研究领域:意识科学、整合信息理论、计算功能主义、主复合体、因果结构、内在视角、主观体验、人工智能伦理。论文题目:Consciousness or pseudo-consciousness?

 

导语意识如何产生？为何人类存在主观体验？这一困扰人类千年的难题在当代神经科学中引发激烈交锋整合信息理论(IIT)认为意识本质是结构，而非功能；计算功能主义则持相反观点在124位科学家联名批评IIT为“伪科学”。

后，该理论创始人Tononi及其团队近期发表有力回应，指出批评实则暴露了计算功能主义范式的危机这场围绕人类心智本质的学术论争，不仅关乎科学方法论，更涉及人工智能伦理与人类自我认知的根本问题研究领域：意识科学、整合信息理论、计算功能主义、主复合体、因果结构、内在视角、主观体验、人工智能伦理。

来源：集智俱乐部作者：Giulio Tononi等 译者：刘凯威 审校：张江、袁冰

论文题目：Consciousness or pseudo-consciousness? Aclash of two paradigms论文地址：https://www.nature.com/articles/s41593-025-01880-y

整合信息理论（Integrated Information Theory）从意识这一主观现象出发，并以客观、可验证的方式解释其存在和性质试图给这一经过数十年概念、数学和实证发展的理论贴上“伪科学”标签的行为，暴露了当前占主导地位的计算-功能主义范式者们的危机，而这一范式正受到整合信息论以意识为核心的研究范式的挑战。

人类心智一旦固守某些观点（无论因循旧说或投合心意），便会迫使其他事物附和它的支撑当反证更为有力时，这些人要么视而不见，要么轻蔑贬斥，要么苛求细节加以否定这种危险的偏见，只是为了维护最初构想的权威性（弗朗西斯·培根，《新工具》1620，Francis Bacon, Novum Organum 1620）。

用科学方法研究意识本就艰难，为何要让它更难？为何召集百名学者，将整合信息理论（IIT，参见IIT百科/出版物https://www.iit.wiki/papers）单独定为驱逐目标？124位科学家批评整合信息论是伪科学：我们该如何探讨意识难题？

以及推荐集智俱乐部组织的关于整合信息论的读书会，包含整合信息论的综述，基础理论框架，近似计算方法，在神经科学中的应用，在复杂系统中的拓展应用、Φ与系统临界态，以及机器意识等话题的深度探讨，尤其推荐北京师范大学系统科学学院教授，因果涌现读书会发起人张江老师针对整合信息论的概览介绍：【整合信息论概览介绍：如何定量刻画意识？】

https://pattern.swarma.org/study_group_issue/750该理论历经数十年概念推演、数学建模与实证检验，在意识研究领域已经独具特色意识与计算-功能主义范式的危机那么，是什么原因导致了这种针对整合信息论的抨击？

第一封质疑整合信息理论为“伪科学”的公开信（即本期《Nature Neuroscience》所载信件的前身），源自2023年6月启动的对抗性合作项目该项目由天普世界慈善基金会（Templeton World Charity Foundation）。

资助，主要研究前额叶皮层是否必然参与视觉意识形成过程[1]由于对整合信息论相关理论结果的不满，公开信的作者们对整合信息论发起了攻击，声称该理论缺乏实证支持然而，这封原始信件却措辞情绪化强烈而缺乏充分证据，因而在学界引发了强烈的反对。

随后，他们发表的第二封信则试图弥补这一缺陷，给它披上了科学与哲学的外衣并稍加修饰，断言整合信息论在原则上就无法检验抛开具体动机不论，我们认为这些激烈抨击（及其他类似攻击）暴露了更深层问题这一问题确实值得探讨——主流计算功能主义范式。

（dominant computational-functionalist paradigm）正遭遇根本性危机，并与整合信息论的意识优先范式产生激烈碰撞历史表明，范式更迭往往源于旧体系无法解释的“顽固事实”——在当前语境下，这个事实正是意识本身。

主流范式从外部视角出发，将意识定义为系统执行的功能的集合但它既无法解释体验为何存在，也无法说明感受为何以特定的方式呈现现代系统神经科学显示，计算可以解释大脑运作的机制（其功能），正如解释计算机如何运作一样。

然而意识本身——其存在及其特质（例如视野中央看见面孔的主观体验）——仍然无法被阐明，甚至显得神秘在这种背景下，另一种范式——整合信息论以意识为核心的范式——的存在就显得尤为具有威胁性和颠覆性通过内在视角的采用，整合信息论能够以客观的方式解释体验的存在和性质，并得到了系统性研究计划的支持。

与此同时，人工智能（AI）的发展突显了这两种范式之间的不兼容性根据计算-功能主义范式，一旦AI在功能上与人类相当，它就应该被视为有意识的；而对于整合信息论来说，意识和智能是可以分离的[2]下文我们将阐述整合信息论意识优先范式的理论基础、研究方法及影响。

我们首先提炼了整合信息论的核心主张，这些主张推动了该理论二十余年的发展，并经受了大量的实验验证它们构成整合信息论解释与预测的基础，直接反驳了“不可检验”的质疑最后，我们讨论了整合信息论的关键推论，这些推论与计算功能主义范式形成了鲜明的对比。

想要深入理解整合信息论的读者，可在整合信息论维基找到必备文献、详细解析及实际案例（https://www.iit.wiki/）需要被解释的是意识，还是伪意识？自伽利略时代起，科学方法的基石就是运用客观工具。

这些工具解释并预测自然的客观属性，刻意回避意识主体然而，意识不同于科学领域的其他事物它本质上就是主观的我们每个人都拥有意识：若非这一不可否认的事实，体验存在的证据将荡然无存换言之，意识存在于内在视角之中：作为“我”的存在具有本质属性——无论清醒或梦中，体验始终在场。

意识的客观关联物（即物理基质）是有效的替代指标当我们具备意识时，我们能进行多种认知活动例如关注体验内容、保持记忆留存、展开反思行为、将部分体验诉诸语言但要真正解释意识，我们必须从客观角度切入需阐明其主观存在与本质特征，而非仅描述功能。

否则最终只能解释各类认知功能这些解释涉及它们的运作机制，沦为对“伪意识”的研究更关键的是，我们可能将意识赋予某些实体这些实体虽能执行相关功能，却不存在任何主观体验整合信息论的意识优先范式如何解释主观特质？它们或许不可言说

（不信你可以试着描述一下悲伤的滋味），难以拆解（不信你可以试着分析一下瓦格纳《特里斯坦和弦》（Wagner’s Tristan chord）的声响），而且转瞬即逝（你可以试着复述一下秋日里你在一片枫树林中所见的场景）

