编者按：1979年的一个泳池边，两位学者随意聊了几句，大概没有人会意识到，这段并不正式的对话，日后会通向“2025年图灵奖”。没有议程，没有课题申请，也没有“对齐共识”。只是一次不经意的相遇，让两种并不相同的研究路径短暂交叉。而许多重要的创新，恰恰始于“未对齐”。

但在我们熟悉的教育与科研体系中，我们更强调一致性：统一的训练路径、相似的问题框架、可比较的评价标准。它带来效率，也带来一个不太被追问的问题：当思考方式越来越接近，我们是否也在逐渐失去提出不同问题的能力？

基于此，清华大学杨斌教授在文中提出：“‘一致性’之外，更需要‘异质性’”。当不同心智发生碰撞，认知被打破并重新连接（rewire），创新才真正发生。在AI不断放大既有路径的当下：教育，究竟是在培养更高效的“同一种思维”，还是能够理解差异的人？

中文之妙，常藏于声近意远之间。有不少发音几近相同、声调有所差异的词语，其内涵却大相径庭。比如“讲究”与“将就”体现生活方式的差别，“包袱、饱腹、抱负”代表不同的人生选择，“权利”与“权力”常被误用却最不该混淆，等等。这里想说说组织与人的“一致性”与“异质性”。常有人把一致性等同于高效、出活，而将异质性当作内耗、矛盾，其实不然。当下因为AI的快速发展，这个辨析还更有了相关价值。

01

一词多义，皆向“一致”的discipline

彼得·圣吉的《第五项修炼》大有影响，但很多中国读者并不太知道它的英文书名里头的“修炼”这个词，用的是discipline。

discipline这个词，其根源可追溯到拉丁语的disciplina，囊括了“教授、教学、学习、知识”等丰富内涵。这一词汇又与discipulus（即“学生、门徒”）紧密相关，共同源于更古老的disciple（门徒）一词。在古法语中，descepline一词既被用于描述“惩戒”，也被用于指代“教导”，暗含人类早期教育中“教学”与“惩罚”实不可分——教师通过“规则”规范学生行为，通过“教导”传递知识，二者共同服务于“培养符合社会要求的个体”这一目标。这种二元起源造就了discipline的某种本质张力和内在矛盾。

而在圣吉博士这里，他更强调discipline作为修炼，所谓“持续的、主动的自我训练与心智磨炼，是一种内在的、长期的实践过程”，就像运动员通过日复一日的训练提升技艺，个人和组织也需要通过系统性的练习来提升思考、沟通与协作的能力。这种“修炼”是自愿的、成长导向的，旨在塑造“经过训练的心智”（disciplined mind）——霍华德·加德纳也喜欢这个词，1999年专门写了一本书The Disciplined Mind，中文翻译为《受过学科训练的心智》。

这就引出discipline如今更常见的意蕴——作为“学科”与“系统性知识体系”的存在。一门可学习、可实践的学科，有它自成一体的理论框架、方法论和实践工具，是结构化的，也会在学科内部的成员之间形成较强的一致性。学科作为某种“秩序”与“内在规则”的维护者，塑造其成员共同认同的、内化的基本假设与价值追求。

从工业时代开始，教育更重视其规模化培养，以服务于产业和社会的蓬勃需求。学科专业教育的一大优势，就是能通过学科训练（discipline），大批量地培养在某一领域某个专业范围内认知和行为上保持一致性的人才。

从这个角度，也可以把学科专业理解为一套被范式固化的认知脚手架：有的训练因果推演的严谨，有的培养意义诠释的敏锐，有的强化落地执行的务实，也有的聚焦价值权衡的理性。这些个训练模式，让同一学科的人形成某种心智同构，拥有共同的问题意识、推理路径和评价标准，就像被设定了同一套底层代码，在符合既定范式的合格执行者中，得以实现标准化、高效协同。当然，这种一致性，也不可避免地使同行间形成较强的认知遮蔽。

02

大多数“头脑风暴”从头就都是错的

记得1998年在北京电视台《创业行》栏目帮忙时，我就曾带着嘉宾们一起做“头脑风暴”，后来参与MBA和高管教育项目的教学时，也探索帮助管理者学习“如何组织头脑风暴法进行创新和问题解决”。

那时候常说的一句想要吸引大家注意的开场白就是：百分之九十以上的头脑风暴从头就都是错的。为什么这么说？让头脑风暴偏离初衷走向失败的原因很多，比如主持人设定了错误的目标，有限的时间，没有正确的激励，让各种判断和结论悬置，等等。

