机器人会冷吗，会饿吗？-龍德明宇

机器人会冷吗，会饿吗？

------机器人的目标温度，是谁写的？

作者：龍德明宇

有人正在认真地给 AI 装「饥饿」：让它会渴、会累、会照顾自己。

判断真假「想要」，先看一件事：那张写满目标值的表，是AI自己长出来的，还是人类写进去的。

一篇 Nature 子刊论文给出了边界：机器人的设定点，出自人类设计师之手。

你大概见过那种送餐机器人：在餐厅里来回穿梭，把菜稳稳送到桌边，电量低了就自己挪回充电桩。看起来挺「自觉」，饿了知道去吃饭。但只要多问一句，就会露馅：它是「想去」充电，还是被程序安排去充电？

今天的答案没有悬念。机器人不会冷，也没有「饿」这回事，更没有任何一种属于自己的「想要」。它不会觉得累，不会着急，不会在深夜里忽然想歇一天。它所有的行动都指向外部给定的目标：送餐，或者完成任务。

2026 年 8 月，Nature Machine Intelligence 刊出一篇观点文章，作者名单里有自由能原理的提出者卡尔·弗里斯顿。这篇文章想认真改变上面那个答案：给AI装上一套「内在需求」，让AI像生物一样，先照顾好自己，再去做事。

方向听起来很动人。可是细看这套方案，有一个问题：人类给机器人装上「冷」「饿」「渴」，它就真的会冷、会饿、会渴吗？

一、论文想做的事：给 AI 装一个「内在环境」

先解释内感受、内稳态和设定点这三个词，三个有关内在环境的词。

内感受，是读自己身体信号的能力：你不用看体温计也知道自己有点发烧，不用化验也知道该喝水了。

内稳态，是身体把关键指标维持在生存区间的本事：血糖低了要升回来，体温高了要降下去。

设定点，是这套调节系统瞄准的那个目标值，比如人类的体温，大约 36.5 摄氏度。

论文的方案分三步。第一步，把 AI 的状态分成两半：一半是外部世界，天气、障碍、任务；另一半是内部环境，饱食程度、水分、体温、损伤。拿送餐机器人代入：外部是餐厅里的桌椅人流，内部是它的电量和电机温度。第二步，把奖励从外部挪进内部：不再只靠「任务得分」，每一步先过身体这一关。第三步，让内部状态保持稳定，当作一张不变的底图，供它在多变的环境里参照。

论文里说得很坦率：今天的机器人「没有内在价值，因此难以适应变化的新环境」。

这篇论文的分量需要交代。它不是科幻畅想，是「给 AI 造身体、造需求」这条路线的一篇Nature子刊代表性观点文章（Perspective）。也正因为论文本身严肃而诚实，才格外值得我们认真思考。

二、第一刀·内在透明：装出来的「内在」，全程透明

先交代我反复在用的一个框架。我把 AI 的处境叫作负主体性：它负责计算、负责执行，可替自己拿主意、真想要点什么，这件事还轮不到AI。顺着这条轴，我给 AI 定了五重否定：欲望取消、内在透明、因果消解、意义悬置、视角消解。这篇只抽其中对话最深的三把刀，给这套「内在」验一验成色。先交代对应关系。第一刀砍向「内在透明」，查的是谁握着这套内在的底细；第二刀砍向「欲望取消」，查的是谁写入了这套内在。最后一刀落在「意义悬置」：「死」若能重置，「想要」就悬在半空，落不下重量。

先看生物。这篇论文引用的神经科学理论里，有一句要紧的话：「内部环境状态对大脑是隐藏的」。你也许会觉得奇怪：自己的身体，自己还能不知道？恰恰如此。你从来读不到自己的血糖真值，只知道「有点饿」；你说不清自己的体温是 36.8 还是 37.2，只觉得「有点热」。大脑拿到的从来不是身体的原始数据，只是身体发出的一组信号，再靠这组信号去猜。生物学意义上的「有内在」，第一条就是：内在要藏得住，连自己都只能猜个大概。