然而，每种体验都有其独特的感受方式如果不存在客观的科学解释，体验的感知将沦为魔法，而非物理现实意识研究的整合信息论（IIT）的策略，始于意识本身其存在对每个人而言都直接而无可辩驳[3]该理论首先识别意识的本质属性，这些属性对所有可能的体验都绝对成立，因而可被视为现象存在的公理。

（图1a）具体而言，公理包含五个核心要点：（1）内在特质（intrinsic）：体验专属体验主体自身（内在性公设，intrinsicality）；（2）特定呈现（specific）：是“这个”，而非“那个”体验。

（信息公设，information）； （3）整体存在（unitary）：“体验”作为整体存在，不可拆分成一个个的“子体验”（整合公设， integration）； （4）明确界定（definite）：“整体性”的内涵刚刚好，既不多也不少

（排他公设，exclusion）； （5）结构构成（structured）：由现象差异联结，通过关系形成特定感知方式（组合公设，composition）这些公理为客观解释体验的存在提供了基础意识研究整合理论的解释与预测能力，正直接源于这些核心的主张。

图1 | IIT基于意识优先的研究范式a. IIT从意识存在出发通过内省观察，可识别其核心属性这些属性适用于所有可能体验（a，中图）b. 接着，IIT用物理术语描述这些属性（操作式定义）由此确定当前状态的单元基质。

该基质即主复合体，在因果层面满足核心属性（b，中图）通过分析所有子集，展现基质的因果力这形成因果结构，包含区别与关联结构体现区别在单元间的重叠方式（b，上图）根据IIT，因果结构特性无需其他要素它们完整解释体验的偶然属性。

这些属性决定主观感受特质（IIT的"解释同一性"）（a，上图）需注意，对应体验的是因果结构，而非基质本身，也非过程或计算功能c、理论验证以成人为主要对象验证依据是解释现象的能力，以及预测新发现的能力预测涵盖意识存在与否（c，下图）及其特性，例如体验空间范围(c，上图)。

d、在验证范围内，理论可推断意识存在及特性适用于无反应患者、人类胎儿、非人动物、植物或人工系统图版（c，上图）改编自文献[13]，采用CC BY 4.0协议图版（c，中右）改编自文献[14]，Springer Nature Limited版权所有。

整合信息论的许多发展都集中在将体验的这五个公理属性表述为物理基质（意识的物理基础或物质对应物）的五个客观属性——整合信息论的物理存在公设（图1b）这里的“物理”一词，特指实际操作中的因果力（也就是“施加并接收影响”的能力）。

，而“基质”则被理解为可以观察和操纵的事物，例如大脑及其组成部分基于前四个公设，整合信息论得出结论：我们所体验的基质，即“主复合体”（图1b），必须是一个庞大的单元集合，这些单元满足以下条件：（1）对自身具有因果力。

（cause–effect power）（内在性，intrinsicality）；（2）具有特定的状态以及特定的原因和结果（信息）；（3）是不可约化的（irreducible）（整合性，integration）

；（4）并且是最大程度不可约化性的（排他性，exclusion）最大不可约性（maximal irreducibility）通过整合信息量(Φ)来衡量，这要求基质具备适当的解剖和生理特性，例如在能够有效因果互动的专门单元之间形成密集的连接网络。

我们若通过暴力计算来测量Φ，就需要基质的完整模型（以转移概率矩阵的形式）和极高的计算能力然而，通过依赖假设和启发式方法，我们可以对大脑中主复合体的存在、位置和粒度做出有根据的推测接着，基于“组合（composition）。

”公设，整合信息论通过确定复合体（complex）内的单元子集（subsets of units），这些子集能够界定最大不可约因与果（因果差异，causal distinctions）同时，它还考察了这些子集重叠的区域。

（因果关系，causal relations；图1b），从而揭示了复合体的“因果结构（causal terms）”本质上，因果结构完整地展现了基底在特定状态下，如何通过各个子单元，用因果术语描述自身的全部信息。

最终，整合信息论提出了一种解释对应：体验的品质等同于基底在特定状态中支撑的因果结构体验的每一项随机属性——空间延展感、时间流动感、物体形态、颜色等——都必须由因果结构的特性进行彻底说明，无需其他成分（图1a，专栏1）

这使得该理论既具有强大的解释力，又有着严格的标准：仅根据物理存在的五条公设，我们就能结合特定状态的基质，理论上就能完整定性地刻画任何体验的因果结构简而言之，所有定性皆源于结构实证验证整合信息论直接以意识及其属性为研究对象，因而具备独特的结构特征。

它通过可操作的术语，精准地指向了待解释的核心问题——现象学本身那么，整合信息论的核心主张是否与现有证据相吻合呢？它能否合理解释已有的认知现象？此外，它是否能够提出新的预测，甚至包含一些违背直觉的推断？由于体验具有主观性，我们必须认识到：任何关于意识的理论都需要通过自身进行验证——即能报告自身体验的成年人类

（图1c）整合信息论的实证验证工作早已展开人们最初考察的是意识存在与否的基本事实我们知道，人类保有意识的前提是皮质-丘脑系统必须完整，而小脑或脊髓则无需如此原因何在？另一方面，即便皮质-丘脑系统保持活跃，人在慢波睡眠中仍会失去意识[4]。

这又是为何？全面性癫痫发作时，神经活动可能达到最强的同步状态，但意识却会消失整合信息论基于内在性、信息、整合这三个原则，能系统性地解释这些现象皮层作为零件被组织成为密集网格单元，这些单元特别适合作为高阶整合信息的基质。

而小脑结构模块化以单向传导为主，其解剖结构则不太符合上述要求但仅有正确的解剖结构还不足以说明为何因果交互一旦崩溃，意识便会消失，正如神经元在睡眠中进入双稳态（bistable）（活动间歇停滞），或癫痫发作时，神经交互饱和

（不同输入无法产生不同输出）的情况整合信息论的前三个公设提出明确要求：意识的基质必须高度整合，同时具备大量状态储备这催生了新的研究方法，即通过扰动探测大脑的反应来进行验证（研究列表见整合信息论维基/实证验证https://www.iit.wiki/papers#h.7qze96bau4qk）。

正如整合信息论（IIT）所预言的那样，只要意识存在，即便在完全无反应的状态下（如睡眠作梦或氯胺酮麻醉），皮质-丘脑系统对直接扰动仍呈现出整合与分化的特征然而，当意识消失时，情况则完全不同该方法已发展为一种临床检测手段，能够判断行为无反应患者的意识状态。