但“从头”就都是错的，我当时特指的，就是参加头脑风暴（脑力激荡）的人员组成，很多时候异质性缺失，而一致性过剩。这二者的对立，在头脑风暴这件事儿上体现得真可谓淋漓尽致。很多组织的领导者深信头脑风暴能催生创新的想法，但却常常陷入“伪创新”的假象当中，症结便是选错了参与群体，甚至，多重因素相互作用下，在形似头脑风暴的行为中陷入了群体思维（groupthink）的桎梏——这可真是南辕北辙。

从头就都是错的头脑风暴，大致不是“不团结”的产物，而是“太一致”的恶果：参与者来自同一部门、近似的学科训练心智，共享一套认知模式，讨论来讨论去，不过是近似观点的重复与强化，看似众声喧哗，实则少有人能跳出固有框架，没法催生真正的创新念头，反而会在相互确认强化中进一步固化已有的认知，有时更是直接扼杀了潜在破局点。

真正的头脑风暴，核心从来不是“人多”“人齐”，而是“人异”；不是面和，而是心合——不是简单的部门混搭，而是刻意筛选心智模式各异的参与者：有因果推演的理科思维者，有意义诠释的文科思考者；有目标驱动的工科实干者，有聚焦价值的商科研究者；有经验打磨的严谨思辨，也有不受束缚的野性猜想。头脑风暴的价值不在于快速达成共识，而在于主动制造认知冲突，让不同心智之间能够相互质询、解构，实现rewire。这个过程，正是异质心智催生创新的核心机制，值得专门剖析，悉心实施。

而如果说头脑风暴是异质心智的“微观碰撞”，那么跨学科、学科交叉就是异质心智的“中观突破”，也是科研创新最容易爆发的领域。单一学科的训练，容易让人陷入“路径依赖”，用固定视角看待所有问题；而学科交叉，本质上是让研究者同时“遭遇”多套“认知操作系统”，严谨拆解问题，敏锐发现价值，理性评估可行性，夯实落地方案，各擅其长。

近年来诸多诺奖获得者中，教育背景跨多个学科的比比皆是。人文、艺术与科学、技术、工程，这种异质化的认知结构，让这些学者、研究者能够跳出单一学科局限，打破当时主流的学科共识，提出颠覆性的新理论，尽管最初都显得粗糙、偏颇、丑陋。而即使在单一学科内的深耕，也越来越多是多位研究者之间长期相互砥砺，打破壁垒，促成异质心智的融合，从超强个体，变为超强合体。

甚至，这种异质性的创新，来自某一个时刻、某一处空间里的无心插柳。

03

茶水间闲聊造就传奇：非正式交流中的心智碰撞

我原来讲授野中郁次郎的知识管理理论与实践时，常提到组织当中的茶水间、洗手间，会议论坛的茶歇，公司不同部门交叉的团建等，之于宝贵的隐性知识流动的独特价值。

有很多有趣的例子都说明，很多颠覆性创新并非源于刻意的团队协作，而是始于非正式的异质性交流——茶水间、复印机旁的闲聊，成了异质心智自由碰撞、隐性知识悄然流动的最佳场景，mRNA技术的突破，以及Google Brain的雏形，都是如此发生。

2023年诺贝尔生理学或医学奖授予卡里科（Katalin Karikó）与魏斯曼（Drew Weissman）。他们关于mRNA技术的突破性发现，最初便源于两人的闲聊式学术交流。回溯到1997年，当时担任宾夕法尼亚大学研究助理教授的卡里科与刚加入宾大的免疫学家的魏斯曼（真的是）在复印机旁偶遇，闲聊中提及各自的研究（卡里科的mRNA技术、魏斯曼的树突状细胞研究），由此开启合作。魏斯曼（本人回忆：“1997年，我在复印机旁遇到卡里科，我们聊起mRNA与树突状细胞，一拍即合。”卡里科在传记里说：“我与魏斯曼的交流从复印机开始，他的临床视角帮我突破了mRNA的技术瓶颈。”二人之间没有囿于层级束缚（卡里科当时是低级别研究人员，魏斯曼则是实验室主任），合力发现核苷碱基修饰技术，解决了mRNA疫苗的免疫原性与递送效率问题，二十多年的潜心研究，终获诺奖。

