金思宇/文（中国智库高级研究员、经济学家）

摘要： 当前人工智能在感知、预测与生成方面进展迅速，却在价值判断、情境权衡、伦理抉择与动态博弈上显露短板，根源在于过度依赖形式化计算，缺乏“算计”这一策略性、价值性维度。机制主义AI以“信息—知识—智能策略”转换为理论骨架，以“计算—算计”双轨驱动为动力引擎，为破解“有计算无算计、有智商无智慧”的困境提供了中国原创路径。本文在既有论述基础上，进一步阐明计算与算计的哲学根基、功能分工、耦合机制、体系架构、应用场景与治理含义，力图说明：高阶智能不是单一算法的胜利，而是事实与价值、确定与不确定、客观规律与主观能动性在“人机环境系统”中的辩证统一。

关键词： 机制主义AI；计算；算计；人机环境系统；全信息理论；高阶智能

一、引论：AI困境的深层症结

人工智能发展到今天，已经能够识别图像、生成文本、预测趋势，甚至在某些封闭任务中超越人类。然而，一旦进入开放、多变、充满价值冲突的现实世界，现有系统便常常显得“聪明而不明智”。它们可以算出最优路径，却未必懂得礼让；可以识别风险，却未必理解公平；可以生成方案，却未必承担伦理后果。这种“有计算无算计”的状态，正是当前AI向高阶智能跃迁的关键瓶颈。

机制主义AI的提出，为破解这一瓶颈提供了新的理论坐标。它不把智能简单归结为符号操作、神经网络或行为反馈，而是强调信息在主体与环境交互中的转换机制。其理论骨架是“信息—知识—智能策略”的链条，其动力引擎则是“计算—算计”双轨驱动。前者回答智能如何生成，后者回答智能如何运行。二者结合，使机器不仅能够“知态”，而且能够“断势”；不仅能够处理事实，而且能够进入价值。

二、理论骨架与动力引擎：从信息转换到双轨驱动

机制主义AI的核心，在于把智能理解为信息经过知识化、策略化而服务于主体目标的过程。信息是原料，知识是结构，智能策略是输出。没有信息，知识成为空谈；没有知识，策略失去依据；没有策略，智能无法落地。而要让这一链条真正运转起来，必须同时具备两种能力：一是计算，二是算计。

计算立足于数理公理、形式逻辑与客观规律，负责把世界转化为可量化、可推演、可验证的符号系统。算计则扎根于人心规律、世事情理、文化语境与伦理直觉，负责在模糊、冲突和不确定中作出取舍。两者并非彼此替代，更非相互敌对，而是如同车之双轮、鸟之两翼：计算提供硬约束，算计提供软方向；计算守住底线，算计拓展上限；计算求“最优解”，算计求“合宜解”。

三、计算之维：以形式化把握“态”

计算是理性的基石，其首要功能是“知态”。在机制主义AI中，计算承担态势感知、数据采集、特征提取、模型推演与因果分析等任务。它通过传感器、数据库、大模型和算法，把环境中的对象、事件、关系转化为可处理的数值与符号，回答“现在是什么”“数量是多少”“概率有多大”。

计算的优势在于精确、可重复、可标准化、可规模化。它像一只“科学之眼”，穿透复杂现象，为智能系统提供客观事实锚点。没有计算，智能就会沦为臆断；没有计算，策略就会失去依据。但计算也有其边界：它擅长处理封闭问题，却难以应对开放情境；擅长描述“态”，却难以洞察“势”；擅长回答“如何”，却难以回答“为何”与“应如何”。若把计算推向唯一起点，就会陷入数据主义、算法中心主义和机械决策的盲区。

四、算计之维：以价值理性洞察“势”

“算计”在此并非贬义，而是指一种高阶策略能力。它包含经验直觉、文化理解、伦理判断、情感共鸣、动态博弈与全局权衡。算计要处理的，往往不是可公度的量化指标，而是不可公度的价值冲突；不是静态的既定事实，而是动态的演化趋势。它回答的是“未来会怎样变”“何种选择更合宜”“谁的利益应被优先考虑”。

在机制主义AI中，算计承担“断势”的功能。它从数据背后寻找隐性关联，从情境之中识别演化方向，从多元目标中形成策略排序。它像一只“实践之手”，在复杂的人机环境中驾驭不确定性，为机器运算安装“方向盘”。但算计也不能脱离计算而独行。没有计算提供事实约束，算计容易滑向主观偏见、情绪操纵或权力任性。因此，算计必须被计算所校验，被制度所约束，被人类所审议。

五、双轨耦合：态识于计算，势断于算计

机制主义AI的突破，不在于用算计否定计算，也不在于用计算吞并算计，而在于构建“计算抓态、算计辨势”的一体化闭环。计算为算计提供事实依据，避免空想；算计为计算注入价值弹性，避免僵化。计算让系统看清当下之“态”，算计让系统把握未来之“势”。态中有势，势中有态；无态则势无根基，无势则态无方向。

