AI 生命物：本体论的三次位移

编者按

《AI 生命物》是一门面向美院雕塑系本科生的当代艺术课程，由任若溪主讲。

课程从一个具体的问题出发：AI 已经进入日常生活，艺术家应当如何面对它？常见的回答有两种，一种是学会用它，一种是抵制它。两种回答共享同一个前提：AI 是一件工具。本课程想绕开这个前提。我们把 AI 称为“生命物”。这不是说 AI 有生命、有意识，而是说它像生命体一样，靠物质、能量和关系维持自身，并且一直在变化。它值得被当作一个对象来研究，而不只是被当作一件工具来使用。

围绕这个主张，本文分三步展开，每一步回答一个问题：AI 由哪些部分构成（分体论位移，mereological）；这些部分靠什么关系连在一起（关系位移，relational）；连在一起之后，它如何行动（表演位移，performative）。三步层层递进，合起来是一种重新观看 AI 的方式。

〇｜工具的幻觉

和大语言模型（Large Language Model, LLM）的对话都从同一个画面开始：白色对话框，闪烁的光标。输入文字，等待，回复出现。ChatGPT、Claude、Gemini、元宝、Kimi，界面大同小异。你看不到的是，光标闪烁的那几秒里，一整套横跨大洲的计算设施在运转。看不到，是因为它被设计成看不到。

海德格尔（Martin Heidegger）有一组现成的概念可以说明这件事。《存在与时间》区分了人和物的两种关系：

• Zuhanden（上手）：物被顺手使用的状态。锤子在熟练的手里会“消失”，木匠想的是钉子，不是锤子。
• Vorhanden（在手）：锤子坏了，卡住了，它突然从动作里跳出来，变成一个需要打量的东西。这时人才开始问：它是什么？

过去几十年，交互设计的全部努力可以概括为：让所有人造物永远停在“上手”状态。设备不出故障，软件不报错，AI 有问必答。技术只以服务的形态出现，从不以“物”的形态出现。

LLM 把这种设计推到了顶点。可只要它一直顺手，我们就不会问它究竟是什么。追问在设计的成功里消失了。

当代艺术能做的介入，是把这个过程倒过来：让 AI 从“上手”回到“在手”，从一件顺手的工具，变回一个需要打量的物。打量的第一个问题是：它是哪一种物？

一｜第一次位移：AI 的边界在哪里

先从一件日常的东西问起。你口袋里的手机，边界在哪里？

按常识，手机的边界就是它的外壳。一把锤子等于木柄加铁头，一件物的部分应该都在眼前。哲学里管这类问题叫分体论（mereology），研究部分与整体。但手机不服从这个常识：它在你手里，也在千里之外的服务器里（你的云备份），在附近基站的定位记录里，在一条跨洲供应链的产品编码里。它的部分散落在地球各处。说它“大于其各部分之和”，不是修辞，是事实。

英国的设计教学中流通着一个说法，把这类东西叫作超级物体（Ultra-Object）：当物件通过网络、自动化和全球生产链彼此接通，它的边界就散开了，成为一种跨越多重时空的存在。这个说法正好落在两个更著名的概念中间。一端是提摩西·莫顿（Timothy Morton）的超物体（hyperobject, 2013），指一切大到无法整体感知的现象，气候变化是标准例子；另一端是本杰明·布拉顿（Benjamin Bratton）的堆栈（The Stack, 2015）。布拉顿说，行星上的计算已经垒成一个“偶然的巨型结构”（accidental megastructure），可以像网络协议一样分层读出：用户、界面、地址、城市、云、地球。六层，从指尖一直垒到矿层。布拉顿把这种尺度的计算称为行星计算（planetary computation），它是当前技术哲学讨论中最活跃的概念之一。

莫顿谈现象，布拉顿谈总体，“超级物体”落在中间：它专门谈人造物，谈一件被设计出来的东西如何溢出自己的边界。

三个词接在一起，可以说清 AI 的位置。一部手机是对堆栈的一次垂直切割：从指尖出发，一路挖到矿层。AI 是更彻底的切割：每一次对话，都同时贯穿这六层。对话框看起来是一件东西，背后是整个巨型结构。

