开始深度阅读之前，不妨先点击下方视频，用几分钟时间，听马博士从资深投资人的视角，为你梳理这篇文章的核心观点与判断逻辑。

我最近一直在想一件事。

这一轮 AI 发展到今天，大家最习惯看的，还是模型排行榜。谁的参数更多，谁的上下文更长，谁的推理更强，谁的代码能力更好，谁回答问题更像人。这个阶段当然重要，因为没有基础模型能力，后面的应用都是空中楼阁。

但我越来越觉得，下一轮 AI 真正拉开差距的地方，可能不在“它知道多少世界知识”，而在“它能不能真正理解一个人”。

前段时间我重新看我们北大智能学院院长朱松纯老师的一些文章和演讲，他有一句话我很有触动：为机器立心。这句话听起来有点玄，但往深处想，其实非常具体。朱老师一直强调，通用人工智能不只是更大的模型、更强的识别和生成，而是要有认知架构和价值体系，让机器从单纯的数据驱动，走向价值驱动。AI 需要形成“价值—因果—行为”的链条，才能把内部价值和外部行动连接起来。

这件事如果放在健康场景里，就非常容易理解。

一个 70 岁老人突然头晕。你去问今天的大模型：“老人头晕可能是什么原因？”它可以立刻列出很多可能：血压、血糖、心脑血管、睡眠不足、耳石症，甚至还能把每一种症状、风险和处理建议讲得很完整。从知识角度看，它已经非常厉害。

但问题是，它真的懂这个老人吗？

它知不知道这个老人是你父亲？知不知道他过去三个月血压一直偏高？知不知道他昨天晚上只睡了四个小时，今天早上没怎么吃东西？知不知道他最近情绪不好，活动量下降？更重要的是，它知不知道这个时刻你真正需要的，不是十条医学知识，而是一个判断：现在是先观察，还是必须马上去医院？

这里面有一道很深的分界线。

一边叫“知道很多”，另一边叫“理解一个人”。

一、今天的大模型，更像一个博学的人

今天的大模型很强，但它的强，大部分仍然来自对公开世界知识的学习。它读过很多网页、论文、书籍、代码、图片和视频，所以它越来越像一个什么都知道的人。你问它一个概念，它可以解释；你让它写一篇文章，它能组织；你让它分析一个行业，它能给框架。

但人类真实生活里的很多重要决策，不是靠“知道很多”解决的。

健康如此，教育如此，养老如此，企业经营也是如此。一个老板问 AI：“我这个业务要不要转型？”AI 可以给出一大堆战略模型。但真正重要的是，它知不知道这家公司过去十年的客户是谁，团队能力在哪里，现金流还能撑多久，老板性格是激进还是保守，市场上哪些渠道已经失效，哪些老客户还有信任。

人不是抽象变量。企业也不是抽象变量。每一个真实对象，都有历史、关系、偏好、约束和变化。

所以我越来越认为，AI 下一阶段的核心问题，不是继续把“全世界”学得更平均，而是开始把“具体的人”理解得更深。过去 AI 追求的是通用知识密度，未来 AI 要补的是个体理解密度。

这不是小修小补，而是范式变化。

二、“为机器立心”，不是让机器有情绪，而是让它知道什么更重要

很多人听到“为机器立心”，会误以为是让机器有感情、有意识、有灵魂。我的理解不是这样。

“心”首先不是情绪，而是一套价值排序。它让机器知道，在一个具体场景里，什么事情更重要，什么目标应该优先，什么行动可以做，什么行动不能做。

朱老师在多个场合讲过，通用智能体要有完备的认知架构与价值体系。他强调通用智能体要能实现共同态势感知、共同预测模型、共同行动规范和共同价值观，这些都是人机交流、合作和信任的基础。

这件事在健康场景里尤其重要。

老人头晕这件事，如果 AI 只是医学百科，它会列出一堆可能性；如果 AI 有价值排序，它会先判断风险等级。它知道生命安全高于解释完整，知道不确定时应当保守，知道这个家庭的照护能力，知道这个老人过去的健康轨迹，知道什么时候该提醒家属，什么时候该建议就医。