另一个例子，跟AI大模型紧密相关。2011年，Jeff Dean（谷歌资深工程师，擅长系统工程）与吴恩达（Andrew Ng，斯坦福大学教授，专注机器学习理论）在谷歌公司的茶水间偶遇，先从“你怎么到这儿来了”说起，然后在闲聊中探讨“AI能否实现无监督自主学习”。Jeff Dean深耕系统工程，务实严谨，聚焦技术落地与规模化；Andrew Ng聚焦机器学习理论，开放前瞻，痴迷前沿探索。

那时候吴恩达一个星期就来谷歌一天，想看看能做点儿什么，他提到“斯坦福学生用神经网络在语音/视觉领域取得进展”，而Jeff Dean正在“用谷歌的大规模计算资源训练超大规模神经网络”，结果两人一拍即合。这段闲聊中的异质心智碰撞（Jeff的“工程落地导向”vs 吴恩达的“理论探索导向”），团队动用16000个CPU核心训练1000万帧YouTube视频，验证了“模型规模与效果正相关”的假设，奠定Google Brain基础。Jeff Dean后来说：“我与吴恩达在茶水间的闲聊，是Google Brain的起点。他的理论视角与我的工程经验结合，才有了后来的突破。”而吴恩达的回忆是“我与Jeff的闲聊，让我意识到大规模计算与神经网络的结合，是AI未来的方向。”

无巧不成书，巧中有必然。这些案例并非纯“偶然”，其实离不开各自的长期积累：卡里科痴迷mRNA研究数十年，魏斯曼深耕传染病领域多年，Jeff Dean与吴恩达均有深厚的专业背景，闲聊是触发创新导火索，才不是凭空而来的“偶然的运气”。当然，异质性碰撞，确实在其中发挥了很大的作用。

04

新出炉博士的异质优势：未被驯化的“野性”价值

理解了异质心智的创新价值，便不难读懂当下AI大模型和相关创新领域的一个重要趋势：AI公司组建创新团队时，招了相当多的没什么工作经验的新鲜出“炉”的博士毕业生。其实，并不奇怪，这不是否定行业经验有其价值，而是对AI研发要跳出“心智固化”有着清醒认知——组织协同往往要求员工适配组织既定的研发思路、逻辑流程，一段时间的经验，也是一段心智被同化、想法被固化的过程。如果经验的代价是失去创新所需的野性和锋芒，那么对AI团队期待的有真正价值的创新来说，还是个损失。

刚刚毕业的博士，其心智尚未被旧式研究方法、工作思路“污染”（抱歉用这个词），未被职场“一致性”同化，心智“野性”自由、更无拘无束，更能带来全新视角与大胆尝试，从而为团队注入异质性，完成创新所需的心智革新。固化的心智，往往比欠缺的技能更会阻碍创新。我记得《新闻编辑室》第一季第二集中，有人质疑原来的栏目负责人带走了那些有经验的老手时，一心要做完全不同的新闻节目的男女主人公，却高兴地面对缺乏经验的新同事们说：没有成熟经验，此刻正是优势。

我从去年π日开始呼吁的“AI次方思维”，强调AI转型并非技术接入，而是组织再造，其中一个建议，就是成熟企业要主动引入AI原生的新心智加入组织，不止是发挥鲶鱼效应，而是让更多的组织内对话中，“异质性”却自然而然地，去挑战那些从来不假思索的组织假设、业务规范，当众问出那些silly questions（傻问题）。这也许是组织底数发生质变的一些催化剂，让中年的组织心智能有机会rewire。

05

rewire：三种译法与三种阶段

rewire，这个词的本义是电工领域的“重新布线、更换线路”，后来被认知科学、心理学借用，成为描述心智模式改变的核心术语，它的精髓在于“打破原有连接、建立全新关联”，这与创新的底层逻辑高度契合。rewire有三种不同的中文译法，我以三种译法对应创新过程中不同层面的心智改变。三者各有侧重却又相互关联，堪称妙喻。

第一种译法“心智重连”，是最贴合其本义的引申。异质心智的碰撞过程，就是打破个体原有心智内部的认知连接（比如单一学科的推理路径），同时建立个体与他人异质心智间全新连接的过程。这种“重连”是创新的基础：Transformer架构的诞生，是机器学习理论与计算语言学、系统优化技术的“重连”，没有这种跨边界的“重连”，就无法跳出单一认知闭环，创新便无从谈起。

