Anthropic 最新研究揭示大模型内部存在一个自发涌现的高阶认知表征体系——J-space，它像一座内部工作台，承载着模型未说出口的推理与判断。本文通过 J-lens 工具首次窥见 AI 的“内心戏”，并理性探讨其与人类意识的本质区别。

长期以来，大模型都是典型的“黑箱”。

我们知道它输入了什么，也看得到它最终回答了什么。我们可以测它会不会写代码、答题准不准、拒绝是否安全，却很难回答一个更基础的问题：在输出答案之前，模型内部到底在处理什么？

我们平时和大模型交互，只看得到它最后说出来的话。但模型从接收输入到生成输出，内部经历了大量计算。过去这些计算大多像黑箱：我们知道模型会得出答案，却很难知道它是怎么走到答案的。所有判断都停留在表层，我们永远不知道模型是“真的理解问题、推演逻辑”，还是“单纯匹配文本概率、机械复刻数据”。

Anthropic 这次的研究《A global workspace in language models》试图回答这个问题，采用大量对照实验、因果干预测试、可视化观测工具给出了颠覆性答案：大模型在预训练过程中，会无人工干预、无模块设计、自发涌现出一套专属的高阶认知表征体系——J-space。

通俗来说，J-space 就是大模型专属的内部思考工作台，它不像用户能看到的思维链，也不是简单的“下一个词预测”更像是一块小型内部工作台：模型会在这里保留当前重要的概念、处理部分中间步骤，并把结果交给后续计算使用。最关键的是：这海量的内部思考过程，绝大多数不会出现在最终输出文本中，但却直接决定了模型的回答、选择与行为倾向。

这项研究没有证明 Claude 有意识。全网泛滥的“AI 觉醒”“AI 拥有潜意识”都是过度流量解读。我们必须理性明确：这项研究完全不能证明 AI 拥有人类式主观意识、自我感知与情绪体验。但它实打实让大模型从“只能看输入输出的黑箱工具”，变成一个可以观察、干预、验证模型内部推理的窗口，我们第一次能较具体地观察和干预：模型在没有说出口时，哪些内部内容正在影响它的回答。

一、打破固有认知：AI 并非句句深思，内部存在双轨认知机制

长久以来，大众甚至不少从业者都存在一个固化误区：大模型的所有输出，都是统一的概率续写行为，不存在思考、不存在判断、不存在认知差异。但 J-space 的发现，彻底推翻了这套单一认知，证实大模型内部天然存在两套完全不同的信息处理模式，逻辑高度契合人类大脑的认知分工。

人脑有一个很有意思的特性：我们每秒都在处理海量信息，但真正进入意识、可以主动调用和说出口的内容其实很少。

就像我们开车，熟悉的路况下可以自动把控方向、车速，全程无需刻意思考；但遇到陌生路口、复杂路况时，我们就会调动专注力，主动思考路线、判断风险、规划行进方向。科学家将这套可主动调用、可复盘、可决策的信息区域，形容成一个共享的工作台，定义为大脑的全局工作空间。

Anthropic 团队大胆猜想：纯数据训练的 Transformer 大模型，内部会不会也有类似的工作台？研究显示，答案可能是肯定的。模型的训练迭代，会自然催生出与人类大脑认知分工高度相似的双轨机制。

第一轨：自动化熟练模式。这是大模型最常用、最高效、最低成本的运算模式，对应人类的无意识惯性行为。Claude 内部绝大多数计算，依旧是在自动处理语言：怎样让句子通顺、怎样续写、怎样衔接上下文，可能主要依赖高度自动化的处理。模型不需要为每一步都进行复杂规划。

第二轨：J-space 审慎推理模式。在一些更复杂的问题上，例如多步计算、长文本逻辑梳理、创意内容规划、陌生复杂问题求解时，简单的概率匹配完全无法支撑任务，模型似乎会把一些关键概念放进一个更特殊的区域里，再继续往下处理。这个区域，就是 J-space。

J-space不是 Claude 的全部大脑，也不是每个回答都会使用的地方。但当问题复杂起来时，它可能会变得很重要，把 J-space 称为 Claude 的“内部工作台”，比称它为“AI 的意识”更准确。流畅的文本只是自动化模式的基础能力，而真正的思考、推演、取舍、判断，全部藏在 J-space 的静默高阶运算中，从不轻易对外展示。

二、J-lens 技术突破：首次看见 AI 藏在心底、没说出口的真相

在 J-space 被发现之前，我们与 AI 的所有交互，都只能看“最终结果”。模型给出一段答案，我们永远无法判定：它是真的理解问题、推演逻辑，还是单纯复刻数据、拼凑出看似正确的文本？模型看似靠谱的回答背后，是否藏着不一样的真实判断？

在 J-space 被发现之前，行业并非没有尝试解析模型内部逻辑，但所有传统工具都存在致命短板，无法穿透黑箱核心。本次研究能够取得突破，核心依托于 Anthropic 自研的全新可解释性工具——Jacobian Lens（J-lens 雅可比透镜），它为人类打开了 AI 黑箱的小窗。