这才是智能从“回答问题”走向“承担任务”的关键。

一个真正有用的 AI，不是永远给你更多信息，而是在信息过载的时候，帮你做出更好的判断。它不只是知道“世界是什么样”，还要知道“此刻什么更重要”。

三、中国的独特机会，可能在“理解人”

过去几年，中国 AI 很容易跟着美国节奏走。美国有 ChatGPT，我们做自己的大模型；美国做 Agent，我们也做 Agent；美国做 Sora，我们也做视频生成。这个阶段不可避免，因为底层技术平台必须补课。

但如果 AI 下一阶段从“知道世界”走向“理解人”，中国可能有一个很特别的机会。

中国思想里有大量关于人的经验。我们讲因人而异，讲因时而变，讲知行合一，讲人与环境之间的关系。这些话过去更多是哲学语言、经验语言，很难工程化、计算化、产品化。

朱老师其实也指出过这个问题，认为人工智能创新可以分为哲学层、数理框架层、模型层、算法层、执行层，并提出了CUV架构，也就是认知、能力、价值的认知架构，试图把符号逻辑、统计学习与价值体系统一起来。

我觉得这恰恰是 AI 时代中国思想可以重新被激活的地方。

过去我们说“因人而异”，只是四个字；今天我们能不能把一个人的身体数据、生活习惯、行为变化、环境变化、家庭关系，真正放进一个系统里，让 AI 知道这个人和别人有什么不同？

过去我们说“因时而变”，更多靠人的经验；今天 AI 能不能根据一个人最近一周的睡眠、饮食、运动、血糖、血压、情绪，动态调整下一步建议？

过去我们说“知行合一”，是修身哲学；今天 AI 能不能不只告诉你该怎么做，还能持续观察你有没有做，做了以后结果如何，再把反馈带回下一次决策？

这不是把传统文化简单贴到 AI 上，而是把过去关于人的经验，变成可以计算、可以学习、可以反馈的模型。

四、健康管理，是最适合“理解人”的场景

为什么我现在越来越看重大健康 AI？不是因为健康是一个大赛道，这个大家都知道。更重要的是，健康管理天然就是一个长期理解人的过程。

一个人的健康，不是今天问一个问题，明天就结束。它是几年、十几年，甚至几十年的连续变化。你今天吃什么，最近睡得怎么样，有没有运动，情绪怎么样，血压、血糖、体重、代谢指标怎么变化，这些东西不断积累，才慢慢组成一个真实的人。

医疗更像是在疾病发生以后处理问题，健康管理更多发生在疾病之前、日常之中。它不是一次诊断，而是长期陪伴；不是一个答案，而是一套持续行动。

这也正好对应朱老师所说的通用智能方向：智能不是只靠大数据和小任务，而要走向大任务、因果理解和自主行动。他早年文章中也讨论过，智能系统需要价值函数，需要理解因果链条，并通过自主行为改变环境和状态。

健康场景里，这条链路非常清楚：先理解状态，再判断风险，再给出行动，再观察执行，再记录结果，再修正模型。

没有反馈的 AI，只能不断回答；进入反馈闭环的 AI，才真正开始学习一个人。

五、小凯同学不是健康ChatGPT，而是人的世界模型入口

所以我们现在做小凯同学，做大健康 AI 世界模型，我越来越不愿意把它理解成一个简单的“健康 ChatGPT”。

如果只是用户问一句，AI 答一句，那它最多是一个健康知识助手。这个方向有价值，但不够深，也不构成真正长期的壁垒。因为健康知识本身会越来越普及，通用大模型也会越来越擅长回答普通健康问题。

真正有价值的，是让 AI 从“认识一个用户”，慢慢走向“理解一个人”。

它要记得这个人的过去，观察这个人的现在，预测这个人的变化，理解这个人的行为约束，再给出适合他的行动建议。更重要的是，它要在后续反馈里不断修正自己：这个建议有没有被执行？执行以后睡眠有没有改善？血糖有没有变化？体重有没有下降？用户为什么没有坚持？是建议不合适，还是环境不支持？

这才是世界模型的意义。

过去的大模型擅长回答“这是什么”；未来的大健康世界模型，要逐步回答“如果这个人采取这个行动，接下来可能发生什么”。

这个判断对创业者和投资人都很重要。未来大健康 AI 的竞争，不是看谁的界面更像聊天机器人，也不是看谁接了更大的模型，而是看谁能形成连续数据、服务闭环、行动反馈和个体理解。