再看论文造出来的那个「内在」。饱食、水分、体温、损伤，四个数字清清楚楚写在系统里。设计者能直接读，也能直接改；机器的奖励计算，读的也是这份明文。一句话：这套「内在」的真实数据，设计者和系统都清楚明白。

对比一下就明白了。生物的「内」也不是外人完全测不到：医生验血，能测出你此刻的血糖。但那是另一条独立的测量通道，你身体的调节回路用的是自己那套信号，两者不是同一个东西。机器人不同：设计者在终端上看的那个数，和机器人奖励计算读取的那个数，是同一个变量。机器人内在变量对设计者是可读的。

三、第二刀·欲望取消：设定点那笔，是谁写的

先讲一个家里的东西。空调有个目标温度，26 度还是 20 度，你拿遥控器一按就改了。你的身体也有个目标温度，36.5 摄氏度上下。这个目标不由你调，外人也插不上手：吃药、物理降温，都只能请身体自己的调节机制代劳，绕一大圈，还未必如意；没有人能像改空调那样，给你的体温直接写一个数。它只能由身体自己改：发烧时，身体会把目标温度调高一两度，那是身体自己在调整这个目标；可你我都拿不到遥控器，想自己动手调一调，做不到。

这个「目标值」，论文里有个正式的名字：设定点。整篇论文里最诚实的一句话，就落在它身上。文章说：在生命体中，内部状态的设定点支撑着自组织，经由自然学习和选择涌现；「相比之下，内感受 AI 仍是人工的，因为其设定点可由设计者确定」（原文：its set point can be determined by a designer）。

这句话值得一个字一个字读。作者没有回避，反而亲手把边界画了出来：生物的设定点从存续过程里长出来，没有谁能直接改；机器人的设定点是设计师清单上的一个数字，随时能改。再往深处看一层：生物身体里其实根本没有那样一张表，36.5 度不是存在哪里的一个数，是无数回路互相拉扯出来的平衡；而机器的设定点，真的是写在清单上的一个数。

顺着这条脉络，可以提炼出一个判断「想要」真伪的判据。真正的「想要」，要看需求的目标值，有没有一个场外的手能写进去。有，就不是真正的想要；没有，才谈得上「想要」。主线之外还有两个能上手检查的印记：它得是一套真要维持的功能需求，不是符号游戏；它的调节回路读到的是自己的信号估计，不是一个外人同样读得到的共享变量。

（Hans Jonas 六十年前就论证过，只有会死、会衰败的存在者才谈得上「需要」；Man 与 Damasio 2019 年在同一本期刊提出过用内稳态造「有感受的机器」；Froese 与 Ziemke 也早论证过，人工系统的规范若要算数，得由它自己的活动生成，不能从外部装进去。本文的重点不在「有没有」，而是把重点放在了写入权。）

拿我刚才提到的想要的判据，Nature Machine Intelligence（下文简称 NMI）这篇论文里的系统直接出局：它的设定点明明白白写在设计者的清单里。公平地说，两个印记它过了一半：要维持的变量是有的，内生奖励也是有的，功能意义上的需求成立。可这份需求的目标值出自别人之手，那份「饥饿」只是把奖励函数从外部任务搬进了身体，位置换了，性质没换。这不是欲望的创生，只是安置。

两个「知道自己饿」也不是一回事。机器人「知道」自己饿，是查表：读一下自己的状态变量，数字就在那里。生物「知道」自己饿，是猜：读到的只是一组连自己都可能读偏的信号。一个查表，一个猜测，中间隔着的，就是有没有属于自己的读不到的变量。

所以问题从来不是「AI 的需求够不够真」，而是：改目标温度的那只手，在不在系统外面。只要那只手还在，装进来的顶多是一份替它写好的目标温度表，称不上「需要」。

有人会替机器人抱不平：人的饥饿，说到底不也是基因写进身体的吗？大家都有个外来的来源，凭什么只挑剔机器人？区别在于，演化不是一个写入者：它没有意图，手里没有那张表，它就是存续过程本身，目标值是从这个过程里长出来的，不是谁填进去的。设计师不同：他带着那张表来，把数字写进去，今天把饥饿的门槛调高一点，明天为了省电把体温目标降两度，都只是一次更新，一条改动的记录。注意，要害不在他改完走不走，而在这个目标值是一个可以被直接寻址、直接写入的参数。生物身体里没有这样的参数：药物也好、基因编辑也好，都只能经由调节回路和发育这条绕远的路间接影响它。一边是从存续过程里涌现的平衡，一边是可寻址、可写入的参数，不一样的。

