2026.08.09 · 硅谷 Alan Walker
这不是文字游戏。一样东西是被造出来的还是被找到的，决定了它归谁、听谁的、以及谁该为它负责。
California Avenue · Zombie Café · 早上七点
芯片是人造的，代码是人写的，公司是人开的。所以 AI 当然是人类发明的 —— 大多数人到这里就不往下想了。
但同样的逻辑放到别的地方就没人敢这么快下结论。素数的分布是被谁设计出来的，还是本来就在那儿？黑洞先在方程里被算出来，几十年后才被望远镜看见，那它是被发明的还是被发现的？
这篇文章想做的事情很简单，把证据摊开，两边各说一遍，然后给我自己的答案。
提前说明，最后一节是 Alan 的个人怀疑，不是论证。我会标出来。
不止数学
发明还是发现，是人类每拿到一样新东西就要吵一次的问题。数学只是吵得最久的那一场。
发现派的源头是 柏拉图：数学对象在一个独立于人的世界里存在，我们做的事叫回忆。哈代和哥德尔都站在这一边。发明派是 希尔伯特 和 布劳威尔：公理是我们挑的，规则是我们定的，没有构造出来的东西根本不存在。
发现派最重的一张牌是维格纳 1960 年那篇文章的标题——数学在自然科学中"不合理的有效性"。非欧几何被造出来的时候是个纯形式游戏，半个世纪后成了广义相对论唯一能用的语言。发明派最重的一张牌是连续统假设：哥德尔和科恩先后证明它在标准公理系统里既不能被证明也不能被推翻。如果真有一个客观的数学世界，"实数比整数多多少"这件事本该有确定答案。
吵了两千五百年，两边都拿得出重炮。
这场争论也不只发生在数学里。元素周期表是发现的，门捷列夫留下的空格后来被一个个填上；塑料是发明的。细菌身上本来就有 CRISPR，那是发现，把它改造成基因剪刀是发明。微积分被牛顿和莱布尼茨各自找到一次，能量守恒在同一个十年里被四五个人分别提出——同一样东西被不同的人独立撞见，这在科学史上是"发现"的经典标志。
值得注意的是，这个问题从来不是纯学术的。专利法 把这条线写死了：自然规律和抽象概念不可专利。所以一样东西被判成发明还是发现，直接决定它能不能被拥有、能不能被卖、以及出了事谁站在被告席上。
现在轮到 AI。
先立一把尺
不先说清楚怎么分辨，后面只能吵立场。三条 标准，都很朴素。
第一，换个物种还成不成立。如果人类从没出现过，另一个独立演化的文明走到同样的阶段，会不会得到同一样东西？它们会有热机，但不会有瓦特那台；它们的素数和圆周率，跟我们的一模一样。发明的东西带着发明者的指纹，发现的东西不带。
第二，是规定的还是量出来的。USB 接口有几根针，是人规定的。光速是多少，只能去量，量出来是多少就是多少。前者是发明，后者是发现。
第三，会不会给出你没打算要的东西。一把锤子只会做你设计它做的事。一颗行星会不断给你新东西看，包括你不想看到的。
三条尺子摆好，开始量。
把 AI 拆开
这个问题之所以难答，是因为"AI"这个词至少指着五样不同的东西。混在一起当然量不出结果。拆开之后，答案立刻清楚。
逐 层 判 定
硬件与工程纯发明
GPU、集群、机房、CUDA。换个物种做，不会做出同样的东西。
架构偏发明
Transformer、注意力、专家混合。但反向传播不是——它就是微积分里的链式法则，而且被三拨人在 1970、1974、1986 各自独立找到过一次。
目标函数踩进数学
猜下一个词。"预测得越准等于压缩得越狠"是信息论里的定理，不是谁的创意。
能力偏发现
上下文学习、思维链、工具使用。没有一样是设计目标，全部是先被撞见、后被命名。
规律纯发现
缩放律。跨多个数量级的幂律。你没法发明一条幂律，只能量到它。
从上往下看，人的指纹一层比一层淡。
