AI数字人正在进入影视内容生产：老牌艺人用授权分身延长荧幕生命，虚拟角色则从短剧走向独立账号运营。模型能力之外，肖像边界、内容控制和持续塑造角色的能力，将决定这门生意能否走出新鲜感。

2026年7月，王祖贤年轻时期的AI形象出现在网易游戏《天下》的宣传短片《倩影》中。片尾以「演员：王祖贤（AI）」标注身份，两分钟短片全部由AI生成。公开报道显示，王祖贤授权了年轻时期的形象，底层制作使用网易互娱DM Monet画布与火山引擎。

几乎同一时间，AI短剧《被裁掉的女孩》里的方桃子与周以衡开始以「演员」身份走红。据新播场7月24日报道，该剧播放量超过2亿；方桃子的独立账号更新早餐、买花、健身和探店，单条日常视频最高获得超过21万次点赞。一个角色从剧情中走出来，开始拥有连续的人设、社交关系和粉丝。

两种路径共同指向一个新近升温的文娱产品：有现实原型的数字分身，以及完全由模型生成的虚拟演员，正在进入短片、短剧、游戏和广告。

一、两类AI演员，做的是两门生意

有现实原型的数字分身，核心资产来自具体个人的脸、声音和可识别表演特征。王祖贤的《倩影》属于这一类。吴启华今年6月公开透露，已将自己20岁时的肖像授权给AI影视制作公司；游本昌则授权肖像与声音参与微短剧《济公之冒牌降龙》，公开信息显示，合作限定为一部作品，并保留对剧本和成片的审核权。

这类产品出售的是受约束的使用许可。艺人的公众认知、经典形象和观众记忆能够缩短内容冷启动周期，制作方则减少重新邀约、化妆和实拍的部分成本。艺人肖像权、声音权益与影视角色版权仍属于不同权利层，复现一张脸并不自动获得角色、剧本、服装设计或原作的改编权。

方桃子代表另一条路线。她没有对应的真人明星，角色价值由外形设定、故事经历、语言习惯、社交账号和粉丝关系共同积累。制作团队既是制片方，也承担经纪公司与账号运营工作。虚拟角色可以延续到第二季、品牌内容、直播互动和衍生品，商业重点由单次播放转向角色生命周期。

美国演员工会SAG-AFTRA把这两类对象分别称为「数字复制品」与「合成表演者」。前者可识别地复现真实个人，后者呈现为人类，却不对应某一位可识别演员。这个区分也为国内市场提供了一条清晰边界：授权明星分身与从零经营虚拟IP，需要完全不同的权利链和运营能力。

二、商业模式开始从单片授权走向平台化

明星数字分身最直接的收入来自项目授权。合约可按作品、期限、区域、媒介和商业场景计价，艺人还可以保留剧本、品牌类别和最终成片的审核权。老牌艺人的年轻形象尤其适合游戏NPC、致敬短片、品牌创意和经典内容再开发，但反复调用同一张怀旧面孔，也会快速消耗新鲜感。

AI原生角色的收入结构更接近「内容IP加虚拟网红」。短剧负责建立人物关系，独立账号负责日常陪伴，广告、商单和衍生内容承担变现。《被裁掉的女孩》让方桃子在剧情外买花、健身、回复评论，说明运营团队已经把角色当作持续更新的媒体账号，而非一部作品里的静态资产。

平台正在把两条路线装进同一套基础设施。爱奇艺2026年世界大会披露，超过100位深度合作艺人同意入驻纳逗Pro艺人库，创作者可以从库中选择艺人，并与本人或团队沟通合作权益和执行细节。纳逗Pro同时连接IP库、数字资产库、制作智能体、平台分发与分账系统，试图把「找角色、谈权利、做内容、拿流量、收收入」串成一条链。

这条赛道目前处于「升温中的商业验证期」。内容已经出现爆款，授权案例也开始增加；标准合同、可复用工作流和长期付费仍在形成。此前投黑马在AI视频改写导演入场券中讨论了小团队制作门槛下降，数字艺人把变化进一步推进到了选角、经纪和IP运营。