谁更懂人，谁才更接近下一代入口。

六、创业者不要只做知识问答，要做长期关系

很多 AI 创业者容易从最简单的地方切入：做一个问答工具，做一个内容助手，做一个智能客服。这些东西能快速上线，也容易展示，但它们往往停留在信息层。

信息层的竞争会越来越激烈。模型会越来越强，成本会越来越低，大厂会越来越多地把通用能力内置进去。只做问答，很容易变薄。

更深的机会在关系层。你能不能长期跟一个用户发生连接？能不能知道他过去发生过什么？能不能根据他的变化调整服务？能不能把服务结果变成模型下一次判断的材料？

这才是创业公司的护城河。

一个健康 AI 如果只是回答“高血压怎么办”，它很难建立长期价值；但如果它能长期跟踪一个人的血压、饮食、运动、睡眠、用药、复查和家庭照护情况，它就开始进入真实健康管理。一个教育 AI 如果只是讲题，它很容易被替代；但如果它理解一个孩子的学习习惯、注意力、错题模式、家庭支持和心理状态，它就可能成为真正的学习伙伴。

AI 应用的未来，不只是工具效率，而是长期理解。

七、投资人要看“模型有没有长在人身上”

对投资人来说，下一阶段看 AI 项目，也要换一套问题。

不要只问它用了哪个模型，回答得准不准，获客成本多少，增长曲线好不好。还要问：它有没有持续理解用户的能力？它的数据是不是一次性交互，还是长期状态？它有没有行动建议？建议有没有反馈？反馈有没有进入下一次模型迭代？

更重要的是，它有没有形成“人”的模型。

这里的“人”，不只是用户画像里的年龄、性别、城市、消费水平，而是一个连续变化的生命状态和行为系统。健康里的“人”，包括身体、情绪、习惯、家庭、环境和目标；企业里的“人”，包括老板、团队、客户、现金流和组织习惯；教育里的“人”，包括认知能力、情绪状态、家庭支持和长期成长。

谁能把这些复杂变量持续建模，谁就不是在做一个 AI 功能，而是在做下一代智能入口。

这也是我认为中国创业者应该重新建立自信的地方。中国不一定每家公司都去卷基础大模型，但中国有大量真实场景，有复杂的人群，有线下服务，有长期关系，有产业链，有私域，有大健康、有教育、有养老、有企业服务。这些都是理解人的土壤。

AI 最终不是只在论文里进化，它也会在真实生活中进化。

结语：AGI的本质，可能是建立关于人的模型

很多人理解 AGI，是一个什么都会的超级大模型。知识更多一点，推理更强一点，工具调用更多一点，好像再往前走几步，就是通用人工智能。

但我现在越来越觉得，AGI 的本质可能不是让机器知道更多，而是让机器真正理解：人为什么这样想，为什么这样选择，什么对这个人更重要，以及在一个具体环境里，下一步应该怎么行动。

朱老师讲“为机器立心”，我理解不是一句学术口号，而是在提醒我们：真正的智能不能只有知识，还要有目标、价值、因果和行动。否则它永远只是一个聪明的回答机器。

下一阶段 AI 最重要的变化，可能就是从“知道世界”走向“理解人”。

这也是大健康 AI 最值得做的地方。因为健康不是一次问答，而是一个人的长期状态；不是一个孤立指标，而是身体、行为、情绪、环境和家庭关系的综合结果。谁能让 AI 在这个过程中持续学习，谁就可能训练出真正有价值的人的世界模型。

未来最重要的 AI，未必是那个什么都能回答的 AI。

可能是那个最懂你的人。

— 关注凯同AI，把大健康AI落到真实经营里 —

为帮助更多大健康从业者低成本体验AI内容生产与客户运营，凯同AI现推出免费算力领取活动。✨

您可以使用算力体验：

• AI图文、视频及营销素材生成
• 文本、图片与视频合规检测
• 健康客户服务与私域运营
• 更多大健康AI应用功能

📱 扫描下方二维码进入「凯同AI」小程序

注册后输入专属口令「maboshi」，即可免费领取至少 20000 算力。

👉 免费体验凯同AI，让获客更有内容，让服务更有温度，让每一次营销都更接近成交。