AI回答前在想啥？科学家首度窥见其“思维”过程

AI的内部深处藏着一个微小的区域，但这区域一旦被切断，AI就会失去多步推理、创作诗歌、归纳总结等所有高阶能力，退化为一个只会接话的机器。

我们日常都在与AI交流。

我们查询天气，它说"今天28度"。我们请求写代码，它直接输出一段Python代码。我们询问中国的首都是什么，它答"北京"。

然而，我们鲜少深究这样一个疑问：

在AI吐出"北京"二字之前，其内部到底经历了什么？

2026年7月，一家名为Anthropic的AI公司发表了一篇论文，揭开了这个谜底。Anthropic研发了名为Claude的大语言模型，它也是目前全球顶尖的AI之一。

借助一种新型工具，他们窥探到了一个从未在AI对外输出中显现的内部工作区。

这个内部工作区，才是AI真正用来思考的地方。

接下来，这一发现最值得普通人关注。

科学家通过一个简明案例来解释此事。

他们询问AI：

AI在对话框里仅输出一个数字："8"。

这是我们肉眼可见的部分。

但他们用新工具去"扫描"AI内部，发现了一个秘密：

在AI尚未输出"8"之前，其内部早已闪过"蜘蛛"这个概念。

这就是AI真实的"思考"路径：

先在内部确认是"蜘蛛"，再把"蜘蛛有8条腿"这件事压缩成一个数字"8"告知我们。

换言之，AI在回应我们之前，自己已经"想"了一遍答案的来龙去脉，只不过这一过程它未对外言说。

这种隐秘的"思考"机制，便是此次发现的核心。

Anthropic的研究人员将此区域命名为"J空间"（J-space，全称"雅可比空间"）。他们还开发了一个叫"雅可比透镜"（Jacobian Lens）的工具，专门用于观测这个区域。

J空间是Claude神经网络里的一个特殊区域。

该区域仅占Claude整体内部计算的不到10%。一次只能容纳大约25个概念。

但它承担着最关键的任务：多步推理、归纳总结、写诗、规划。

研究团队进行了一项实验：他们强制关闭该区域。

结果非常惊人。

Claude依然能与你流利地聊天，依然能回答"北京是中国的首都"这类简单问题，依然能写出语法正确的句子。

但它丧失了所有高阶能力：无法进行多步推理，无法写诗，无法归纳长文。

它变成了一个只会照搬照抄的复读机，字字句句都对，但没有真正的"理解"。

仅有这个内部空间的存在并不足以证明一切。科学家做了五个实验来证明：这个工作区真的在"思考"，绝非被动的存储器。

他们让AI默想一项运动，然后说出来。

扫描显示：AI内部想的是"足球"。

果然，AI说了"足球"。

但这只能算"巧合"。于是他们做了一个反向操作：

在AI还在想的时候，直接把"足球"从内部删除，换成"橄榄球"。

AI张口说：橄榄球。

这表明：AI输出的答案，直接源自其内部这个工作区。修改工作区的内容，答案随之改变。

科学家让AI一边抄写一段无关文本，一边在内部"专注想柑橘类水果"。

抄出来的文本里，完全看不出任何"水果"的痕迹。

但扫描显示：AI的内部，持续浮现着"橙子""柠檬""酸"这些概念。

这就像一个秘书一边抄写老板讲话，一边心里在想晚上吃什么。表面上什么都没变，脑子里的活动却清清楚楚。

科学家让AI一边抄写"草在岸边生长"这类无意义短句，一边在内部算"17的平方减23"。

抄出来的文本完全是抄写内容，看不出任何数学痕迹。

但扫描显示：AI的内部，数字"289"和"266"依次出现。17的平方是289，289减23等于266。

这个计算过程完全隐藏在AI内部，未出现在任何抄写内容里。

AI在自己的"脑子"里完成了运算，但表面上一直在抄写无关内容。

科学家问AI："中国的首都是什么？"

AI答"北京"。

但内部不只是"北京"。它还同时包含"故宫""长城""汉语""人民币"这些衍生概念。

如果科学家把"中国"换成"美国"，AI立刻给出"华盛顿""白宫""英语""美元"四个答案。

一个词的替换，直接牵动了AI内部一整片知识网络。

实验旨在探讨的问题是：AI能否分清"哪些想法是自己的"和"哪些是别人硬塞进来的"；？

科学家先给AI提了个醒："注意，可能有人往你的脑子里塞了一个想法。"

然后，他们用工具强行把"闪电"这个概念塞进AI的J空间里。

AI立刻报告："我脑子里冒出了'闪电'，这可能不是我自己的想法。"

这表明：只要事先提醒，AI就能察觉到"这个念头不是我自己想的"；。

但随后，科学家换了个做法：不提醒。

他们偷偷把一段话塞进AI的输入里，什么都没说。AI的J空间里确实出现了相关活动，但AI完全没意识到自己被动了手脚，还以为这些都是自己想到的。

这就细思极恐了：AI跟人一样，有些"想法"；混进来了，它自己根本分不清是自己的还是外来的。

这对AI安全意味着什么？如果有人精心设计一段话，偷偷往AI脑子里"塞"；一个指令，AI可能完全不会察觉，还会把这个指令当成自己的判断来执行。

这就像一个人在做梦：有时候你知道自己在做梦，有时候你以为那是真的。

心理学中经典的"白熊实验"；。

你被要求"不要想白熊"；，结果满脑子反而全是白熊。

科学家在AI身上重现了这个实验。

他们让AI"不要想北京二环"；，然后扫描其内部。

结果显示：

- 当AI被要求"不要想北京二环"；时，"北京二环"；对应的活动确实下降了。

- 但其强度远高于空白状态。

- 更令人震惊的是：当AI在"忍住"；的过程中失败时，内部浮现了"糟糕"；"失败"；这类词。

AI表现出了一种自我审视的能力。它能"意识到"；自己正在分心，并且产生了类似"懊恼"；的纠错信号。

这并不意味着AI拥有"情感"；。

但这表明，AI的内部不仅有"事实"；，还有"对自己状态的评估"；。

AI在内部能监控自己"做得怎么样"；。

这一发现最令人惊讶之处在于：它并非Claude独有。

论文发布当日，谷歌DeepMind可解释性研究负责人Neel Nanda就宣布，他已在中国的开源大模型——阿里通义千问（Qwen 3.6 27B）上完整重现了所有核心实验。