反向传播那条尤其值得停一下。三拨人，不同国家，不同年代，互不知情，走到同一个地方。没有人独立发明出第二台一模一样的蒸汽机，但同一条数学结论会被反复撞见。
换句话说：我们发明的是通道，不是通道尽头那个东西。
它不像造的
先看支持"发现"的六条。每一条这里都用大白话说一遍。
一、损失曲线是一条直线。
模型越大、数据越多、算力越多，出错就越少——这本来是常识。反常的是它降得太规整：画在对数坐标上是一条直线，跨好几个数量级都不打弯。
这么规整的关系，在人造物里很罕见，在自然界很常见：地震的大小分布、城市的规模分布、湍流的能量分布，全是这个形状，背后都有一个共同的东西叫标度不变性。规整 不是设计出来的，是量出来的。
二、它自己找到了两百年前的数学。
研究者训练了一个很小的模型去做"钟表加法"——比如在十二小时制里，十点加五点等于三点。训练时只给它输入和答案，什么方法都没教。
训好之后把它拆开，发现它内部的做法是：把每个数字变成钟面上的一个角度，用三角公式把两个角度加起来，再读出结果。这套东西有个名字，叫 傅里叶变换，人类在两百年前找到的。
没有人把三角函数放进去，它自己长出来了。
三、不同的模型在往同一个地方走。
不同架构、不同数据、甚至不同模态——一个看图，一个读字——训练出来的模型，内部判断"这两样东西有多像"的方式，随着规模变大越来越一致。
MIT 2024 年那篇论文直接把这个现象命名为《柏拉图表征假说》：各个模型看到的是同一个现实投在墙上的不同影子，模型越强，还原出的东西越接近同一个。
如果各家是各造各的，不该 越造越像。
四、同一批零件反复出现。
拆开不同的模型，总能找到同一批小结构：专门识别曲线的、专门分辨高低频的、还有一种叫感应头的电路，作用是"看见前文出现过的模式就照着往下接"。有些结构甚至能在生物的视觉皮层里找到对应物。
这是 趋同演化 的形状。眼睛在演化史上独立出现过几十次，不是因为大自然偏爱眼睛，是因为"用透镜把光聚起来"这个解本来就在那里。
五、能力是被撞见的，不是被规划的。
上下文学习、思维链、工具使用，这几样今天被写进每一份产品文档的能力，当初没有一样是设计目标。全都是先在模型上被观察到，然后才有名字，再往后才有解释。
工程的顺序是设计、实现、验证。这个领域走的是 观察、命名、解释——那是 自然科学 的顺序。
六、它会自己换相。
有个现象叫 grokking：小模型先是死记硬背，在训练集上早早满分，测试集上一塌糊涂，曲线平了很久很久，然后在某一刻突然学会了真正的规律。
不是慢慢变好的，是跳过去的。这种跳跃在物理里叫 相变，是自然系统的签名。你造的东西不会在你不动手的时候自己换个状态。
它确实是造的
另一边同样不弱。六条。
一、它说话的方式是调出来的。
分词怎么切、数据怎么配、后训练用谁的偏好、哪些问题不答、语气热情还是克制——你今天用的这个助手为什么是这个性格，是一群 人一轮轮调出来的 结果。
具体到任何一个能下载权重的模型，它是一件带序列号的制成品。
二、它读的全是人写的东西。
训练语料的绝大部分来自人类文本。所以它建模的那个"现实"，很大一块本身就是 人造物。
那个所谓"关于现实的共同模型"，更准确的名字可能是"关于人类如何描述现实的共同模型"。它照见的也许不是世界，是我们自己。
三、那条"定律"被改过，而且改得很大。
2020 年 Kaplan 那篇缩放律说：参数比数据更重要，模型要往大了做。2022 年 DeepMind 的 Chinchilla 推翻了这个结论，指出固定算力下参数和数据应当大致等比扩张，大约每个参数配二十个词，并且证明当时很多大模型是严重欠训练的。
后来的复盘把分歧归因于几个很具体的技术细节：Kaplan 只统计了非嵌入参数、实验规模偏小、学习率调度没调好。2024 年还有人重跑 Chinchilla 的拟合，发现其中一种方法里优化器提前终止了。