而排他公设增加了新的规定：意识基质必须具备明确的边界与精细结构这些特征对应最大整合信息整个皮质-丘脑系统虽高度整合，拥有密集的跨区连接，支持复杂神经元交互，但整合信息论（IIT）预测主复合体仅存于整合度最大的脑区。

（及皮层分层）核心候选区呈现致密网状局部连接，如大脑皮质后中央区（特别是颗粒上层）[5]而前额叶多个区域的模块化局部连接（伴随弥散结构）[6]，会形成“断层线（fault lines）”，降低信息整合度，故被排除在主复合体外。

前额叶模块参与的神经回路支持“处理环路”这些环路间接调控主复合体（进而影响意识），负责注意力、工作记忆、推理与反思等认知功能此类预测存在争议，因此成为实证验证的理想测试同理，感觉输入与运动输出通路虽能触发具体体验，也能执行复杂行为，却仍处于主复合体外。

整合信息论明确区分意识基质和背景条件，例如觉醒系统，虽支撑主复合体的因果效力，却可能不归入其中该理论还指出：当后中央皮质相关单元的指定因果效应若与主复合体整体状态不匹配，这些单元便不会参与意识体验这种情况常见于快速眼动睡眠中，或双眼竞争等状态下。

最后，整合信息论对主复合体单元（内在单元）的粒度和状态有特别要求，必须达到最大不可约简（详见整合信息论维基/内在单元条目https://www.iit.wiki/papers/intrinsic-units）

整合信息论的研究方案独树一帜，旨在阐释体验特质这一方案基于最终公设——组合公理根据整合信息论，主导意识生活的空间延展体验，原则上可通过无方向网格来解释这些网格的因果结构，由反射、包含、连接与融合构成这与空间现象学描述一致。

（见附注1）值得注意的是，网格作为高整合信息载体被提出后，整合信息论受到广泛批评批评者认为网格“过于简单”，无法支撑意识[7]这种直觉性的对理论的否定，是与现有证据相矛盾的大量证据显示，人脑中多数意识基质，都以网格形式存在。

此外，多层堆叠网格的因果结构极其复杂我们必须收集足够丰富的信息，才能解释空间体验（参见整合信息论维基/空间条目https://www.iit.wiki/papers/space）整合信息论对空间体验神经基质的推测，已获神经心理学数据的支持，且可被验证。

目前，TWCF资助的对抗性合作研究项目正在验证：视觉空间是否在盲点处收缩，如整合信息论所预言；初级视觉皮层损伤导致的中央旁暗点（paracentral scotomas）患者，是否感知空间缩小进一步的理论研究表明，时间流动感可以通过有向网格阵列进行解释。

这些阵列描述了因果效应子结构（详见整合信息论维基/时间词条https://www.iit.wiki/papers/time）根据整合信息论，我们体验到的时间并非“流动过程”，而是对应特定的因果结构（cause–effect structure）。

其内部差异与关联按定向排列，并持续动态更新整合信息论研究计划还致力于确认：哪些神经基质及其关联的因果结构能够解释主观体验（experience of objects），这些体验将一般概念与特定特征联系起来，包括颜色或声音等品质的体验。

另一组推论指出：在主复合体内（main complex），即使活动保持稳定，连接的改变仍会引发体验的变化这是因为基底承载的因果结构同时依赖于连接形态与活动模式（与前后状态无关）在初步实验中，研究者让两个相邻的光点反复同步闪烁，短暂强化了它们皮层靶区的连接。

训练后，两个未经过训练的远端光点间距被感知为缩短尽管它们的皮层活动可能并未发生变化（案例见整合信息论维基/空间可塑性https://www.iit.wiki/papers/plasticity-in-visual-space）

此类实验可以进一步扩展，例如比较发育阶段连接精修前后的体验特质整合信息论的部分预测可能极为反直觉（counterintuitive）例如，主复合体即便整体不活跃（并非完全失活），只要它处于因果就绪状态，仍能支撑意识。

虽然这类状态难以达成，但探索性研究结果正在验证我们预期的方向当训练有素的冥想者进入纯粹临在状态时——即鲜活地体验到广阔而明亮的延展感的时候，他们既无思维活动，也无自我感或感知内容——其脑电图显示全频段功率下降，伽马波段最为显著。

（详见整合信息论维基/纯粹临在https://www.iit.wiki/papers/pure-presence）若这种纯粹延展感的基底是网格状单元结构，这些单元仅维持最低活动，却能支撑庞大因果效应结构，该发现便与理论预期完全吻合。

专栏1 意识是结构还是功能整合信息论理论的核心主张是：意识体验属于结构，而非功能举例来说，假设某人注视屏幕中心，按要求指向光点（见方框图示左上）神经科学的主要目标在于理解大脑如何完成这类感觉运动转换——即执行功能的计算过程。

具体描述如下（见方框图示右上）：刺激物（红点）的位置在初级视觉皮层进行视网膜拓扑映射不同层级的脑区解码并重新编码，将坐标从视网膜参照系转为空间坐标系随后信号经顶叶区域处理，涉及眼-头-躯干的内部模型，最终生成运动指令。

这些指令通过前运动皮层调控肢体动作和注视预测过程可能影响刺激信号的传递注意机制则会聚焦刺激位置，促进检测和后续行为处理工作记忆与元认知可能参与评估任务表现通过将计算步骤映射到神经回路，可以理解大脑如何处理空间信息并产生适应性行为，类似工程师分析机器人系统。

该方法在揭示大脑工作机制上非常成功（需注意：作为生物演化系统，大脑功能与计算难以简单对应）然而，这个解释仍存在缺口：当大脑进行感觉运动转换时，还存在体验空间的主体——那个感知到延展表面左侧有个圆点的存在。

但从外在计算功能主义视角看，既无法解释觉知主体为何超越感觉运动转换，也认为无需解释无法说明人的体验为何如此呈现（环境或外在定义的“质空间”对此毫无帮助）也无法说明为何特定脑区与空间体验存在特殊关联（毕竟“空间信息”可在全脑多个区域解码）。

相比之下，整合信息理论以左侧带有红点的延展空间体验为解释核心（框图左下）如正文所述，该理论主张意识存在需依托主复合体主复合体须能构建因果结构此结构必须阐明体验的本质属性，包括空间及其他方面就空间体验而言，其现象结构的基础特质——延展特征——部分可通过内省察觉。

具体来说，空间体验由现象差异点构成（左侧虚线圆圈标示的“点”）这些点通过特定规则相互关联（遵循反身、包含、连接与融合原则）研究证实：源自网格状基底的因果结构，能以因果机制完全解释这些现象特质（框图右下）。

