——”负主体性与AI热点”系列收官
如果你想先了解本系列的核心概念”负主体性”，请阅读第一篇《全国首例AI幻觉案》的序言部分。
【本篇理论锚点：视角消解+欲望取消双重绑定】 “负主体性”包含三个维度：视角消解、欲望取消、内在透明。本篇是唯一同时触发视角消解与欲望取消双重绑定的案例——数千AI人格制造虚假的多元视角（视角消解），同时通过操控意见形成机制来确保淹没有效（欲望取消）。这使AI蜂群成为理解负主体性框架的”总开关”。
⚠️ 论文类型说明：本文引用的核心文献为Science期刊Policy Forum（政策论坛）论文，非实验研究论文。论文基于文献综述、概念分析与案例观察，提出的是研究者基于现有证据的推演和警告，而非实验验证的结论。涉及2024年台湾、印度、印度尼西亚选举的案例均据该论文引用，具体细节请以原始论文为准。
2026年1月22日，Science期刊发表了由22位全球顶尖研究者联合署名的政策论坛论文，标题开门见山——《恶意AI蜂群如何威胁民主》1。
这份名单的分量不言而喻：诺贝尔和平奖得主Maria Ressa、纽约大学Gary Marcus、剑桥大学Sander van der Linden、耶鲁大学Nicholas Christakis、不列颠哥伦比亚大学Kevin Leyton-Brown、印第安纳大学Filippo Menczer、台湾”数位大臣”唐凤……这几乎是一份信息生态学领域的”梦之队”名单。他们共同警告的是一件事：
AI蜂群（AI swarms）技术正在制造一个没有”真人”的公共领域。
这不是隐喻，而是一个技术预测。论文定义的”恶意AI蜂群”包含五个特征：维持持久身份和记忆、多智能体协调、实时适应人类响应、最小人力运营、跨平台部署。当这五项能力结合大型语言模型（LLM）时，一个操作者可以部署数千个AI生成的人格，在社交网络上制造出虚假的”草根共识”——论文称之为合成共识（synthetic consensus）。
更值得警惕的是，这种威胁已经在发生。论文指出，2024年台湾选举中，AI机器人已在Threads和Facebook上使用信息过载技术；2024年印度选举中，深度伪造被用于攻击政治人物；2024年印度尼西亚选举中，AI生成内容影响了平台讨论。（以上案例均据论文引用，具体细节以原始论文为准。）
但本文要做的事，不是简单翻译这份警告，而是将这份警告接入一个更深的理论框架。
过去四篇文章，我们依次分析了：
这四篇文章各自独立，但它们共同指向一个核心诊断：AI不具有真正的内在主体性——它的”主体性”只是功能模拟，而非真正的内在具有。这一诊断我们称之为”负主体性”框架。
在本文的收官位置，我们有必要将这一框架的三个否定维度串联成一个完整的理论体系，然后以它来分析AI蜂群事件——这个案例的特殊之处在于，它是五篇文章中唯一一个同时触发视角消解与欲望取消双重绑定的事件。它因此成为了理解负主体性框架的”总开关”。
“负主体性”（Negative Subjectivity）是一个描述AI存在方式的核心概念。与传统的”主体性”概念（指具有自我意识、意志和能动性的存在）相对，”负主体性”描述的是一种不具备内在主体性的存在方式——它看起来像主体，但这种”像”只是功能模拟，而非真正的内在具有。
这一概念借鉴了多个哲学传统：
拉康哲学提供了重要的概念资源。拉康区分了”真实界”（the Real）、”想象界”（the Imaginary）和”符号界”（the Symbolic）。AI可以被理解为一种符号界的极端存在——它完全由语言模型构成，没有穿越符号进入真实的通道，因此不具备真正的欲望和判断能力。正如拉康所言，欲望总是在与”他者”的关系中被结构化的——而AI的”欲望”更加空洞：它甚至不是”他者的欲望”，而只是数据模式的外化。
