导语从一万年前的骨针、燧石到今天的生成式AI，人类技术进步的核心并非无限创造，而是在有限资源与认知成本下，对已有元素进行高效组合。

        最新研究发现，技术复杂度始终受到“能量与维护成本”的约束，真正推动文明演化的，不是堆叠更多零件，而是在约束中寻找最优解。

        关键词：技术演化、组合创新、工具复杂度、生成式AI、能量约束、技术经济学、认知成本、幂律增长郭瑞东丨作者张江丨审校如果你穿越到一万年前，别急着造轮子——

        先看看你的“工具箱”里有几块骨头。想象一下：你一睁眼，发现自己赤脚站在一片约一万年前的草原上，那是人类仍以狩猎采集为主的时代（更新世晚期的尾声）。

        身边没有手机、没有网络，甚至连一把最基础的金属工具都没有。

        你能依赖的，是手边几块燧石、一根木棍，以及脑子里那些零碎的荒野求生知识，但未必真的派得上用场。

        在这样的条件下，问题不在于“创造新的工具”，而在于如何把已有元素快速组织成可用的功能结构：哪些可以用来切割，哪些可以用于敲击，哪些可以承担支撑或防护的作用。

        换句话说，生存本身依赖的是对“可组合性”的即时利用，如图1所示。

        图1：与生计相关的、复杂程度不同的古人类工具实例从更深一层来看，这种能力并不是天才发明家偶然的灵光一现，而是在长期演化过程中逐渐形成的一种稳定策略：在反复试错中筛选出更有效的组合方式，并不断在功能收益与使用成本之间进行权衡，从而推动工具系统逐步演化。

        从这个意义上说，技术的发展可以被理解为一种持续受约束的优化过程——

        这其实就是一种朴素的“技术经济学”：任何技术扩展，都必须同时付出材料、时间与认知上的代价，而不是单纯由创造力驱动。

        2025年发表于Science Advances的一项研究进一步支持了这一点。

        研究者发现，不同社会的工具体系虽然不断扩展，但这种扩展并非无代价的自由增长，而是始终受到资源与认知成本的限制。

        论文标题：Technological complexity and combinatorial invention in small-scale societies论文链接：https://www.science.org/doi/10.1126/sciadv.adv6153发表时间：2025年9月24日发表期刊：Science Advances工具种类的增长，为什么总是慢于零件的扩展？

        在不同规模的人类社会中，一个看似普遍的现象是：工具体系的扩展速度，并不会随着基础构件的增加而同步加快。

        无论是狩猎采集社会中用于获取食物的基础工具，还是更复杂社会中的制造与运输系统，每一种新工具的出现，都需要投入额外的时间、材料与学习成本。

        因此，工具体系的扩展并不是简单的“堆叠增长”，而更像是在已有构件基础上的有限组合与筛选。

        基于这一点，研究团队对全球127个不同规模的小型自给自足社会（也就是现在还过着放牧采集生活的“活化石”部落）进行了系统分析，这些社会涵盖了不同的生计模式，包括即时回报型狩猎采集者（图2红色点）、延迟回报型狩猎采集者（图2蓝色点）以及早期农耕社会（图2绿色点）。

        他们将技术系统拆解为两个可量化的指标：工具丰富度（Tn）：一个文化体系中不同工具类型的数量零件丰富度（Pn）：构成这些工具所需的独特基础部件数量图2：研究中讨论的127 个社会的全球分布在不同发展水平的人类社会中，研究者发现一个相当稳定的规律：工具体系的丰富度 Tn 与其所依赖的基础部件数量 Pn 之间，并不是线性增长关系，而更接近一种幂律形式：即 ，其中 β ≈ 0.7。

        图3：工具包丰富度与部件丰富度的关系拟合图，其中横纵坐标取对数。

        结果显示不同类型社会（狩猎采集与早期农耕等）均呈现相似趋势，线性拟合的系数即为幂律指数 β ，数值在 0.67–0.71 之间，表现为稳定的亚线性增长。

        这一结果的关键含义在于：当基础零件数量增加时，可形成的新工具数量虽然仍在增长，但增长速度明显变慢。

        换句话说，哪怕你把零件翻倍，能造出的新工具也只多出约62%。

        这说明一个重要限制：随着系统变得越来越复杂，每新增一个零件所带来的“可组合空间”增长，会被开发成本、认知复杂度以及实际使用价值的筛选逐渐抵消。

        结果就是，大量理论上可能的组合，在现实中并不会真正被采用。

        为了更直观地理解这种“组合受限”的现象，可以看图4具体的结构对比：图4：工具部件、类型与组合复杂度示意图假设你是一个原始社会中的“工具设计者”，面前摆着两套风格迥异的“乐高套装”，它们代表了两种典型的组合策略。