这样的对象没法用普通的方式描绘。它需要一种新的图。

凯特·克劳福德（Kate Crawford）与弗拉丹·乔勒（Vladan Joler）2018 年的《Anatomy of an AI System》（一个 AI 系统的解剖）做的就是这件事。作品从一台 Amazon Echo 音箱开始，把从指尖到矿层的整条纵深摊开在一张巨幅图里：稀土矿、海底光缆、训练语料、标注工人、报废后的电子垃圾与渗出的毒物。这张图不是工程图，也不是社会学图表，它试图把一个 AI 系统的全部存在画进同一个平面。

2023 年，两人又完成了《Calculating Empires》（计算帝国）：一件宽达二十四米的黑底图谱装置，给这条纵深加上了五百年的时间轴——殖民航路、电报网络、监狱制度、数据中心，在同一卷图上连成一部相互塑造的历史。这件作品获得 2025 年威尼斯建筑双年展银狮奖。乔勒与哲学家马泰奥·帕斯奎内利（Matteo Pasquinelli）后来把这条路线的立场挑明：任何地图都只是局部视角，画图即是表态（《Nooscope》, 2020）。图不再是作品的说明书，图本身成了作品，而且是一件有立场的作品。

上海也有一个正在展出的参照：Prada 荣宅的《图式》（Diagrams，AMO/OMA，2026）收集了从十二世纪至今的一百五十多件图表。展品来自各个时代、各种文化、面对各种对象，人们反复用画图来理解和整理世界。它们和 AI 无关，反而因此成了旁证：用图来认识和研究对象，是一个跨越八个世纪的做法，而图表从来不中立。课程期间恰逢展期，展中的图表也成了课堂讨论的材料。

二｜第二次位移：AI 由哪些关系生成

边界问题之后是关系问题：散落各处的部分，靠什么连成一个整体？

布鲁诺·拉图尔（Bruno Latour）等人在 1980 年代提出的行动者网络理论（Actor-Network Theory，简称 ANT）给出了一个激进的回答，文献中常称之为关系本体论（relational ontology）。它的主张一句话可以说完：现实不分“人”和“物”两边，任何现实都是人与非人共同结成的网络。微生物、文件、法律条文、算法，只要能在网络里产生影响，都算一个行动元（actant）。网络里那些被固定下来、没人再追问内部的组合，拉图尔称为黑箱（blackbox）。上一节说的“上手”状态，就是黑箱的日常形态。

用 ANT 看 AI，“用户使用工具”这个图景就散掉了。屏幕前没有一个孤立的“你”在使用一个孤立的“它”。有的只是一张网：你、提示词、训练语料、领低薪的数据标注员、GPU 集群、冷却水、资本、监管条文。这些行动元一起工作，产出了被称为“一次对话”的那个瞬间。

ANT 进入艺术的标志事件是 2005 年的展览《Making Things Public: Atmospheres of Democracy》（公开物：民主的氛围），拉图尔与彼得·韦伯（Peter Weibel）在德国 ZKM 共同策划。展览不陈列物件，陈列的是物件如何被卷入公共争议的过程。策展从此多了一种方法。

和 AI 关系最近的作品来自刘窗（Liu Chuang）。《比特币挖矿和少数民族田野录音》（Bitcoin Mining and Field Recordings of Ethnic Minorities, 2018）用三屏录像追一条链：四川云南的水电站，比特币矿场，少数民族的迁徙，民歌的消失。这条链和今天 AI 的基础设施几乎重合：水电、算力、资本、偏远地区。作品不下因果判断，不说谁导致谁，只是把这张网追出来给你看。网只有被追踪时才显形。