该结构还可诠释其他体验要素，例如红点在空间内的精确尺寸与方位（红色高亮区域）据此，整合信息理论提出：空间体验的神经基质这一结构是由多层相连的网格状皮质区叠加形成的，主要集中在后中央皮质区域该理论不仅能够解释现有的神经心理学证据，还能提出多项可验证的预测。

目前，部分预测正处在验证阶段，具体内容可参阅正文及整合信息论维基的空间理https://www.iit.wiki/papers/space这一解释也说明了为什么我们大脑中的其他回路，例如介导类似空间行为（如注视和追踪）的皮层下通路，可能在执行这些功能时并未贡献于意识体验：因为这些回路是以映射形式组织的（缺乏横向连接），而不是以网格形式组织的（参见整合信息论 Wiki/。

映射与网格中的计算示例https://www.iit.wiki/papers/of-maps-and-grids）最后，根据整合信息论的观点，如果能够执行复杂空间计算和功能的人工系统（如自动驾驶汽车）是基于标准计算机架构实现的，它们将表现得仿佛“看到”了空间，但实际上却什么也没有看到。

功能性视觉与现象性视觉并不相同，也就是说，“执行视觉功能”并不等同于真正看到物体真正的视觉体验涉及将一般概念与特定特征绑定，以及对颜色或声音等质感的感知

总之，对整合信息论而言，所有定性都是针对结构相关结构存在于当前状态中，表现为最大不可约基底的因果效力该主张的推论是：体验间的异同应当对应因果结构的异同，而不是对应活动模式的差异，或“编码”的区别整合信息论将体验视为结构的观点，正与意识科学[8]领域新兴的“结构转向。

（structural turn）”相契合这得益于互补的数学方法，例如范畴论[9]推演要推断自身之外意识的存在与质量（图1d），意识理论不可或缺我们应如何理解那些睁着眼却无任何反应的脑损伤患者？应如何理解早产的婴儿？应如何理解躯体构造迥异、大脑与行为完全不同的物种？我们又应如何理解人工智能？整合信息论的理论框架为科学解答这些问题提供了清晰的路线图。

这个理论在我们自身上的验证越多，对其他实体的推断就越可信，但我们必须留意神经科学假设与简化的某种固有局限例如，当健康成人积累更多支持该理论的证据时，我们便可推断：那些无反应但后中皮层处于网格状“因果就绪。

（causal readiness）”状态的患者，无论他们是否暴露了隐性“认知加工”迹象，他们很可能具有意识对于与人类迥异的物种，我们可以利用愈发精细的连接组数据，判断其脑部是否存在能够维持大型综合体的区域，而不必在意它们在我们眼中显得多么“聪明”。

关于人工意识，整合信息理论与主流计算功能主义得到的结论截然不同[2,10]该理论证明：传统冯·诺依曼计算机在模拟更简单逻辑门系统时，功能可能等同，却无法生成等效的因果结构无论计算机规模有多大，算力多强，功能多优，这一结论始终成立。

换言之，若该理论正确，即便能复制人类行为或认知的计算机，也无法复制主观体验它们不会具备意识，只会模仿有意识的行为——最终成为伪意识体更广泛而言，整合信息论表明，意识与智能存在着双重分离，二者未必相互依存

然而，该理论同时揭示，在进化历程中，受能量约束、神经连接限制以及学习时间的制约，智能行为的选择压力更倾向于高度整合的物理基质这类基质能够支撑意识的形成（计算案例可见整合信息理论维基/因果结构进化https://www.iit.wiki/papers/animats）。

外源计算功能主义与内源意识优先范式的对立让我们再来看看那封专门针对整合信息论的公开信签署者的忧虑的确是有依据的，但其根源并非如这封信中指控的内容（见专栏2与专栏3）首先，人们逐渐意识到，主流计算功能主义范式存在明显的缺陷：它无法解释体验的主观感受，这一根本性缺陷日益凸显。

因为越来越多人承认，现象学必须得到解释，事实上，现象学才是意识科学中真正的研究目标毕竟，体验构成了我们的全部：若无体验，一切都失去意义，科学也不例外但长期以来，由于“主观性之墙（wall of subjectivity）

”，我们无法从外部突破，各种荒谬理论层出不穷人们试图通过这些理论驱除主观体验意识曾被彻底否定，被斥为民间心理学，被贬为幻觉它还被区分为“现象意识（phenomenological consciousness）。

”，与科学认可的“意识通达”（access consciousness）划清界限有时甚至被压缩成边角料——沦为高层级、可报告的苍白描述在《单子论（Monadology，1714）》中，莱布尼茨曾通过他的“磨坊”隐喻概括了意识的难题：我们可以随意探查大脑内部（就像探查一个巨大的磨坊），但我们所能发现的只是物理机制，而永远无法找到体验本身。

与粗暴的还原论相比，功能主义起初似乎更具吸引力，因为它赋予更高层次组织以自主性，这些层次对于理解系统的运作是必要的，并且是多层次可实现的，因此无法还原为机制然而，莱布尼茨的观点同样适用，如果我们接受功能主义并假设意识是执行某些计算的过程，那么我们在大脑中所能发现的就只是执行这些计算的机制。

（见专栏1），而不是体验本身或其属性的解释换句话说，从外在视角来看，我们可以解释我们在有意识时的行为，但无法解释这种体验的感受或为什么它应该有任何感受专栏2 各类批评与误解“若某理论的核心主张，在原则上都无法检验，就应质疑其科学地位。

……整合信息论……缺乏科学研究所需的体验根基”[15]正如正文所述，整合信息论的核心主张已在公设中明确表述，并具有实验可验证性简而言之，意识的基质需达到不可还原的极限值这种因果效力具备特异性，且源自内在机制。

此外，体验的本质完全由该基质当前状态衍生的因果结构决定，无需任何其他成分由此产生若干重要推论例如，即使基质处于静息状态，仍能承载生动体验又比如，仅改变神经连接结构而不改变活动模式，也会导致体验变化正文还阐明这些核心主张与推论如何成为验证理论的关键，构成整体研究计划的核心环节。

它们同时支撑着三项正在推进的TWCF对抗性合作研究正如科学中常见的那样，测试的有效性依赖于辅助假设，其中一些相对无争议，而另一些则更具不确定性例如，计算机模型支持以下推论：由专门单元之间密集连接网络构成的神经基质比通过弥散连接增强的模块化基质更具不可简化性。

这自然引出了整合信息论的预测，即主复合体应主要位于后部-中央皮层区域到目前为止，证据似乎与这一预测一致然而，来自损伤、刺激和记录研究的数据仍有待完善、修订和重新解释，并可能最终指向与整合信息论预测不一致的位置。

