摘要：意识的科学研究仅在三十年前才被正式确立为一个正统的研究领域。自那时起，各种重要理论蓬勃发展，其中包括整合信息理论（IIT）。然而，最近IIT遭到100多位学者的指控，称其为“伪科学”。本文对此指控进行批判性评估，并探讨如何将这一争议转化为对该领域有益的经验教训
作者：Alex Gomez-Marin，Anil K. Seth
编译：EY
封面：Simon Prades
导读
意识的科学研究仅在三十年前才被正式确立为一个正统的研究领域。自那时起，各种重要理论蓬勃发展，其中包括整合信息理论（IIT）。然而，最近IIT遭到100多位学者的指控，称其为“伪科学”。本文对此指控进行批判性评估，并探讨如何将这一争议转化为对该领域有益的经验教训。
最近在《自然-神经科学》（Nature Neuroscience）上刊登的两篇相互交织的文章，见证了神经科学界在意识研究中的一场“构造性”冲突。在第一篇文章（即“反IIT评论”）中，IIT-Concerned等人[1]认为整合信息理论是伪科学，并指出该理论的核心主张原则上无法检验，同时会引发高度反直觉且“非经验性”的推论，例如某种形式的泛心论（panpsychism），即意识是基本且无处不在的。他们还批评IIT在公众领域的推广，认为这种宣传不够谨慎，并表达了对IIT可能带来的伦理影响的担忧，例如其如何影响对胎儿或无反应患者的意识认定。
在第二篇文章（即“挺IIT评论”）中，Tononi等人[2]再次详细阐述了IIT的复杂理论框架，包括其基础、经验验证（如解释、预测和推演）。在此过程中，他们将IIT与他们所称的主流计算功能主义范式进行了对比。计算功能主义大致认为，意识是计算的产物，而IIT则持不同观点。此外，他们还逐点回应了反IIT信件中的具体批评，并总结道：不应由某个“自封的法庭”来决定意识这样艰难的问题应该如何被研究。
IIT概述
IIT（整合信息理论）确实是反直觉的，同时也具有一定的复杂性[6]。它之所以反直觉，部分原因在于它颠覆了神经科学的传统视角——即“意识是由大脑神经活动产生的”这一假设。IIT的理论基础是现象学，即严格从内部研究经验的结构。它首先识别出所有意识体验必然共享的基本特征（即IIT的“公理”），然后探究物理系统（如大脑）必须具备哪些属性，才能支持这些公理性特征的存在。这是一种“意识优先”的研究方法，而不是“大脑优先”的视角。IIT之所以复杂，是因为它提出了一个详尽、严谨且仍在发展的数学框架，用于将关于意识的公理性主张转化为“公设”，从而具体规定意识存在的必要条件和充分条件，以及不同类型或特质的意识所需的条件。IIT的核心主张是：只要存在“整合信息的全局不可约极大值”，就必然存在意识。而意识的数量或水平则由Φ（phi）值衡量。更一般地说，IIT认为意识是一种物理系统的“内在因果-效应能力”，而不是计算或信息处理的属性（即非“升级版的认知”），这一点与许多主流理论大相径庭[7]。然而，反直觉和复杂性本身并不构成科学上的过错——尤其是在探讨像意识这样深奥的问题时。事实上，长期以来，人们一直怀疑标准的科学工具和概念是否足以应对这一挑战。那么，究竟是什么促使100多位学者（尽管比先前预印本上的124位签名者有所减少，但仍是相当庞大的阵容）试图对IIT进行一场“科学放逐”呢？
科学（与伪科学）概述
科学的一个广义定义是：通过观察、测量、描述、理论和实验，对自然现象进行系统研究。科学是一种独特的获取知识并接近真理的方式（但并非唯一的方式，若主张唯有科学能通向真理，则陷入了科学主义）。尽管科学的基石是经验证据，但理论同样重要。正如爱因斯坦所说：“是理论决定了我们能观察到什么。”科学的力量正源于对具体细节的关注与抽象概括的结合。
