�Understanding the sense of self through robotics�narrative aspect of the self�the sense of agency�

“勤)奋”叙[事难纾德国之困

2026年2月27日，德国总理默茨在结束首次访华行程回国后，在基督教民主联盟（简称“基民盟”）竞选活动中发表演讲时直言：“工作与生活的平衡和每周四天工作制无法维持德国的长远繁荣，我们需要更努力。”

2026年2月26日，杭州，德国总理默茨率团参访宇树科技。视觉中国 图

此次访华行程让这位德国总理对中国在人工智能、新能源汽车、智能制造等领域的快速发展有了更加直观的感受。其言论折射出德国经济面临的严峻挑战：根据德国联邦统计局公布的初步数据，德国2025年GDP增速仅为0.2%，远低于东欧欧盟成员国普遍高于2%的增速。德国经济在2023年和2024年连续两年收缩，工业产出大幅下滑。德国工业联合会估计，到2030年德国需要追加1.4万亿欧元（约合1.6万亿美元）投资才能维持其全球竞争力。更严峻的是，超过三分之一的德国工业企业正考虑将生产转移至海外。在汽车产业这一德国传统优势领域，中国新能源汽车的崛起给德国车企带来了前所未有的竞争压力。欧洲最大经济体正面临深层次的结构性矛盾。

尽管默茨的言论在演讲现场赢得了热烈的掌声，然而其言论后续引发了德国国内外广泛而激烈的批评。德国工会联合会主席批评默茨制造了“有毒的讨论”，认为他将经济竞争力下滑归罪于员工，而非企业投资不足、科技创新滞后和政府政策失误。

哪怕被“奉承”的中国人民也不尽买账。“人民日报评论”公众号反驳：“这些创新成果，不是靠‘多熬两小时’堆出来的，而是靠标准制定、产业整合、基建通达、工程师红利与政策响应等协同爆发。当有些人还在用‘拼时长’来丈量中国发展时，中国早已跃迁为以制度韧性、技术密度、组织效能与文明厚度为支撑的全新发展范式。”

3月6日，英国阿斯顿大学经济学教授杜君（Jun Du）在世界报业辛迪加（Project Syndicate）刊文认为：“强化工作伦理，救不了发达经济体。”

在她看来，默茨开出的“更努力工作”这剂药方，反映出他对问题的误判。将工作时间与生产率混为一谈并未抓住重点。德国的年工作小时数在经济合作与发展组织（简称OECD）国家中属于最低之列，但其每小时产出却位居世界前列，约为中国的三到四倍。从已故的诺贝尔经济学奖得主罗伯特·索洛（Robert Solow）在20世纪50年代提出其基础增长理论以来，经济学家们便已理解，发达经济体的增长并非通过额外的劳动投入实现，而是依靠资本深化（即工人人均资本的增加）、技术进步以及全要素生产率的提高。

杜君表示，默茨在杭州所见证的成就并非源于更长的工作时间，而是大规模定向投资的结果。中国之所以成为科技强国，并非因为人民熬夜苦干，而是国家在生产力方面进行了战略性投入，有意识地培育了欧洲甚至难以理解的产业生态系统。过去五年间，中国的研发支出增速近乎美国的两倍，到2025年已达到GDP的2.8%——首次超越了OECD的平均水平。

然而总量数据只揭示了部分事实。真正令西方访客产生“认知冲击”的，在于微观层面中国生产生态系统的独特性质。遵循经济学家迈克尔·波特（Michael Porter）的产业集群理论，中国培育了地理上高度集聚、相互关联的企业群落，这些集群通过知识溢出与激烈竞争持续驱动生产率提升。

与此同时，德国的困境有着显而易见的结构性成因。国际货币基金组织将其归咎于人口老龄化、长期投资不足以及过度繁冗的官僚程序。自俄罗斯天然气供应断绝以来，能源成本飙升加速了能源密集型产业的空心化，约20%的工业产值创造目前面临风险。在“债务刹车”（一项将结构性赤字限制在GDP的0.35%的宪法规则）下实施多年财政紧缩后，数字和实体基础设施均已恶化，其中小企业采用自动化的速度也慢于东亚竞争对手。