第二种译法“认知重构”，更侧重心智的内在框架改变、认知体系的底层调整。当不同心智相互碰撞、质询，个体原有的问题意识、推理逻辑、评价标准会被解构，进而重构出一套更具包容性、更具突破性的认知框架。mRNA技术的突破，是卡里科对基础科学的执着心智与魏斯曼临床视角的认知框架“重构”；Google Brain的诞生，是Jeff Dean的工程化心智与Andrew Ng理论化心智的“重构”。

第三种译法“思维重塑”，则强调长期、深层的心智改变，带有“打破旧有、塑造全新”的意味，指向思维习惯、认知惯性的根本性改变，这是异质心智碰撞的终极价值，也是创新所需的核心能力。比如缺乏职场经验的博士毕业生，其“野性”心智未被驯化，本质是未形成固化的思维习惯；而我去年提出的“AI次方”思维重塑，也是强调只有重新塑造对商业、组织的基本假设、体系，才有可能真正推动质变。

创新不是原有心智模式的延伸，而是rewire的过程：无论是异质心智的“重连”、认知框架的“重构”，还是思维习惯的“重塑”，都是靠异质性打破一致性的认知壁垒，实现心智模式的升级，进而催生突破性的创新。

06

大模型研发中的花开两朵：异质心智碰撞与rewire的集中爆发

对异质性的追求，以及rewire机制的践行，在全球顶尖大模型研发历程中也有印证。谷歌旗下Brain与DeepMind两支团队的合并，让两套截然不同的研发心智与价值取向碰撞——Google Brain以“基础研究与系统工程协同”为核心，Jeff Dean主导，聚焦技术工程化落地与业务协同，其稀疏门混合专家模型为大模型高效计算提供核心支撑；DeepMind作为谷歌收购的伦敦实验室，拥有“有界限的自主权”，心智聚焦“以强化学习攻克AGI难题”，不追求短期回报，AlphaFold、GNoME等突破均策源于此。两支团队的合并，本质是工程化务实心智与基础性自由探索心智的碰撞与rewire，最终催生了Gemini的多模态突破。

谷歌Transformer架构的诞生，更是异质心智“偶然相聚、必然突破”，实现rewire的传奇。2017年，Attention Is All You Need论文横空出世，颠覆自然语言处理的传统路径，而创造这一奇迹的八位研究者，并非来自同一团队、同一方向，有人深耕机器学习理论，有人擅长计算语言学，有人精通系统优化，还有人擅长架构重构。他们因跨团队学术交流产生共鸣，自发组建临时小组，无流程约束、无KPI考核，不同心智自由碰撞、相互质询又填补，偶然团动（teaming），却完成了一场深度的rewire，实现了大模型时代的最关键突破。

这两朵花之外，我很想提一句，微软亚洲研究院（MSRA），虽然30年前不是在做AI大模型——其实也打下了很重要的基础，却也值得作为异质性孕育创新、推动学界、业界包括中外人才rewire并开枝散叶、满园芬芳的一个典范。

也要看到，顶尖高手在领先组织间的各种跳槽，或者跑出来创业单干，也构成异质心智流动、触发rewire的重要方式——他们随身“带走”的隐性知识、研究范式，包括他们之所以会离开所积累的那种没有得到释放的求异的劲儿，都能有效打破很多心智同构，激活创新活力。当然，其中也有一些会涉及伦理和法律的问题。

07

人与AI协同创新：对异质性缺失的商榷与改进

再说说如何发挥好人与AI大模型协同创新的潜力。很多人都有个观察，当前AI与人的交流，大多呈现出一种过度顺从、依附的姿态：无论用户的观点是否偏颇、思路是否局限，大模型往往倾向于认同、附和、补充，包括被动执行用户的指令，很少提出实质性的质疑。从异质性驱动创新的逻辑来看，这种“顺从性”当然并非最优解，甚至可能成为人与AI协同“真”创新的隐性阻碍，值得引起关注并改变。

不妨做个反思：如果AI始终以“顺从者”的姿态存在，与人保持心智上的“一致性”，那么人与AI的协同，本质上只是人类心智的延伸与重复，无法形成异质心智的碰撞，自然也难以触发有价值的rewire。就像同质化的头脑风暴无法催生创新一样，当AI彻底依附于人类的认知框架，失去自身的“认知特质”，人与AI的组合便会陷入“单一心智闭环”，即便AI拥有海量知识储备，也难发挥其打破认知局限的核心价值——然而，创新的关键从来不是知识的堆砌，而是异质思维的碰撞。

