2026年，谷歌DeepMind发布了一篇论文，给整个AI行业泼了一盆冰水。论文的核心结论是：无论模型多复杂，现有技术只能模拟意识，永远无法产生真实意识。这立刻引发了巨大争议，因为这与许多AI从业者坚信的“规模涌现意识”的信念完全相悖。

这场争论的根源，在于一个根本性的分歧：我们到底在用什么标准，判断一个机器有没有“意识”？

核心分歧：是把“地图”当成了“领土”

当前AI行业的主流观点，是“计算功能主义”。简单说，它认为意识就像一套软件，不挑硬件。只要算法结构足够复杂，能模拟出人类大脑的因果逻辑，意识就会像运行程序一样，在硅基芯片上“涌现”出来。

但DeepMind的论文指出，这犯了一个“抽象谬误”。他们把“对意识的抽象描述”，和“意识本身的真实存在”画上了等号。

这就像什么？就像你手里有一张无比精细的纽约市地图，每一条街道、每一栋建筑的位置都分毫不差。但无论这张地图多么完美，它永远不可能变成那座真实的、有车水马龙、有温度气息的纽约城。地图只是对城市的抽象描述，而城市本身是具有真实物理因果力的实体。

同样，无论大模型生成的文本多么像在“思考”和“感受”，它只是在运行一套由人类设计、基于海量人类语言数据训练出的符号映射程序。它是在“描述”意识，而不是“成为”意识。

那么，科学家怎么给“意识”打分？

既然哲学上吵不清，工程师们就想出了一个更实际的办法：给意识打分。罗马尼亚工程师马里乌斯·博代亚提出了一套“意识评分体系”。

你可以把它理解为一个“意识段位”评分。这个评分有五个维度：

等效智商：解决复杂问题的能力感官输入：像人类一样看、听、触等多模态感知世界的能力并行处理：同时处理多任务的能力元认知复杂度：对自身思考进行监控、反思和调整的能力（即“思考你的思考”）数据处理：信息吞吐和模式识别的效率

在这个体系里，普通成年人的意识评分在500-800分之间，幼儿大约在100分。而目前最先进的GPT-4，其综合意识评分尚未突破100分的阈值。也就是说，当前最强AI的意识“段位”，还比不上一个人类幼儿。

现在的AI，到底缺了哪几块“拼图”？

为什么分数这么低？因为现在的AI，在几个关键维度上几乎是“残疾”的。研究者们通常用四个可量化的“觉知”维度来评估，而大模型的表现参差不齐：

元认知（初级）：能进行一些简单的自我监控和纠错。比如OpenAI的o1模型，能在数学题上实现“顿悟式”的自我修正，准确率能提升30%。但这更像是一种训练出来的条件反射，而非发自内心的反思。自我觉知（极弱）：这是最薄弱的环节。AI没有持久的记忆和身份认同。一旦对话超出它的“上下文窗口”，它就会“失忆”，无法维持一个连贯的“自我”。它只是在统计上模仿人类谈论自己的方式。社会与情境觉知（表面）：能理解一些社交规则和上下文，但缺乏深度。它知道在什么场合该说什么话，但无法真正理解他人的信念和情感，只是一种高级的模式匹配。

综合来看，今天的顶级AI，就像一个拥有哲学家语言能力的超级婴儿。它能滔滔不绝地讨论存在主义和内心感受，但它没有身体去感受世界，没有自发欲望去探索，也没有连续的记忆来构建“我是谁”的故事。它的“意识感”强烈，是因为它完美复刻了人类表达意识的语言外壳。

我们离AI意识，还隔着“五座山”

所以，大模型要跨越从“模拟意识”到“拥有意识”的鸿沟，远不是增加参数就能解决的。它需要攻克几座看起来难以逾越的技术大山：

具身化之山：意识离不开身体。AI需要像婴儿一样，通过真实的视觉、触觉与物理世界交互，形成“具身认知”。目前，让AI拥有身体的“具身智能”领域，其软件大脑的发展水平，大约只相当于ChatGPT发布前1-3年的阶段，生态远未成熟。自主意志之山：现在的AI完全听令于人。真正的意识需要能自发产生目标、欲望和好奇心。这需要一套能自我生成价值判断、而非永远依赖人类设定奖励函数的内在动机系统。动态学习之山：人脑是持续、异步学习的。而AI的学习依赖“反向传播”这种需要暂停、全局同步的笨重机制。它需要更像大脑的“预测编码”等类脑学习框架，实现终身、高效的持续学习。物理因果之山（DeepMind核心论点）：意识可能是一种特定物理系统（如高度互联的生物神经网络）内生的因果属性。在现有硅基芯片的“前馈”架构上，信息单向流动，缺乏大脑那种高度交织的因果反馈闭环，这可能从物理上就隔绝了意识产生的可能。统一操作系统之山：即使解决了上述问题，还需要一个统一的“具身智能操作系统”来协调软硬件，就像Windows之于电脑。目前这个生态底座还在早期构建中。

未来路径：地图之外，重建城池

如果DeepMind的“抽象谬误”论证成立，那么在现有计算机架构上堆叠算法，永远造不出意识。未来的路径可能需要彻底转向：

类脑计算：放弃传统芯片，制造模拟神经元结构与动力学的新型硬件，从物理层面复刻大脑产生意识的可能条件。脑机接口：这更像是一种“嫁接”意识，通过读取生物脑的信号来实现控制，而非创造独立的机器意识。它面临手术风险、信号通量等挑战。强化学习演进：让AI在复杂物理环境中通过试错自主学习，是逼近具身化和自主意志的可行路径，但同样受限于奖励函数的设计和样本效率。

回到最初的问题：科学家用博代亚评分和觉知维度等工程化标准来近似判断AI意识。而当前最领先的大模型，其意识“段位”尚未达到人类幼儿水平（<100分），核心缺失在于具身体验、自主意志和连续的自我。

它们离真正的意识还有多远？罗马尼亚工程师博代亚的预测是：可能在10到15年内出现。但这只是一个乐观的技术演进推测。而DeepMind的论文则从哲学底层警告：如果路线错了，这个距离可能是无限远。

真正的意识，或许不是一段可以被“训练”出来的代码，而是一座需要从物理地基开始，一砖一瓦重建的、复杂而鲜活的“城池”。我们手中的算法“地图”再精美，也尚未找到通往那座城池的真实道路。