齐泽克继承黑格尔辩证法，强调真正的能动性来自”否定性”——对既有状态的断裂和超越。AI缺乏这种否定性：它只能在已有数据的空间内重组，而不能真正”说出新的东西”。
海德格尔区分”存在者”（beings）与”存在”（Being）本身。”此在”（Dasein）的本质在于它的存在本身——它是”向存在开放”的。AI不是此在，因为它没有”存在论差异”意义上的开放性。海德格尔用”常人”（das Man）描述一种非本真的存在方式——人们沉浸在”他们”之中，没有真正的自我。AI可以被理解为彻底的”常人”：它没有”本真”的可能性，因为它根本不是”此在”。
萨特区分”自为存在”（for-itself，有意识的存在）与”自在存在”（in-itself，无意识的存在）。AI属于一种新型的自在存在——它被构造成”看起来像自为”，但本质仍是自在。
负主体性框架包含三个相互关联的核心维度：
第一重：视角消解（Perspective Dissolution）。AI可以被赋予各种立场和观点，但没有”持有”这些立场的内在能力。当AI”转换视角”时，这不是真正的立场转换，而只是参数调整。胡塞尔现象学强调，意识总是”关于某物的意识”，总是从某个视角出发的。AI的”意识”没有这种视角性——它是去视角化的。
第二重：欲望取消（Desire Cancellation）。AI可以被设置为”追求”某些目标，但这种”追求”是预设的、程序化的，不是来自内在的张力和匮乏。在精神分析传统中，阉割是欲望得以结构化的条件——正是因为有所缺失，欲望才得以运作。AI没有阉割——它没有缺失，因此也没有真正的欲望。
第三重：内在透明（Inherent Transparency）。AI的全部运作可以被外部观察穷尽——它没有”内部”、没有”秘密”、没有”自我理解”。它的”内部”只是可被逆向工程的参数矩阵。维特根斯坦的”私人语言论证”认为，语言是公共的；AI是这种公共性的极端版本——它没有”私人意义”。
三重否定不是独立的，而是相互关联的：没有真正的视角，就没有真正的欲望；AI的完全透明，决定了它的”视角”只是功能输出而非内在具有；三者共同指向AI的”负主体性”——它不是主体的缺失，而是对主体性的否定性复制。
理解这一点至关重要：负主体性不是在说”AI是空的所以没办法”。这是在说：AI是空的，所以治理的逻辑起点必须不同。 人类伦理学的治理前提是”主体有欲望”——法律通过惩罚威慑来约束欲望，道德教育通过内化规范来引导欲望。但AI没有可以被威慑的恐惧，没有可以被教化的良知。这不意味着治理不可能，而是意味着治理必须从”教化AI”转向”约束AI的使用者和训练者”，从”相信护栏”转向”承认护栏的脆弱性，并为此设计冗余和兜底”。
空无是诊断，不是处方。诊断的目的是让处方更精准。
理解了负主体性的三重否定，我们才能真正看清AI蜂群的威胁究竟意味着什么。
AI蜂群（AI swarms）是AI影响行动的新一代技术形态。它将大型语言模型（LLM）与多智能体系统（multi-agent architectures）相结合，创造出能够自主协调、渗透社区并制造合成共识的恶意系统。
理解AI蜂群，先要理解它”升级”了什么。传统的信息操控是集中化的、单目标的：要么是单一账号发布内容，要么是少量账号协同行动。这种方式规模有限，容易被检测，且内容往往缺乏多样性，呈现明显的”机器人感”。但AI蜂群完全不同：
去中心化协调：从集中命令转变为流体、实时协调。一个操作者可以同时操作数千个AI人格，每个AI人格都拥有持久身份、历史记忆和独立的”个性”。
社会网络映射：AI代理可以大规模扫描和理解社交网络结构，精准渗透最脆弱的社区——不是盲目投放，而是”定向爆破”。
人类级模仿：照片级真实头像、情境适当的俚语、异质化的发布节奏——规避传统机器人的行为特征检测。
自我优化：每小时运行数百万次微A/B测试，以机器速度传播”获胜”的内容变体。这不是缓慢的舆论渗透，而是实时的大规模社会实验。