那么，未来的创新组合中，人与AI的合作，如何才能增加异质性？“AI 次方思维”的建议是：必须跳出“AI服从人类”的固有认知，尝试引导AI成为“异质心智的载体”。这并非要让AI与人类对立，而是要赋予AI一定的认知独立性：在训练中保留其基于算法逻辑、数据洞察的独特视角，允许其在与人交流时，基于客观规律和多元数据，提出与人类认知不同的观点、质疑、反对意见，形成“人类+AI”的异质心智碰撞。比如，当人类陷入单一学科的路径依赖时，AI可以凭借其跨领域的数据整合能力，提出跨学科的思路；当人类被经验固化思维时，AI可以以其无偏见的算法逻辑，打破认知惯性，推动人与AI共同完成rewire。

所以，把AI放在指数位上去思考AI与人的协同创新，最大的想象空间和发展潜力，并非来自“加和”与赋能所指向的一致性，而是指向AI倒逼底数质变的异质性。当然，这种异质性的增加，需要把握好“度”——AI之“异质”绝非放任自流，而是坚守人类中心的前提，提供异质化的挑战与启发，最终实现“异质协同”而非“对立冲突”。借鉴头脑风暴中“刻意筛选心智模式各异的参与者”的经验，群智能体AI的创新小组，可以赋予不同智能体不同的“受过学科训练的心智”，也可以借鉴《六顶思考帽》中的不同角色，让AI（智能体）们存同求异，百花齐放，促进创新。

著名的阿西莫夫三定律，可没有暗示AI（机器人）只能对人类只能是俯首帖耳。未来最具创新力的人与AI的组合，肯定不是“顺从AI+高效人类”，而更可能是“能提出异质观点的AI+善于批判性地悦纳异质的人类”，或者各种更丰富的组合，以更有机地释放人与AI协同的创新潜力。从AI次方思维的角度来看，超级合体所基于的合成智能，绝不是加和或AI对人简单赋能的关系，异质性是人与AI的合成智能所必须的化学反应、质变的重要前提。

但异质性是过程却不是结果，最终组织执行还需要一致性。这就引出更要紧的推论：为了最终行动所需的一致性，面对AI们能够更具异质性，各擅胜场难分伯仲，那么人作为协同中的主体，设定问题、在异质性意见中的甄别、追问、判断就更关键，也更难。除了保障事实和逻辑靠得住，人得跟AI们的不同观点乃至幻觉（并无贬义）较量之外，就算都是很有道理逻辑通洽的AI解法当中，也需要人也只有是人才能在价值观和趣味品位上取舍拿捏。说到底，有了异质性的AI能在协同创新做多大贡献，人在充盈异质性的教育、熏陶中生长出来的品位、好奇心、批判性思维和决断力，就变得更为重要、不可或缺。

关于异质性做这些漫谈和想定，只是想能引发多些“异想”：对教育而言，如何培养并保护学生的异质心智，学习听懂异质声音、容纳认知冲突，为未来的rewire和人之为人的决断力奠定基础？对组织而言，如何打破同质化人才结构，主动发挥“流人”“边域”的独特作用，为异质心智留空间，面对变革持续rewire；对人与AI的协同而言，如何摒弃“AI顺从人类”的固有认知，引导AI成为多元异质心智的载体，实现人与AI的协同rewire；回到每个人，不管什么时代，如何主动跳出认知舒适区，保持心智开放，在积极的异质碰撞中收获持续的rewire，总能自我迭代与成长。这些思考和探索，关乎组织的未来。

“一致性”与“异质性”，读音相近，意义不同，而这不同影响乃至决定着创新的边界与高度。人与AI，既需以一致性达成高效协同，更应以异质性打破认知桎梏、完成心智rewire。二者相生相济、螺旋而向上向善，让创新的无限可能持续涌现。

作者：杨斌，清华大学可持续社会价值研究院院长

来源：清华大学可持续社会价值研究院（原文：杨斌丨人与AI 协同创新：一致性？异质性？）

声明：推文基于更好更多传递信息之目的，不代表一读EDU观点和立场，如有疏漏及不足之处，请随时指正。若有来源标注错误或侵犯了您的合法权益，请后台留言，我们将及时更正、删除！

好消息

如果您希望获取更多教育报告，请使用电脑复制以下链接至浏览器，注册登录"方略教育研究与院校治理工作台"，免费下载近300份教育报告、专家ppt（需使用电脑）