近1（模型給回他的問題）；對(duì)于專家，系數(shù)可能高達(dá)幾十（模型將他一閃念的靈感展開為完整的理論草案）。

觀察點(diǎn)：記錄同一位專家在有無模型輔助下，提出可驗(yàn)證新假設(shè)的效率比。這可以量化遇強(qiáng)則強(qiáng)的程度。

c. 潛在概念種系的發(fā)生

定義：大模型的壓縮空間不是一個(gè)靜態(tài)倉庫，而是一片概念苗床。當(dāng)強(qiáng)力提示作為催化劑注入時(shí)，原本不相關(guān)的概念向量會(huì)發(fā)生定向碰撞，拼接出可存活的概念新物種。廣義相對(duì)論的衍生文本，就可以看作這樣一次成功的概念育種。

觀察點(diǎn)：刻意創(chuàng)造極端跨界提示，分析輸出結(jié)果中是否出現(xiàn)了層級(jí)性、一致性的新隱喻系統(tǒng)，而不僅僅是一次性的文字游戲。

結(jié)論：當(dāng)前以Transformer為基座的大語言模型，已經(jīng)學(xué)習(xí)了大量以文本形式記錄的人類知識(shí)；在這個(gè)封閉的符號(hào)空間內(nèi)，模型能夠通過統(tǒng)計(jì)關(guān)聯(lián)與組合泛化，推導(dǎo)出已有知識(shí)體系內(nèi)尚未明確寫下的推論——即已知范圍內(nèi)的未來理論演化。

但是，存在一類根本不同的科學(xué)突破，它需要引入全新的物理世界經(jīng)驗(yàn)，例如從未被觀測(cè)過的新現(xiàn)象、違反現(xiàn)有定律的實(shí)驗(yàn)結(jié)果，或者一個(gè)此前完全不在概念庫中的新實(shí)體。

這類新物理知識(shí)在本質(zhì)上是訓(xùn)練數(shù)據(jù)中從未出現(xiàn)過的，不是已有概念的重新排列或高階組合。

因此，Transformer模型無法通過外推或采樣來系統(tǒng)性地得到這類發(fā)現(xiàn)：雖然理論上它可能隨機(jī)輸出一串恰好描述該新理論的符號(hào)序列，但這一概率極低，在實(shí)際意義上等同于不可能。

（AI繪畫作品）

但是在高難度的范式級(jí)理論重構(gòu)上，好的提示可以顯著節(jié)省推理算力，并把原本極低概率的成功嘗試提升到更可操作的范圍。

這也是清華沈陽團(tuán)隊(duì)關(guān)于人機(jī)共生理論研究試圖回答的問題：如何讓人的問題意識(shí)與模型的壓縮空間形成更高質(zhì)量的協(xié)同。

ZeeLin自進(jìn)化AI框架測(cè)試版已更新至0.0.7版本

新版現(xiàn)已支持Windows和macOS雙平臺(tái)。

無論你是獨(dú)立開發(fā)者、產(chǎn)品經(jīng)理、內(nèi)容創(chuàng)作者、企事業(yè)單位人員，還是團(tuán)隊(duì)管理者，都可以在ZeeLin中找到適合自己的AI工作方式。

立即體驗(yàn)ZeeLin

請(qǐng)用瀏覽器打開網(wǎng)址，一鍵安裝：https://www.zeelin.cn/#/zeelin

編輯：所羅門