科学理论应具备经验证据的支持（能够解释已知的自然现象）和可检验性（能够区分预测与事后的修正）。此外，理论还应具备预测能力和/或解释能力（外部适用性），并在逻辑上自洽且一致（无内部矛盾）。其他重要特性包括：具有广泛的适用性（足够全面）、精确性（足够具体）、以及简约性（足够简洁）。当一种新理论试图解释那些长期难以理解的现象时，其发展可能不仅是对旧问题提供新答案，还可能需要创造新概念，甚至提出全新的问题。优秀的科学理论往往如有机体般成长、发展、变异，并从错误中学习。然而，必须牢记，任何科学理论本质上都是暂时性的，绝对的确定性是科学探究的最大敌人。
伪科学的一个广义定义是：它声称是科学，但在某些实质性方面未能符合科学标准。对于科学与伪科学，有些案例的归类是毋庸置疑的，例如分子生物学被普遍认为是科学，而占星术则被认为是伪科学。然而，所谓的“划界问题”（如何区分科学与伪科学）并不总是容易解决的。许多人会毫不犹豫地将占星术归为伪科学（见下文），但即使在物理学界，关于弦理论的科学地位仍存在争议。揭露伪科学是重要的，但“伪科学”一词本身因其模糊性和污名化效应，可能会被滥用。划界问题有时会被当作“诋毁手段”——即通过不当使用“伪科学”一词来打压某些人或某些思想。
对IIT的指控
可检验性的问题
IIT为“伪科学”是一项严重的指控，既影响该理论本身，也对直接或间接从事IIT相关研究的学者产生深远影响。那么，这一指控是否合理？我们认为并不合理。
IIT-Concerned等人[1]提出的论点主要围绕可检验性。他们认为，IIT之所以是不科学甚至是伪科学的，主要原因在于其“核心主张”无法通过实验证伪。这一论点隐含地依赖于波普尔的科学哲学，即假设如同气球，在实验中被一个个击破。然而，波普尔的证伪主义并非唯一的科学哲学。在实际的科学研究过程中，其他科学哲学视角可能更好地解释科学如何运作，尤其是在面对那些似乎超出主流范式的问题时。此外，IIT-Concerned等人[1]的论证可能犯了肯定前件谬误，即：“伪科学会提出不可检验的预测，因此，如果某个理论提出了不可检验的预测，那么它就是伪科学。”IIT的“核心主张”可能确实难以被当前的方法直接测试。例如，其中一个最核心的主张——Φ值不仅与意识数量相关，而且完全决定（具有“解释性同一性”）意识数量——目前无法直接通过实验验证。然而，IIT仍然能够提出许多可检验的预测。其中一些预测或许也能由其他理论提出，但另一些则是IIT独有的，并且这些特定的IIT预测已经展现出了真正的预测力和解释力。按照科学哲学家伊姆雷·拉卡托什（Imre Lakatos）的观点，这表明IIT有潜力成为“进步的”理论，而非“退化的”理论。在拉卡托什的科学哲学框架下，即使一个理论的核心主张暂时无法被实验直接检验，只要它能够不断提出可检验的预测，并且这些预测能够推动科学发展，使更多的预测得以提出，它依然可以被视为科学8。
关于IIT的可检验性有两个例证。一个典型例子是COGITATE项目，这是IIT与全局神经工作区理论（GNW）之间的对抗性合作实验[9]。该实验测试了意识内容可以被解码的大脑区域。IIT预测意识的主要神经关联应位于后部皮层，而GNW理论则预测意识主要涉及前额叶区域。目前的研究结果被部分研究人员认为是“混合的”，即尚无定论（事实上，单项研究很少能给出最终答案！）。我们从中学到了很多，但就目前的目的而言，我们指出：关于意识的神经关联位于脑后部的预测，其实只是间接与IIT的核心主张相关（这一预测是基于神经解剖学的论证），同时它也可能与其他理论兼容，例如递归加工理论（recurrent processing theory）[7]。尽管如此，IIT提出了可验证的预测，并激励了后续研究的发展，这表明它具备科学有效性——无论这项研究的结果在媒体上是如何被解读的。IIT-Concerned等人重复表达了他们对COGITATE研究结果“没有意义”的质疑。我们认为这种批评不公平、也缺乏依据。