两件作品共享同一个转变：艺术的对象从“物”移向了“对网络的追踪”。

不过，网并非静物。行动元来去不定，联结时紧时松，网络必须依靠持续的活动来维持自身。它如何活动，是第三次位移要回答的问题。

三｜第三次位移：AI 如何行动

前两步回答了 AI 由什么构成、靠什么连接。还剩最后一个问题：它如何行动？以何种方式与人打交道？

有一门学科专门研究这类问题。控制论（Cybernetics）创立于 1940 年代，常被当作 AI 的史前史一笔带过，但 1956 年斯塔福德·比尔（Stafford Beer）给它下的定义在今天听来格外准确：关于“极其复杂系统”的科学（the science of exceedingly complex systems）。所谓极其复杂，指的是那种无法被完整认识、无法被彻底掌控的系统——而今天的 LLM 恰恰就是这样一个系统：它由人造出，连它的制造者也无法完全读懂它的内部。我们造出了它，却读不懂它。

面对这样一个系统，存在两种姿态。一种是表征逻辑（representation）：相信数据够多、模型够好，系统终究能被算清，于是给世界建模，让 AI 答题——今天的产业主流走这条路，从训练目标到评测基准，整条链条优化的都是“答得更准”。另一种是表演逻辑（performance），来自科学史家安德鲁·皮克林（Andrew Pickering）对控制论的重读：既然算不清，剩下的选择就是与一个不可知的系统相处——不追求答对，追求跟上。皮克林与拉图尔同属科学论（science studies）的谱系，他的工作可以视为 ANT 的推进：拉图尔说现实是网络，皮克林说网络在表演。当然，这是理论上的区分，现实的 AI 系统两种成分都有，只是产业叙事偏爱前者。

于是本节的问题在这里就有了答案。AI 如何行动，取决于我们让它进入哪种逻辑：被当作答题机器，它就以表征的方式行动；被放进往复的回应里，它就成为一个共同表演者（co-performer）。艺术家的任务随之改变：不再是“使用 AI”，而是进入一场双方都会被改变的对话。

这个答案并非空想，它有七十年的艺术实践作证。戈登·帕斯克（Gordon Pask）1950 年代的音彩机（Musicolour Machine）随音乐生成灯光，还会“无聊”：输入一旦变得可预测，机器就停止回应，逼演奏者变换花样。人适应机器，机器也适应人，谁也不是谁的工具。这类装置不解释表演逻辑，它们把表演逻辑直接演给观者看：一个微缩的世界，其中没有发令的一方，只有相互适应的双方。

1968 年，这条线正式进入艺术。伦敦当代艺术学院（ICA）的展览《Cybernetic Serendipity》（控制论的意外之喜）把这批机器集中带进美术馆；同一年，批评家杰克·伯纳姆（Jack Burnham）在《Artforum》发表《系统美学》（Systems Esthetics），宣告文化正在从“以物为中心”转向“以系统为中心”，其理论资源即来自控制论。展览与理论出现在同一年，机器进入艺术机构的身份从此确立：参与者，不是静物。

半个多世纪后，这条谱系抵达了它最新的形态。皮埃尔·于热（Pierre Huyghe）2024 年在威尼斯 Punta della Dogana 的展览《Liminal》（阈限）里，开场作品是一个实时演算的人形，脸的位置是一团黑洞。它连着一个神经网络，靠展厅里的传感器获得知觉，行为实时生成，无法预测。另一件作品《Camata》（2024）让机器学习驱动的机械臂在沙漠里对一具人类骸骨执行某种仪式，影片由 AI 现场剪辑，没有定稿。于热称这个展览为一场“没有等级、没有决定论的仪式”。批评家卢克·斯克雷博夫斯基（Luke Skrebowski）等人正是沿着系统美学的谱系在讨论于热的实践。帕斯克以电子管上演过的世界，于热以神经网络再度上演。机器依旧不在描绘世界，它在与世界一起演。

机器之外还可以再退一步：物质本身呢？简·班尼特（Jane Bennett）的新物质主义（New Materialism）用物力（thing-power）来回答：物质会阻碍、推动、共鸣，会让人的计划跑偏，它参与行动，而不只是被动的材料。帕斯克证明机器可以这样，班尼特说物质本来就这样。

至此，标题中的“生命物”可以得到完整的界定。它指这样一类存在：不具有生物学意义上的生命，却具备生命的三个基本特征。有代谢，靠矿物、能源、劳动和数据维持自身，这是第一次位移看到的；有关系，在人与非人的网络中生成，这是第二次位移看到的；有行为，回应世界，并在回应中改变自己，这是本节看到的。活跃不等于活着。AI 不是活物，但它满足这三条。称它为生命物，是一个描述，而不是一个比喻。