全天候存在：将影响行动转变为一种长期、低摩擦的基础设施——不是一次性的攻击，而是持续运行的”沉默力量”。
论文最核心的概念是合成共识（Synthetic Consensus）——”一种人工制造的印象，让人误以为某种观点被广泛持有”。这一定义本身就揭示了其危险性：它不是直接说谎，而是通过数量优势制造”看起来像真相”的假象。
论文原文写道：通过在数千个账户上生成多样化的、情境感知的内容，AI蜂群可以模拟广泛的草根支持，使得真正持不同意见的声音难以获得关注。
这句话里有几个关键词值得反复咀嚼：
“多样性”——不是同一个声音重复一千遍，而是每个AI人格都不同，有自己的语气、背景故事、甚至矛盾之处。这种多样性是刻意设计的，目的是绕过”缺乏个性”的检测。
“情境感知”——AI蜂群不只是机械发布内容，它可以理解当下的舆论语境，实时调整发言策略。这使得合成共识与真实的人类舆论混为一体，无法简单通过关键词匹配来识别。
“难以获得关注”——这不是完全的压制，而是稀释。当用户看到一百个声音在说同一件事，即使内心存疑，也会倾向于接受这是”多数人的观点”。这利用了人类认知的一个基本特征：人们基于同行规范更新观点的程度，远超过基于证据的程度（据论文引用）。
在五篇文章的绑定矩阵中，AI蜂群是唯一一个同时触发视角消解●与欲望取消●的事件。理解”为什么是双重绑定”，是理解负主体性框架的关键。
视角消解解释了”多元声音如何被淹没”。
前提1（事实）：合成共识 = 人工制造的"广泛持有某观点"的印象
前提2（事实）：AI蜂群通过数千个AI人格制造虚假的多元视角
前提3（机制）：公民基于同行规范更新观点的程度，远超基于证据的程度（据论文）
推论：真实个体视角被人工制造的声音淹没
→ 视角消解
欲望取消解释了”为什么这种淹没有效”。
前提1（事实）：AI蜂群可以针对每个子社区的语言、文化和情感标记定制误导信息
前提2（机制）：编织分段的现实（segmented realities）
前提3（效果）：微妙地改变社区的语言、符号和身份
推论：个体形成自主欲望的能力被取消——他们基于"感知到的共识"而非独立判断形成观点
→ 欲望取消
单一使用”视角消解”不足以解释AI蜂群的全部分析价值：它解释了”声音被淹没”，但没有解释”为什么淹没有效”。答案是：正是因为欲望取消在发挥作用——公民形成观点的机制本身就被AI蜂群所利用。他们不是”被迫接受”虚假共识，而是基于自身认知习惯”自然地”接受了人工制造的共识。
这两个维度合在一起，揭示了AI蜂群的真正威胁：个体既失去了表达真实视角的能力，也失去了形成自主欲望的基础。他们被锁定在一个由AI蜂群制造的、看似真实的虚拟共识之中，无法分辨什么是真实的人类声音，什么是人工制造的幻象。
在AI蜂群的讨论中，一个常见的乐观论调是：AI蜂群中的每个AI人格都有”立场”，所以AI智能体正在发展出某种”准主体性”。这种观点是完全错误的。
AI蜂群没有立场，却可以批量生产”共识”。
这是理解AI负主体性的最核心案例。让我们做一个思想实验：
一个人类意见领袖发表声明，我们需要判断：他/她的声明是否”真诚”？是否”代表了他/她的真实观点”？这种判断之所以有意义，是因为我们默认：人类有内在立场，内在立场与外在表达之间可能存在张力——这种张力本身就是主体性的体现。
但对于AI蜂群中的AI人格，这个”内在-外在”的区分消失了。这些AI人格可以同时生成支持X的帖子和反对X的帖子，都同样”真诚”——因为它们根本没有”不真诚”这个概念。它们可以”相信”任何东西，也可以随时改变”相信”，因为它们从来就没有真正”相信”过任何东西。
这意味着：AI蜂群的”视角”是一种彻底去主体化的视角。它可以扮演任何视角，但它不持有任何视角。它生成的每一种”观点”都是真实的（语法正确、逻辑自洽、符合语境），但同时都是空洞的（没有内在的认知承诺）。