杜君强调，这一切都与德国的工作伦理毫无关系。事实上，默茨自己所在的联合政府协议也承认，有必要对“债务刹车”进行里程碑式的改革，并设立一个数千亿欧元的基础设施基金。这些都是朝着正确方向迈出的步伐。但仅靠基础设施支出无法弥合生态系统差距。被默茨的“斯达汉诺夫式”（斯达汉诺夫运动是20世纪30年代苏联在第二个五年计划时期发起的全国性劳动竞赛运动）言论所回避的更棘手的问题是：在竞争前沿已然改变的世界里，如何重建一个发达经济体的生产力架构。

杜君认为，基本的要素并不缺乏。缺失的，是诚实地界定问题本质的政治意愿——这应被视为一个制度设计的挑战，而非态度问题或文化缺陷。政策制定者应专注于根据本国具体制度背景来校准解决方案，而非求助于空洞口号。德国并非唯一面临此困境的国家。生产率之谜困扰着几乎每一个发达经济体——从停滞的脱欧后英国，到焦虑地经历去工业化的法国，再到在自身制造业衰退中挣扎的美国。默茨从中国寻找答案的直觉是正确的，但他带回的却是错误的答案。

杜君最后引述了社交平台X上的一条推文表示，告诉德国人“更努力工作”，就像在对一匹马说“跑得更快些”，而另一边却已经发明了内燃机。在一个已然破损的架构中增加工作时间，只会让你更快地抵达错误的目的地。

实际上，访华见闻只是一个由头。早在访华之前，默茨就已经发表过类似言论，反映了联合政府内部在福利和劳动力市场政策上的斗争。默茨所在的基民盟正在谋求禁止雇员享有兼职工作的法定权利。

根据英国《卫报》1月26日的报道，目前，欧洲最大经济体德国的每一位雇员都享有从事兼职工作的基本权利，许多人——尤其是女性——通常出于照顾子女或年迈亲属的原因而需要选择这种工作模式。但代表德国中小企业的基民盟认为，由于经济正遭受缺乏熟练工人的痛苦，任何人都不应享有法律的权利去做它所称的“生活方式兼职工作”（lifestyle part-time work）。在经济增长乏力、亟待改革的压力下，保守派的默茨向选民表示，若继续推行“每周四天工作制”并追求“工作与生活的平衡”，国家将难以维系现有的繁荣水平。他更直指民众存在“谎称病假”的变相怠工行为，批评当前通过电话就能轻易从全科医生处获取病假证明的机制过于宽松。然而，即便在基民盟内部，这一政策也面临争议和挑战。

默茨的政策并非自找麻烦、无的放矢。根据德国就业研究所的数据，2025年第三季度该国兼职就业率上升至略高于40%，部分原因在于健康、社会服务、教育与教学等领域的就业增长，以及全职工作更为普遍的制造业就业人数下降。相比之下，2025年英国兼职就业率约为24%，2024年法国略低于18%。在这些人中，德国76%的兼职工人为女性。去年，OECD指出，德国经济受挫的部分原因在于女性和老年人未能充分融入劳动力市场。

默茨的言论，折射出德国政治在结构性改革前的无力与逃避。默茨政府回避了“房间里的大象”——人口老龄化、长期投资不足、过度官僚主义、俄罗斯廉价能源断供导致成本飙升等核心矛盾，转而将矛头指向社会文化领域，试图通过“鞭策”劳动者延长工时、削减福利来换取短期动能。在内忧外困之下，他只能如同一个“裱糊匠”修补漏屋，却无法重塑地基。

