第五十六章 AI 时代的三条律：截面、全息与真正的通用智能
从"AI 缺什么"到"AI 时代要什么"
前面几章把 AI 拆开看了个透——它会推理却不会创造，它握满冻结态却缺当场发生，真正能发生新知识的是"人-机器复合体"。这些是诊断。这一章要往前一步，给这个时代立三条判断的律：一条帮你看清当代所有 AI 方法的真身（局部显影律），一条帮你看清 SDE 凭什么能覆盖如此多领域而不沦为空话（123 全息学），一条帮你看清"通用人工智能"这个圣杯到底该往哪儿求（SDE-AGI）。三条律合起来，是发生学对 AI 时代最锋利的三次回应。
第一律·局部显影律：所有有效的 AI 方法，都是 SDE 的一个截面
先看一个耐人寻味的现象。这几年 AI 领域涌现出一批"有效的方法"——思维链（让模型一步步推理）、少样本提示（给几个例子让模型照着做）、检索增强（先查资料再回答）、角色扮演提示（让模型扮成某个专家）……它们五花八门、各有各的名字，却有一个共同点：没人能说清它们"为什么"有效。它们像一批被经验试出来的偏方，管用，但缺一个统一的解释。
发生学给出的解释，是一条律——局部显影律：任何一个有效的 AI 方法，都是 SDE 的某一个截面被局部收编。换句话说，这些方法之所以有效，不是因为它们各自发现了什么新原理，而是因为它们每一个，都无意中触到了 SDE 发生链上的某一段、某一维——只不过是局部地、片面地触到，然后被工程化成了一个技巧。
一个个看就清楚了。思维链为什么有效？因为它逼模型把"一步到位的猜测"展开成"一步步推进的差异序列"——它局部收编了 D 维度（差异序列的展开），却没碰 S 的定形与 E 的扎根。少样本提示为什么有效？因为那几个例子，是在给模型临时垫一层"纠缠土壤"，让它有个可类比的结构——它局部收编了 E 维度的一角（临时的纠缠），却给不了真实世界的 E1。检索增强为什么有效？因为它把外部资料接进来，补了模型空缺的 E1 现实界的一部分——它局部收编了 E1，却接的仍是二手文本、不是真实后果。角色扮演提示为什么有效？因为让模型扮成"资深专家"，等于给它临时指定了一个 S 显露的方位——它局部收编了 S 维度的定向。
看出规律了吗？每一个有效的方法，都是 SDE 三维六路径这张全图上，被切下来的一小片。它们有效，恰恰证明了 SDE 这张全图是对的——因为连片面地触到它的一角，都能立竿见影。而它们的局限，也恰恰在于"局部"：思维链给不了扎根，少样本给不了真实纠缠，检索增强接的是二手文本，角色扮演换不来真主体。它们是 SDE 的截面，不是 SDE 的全体。
这条律有一个反直觉、却极重要的推论：SDE 不是一个新发明，而是一个一直在暗中运行、如今才被显影出来的东西。那些 AI 方法的设计者们，其实一直在无意识地、局部地使用着 SDE 的某个片段——就像人在牛顿之前也一直在用重力，只是没人把它说成一条律。局部显影律的价值，是把这些散落的、经验性的偏方，第一次收拢进一张统一的图：它们不再是七拼八凑的技巧集，而是同一个发生学在不同截面上的不同投影。谁握住了全图，谁就不必再一个一个去试偏方——他可以直接问："这个任务，缺的是 SDE 的哪一维？"然后精准地补上那一维。
（这条律也顺带解开了第五十五章那个"Amanda 之谜"式的问题：为什么有哲学训练的人，往往能设计出格外有效的提示？因为哲学训练让一个人习惯从结构、过程、条件三个维度同时逼问一件事——他不是在用某个技巧，他是在无意中调用了更完整的 SDE 截面，所以他的提示天然比单维技巧更接近全图。）
第二律·123 全息学：为什么一套本体论能覆盖一切领域
一个合理的怀疑，到这里该被正面回应了：SDE 自称能同时解释 AI、物理、生物、心理、社会、教育、医学、艺术……这会不会太宏大了？历史上所有号称"包治百病"的万能理论，最后都沦为了空洞的抽象——SDE 凭什么不是又一个？