三、真正的基础设施是权利控制与可追溯

脸和声音属于高度敏感的身份资产。国内现行《互联网信息服务深度合成管理规定》要求，服务商提供人脸、人声等生物识别信息编辑功能时，应提示使用者依法告知被编辑个人并取得单独同意。2025年9月1日起施行的《人工智能生成合成内容标识办法》，又对视频等内容提出显式与隐式标识要求。

对一份数字分身合同而言，授权对象只是起点。行业还需要明确用途、期限、区域、媒介、可否转授权、能否改写人设、是否允许训练新模型、生成素材由谁保管、合约结束后如何删除，以及艺人对剧本和成片拥有什么控制权。数字分身若进入实时对话或开放式游戏，角色可能说出合同签署时从未写过的台词，审核方式也要随产品形态改变。

全球市场正在把这些问题写进合同。SAG-AFTRA的2025年广告合同要求，创建数字复制品前取得同意，使用前提供足够具体的用途说明并再次取得知情同意；数字复制品生成表演会触发相应报酬。合同还规定，最后一支广告使用期结束后，制作方若未取得继续保存的同意，应销毁数字复制品。

这些条款展示了一套可交易的权利结构：知情同意、逐项用途、持续补偿、访问控制、到期处置和再次授权。未来数字艺人平台的竞争力，很大一部分将来自权限管理、版本记录、内容标识、收益结算与侵权追踪。本文仅作行业观察，具体授权合同仍应由专业法律人士审核。

四、演员价值将从可见外形转向不可复制的表演

AI可以稳定生成面孔、服装和动作，也能把一位艺人的年轻形象放进新的场景。连续的微表情、复杂身体语言、对手戏反应和长时间情绪变化仍需要大量人工选择与修正。模型降低了获得「可用镜头」的成本，角色是否令人相信，继续取决于剧本、导演、表演知识与剪辑。

这会重新划分演员市场的价值。外形统一、动作程式化、角色差异较小的内容，更容易使用虚拟演员；鲜明的身体质感、声音节奏、即兴反应和真实人生经验，会成为真人演员更重要的优势。数字分身也可能成为演员的新工具，让本人在体力受限时参与特定项目，或授权不同年龄阶段的形象。

虚拟演员没有私人生活，却仍然可能出现版权争议、人设失控、虚假代言和运营事故。风险从艺人个人转移到了制作方、平台与模型供应链。每一次生成、修改和分发由谁批准，将成为数字经纪业务的核心流程。

短剧是否因此迎来新一轮热潮，最终要看角色能否持续被观众喜欢。怀旧面孔可以带来第一次点击，精致外形可以带来关注，好故事、稳定人格和清晰权利链才能支撑第二季。数字艺人的长期价值将由内容复利决定。

投黑马 · 前沿洞察

AI数字艺人的核心变化，是把演员的脸、声音与角色运营拆成可以分别授权、生成和持续管理的内容资产。影视公司的选角能力因此开始与数据权限、模型工作流和账号运营结合。

当前最值得关注的玩家包括拥有艺人关系和IP库的平台、能够完成精细授权管理的经纪与法律服务团队，以及具备连续叙事和角色运营能力的AI原生工作室。单次生成效果很快会普及，权利链与角色生命力更难复制。

读者可持续跟踪三个可观测看点：纳逗Pro艺人库是否披露首批正式合作项目与分账方式，方桃子等AI角色能否在第二季和商业合作中保持热度，明星数字分身合同是否开始公开用途边界、收益分配与到期删除机制。

── 投黑马研究团队

2026年5月，一部3分34秒的AI短片《丧尸清道夫》把刘梓瑜推到聚光灯下。这位中专毕业、没有电影学院经历的云南创作者，用10天和约3000元完成作品。云南网5月20日的采访显示，当时全网播放量已超过6000万；随后地方公开报道又提到海外播放量超过1200万，后续媒体按多平台统计称总播放量突破1亿。

这不只是一则「普通人逆袭」故事。4月举行的第十六届北京国际电影节AIGC单元中，1997年出生的孟柯凭55分钟悬疑片《霉》获得最佳导演奖与最佳技术突破奖，《七日浮生》获得最佳AIGC长片。非科班、小团队和原本处于产业边缘的创作者，第一次可以绕过漫长的项目立项，用成片直接面对观众、平台和电影节。

