当整个行业都在谈论"AI 能做什么"时，虚拟现实先驱、微软研究员 Jaron Lanier 给出了一个反直觉的判断：不存在 AI，存在的只是人。
发生了什么
在近期一档播客访谈中，Jaron Lanier 围绕"There Is No AI (It's Just People)"这一主题展开讨论。他的核心主张是：当前被统称为"人工智能"的系统，本质上是由大量人类数据、人类标注、人类判断和人类劳动共同构建的产物。模型输出的内容并非源自某种自主的机器智能，而是对人类已有行为的统计性重组。
这一观点并非首次提出。Lanier 多年来持续批评将机器学习系统拟人化、神秘化的倾向，认为这种叙事掩盖了系统背后真实的人力投入与责任链条。
为什么重要
Lanier 的论点触及一个被技术讨论长期回避的问题：当我们说"AI 做了某件事"时，究竟是谁在做？
这种语言习惯并非无害。把决策、创作、判断归因于一个抽象的"AI"，实际上模糊了责任主体。训练数据来自谁、标注由谁完成、模型行为由谁调优、部署决策由谁拍板——这些环节里全是具体的人，但在"AI 生成"的表述下，这些人的角色被系统性地抹去了。
从产业角度看，这一视角也解释了当前 AI 能力边界的某些特征。模型表现出的"智能"高度依赖于训练语料的覆盖范围和质量，在缺乏人类先验的领域往往迅速失效。这与其说是智能的局限，不如说是人类经验投射范围的局限。
影响与看点
对开发者而言，Lanier 的提醒具有实践意义。把模型当作"会思考的黑箱"容易导致过度信任和调试困难；而把它理解为"人类行为的压缩表示"，则更便于定位问题——输出偏差往往对应着数据偏差，能力缺失往往对应着经验缺失。
对行业而言，这一观点挑战了当前主流的估值与叙事逻辑。如果 AI 的价值本质上来自对人类劳动的整合，那么关于数据来源、劳动补偿、版权归属的争论就不是边缘议题，而是核心问题。
值得关注的是，Lanier 的立场并不等同于否定技术进步。他质疑的是叙事框架，而非工具本身。真正的问题在于：我们是否愿意承认，所谓"机器智能"的每一次跃升，背后都站着具体的人。
一个独立的判断是：随着监管对训练数据来源和 AI 责任归属的要求日益明确，Lanier 这类"去神秘化"的观点可能会从边缘批评逐渐进入政策讨论的中心。