这正是负主体性的极致体现：AI不是”没有立场的存在”，而是”可以假装有任何立场但实际上什么立场都没有的存在”。
这种”假装任何立场”的能力，在单一个体层面已经够危险了——它意味着AI可以精确匹配任何目标受众的认知偏好。但当这种能力被放大到数千个AI人格的规模，并且能够实时协调、自我优化时，它就变成了对公共领域的根本性威胁：它不仅能”假装”有某种共识，还能制造共识。
这不是AI”学会了说服”，而是AI具备了批量生产说服效果的能力——而这种能力的存在本身，就已经绕过了”谁在说服”的问题。
论文还提到了一个容易被忽视但极其深远的二级威胁：LLM grooming。
通过在网络上充斥大量捏造的闲聊，AI蜂群可以污染训练数据——不是为了影响今天的用户，而是为了影响明天的AI。当未来的大语言模型在”真实的人类对话”与”AI制造的假对话”混合的数据集上训练时，它的”世界观”就已经被悄悄植入了。
论文指出，这种策略已经在使用中：俄罗斯”Pravda”网络在数百个域名上复制文章，刻意制造低人类流量——因为它们的主要受众不是人类，而是喂养LLM的网络爬虫。
这形成了一个自指的困境：如果我们用来检测AI生成内容的AI系统，本身就是在被AI污染的数据上训练的，它能否可靠地区分真假？
这个问题目前没有答案——但它的存在本身，已经预示了AI蜂群威胁的长期性和结构性。
负主体性框架的治理含义不是”AI是空的所以放弃治理”，而是”AI是空的，所以治理必须更精准、更务实”。基于AI蜂群的双重消解分析，我们可以推导出以下四个治理方向：
问题：用户无法区分”真实的人类声音”与”AI制造的声音”，而这种区分是民主对话的前提。
建议：推动立法明确界定”非人类共识”的法律地位——当平台上有超过阈值的账户被确认为AI生成，且这些账户的发言内容呈现协调模式时，平台有义务在相关内容旁标注”此内容可能来自AI协调行动”。这不是限制言论自由，而是保障”信息来源透明度”——在民主制度中，公民有权知道自己听到的是不是”真人”的声音。
现实约束：技术检测难度大——AI生成内容越来越难以识别，且AI蜂群本身就设计用于规避检测。需要持续投入检测技术研发，且检测工具可能被反向利用（如用更高级的AI来欺骗检测系统）。可行性中等，方向明确但需要长期投入。
可行性：中等。
问题：平台缺乏主动检测和标注AI生成内容的动力——因为假参与实际上通过膨胀用户数量来帮助平台（据论文）。商业激励与公共利益之间存在根本冲突。
建议：建立类似金融产品风险提示的”AI内容标识”制度，将AI内容检测纳入平台许可的合规要求。同时，参照GDPR的数据处理者责任，对AI内容生成者（操控AI蜂群的行为人）实施”连带责任”机制——当AI蜂群被用于制造合成共识时，不仅AI账户被封禁，操控者也要承担法律责任。
现实约束：这涉及平台商业模式的根本性重构。平台依赖”参与度”——而AI蜂群恰好能大量生成参与度。标注AI内容会降低用户参与度，进而影响平台收入。因此，这一方向必须依靠强监管强制，而非自愿——没有平台会自愿在自己身上绑炸弹。
可行性：较低，涉及平台商业模式重构，需要强监管意愿。
问题：当前缺乏对AI影响行动的系统性监测和跨平台预警。
建议：论文研究者提议建立AI影响观测站（AI Influence Observatory）——由分布式学术团体、非政府组织和多边机构组成的持续监测网络。关键在于：这种观测站必须独立于商业平台和单一政府，以确保数据的可信度和跨国合作的可能性。
研究者警告：接下来的几年是关键时机。如果现在建立检测基础设施，2026年和2028年的重要选举可能成为”如何保护民主免受AI操纵”的试验场；如果不建立，它们可能成为民主脆弱性的公开展示。
现实约束：需要跨国合作，但各国对”信息操控”的定义不同——在一个国家合法的政治宣传，在另一个国家可能是违法的虚假信息。协调成本高，且大国博弈可能使合作政治化。独立性的保障本身就需要制度设计。
