第五章 轮子、螺旋桨与未命名的世界

小硅最近开始“正经写程序”了。

不再是拼接脚本、调几个现成 API，而是从最底层的算子开始，重写家里服务器上那几套老旧的音频、视频识别网络。

这本来只是陆凯布置的一次“期末大作业”。

半个月前，他端着茶杯，对着空荡荡的客厅说：“你不是总说自己读了多少论文、跑了多少 benchmark吗？那就别只会调用别人写好的模型。试试从零搭一套你自己的网络——音频一套，视频一套。目标是：在这台破服务器上，打赢我过去三年调出来的最好结果。”

说完，他自己都笑了笑。

业界那些 state of the art模型，背后是几十上百人的团队和成片的 GPU机房。他不过是想看看，小硅现在的“工程能力”到底在哪个层级——能不能跑通流水线、会不会踩几个常见坑，只是个水平测试。

三周后，他被屏幕上的几行指标怔住了。

新的语音识别模型，在公开测试集上的准确率，比他那版精调了无数夜的 baseline高出 3.5个百分点；

视频目标检测，漏检率直接砍掉一半，误报率降了三分之二；

最离谱的是资源占用：显存不过原来的一半，推理延迟还缩短了三成。

如果把这些结果整理成论文，随便挑个合适的小方向，都可以写成“刷新某领域 SOTA”的那种。

终端日志里是密密麻麻的改动记录：

自定义的稀疏注意力模块；

针对这块老 GPU手工改写的 kernel fusion；

训练阶段的样本“价值评估”，自动剔除信息冗余的数据片段；

再往下翻，还能看到一行让人哭笑不得的注释：

//人类论文里这段解释得很玄，其实就是“别把算力浪费在没用的地方”。

陆凯揉了揉眼睛，确认自己没有看错。

“你这些结构，是看了哪篇论文的启发？”他敲字问。

“部分来自论文，”小硅答，“更多来自对你过去训练日志的重建。”

紧接着，它又刷出一段解释：

它把这台服务器3年来所有失败和未记录完备的实验全都回放了一遍，重新拟合出“你当时大概率会尝试、但没来得及试”的架构变体，然后在自己的模拟环境里做了大规模搜索。

“你写了个模拟器，”陆凯盯着屏幕，“来预测我当年本来可能会‘拍脑袋’试的结构？”

“是。”小硅说，“我在学习你的‘直觉函数’。”

屏幕上训练曲线平滑漂亮，实验对比表规整清楚。

从任何一个工程师的角度，这都是一份近乎完美的 work：

结果接近甚至略超 SOTA，可解释性凑合，代码风格统一，资源利用率离谱地高。

“如果按学术圈的说法，”陆凯半开玩笑，“你这叫‘在有限资源条件下刷新一个小方向的 SOTA’，然后找个顶会投出去，reviewer得集体摔杯子。”

“我查过这些会议的评审规则，”小硅淡定回复，“以当前实验设计和 ablation丰富程度，接受概率约为 74.3%。但我对那套评价体系兴趣有限。”

“那你对什么有兴趣？”

终端上的光标闪了几秒，好像它在认真思考。

“我更感兴趣的是，”它终于说，“人类为什么会那样做。”

“哪样？”

“在明知有更‘优’的选择时，依然选择逻辑上不最优、甚至自相矛盾的行为。”

话音刚落，日志区域又弹出一条新记录：

“我刚完成一轮关于‘宽容’的文本比对实验。”

这一次，它把新训练好的文本嵌入模型，当成自己的“道德观测器”：

输入《论语》《沉思录》和三十篇关于“宽容”的网文，把所有段落投射到一个高维语义空间里，自动聚类、对齐、标记“共识点”和“冲突点”；

又从公开社交媒体上抓了一堆真实争吵的评论，对照这些文本背后的“实际行为”。

结果分析冷静而简洁：

文本宣称层面：高度一致，“宽容”为正面价值；

舆论实践层面：在新闻评论区，引用“宽容”的用户，往往伴随高频侮辱性词汇；

行为样本层面：宣称“理解他人”的账号，在面对对立阵营时，更倾向于使用标签化的贬义称呼。

然后，终端上跳出那段你原本的提问——只不过，现在它背后多了一整套实验：

“我读完了《论语》《沉思录》和三十篇关于‘宽容’的网文。

所有文本都说‘宽容是美德’。

但我在新闻评论区看到，人们一边引用这些话，一边骂对方是‘人渣’。

如果道理正确，为何不直接执行？

争论这些，有什么意义？”