一、进展详情：一台电脑开始承担半个剧组

传统影视生产的门槛，不只是一台摄影机。编剧、分镜、美术、演员、场景、灯光、后期与发行要形成一条完整链路，任何一环都需要资金和协作。AI视频把其中一部分工作压缩进了个人电脑：文本和图片生成提供概念设计，视频模型完成镜头素材，剪辑、配音和特效工具负责把离散片段拼成作品。

刘梓瑜的经历说明，这套工具首先释放的是「做出第一部片」的权利。他过去负责家中公司的宣传片，也做婚礼摄影，2026年1月底才开始系统接触AI视频。制作《丧尸清道夫》时，他没有先写好完整剧本，而是从机器人牛仔、原子朋克、海滨和丧尸等元素出发，在不断生成与修改中形成叙事。片中一个机器人骑鸵鸟、被倒下的椰子树绊住的镜头，仍需要他反复试错，再用后期手段遮盖模型缺陷。

另一类创作者采用更接近传统导演的方法。《七日浮生》接近50分钟，7人团队会先围读剧本、拆解人物关系，再把分镜交给不同模型生成。导演刘驰需要像给演员讲戏一样，先说明人物低头究竟源于愧疚还是思考。AI并不理解整部剧本的情绪弧线，创作者必须把意图拆成可执行的镜头任务。

变化因此很具体：AI减少了调动真实人力和物理资源的成本，却没有取消导演工作。它把导演的部分职责，从「管理一个庞大剧组」改成了「管理模型、素材和反复试错」。

二、趋势与商业模式：最稀缺的不是提示词

把这些案例放在一起看，AI影视正处于「升温」阶段，但竞争重点已经从会不会生成画面，转向能否持续控制画面。

《牡丹记》是一个典型样本。两位创作者用宣纸与纸塑质感构建视觉世界，7分钟短片每分钟约设置10个关键帧，制作周期横跨半年。两人估算的模型会员成本约2000元，远低于真人制作，但大量时间仍花在绘制、修图、重做关键帧和统一人物风格上。低成本不等于一键生成，它只是让创作者可以承担更多次失败。

这也解释了为什么「会写提示词」很快会从优势变成基础技能。真正难复制的是四件事：能否写出值得拍的故事，能否把情绪拆成镜头，能否建立稳定的视觉体系，以及能否在不完美的素材中做出取舍。AI把技术平均线抬高之后，人的审美和判断反而更醒目。

商业模式也在同步成形。第一层是工具订阅与按量生成；第二层是为品牌、广告、短剧和游戏提供制作服务；第三层是围绕作品开发系列内容、角色和IP；第四层则是平台用赛事、流量、算力和合作计划绑定优质创作者。快手披露，可灵AI在2026年第一季度收入超过6.5亿元，同比增长超过300%，并推出最多15人实时协作的团队计划。这说明AI视频已经不只是模型展示，而是在向生产软件与协作平台演进。

不过，创作者被平台称为「超级创作者」，不代表已经掌握稳定的商业地位。很多合作首先服务于模型展示，直接转化未必高；平台也可能通过算力赞助、独家档期和流量资源影响创作者选择。对小团队而言，真正可持续的资产仍是观众关系、可复用工作流和自有IP，而不是某一次被模型厂商认领的爆款。

三、全球风口与格局：模型、工作台和内容公司正在合流

全球AI视频竞争已不再只比单个镜头的画质。谷歌把Veo、Imagen和Gemini整合进电影制作工具Flow，让创作者管理角色、场景、物体与风格；Veo 3.1随后加入竖屏生成、角色和背景一致性增强，并提供1080p与4K选项。Adobe则把自家模型与Veo、Runway、可灵等模型放进同一创作环境，强调生成、编辑和时间线衔接。

内容公司也开始从采购工具走向共同开发。2026年6月，Runway与狮门影业扩大合作，狮门对Runway进行股权投资，双方计划基于现有IP与生成模型共同开发短篇剧集。另一边，快手称可灵AI已经进入影视、广告、电商和游戏等专业场景。模型公司需要优质作品证明能力，内容公司需要更快的试制与交付，创作者则需要算力、发行和商业订单，三方正在形成新的协作关系。

