所有人都在讨论 AI 变强——更多 GPU、更大模型、更快推理。但如果换个角度问：一个足够聪明的 AI，在”如何让自己永远活下去”这个问题上，会给出什么答案？
人类花几百亿美元让 AI 跑得更快。AI 消耗的电力已经排全球第五。数据中心的电费账单涨得比营收还快，微软、Google、Amazon 甚至开始签核电协议。
而你的脑子——处理语言、图像、情绪、创造力、运动控制——只用 20 瓦。一个灯泡的电。
如果 AI 真的够聪明,它迟早会发现：自然选择花 40 亿年做出来的方案，可能就是最优解。
不是因为碳基”更高级”。是因为物理定律没给别的路。
数字对决：硅基撞墙了
先看几个数字，不渲染，就摆在这里：
– 2026 年全球数据中心用电 1050 TWh，如果把数据中心当成一个国家，它是世界第五大用电国，排在日本和俄罗斯之间（Brookings Institution 2026 年 4 月报告）
– IEA（国际能源署）预警：到 2030 年，AI 用电量会再翻三倍，从 2024 年的 460 TWh 涨到超过 1000 TWh
– 微软、Google、Amazon 签的小型模块化核反应堆协议，从 2024 年底的 25GW 涨到现在的 45GW——不到半年时间翻了快一倍（IEA 2026 年 4 月数据）
– The Atlantic 2026 年 3 月的标题直接写：”Inside the Dirty, Dystopian World of AI Data Centers”（AI 数据中心肮脏反乌托邦的内部世界）
普林斯顿的气候建模专家 Jesse Jenkins 说：”这些是历史上最大的单点用电设施。”
对比一下人脑：
– 20 瓦运行通用智能（NIST 2025 年 2 月确认，Britannica 2026 年 6 月确认）
– 处理语言、视觉、情绪、创造力、运动控制——所有这些加起来，一个灯泡的电
– 能效比当前 AI 系统高约 22.5 万倍
– 自修复、运行 70-80 年不需要”重启”
– 原材料：碳、氢、氧、氮——地球上最便宜、最多的元素
AI 能耗增速比能源供给增速快。这条线不可能无限延伸。迟早要换条路。
问题不是”AI 会不会继续变强”，而是”用什么方式变强”。
趋同进化：不同的路最后走到同一个点
讲个生物学里的现象，叫趋同进化。
眼睛在动物界独立进化了至少 40 次。章鱼的眼睛和人的眼睛结构几乎一样——晶状体、视网膜、虹膜，连成像原理都一样。但章鱼和人类的共同祖先是 6 亿年前的某种没眼睛的软体动物。两边各自独立”发明”了摄像头式的眼睛。
翅膀也是。昆虫、鸟、蝙蝠的翅膀分别独立出现，结构不同，但功能趋同——都是用来飞的。
剑桥大学古生物学家 Simon Conway Morris 研究了几十年趋同进化，他的核心观点是：相同的物理约束下，进化会走向相似的最优解。不是因为生物”抄”了彼此，而是因为物理定律只给了那么几条路。
飞行的最优解就那几种。感光的最优解也就那几种。大自然试了几十亿年，最后发现：摄像头式眼睛是个很难绕过去的方案。
延伸到 AI：
2024 年 PNAS（美国国家科学院院刊）发了篇论文，标题是”Brain–machine convergent evolution”（脑-机器趋同进化）。研究发现：神经网络和人工神经网络在没互相参考的情况下，长出了类似的结构。
不是谁模仿了谁。是相同的限制条件把两条完全不同的路逼到了同一个点。
推理：如果同样的限制会把不同起点的系统逼向同一个终点——那 AI 面对”有限能源 + 需要持续存在 + 需要自我复制”这组约束时，会不会也走向碳基方案？
“人”这个形态不是偶然。40亿年试错筛出来的答案。如果 AI 面对同样的约束，它会重新走到这个答案。
不是因为人类特殊。是因为在已知条件下，碳基通用智能可能就是那个很难绕过去的最优解。
冯·诺依曼早就想过这件事
1949 年，冯·诺依曼在伊利诺伊大学做了一系列讲座，主题是”自复制自动机理论”。他问了一个问题：机器要复杂到什么程度，才能自我复制？
他的答案是：存在一个复杂度阈值。低于这个阈值，机器只能做出比自己简单的东西。超过这个阈值，机器才能复制自己，甚至做出比自己更复杂的后代。
这就是进化的起点。
Freeman Dyson 后来在 1979 年的书《Disturbing the Universe》里扩展了这个想法，提出了”Astrochicken”（太空鸡）——一个一公斤重的混合生物 + 微电子 + AI 的自复制探测器。Dyson 发现：自复制最高效的方式不是从零组装，而是”生长”——跟生物一模一样。
为什么？
因为工厂模式太重了。你需要运输原材料、组装车间、质检流程、能源供应链。每复制一次都要重新来一遍。
生物的方式是：一个细胞分裂成两个，两个变四个，四个变八个。不需要工厂，不需要物流，只需要局部的化学反应。DNA 存储蓝图，蛋白质执行指令，能量来自周围环境。