整合信息论也可能因对皮层微观连接更深入的理解而受到挑战，这种理解可能会颠覆当前的神经解剖学假设“Φ[整合信息]在原理上无法计算”[15]如何定义整合信息？这需要使其全面且唯一地体现出整合信息论理论的核心公设。

该问题的理论探索已持续数十年（始于1990年代初，详见整合信息论 Wiki的"发展历程"https://www.iit.wiki/papers/#h.11e9w11yojcv），并最终由整合信息论 4.0版本接近完成。

对于简单的因果模型，所有相关量值皆可完整计算，理论上可行，实践中也可操作然而，面对复杂模型时，尽管度量标准已明确，但在实际计算中仍只能借助多种假设与近似例如，需评估模型精度，并确认其粒度是否合适这一情形与量子（生物）化学领域相似：教科书案例多处理少量自由度，而完整求解蛋白质的薛定谔方程在计算层面仍不可行。

尽管如此，整合信息论关于整合信息度量的主张仍可验证例如，可以建立两个模型进行对比：第一个模型模拟神经元内部的分子作用，第二个模型模拟密集皮质网络中的突触互动如果前者的整合信息估值更高，无论分子层面如何，都会动摇整合信息论理论。

此外，在不同假设与简化条件下，为大型模型（如连接组）设计估算方法，这属于数学层面的趣味挑战，而非“原则不可行”同样，界定不同基质承载的因果结构类型，也遵循相同的逻辑最后，整合信息论遭到否定值得深思它既具备明确的概念基础，又拥有解释与预测能力，同时还提供了数学框架和精确定义的度量。

这些特质怎能被视为劣势而非优势？反观计算功能主义范式，既无系统方法划定意识神经基质的边界与粒度，也无法解释其质的特性，更无法测量其量的多少“经过验证的预测仍不足以区分整合信息论与其他意识理论”[15]此处的批评核心在于：采用扰动复杂性指数（PCI）的实验并不能作为整合信息论的证据。

尽管PCI是目前成人意识研究中最灵敏的检测指标[16]，但这些实验既未验证整合信息论的核心主张，又与其他理论相兼容这颇具反讽意味：从整合信息论理论创立之初，就明确将精确定义整合信息作为核心目标这与认知神经科学中广泛存在的模糊概念截然不同，例如“信息处理”或“信息广播”。

首个明确测量指标“神经复杂性”于1994年提出，遵循整合信息论两大公设，同时评估信息整合与信息总量正确的测量还需具备因果属性，因此1999年诞生了“有效信息”为满足状态依赖与内在属性的要求，2008年发展为“整合信息”。

最终为确保满足公设的唯一性，2020年提出了“内在信息”（完整发展历程可查阅整合信息论维基/理论发展中的文献列表https://www.iit.wiki/papers/#h.11e9w11yojcv）为实证检验整合信息论核心主张，2005年研发出新方法（经颅磁刺激结合脑电图）。

通过监测大脑对因果扰动的反应，评估整合信息能力，获得了实用指标（PCI2013和PCIst2019）经过近二十年研究，已确认这些指标能够检测意识存在状态验证场景覆盖了明确判定情形：睡眠、多种麻醉状态，还包括神经断开且无法活动的病例。

这些替代指标虽较为粗糙，且依赖多项假设，但正如正文所言，它们直接验证了理论的三大核心公设：内在性、信息与整合目前取得的阳性结果支持整合信息论（虽不能“证明其正确”）正如阴性结果出现时，即构成反驳依据关于兼容性，我们应区分直接源于理论原则并推动长达十年证据积累（支持或反对）的预测，如整合信息论与PCI（扰动复杂性指数）之间的关系，以及那些与理论前提缺乏紧密联系的“回溯性预测”（或更准确地说，是适应性解释）。

越来越多的研究确实发现，在意识状态下，各种“复杂性”测量值高于无意识状态[17]然而，这是在神经复杂性论文（及其1998年后续研究，题为《意识与复杂性》）发表多年后才出现的此外，这些测量通常是非因果性的，并且缺乏与意识属性的原则性联系。

相比之下，整合信息论的整合信息是一种特殊的、因果性的复杂性（因此需要通过经颅磁刺激TMS对大脑进行因果探测），它由体验的属性决定，且常常违反直觉例如，在网格状基质中（从算法复杂性的角度来看是非常简单的架构），即使所有单元都处于非活动状态（一种非常简单的活动模式），整合信息也可能非常高。

“……觉醒状态的神经关联物，未必等同于意识心智状态的神经关联物若没有其他对照条件，仅比较清醒与昏迷等全局状态，无法得出关于意识的可靠结论”[15]这同样充满讽刺正因意识到必须区分意识与觉醒的神经关联物，研究者投入大量精力，采用“同状态、无任务”范式。

这种设计能规避行为状态变化的影响，消除任务表现的干扰，同时排除记忆内容的干扰（与不控制报告或注意的常规实验形成对比）在相同行为状态（睡眠）下对比发现：当意识存在（如做梦）时，后中央皮层区域的慢波活动减弱，该区域名为后部“热区”；无梦睡眠时，慢波活动则增强。

此外，慢波活动与因果交互的中断相关，这与整合信息理论的要求完全吻合[4]这一批评令人费解整合信息理论正是如此——从基底的转移概率矩阵出发，推导出该基底支撑的体验质量与数量其因果模型可转化为TPM矩阵[3]。

意识研究领域尚无类似方法“以下观点加深了质疑：整合信息理论是否算科学……过度延伸……与物理学矛盾……曲解与推广……”（引自文献[15]专栏2）“需要的是……一种直接源于整合信息理论的测量方法就像单摆的瞬时速度，直接来自简谐振动方程”（文献[15]）。

签署方采用这类间接证据，表明他们自知论点根基不牢这就像用硫磺味证明巫术存在，同样站不住脚研究者发现的只是物理机制，永远无法触及体验本身与强硬的还原论相比，功能主义乍看更具吸引力因为它承认高层组织拥有自主性，这对理解系统运作至关重要。

这些结构可通过多种方式来实现，因此不能被简化为机械过程但莱布尼茨的论点依然成立：若接受功能主义，认为意识是执行某种特定的计算，那么大脑里只有执行计算的机制（见专栏1），既非体验本身，也解释不了其本质特征。

换句话说，从外部视角出发，我们能说明意识状态下的行为，却道不出主观感受的实质，更说不清它为何存在其次，针对计算功能主义范式，整合信息论的意识优先范式提供了明确的替代方案这一研究纲领目标明确，旨在客观阐释主观现象。