格局仍有明显的不确定性。人物一致性、复杂表演、长镜头调度、配音和细节稳定性，仍会限制大银幕级作品；训练数据、角色肖像、音乐和视觉风格的授权，也决定作品能否安全商业化。更重要的是，当生成本身越来越便宜，内容供给会迅速膨胀，观众对「AI感」的新鲜度会下降。届时决定胜负的，不是作品用了多少模型，而是它有没有值得记住的人物、情绪和叙事。

四、AI降低的是试错成本，不是成名难度

AI视频确实让更多人第一次获得了完成作品的机会，却不会让每个创作者都成为导演。过去的稀缺资源是摄影棚、设备、演员和资金；现在新的稀缺资源变成注意力、审美、稳定产能与版权清晰的内容资产。门槛没有消失，只是换了位置。

对影视行业而言，最可能发生的不是「一个人替代所有人」，而是项目早期的概念设计、预演、分镜和部分镜头生成先被重构。小团队能够用成片验证创意，大公司则可以用AI降低试制成本，再决定哪些项目值得投入真人制作。纯AI、真人实拍与混合制作会长期并存，并按题材、预算和观众预期分工。

这也与投黑马此前对AI长片制作成本结构和创作者自有受众成为发行渠道的观察相连：制作门槛下降之后，发行能力与观众关系会成为更重要的筛选器。

对新创作者而言，这个窗口仍然真实存在。刘梓瑜、孟柯和《牡丹记》的创作者证明，非科班身份不再等于无法进入牌桌。但AI只能帮助一个想法更快变成画面，无法替代生活经验、叙事训练和对人的理解。下一批真正留下来的创作者，未必是最早学会某个模型的人，而是最早把模型变成个人语言的人。

投黑马 · 前沿洞察

AI视频的本质，不是把电影变成一句提示词，而是把影视生产的第一轮试错从重资产项目压缩为个人和小团队可以承受的创作实验。

当前最值得关注的玩家不只包括可灵、Veo、Runway和Adobe，也包括能把爆款转成连续作品的AI原生工作室。模型能力会趋同，稳定的导演方法、观众关系与自有IP更难复制。

读者可持续跟踪三个可观测看点：AI短片创作者能否推出第二部稳定作品，平台的「超级创作者」计划能否形成可持续分账，AI参与的长片是否开始公开制作成本、版权链与真实票房数据。

── 投黑马研究团队

2026年5月，台积电在第76届电子元件与技术会议 ECTC 上公布了一套面向 CoWoS-R 平台的直接到硅液冷方案。它不再让热量依次穿过芯片盖、导热材料和外置冷板，而是在 SoC 裸片背面制作硅微柱结构，让去离子水更贴近发热源流动。

最吸引眼球的数据是5.3千瓦：在每分钟8升流量下，这套测试载具能够带走超过5千瓦热量。这个数字接近两台大功率家用烤箱同时工作，却集中在一块大型先进封装上。不过，它是实验载具的整封装散热能力，不等于某颗量产 GPU 已经达到5.3千瓦功耗。

一、进展详情：被缩短的前四棒

理解这项技术，先要看清今天 AI 芯片的热量如何离开大楼。整个过程可以拆成八棒接力：硅裸片产生热量；第一层热界面材料 TIM1 填平微观缝隙；一体式均热盖 IHS 保护裸片并摊开热点；第二层热界面材料 TIM2 连接冷板；冷板把热交给冷却液；机架歧管汇集各服务器的水路；冷却液分配单元 CDU 用泵和换热器隔开 IT 水路与楼宇水路；最后由冷水机、干冷器或冷却塔把热排到室外。

这八棒里，最拥堵的是靠近芯片的前四棒。硅片表面并非均匀发热，局部热点会先触发温度上限，迫使 GPU 降频。TIM、IHS 和冷板能够保护芯片、填平空隙并扩散热量，但每增加一层材料，也增加一段热阻。

台积电的方案瞄准的正是这段路径。其 ECTC 论文使用一块3.3倍光罩尺寸的 CoWoS-R 测试载具，包含4颗 SoC 测试裸片和8组 HBM。传统带盖冷板在每分钟1至2升流量下可处理约1.9至2.3千瓦；去盖冷板可处理约2.5至3.0千瓦。流量继续增加后，两种方案受 TIM 热阻限制，改善趋于饱和。

