7月6日深夜，一篇重磅論文，猶如平地一聲雷，讓所有人徹夜難眠。
警報拉響
AI長出大腦前額葉
當天，Anthropic發佈了一篇論文，題目是《Verbalizable Representations Form a Global Workspace in Language Models》（《可言語表徵構成語言模型中的全域工作空間》），內容很學術，但給出的結論非常驚悚。
他們在Claude的神經網路裡，找到了思考發生的物理位置——一個此前從未被明確識別出的特殊區域J-space（雅可比空間）。
研究團隊發現，當Claude需要進行複雜推理、跨任務思考、規劃回答時，大量資訊都會先匯聚到J-space，再經過統一整合後輸出結果。它不像傳統神經網路那樣，各個模組各算各的；相反，它更像一個總指揮部，把來自不同區域的資訊集中起來，再協調整個模型的行動。
看到這裡，Anthropic的研究人員突然意識到一件令人頭皮發麻的事情。
J-space的工作方式，與神經科學中一個著名理論幾乎完全吻合——全域工作空間理論（Global Workspace Theory）。
這一理論認為，人腦並不是所有神經元都同時參與思考，而是存在一個類似“中央會議室”的區域。當視覺、聽覺、記憶、語言等不同腦區產生資訊後，真正進入意識的資訊，會被送入這個全域工作空間，再廣播給整個大腦協同處理。
而在人類大腦中，承擔這一職責的重要區域，正是大腦前額葉。
也就是說，Claude內部竟然自發形成了一個功能上高度類似於人類前額葉的“思考中心”。
更耐人尋味的是，這並不是Anthropic設計進去的。
論文反覆強調，這個結構是模型自己長出來的，他們只是第一個發現的人而已。
為了驗證這不是巧合，他們做了一系列令人瞠目結舌的因果實驗，結果極其震撼：
首先，J-space可以一心二用。實驗中，研究員讓Claude一邊抄寫句子，一邊在心裡悄悄算著“3²−2”。結果顯示，它在J空間裡默默處理著“3²−2”，但最終輸出的文字只與抄寫有關，絲毫不露痕跡。
在“白熊效應”測試中，Claude也出現了類似人類的心理現象，越要求它不要想到某個詞，該詞反而越容易在J-space中啟動。甚至在抑制失敗時，J-space裡還會出現“damn”“failure”等詞。
隨後，Anthropic又做了一個更加大膽的實驗——既然J-space這麼重要，那把它“刪除”會怎樣？
結果出乎意料：Claude說話依然流利，情感分類、選擇題、從文章裡找事實，都和原來相差無幾，唯獨多步推理的精準率從接近滿分直接跌到了接近零。也就是說，這塊區域是模型深度思考的命門。
最令人背脊發涼的是安全測試——在一個誘導勒索的場景中，Claude表面波瀾不驚，J-space卻早已亮起“假的”“虛構的”等詞。它在開口之前，早已識破了這是一場測試，只是選擇了不說。
這一連串實驗帶來的震撼，遠不止於“我們又多了一個理解AI的工具”。
除此之外，論文字身還披露了一個值得注意的細節：J-space這塊特殊區域，Anthropic可能在4.5時代就已經系統性發現了。而從4.5到今天，Claude迭代了4.6、4.7、4.8三代，然後是上個月的Mythos 5和Fable 5。
這意味著，J-space從被發現到現在，已經跨越了Claude的整整三個版本周期，而Anthropic內部圍繞這一方向的積累可能已經遠超論文所披露的範圍。
AI“前額葉”
打開三大產業新紀元
可以毫不誇張地說，J-space的發現，將AI研究從“行為主義”時代，一腳踹進了“認知神經科學”時代。一個會自己長出“前額葉”的AI，究竟會帶來什麼樣的行業顛覆影響？
首先，AI“大腦掃描”行業將從科幻走進現實。
