在生成式人工智能与大模型迅速扩张的背景下，AI 发展正在经历一次方向性的分岔：一条路径以"拟人化"为核心隐喻，追求类人对话、情感模拟与通用人格；另一条路径则以"认知导向"为方法论基础，将 AI 理解为可被工程化、可被评估、可被治理的认知能力系统。本文提出一个核心命题：认知导向，本质上等同于面向服务（Service-Oriented）的 AI 发展路径 。通过将 AI 的"智能"重构为可交付、可组合、可验证的认知服务，而非类人主体，可以有效规避拟人化陷阱，避免技术方向、治理框架与社会预期的系统性偏移。
一、拟人化陷阱：一种危险但诱人的发展隐喻
1. 拟人化为何如此自然
人类倾向于用自身经验理解未知系统。语言能力、对话流畅性与表面上的"理解感"，极易触发拟人化投射：我们将 AI 视为"在思考""有意图""能理解"。这一隐喻在早期降低了技术理解门槛，也推动了产品扩散。
2. 拟人化的系统性风险
然而，拟人化并非中性隐喻，而是方向性误导 ：
• 研发目标偏移 ：从"解决问题能力"滑向"人格完整性"等不可工程化指标；
• 评估体系失效 ：用图灵式主观体验替代可重复、可对齐的能力测试；
• 治理框架混乱 ：将工具性系统纳入主体性伦理讨论，导致责任与控制边界模糊；
• 社会预期失真 ：公众高估 AI 的理解与判断能力，低估其结构性盲区。
拟人化不是"过度想象"，而是错误的架构假设 。
二、从"像人"到"会做事"：认知导向的核心转向
1. 认知不是人格，而是能力结构
在认知科学传统中，认知被定义为一组功能性能力：感知、表征、推理、规划、学习、执行与反思。它们：
• 可以被分解；
• 可以被组合；
• 可以被独立评估。
认知导向的 AI 并不追问"系统像不像人"，而是追问：
它是否在给定约束下，稳定地产生可用的认知结果？
2. 认知导向的工程含义
认知导向意味着：
• 将"智能"视为能力栈（Capability Stack） ；
• 将推理、理解、决策视为服务接口 ；
• 将上下文、目标与约束显式化，而非隐含在人格假设中。
这直接引向一个工程上成熟的范式：面向服务 。
三、认知导向即面向服务：一个关键等价关系
1. 为什么认知天然适合服务化
服务的本质是：
• 明确输入与输出；
• 清晰的边界与责任；
• 可组合、可替换、可审计。
而认知能力恰恰满足这些条件：
• 感知服务 ：从环境中提取结构化信息；
• 理解服务 ：将符号映射到语义结构；
• 推理服务 ：在约束下生成结论或方案；
• 规划服务 ：将目标转化为行动序列；
• 评估服务 ：对结果进行一致性与风险判断。
当认知被服务化，AI 不再是一个"像人一样聪明的整体"，而是一组可调用的认知功能单元 。
2. 服务化如何消解拟人化
面向服务的认知架构天然抵抗拟人化：
• 没有"自我或意识"，只有调用上下文 ；
• 没有"情绪"，只有目标函数与约束条件 ；
• 没有"意图"，只有任务定义与责任边界 。
这并不是削弱智能，而是提高可控性与可靠性 。
四、对 AI 发展路径的三重纠偏
1. 从"通用人格"到"通用能力组合"
真正的"通用性"不在于人格完整，而在于：
• 能否在不同场景下，快速重组认知服务；
• 能否通过接口对齐，嵌入人类与组织的决策流程。
2. 从"对话中心"到"问题解决中心"
语言只是认知的载体之一，而非认知本身。认知导向要求 AI：
• 对问题空间有结构化表示；
• 对约束、风险与失败模式有显式建模；
• 对结果负责，而非对"说服力"负责。
3. 从"拟人格主体治理"到"服务级治理"
当 AI 被理解为认知服务，治理焦点自然转向：
• 服务能力边界；
• 服务质量与可靠性；
• 服务失效时的人类兜底机制。
这比讨论"AI 是否有权利或责任"更具现实意义。
五、面向未来：AI 作为文明级认知基础设施
在更长的时间尺度上，AI 很可能成为社会的认知基础设施 ，类似电力、通信或计算资源。基础设施的关键属性从来不是"像人"，而是：
• 稳定；
• 可预测；
• 可治理；
• 面向服务。
认知导向的 AI 发展路径，使我们能够：
• 放大人类的形式运算与问题解决能力；
• 避免将责任让渡给不可理解的"类人系统"；
• 在不制造新主体神话的前提下，获得前所未有的认知杠杆。
结语
拟人化是一条看似直观、实则危险的捷径。它用熟悉的叙事掩盖了工程与认知上的空洞假设。认知导向即面向服务 ，不是对智能的降格，而是对智能的去神秘化、可工程化与可文明化。
未来 AI 的价值，不在于它是否"像我们"，而在于它是否在正确的位置上，提供正确的认知服务 。