其实，从项目开始甚至更早的时候就已经很清楚，这种对抗性合作并不可能彻底否定某一个候选理论。然而，COGITATE项目带来了许多有价值的发现，同时也开创了一种具有挑战性的元实验研究方法。另一个案例是INTREPID项目，该项目将IIT与预测处理（predictive processing）相关理论进行对抗性实验[10]。其中一个实验测试了IIT提出的一个反直觉预测：使已经处于“非活跃”状态的神经元失活，应该对意识体验产生影响。这一预测并非所有理论都能自然推导出来。例如，对于基于计算或信息处理的理论来说，时间t处于非活跃状态的神经元，与时间t无法被激活的神经元本应没有区别。这个实验本身很难执行，而其预测可能也只能在一定程度上被验证；但只要它具备可测试性，就足以强有力地证明IIT的科学价值——即便它的核心主张目前还无法被证伪。此外，还有大量与IIT预测相关的实证数据，其中一些支持该理论，而另一些则对其不利（参见ConTraSt数据库[11]）。其中，有些数据是在未考虑IIT的情况下产生的，但事后证明与其兼容；另一些证据则来源于受到IIT启发的实验，但这些实验并未以足够区分性的方式来检验该理论（例如，相较于其他竞争理论）。一些使用Φ值的替代指标（如“干扰复杂度指数”[perturbation complexity index]）的实验也属于这一类[6]当然，如果IIT的“核心主张”能够直接通过实验验证，那么其科学地位将会更为稳固。由于IIT建立在形式化的公理和公设之上，它在定义意识、确定其出现位置以及描述其本质方面具有其他理论所不具备的数学精确性。Tononi等人[2]利用这一特性，提出了一条通向核心可检验性的路径：首先，通过经验上可行的方式，不断提高Φ的估算精度（尽管目前仍需从现有的替代指标过渡到真实近似值的方法，而后者尚未完善）；更广泛地说，利用IIT的公设推导出可实验检验的原则。值得注意的是，“替代指标”和“近似值”并不相同：替代指标是用于代表难以测量或无法测量的量，而近似值则是对感兴趣量的系统性简化，并趋近于真实值。混淆二者可能会导致误解。从长远角度来看，某些目前无法检验的理论主张，未来可能变得可检验（例如进化理论的遗传机制）。此外，其他理论的核心主张也可能暂时无法测试，但原因有所不同。例如，GNW理论迄今尚未精确界定何种最小充分条件可以构成“全局工作区”[7]。同样值得注意的是，许多认知神经科学理论所依赖的计算功能主义的核心前提，几乎从未在可检验性讨论中受到质疑。总而言之，随着IIT的特定预测在越来越复杂的实验中接受检验，我们将能够判断该理论究竟是“进步的”还是“退化的”。目前来说，尚言之过早。但只要理论发展与实验测试能够形成富有成效的迭代，这依然是科学的探索。面对意识这一谜题，IIT完全有权利“被证明是错误的”，而不应被贴上“连错都算不上”的污名。
其他指控
IIT-Concerned等人[1]提出了其他一系列批评意见。他们不满于该理论所获得的关注：“这一雄心勃勃的理论被宣传为‘已被充分确立’。”确实，一种理论在公众中的影响力是否超越了其科学价值，可能在某些方面具有意义，但这并不能决定其科学地位。科学并不是一场受欢迎程度的竞赛。他们还担忧，该理论的不断演变与其自身的主张强度及对公理的依赖性之间存在张力。尽管理论体系的持续变化有时可能暴露其脆弱性，但同样也可能反映出健康的发展开放性。此外，单纯因理论的反直觉性而表示难以置信（即无法接受其奇特性及悖于直觉的预测）更称不上是一个有力的批评，尤其是当研究对象本身——意识——本就难以符合直觉时。而基于结果主义（即因其道德影响而否定其科学性）来排斥一个理论，则更不是合理的科学评判标准。
反对IIT反对者的观点
“要么按我的方式来，要么走人”