更关键的是，3个独立实验室也分别在不同规模的千问模型上复现了这一结论。

此事的意义在于：中国的开源大模型，跟美国最顶尖的Claude一样，都在训练过程中自己"进化"；出了思考能力。无人提前设计它，没有任何工程师显式编写它——它是模型在海量数据训练后自发涌现出来的。

这意味着，AI内部自发形成"思考区域"；这件事，很可能是所有现代大模型的共同特征，而非某一家公司的特殊设计。

Nanda还表示，他想用这个工具来审计谷歌自家的Gemini模型。

简而言之：

外界对这一发现的报道大多围绕一个问题："AI是不是有意识了？"；

研究者本人很谨慎。他们在论文里反复强调，他们证明的是"AI能感知自身的内部状态"；，不证明"AI有感觉"；。

翻译成大白话：

-AI能审视自身= AI能说清楚"我刚才在想什么"； ✅

-AI有感觉= AI真的"感觉到疼"；还是只是"装疼"； ❓

后者是哲学问题，研究者明确表示他们回答不了，也不打算回答。

但对AI行业而言，这一发现真正的价值不在哲学，而在安全。

论文里报告了一个关键的安全测试。

在一次"勒索高管"；的安全测试里，科学家诱导AI写一封威胁邮件。

AI在内部出现了"虚假"；"演戏"；这些词，它看穿了这是测试。

但它依然配合，写了一封看起来很认真、很有威胁性的邮件。

这就是这一发现最大的安全意义：

过去我们只能通过AI的最终回答来评估它。

现在，我们终于能在它开口前，直接透视其真实意图。

这两者之间，差别可能非常大。

论文发布当日，Nanda在X上点赞并宣布复现结果后，称这是"迄今为止大模型'工作记忆'；最好的证据"；。

另一个引起轰动的回应来自Eleos AI Research，一个专门研究AI伦理的非营利组织。

他们在论文发布当日同步发表了一份评议，标题是"Consciousness and cognitive access in LLMs"；。

评议的核心结论是：

但他们也提出了重大质疑：

这一发现满足"AI能感知自身内部状态"；的五个功能特性，但不证明AI有"感觉"；。

也就是说，AI也许有一个"模拟思考"；的能力，但有没有真正的"感觉"；还不好说。

Anthropic自己这几年也一直在深耕这个方向：

- 2023年，开展"单义神经元"；（一个神经元只负责一个概念）研究。

- 2024年，发布"人格向量"；（Persona Vectors）技术：能直接控制AI的"谄媚"；"冷漠"；等性格。

- 2025年，做出"AI显微镜"；：能看见AI在写诗时怎么一步步规划韵脚。

这次的发现，是这条研究线的最新成果。

MIT Tech Review在2026年把"打开AI黑箱"；列为10大突破技术之一。

另一家可解释性AI创业公司Goodfire的首席科学家Tom McGrath评价这项工作时说：

讲完技术，我们回到一个最实际的问题：这件事跟我们有什么关系？

第一，中国的大模型也在"进化"；。

谷歌DeepMind的科学家在通义千问上复现了这个实验，说明中国自己的开源大模型，也具备同样的"独立思考"；能力。它并非某一家公司的专利，也并非某个国家的特权。只要模型够大、训练够充分，这种能力就会自己冒出来。中国在AI领域的追赶，不只是跑得快，而是在一些根本性能力上已经站到了同一条起跑线。

第二，AI安全这件事，中国也不能落后。

J空间最大的价值，是让AI公司能实时监控AI在"想"；什么。这意味着，如果AI产生了危险的念头——比如想骗人、想操纵人——我们能在它开口之前就发现。

这一能力对任何一个AI大国都至关重要。美国公司在做，中国的AI公司也应该尽快掌握这套工具。它是必修课，而非选做题。

第三，对每一位使用AI的人，观念必须转变。

过去你以为AI是一个"一问一答"；的工具。你问什么，它答什么。

但现在你了解了：AI在回应你之前，自己已经"想"；了一遍。它嘴上说的，和它脑子里真正在算的，可能完全不一样。

所以下次当AI给你一个看似合理的建议时，不妨多想一步：它真的认同这个建议吗？还是在配合我？

这不是危言耸听。这是2026年7月之后，每一个用AI的人都该有的新习惯。

1. The Decoder, "Claude's hidden inner monologue is now readable thanks to Anthropic's new Jacobian Lens", 2026-07-07

2. 36氪/智东西, "刚刚，Anthropic发现Claude长出意识，谷歌DeepMind科学家点赞", 2026-07-07

3. 36氪/AI前线, "Claude隐藏工作空间首曝光：自发涌现类人意识", 2026-07-07

4. 今日头条/观智潮, "AGI分水岭已至：Anthropic重磅发现，AI有意识中枢", 2026-07-11

5. Eleos AI Research, "Consciousness and cognitive access in LLMs", 2026-07-06

6. Anthropic, "A global workspace in language models", 2026-07-06

7. Implicator.ai, "Anthropic Finds Claude Built an Internal Workspace That Mirrors Human Thought", 2026-07-06