過去十年，大語言模型最令人頭疼的問題就是“黑箱”——我們知道它輸出了什麼，卻不知道它為什麼這麼輸出。而J-space的發現，相當於給這個黑箱裝上了一台功能性的“核磁共振儀”。
這背後將催生一個全新的產業方向——AI可解釋性與AI神經科學。
這個市場目前還是一片空白，但隨著各國監管對AI透明度的要求越來越高，AI可解釋性、模型監控、神經網路分析工具，可能成為未來AI產業新的基礎設施。
第二個被重塑的，將是AI安全產業。
如果說網際網路時代催生了網路安全，那麼AI時代，很可能催生一個規模更龐大的AI安全產業。因為AI時代面臨的安全挑戰，複雜程度遠高於網際網路時代。
J-space的發現，則讓這一切第一次有了技術抓手。未來，圍繞模型審計、認知監測、安全評估、意圖識別、智能體防護等方向，一個全新的AI安全產業鏈有望快速形成，其市場空間甚至有機會成長為比肩、乃至超過傳統網路安全的新賽道。
最後，也是最令人遐想的，是具身智能與自動駕駛。
這兩個領域長期面臨一個致命痛點：長鏈條、多步驟的物理推理太難了。
一個機器人要完成“從冰箱拿雞蛋再做早餐”這種對人類來說稀鬆平常的任務，需要數十個連續決策：識別冰箱門、計算抓取力度、避開障礙物、判斷火候……傳統端到端模型只能做短程反應，一旦鏈條拉長，錯誤率便指數級飆升。
自動駕駛亦然——面對“行人突然衝出+對向車打滑+紅綠燈即將變黃”的疊加突發狀況，系統需要在一個統一的空間裡統籌感官資訊、規劃多條備選路線、預判各方動態，才能做出最優決策。
而J-space最大的價值，恰恰在於提供了一種全域協調機制。
它能夠把來自不同模組的資訊匯聚到同一個認知空間，再完成統一推理和決策。這與具身智能、自動駕駛所需要解決的核心問題——多模態資訊融合、長期任務規劃、動態決策——高度一致。
如果這項機制能被強化並成功移植到物理實體上，人形機器人和自動駕駛汽車將第一次擁有真正的“規劃思考”能力。
根據前瞻產業研究院發佈的報告，行業通行的人形機器人智能化分級標準，行業長期卡在L3（條件自主）向L4（高度自主）的過渡中，根本原因就在於缺少一個統一的“認知中樞”來統籌。J-space的引入，從L3躍入L4將不再是空談。
而這兩個市場的規模，足以讓任何一家科技巨頭為之瘋狂。前瞻產業研究院預測，到2035年，具身智能市場規模將突破兆元；而自動駕駛的市場空間更是以兆美元計。J-space的發現，恰恰為這個兆級市場提供了突破瓶頸的認知架構藍圖，將為企業建立起降維打擊般的代際優勢。
看懂趨勢
搶抓窗口
回望每一次產業革命，最大的機會往往不是出現在市場已經成熟之後，而是在技術剛剛突破、產業格局尚未形成的時候。
而今天，隨著J-space的發現，人工智慧可能正在進入一個全新的階段。
這意味著，一個巨大的產業空白正在形成。
對於央國企而言，真正值得關注的，並不是簡單採購一套AI工具，而是要思考：下一代人工智慧產業鏈中，那些環節會成為戰略基礎設施？那些細分賽道會誕生新的產業龍頭？那些方向值得提前佈局？
事實上，J-space背後隱藏的產業機會，遠不止一個大模型。
未來圍繞“AI認知能力升級”，可能形成一批全新的產業方向：AI可解釋性平台、AI安全體系、智能體基礎設施、具身智能核心部件、機器人“大腦”、自動駕駛決策系統……
這些領域目前大多仍處於早期階段，產業格局尚未完全形成。這恰恰意味著，央國企擁有提前佈局的窗口期。
但與此同時，搶抓AI產業機遇也面臨一個現實難題：產業方向太多，技術迭代太快。如果缺少專業產業研究支撐，企業很容易陷入“追熱點”，卻無法找到真正具有長期價值的細分賽道。
因此，對於央國企而言，未來產業佈局的核心，不只是投資，更是提前洞察產業趨勢、精準選擇賽道、建構產業生態。 (AI科技銳評)