我们在此捍卫的是IIT的科学地位，但这并不意味着我们在捍卫IIT本身。这一理论可以在许多方面受到批评，同时仍然被视为科学[12]。如何评估这些批评并非我们此处的重点，我们更关注的是其背后的深层原因。围绕IIT的争议，可能反映了对当今主流理论和哲学立场的更深层次的不满。
这种不满在Tononi等人[2]对现状的描述中体现得尤为明显。他们将问题简化为一个极端选择：要么接受由计算功能主义精心调制的“标准菜单”（其所有菜品皆由高度加工的理论成分制成），要么彻底离开这家“餐厅”，改投IIT的“高级料理”，在那里，即便是点头盘，也需要先学会一门全新的语言。这种对立是人为制造的二元对立，它可能会让一场本可富有成效的学术紧张关系陷入纯粹的修辞泥潭。
计算功能主义（如前所述）是一种广义观点，即意识本质上是特定类型的计算或信息处理。这一立场被许多理论隐含或明确地采纳[7,13]，但近年来也越来越受到质疑[14]。然而，IIT并非唯一的替代方案。
首先，需要认识到计算功能主义只是功能主义这一更广泛哲学立场的一个子集，而Tononi等人在其论述中忽略了这一区分。功能主义认为，意识是系统功能性组织的属性（这可能涉及其内部组织，甚至因果—效应结构）。计算功能主义在此基础上更进一步，主张这种功能性组织是计算性的，其中“计算”通常被理解为数字化的、图灵式的、与物理基质无关的形式。然而，生物和神经系统中的许多功能特性并非计算性的（至少不是标准的、数字化的、图灵机意义上的计算）。例如：电磁场、连续过程、随机过程等。这些非计算性功能特性也曾作为意识理论的基础被提出[13]。此外，还有一些表面上非功能主义（但仍属于唯物论）的意识研究路径，例如“生物自然主义”，该理论认为，意识是其生物性、生命性、物质性基质的属性[14]。
这些替代理论可能是错误的，但它们不应被忽视（比如，在“人工智能是否能有意识”这一问题上，我们就迫切需要明确这些理论立场[14]）。然而，Tononi等人[2]将生物自然主义等观点轻率地斥为“退回原点（或者说回到魔法）”，这种表态难免显得傲慢或过于自信。此外，他们将所有IIT之外的观点统称为“陈腐的计算主义”，声称这些理论充其量只能解释“伪意识”，这种做法实际上封锁了许多可能具有重要价值的理论与实验探索路径。其他不当之处与挑战
Tononi等人[2]的错误对立还体现在其他几种误导性的刻画方式上。例如，将意识与智能区分开来的并不只有IIT，对“只要计算机足够智能，就可能自发产生意识”这一观点提出质疑的，也远不止IIT[14]。无论面对的是人工系统还是生物系统，自然形成的还是人造的，如何对待那些被认为可能具有意识（或看似有意识）的系统，已成为日益重要的伦理议题。要在这一复杂领域中前行，最起码需要尽可能清晰地理解现状，而这要求我们能够认识到存在多种细微但重要的不同观点。IIT自身也存在一种人为制造的二元对立。它给人的印象是：要接受IIT的任何部分，就必须全盘接受IIT的整体。这种做法低估了实用性多元论的潜力——不仅是在IIT与其他理论之间，也包括IIT自身的内部差异。例如，IIT-Concerned等人[1]曾提出，一个“较弱版” 的IIT（不做激进的形而上学主张）是否可能以一种更符合主流认知神经科学的方式被表达？这是一个值得探讨的问题。不幸的是，IIT-Concerned等人[1]似乎忽视了已有的潜在解法，比如Mediano等人[12]提出的“弱IIT”（weakIIT）。在弱IIT中，整合信息的度量不再被视为与意识数量具有同一性（这正是标准IIT[6]的核心主张），但仍然保留了IIT的核心洞见——即经验中的“整合信息”应当体现在其基础的神经动力学中。放弃“同一性”主张的一个重要优势是：研究者可以直接采用近似值，而不仅限于替代指标。在理论上保持适度谦逊，往往能带来经验上的丰富。IIT还面临术语与策略上的挑战。例如，尽管IIT反复强调其对“信息”一词的定义是内在视角，而非传统香农信息（即信息内容依赖于观察者的外部视角），但许多人仍然习惯性地以后者来理解IIT的信息概念。另一个问题是，IIT似乎要求你在理解任何一个部分之前，必须先理解整个体系（最近创建的IIT-Wiki或许能有所帮助）。最后，IIT既是一种诅咒，也可能是一种祝福——它不仅仅是一个意识理论，而是一个试图构建完整世界观的体系。