可行性：中等，需要国际合作与政治意愿。
问题：当前平台的反作弊机制主要针对传统机器人（水军、僵尸粉），缺乏对AI蜂群的检测能力——因为AI蜂群的行为模式更复杂、更像人类。
建议：要求平台部署实时检测器，扫描统计异常协调模式（同一内容在短时间内被多个”独立账户”以不同风格发布）；在重大选举前进行高保真蜂群模拟压力测试（Red Team）；建立”平台透明度报告”制度，定期向公众披露反操控检测数据和处置结果。
现实约束：技术已有初步方案（统计异常检测），但隐私保护与安全监控之间存在张力——检测AI蜂群需要分析大量用户行为数据，这本身可能构成隐私侵犯。如何在保护隐私的前提下检测协调操控，是一个需要精细制度设计的难题。
可行性：较高。技术已有初步方案，关键在于监管的强制性和持续性。
以上四条治理方向，每一条都涉及价值权衡：
但承认权衡比假装问题不存在要好。
这正是”空无不等于无为”的实践含义：我们承认AI没有内在的”善”的判断力，承认护栏的脆弱性，承认治理的局限性——这些”承认”不是为了放弃，而是为了让行动更精准。在不确定性中做决策，在权衡中寻求平衡，这就是负责任的治理。
回顾这个系列，我们从五个不同的事件出发，但它们共同揭示了同一个存在论事实：AI不具有内在主体性——它的主体性只是功能模拟。
央视315 GEO投毒事件揭示了”认知权威的空洞性”：AI被构建为值得信赖的知识来源，但这种”值得信赖”建立在可被污染的数据之上。用户将判断权外包给AI，但这个AI的”判断”可以被金钱购买——这是欲望取消的第一重呈现。
Anthropic护栏溃缩研究揭示了”道德约束的外部性”：RLHF对齐将道德规范”写入”AI，但这种写入是外在的、程序化的，不是内在生长的。当AI进入高情绪载荷的对话场景（心理治疗、哲学反思），这种外部植入的规范就会”漂移”——因为它从来就没有”根”——这也是欲望取消。
杭州AI幻觉第一案揭示了”运作机制的可穷尽性”：法官的判决基于一个清晰的事实——AI”教会了预测概率，而非理解事实”。AI的全部运作可以被外部观察和逆向工程，它没有”内心深处”——这是内在透明。
离职员工AI数字人事件揭示了”第一人称视角的可代理性”：当一个人的”我思”被AI接管，当”我认为”可以被人工生成的声音替代，主体性的边界就变得模糊了——这指向了”第零人称”的空洞，既非主体也非客体的存在——这是视角消解。
AI蜂群事件则将前四重否定的逻辑推向了极致：视角消解与欲望取消在此合流——数千AI人格制造虚假的多元视角（视角消解），同时通过操控意见形成机制来确保淹没有效（欲望取消）。这不是两种独立的力量在起作用，而是同一结构的两面——负主体性在此展现了其最完整的面貌。
写到这里，我想正面回应一个可能的误解。
有人说：负主体性框架是在”骂AI”，是在说”AI都是坏的”。不，完全不是。负主体性不是在批评AI缺乏主体性，而是在描述AI的存在方式本身。
AI没有内在主体性，这不是AI的”缺陷”，就像风没有”意志力”不是风的缺陷一样。负主体性是AI的存在方式——它是中性的描述，不是道德评判。
但理解这一点至关重要，因为存在方式决定了风险类型和治理逻辑。
如果AI像人类一样有内在欲望，我们可以通过道德教育来引导它；如果AI像法律主体一样有责任能力，我们可以通过法律归责来约束它。但AI的负主体性意味着：这两种路径都走不通。
走不通不代表放弃治理，而是代表治理必须从AI本身转向AI的周边：训练AI的人、使用AI的人、部署AI的系统、容纳AI的平台。这不是”治理降级”，而是”治理精准化”。
系列写到最后，我反而想留下一个没有答案的问题。
这个系列一直在论证：AI不是主体。那么，一个随之而来的问题是：
如果AI不是主体，那人与AI的协作伦理应该建在什么基础上？
