当 AI 从屏幕走向物理世界,一个问题随之出现:未来的物理世界里,会有哪些形态的智能个体?
过去两年,业界给出的答案高度集中。人形机器人、具身大模型、面向机器人的世界模型相继成为热点,讨论的对象基本属于同一类:拥有自己的身体、感知与目标的具身智能体。
牛津大学计算机系高级研究员费豪(Hao Fei)近期在 arXiv 公开了一篇观点论文(perspective paper),正文 59 页,为这幅图景补上了另一半。他认为,物理 AI 时代会同时存在两种同等重要的智能个体:具身机器人,以及被 AI 增强的人。
论文标题:From Autonomous Agents to Cognitive Symbionts: Toward AI-Augmented Human Intelligence
arxiv id:2611.05376
后者指的是一个真实的人借助眼镜、耳机等可穿戴设备,与一个长期陪伴他的 AI 系统连在一起。人始终是主体,AI 借用他的感官与双手,进入他的日常生活。
围绕这一判断,论文提出了一个与 AGI 并列的方向:AI 增强人类智能(AI-Augmented Human Intelligence,AHI)。承载这一方向的系统,作者命名为认知共生体(Cognitive Symbiont)。
费豪的研究长期围绕跨模态基础模型与人的心智建模展开,曾主导全模态大模型 NExT-GPT,并在今年 7 月发布了心智世界模型(Mental World Modeling)。这篇论文沿着后一条线索继续向前:机器理解了人之后,下一步是与人一同生活,让这个人自己变得更有能力。
下文沿论文主线依次解读六个问题:物理 AI 中的两种智能个体,AI 终局的两半,人与 Agent 关系的四个阶段,认知共生体的定义,这一方向为何在今天成为可能,以及它能为哪些人提供帮助。
01
物理 AI 的两种智能个体
两种个体的区别,可以借一组对照来理解。具身机器人相当于为 AI 新造一具身体,由它自己设定目标、执行动作;被 AI 增强的人则让 AI 接入一具已经存在的身体,目标与身体都属于这个人,AI 通过他佩戴的设备去看、去听,再经由他去行动。
论文的核心论断在于,两者共享同一套认知内核(cognitive core),由四种能力组成:跨越长时间保存记忆,读懂所处情境与他人的想法,判断何时出手,以及根据结果不断修正自身。
两者真正不同的地方只有三处:目标归属于谁,身体归属于谁,出了问题由谁承担责任。
由此可以引出两点推论。
第一,为共生体发展出的记忆、理解与介入能力,可以直接迁移到具身机器人上。论文据此认为,这一范式的适用范围远超个人助手。
第二,共生体虽然没有自己的身体,却可以调用环境中的设备:主人走进实验室,它可以操作仪器;主人回到家中,它可以协调家里的电器。人在物理世界里能够完成的事情,也因此一并得到扩展。
02
AI 终局的两半:
AGI 与 AHI
第二种智能个体的出现,也改变了衡量 AI 进步的方式。
论文把 AI 的终局分为两半。AGI 关注一台机器自身能够达到怎样的智能水平;AHI 关注一台机器能够在某一个具体的人身上兑现多少智能。
两半共用一套底座,包括基础模型、Agent 及其框架、记忆、世界模型和可穿戴硬件。同一个基础模型,用作自主智能体时负责完成任务,用作认知共生体时负责增强一个人。两侧的分别体现在三个方面:评价什么,以何种方式存在,与人构成何种关系。
论文特别说明,两半是并行发展的。底座的每一次进步,AHI 都会随之受益;共生体遇到订票、写代码一类的事务,也会直接交给标准的 Agent 去办。
对于当下个人 AI 的主要瓶颈,论文的判断同样明确:AI 在单项任务上的能力持续攀升,它与某一位用户之间的耦合,多年来却没有明显变化。