回到两种逻辑。它们各有一幅空间图像。德勒兹（Gilles Deleuze）与加塔利（Félix Guattari）在《千高原》（A Thousand Plateaus）第十四章里对比过织物与毛毡。织物（fabric）由经线纬线织成，空间被格子管住，“点到点”，每一步都有固定的位置。毛毡（felt）没有经纬，只有纤维的纠缠（entanglement）：没有顶端，没有底部，没有中心，原理上向所有方向无限展开；它不是拼合出来的，是纠缠出来的。表征逻辑住在织物里，表演逻辑住在毛毡里。

今天流行的 Vibe Coding（氛围编程）落在这两幅图像之间。写代码原本是织物式的：语法严格，错一步全错。用自然语言向 AI 描述“我想要什么”，让它补全细节，则更像毛毡：给一个方向，路径在对话里长出来。这种松动并非工具自带。LLM 骨子里仍是一台表征引擎，同样可以用来更快地量产代码，成为一种更便捷的外包。它能否成为共同表演，取决于人和它形成怎样的关系：在反复的试探、误解与修正中，主导、跟随、协作、投射，都有可能。本次课程的 Vibe Coding 实践，是这一方法论的技术呈现，也是它的反复验证：学生以 Vibe Coding 进行创作，课上一起讨论，各自与 AI 的关系各不相同。把这层关系拿出来讨论，本身就是创作的一部分。自然语言不是中性的接口，人一旦开口，就把自己的表达习惯和社交经验一并带了进来，人机关系由此获得了人际关系的复杂性。对艺术家来说，这里打开的是一片新的题材：这种关系本身，就值得被观察、被塑造、被展出。

四｜艺术家的任务：让不可见显形

三次位移至此走完：

• AI 是一个 Ultra-Object（超级物体）：它的部分跨越行星地理与深层地质时间。
• AI 是一个 actor-network（行动者网络）：它由人与非人共同结成的网络持续生成。
• AI 是一个 adaptive system / co-performer（自适应系统 / 共同表演者）：它不是单向地表征世界，而是与世界相互调适地共同生成。

三个回答不互相取代，三层叠在一起，构成一种复合的观看姿态。

以这种姿态面对这样一个对象，落到艺术家肩上的问题是：可以做什么？课程给出的方向是：让不可见显形。不是把 AI 的内部翻译成漂亮的图解，而是让分散的部分、隐藏的关系、进行中的行动变得可见。

从这个方向出发，课程把自己的工作方式命名为图表思维（diagrammatic thinking）。它由三个动作组成。追踪：沿着对象的物质与关系一路调研——它的历史，它靠什么运转，谁拥有它、维护它。绘制：把追踪到的关系画进一张图；画什么、不画什么都是选择，每一张图都是一次表态。追问：最后回答一个非技术的问题——它为什么存在？谁在其中获利，谁被算进去，谁被漏掉？技术问题至此变成政治与伦理的问题。克劳福德的解剖图、拉图尔的网络、德勒兹的毛毡，是这种思维的不同形态。图式不是展品，是方法。

三次位移最终落在课程的两个作业上：一项以 Vibe Coding 与 AI 共同创作，一项以图表思维追踪一个超级物体。作业不是论证的附录，而是论证的归宿。两项作业与六位学生交出的回答，将在下一期呈现。

延伸阅读

• Kate Crawford，Atlas of AI（Yale University Press, 2021）
• Benjamin Bratton，The Stack: On Software and Sovereignty（MIT Press, 2015）
• Andrew Pickering，The Cybernetic Brain: Sketches of Another Future（University of Chicago Press, 2010）
• Jane Bennett，Vibrant Matter: A Political Ecology of Things（Duke University Press, 2010）
• Gilles Deleuze & Félix Guattari，《千高原》（A Thousand Plateaus）第十四章

本文据《AI 生命物》课程内容整理。文中理论与作品名称首次出现时保留英文原文，便于读者检索。