根据整合信息论，体验是瞬间存在的结构，而非功能或计算过程这一观点与计算功能主义形成了直接对比体验并不依赖于过往或未来事件（见专栏1）由此我们可以得到多项推论，详细论述可参见相关文献（案例参阅整合信息论维基/出版物https://www.iit.wiki/papers/）。

意识内容对应的是由整合信息构成的因果子结构，而非待解码的讯息（比较香农信息与整合信息，请参见整合信息论维基百科：香农https://www.iit.wiki/papers/shannon）这些子结构自带内在意义，不依赖外部关联或功能。

感知即内在意义本身，由外部刺激触发子结构，而非"信息处理"的产物（内在意义论述见整合信息论维基/意义https://www.iit.wiki/papers/meaning-matching）信息传递应被视为不同意识体间激活相似的因果子结构，而非代码传输。

（通信理论见整合信息论维基/香农https://www.iit.wiki/papers/shannon）整合信息论强调，现象层面的视觉、听觉、躯体感受及时空感知，远超功能对应部分（自然神经科学所见远超行为认知需求，见专栏1）。

即便是空白屏幕的体验，也蕴含着巨大的丰富度（视觉丰富度分析见整合信息论维基：观察的无尽魅力https://www.iit.wiki/papers/unfathomable-richness），无法被简要的高层描述穷尽。

这种丰富度通过庞大的因果结构得以体现[11]专栏3 泛心论（Panpsychism）整合信息论还被指控涉及泛心论该学说主张，意识在自然界无处不在有人认为，这会使它自动失去科学资格暂且抛开哲学争议，值得探讨整合信息论的若干影响。

首先，作为意识理论而非伪意识理论，整合信息论只能在人类身上验证正如正文所指出的，要将意识赋予其他对象，无论是“宇宙”还是“静态逻辑门阵列”，都需依赖理论外推这种推论是否成立，完全取决于理论本身是否成立而理论是否成立，又只能通过人类来验证。

其次，整合信息论并非随意赋予万物意识远非如此根据排他公设要求，意识不能叠加，也无法聚合例如，若后中央皮层神经元群形成主要复合体，那么在任何层级中，其子集、超集或同级集合都无法产生意识单个皮层区域不能，整个皮层不能，整个大脑不能，整个身体也不能。

既然人人皆有意识，便不存在集体意识，也无群体意识第三，整合信息论主张意识存在等级，但差异可能极其悬殊整合信息论的独特之处在于，它提供了测量意识总量的标准指标Φ值这使测算其上限成为可能当复合体内禀单元数量增加时，Φ值会呈双指数增长（参考。

https://www.iit.wiki/papers/upper-bounds）例如：2单元复合体的Φ值上限为14 ibits，1000单元复合体的Φ值则达到2^2^1000（约10^300） ibits。

人脑主复合体的Φ值显然更高清醒或做梦时的主复合体，在无梦睡眠或麻醉中会分解产生的子复合体因果结构极其简单，Φ值极低这种状态几乎无法形成知觉，符合“失去意识”的体验类比而言，-272℃虽未到绝对零度，但已不具实际温度意义。

同理，子复合体也不具备有效意识关键问题是：人脑主复合体的解构过程是否呈现剧烈突变？根据从意识到无意识的典型转换模式，这种非线性变化理应存在根据整合信息论的观点，大多数事物——无论是原子、物体、桌子、岩石还是恒星——很可能没有意识，或者没有有意义的意识，因为它们要么仅仅是较小复合体的集合，要么因为它们的Φ值可以忽略不计。

同样，我们大脑中主复合体之外的部分，例如小脑或大部分前额叶皮层，无论它们执行什么计算，也是如此因此，我们既要意识到在没有智能的情况下，意识可能出乎意料地存在，也应该在给任何看起来复杂或智能的事物赋予意识时保持谨慎，比如AI。

最后是AI带来的新兴挑战让我们看看这个主流范式的明确声明：“我们采用计算功能主义作为工作假说，主张执行某种正确类型的计算，这是意识的必要和充分条件[10]对于何为“正确类型（right kind）”的计算，目前人们尚无共识。

但这样定义意识意味着：某物若在计算功能层面等同于人类，其意识层面也必须等同在AI时代，这个结论无可回避，也令人不安有人选择直面现实，承认AI具备意识另有人则开始怀疑存在疏漏，试图寻找专属人类的意识要素：或许需要具身存在、自主行动、维持稳态或自我保存；可能需要与垂死硬件绑定的“有限”计算，甚至某种神秘生物成分。

（类似生命活力论）但这意味着在科学层面，我们又回到了魔法领域，至少退回了起点相反，如果整合信息论是正确的，那么我们的大脑作为一种物理基质的独特之处，以及我们与AI的根本区别，就并不在于它的功能，而在于它的某些部分的组织方式。

整合信息论的研究正是要描述这些部分、它们的详细连接性、它们所支持的因果结构，以及这些结构是否能够解释意识现象等方面这也是对神经科学家的一种邀约，让他们以不同的视角来观察大脑，专注于它所支持的因果结构难怪主导范式会感到被威胁或感受到“担忧”，尤其是出于伦理的因素。

事实上，如果整合信息论是正确的，那么这确实会有一些伦理后果与计算-功能主义范式不同（该范式可能从某种层面暗示了我们的口袋中可能携带有意识的AI，或者被有意识、能言善辩的汽车送往目的地[12]）——但整合信息论强调：AI能模仿人类所有行为，看似具备意识，但永远不是真实意识——“行而无形”。

相反，看似怪异或迟钝的生物，可能拥有丰富的内在世界更现实的例子是：丧失反应与认知能力的患者，仍可能具有鲜活感知——“存而无为”若整合信息论正确，我们拥有的是真正自由意志，而非虚幻假象（参见整合信息论 Wiki/自由意志以了解整合信息论对自由意志的解释https://www.iit.wiki/papers/free-will）

最初那封“伪科学”信件出现在为期九天的整合信息论课程结尾要理解该理论的实质并不容易：首先需要分清客观解释意识的条件与伪意识的区别正如培根在四个世纪前所言，质疑主流范式并非易事而挑战学术群体的固有思维则更加艰难，却至关重要。

回顾历史，三十多年前，我们中有些人开始尝试从科学的角度探索意识当时，即便是提及“意识”这个词，也会遭到科学界的否定然而，通过我们以及众多同行的不懈努力，意识研究终于获得了科学界的认可如今，这些安稳的研究者反而指控他人为伪科学，这无疑是一种讽刺。

科学不仅需要想象力与实验，更需要严谨与开放的态度自封为“学术法庭”毫无益处——这类似于教义审查会（即计算功能主义的信仰）——专断地划定研究禁区在面对意识这样的难题时，尤其如此参考文献Ferrante, O. et al. Preprint at bioRxiv https://doi.org/10.1101/2023.06.23.546249 (2023).。

Findlay, G. et al. Preprint at https://doi.org/10.48550/arXiv.2412.04571 (2024).Albantakis, L. et al. PLoS Comput. Biol. 19, e1011465 (2023).