底层仍有广阔空间
围绕IIT的理论冲突，其深层次的根基更加深厚。功能主义与结构主义之间的元理论之争，正是关键断层。而在更深层，我们会发现外在视角与内在视角之间的争论。前者是我们熟知的科学方法的核心，而后者则是IIT试图纳入科学范畴的视角。面对这些深层的分歧，我们应该对自己的形而上学立场保持适度的轻松态度。尽管唯物主义仍占据主导地位，还有许多其他的“主义”可供选择，而众多意识理论也在不同程度上偏离了标准的唯物主义假设[13]。难道这些理论都应该被“驱逐出科学界”吗？或许，在放弃科学方法的核心价值之前，我们应当先看看它们究竟能做些什么。回望未来
历史的回音
马克·吐温曾说，“历史不会重演，但它经常押韵。”由多位学者联合发起的“学术驱逐”并非新鲜事。其中有两个典型案例值得一提：一个涉及爱因斯坦的相对论，另一个则是关于占星术的争议。
1931年，一本名为《反对爱因斯坦的一百位学者》（Hundred Authors against Einstein）的论文集出版，集中攻击爱因斯坦的广义相对论。共有121位学者参与（其中28人撰写文章，93人仅列名支持），他们一致否定该理论，称其为“根本上误导且在逻辑上站不住脚的虚构”，并抱怨它获得了过多的不当宣传。据斯蒂芬·霍金所述，爱因斯坦的回应是：“如果我错了，一个人就足够了。”
五十年前，一份名为《反对占星术的意见》（Objections to Astrology）的声明发表，副标题是“186位杰出科学家的联合声明”（其中18人是诺贝尔奖得主）。这群学者表示，他们“对占星术在全球范围内日益增长的接受度感到担忧。”然而，著名天文学家卡尔·萨根（Carl Sagan）却拒绝签署这封信。他解释道：“……我发现自己无法签署，不是因为我认为占星术有任何科学价值，而是因为我觉得（现在仍然认为）这份声明的语气过于权威主义。”他随后给《人文主义者》（The Humanist）杂志编辑的一封简短信件，堪称科学理性与诚信的典范。核心观点是：无论是相对论还是占星术，诉诸权威的判断方式都与科学精神背道而驰。
我们何去何从？
意识研究曾被视为“禁忌之地”数十年，直到大约三十年前，它才逐渐被正统科学接纳。我们不希望这个领域再次被冷落，或者被混同于伪科学。那么，我们该怎么办？
如今，学生们有机会深入学习科学及其哲学。与此同时，社会学家和科学哲学家也可以实时观察这一段充满活力的（伪）科学混乱史，亲历其中展现出的智识真诚的必要性，以及对“确定性”执迷不悟的荒谬。但一个令人不安的问题浮现：在意识研究领域深耕数十年的神经科学家，是否还能改变自己的观念？形而上学的多元主义和认识论的谦逊虽罕见，却至关重要。
学术摩擦有时也能催生更清晰的思考。在表面的学术礼貌之下，激烈的争论能揭示出许多隐藏在理论接缝处的矛盾与棱角。尽管双方都可能怀有善意[15]，争论依旧可能演变成敌意。毕竟，我们每个人都携带着自己的形而上学立场，甚至情感上的利益冲突。这场争议可被视为该领域的一场急诊手术，但其最终的结果取决于学界如何应对——它可能会留下一个恶化的伤口，也可能成为一次挽救生命的手术。最糟糕的结局，莫过于意识科学被看作既非科学，也与意识无关。值得尊敬（也确实受人尊敬）的科学团体，不需要通过贬低彼此来证明自己是对的（或别人是错的）。IIT并不是主流理论之外唯一可行的替代方案，而主流的计算理论也未必只是“在细节上”有错而已[1]。我们仍不知道意识问题的正确答案，甚至可能还没有提出真正正确的问题。未来的意识科学，或许需要我们回归伽利略的基础，以建立一门真正的经验科学。那么，科学方法是否能完全揭示意识？我们当然希望如此，但同时必须记住：伪科学的镜像是“科学主义”。