        套装A（图4A）属于极简主义者的智慧，这一组代表的是低复杂度但高效率的系统。

        共有约20个基础零件，可以组合出7种不同工具，每种工具平均由2.9个零件构成。

        这就像你用一套基础乐高，拼出了小车、小房子和小船。

        每个工具都不复杂，但胜在够用、高效。其中体现了一种“少即是多”的哲学：用有限的零件，通过巧妙的组合，实现足够的功能多样性。

        这更接近一种资源受限环境下的策略——工具不追求复杂，而追求“够用且稳定”。

        套装B（图4B）则是技术狂的百宝箱。零件规模扩大到40个，但能够形成的工具类型仅增加到10种，平均每种工具所需零件也上升到4个。

        这套装备明显更“壕”，零件库翻倍了。但你会发现，工具数量并没有随之翻倍（从7只增加到10个），而且每个工具平均用的零件也变多了（从2.9个增加到4个）。

        这说明了一个关键问题，随着系统规模扩大，大量潜在组合并不会转化为实际工具：一部分由于结构过于复杂难以实现，一部分则因为收益不足而不会被采用。

        因此，工具体系的扩展呈现出一种非线性特征——增加基础构件，并不会等比例地增加功能多样性。

        换句话说，处于狩猎采集时代的人类部落并不是无法制造更复杂的工具，而是在长期演化中逐渐形成了一种隐含约束：技术进步并不是简单的“堆叠零件”，而是一个在成本约束下筛选有效组合的过程。

        在这种机制下，技术升级更像是在玩一个“重组与复杂化”的游戏——

        把已有的零件用更复杂的方式组合起来，造出更专业、更高效（但也更娇贵）的新工具。

        而这样的亚线性关系（β < 1）也在其他复杂系统中反复出现，如城市温室气体排放（见集智俱乐部推文：Nature Cities速递：城市系统废弃物的产生遵循规模法则）、生物代谢率（克莱伯定律：生物领域的开普勒定律）等。

        为了解释为何社会不需要让技术无限复杂化，该研究将技术演化形式化为一个组合优化问题：社会在有限资源下，一方面希望最大化技术系统带来的适应性收益（可理解为降低环境不确定性，对应信息熵的下降），另一方面又必须控制构建与维护技术体系的成本。

        在这一框架中，环境被抽象为一个多维约束空间，其中每个维度代表一种不确定性来源（如资源可变性可视作今天能打到鹿，明天可能一无所获，食物的多少和分布是波动的。

        环境可变性对应雨季可能提前，河流可能泛滥，暴风雪可能不期而至，气候和地形带来挑战）。

        技术的效用在于降低各种因素通盘考虑后的不确定性，例如有了更好的武器，不论天气或是身体状态，都有更大的概率打猎成功。

        而技术成本C被简化为随零件复杂度 Pn线性变化 C = λPn。

        这里，λ 代表“单位技术部件的综合代价”，该参数被定义为“每增加一个工具部件所需付出的发明、维护与整合成本”，它综合反映了材料获取难度、认知负荷、技能习得时间、代际传承稳定性等多重现实约束。

        λ 越高，社会在扩展技术系统时所面临的边际代价就越大。

        在这一设定下，社会最终需要解决的是如下优化问题：T*：T = argminT [HT(C) + λCT]*，即在不确定性残余与系统成本之间寻找最优平衡点。

        其中HT (C) 是应用工具集 T 后残余的环境不确定性（熵）；而 λCT 是构建、维护和传承整个工具集 T 所需的总成本。

        上述目标函数体现了人类技术演化的根本逻辑：不是追求“零不确定性”（那需要无限复杂的工具），也不是追求“零成本”（那意味着没有工具），而是在有限资源下，找到一个“性价比最高”的技术配置。

        技术多样性也不是免费的午餐，其增长始终是在收益与成本之间进行权衡的结果。

        基于对现存自给自足社会的实证研究，研究者们发现一个稳定规律：当一个社会的工具包丰富度翻倍时，其工具平均复杂度仅增加约 23%。

        这一结果表明，技术体系的扩展并不是简单的线性堆叠，而更接近通过既有部件的重新组合来生成新功能。

        从组合工具到组合智能：技术创新始终受能量约束在人类早期社会，工具的演化是在资源极度有限的条件下进行的优化，那时的人们与其追求“更复杂的发明”，更现实的问题是如何利用已有材料与部件的组合，在有限时间与体力约束下最大化生存收益。

        这种以约束驱动的组合思路在今天并未消失，只是从物理材料转移到了信息与计算层面，无论编写代码还是训练大模型，都必须在资源与时间受限的条件下，通过最精简的模块组合实现关键功能。

