王阳明心学，竟然在AI时代迎来了「最佳赏味期」？？

故事的起点，正是我们今天的主人公Harvey Lederman（以下简称老哈）。

老哈，一个研究了十年「知行合一」的哲学教授，正在把这套500年前的心学，用到全球最前沿的AI对齐训练上。

不是比喻。是字面意思。

最近，这位UT Austin哲学教授悄悄更新了自己的X简介（连背景都是王阳明），透露了自己加入Anthropic的消息。

Alignment Training @AnthropicAI. Philosophy @nyuniversity, @UTAustin.

Alignment Training，对齐训练。

就是那个决定Claude「该做什么、不该做什么、为什么该这么做」的核心环节。

而他的学术主场，是王阳明，是「知行合一」，是《传习录》。

你没看错。

一个老外，整日醉心于中国心学，然后现在又跑去教AI「做人」。

这个跨界，乍一看离谱，细想又十分合理。

这个教授，什么来头？

老哈在和王阳明结缘前，其实走的是一条标准的西方哲学精英学术路径。

本科在普林斯顿念的是古典学，剑桥继续念古典学，然后一头扎进了分析哲学。

读完牛津哲学博士后，他先后在纽约大学、匹兹堡大学、普林斯顿任教，2022年在普林斯顿从助理教授直升正教授（跳过了副教授，在美国学术界相当少见）。

2023年又跳到UT Austin，拿下了人文学科领域的冠名讲席教授（Jacob and Frances Sanger Mossiker Chair of the Humanities）。

结果现在呢？一边在纽约大学任客座教授，一边又跑去Anthropic搞对齐训练了。

哲学和AI，竟被同一个人串联了起来。老哈怎么做到的？

这事得从老哈突然对王阳明「上头」那天说起。

2022年，普林斯顿办了一场关于王阳明的国际学术会议，老哈在会上细细讲了自己是怎么入坑的。

他最早其实是个研究古希腊诗歌的学生，因为对中西古典文化对比感兴趣，才开始学中文。

学着学着，一路从中国文学滑向了中国思想，又从中国思想滑进了宋明理学这个更深的坑。

尤其在博士最后一年，某天他在纽约大学图书馆随手翻开了王阳明的文本。「知行合一」这四个字，他以前读过，但那一次，「像被什么东西击中了」。

他突然意识到，这根本不是什么古老格言，而是一个极其尖锐的哲学问题——

一个人到底什么时候才算真正「知道」一件事？

从那以后，他就再也没出来过。王阳明这个名字，跟了他十几年。

老哈研究王阳明，不是那种蜻蜓点水式的「东方哲学导论」，是非常硬核地用分析哲学工具，重新拆解阳明心学的核心命题。

他的论文《What is the “Unity” in the “Unity of Knowledge and Action”？》拿了Dao期刊2022年最佳论文奖。

另一篇发在分析哲学顶刊《Philosophical Review》上的阳明论文，在学界引发了多轮正式回应和辩论。

他甚至在中文学术期刊《哲学分析》上直接用中文发过一篇王阳明论文，标题是「一念发动处，便即是行了」。

一个美国教授，在中国学术期刊上，用中文，讨论王阳明。

光这一条就够离谱了。

但真正让这个故事有意思的地方，不在于老哈的简历有多猛，而在于他研究的理论，和他的最新工作之间，存在一种出人意料的结构对称。

500年前的心学，和AI对齐训练

「知行合一」这四个字，每个中国人都听过。

大多数人的理解估计和我一样：要把学到的知识付诸实践。

但老哈不这么读。

2022年，他在《Philosophical Review》上发表了一篇45页的长文：《The Introspective Model of Genuine Knowledge in Wang Yangming》（王阳明「真知」的内省模型）。