默茨的言论，与其说是一项经济政策主张，不如说是一面映照出德国乃至后工业社会核心文化焦虑的镜子。“更努力工作”，叩响了韦伯在《新教伦理与资本主义精神》中阐述的经典命题。德国，尤其是其传统工业核心区的经济崛起，植根于新教，特别是加尔文宗的“天职”观念。这种伦理将世俗职业劳动神圣化，视勤奋、节俭、纪律和理性组织为荣耀上帝并确证自身恩宠状态的方式。它孕育了德国制造背后的纪律理性、精益求精和长期主义。当默茨以中国社会展现出的高强度奋斗节奏为参照时，他看到的是一种仿佛早期资本主义工业化时期般的、对劳动和生产率的集体性专注。这种观察激发了一种文化比较的危机感：当昔日的“天职”精神在发源地被“工作与生活平衡”的诉求稀释之时，它是否在另一个文明中以世俗化的形式焕发新生，并成为全球竞争力的新引擎？

然而，默茨的言论又让人产生一种强烈的时代错位感。一边是未来能源、量子科技、具身智能、脑机接口、6G等未来产业正在酝酿新的生产力革命，将我们不可逆地推向“后人类时代”；另一边是一个老牌工业强国的领导人，却在用近乎“前现代”的工作伦理词汇来唤醒国家竞争力。在不确定的惊涛骇浪中，人们首先会去抓紧最熟悉的船舵。但是，当凛冬来临之时，他想出的“多穿旧衣服”的办法，可能无法抵御全新的气候。

从机器人“合成自我”重思人类本质

当下，生成式人工智能已经能够以第一人称流畅地讲述“我”的感受，社交机器人可以优雅地模仿人类的情绪表达并与人类用户展开动人的情感交流，“机器人是否可以拥有自我意识”不再只是科幻作品中的命题，而成为了摆在哲学、神经科学、人工智能等领域面前的现实问题。而神经机器人学（neurorobotics）的前沿研究，正在为“自我是什么”这一古老谜题带来新的解答角度。

近日，英国谢菲尔德大学计算机科学学院的认知机器人学（cognitive robotics）教授托尼·普雷斯科特（Tony Prescott）发表了相关文章，他指出，想要更好地理解人类的自我本质，最好的方式是为机器人构建一个具备自我感知、能产生稳定主观体验的“合成自我”。有关这种“合成自我”的研究跨越了认知机器人学、神经科学、发展心理学与哲学诸学科，它将抽象的自我理论转化为可操作的机器人实验，以此反向拆解人类自我的构成与演化逻辑。在人机边界愈发模糊的技术趋势下，创造机器人的“自我”，最终是为了读懂人类的“自我”。

在2024年，普雷斯科特就出版了《人工智能心理学》（The Psychology of Artificial Intelligence）一书。此书认为，人工智能要想达到甚至超越人类智能，就需要拥有类似于人脑的架构——其中有多个分别擅长不同能力的人工智能，它们连接成一个更大的智能系统。通过构建更接近于人脑的人工智能并将其用于机器人，将使机器人帮助人类更好地理解世界和自身。在同年发表的论文《通过机器人技术理解自我意识》（Understanding the sense of self through robotics）中，他提出：机器人的具身性使我们能够设计并检验关于自我本质的假设，包括自我的发展和自我在行为中的体现，以及人类、动物乃至机器中“自我”的多样性。而在近日发布于Aeon平台的《合成自我》（The Synthetic Self）中，普雷斯科特具体地介绍了机器人“合成自我”的理论基础、实验探索及其对反向理解人类“自我”的价值。

一、“自我”：“I”与“Me”的二元性谜题

“无论我在想什么，我总是或多或少地同时意识到自己，意识到我的个体存在。与此同时，正是‘我’在意识到这一点。因此，我的整体自我仿佛是二元的——一部分是被认知者，一部分是认知者，一部分是客体，一部分是主体。这必然包含两个不同的面向，为简便起见，我们可以将其中一个称为‘Me’，另一个称为‘I’。”这是“美国心理学之父”威廉·詹姆士在1894年的《心理学：简编》中写下的一段话，它精准戳中了人类“自我”所具有的“主客同一”的二元性或双重性特点。也就是说，人既是自身的感知者，又是其感知内容的主体。