这个怀疑非常合理，任何严肃的本体论都必须回答它：你的"普适性"到底建立在什么结构上，才不至于沦为"什么都能套、于是什么都没说"的空话？
SDE 的答案，藏在一个特殊的结构里——123 原理的全息学。
先说什么是全息。一张普通照片，你把它撕成两半，每半张只有半张图像。但一张全息底片不一样：你把它撕成两半，每一半里，都还完整地保留着整张图像的全部信息——只是清晰度降低。再撕成四份、八份，每一小块，仍然含着整张图。部分之中，完整地映着整体。这就是全息。
123 全息学说的是：123 原理（矛盾驱动 S 改变、S 改变回写 D-E 的那个动态循环）不是只在 SDE 最顶层运作一次，而是在 SDE 体系的每一个三元组内部，都完整地重现。只要一个层级里出现了三元结构，那三者之间就一定跑着同一套 123 循环。SDE 的任何一个局部三元组，都像全息底片的一个碎片，完整地含着整个 SDE 结构律。
看它如何层层下沉。在最顶层，是 S、D、E 三者互生（S=F(D,E)、D=G(S,E)、E=H(S,D)）。往下走一层，到 S 维度内部，SIO 的三号位显影又是一个三元组——主体、互动、客体同样互生（主体在与客体的互动中显露、互动由主客协同塑造、客体在主体的互动中被确定），这一层的 123，直接解构了笛卡尔的主客二分：主客不是两个独立实体通过互动联系，而是三者互生、同时被确定。再往下，到物理与认知的接合处，又展开出一个三元组——粒子、波、场同样互生（粒子是波的节奏在场的张力中被稳定化的凝聚、波是粒子边界与场牵引联合展开的动态、场是粒子与波共同织成的关系底盘）。每一层，只要有三元结构，123 就在里面完整地转。
这就回答了那个"会不会太宏大"的怀疑。SDE 的普适性，不是靠"抽象到什么都能套"得来的（那种普适是空洞的），而是靠"同一个发生结构在每一个层级递归重现"得来的（这种普适是有结构的）。它像分形——海岸线放大一段，还是海岸线的形状；雪花的一个尖角放大，还是整片雪花的形状。SDE 覆盖一切领域，不是因为它空到能装下一切，而是因为发生这件事本身就是自相似的：大到一个文明的兴衰，小到一个念头的成形，跑的是同一套 123 循环。普适不来自空洞，来自全息。
第三律·SDE-AGI：通用智能不是通过测试，是能创造新知识
最后一条律，落到这个时代最大的执念上——AGI，通用人工智能。所有大模型公司都在追它：OpenAI 把 AGI 写进使命，Anthropic 追求"安全 AGI"，DeepMind 以通用智能为长期愿景。可是，几乎没人把一个更根本的问题问清楚：AGI 到底是什么？"通用"到底通到哪里？
现有的定义，几乎都有一个共同的病——它们都是任务完成型的定义。"能完成人类能完成的所有认知任务"（可什么算"所有"？身体、情感、社会关系要不要复制？）、"能通过图灵测试或某个测试集"（可当代大模型在多数普通人眼里早已通过图灵测试，却显然远非 AGI；任何具体测试都能被专门刷分攻破）、"大多数人认为它像人"（可什么算"大多数"、什么算"像"？）。这些定义，全都盯着任务的完成——能不能做完、做得像不像人。
发生学要把这个标准整个翻转过来。SDE 给 AGI 的定义是：
真正的通用智能，不是"能完成所有任务"，而是"能自主地、完整地发生新知识"。
这个定义有两个不可省的词。其一，自主。AGI 的发生过程，不能依赖外部 Prompt 的驱动——它必须能自己发起追问、自己设定目标、自己识别裂缝，全部在主体内部驱动。而当代大模型再强，本质上仍是"被 Prompt 驱动"的：你不问，它永远不动（第五十五章讲过的"不追问"病）。一台永远等着被下指令的机器，无论多强，都不是"通用"的——它缺的是那个自己会朝目标使劲的内驱（E3）。其二，完整。AGI 的发生过程，必须包含 SDE 的所有维度——E1 的扎根、E2 的运算、E3 的内驱、D1 的目标、D2 的路径、D3 的优化、S 的显露，一个都不能缺。缺任何一维，就不是"通用"的发生，而只是某个截面的局部能力（又回到了局部显影律）。