Tononi, G., Boly, M. & Cirelli, C. Neuron 112, 1568–1594 (2024).Vezoli, J. et al. Neuroimage 225, 117479 (2021).

Watakabe, A. et al. Neuron 111, 2258–2273.e10 (2023).Aaronson, S. Why I Am Not An Integrated Information Theorist (or, The Unconscious Expander). Shtetl-Optimized: The Blog of Scott Aaronson https://scottaaronson.blog/ ?p=1799 (2014).

Kleiner, J. Conscious. Cogn. 119, 103653 (2024).Tsuchiya, N. & Saigo, H. Neurosci. Conscious. 2021, niab034 (2021).

Butlin, P. et al. Preprint at https://doi.org/10.48550/arXiv.2308.08708 (2023).Blum, L. & Blum, M. Proc. Natl Acad. Sci. USA 119, e2115934119 (2022).

Dehaene, S., Lau, H. & Kouider, S. Science 358, 486–492 (2017).Song, C., Haun, A. M. & Tononi, G. eNeuro, 4, ENEURO.0080-17.2017 (2017).

Siclari, F. et al. Nat. Neurosci. 20, 872–878 (2017).IIT-Concerned et al. Nat. Neurosci. https://doi.org/10.1038/s41593-025-01881-x (2025).

Casarotto, S. et al. Ann. Neurol. 80, 718–729 (2016).Sarasso, S. et al. Neurosci. Conscious. 2021, niab023 (2021).

阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”https://wx.zsxq.com/group/454854145828

未来知识库是“欧米伽未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势目前拥有超过8000篇重要资料。

每周更新不少于100篇世界范围最新研究资料欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828 进入截止到2月28日 ”未来知识库”精选的100部前沿科技趋势报告。

《核聚变，确保 21 世纪美国的主导地位的关键技术》《世界知识产权组织：2025WIPO 技术趋势报告：交通运输的未来（145 页）》《世界知识产权组织（WIPO）：2024 年世界知识产权指标报告（194 页）》

《联合国环境规划署：2024 年保护地球报告（81 页）》《联合国工发组织：2024 清洁技术创新能力建设框架研究报告（51 页）》《凯捷：Applying TechnoVision 2025：未来科技趋势及应用愿景（17 页）》

《谷歌：2025 年 AI Agent 白皮书：AI 智能体时代来临（42 页）》《富而德律师事务所：2024 年国际仲裁趋势年度回顾报告（41 页）》《邓白氏：2024 年全球企业破产报告（27 页）》

《LLM 时代小模型的应用潜力与挑战 》（50 页）《斯坦福 2025 斯坦福新兴技术评论十项关键技术及其政策影响分析报告》（英文版 191 页）《英伟达：2025NVIDIA 自动驾驶安全报告（26 页）》

《微软 MICROSOFT (MSFT) 2024 年影响力摘要报告（23 页）》《高德地图：2024 年中国主要城市交通分析报告（29 页）》《德勤 & CAS：2025 锂离子电池回收行业报告 - 面向绿色未来的市场及创新趋势（36 页）》

《ABI Research：2025 生成式人工智能在语义和实时通信中的应用研究报告（20 页）》《2025 年 3D 打印技术发展趋势、产业链及相关标的分析报告（45 页）》《生成式基础模型的可信度 —— 指南、评估与展望》（231 页）

《量子信息科学与技术对国家安全的影响》（118 页）《中国科学技术信息研究所：2024 科技期刊世界影响力指数（WJCI）报告（68 页）》《思略特（Strategy&）：2025 汽车行业的人工智能（AI）机遇研究报告（12 页）》

《赛默飞：2024 年中国生物科技行业调研报告：资本寒冬中生物科技企业的生产之道（18 页）》《清华大学：2025 年 DeepSeek 与 AI 幻觉报告（38 页）》《美国企业研究所（AEI）：2025 创新未来电力系统研究报告：从愿景迈向行动（71 页）》

《超材料的智能设计研究进展》《Ember：2030 年全球可再生能源装机容量目标研究报告（29 页）》《量子信息科学与技术对国家安全的影响》《英国人工智能安全研究所：2025 年国际人工智能安全报告 - 执行摘要（22 页）》

《世界海事大学：2024 海事数字化与脱碳研究报告：可持续未来（250 页）》《艾睿铂（AlixPartners）：2024 回溯过往锚定未来：大型科技公司如何推进人工智能愿景研究报告（18 页）》《Wavestone ：2025 数据与 AI 雷达：掌握数据与人工智能转型的 10 大挑战研究报告（30 页）》

《CSIS：2024 中美学术的再联结研究报告：在激烈竞争的时代增进相互理解（120 页）》《MSC：2025 全球国防创新就绪度差距系列报告：突破制约国防创新的六大隐性障碍（第四版）（32 页）》《2025 年 AI 编程发展前景及国内外 AI 编程应用发展现状分析报告（22 页）》

《中国核电 - 公司深度报告：世界核电看中国 - 250218（22 页）》《医药生物行业：医疗器械行业全景图发展趋势及投资机会展望 - 250216（28 页）》《皮尤研究中心：2024 美国社交媒体使用情况研究报告（英文版）（30 页）》

《科睿唯安：2025 基因编辑领域的领先创新者洞察报告 - 改变药物发现和开发范式的八大创新者（47 页）》《经合组织（OECD）：2025 年全球脆弱性报告（218 页）》《计算机行业年度策略：AI 应用元年看好 Agent、豆包链及推理算力三大主线 - 250218（38 页）》

《国金证券研究所：从理想走向现实，全球人型机器人研究报告》《深度解读 DeepSeek 原理与效应（附 PPT 下载）》《兰德公司（RAND）：2025 借鉴危机经验构建城市水安全韧性研究报告：五城案例分析（62 页）》

《凯捷（Capgemini）：2025 行业创新洞察：电气化飞机推进系统研究报告（27 页）》《国际能源署（IEA）：2025 全球电力市场报告：至 2027 年的分析与预测（200 页）》《Zenith：2025 年国际消费电子展（CES）趋势报告：AI 对消费科技、消费行为及传媒营销的变革性影响（17 页）》

《RBC 财富管理：全球透视 2025 年展望报告（33 页）》《美国国防部和国家安全领域的十大新兴技术》（96 页）《代理型人工智能全面指南》（45 页 ppt）《麦肯锡 2025 人类工作中的超级代理。