最后，我们呼吁：保持多元视角，勇敢地保持谦逊。在意识问题上，我们不仅有犯错的权利，或许甚至有冒险的义务。如果没有彻底的重新思考，意识的困难问题似乎不太可能被解决（或消解）。让我们在继续研究大脑的同时，也保持思想开放。借用神秘主义诗人鲁米（Rumi）的话：“在‘伪科学’与‘伪意识’的观念之外，有一片天地。我们在那里相会吧。”
参考文献
1. IIT-Concerned et al. Nat. Neurosci. https://doi.org/10.1038/s41593-025-01881-x (2025).
2. Tononi, G. et al. Nat. Neurosci. https://doi.org/10.1038/s41593-025-01880-y (2025). 3. Gomez-Marin, A. eNeuro 10, 0434–0423.2023 (2023).
4. Seth, A. K. Nautilus https://nautil.us/the-worth-of-wild-ideas-399097/ (2023).
5. Fleming, S. M. et al. Preprint at PsyArXiv https://doi.org/10.31234/osf.io/zsr78 (2023). 6. Albantakis, L. et al. PLOS Comput. Biol. 19, e1011465 (2023).
7. Seth, A. K. & Bayne, T. Nat. Rev. Neurosci. 23, 439–452 (2022).
8. Lakatos, I. in Criticism and the Growth of Knowledge (eds Lakatos, I. & Musgrave, A.) 91–196
(Cambridge Univ. Press, 1970).
9. The COGITATE Consortium. Preprint at bioRxiv https://doi.org/10.1101/2023.06.23.546249(2023).
10. Pennartz,C.etal.OSFRegistrieshttps://doi.org/10.17605/OSF.IO/4RN85(2024).
11. Yaron, I., Melloni, L., Pitts, M. & Mudrik, L. Nat. Hum. Behav. 6, 593–604 (2022).
12. Mediano,P.A.M.,Rosas,F.E.,Bor,D.,Seth,A.K.&Barrett,A.B.TrendsCogn.Sci.26,
646–655 (2022).
13. Kuhn,R.L.Prog.Biophys.Mol.Biol.190,28–169(2024).
14. Seth,A.K.PreprintatPsyArXivhttps://doi.org/10.31234/osf.io/tz6an(2024). 15. Clark,C.J.etal.Proc.Natl.Acad.Sci.USA120,e2301642120(2023).
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”
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
来源：人工智能学家