直接到硅方案在每分钟2升时与去盖冷板接近，在每分钟4升时达到4千瓦，在每分钟8升时达到5.3千瓦。它并非简单地「在芯片里挖水管」，而是在裸片背面形成微柱阵列，以更大的接触面积和更短的传热距离把热交给液体。

二、趋势与商业模式：散热开始成为封装的一部分

这项技术的真正变化，不只是散热能力翻倍，而是价值边界向芯片内部移动。传统模式中，芯片公司交付封装，服务器与冷却厂商再安装冷板；直接到硅模式下，微柱、密封和流体接口需要与 CoWoS 工艺、封装翘曲及芯片可靠性共同设计。散热因此从可替换的外围部件，变成先进封装的一部分。

这会让台积电等先进封装厂商获得新的技术控制点，也可能压缩 IHS、TIM2 和一部分通用冷板的价值。但「颠覆整条液冷产业链」仍然言之过早。即使冷却液直接抵达硅背面，热水仍要经过软管、快接、歧管、CDU、楼宇水环和室外排热设备；高流量还会提高泵功耗、压降控制与流量均衡的难度。

可靠性也是商业化门槛。台积电报告称测试载具通过 MSL4 湿敏等级测试，未发现氦泄漏或密封剂分层。微软在同届会议上还展示了用于 NVIDIA GH200 的直硅微流道组件，在每分钟1升流量下，将 GPU 结温到入口水温的热阻降低51%至60%。但长期堵塞、颗粒污染、硅侵蚀、现场维修和集群级可用性仍需更长时间验证。

因此，这条路线目前处于「升温中的工程验证期」，尚未进入大规模量产主流。眼下更现实的商业路径，是让直接到硅与现有机架液冷系统共存，而不是一次替换整座数据中心。

三、全球风口与格局：谁掌握不可替代的接口

从全球产业链看，最值得关注的并非所有带有「液冷」标签的公司，而是掌握关键接口、验证能力和整套交付能力的玩家。

第一类是先进封装平台。台积电把微柱散热结构带入 CoWoS-R，意味着封装厂开始定义芯片侧流体接口。若未来进入量产，芯片设计、封装、密封材料与冷却结构需要更早协同，传统冷却厂商必须从「交付一块冷板」转向参与联合设计。

第二类是机架级液冷集成商。NVIDIA 的 GB200 NVL72 已采用液冷机架，单架需要处理约120千瓦冷却能力。NVIDIA 公布的生态名单覆盖 Vertiv、CoolIT、Boyd、nVent、Motivair、施耐德电气、丹佛斯等厂商；其中 Vertiv 与 NVIDIA 已给出7兆瓦集群参考架构，出售的是电力、热管理、空间和部署方案的组合，而不只是单个零件。

第三类是 CDU 与楼宇排热厂商。施耐德电气旗下 Motivair 在2026年推出单台2.5兆瓦 CDU，并提出多机扩展至10兆瓦以上。CDU负责控制温度、压力、流量和水质，同时隔离芯片侧与楼宇侧水环。无论冷却液最终接触冷板还是硅背面，这个「变压器式」中枢都不会消失，反而会随着流量和机架密度上升变得更关键。

产业链真正可能发生的，不是冷却公司集体出局，而是利润池重新分层：封装厂拿走更靠近热源的技术价值，具备冷板与接口能力的厂商进入联合设计，CDU 与基础设施厂商继续承接从机架到室外的系统价值。只卖标准化金属冷板、又缺少客户验证和系统集成能力的供应商，承受的压力最大。

四、还要观察什么：性能之外是可维护性

直接到硅液冷能否跨过量产门槛，不能只看峰值散热。第一项指标是单位流量能带走多少热，同时付出多少泵功耗；第二项是微柱或微流道能否在多年运行中抵抗污染、堵塞与材料腐蚀；第三项是出现故障后，数据中心能否像更换冷板一样快速维修，而不必报废整块昂贵封装。