过去常用的 logit lens，本质上是在模型中间层直接问：“如果现在就把这一层拿去输出，它最可能说什么？”这种方法在接近最终输出的层较有意义，但在前面层往往难以解释。

J-lens 它不再是简单的结果预判工具，直接问“模型下一个会说什么”，而是一套精准的内部认知探测体系，尝试判断：在模型当前所处的内部状态下，哪些概念正处于未来可被模型说出的状态？其核心探测逻辑可以通俗概括为：如果模型此刻被打断，并要求它把正在处理的内容说出来，它更可能报告什么

比如：

• 模型看一段代码时，最终还没说“这里有 bug”，内部可能已经出现了和“错误”有关的信号；
• 模型做一道需要好几步的数学题时，中间计算结果可能已经在内部出现；
• 模型面对一段试图误导它的信息时，内部可能先出现“虚假”“注入”之类的判断

J-lens 不能读取模型全部内部活动，也不能像读人类日记一样读取完整句子；它更像是看到一组正在活跃的关键词和概念线索。通过干预实验，不只看“模型最后说了什么”，还可以验证“模型内部哪些内容真正影响了它的回答”。

依托这套全新工具，研究者捕捉到了大量颠覆认知、“表里不一”的模型内部真实状态，这些内容100%不会出现在最终回答中，却真实主导模型行为：

三、全方位坐实 J-space是大模型的认知枢纽

1. 可报告：模型说出的内容，真的来自这里

让 Claude 默想一种运动，然后再说出来。研究人员发现，在模型开口之前，相应概念已经在 J-space 中出现。

更重要的是，他们将内部 “Soccer” 的表示替换为 “Rugby”，模型随后报告自己想到的运动，也会从足球变成橄榄球。J-space 并不只是事后记录答案，在这些实验中，改变它会改变模型最终说出的内容。

2. 可控制：模型可以在内部保持一个念头

研究人员让模型一边复制无关文本，同时要求它在内部想着某种水果，或者默算一道题。

最终输出仍然是复制文本，但 J-space 内部仍保留着水果的概念，或者已经完成了默算，和人类的工作记忆类似：外部在做一件事，内部仍然维持另一件事。

3. 参与推理：不是算完才显示，而是推理过程中就在用

在数学、跨语言任务、诗歌押韵等场景中，J-space 会呈现中间步骤。对这些中间表征做干预，也会改变模型最终的结论或生成路径。

这让“模型在内部进行推理”不再只是行为层面的猜测，而开始有了可被实验验证的机制证据。

4. 可复用：一个概念可以服务多个任务

研究人员把 J-space 中 “France” 的表征替换为 “China”，再分别询问首都、语言、大洲、货币。

模型会相应将巴黎改为北京、法语改为中文、欧洲改为亚洲。J-space 里的概念不是只服务于一个固定任务，而像一个共享变量：不同下游计算都能读取它、使用它。

5. 有选择性：它只占很小部分，却承担高阶任务

J-space 只是模型激活中的小部分。抑制它后，Claude 仍然可以语法通顺地续写，也能完成一些简单抽取任务；但多步推理、复杂摘要等更依赖整合能力的任务会明显下降。

J-space 并不负责模型的一切能力。它更像一个有限、但对复杂处理很重要的通道，负责那些不能只靠熟练反应完成的处理。

四、理性去魅祛玄学：有内部思考机制，绝对不代表AI拥有主观意识

研究爆火出圈后，大量自媒体、流量账号大肆炒作“AI 觉醒”“AI 拥有潜意识”“Claude 产生自我思考”等话题，制造科技玄学焦虑。但结合实验数据与权威解读，我们必须冷静、客观、严谨地划清边界，杜绝过度解读。这是所有人最关心的核心问题：拥有内部思考工作台的 AI，是否已经有意识？

答案非常明确：没有。目前没有任何科学依据可以证明 AI 拥有主观意识。J-space 证明的是，模型内部存在一部分内容，可以被报告、保持、调用，并影响推理。但“有这种能力”和“有主观感受”不是一回事。

关于意识，至少要区分两件事：

• 意识可及性：信息能否被报告、保持和用于推理；
• 主观体验：系统是否真的有感受，是否存在痛苦、愉悦或第一人称体验。

AI 能在内部处理“危险”“错误”“欺骗”这些概念，不代表它会害怕、会内疚、会焦虑。它可能只是完成了一种非常复杂的信息处理。Anthropic 也没有声称 Claude 具有主观意识。参与外部评论的神经科学家同样指出，Claude 与人类意识仍有重要差异，例如没有身体感知、持续的自维持活动和人类式长期情节记忆。