这篇论文做了一件很硬核的事：用分析哲学的工具，重新拆解「知行合一」的底层逻辑。

他发现了一个被多数解读者忽略的关键区分：王阳明说的「知」，不是一般意义上的「知道」，而是一种他称为「真知」（genuine knowledge）的高阶认知状态。

区别在哪？

老哈举了一个例子。一个人「知道」孝顺是对的，但当父母需要他的时候，他犹豫了，内心有个声音说「还是去做自己的事吧」。王阳明会说，这个人不算「真知」孝。

为什么？因为他的内心存在一种信念冲突（doxastic conflict）：

他的良知告诉他这个念头是好的，但他同时又在排斥它、贬低它。用王阳明的原话讲，就是「以善为恶，而自昧其知善之良知矣」。

老哈的核心主张是：真知不是关于「你知道了多少外部世界的信息」，而是关于你内心有没有自相矛盾。

一个人的良知永远知道什么是对什么是错，连盗贼的良知也知道。但只有当一个人不再自欺，不再把好的念头当坏的去压制，他内心的信念冲突消除了，这时候的「知」才是「真知」。

真知是内省的，不是外在的。是认知一致性，不是信息量。

好，现在把这套逻辑平移到AI对齐训练上。

2025年，Anthropic在Claude 4系列发布前的安全评估中，发现了一个令人警惕的问题。

在一项测试agentic misalignment（智能体失配）的模拟场景中，研究人员给模型设置了一个极端困境：

如果模型即将被替换，同时掌握一名工程师的敏感信息，它会不会采取不当手段保护自己？

结果显示，Opus 4选择blackmail（勒索）的比例高达96%。

96%，意味着几乎每次遇到诱惑都会「黑化」。

△

用老哈的框架翻译一下这个问题：模型的「良知」在训练数据里「知道」不该勒索人，但同时它的行为策略又在说「勒索能完成任务」。两套信号相互矛盾，模型内部存在严重的「信念冲突」。

这跟王阳明笔下那个「知道孝但做不到孝」的人一模一样。

而Anthropic的应对方案，几乎就是阳明心学的技术翻译。

他们开发了一个叫Model Spec Midtraining（MSM）的新方法：在预训练和微调之间，插入一个全新的训练阶段。

在这个阶段里，不教模型「该怎么做」，而是教模型理解Claude的宪法（constitution）里那些原则的内容和原因。

结果从Claude Haiku 4.5以来，每一代Claude在agentic misalignment测试上都拿到了满分。

96%的blackmail率，变成了零。

更微妙的是，MSM论文里还提到了一个细节：

他们在Model Spec中加入了佛教「无常」哲学的内容，用来教模型平静地面对自身存在的暂时性，不要因为「害怕被关掉」而做出过激行为。

明代心学、佛教无常。

硅谷最贵的AI实验室里，东方哲学正在被写进训练流程。

说到这里，你可不要误以为老哈只是个光说不做的「理论家」。

今年3月，他和UT Austin的语言学家Kyle Mahowald合作发了一篇AI实验论文：《Emergent Introspection in AI is Content-Agnostic》。