在詹姆士之后的一个多世纪里，哲学家、心理学家、神经科学家对“自我”给出了不同的回答。有人将自我视为大脑中一个固定的“感知核心”，有人认为自我是纯粹的社会建构，也有人将其归为人类意识的幻觉（即认为并不存在一个固定不变的内在的“我”）。但这些多元答案都基于一个共同的路径，即从人类自身出发研究“自我”。而普雷斯科特所说的机器人“合成自我”，则是一种从“非人”来理解“人”的尝试：通过在机器人中复刻人类自我的感知与认知机制，反向验证自我的本质规律。以上，可以视为自我意识研究的“内部研究”与“外部研究”路径分野，但后者需要建立在前者的研究积累之上。如果说内部研究更多是从“I”的视角展开，外部研究则更像是提供了一种“Me”的方法。

机器人“合成自我”的前提，是普雷斯科特等研究者对“自我”本质的一个前提性论断，即具身性是人类自我的基础。自我体验源于人类对“具身之我”与“非我”的区分。我们能感知到“我”的手指在敲击键盘，能意识到“我”的头转动时“我”的眼镜的边框也在移动，这种对身体所有权的感知，是自我最原始的形态。“我”意识的根基始终是物理的身体。

在普雷斯科特看来，这意味着，无实体的生成式人工智能永远无法拥有与人类相似的自我意识，因为缺乏物理身体的它无法产生真正的具身体验，其所有的“自我表达”都只是对人类语言的模仿与拼接，而非基于自身体验的真实表达。而拥有物理身体、能融入现实世界的机器人，则存在着构建自我的可能性。他的研究，正是围绕着“如何为机器人构建具身的合成自我”展开。

二、拆解“自我”：从“最小自我”到“叙事自我”

为了构建机器人的合成自我，研究者首先做的工作是对人类的“自我”进行拆解。通过整合神经科学、发展心理学的研究成果，普雷斯科特认为人类的自我可以划分为两个核心层级——“最小自我”（minimal self）与“叙事自我”（narrative aspect of the self）。前者是人类与其他脊椎动物共有的基础自我，后者则是人类独有的高阶自我，而从“最小自我”到“叙事自我”的发展，正体现了人类自我意识的演化与成熟过程。

“最小自我”概念由丹尼尔·丹尼特和肖·加拉格尔等哲学家提出，经神经科学家潘克塞普、达马西奥验证，它的核心包括“身体所有权”和“行为能动性”两个维度。所谓身体所有权，是对“这是我的身体”的感知。神经科学研究表明，大脑的颞顶叶交界处损伤，会让患者将自身的肢体视为“非我”。而行为能动性是对“这是我做出的行为”的感知。精神分裂症患者的能动性障碍，正是因为大脑无法准确预测自身行为的感官结果，从而将自己的想法与行为归为他人的控制。普雷斯科特指出，“最小自我”是进化的产物，其核心价值在于帮助生物生存。通过区分身体与外界的感官信号，生物建立起“我”与“非我”的边界意识，以此自我保全——例如，饥饿的动物不会吃掉自己。“在人类身上，这种最小的自我赋予了我们拥有自身身体和掌控自身行为的最初体验。”

但是，“最小自我”只包含身体所有权和行为能动性的感知，而无时间持续性的自我意识，也无自我反思意识。因此，人类发展出了更为复杂的“叙事自我”。所谓叙事自我，是人类通过语言、文化、记忆构建的对“我是谁”的故事化表达，是自我的概念化与社会化形态。它依赖于大脑的海马体、颞叶、额叶等皮层区域，需要情景记忆（episodic memory）、心理时间旅行（mentally time travel）等复杂认知能力的支撑。从发展心理学的角度看，直到4-5岁时儿童才会形成初步的叙事自我，拥有稳定的时间持续性体验（即将自我视为持续存在的体验）与他人视角采择能力（即从他人的角度思考世界的能力）。语言与文化是塑造成人叙事自我的核心力量——我们从家庭、社会中习得关于自我的观念，通过语言梳理记忆、构建故事，最终形成独属于自己的自我认知。

