AI的“规格博弈”：当竞争从算力蔓延到认知，谁在定义真实？
AI的“规格博弈”：当竞争从算力蔓延到认知，谁在定义真实？
显性博弈：一场围绕“万亿规模”的算力军备竞赛
从产业规划看国家意志
大国间的AI竞争，首先是以国家力量为后盾的产业规模和核心技术之争。美国战略分析界已将人工智能定位为塑造未来经济、安全格局和全球权力动态的核心技术力量，并明确将中国视为全方位的竞争对手。
2017年国务院《新一代人工智能发展规划》设定了“三步走”目标：到2020年核心产业规模超过1500亿元，2025年超过4000亿元，2030年超过1万亿元。这些数字是产业规模被当作衡量战略推进进度的核心指标。到2022年，中国人工智能相关产业规模已突破5000亿元，企业数量超过4000家，产业体量已进入实质性的规模化阶段。
算力即权力，但并非全部
这种显性博弈的逻辑直接：谁掌握更强的算力、更大的产业规模、更多的专利和人才，谁就能定义技术标准，主导全球产业链的利润分配和规则制定。但这种竞争模式高度依赖国家的资源动员能力，当产业目标被简化为几个关键数字，就可能脱离真实的市场需求，演变为纯指标竞赛。更大的问题在于，算力堆叠和产业规模扩张本身无法解决AI带来的社会信任危机。当模型能力趋同，边际效益递减时，博弈的焦点正从“谁做得更大”转向一个更根本的问题：谁来决定什么是真的。
隐性战场：当博弈从“比强”转向“比脏”
虚假信息的工业化生产
AI竞争的另一面，远比算力榜单上的名次更隐蔽。当模型能力逐渐趋同，一种新的博弈逻辑浮现：不再执着于让自家模型变得更强，而是利用对手模型的普及，去污染对方社会的信息环境。这种策略成本极低，回报却直指社会运转的根基——公众对事实的共识。
生成式AI让虚假信息的制造摆脱了人力束缚。2023年5月至12月间，专门生成虚假文章的网站数量增长了1000%以上，内容覆盖15种语言。这些网站有组织地模仿正规新闻机构的版式和更新频率，普通读者几乎无法凭直觉分辨。规模扩张的同时，风险事件也在激增：2024年全球AI风险事件总数较2022年增加约21.8倍，大量涉及深度伪造、自动生成的诽谤内容以及定向信息投喂。虚假信息的生产已形成完整产业链：上游用大模型生成文本、图片和音频，中游通过自动化工具分发，下游利用算法推荐机制放大传播。整个过程可在几小时内完成，而传统事实核查机构的响应周期通常以天为单位。
机器人账号的“认知洪流”
制造虚假内容只是第一步，真正让认知渗透成为可能的，是传播环节的自动化。
2022年俄乌冲突爆发当日，海外社交平台上带有特定政治标签的推文达到每小时3.8万条。此后一周内，渲染恐俄情绪的推文累计350万条，其中八成来自机器人账号。这些账号模拟真实用户的互动模式——点赞、评论、互相关注，形成看似自发的讨论社区。当一个话题被成百上千个“假人”同时推动，平台的趋势算法会将其判定为热点，进而推送给更多真实用户。一小群操作者可以制造出全民关注的假象。
传播速度放大了这种操作的效果。AI生成的虚假图片在社交媒体上的传播速度是真实内容的6倍。虚假内容往往被刻意设计得更具情绪煽动力，AI能精准计算什么样的视觉元素和文字组合能触发愤怒或恐惧，驱动用户点击和分享。当真实信息还在等待核实，虚假内容已经跑完了数轮传播周期。这种速度差让基于“事后纠错”的传统防御体系形同虚设。
虚假信息并非AI时代的发明，但AI改变了它的生产函数。过去制造和传播虚假信息需要可观的人力与时间投入，如今边际成本趋近于零。防御方需要核查每一条信息，攻击方只需找到一处缺口。这种非对称性正是“认知洪流”策略难以根除的根源。
博弈的终局：定义“真实”的权力与信任的瓦解
从改变观点到重塑价值观