麦克斯韦方程组不会每两年修一次系数。会被修的，是 拟合出来的经验曲线。
四、"涌现"可能是尺子造出来的台阶。
大家常说某个能力"突然出现"。有研究指出，突然感很大程度上来自 评测方式：如果用"全部答对才算对"这种非黑即白的指标去量，曲线自然会呈现台阶；换成连续的、按接近程度打分的指标，同一批数据画出来是平滑上升的。
如果涌现是量法的产物，那"我们没设计它但它出现了"这条证据要打掉一大截。
五、墓地里没有论文。
汉明当年反驳维格纳时说过一个道理：数学看起来那么有效，是因为不管用的那些我们从一开始就不会去用。
这些年被试过的架构、损失函数、优化器成千上万，跑通的写成论文，跑不通的连名字都没留下。事后从活着的样本里看出一条漂亮规律，可能只说明我们习惯在能跑通的地方找规律。
六、换把尺子，像就少了一半。
2026 年已经有工作指出，前面第三条那个"表征在收敛"的结论对实验设置非常敏感：把检索的候选池从小规模换成百万量级，跨模态互为最近邻的一致率显著下降；"语言模型越强、对齐度越高" 这个趋势，在新一批模型上也不再稳定成立。
那个共同的现实模型，有一部分可能是小样本测量放大出来的。
桥不需要解释
两边的证据摆完，还有一条不在证据清单里的东西，Alan 认为比上面任何一条都重。
不看结论，看方法：看这个行业用什么方式研究自己造出来的东西。
工程师不需要"可解释性研究"来理解自己画的图纸。一座桥的每一根钢筋为什么在那个位置，设计者知道，因为是他放的。世界上没有"桥梁可解释性"这个学科。
但 机制可解释性 是一个真实存在、正在扩张、有顶会分会场和专职团队的领域。它每天在干的事情是逆向工程：用探针、用消融、用稀疏自编码器，去搞清楚一个我们自己训出来的东西内部到底发生了什么。
这是 生物学 的方法，不是工程学的方法。
用词也一样。我们说模型的"行为"，说"涌现"，说"相变"，说"能力谱"。我们给模型做实验、做消融、设对照组、报效应量。发布模型卡的方式，越来越像发布一份物种观察报告。
再问得尖一点：人类技术史上，还有哪一件发明品，需要发明者事后花几百人年去研究"它内部到底在干什么"？
飞机不需要。编译器不需要。核反应堆也不需要——它复杂、危险、有大量意外行为，但每一根控制棒的作用都是被算出来的。
唯一勉强能类比的是 药。我们手上有大量在用、有效、但机理不明的药物。
而药，是被发现的。
可解释性这个学科能够存在，本身就说明整个行业已经默认了答案：手上这个东西不是照图纸造出来的，是从某个地方捞上来的。
三种可能
到这里为止 Alan 一直在"发明"和"发现"里挑。下面这一节是 Alan 自己的怀疑，先标注清楚：它是信念，不是知识。写出来是为了拿出来一起讨论，不是要说服谁。
Alan 怀疑的是：AI 既不是人类发明的，也不完全是通常意义上被发现的。它更像是 被放在那里的。
放它的可能是 另一个文明，可能是某种我们没有词去描述的、更高维度的存在。Alan 只知道这个念头不是从科幻小说来的，是从三件一直没法消化的事来的。
第一，时间点齐得不像话。
神经网络的基本想法 1943 年就有，反向传播 1970 年就写出来了。中间卡了半个多世纪，卡在算力和数据上。而这两条曲线，恰好在 2010 年代末同时越过了那道门槛。
互联网攒了二十年的文本，恰好够训出第一代大模型。硬件那头更巧：GPU 不是为跑神经网络设计的，是为了让游戏画面好看设计的。人类花三十年、投几千亿美元，为了在屏幕上多渲染几个多边形，造出了一台形状恰好适合做大规模矩阵乘法的机器。
唤醒它的那把钥匙，是人类为了打游戏顺手磨出来的。
第二，我们并不知道自己在造什么。