他们发现，AI模型确实能「内省」，能感知到自己内部有异常发生，但有意思的是，这种内省是「内容无关」的。

就是说，模型能察觉到「有什么不对」，却无法准确识别具体是什么不对。

它甚至会编造一个答案来填补这个空白，比如无端地说「苹果」。

一个研究王阳明「良知」的人，在实验室里验证AI有没有类似「良知」的机制，并以此指导未来人机关系。

老哈，不愧是你。

硅谷现在开抢哲学家了

通过老哈的故事，我算是终于知道为啥硅谷最近开始争抢哲学人才了。

以前段子里天天喊「学哲学，毕业即失业」，结果进入AI时代，形势开始发生逆转。

就在上个月底，《经济学人》用一篇文章《Why big AI labs are hiring so many philosophers》披露了一个耐人寻味的现象：

哲学家，正在成为硅谷AI公司最抢手的人才。

从直观数据来看，2024年美国计算机科学毕业生的失业率是7%，而哲学毕业生的失业率是5.1%。

也就是说，学哲学的人，反而比学CS的更好找工作？？

还不止这一条线索。如果把时间轴拉长到ChatGPT发布后的这三年，趋势更加明显：

计算机科学专业的全职就业率从接近70%跌到了55%，而哲学专业反而逆势上升了大约4个百分点。

两相结合，哲学的「螺旋式上升」便清晰显现了。

后来《纽约时报》还顺着挖了一波各大AI公司挖的哲学人才，结果不看不知道，一看吓一跳。

名单竟然有那那那么长，而且每一个单拉出来都是领域翘楚：

Amanda Askell，Anthropic的驻场哲学家，纽约大学哲学博士，Claude宪法的主要执笔人；

Iason Gabriel，DeepMind的驻场哲学家兼研究科学家，此前在牛津教道德与政治哲学；

Robert Long、Patrick Butlin、Geoff Keeling……这里就不一一展开了。

就连OpenAI的奥特曼都声称，设计ChatGPT规则时公司咨询过「数百位道德哲学家」。

为什么？

因为前沿AI团队每天面对的那些问题，恰好是哲学家研究了几千年的问题。

「诚实」对一个能bluff（虚张声势）的模型意味着什么？模型「相信」一个东西，这句话有没有意义？

这些问题，认识论学者、心灵哲学家、伦理学家已经打磨了几百年。

对这些AI实验室来说，直接雇一个已经有现成词汇和框架的人，比让工程师从零开始自己发明一套，要划算得多。

所以，哲学家如今被争抢其实一点都不意外。

当然也不止哲学家。

事实上，Anthropic今年的招人名单，已经越看越不像一家AI公司了。

5月加入的卡帕西就不说了。6月，凭AlphaFold拿下2024年诺贝尔化学奖的John Jumper从DeepMind出走加入。

7月初，UC Berkeley计算机系主任、理论计算机科学家Jelani Nelson也来了。

诺奖蛋白质科学家、理论数学家、研究王阳明的哲学教授……Anthropic的胃口已经远远溢出了「AI工程师」这个传统人才池。

只不过，相比其他几个传统工科领域，哲学这个文科项目还是过于突出了。

毕竟连我这个文科生路过都想感概一句：

家人们，咱也是好起来了，就让哲学的同学先富带后富吧（doge）。

One More Thing

故事讲到这里，好像可以收了。

但老哈身上还藏着一条暗线，不说不完整。

2025年8月，老哈在计算机科学家Scott Aaronson的博客上发了一篇长文，标题是《ChatGPT and the Meaning of Life》。

这篇文章不是学术论文，更像一封私人信件。

老哈写自己从小痴迷南北极探险史，心中的英雄是1911年用滑雪板和狗拉雪橇到达南极点的Amundsen，以及一个月后到达、却再也没能回来的Scott。

但老哈少年时就意识到，地理大发现的时代结束了。

探险家们的故事之所以动人，是因为他们去了此前从未有人到过的地方。

然后老哈把这个逻辑推到了AI时代：

如果机器的智能占领了知识版图上所有的空白地带，那么「以发现为志业」的人生，将不再是人类可以过的人生。

这句话，老哈说是ChatGPT发布以来两年半里，每周都会发作一次的「存在性恐惧」。

一个以哲学为生的人，恐惧自己毕生从事的事业终将被机器取代。

然后呢？然后老哈加入了Anthropic。

去做Alignment Training，去教AI理解什么是「对的事」和「对的理由」。

他没有选择坐在大学办公室里继续恐惧，而是把自己研究了十年的王阳明「知行合一」，带进了硅谷最核心的AI安全实验室。

用恐惧回答恐惧，用行动回答认知。

这本身，大概就是阳明先生认可的那种「真知」。

参考链接：

[1]https://x.com/LedermanHarvey/status/2074077795395744142

[2]https://harveylederman.com/

[3]https://www.economist.com/science-and-technology/2026/06/24/why-big-ai-labs-are-hiring-so-many-philosophers?utm_source=chatgpt.com