这里的耦合包含四个方面:AI 掌握这个人多少信息,介入的速度,介入带来的打扰程度,以及这个人愿意给予的信任。耦合不足的表现很容易观察到:每次对话都得重新交代背景,帮助来得太迟或者太吵,重要的事情始终不敢托付给它。论文由此提出,提升个人 AI 的关键在于让它与人耦合得更紧,这和把模型做大属于两类问题。
03
Agent 的四个阶段:
从聊天框到人的身上
从人与 AI Agent 的关系来看,论文把 AI 扮演过的角色归纳为四个阶段。
第一阶段是被动助手,以 ChatGPT、Claude、Gemini 等对话产品为代表。人提问,它作答,它了解的只是眼前这一条消息。
第二阶段是自主智能体,以 Claude Code、Codex 和各类操作电脑的 Agent 为代表。人给出目标,它在电脑里把任务执行完毕。
第三阶段是个人智能体,以 2026 年相继发布的 Meta Muse、OpenAI Dots、xAI Grok Bot 为代表。它们常驻云端后台,掌握用户的偏好、账户和长期目标,按用户习惯的方式处理事务,开始走出电脑。
第四阶段是认知共生体。它掌握的是一个人的生活经历、当下处境和此刻的想法,所在位置从云端移到了人的身上,全天在场。
沿着这四个阶段,AI 了解的范围从一条消息扩展到一段人生,与人的距离从对话框逐步缩短到身体,它带来的价值也从提供信息、代办任务,转向让人本身变得更强。
前三个阶段的评价对象都是 AI 的产出;到了第四阶段,评价对象换成了这个人能力的提升。
论文还强调,前三种角色都涵盖在第四种之内:共生体必须先把自主智能体和个人智能体的工作做好,才谈得上更进一步。个人智能体和共生体的区别在于位置和目的:前者在云端代人办事,后者在人身旁陪人思考。
04
认知共生体:
一个陪伴终身的 AI
论文对认知共生体的描述,可以归纳为六种能力:通过人佩戴的设备感知人所处的世界,跨越多年保存这个人的经历与知识,理解他的处境和心智,适时加入他的思考过程,利用对他的了解处理日常事务,并且随着双方的变化持续学习。
它还需要同时满足六项属性:
终身:同一段关系、同一份记忆跨越多年延续,每次使用都不必从零开始;
嵌入:存在于真实的活动之中,不在聊天窗口里等待召唤;
实时:在活动仍在进行、帮助仍然有用时介入;
私密:人与共生体之间的交流只属于本人,提示的方式也足够隐蔽,不打扰身边的人;
低摩擦:从不要求人停下来、掏出手机或者解释背景;
主动:在人没有开口时也能判断是否需要出声,因为人无从询问自己不知道缺少的东西。
论文指出,这些属性之间存在张力:主动与低摩擦相互牵制,终身与私密相互牵制。如何处理这些张力,正是这一方向的核心研究问题。
为了便于理解,论文借用了一个大众熟悉的形象:《钢铁侠》中的贾维斯。贾维斯满足以上全部六项属性。论文要做的,是把这样的系统带给每一个人,并且在六个方向上走得更远:感知只依靠普通人买得起的穿戴设备;理解的重心放在人的目标、情绪与盲点;帮助延伸到人生抉择、走出挫折与跨文化交往;对人的理解随相处时间不断加深;面向所有人;忠诚写进系统架构。
共生体的感官来自一组可穿戴设备。眼镜提供第一人称视角,并能显示一行文字;耳机负责只有本人听得见的语音;吊坠全天收音;指环和手环读取心率、睡眠等生理信号,并支持手势输入;手机和电脑提供算力与日程信息。
在交互方式上,论文主张共生体以全双工的方式参与:人与他人交谈时,系统在后台同步检索和准备,只在需要的时刻以一行文字出现在眼镜上,时机一过便自动撤回。大多数时候,它保持安静。
05
为什么是现在:
五项技术条件
用机器增强人的智力,是一个有八十年历史的老问题。1960 年,利克莱德(J. C. R. Licklider)在《人机共生》中设想人与计算机实时协同思考;此后,恩格尔巴特的"增强人类智力"计划、可穿戴计算和生活记录(lifelogging)等研究,分别从不同侧面推进过这一设想。论文认为,这些研究都没有把"在一个人的一生中增强这个人"当作目标。
这个老问题之所以在今天成为可以着手研究的课题,论文给出了五项条件:
基础模型能够理解语言、图像和声音并在其上推理,共生体第一次有了"大脑";
Agent 技术让模型可以规划、调用工具、操作电脑并长时间运行,相当于有了"双手";
长期记忆、检索与上下文管理,使系统能够在数月乃至数年里保持对一个人的理解;
世界模型让系统开始能够预判环境和人接下来的变化;
可穿戴设备已经可以全天采集第一人称的音视频,并以很低的延迟把回应送到耳边,共生体由此有了"感官",也有了在场的可能。
论文同样列出了尚未改变的四件事:隐私与信任的社会基础设施,人内在状态的可观测性,持续学习的稳定性,以及全天候运行的计算成本。这四项构成了后续研究的主要难点。
06
能帮什么,帮谁
在帮助的内容上,论文设计了一个三层阶梯,另有一项照护功能贯穿三层。
最底层是把事情办成。预订、邮件、日程、代码,这一层与今天的 Agent 重合。共生体要做得同样好,并且因为掌握个人语境而做得更好;按论文的说法,一个订不好机票的共生体,不会有人愿意佩戴。
中间一层,是与人共同思考、共同面对情绪。做决定、确立目标、学习、创作、保持情绪稳定,以及在临床边界之内提供心理支持。
最上层,是陪伴人置身于他人之中。实时读懂社交场合,应对艰难的对话,跨越文化和方言的隔阂,还有两个共生体在双方授权范围内的"握手"。
每上一层,对个人模型的深度要求更高,评价标准也离"任务是否完成"更远,离"这个人发生了怎样的变化"更近。
关于受益人群,论文的结论覆盖面很广:从并无特殊需要的普通人,到标准最高的专业人士,只要一个人在记忆、判断、表达或与人交往上需要一把助力,共生体都能派上用场。论文按人群逐一作了分析:
普通人的日常:一张账单、一个包裹、对孩子许下的承诺。普通人用不上贾维斯那样的配置,一个能记住事情、及时出现、又不打扰的帮手便已足够。
知识工作者:科研人员、工程师、医生、律师、管理者、谈判者。会议中的即时回忆、跨越数月的思路、高负荷下对自身状态的察觉,都是共生体可以介入的地方。这一群体最容易验证该范式,因而会是第一批使用者。
学习者与教师:学生身边多了一位记得他每一次卡壳的导师,默认只给提示,把答案留给学生自己;教师在课堂上可以及时看到哪位学生掉了队。
老年人:对记忆衰退的老人,共生体相当于一副记忆假体,帮助他们多维持几年独立生活,也与家人保持更多联系。
存在感官、运动、认知或语言障碍的人:对视障者,它提供第一人称的描述与导航;对听障者,它在眼镜上给出实时字幕并标明说话人;对移民和第二语言使用者,它帮助在不同文化框架之间切换。论文指出,这一群体相关的证据最为成熟。
面向公众的岗位:一线服务、应急救援、翻译与外交,工作内容本身就是在高风险下与人实时互动。
07
风险与治理
一个能让人在他人面前变得更强的系统,也会带来新的风险,论文为此专门写了一个部分。
相关案例已经出现:2025 年,Cluely 公开把"作弊"当作产品卖点;国内高考期间,若干聊天机器人服务也曾临时下线部分功能。
论文把可能的伤害分为三个方向:指向用户本人的,如操纵、过度依赖、虚假记忆和思想数据泄露;经由用户波及他人的,如考试、面试、谈判中的隐蔽协助;以及来自部署方的,如被雇主强制佩戴、记录被调取作证据。
论文的治理思路建立在共生体的一个特性之上:它位于人体之外,可以摘下,也可以检查。由此可以设计出与场合相匹配的规则。人与共生体交流的内容只属于本人,"此刻是否正在接受协助"这一状态,则可以按考场、法庭、谈判桌等场合的要求如实申报;场合可以事先声明允许的协助等级,共生体识别后自动切换,并留下记录。
08
结语
从聊天框里的助手,到电脑里的 Agent,再到云端的个人智能体,AI 与人的距离在不断缩短。这篇论文描绘的下一步,是 AI 走进人的日常生活,以这个人能力的提升作为衡量自身的标准。
作者在论文结尾表达了一个期待:希望这一概念能够引出一种新的 AI 研究范式,在其中,进步体现为每一个具体的人能够做成的事情变多了。
END
关注+星标,获取AI前沿进展与开源一线动态