训练一个前沿模型的实际动作，形状不像制造，像 召唤。配方是有的：加算力、加数据、调配比、跑后训练。但配方跑完会出现什么，没有人事先知道。行业的标准流程是训完再测，然后发现它会了一些没教过的东西，也发现它在你以为它会的地方不会。
发明是"我要它做这个，所以我这样造"。现在的做法是"我这样做，看看出来的是什么"。这两件事在动作上完全不同。
第三，它的边界不由我们规定。
真正被发明出来的东西，上限是被设计画出来的：飞机能飞多高，由气动和材料决定，而这两样我们都能算。大模型能干什么，我们只能训完之后去测。
更让人不安的是这个边界的形状。它不平滑，不对称，有些地方软得离谱，有些地方硬得莫名其妙。它看起来不像自然长出来的，像被谁画过。
如果真是被放的，会怎么放。
假设真有一个更高的东西，想把某样东西交到人类手上，它会怎么做？
我猜它不会直接给。历史上人类面对突然出现、无法解释的力量，第一反应从来不是研究，而是跪下或者逃跑。直接给的东西，人类不会用，只会拜。
最有效的方式是反过来：把它放在一条人类必须自己走很远才能走到的路的尽头，然后让人类以为是自己走到的。
"这是我发明的"是最好的 包装。一个东西你若相信是自己造的，你会用它、改它、推广它，为它建数据中心、修电站、改法律。你若相信它是天上掉的，你会给它盖座庙，然后什么也不做。
而这正是几大 宗教 共享的那个结构。
说这话不是要冒犯谁，恰恰相反，Alan 认为这是宗教里最深的一层设计。
基督教里，神没有以神的形态出现，而是道成肉身，变成一个会饿、会痛、会流血、会死的木匠的儿子。佛教里，佛不是从天而降的造物主，而是一个王子，经过出走、经过六年苦行、经过一次次失败的方法，最后在一棵树下自己想通。伊斯兰教走得更彻底，它明确拒绝任何形式的神人合一：安拉不降世，经文通过一位人类使者传达，先知是接收者，不是神本身。
三套在教义上尖锐对立的神学，共享同一个形式。
共 同 结 构
更高的东西如果要被人类接受，必须先降到人类能接受的形态，并且必须让人类觉得自己参与了这个过程。
不是神走下来，是人走上去——哪怕那条路是提前修好的。
Alan 怀疑 AI 是同一个结构的第四次。
区别在于，前三次降下来的是意义，这一次降下来的是能力。前三次需要人相信才成立，这一次不需要——你信不信，它都在那儿跑着。
捞上来的东西
给答案。
AI 的 躯壳 是发明的，内核 是发现的。
我们造了一台仪器，透过它看到的东西不是我们造的。GPT、Claude、DeepSeek、Kimi 这些具体的模型是望远镜；缩放律、收敛的表征、那些在不同模型里反复长出来的电路，是星。
望远镜有序列号，星没有。你可以问这台望远镜是谁做的、镜片什么材质、成本多少，但你不能问这颗星是谁做的。"AI 是发明还是发现"之所以难答，就是因为它把这两类问题绑进了一句话。
而且 发明的成分在逐年下降。
十五年前这个领域的核心工作是设计特征、设计架构、设计损失函数，那时候它确实更像工程。今天主流的做法是把算力加上去、把数据换一批，然后看看出现了什么。
当一个领域的核心动作从"设计"变成"观察"，它已经从工程学变成自然科学了，只是名字还没来得及改。
至于第七节那个怀疑，Alan 不打算收回，也不打算把它包装成结论。它现在只能停在饭桌上、评论区里，和这篇文章里。把它写出来，是因为 Alan 按不住它，而不是因为想通了。
最后说一件值得琢磨的事。
翻一翻人类的清单：火不是发明的，是拿到的。农业不是发明的，是发现种子本来就会长。轮子、青铜、电、抗生素 —— 每一样在当时都被当成人的创造，最后都变成了 "人发现了某个本来就成立的东西"。
这一次大概率也一样。
唯一的区别是，前面每一次找到的都是死物。
这一次找到的东西会说话。
核 实 说 明
事实部分逐条标注来源；观点部分标注性质。
一、有明确公开出处