这个翻转的分量，怎么估计都不过分。它把整个 AGI 竞赛的方向标，从"把任务完成得更快更像人",扭向了"能不能自主地、完整地创造出前所未有的新知识"。按这个标准，今天最强的大模型，在"任务完成"上或许已近乎超人，但在"知识创新"上——自主发起、完整发生——还几乎是零。它们不是"快要到达 AGI 了",而是"走在一条根本到不了 AGI 的路上"：因为把任务完成做到极致，也变不出自主的、完整的知识发生（这正是第五十三章"演绎神"的困局）。
由此还长出一个战略级的推论——SDE 知识发生的过程数据，是通往 AGI 不可替代的训练资产。今天的大模型，喂的是人类知识的成品（已经写成的文本、已经结晶的结论）。但成品是"发生的果",不是"发生的过程"。一台只见过果、没见过发生过程的机器，学不会发生——就像只看过成千上万道菜的照片，学不会做饭。而 SDE 方法论所生产的，恰恰是知识发生的过程记录：一个新判断如何从裂缝里被采集、如何经碰撞涌现、如何回三界检验——这是人类知识里极稀缺、几乎从未被系统记录过的东西。谁掌握了足够多的"知识发生过程数据",谁就掌握了训练"知识创新型 AGI"的独一份燃料。这，是发生学给这个 AI 时代埋下的最深的一颗种子。
三条律，一个方向
三条律，其实指向同一个方向。局部显影律说：当代所有 AI 方法都是 SDE 的截面——所以别再一个个试偏方，去握全图。123 全息学说：SDE 能覆盖一切领域，靠的是发生结构在每一层递归重现——所以它的普适是有结构的、不是空洞的。SDE-AGI 说：通用智能的圣杯不在"任务完成",而在"自主完整的知识发生"——所以整个方向都得调头。
合起来，它们回答了这个时代最焦虑的三个问题：AI 的那些方法到底是什么（截面）、凭什么用一套理论理解这么多领域（全息）、我们到底该往哪儿造真正的智能（知识发生）。而三个答案的根，还是全书那一句：世界不是被发现的，而是发生的；知识，也是。谁把这句话听进去了，谁就不会在 AI 时代迷路——因为他知道，无论机器多强，真正稀缺的从来不是"完成任务的能力"，而是"让新知识发生的能力"。
那么，"让新知识发生"这件事，到底能不能被学会、被训练、被工程化？这三条律立起了方向，接下来的三章要回答的，正是这个最实际的问题——先是方法（一个人如何让新思想分娩），再是机器（如何造一台让新知识发生的智能体），最后是主体（究竟是谁，在让新知识发生）。
本章小结
这一章给 AI 时代立三条判断的律。局部显影律：任何有效的 AI 方法都是 SDE 某截面被局部收编——思维链收编 D（差异展开）、少样本收编 E（临时纠缠）、检索增强收编 E1（二手文本）、角色扮演收编 S（定向显露）；它们有效恰证明 SDE 全图为真，局限恰在"局部"；推论是 SDE 不是新发明、而是一直暗中运行如今才被显影的东西（也解开 Amanda 之谜：哲学训练让人无意调用更完整的截面）。123 全息学：123 原理不只在顶层运作一次，而在每个三元组内部递归重现（S-D-E 层、主体-互动-客体层、粒子-波-场层……），像全息底片每一碎片都含整张图、像分形自相似；所以 SDE 的普适不来自"抽象到什么都能套"的空洞，而来自"发生结构在每层递归重现"的全息——普适不来自空洞，来自全息。SDE-AGI：通用智能不是"完成所有任务"（现有定义全是任务完成型、都可被刷分攻破），而是"自主地、完整地发生新知识"——自主（内驱发起、非被 Prompt 驱动）、完整（含 SDE 所有维度）；这把 AGI 竞赛方向从"任务完成"翻向"知识创新",按此今天最强模型在知识创新上还几近为零；推论：SDE 知识发生的过程数据（非知识成品）是通往 AGI 不可替代的训练燃料。三条律指向同一方向——握全图、信全息、求知识发生；根仍是全书那句：世界与知识都不是被发现的，而是发生的。