AI认知博弈的最终目标，不是让你相信某一条具体的假新闻，而是通过持续、定向的信息浸润，系统性地重塑受众的道德伦理认知。有专家指出，生成式AI持续、定向、不断地输出并传播包含特定价值取向的内容，将影响受众对社会道德、伦理规范、价值理想等方面的认知和理解，进而改变其行为准则和价值追求。
这里的关键是“持续”和“定向”。单一虚假信息追求即时效果，长期、定向的信息浸润则瞄准更深层的结构：一个人判断是非对错的底层框架。当某种价值取向的内容反复出现，并以看似多元、实则同构的形态包裹不同话题时，受众会逐渐将其内化为“常识”。这个过程不依赖某一次爆炸性曝光，而是依靠数量、频率和跨平台的重复覆盖，让特定价值观在不知不觉中沉淀下来。
从认知到行为的链条已被传播学和心理学反复验证。AI的介入让这个链条的每一个环节都变得可量化、可优化。模型可以实时监测哪些叙事框架引发了更强烈的情绪反应，哪些价值表达获得了更高的认同度，然后迅速迭代内容策略。这种反馈循环的速度和精度，是传统宣传手段无法企及的。
当“真实”本身成为可操纵的变量
但这并非简单的“魔弹论”——个体媒介素养、既有价值观和社会关系网络都会对这种影响形成缓冲。问题在于，这种防御能力在社会层面分布极不均衡，而AI生成内容瞄准的恰恰是那些防御最薄弱的环节。
更深层的危险在于，当“真实”本身成为可操纵的变量，社会信任的根基便开始松动。信任依赖于一个基本假设：我们共享同一个事实基础。一旦这个基础被持续侵蚀，人们会退回到各自的信息孤岛中，用立场代替事实，用情绪代替论证。社会协作的成本将急剧上升，因为任何共识的达成都需要首先解决“什么是真的”这一前置问题。
面对这种局面，一种值得重视的思路来自对AI系统本身的评估方法。有研究者指出，评估人工智能的感知能力时，不能再依赖语言测试或表型行为，而需要关注那些“无法博弈的深层架构特征”——比如系统正在运行的计算类型，或者计算中使用的表征形式。这个思路同样适用于审视信息环境：与其逐条核实海量内容，不如关注信息生产和分发的底层架构。谁控制着这些架构，谁就掌握了定义“真实”的权力。
普通人的“认知防身术”：在博弈中保持清醒
从“被动接收”到“主动质疑”
对抗认知渗透最有效的方法，不是依赖外部的事实核查，而是内化一种“审视深层架构”的思维习惯。事实核查永远追在虚假信息后面跑，速度差只会越来越大。真正能提供免疫力的，是改变我们接触信息的默认姿态：从“这条信息说了什么”转向“这条信息为何以这种形式、在此时、由这个源头出现在我面前”。
这种思维习惯要求在面对任何令人情绪波动的信息时，先停顿片刻，追问几个问题：它的原始出处是什么？那个出处的商业模式依赖于什么？它是否一贯持有某个立场，还是灵活地随热点摇摆？如果一条信息没有明确的作者、没有可追溯的原始来源、没有提供可验证的时间地点，它的可靠性就首先打了折扣，无论内容看起来多么有说服力。
关注架构，而非表演
这里借鉴的思路来自对AI系统本身的评估方法：判断人工智能的感知能力时，不能再依赖语言测试或表型行为，因为那些东西太容易被模仿和博弈。真正可靠的依据，是那些“无法博弈的深层架构特征”。
同样的逻辑可以迁移到信息鉴别上。不要只看信息“说了什么”，更要看信息的生产架构：它背后的资金流动、内容分发的算法逻辑，以及长期行为的一致性。一个总是能在第一时间产出大量情绪化内容的账号，其生产架构本身就值得怀疑——它不太可能是一个人在独立调查，而更像是一个被设计来快速响应热点的内容工厂。关注这种架构特征，比逐条核实内容更能帮助识别系统性操纵。
这种方法对个人素养要求较高，无法成为普适的解决方案，但它是个体在认知博弈中保持主体性的最后一道防线。当外部信任机制被系统性侵蚀时，我们能依靠的，只有自己建立的一套稳定、可重复的认知框架。这套框架不保证永远正确，但能大幅降低被情绪洪流裹挟的概率。
分类标签建议：
浙公网安备 33010602011771号