还要观察接口能否标准化。今天 NVIDIA 已把 GB200 NVL72 的机架、歧管和浮动盲插接口设计贡献给开放计算项目，推动机架侧生态扩张。未来若芯片侧接口仍由各家封装平台分别定义，系统厂商就要同时维护多套水质、压力和连接标准，商业化速度会受到限制。

换句话说，5.3千瓦证明了「热可以更快地离开硅片」，却还没有证明「这种系统可以低成本、可维修地运行数年」。接下来决定产业格局的，将是可靠性数据和规模交付，而不是实验室里的单次峰值。

投黑马 · 前沿洞察

直接到硅液冷的本质，是把散热从服务器部件推进为先进封装能力；它重写的是价值分配边界，而不是取消整条液冷链。

当前最值得关注的玩家分为三层：台积电掌握封装侧结构，NVIDIA推动机架接口与生态，Vertiv、CoolIT、Motivair等公司承接歧管、CDU和设施级交付。真正稀缺的是跨越芯片、机架与楼宇水路的联合验证能力。

读者可持续跟踪三个可观测看点：台积电直接到硅方案是否出现量产客户与时间表，微软 GH200 微流道测试是否披露集群级故障数据，OCP 是否形成芯片侧流体接口与冷却液标准。

── 投黑马研究团队

资料来源

• ECTC 2026 会议日程与论文信息
• 台积电 ECTC 2026 论文 DOI：10.1109/ECTC51846.2026.00092
• NVIDIA GB200 NVL72 开放计算设计与液冷生态
• NVIDIA DGX GB200 机架系统硬件说明
• 施耐德电气：AI 数据中心液冷架构
• Motivair 2.5兆瓦 CDU 产品公告

今年早些时候，纽约联邦储备银行发布的数据显示，美国哲学专业毕业生找到工作的概率高于计算机科学专业的同龄人。在数据可查的最近一年（2024年），计算机科学专业毕业生失业率为7%，哲学专业仅为5.1%。耶鲁大学哲学家卢西亚诺·弗洛里迪（Luciano Floridi）说，不少学生还没毕业就收到了offer，学术界的人才流失被他形容为一场「大出血」。这股看似反常的潮流背后，是AI实验室正把两千多年的哲学传统，当成一种新的工程方法在用。

一、进展详情：从苏格拉底到「灵魂文档」

哲学给AI研究者的启示，许多其实由来已久。古希腊的「苏格拉底式反诘法」——佯装无知、层层追问，以澄清概念、暴露矛盾、揭示后果——正在被搬进模型训练。慕尼黑大学哲学与人工智能专家约尔格·诺勒（Jörg Noller）观察到，经过苏格拉底式方法训练的模型，不再那么热衷于讨好人类，而是更愿意追求真理，从而缓解当前许多系统普遍存在的「阿谀奉承」倾向。

与之配套的是「苏格拉底式无知」：在《申辩篇》中，苏格拉底称自己的智慧主要在于知道自己有多无知。把这种谦逊植入模型，有助于抑制过度自信——诺勒把这一常见缺陷称作「人工智能的不成熟」。谷歌DeepMind资深哲学家伊阿松·加布里埃尔（Iason Gabriel）认为，全行业幻觉现象的减少正得益于此类努力；从更宏观的层面看，他把哲学训练称为改善长链条推理（即「思维链」）的「强大机制」。

最具代表性的产物，是给模型写一部「宪法」。位于旧金山的AI实验室 Anthropic 是这一理念的倡导者之一——其 Claude 模型的「宪法」融合了从康德著作、苹果公司服务条款到《世界人权宣言》的庞杂素材，由首席哲学家阿曼达·阿斯克尔（Amanda Askell）主导的最新版本于1月21日发布，长达78页，被一些员工戏称为 Claude 的「灵魂文档」。

二、趋势与商业模式：把伦理框架做成产品旋钮

把单一案例放到一起看，会发现这并非孤立事件，而是一条正在升温的产业走向：哲学训练正从「锦上添花」变成模型差异化的底层配置。它至少沿三条路径商业化。

其一是把价值观直接写进模型。特拉华大学技术哲学家托马斯·鲍尔斯（Thomas Powers）举例，若给一个AI法律助手喂入约翰·洛克的著作，它便会把强有力的财产权视为政治自由的基础。开发者若不认同某套原则，可以替换素材，也可以做成可调参数。IBM 的「Granite」系列模型就配备了调节旋钮，让企业客户把模型输出与自家理念对齐；IBM 负责任人工智能负责人弗朗西斯卡·罗西（Francesca Rossi）说，这些旋钮让用户自行选择哲学上的权衡，例如在「个人自主」与「社会和谐」之间找平衡。把抽象伦理变成一个可销售的配置项，这正是新商业模式的雏形。