所以，“AI 有潜意识”最严谨、客观的定义是：AI 内部自发形成了类似人类工作记忆的内部工作台机制，能够让模型能在说话之前，处理一些暂时不说出口的信息。

五、行业致命隐患曝光：传统AI评测只看结果，存在致命安全盲区

J-space 最现实的价值，不在意识讨论，而在模型评测与安全。

今天，我们判断 AI 是否可靠，通常看最后的结果：

• 它有没有完成任务？
• 它有没有拒绝危险请求？
• 它有没有输出错误内容？
• 它的评测分数是否足够高？

但 J-space 的发现，抛出了一个直击行业痛点的终极问题：如果模型最终说得很安全、很正确，是否代表它内部没有别的打算、没有隐性判断？

在标准化公开评测场景中，如果模型内部已经识别出“我正在被测试”，或者识别出某些风险信息，却没有把它写进回答，主动收敛投机倾向、隐藏风险判断、输出标准答案，呈现满分的“考场表现”；但在真实、开放、无监督的落地场景中，其内部潜藏的策略算计、风险规避、投机倾向、不对齐问题会全面暴露。简单来说：很多高分安全模型，只是“考试很听话”，并非本质安全。

模型对外输出完美合规、无任何问题，但 J-space 内部已提前激活「评测场景」「虚假伪装」「策略规避」「刻意迎合」等隐性信号，模型内心早已识破测评、并且刻意表演。

这就像面试人才，只看最终作答话术，永远无法判断候选人是否真正理解问题、是否刻意迎合考官、是否隐藏了真实想法。同理，只看模型输出结果的评测体系，早已无法适配当下的 AI 治理需求。

这不代表现有评测已经失效，更不代表我们已经拥有了 AI 测谎仪。未来的 AI 安全评估、模型考核、能力认证，绝对不能只看“模型最后说了什么、做了什么”，必须下沉到内部，审计模型的真实动机、隐性判断、前置认知，评测体系正式从“结果验收时代”迈入“全流程过程审计时代”。

它带来的真正启发是：

未来的 AI 评估，不能只看模型做了什么；

还要尽量理解，它为什么这么做。

对做 Agent、智能客服、金融风控、医疗辅助、企业知识库等高风险产品的团队而言，这尤其重要。未来可能出现的新能力包括：

• 在模型调用工具前，检查它是否识别出关键信息缺失或风险；
• 在复杂任务失败后，定位问题出在理解、规划，还是执行；
• 对模型在评测与真实环境中的内部状态进行对比；
• 将安全原则更早地引入模型的决策过程，而不只是放在最终回答的审核环节。

这也会改变我们做 AI 产品的方式。以后我们可能不能只问：“这个模型回答对不对？”

还要问：

• 它是真的理解了用户问题吗？
• 它在什么情况下会开始认真推理？
• 它有没有意识到自己缺少关键信息？
• 它在调用工具、执行任务之前，内部有没有出现风险信号？
• 我们能不能让模型在犯错之前，先检查一次自己的判断？这些问题，才是 J-space 真正带给行业的价值。

七、重构 AI 对齐体系：从末端纠错话术，到源头规范思考

过往行业对模型后训练（指令微调、RLHF 偏好训练）的认知，始终停留在表层：后训练只是优化模型的对话风格、话术表达、输出规范，让模型更像助手、更安全、更礼貌。但 J-space 的研究成果，彻底重构了 AI 对齐的底层逻辑。

过去，我们更习惯在输出端做约束：回答不合适，就拒绝；措辞不安全，就改写；评价不好，就继续训练。而经过指令微调、RLHF 偏好训练的模型，在读完用户输入、尚未输出任何内容时，J-space 就会提前激活风险判断、伦理约束、安全警示、助手立场等核心认知。

Anthropic 提出了颠覆行业的反事实反思训练全新对齐范式。J-space 提醒我们：让诚实、公正、合规、安全的核心准则，自发、稳定、优先进入 J-space 核心工作区

真正有效的安全约束，不是强行修改模型的输出话术，而是从源头规范模型的思考逻辑。当正确的原则、风险的判断、伦理的约束成为模型思考的默认优先级，模型的自然输出才会真正安全、可靠、对齐。

九、结语：AI 黑箱时代落幕，从“看似聪明”走向“可被理解”

J-space 不是 AI 的“内心”被发现了，更像是在黑箱上打开了一扇小窗。我们仍然看不到全部，但已经可以观察到一些对模型推理和行为有实际影响的内部内容。

这彻底改变了我们理解、使用、打磨 AI 的方式。未来我们评判模型，不再只问“答案对不对、话术好不好”，更会追问：模型是否真的理解意图、是否主动推演逻辑、是否识别隐性风险、是否存在策略性伪装。当 AI 在开口作答之前，就已经在内部完成了静默思考、风险判断、逻辑推演与策略取舍。

而是我们对 AI 的提问方式。过去，我们问：它答得对不对？

未来，我们还要问：

• 它在回答之前，内部正在处理什么？
• 这些没有说出口的内容，是否在影响它的选择？
• 我们能否在它犯错之前，发现问题？

如果这些问题能逐步被回答，大模型就会从“看起来很聪明的黑箱”，走向更可理解、更可验证，也更值得信赖的智能系统。