赋能人类解锁 AI 的全部潜力》（英文版 47 页）《仲量联行（JLL）：2025 美国制造业的复兴全面分析报告：未来制造业增长及工业需求前瞻（26 页）》《未来的太空领域：影响美国战略优势的领域》《Luminate：2024 年年终美国影视行业报告：数据及趋势洞察（40 页）》

《Anthropic：2025 年 AI 经济影响报告：AI 如何融入现代经济的各类实际任务（38 页）》【ICLR2025】《LLMS 能否识别您的偏好？评估 LLMS 中的个性化偏好遵循能力》《改进单智能体和多智能体深度强化学习方法》（219 页）

《美国安全与新兴技术中心：2025 中国学界对大语言模型的批判性思考通用人工智能 AGI 的多元路径探索研究报告》（英文版 29 页）《世界经济论坛 & 麦肯锡：2025 以人才为核心：制造业持续变革的当务之急研究报告（40 页）》

《超越 ChatGPT 的 AI 智能体》（82 页 ppt）《Harris Poll：2024 年汽车技术预测报告：消费者对先进汽车技术与功能的洞察（14 页）》【新书】《人工智能智能体的应用》（527 页）

《哥伦比亚大学：超越 Chatgpt 的 AI agent 综述》《欧盟标准组织 - 体验式网络智能（ENI）- 基于人工智能代理的下一代网络切片研究》《中国科学院：2024 开放地球引擎（OGE）研究进展与应用报告（55 页）》

《中国工程院：2024 农业机器人现状与展望报告（70 页）》《美国安全与新兴技术中心：2025 中国学界对大语言模型的批判性思考：通用人工智能 (AGI) 的多元路径探索研究报告（29 页）》《罗兰贝格：2050 年全球趋势纲要报告之趋势五：技术与创新（2025 年版）（72 页）》

《理特咨询（ADL）：2025 解锁聚变能源：驾驭聚变能商业化的机遇与挑战研究报告（20 页）》《埃森哲：技术展望 2025—AI 自主宣言：可能无限信任惟先 - 摘要（12 页）》《怡安（AON）：2025 年气候和自然灾难洞察报告（109 页）》

《美国安全与新兴技术中心：2025 AI 翻车事故（AI incident）：强制性报告制度的关键要素研究报告（32 页）》《牛津经济研究院 2025 确保英国充分释放量子计算的经济潜力研究报告 》（英文版 64 页）

《欧洲创新委员会（EIC）：2024 年科技报告（65 页）》《大模型基础 完整版》《国际人工智能安全报告》（300 页）《怡安（AON）：2025 年全球医疗趋势报告（19 页）》《前瞻：2025 年脑机接口产业蓝皮书 —— 未来将至打造人机交互新范式（57 页）》

《联合国（United Nations）：2024 技术与统计报告：从业者投资法指南（67 页）》《经济学人智库（EIU）：2025 全球展望报告：特朗普再次当选美国总统的全球影响（16 页）》《大规模视觉 - 语言模型的基准、评估、应用与挑战》

《大规模安全：大模型安全的全面综述》《Emplifi：2024 年 Q4 全球电商行业基准报告 - 社交媒体趋势洞察（37 页）》《DeepMind：2025 生成式魂灵：预测人工智能来世的益处和风险研究报告（23 页）》

【AI4Science】《利用大型语言模型变革科学：关于人工智能辅助科学发现、实验、内容生成与评估的调研》《世界银行：2025 极端天气高昂代价：气候变化背景下的马拉维金融韧性构建研究报告（76 页）》

《北京理工大学：2025 年中国能源经济指数研究及展望报告》《Space Capital：2024 年第四季度太空投资报告（22 页）》《NetDocuments：2025 年法律科技趋势报告（32 页）》

《CB Insights：2024 年度全球企业风险投资（CVC）状况报告：私募市场交易、投融资数据及分析（130 页）》《Artlist：2025 年全球内容与创意趋势报告（59 页）》《IBM 商业价值研究院：2024 投资人工智能伦理和治理必要性研究报告：AI 伦理前线五位高管的真实故事（24 页）》

《世界基准联盟（WBA）：2025 塑造未来：对可持续发展目标（SDGs）影响最大的 2000 家公司研究报告（46 页）》《清华大学：2025 年 DeepSeek 从入门到精通（104 页）》《麦肯锡：2025 工作场所中的超级代理 (Superagency)：赋能人类解锁人工智能的全部潜力（47 页）》

《凯捷（Capgemini）：科技愿景 2025：关键新兴科技趋势探索（54 页）》《硅谷银行（SVB）：2025 年上半年全球创新经济展望报告（39 页）》《BCG：2025 工业运营前沿技术：AI 智能体 (AI Agents) 的崛起白皮书（26 页）》

《DrakeStar：2024 年全球游戏与电竞行业报告（26 页）》《理特咨询（ADL）：2025 人工智能驱动的研究、开发与创新突破的新时代研究报告（80 页）》《互联网安全中心（CIS）：2024 年网络安全冬季报告：回顾与展望（30 页）》

《方舟投资（ARK Invest）：Big Ideas 2025 - 年度投研报告（148 页）》《DeepSeek：2024 年 DeepSeek-V2 模型技术报告：经济、高效的混合专家语言模型（52 页）》

《CB Insights：2024 年度全球风险投资状况回顾报告：私募市场交易、投融资和退出数据及分析（273 页）》《全国智标委：2025 城市生命线数字化标准体系研究报告（105 页）》《经合组织（OECD）：2024 年全球政府创新趋势报告：促进以人为本的公共服务（46 页）》

《DeepSeek_R1 技术报告》《摩根斯坦利报告 —DeepSeek 对于科技和更广义经济的含义是什么？》《李飞飞最新 S1 模型的论文：s1 Simple test-time scaling》《世界经济论坛 -《全球经济未来：2030 年的生产力》报告》

《2035 年技术融合估计：量子互联网、人机接口、机器学习系统、隐形机器人、增材制造》《百页大语言模型新书》（209 页 pdf）《量子技术和网络安全：技术、治理和政策挑战》（107 页）《大语言模型中的对齐伪造》（137 页）

《2035 年技术融合估计：量子互联网、人机接口、机器学习系统、隐形机器人、增材制造》（美陆军 232 页）《美国防部 CDAO：人工智能模型的测试与评估》（66 页 slides）《自动驾驶的世界模型综述》

《Questel2024 深度学习领域专利全景报告》（英文版 34 页）《深度解析 Palantir》（20250122_204934.pdf）上下滑动查看更多

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186