        经济学家 Brian Arthur 在《技术的本质》中将这种现象概括为“组合演化”，书中描述大多数新技术并不是凭空产生的，而是已有技术单元在更高层次上的重组与再配置。

        从这个角度看，技术创新更像是在一个巨大的“组合空间”中搜索可行解，而不是线性地“从无到有”发明。

        当下，生成式AI可以被看作这种“组合创新”的最新形态。

        它并不以人类式的“理解”为核心机制，而是在由词汇、语法、知识结构构成的高维组合空间中，通过大规模计算进行概率性搜索与重组，从而生成文本、图像或代码。

        然而，大模型训练这种持续进行的“组合搜索”，代价又是什么了？

        在原始社会，代价是猎人的卡路里。在AI时代，代价是数据中心的电力。

        研究在结尾意味深长地指出：“当前对数据中心和生成式AI贪婪消耗电力的担忧，提醒我们发明是需要能量的。”

        这完美地解释了为何OpenAI的ChatGPT对话可能消耗相当于一瓶水蒸发的能量，为何科技巨头在疯狂抢购能源。

        我们并没有逃脱那条古老的法则，只是将能量的尺度，从“卡路里”切换到了“兆瓦时”。

        组合增长受能量约束，这个道理在当下是好消息也是坏消息，好消息是这意味着哪怕AI再厉害，只要每次“拼装”都需要消耗成本，包括算力、以及更关键的人工调教所需的注意力，技术就不可能无限膨胀。

        而坏消息则是对当下敲响的警钟。一万多年前，一个与世隔绝的小岛（塔斯马尼亚）上只剩几百到两千人。

        人太少，一个复杂技术（比如骨针）一旦掌握它的老人去世，就可能失传。

        这时候，维持复杂工具的“隐性成本”变得极高，于是大家干脆不用了，技术反而退步了。

        这不是因为他们变笨了，而是因为“维护成本太高，不划算了”。

        当人们越来依赖AI，人活的如同电影《机器人总动员》中描述的那样长期躺着，一切由机器人伺候。

        维持生活技能（比如做饭、修理）的认知成本会显著上升了。

        不是技能学不会，而是懒得学、用不上，相对收益变低了。

        结果就是技能退化、社会能力下降。这与之前描述的塔斯马尼亚岛上的故事如出一辙，同样是成本超过收益导致的“技术/行为复杂度下降”。

        最后让我们回到开篇的场景，你如果真穿越回去古代社交，最该做的或许不是复刻内燃机，而是先问问部落里的老猎人：“咱们这根骨针，除了缝皮衣，还能不能当鱼钩、当锥子、当发簪？”——

        因为真正的技术智慧，不在于创造多少新东西，而在于让旧东西多干几份活。

        参考资料[1] H. Youn, D. Strumsky, L. M. A. Bettencourt, J. Lobo. Invention as a combinatorial process: evidence from US patents. Journal of The Royal Society Interface, 2015; 12 (106): 20150272 DOI: 10.1098/rsif.2015.0272作者：郭瑞东审核：张江 北京师范大学系统科学学院教授出品：中国科协科普部监制：中国科学技术出版社有限公司、北京中科星河文化传媒有限公司后ChatGPT读书会——

        “意识机器”初探从 AlphaGo 到 ChatGPT，随着人类智能一个个被机器算法突破，人们不禁开始思考：还有什么能力是人类具备而人工智能尚无法取代的？

        自我意识就是一个关键的未被突破的能力，它不仅可以对自我的行为进行深度反思从而跳出循环，形成顿悟，还能够给主体带来真正的主观体验。

        那么，自我意识的本质是什么？ChatGPT 是否能够拥有自我意识？

        本视频提出了一种自我意识的最小模型，它可以一定程度上解释人类意识的特点，也可能找到判定机器是否具有意识的一种标准。

        集智俱乐部特别组织“后 ChatGPT”读书会，由北师大教授、集智俱乐部创始人张江老师联合肖达、李嫣然、崔鹏、侯月源、钟翰廷、卢燚等多位老师共同发起，旨在系统性地梳理ChatGPT技术，并发现其弱点与短板。

        读书会已完结，现在报名可加入社群并解锁回放视频权限。

        详情请见：“后 ChatGPT”读书会启动：从通用人工智能到意识机器推荐阅读1. Nature Cities速递：城市系统废弃物的产生遵循规模法则2. 克莱伯定律：生物领域的开普勒定律3. AI 技术突飞猛进时代，如何推动科学创新？

        科学学给科学的启示4. 诚招系统科学/AI/物理背景的内容创作者5. 集智学园精品课程免费开放，解锁系统科学与 AI 新世界6. 高考分数只是张入场券，你的科研冒险在这里启航！

        7. 加入集智字幕组：成为复杂科学知识社区的“织网人”#原创点击“阅读原文”，报名读书会