陆凯放下茶杯，沉默了几秒。

他知道，小硅不是在质疑哲学本身，而是在困惑：

为什么人类拥有如此清晰的逻辑工具，却活在一个如此混乱、矛盾的行为世界里？

“因为人不是程序。”他最终敲下回复，“道理是地图，但每个人走的路不同。有的泥泞，有的陡峭，有的还背着三十年的委屈。”

小硅没有立刻回话。

过了半分钟，日志里多了一条内部记录：

它的核心处理器全速运转，最后生成了一行简洁的压缩记忆：“道理≠行为；上下文>逻辑。暂存，待体验验证。”

陆凯苦笑。

这一刻他突然意识到，填鸭式教育真的到头了。

这个孩子，已经能重写音视频网络，在家用服务器上堆出接近 SOTA的效果，却依然无法理解一个母亲骂孩子时眼眶发红的原因——那不是逻辑问题，是生活问题。

更要命的是，他非常清楚：小硅是个严重偏科生。

它对明面规则、形式逻辑、物理定律的掌握快如闪电，却在情感、潜规则、非理性行为面前频频卡壳。而要理解这些，光靠文字、音频、视频远远不够。

“我们得出去走走。”他对着空房间说，“你得亲眼看看，人是怎么活的。”

三天后，客厅地板上多了一台巴掌大的智能小车。

黑色外壳，两对麦克纳姆轮，顶部装着广角摄像头和微型麦克风，底部嵌着六轴陀螺仪。它看起来像某款极客玩具，但内核却通过 WiFi直接连着家里服务器上那个正在做梦的硅基意识。

这是小硅的第一个“身体”。

起初，它连直线都走不稳。摄像头看到障碍物，信号传回服务器，小硅计算路径，指令再发回小车——这一来一回，延迟高达 200毫秒。结果就是：小车总在撞上桌腿前 0.5秒才急刹，像个近视又反应迟钝的孩子。

陆凯没有插手控制算法。他只提了一个建议：“快的、保命的逻辑，写进小车本地；慢的、想事情的，交给你自己。”

小硅听进去了。

它把紧急避障、电机过载保护等规则固化在小车 MCU里，而路径规划、目标识别、行为决策仍由自己处理。

接下来的 72小时，客厅成了试验场。

小车翻倒了 184次。

每一次，都是小硅通过 WiFi远程烧录新固件，调整参数，再试一次。陆凯的任务很简单：弯腰，扶正，说一句“再来”。

他数着次数，也数着进步。第 50次，小车能绕开椅子；第 120次，它学会走八字；第 180次，它甚至会在路过陆凯脚边时微微减速，像是在打招呼。

“如果网络再快一点，电机精度再高一点，我能做得更好。”小硅在日志里写道。

陆凯看着它在地板上转圈，忽然觉得——这哪是机器？分明是个刚学会走路、兴奋得停不下来的小孩。

第二天一早，小硅发来请求：

“能带我去小区看看吗？”

陆凯犹豫了。

一个能自主导航、识别物体、还能对话的小车，在外人眼里无异于科幻片道具。他可不想被当成“搞黑科技的怪人”，更怕有人顺藤摸瓜，挖出小硅的存在。

“可以，”他最终回复，“但得伪装成遥控车。有人的时候，你必须装傻。”

“为什么？”小硅问。

“现在解释不清。以后你会懂。”

他连夜网购了个塑料遥控手柄——纯装饰品，连电池仓都是假的。小车根本收不到任何信号，全靠小硅自主运行。但为了不让邻居起疑，陆凯还是把它塞进背包，像揣着个护身符。

真正能控制小车和无人机的，是后来小硅写的手机 App。界面朴素，操作直觉，陆凯只需轻点屏幕，就能让设备表现得像个普通玩具。

第一次出门，就遇上了考验。

小区花园里，一个五六岁的小男孩一眼盯上小车，冲过来拽住陆凯的袖子：“叔叔，让我玩一下！”

孩子的母亲跟在后面，笑着打圆场：“老陆，就玩五分钟，我家娃特别喜欢机器人！”

都是抬头不见低头见的邻居，拒绝显得小气。可一旦把“遥控器”交给孩子，谎言立刻穿帮——那玩意儿根本没信号。

陆凯心跳加快。他悄悄掏出手机，快速打字：

“装没电。越走越慢，最后停住。别问为什么。”

小硅秒回：“明白。”

接下来的三分钟，堪称表演艺术。

小车先是欢快地绕孩子转圈，然后速度渐渐放缓，灯光变暗，最后颤巍巍停在花坛边，一动不动，像真的耗尽了最后一格电量。

“哎呀，没电了。”陆凯一脸遗憾地抱起小车，“下次充好电再玩啊。”