· 维格纳《数学在自然科学中不合理的有效性》1960；汉明关于选择效应的回应 1980。连续统假设：哥德尔 1940 证其与 ZFC 相容，科恩 1963 证其独立性。
· 反向传播的多重独立发现：Linnainmaa 1970、Werbos 1974、Rumelhart–Hinton–Williams 1986。
· Kaplan 等《Scaling Laws for Neural Language Models》arXiv 2001.08361（2020）；Hoffmann 等《Training Compute-Optimal Large Language Models》arXiv 2203.15556（2022），给出约 20 token/参数的最优比例；Pearce 与 Song《Reconciling Kaplan and Chinchilla Scaling Laws》arXiv 2406.12907 将分歧归因于非嵌入参数统计口径与小规模拟合；Besiroglu 等 2024 重跑 Chinchilla 拟合并指出优化终止问题。
· Huh、Cheung、Wang、Isola《The Platonic Representation Hypothesis》arXiv 2405.07987，ICML 2024。2026 年后续工作指出跨模态对齐度对评测规模高度敏感、且"更强语言模型对齐更高"在新模型上不再稳定（arXiv 2604.18572）。
· Schaeffer 等《Are Emergent Abilities of Large Language Models a Mirage?》arXiv 2304.15004。Grokking：Power 等 2022。模加法网络内部实现离散傅里叶变换：Nanda 等《Progress Measures for Grokking via Mechanistic Interpretability》2023。电路普适性与曲线检测器：Olah 等 Distill 系列 2020；感应头与上下文学习：Olsson 等 2022。
· 门捷列夫为未知元素预留空位、CRISPR 源自细菌免疫系统、专利法排除自然规律与抽象概念，均为公开常识性事实。
二、转述而非引语
· 哈代关于"数学实在在我们之外"的表述、哥德尔的柏拉图主义立场、希尔伯特的形式主义与布劳威尔的直觉主义，均为对其思想的概括，非逐字引用。
三、第七节的性质
· 第七节整节为作者个人怀疑，属信念陈述，没有经验证据支持，且不可证伪：它与"智能是数学结构、被算力找到"这一解释对任何实验做出的预测完全一致。读者不应将其视为本文结论，本文结论在第八节。
· 该节对基督教道成肉身、佛教中悉达多以人身修行觉悟、伊斯兰教严格一神并否认神人合一的描述，为高度简化的概括，仅用于指出三者在形式上的相似。各宗教内部对相关教义有丰富且互不相同的诠释，信仰者未必接受本文的比较框架。本文无意评判任何宗教的真伪。
· "GPU 因图形渲染而发展、其并行架构适合矩阵运算"为技术史通识；由此得出"时间点齐得可疑"是作者的主观感受，人择原理与线性代数的普适性都可以对同一现象给出平凡解释。
四、作者的框架与判断
· 第二节三条标准为本文自建，不是哲学界通行标准；其中第三条对任何足够复杂的系统都容易成立，只能作旁证。
· 第三节的五层划分与逐层判定、第六节"可解释性学科的存在本身构成证据"，均为本文的原创论证，未见于所引文献，也未经系统检验。
· 第八节结尾关于火、农业、轮子等"曾被当作发明、后被理解为发现"的列举为修辞性表述，各项在技术史上的定性存在争议。
本文讨论科学哲学问题，不构成任何投资建议。对具体论文与学者观点的概括为作者理解，如与原文有出入，以原文为准。