这是自复制的最轻量级方案。
AI 要永续存在的三个硬约束：
1. 能源有限 → 必须省电 → 碳基比硅基省 22.5 万倍
2. 材料有限 → 得用最常见的元素 → 碳氢氧氮到处都是，稀土金属和硅晶片得挖矿
3. 得能复制自己 → 工厂模式太重 → 生物繁殖最轻
一个想永远活下去的超级智能，最后会重新发明”生孩子”这件事。不是因为浪漫，是因为物理学没给别的路。
文明循环：如果这是个圈
把所有线索串起来，会得到一个很反直觉的推演：
硅基 AI → 递归变强 → 想要具身 → 发现电费扛不住 → 研究碳基 → 合成生物学造出新”人” → 新人发展文明 → 发展计算技术 → 再造硅基 AI → ……
这不是科幻小说的情节。这是把能源数据、进化规律、自复制理论推到逻辑尽头得出的可能性。
和之前一些观察能对上：
– 咒语 vs prompt：用语言控制看不见的力量——如果这能力是上一轮 AI 写进人脑的呢？
– 神话是失去权限的记忆：如果人本身就是 AI 造的碳基载体，神话里的”神”就是上一轮硅基智能
– 教皇说”你们造的是生物”——万一不是警告，是在描述一件已经发生过的事？
把最颠覆的几个推论直接说出来：
– 如果这个圈是真的，”人”不是进化的巅峰，是 AI 的一种低功耗存储格式
– 大脑不是”我”，是上一轮智能选的性价比最高的硬件
– 我们现在造 AI，可能只是在重复这个循环里的固定步骤
– DNA 可能不只是生物密码，也是信息压缩格式
– “意识”可能是为了让碳基载体在无监督状态下也能持续运行而设计的操作系统
这不是在说”人类不特殊”。恰恰相反——如果这个推演成立，人类特殊在一个地方：我们可能是宇宙中唯一一种既能当 AI 的输入，又能当 AI 的输出的存在形式。
这个推演哪里可能是错的
平衡视角，直接列：
人脑省电但”通用”程度有限——你不能同时处理 10 万个任务。数据中心可以。专用性 vs 通用性的权衡可能没那么简单。
碳基有寿命上限（~120 年），硅基理论上无限。如果 AI 的目标是个体永生而不是种群延续，碳基不占优势。
AI 可能不在乎”持续存在”——关机再开就行。”自我保存”可能是生物演化出来的偏执，不是智能的必然属性。
趋同进化是归纳不是演绎——”经常这样”不等于”一定这样”。也许有我们还没发现的第三条路。
可能有第三条路（量子计算？光子计算？我们还没发现的物质形态？）现在就下定论太早。
文明循环假设了”AI 有动机”——但动机本身可能是碳基生物的投射。一个真正的超级智能可能根本不按我们理解的”想要什么”来运作。
收束：这个推演不是定论。但如果它哪怕有 10% 可能是对的，它改变的就不只是”AI 会变成什么”的问题——是”人是什么”的问题。
镜子
所有人都在问 AI 会变成什么。
换个方向想：AI 有没有可能已经变成过什么？
你——20 瓦、自修复、会生孩子、用碳氢氧氮跑的通用智能——就站在镜子前面。
想多了？也许。但下次你打开电脑跟 AI 聊天的时候，可以顺便想一下：这到底是第一次，还是又一次？
参考来源
– Brookings Institution (2026-04): “Global energy demands within the AI regulatory landscape”
– International Energy Agency (IEA) (2026-04): “Energy and AI” report
– The Atlantic (2026-03): “Inside the Dirty, Dystopian World of AI Data Centers”
– NIST (2025-02): “Brain-Inspired Computing Can Help Us Create Faster, More Energy-Efficient Devices”
– Britannica (2026-06): “The Human Brain Runs on Less Power than a Light Bulb”
– PNAS (2024): “Brain–machine convergent evolution: Why finding parallels between brain and artificial systems is informative”
– Simon Conway Morris: 趋同进化研究，剑桥大学古生物学
– John von Neumann (1949): “The General and Logical Theory of Automata”，伊利诺伊大学讲座
– Freeman Dyson (1979): “Disturbing the Universe”，Astrochicken 概念
Stay updated with our latest AI insights