四、第三刀·意义悬置：仿真里的「死亡」没有代价

生物的饿，是有代价的饿。血糖归零，人就没了，这个过程通常没有任何按钮可以回退。正是这种不可逆，给需求本身标上了价：进食不是众多偏好里的一项，是活下去的条件本身。

论文的系统里，「死」是另一回事。这套系统跑在仿真里，仿真中的「死」是一局结束、重置、再来，一个可以恢复的中断，不是终点（这是仿真平台的题中之义，我按其性质所推，不是论文原话）。就算搬到实体机器人身上也一样：电量归零不是死，是断电；充上电，重启，接着送下一单。有人会说，真机摔坏了可是不可逆的。没错，可那份损失记在设计者的资产账上，不在它自己的目标上，它连一本「自己的账」都没有。这一刀的分量，最终仍要回到第二刀：看设定点是谁写的。

论文自己的设计，也把这个位置摆得很清楚：用户任务保持优先，身体调节只是约束。探测器电池温度过高，就暂停地质采样；无人机的电机过热了，测绘任务得中断；服务机器人电量吃紧，它自己会先去充电。看起来是放下任务去照顾身体，可照顾身体只是为了能回来接着把任务干完。任务才是目的，身体只是执行任务时不得不维持的一副零件。这和生物恰好相反：生物的外部活动，最基础的一层是内部维持，觅食、避险都从「先活下去」里长出来；机器人的内部维持，说到底都服务于外部任务。回到开头那台送餐机器人：就算它真的学会了「饿着也要先送完这单」，那个饿也是为送餐服务的，不是为了它自己。

我这三刀砍下来，结果还是比较清楚的：这套「内在」的底细，对设计者完全敞开（第一刀）；设定点的写入者始终在场（第二刀）；「死」呢，随时可以重置（第三刀）。三个发现指向同一个判决：它有要维持的变量，却没有属于自己的「想要」。至于损耗会不会累积出真正的「经历」，那是另一重更深的对话，本文不展开了。

NMI文章里还有一句话：生命体的设定点，是「经自然学习和选择涌现」的。有人会顺着问：那让一群机器在仿真环境里自己淘汰、自己演化，让设定点自己长出来，不就行了？注意两件事：演化的规则仍是人写的；演化出来的那张表，仍然躺在系统里，可读，可写。真正的边界要苛刻得多，苛刻到可以一条一条检查：如果有一天，一套机器的目标值是它自己运行过程中长出来的，设计者没有写入的接口、也预知不了它的取值，而越界意味着这套系统不可重置地终结，那一天，本文的判据可以换个判断：这台机器，开始有它自己的饿了。

五、结语：线已经划出来了

回到开头那台送餐机器人。深夜打烊，人类服务员揉着发酸的肩膀，饥肠辘辘地走出店门，去吃一碗热面；那台送餐机器人安静地停在充电桩上，一条把电量设定点从八成调到九成五的后台更新，正推送到它的系统里。它会不会冷，会不会饿，没人再问，因为它已经准备好下一单了。

会饿的机器已经有了，真饥饿还没有；只要设定点的写入权还握在设计者手里，也不会有。真正缺的从来不是一套更逼真的「内在」，而是一个没有写入者的设定点。人之所以有真正属于自己的「想要」，恰因为那个目标温度轮不到任何人来直接改写：身体能自己调它，体外却没有那只能直接改写的手，连本人都读不全。这正是负主体性要钉住的那条线：判断一个系统有没有自己的「想要」，最先要看的，就是写设定点的是不是机器人自己。

会冷、会饿的机器，没有真的冷热和饥饿。有的，只是一份别人替它写好的目标值。