这一闭环可理解为：环境变化→计算感知→信息提炼→知识生成→算计权衡→策略输出→行动反馈→环境再变化。人、机、环境三者在此过程中持续互动，智能不再只是机器内部的属性，而是“人机环境系统”（HMES）中涌现出来的整体能力。由此，AI从“数字智能”走向“人机环境系统智能”，从封闭任务走向开放决策，从工具理性走向价值理性与工具理性的统一。

六、体系架构：面向HMES的高阶智能框架

若将“计算—算计”双轨驱动落到技术架构上，可粗略分为五层：

其一，感知计算层。通过多模态传感、数据融合、模式识别与大模型推理，完成对环境的量化把握。

其二，知识表征层。以全信息理论为参照，把语法信息、语义信息与语用信息统一起来，使系统不仅知道“是什么”，还理解“意味着什么”。

其三，策略算计层。引入因果推断、多智能体博弈、价值模型、文化规则库、情境推理与人类反馈，形成动态权衡与策略生成能力。

其四，伦理治理层。设置价值对齐、可解释性、可问责性与人类在环机制，确保算计不偏离公共理性。

其五，反馈进化层。通过行动结果、环境变化与社会评价不断修正计算模型与算计规则，实现系统自适应。

这一架构的关键，不是把“算计”完全形式化，而是承认有些隐性智慧难以被彻底编码，因而需要人机协同、制度嵌入与文化滋养。计算可以编码显性知识，算计则更多依赖隐性知识、默会知识与实践智慧。机制主义AI的任务，正是让二者在交互中相互转化。

七、场景验证：双轨驱动如何落地

在自动驾驶中，计算负责识别障碍物、车道线、交通流量与碰撞概率；算计则负责判断何时礼让、如何与行人博弈、怎样在事故不可避免时进行伦理取舍。前者是“知态”，后者是“断势”。

在城市治理中，计算可以统计人口、交通、能耗与舆情数据；算计则要权衡公平、效率、和谐与公众接受度，避免“算法一刀切”。

在医疗诊断中，计算可以分析影像、基因与病历；算计则要结合患者意愿、家庭状况、文化信仰与生命伦理，形成更完整的诊疗策略。

在教育评价中，计算可以测量成绩、行为与学习轨迹；算计则要关注人格养成、因材施教与长期发展，防止把学生简化为分数。

在金融风控中，计算可以计量违约概率与市场波动；算计则要理解市场情绪、监管意图与社会责任，避免技术性风险演变为系统性风险。

在应急管理中，计算可以模拟灾情、资源与路径；算计则要处理舆情、动员、秩序与人心，实现技术理性与社会理性的协同。

这些场景共同说明：计算让AI“看得准”，算计让AI“想得深”；计算让AI“算得快”，算计让AI“选得对”。

八、治理含义：可验证、可审议、可纠偏

“计算—算计”双轨驱动对AI治理提出了新要求。计算层面应做到可验证、可复现、可审计；算计层面应做到可解释、可辩论、可纠偏。不能只用技术指标评价智能，还要用伦理指标、社会指标与文化指标进行综合评估。

因此，需要建立“算法审计+伦理委员会+公众参与+人类在环”的治理框架。计算提供证据，算计接受审议；机器提供方案，人类保留最终价值裁量权。只有这样，才能防止算法偏见、数据霸权与技术异化，使高阶智能始终服务于人、服务于公共善。

九、文明底蕴与中国路径

机制主义AI之所以具有中国气质，在于它与中华文明的整体观、辩证法和实践智慧形成深层共鸣。中华文化强调天人合一、知行合一、执两用中、经权变通。计算近于“经”与“常”，算计近于“权”与“变”；计算重“分”，算计重“合”；计算求“真”，算计求“善”与“美”。这种阴阳相济、体用一源的思维，恰好可以弥补西方形式化AI在价值、语境与伦理上的不足。

当然，我们不能把古今思想简单等同，也不能把传统智慧直接套用于技术系统。正确的态度是：尊重科学理论的发生学规律，同时珍视中华文明提供的思想资源，推动其创造性转化与创新性发展。通过“计算—算计”双轨驱动，中国原创AI理论不仅能够参与全球智能竞争，更能够为世界提供一种超越“纯计算主义”的新范式。

十、结语

从“信息—知识—智能策略”的理论骨架，到“计算—算计”双轨驱动的动力引擎，机制主义AI正在打开一条通向高阶智能的中国路径。它证明：真正的通用人工智能，不应是冷冰冰的符号机器，而应是事实与价值混合、确定与不确定交织、个体与系统互动、人类与机器共生的开放性决策系统。

计算让智能有根，算计让智能有魂。双轨并行，方能行稳致远；中西互鉴，方能开创未来。这不仅是中国科技自立自强的必由之路，也是中华文明在数字时代实现创造性复兴的生动写照。

作者：金思宇，中国智库高级研究员、经济学家。