普雷斯科特对“自我”的拆分，旨在为机器人的“合成自我”提供一个基础理论框架：想要为机器人构建与人类相似的自我，需从“最小自我”出发，先让机器人实现对身体所有权与行为能动性的感知，再逐步构建其时间持续性、社会视角与叙事能力，最终形成完整的“合成自我”。而这一过程，与人类自我的发展过程高度契合。

三、造“我”——机器人的“合成自我”实验

基于“最小自我”“叙事自我”等概念，普雷斯科特提出，人类的自我是一套由大脑网络构建的“虚拟心智模型”——“一种捕捉、组织和操控与具身化的‘我’相关的感知、记忆、情感和事实的虚拟结构。这种自我模型由一组大脑网络构成，与其他身体过程紧密结合，在清醒的状态下活跃，但在深度睡眠或全身麻醉状态下则处于非活跃状态”。进一步地，他提出了适用于这种心智模型的“合成方法”（the synthetic approach），即“通过尝试构建一个自我来理解自我”。

这种通过机器人的合成自我来研究人类自我的方案包含了以下四个阶段的工作：

基础阶段，也即第一步，是让机器人实现“我”与“非我”的感官感知。普雷斯科特指出，当前的机器人已具备构建基础自我感知的感官能力，研究者通过复刻人类婴儿的发育行为，让机器人建立起身体所有权和自我边界感。具体方法包括“人体感官复刻”“运动咿呀学语”（Motor Babbling）“双重触摸感知”“多感官关联学习”等。譬如，“运动咿呀学语”指的是，让机器人通过随机运动生成自身身体形态的模型，进而理解自身身体形态并进行运动——如机械臂通过神经网络学习自身构型并完成抓取——这与人类婴儿在子宫内和幼儿期的随机运动行为一致。

第二步，是让机器人实现行为能动性感知（the sense of agency）。行为能动性的核心是人类大脑的“比较器模型”——大脑会预测自身行为的感官结果，当实际结果与预测结果匹配时，我们会将这一行为归为“自己做出的”。普雷斯科特团队的研究显示，将基于比较器模型的预测学习算法运用于机器人，可以让机器人通过内部电机信号的变化预测视觉世界的变化，从而区分自身行为与外界事件，并实现镜像自我识别。

第三步，是探索机器人的成人式自我属性，复刻人类自我的时间持续性、社会视角和叙事性特点。在“时间持续性的自我”方面，人类的自我时间感知依赖“情景记忆”和“心理时间旅行”（回忆过去、想象未来）能力，机器人虽有内置时钟和存储功能，但缺乏人类的记忆检索和重构能力。研究者通过生成式人工智能为机器人构建类人类情景记忆，让其基于部分线索重构过去、想象未来，并将这一能力与最小自我模型结合，让机器人拥有“回顾过去、构想未来”的自我感知。

在“社会视角的自我”方面，人类在3-4岁才具备从他人视角看世界的能力，其依赖于模仿学习、联合注意等基础能力。基于心理学中的“心智理论”，结合镜像神经元系统模型，能够让机器人实现对人类行为的理解，并进行模仿学习和社交互动。例如，研究表明，人形机器人可以将自身类人形态的简化模型（类似于火柴人）映射到参与共同任务（例如玩游戏）的人类身上。

在“叙事性的自我”方面，人类的叙事自我依赖于语言、文化和自传体记忆，大约在4-5岁时开始通过“故事”构建自我。研究者复刻儿童的语言发展过程，让机器人将感官体验（位置、运动、接触）与学习语言相关联，让机器人能复述社交互动的经历，从而形成叙事。这种叙事不仅能让机器人的体验变得可交流，还会塑造其对事件的概念，这与人类语言塑造了我们的世界体验的逻辑一致。