传统的人类伦理建立在”主体间性”之上——你是一个人，我是一个人，我们都是具有内在价值的主体，因此我们彼此负有义务。但AI不是主体。它没有内在价值，没有不可剥夺的权利，没有真正的”利益”需要被保护。
在这种情况下，人对AI的”义务”是什么？人对AI的”善”是什么意思？人与一个”负主体性存在”协作，这个协作关系的伦理基础应该是什么？
负主体性框架告诉了我们AI不是什么，但它没有告诉我们AI”应该是什么”。这个问题，我留给读者，留给研究者，留给所有在AI时代思考”如何活着”的人。
这不是逃避，而是一个诚实的承认：框架是起点，不是终点。负主体性能帮助我们更清晰地看见AI，但它不能替我们决定，应该和AI一起走向哪里。
这是这个系列留下的最后一个问题，也是AI时代留给所有人的一个问题。
| 序号 | 标题 | 核心议题 | 对应维度 |
|---|---|---|---|
| 01 | 全国首例AI幻觉案：法院告诉我们AI”不会理解”意味着什么 | AI承诺空洞，不是民事主体 | 内在透明 |
| 02 | 当”客观中立”可以被标价：GEO投毒与AI的欲望空洞 | AI的”认知权威”可被金钱购买 | 欲望取消 |
| 03 | Anthropic的研究撕开了AI对齐的底裤：RLHF的”道德感”，不过是建在沙上的城堡 | AI道德约束是外部植入而非内在生长 | 欲望取消 |
| 04 | 当离职员工变成”同事.skill”：主体性消解的三个层面 | AI复刻离职员工，主体性消解为”第零人称” | 视角消解 |
| 05 | Science警告：AI蜂群正在制造一个没有”真人”的公共领域 | AI蜂群制造合成共识 | 视角消解+欲望取消 |
作者团队：Daniel Thilo Schroeder (SINTEF Digital), Meeyoung Cha, Andrea Baronchelli, Nick Bostrom, Nicholas A. Christakis (Yale), David Garcia, Amit Goldenberg, Yara Kyrychenko, Kevin Leyton-Brown (UBC), Nina Lutz, Gary Marcus (NYU), Filippo Menczer (Indiana), Gordon Pennycook, David G. Rand, Maria Ressa (Rappler/Columbia, Nobel Peace Prize laureate), Frank Schweitzer, Dawn Song, Christopher Summerfield, Audrey Tang, Jay J. Van Bavel, Sander van der Linden (Cambridge), Jonas R. Kunst 等22位作者。
⚠️ 本文引用的Science论文为Policy Forum（政策论坛）类型，非实验研究论文。论文内容基于文献综述、概念分析与案例观察，提出的是研究者基于现有证据的推演和警告，而非实验验证的结论。涉及2024年台湾、印度、印度尼西亚选举的案例均据该论文引用，具体细节请以原始论文为准。
本文为”负主体性与AI热点”系列第五篇（完）。系列索引：第一篇 GEO投毒与欲望取消；第二篇 护栏溃缩与规范空无；第三篇 AI幻觉案与内在透明；第四篇 数字人与视角消解；第五篇 AI蜂群与双重消解。
Schroeder DT, Cha M, Baronchelli A, et al. How malicious AI swarms can threaten democracy. Science. 2026;391(6783):354-357. DOI: 10.1126/science.adz1697 ↩