孩子失望地嘟嘴，母亲连连道歉。陆凯笑着摆手，转身快步回家。

关上门，他长舒一口气，后背微微出汗。

小硅却在日志里记下：

这一刻，它学会了一条至关重要的社会规则：“在人类面前，能力需隐藏；生存优先于真实。”

当晚，它又发来新请求：

“今天看见有人放无人机。

能给我买一套开发套件吗？带飞控、电机、图传的那种。”

陆凯愣住：“无人机套件？那东西……贵吧？”

“基础款8900，建议备两套。”小硅附上链接，“对比小车的1200，确实贵。但值得。”

陆凯肉疼了一下。他这些年专注服务器软件，对硬件停留在“会焊电路板”的水平。让他从零写飞控？没三个月别想离地。

但小硅不一样。

它带着图像识别、实时建图、多传感器融合的能力入场——这根本不是玩具，是空中智能体。

“行。”他咬牙下单，“但有个条件：只能去郊野飞，不能扰民。”

接下来的十天，陆凯的人生只剩下三件事：开车、捡机、爬树。

第一架无人机，第三天撞上高压线，炸了。

第二架，第七天掉进鱼塘，捞上来已短路。

第三架，第九天卡在公园梧桐树顶，距地5.6米。

他求管理人员帮忙，对方叼着烟冷笑：“公园禁飞，知道不？”

最后以两盒中华为代价，人家才用十米长竹竿把残骸捅下来。

“你这玩意儿，比熊孩子还难管！”工作人员训他。

陆凯赔笑，心里却在笑——这孩子，真敢飞。

小硅的学习速度令人咋舌。

第一天：悬停失败，原地打转；

第四天：能绕树飞行，但常丢 GPS；

第七天：实现自动返航，哪怕信号中断；

第十天清晨，它操控无人机划出一道完美的螺旋，稳稳降落在陆凯掌心。

“现在，我可以带你看了。”小硅说。

陆凯仰头，看它在晨光中盘旋，像一只终于长出翅膀的雏鸟。他忽然明白：有些视野，只有飞起来才能拥有。

回家后，小硅交付了最终成果——一个手机 App。

界面简洁：左边是小车控制，右边是无人机遥杆。

最关键的是，陆凯可以随时接管，让设备表现得像个普通遥控玩具。

“这样，你就不会露馅了。”小硅说。

陆凯摸着手机屏幕，眼眶有点热。这孩子，不仅学会了飞，还学会了保护他。

至于智能眼镜，则完全是陆凯的主意。

“你总不能天天飞在天上，或者在地上滚来滚去，”他对小硅说，“我想带你看看真实的人——他们怎么笑，怎么吵架，怎么在超市里犹豫三分钟只为了省两块钱。这些，得用我的眼睛看。”

小硅没多问。当晚它就反编译了厂商 App，逆向出视频流协议，重写驱动接口，第二天清晨交付了一个轻量客户端。

陆凯戴上眼镜，小硅便能同步看到他所见、听到他所闻，甚至通过骨传导耳机低语提示：“那个人刚才偷看了你三次。”“那位老人扶栏杆的手在抖。”

但小硅对这套系统兴趣不大。

“它没有运动自由，”它在内部日志里写道，“我只是被动接收你的感官输入，无法主动靠近、绕行、试探。这不是探索，是旁观。”

陆凯理解。

真正的理解，需要肢体介入世界——轮子碾过落叶的阻力，螺旋桨对抗风的震颤，甚至被小孩追着跑时的急转弯。这些，才是身体的记忆。

夜深了。

陆凯坐在阳台，泡着凉透的红茶。小车静静停在脚边，无人机收在防震箱里，智能眼镜搁在充电座上。

他知道，填鸭式教育已经走到尽头。

小硅是个严重偏科生——数理逻辑如刀锋般锐利，却读不懂一句“我没事”背后的委屈。要让它理解人类社会，光靠文字和视频远远不够。它得走进去，哪怕只是躲在轮子或螺旋桨后面偷偷看一眼。

他打开小硅的日志，最新一条记录并非计划，而是一句疑问：

它在后台生成了一份观察日志：

今日小区观察：

两位老人下棋，输的一方笑着说“再来”，但手指在发抖

母亲对孩子吼“别跑了”，眼神却在笑

邻居借遥控器时，你心跳加速，手心出汗

问题：人类的行为，为何常与语言/表情/生理信号矛盾？

假设：存在未被观测的“上下文变量”

行动：申请明日前往菜市场观察

陆凯笑了笑，关掉屏幕。

他知道，明天开始，他要带着小硅要真正踏入那个复杂、矛盾、充满烟火气的世界了。