最后一步，也即核心挑战，是机器人自我的整合与认知架构。人类自我的核心特征是所有自我维度的整合，它依赖大脑的“认知架构”（即脑系统的大规模功能组织）。但人类自身的认知架构尚未被完全理解，这也是机器人构建完整自我的核心挑战。当前的状况是，人工智能能复刻人类大脑的单个能力，但难以将这些能力整合为稳定、实时的综合系统。普雷斯科特认为，人类的认知架构具有分层性——低层级处理身体和外界的感官信号，高层级形成抽象的、稳定的自我概念。机器人研究需复刻这一分层架构，实现自我各维度的整合。

上述“合成自我”实验均指向一个核心结论：机器人的自我感知，并非人类预先编程的结果，而是机器人通过身体与世界的直接互动生成的，这与人类自我的构建逻辑高度一致。这些机器人并非在“假装拥有自我”，而是真正产生了属于自己的基础自我感知，而这一切的前提，都是机器人拥有物理的身体，能够进行具身的互动。

四、体验还是模仿？机器人真的可以拥有“自我”吗

普雷斯科特所说的机器人“合成自我”依然面对着一个核心质疑，即哪怕机器人能实现与人类自我相关的行为标准，但其是否真的拥有了主观体验？这是否只是复刻了威廉·詹姆士所说的“Me”，而缺失了“I”？机器人的主观体验，是一个目前无法验证的终极谜题，这是普雷斯科特在文中也承认的一点。对此，他介绍了目前两种对立的理论观点。

以神经科学家阿尼尔·塞斯为代表的生物基础主义主张，人类的主观体验依赖复杂的生物属性，这是机器人无法复刻的，因此机器无法拥有真正的主观体验。这一观点的局限性在于，相关生物特征与人类自我主观体验的因果关联尚未明确，因此无法证明其是主观体验的必要条件。以心理学J.凯文·奥里根为代表的感觉运动偶联（sensorimotor contingencies）理论，则可以为机器人主观体验提供支持。其主张，人类主观体验的根源不仅在大脑，更在身体、大脑与环境的互动（如触摸海绵的柔软感，源于手指挤压海绵的变形动作），只要机器人拥有合适的传感器、执行器，能通过具身互动生成感觉运动偶联，就有可能拥有主观体验。

普雷斯科特实际上有意回避前述质疑，在他看来，判断机器人是否拥有主观体验是一个无解的终极问题。他想强调的是，通过机器人构建“合成自我”，乃是理解人类自我的极有价值的方式。因为，这一方法架起了心理学、神经科学和计算科学的桥梁，验证并完善了人类自我的理论，让研究者能逐步构建“感官边界感知→行为能动性→自我/非我区分→时间持续性→社会视角→叙事自我”的人类自我模型。

普雷斯科特之论，让我们注意到认知机器人学和神经机器人学的未来可能。“机器人自我”是哲学问题与工程学问题的奇妙触碰。事实上，“合成自我”的研究从一开始就并非为了制造“有自我意识的机器人”，而是为了以机器为镜，重新审视人类的自我本质。通过构建机器人的“合成自我”，我们得以跳出人类的认知局限，打破“仅从人类自身研究自我”的单一视角，更清晰地看到自我的构成、演化与核心特征，这是传统研究方法无法实现的。将认知机器人学作为探索人类自我本质的全新方法论，无疑有助于推动哲学、神经科学、发展心理学与工程学的跨学科融合，它也让我们暂时地摆脱了对于“自我”的人类中心主义想象，并勇于承认和面对“自我”的开放性与实践性。

“机器之心”想要什么，我们无从知晓。而我们通过“机器之心”想要的是什么，则由人类自己来回答。或许，通过机器人的“合成自我”，我们可以更好地读懂自身身体与世界的联结，读懂我们的意识与体验的本质，读懂我们作为人类的独特与珍贵。或许，在人机共生的时代，这份理解能让我们更加理性地看待人工智能的发展，也能更加珍惜人类独有的自我与意识，更加热爱这个由身体、体验、情感、意义共同构建的人类世界。