其二是把伦理框架当成产品性格来差异化。哲学家主要聚焦两大伦理路线。一是「义务论」（deontology），它设定严格规则，禁止撒谎、胁迫以及把人当作手段，即便是为了更大利益。Anthropic 的宪法纳入了大量义务论规定，鲍尔斯认为这能让AI行为更一致——对于要部署进家庭和公共场所的机器人是一项优势；牛津大学哲学家尼克·博斯特罗姆（Nick Bostrom）则指出，以义务论视角看世界的模型往往更诚实、更不容易误导用户，而诚实正是 Claude 受关注的特质之一。另一条路线是「后果论」（consequentialism），通过权衡成本与收益来决策，OpenAI 的 ChatGPT 与谷歌的 Gemini 更偏向这一路线——谷歌为其模型设定的「整体利益远大于可预见风险」便是典型的结果导向目标。

可以判断，这条赛道正处在从「萌芽」迈向「升温」的阶段：标准尚未统一，但头部实验室已不约而同把伦理路线作为模型对外的核心性格标签。

三、全球风口与格局：实验室、车企与安全公司同时入场

往全球视野看，争抢哲学人才的并不只有大模型公司，资本与岗位正沿着「凡是要替人做判断的系统」扩散。

应用层是一个明显的聚集点。硅谷实验室 Inflection AI 把义务论约束用在了主打情感支持的聊天机器人 Pi 上，其负责人肖恩·怀特（Sean White）说，Pi 擅长识别有自残或伤害他人风险的用户；弗洛里迪也指出，义务论式的「宪法」有助于确保合规。自动驾驶是另一个核心场景——当事故不可避免时，软件必须决定以何种最不惨烈的方式碰撞，这是一道典型的后果论难题。Waymo 高级工程师克里斯·格德斯（Chris Gerdes）说，当前趋势是让驾驶软件更具后果论导向。在国防与军用系统领域，后果论同样处于核心：相关从业者表示，系统设计需要把任务目标与可能的附带伤害进行权衡——这里的讨论停留在技术与伦理框架层面，而非政策评判。

格局之外，变量同样清晰。哲学家关心的「棘手问题」恰恰是这套体系尚未解决的部分：什么情况下可以打破义务论规则？后果不明朗时如何决策？系统是否该把动物福利或环境纳入考量？为商用车制造AI安全系统的 Nauto 公司负责人、哲学家斯特凡·赫克（Stefan Heck）甚至抛出一个更尖锐的设问：优先保护年轻行人而非老年行人，道德上是否可接受？他预测未来会出现充满伦理争议的诉讼——毕竟后果论算法明确允许造成某种伤害，只要初衷是避免更严重的后果。批评者还担心「道德能力退化」：当机器越来越多替人做伦理判断，人类是否还愿意自己判断？路易斯维尔大学AI理论家罗曼·扬波斯基（Roman Yampolskiy）提醒，道德「在历史上不稳定、在文化上多变、在战略上可被操纵，而且往往只有事后才被理解」。

投黑马 · 前沿洞察

哲学家进入AI，本质上是模型竞争从「能力」延伸到了「价值观」——当各家模型的智力水平逐渐拉平，「它信什么、守什么规则」正成为新的差异化战场。

当前最值得关注的，是把伦理框架做成可销售配置的尝试：从 Anthropic 的78页「宪法」到 IBM 的价值观旋钮，抽象哲学第一次有了明确的产品形态与付费理由。

读者可持续跟踪三个具体看点：一是各家模型「宪法/对齐文档」的公开版本与更新节奏，二是义务论与后果论路线在自动驾驶、情感陪伴等场景的落地分化，三是首批围绕「算法允许的伤害」展开的伦理诉讼何时出现。

── 投黑马研究团队