Leptex 宏图第三篇章

设想一位农场经营者终于有了六台可以帮忙的机器。搬运、分拣和交接各有设备参与，他却不断被要求确认下一步：一个任务等待许可，一个位置发生变化，另一个设备报告异常。他少搬了箱子，手机上的通知却越来越多。如果每台机器都要他随时照看，他可能只是从亲手劳动，转向了不停处理机器的问题。

这就是第三篇要面对的限制：机器的数量可以增加，一个人的注意力却不会随之增加。把一个人连接到更多设备，只是开始；真正有价值的协作，要让他能够掌握工作，又不必时时盯着工作。

我们希望机器承担更多具体工作，让人把注意力留给目标、选择和变化。 人了解顾客为什么改变安排，机器带回现场发生了什么；两边的信息需要相互修正，成为下一次行动的依据。这是 Leptex 所说的“人与机器人共同理解社会”。

我们用 共生智能（Symbiotic AI） 概括这一愿景：人明确目标并保留决定权，AI 帮助理解需求与现场反馈，具身智能机器执行经过授权的任务。人的经验能够改变机器的安排，机器带回的事实也能帮助人作出更好的判断。我们希望通过这样的相互配合，扩大一个人能够可靠组织的行动范围。

宏图第一篇章从真实经营中理解人的需要，第二篇章把已经确认的条件带到机器执行。本篇追问的是那些无法预先写完的变化：当原计划不再适合，人和机器怎样一起重新判断，让新的决定真正到达工作中。

我们会先用语音、触控和任务反馈探索这种协作，再评估脑机接口（Brain–Computer Interface，BCI）能否为不同的人和任务提供新的操作方式。具体技术路线将随用途、研究证据与合作条件逐步确定。接口可以改变表达选择的方式，却不能自动增加人的注意力，也不能替机器补齐执行能力。Leptex 今天的基础仍是个人智能软件；本篇的设备协作和脑机接口均属于未来研究与产品设想。

一个人的意图，怎样连接一个团队的行动

回到农场的设想。经营者想优先处理今天已经确认、且具备供货条件的订单。个人智能需要知道这句话在这门生意里意味着什么：哪些订单满足条件，哪些工作可以开始，哪些安排还需要确认。即使输入来自脑机接口，这些经营条件也不会自动消失。

如果未来的设备与流程通过了验证，系统可以在已有授权范围内协调工作：一台设备搬运已经检查的货箱，另一台设备执行适合它的分拣任务，还有设备在指定区域等待交接。经营者关注的是目标、优先顺序和例外；各设备的具体动作由具备相应约束的控制系统承担。

假设某台设备发现道路受阻，系统应该把这一变化传回相关任务。可以安全等待的工作先等待；需要改动承诺的工作，应交由有权决定的人处理。系统无法确定脑信号代表什么时，也应保持适当的安全状态、请求确认，或者切换到其他输入方式。一次不确定的信号，不应被包装成已经明确的决定。

这类人机协作的关键，是让有限的人类注意力作用在真正需要判断的地方。如果人仍要持续决定每个轮子怎样转、每个关节怎样移动，就很难同时照看多台机器。我们希望机器承担经过验证的具体执行，让人更容易保持对整体工作的理解。

信息还必须能够回来。人需要知道机器正在做什么、哪些任务尚未开始、哪些结果已经被接受，以及哪里需要自己介入。更自然的输入，与清楚的反馈同样重要。

这对产品提出了比“集中显示所有设备”更高的要求。一次通知应说明变化影响了哪项承诺、有哪些已核实的选择、哪些条件还不知道。已经获得授权且能够安全继续的工作，应尽量减少无意义的反复确认；需要新的决定时，则要把影响讲清楚。人可以随时查看细节，但不应为了知道今天是否正常运转而不断翻看每一台设备。

共同理解，需要彼此反馈

沿着前两篇的示例订单，设想经营者接到顾客的电话，知道对方希望明天取货；机器人则发现原定存放位置已经占用。经营者掌握了机器尚不知道的顾客需要，机器带回了经营者尚未看到的现场变化。两边的信息都不完整，却都影响下一步。

在我们设想的流程中，系统先把已经确认的事实与尚待核实的条件呈现出来。经营者需要判断水果是否适合继续存放、是否有可用位置，再与顾客确认安排。相关搬运任务等待新的决定，其他不受影响且可安全继续的工作按原有授权进行。安排改变后，机器返回执行结果，经营者可以检查哪些事情已经落实。

这一次，人的判断因机器带回的事实而改变，机器的任务因人的新决定而调整。这样的双向反馈，让一笔订单能够适应原计划没有预见的变化。人和机器各自补充所掌握的信息，让下一步判断有更清楚的依据。这就是我们希望逐步建立的共同理解。

我们可以通过一项具体检查来判断它是否发生：经营者确认新安排后，受影响的任务有没有接受变化，仍未落实的部分有没有被指出，旧任务会不会照常把箱子送走？如果只是对话变了、现场没变，协作就没有完成。第三篇的目标，是让人在变化中仍然知道自己决定了什么、机器实际接受了什么。

这要求系统能够表达“不确定”和“还不知道”。它应当让经营者看见需要核实的事实，而不是把传感器没有观察到的事情补成一个确定答案；经营者作出修改后，也需要能够看见哪些任务已经接受变化。共同理解意味着双方的反馈会改变工作，而不仅是把更多状态显示在人面前。

我们所说的理解社会，落在这些可以观察的协作行为上，不把它等同于机器具有人类意识。脑机接口也不会自动合并人与机器的思想。它可能帮助人表达某些选择，真正的人机结合仍依赖清楚的目的、相互反馈、适当的授权和可靠执行。

六七台机器背后，真正的约束是什么

一个人协同六七台机器人，可以成为研究场景。这个数字本身却不是能力证明。六台能够在明确边界内稳定工作的机器，可能比两台不断要求纠错的机器更容易管理；不同任务、场地和人员，也可能得到完全不同的结果。

已有研究使用头皮脑电输入，让十台小型轮式机器人调整群体队形。完整脑机控制演示由论文第一作者完成，是概念验证。群体队形控制与多台机器人分别承担复杂生产任务之间，仍有很大的距离。机器人群控制研究

对经营者来说，真正重要的是：机器能独立工作多久，需要多少次介入，多台机器同时遇到异常时怎么办，以及一次错误会造成什么后果。增加机器数量的前提，是仍然能够安排人的注意力，并在人员暂时无法处理时保持适当的安全状态。

因此，生产力应按达到约定标准的工作结果衡量。一个人在相同工作时间里完成了多少有用任务，投入了多少准备、校准和纠错时间，质量是否下降，总成本是否合适，都需要与原有方式比较。六七台机器人不会自动带来六七倍产出，节省下来的时间也不应被系统制造的新负担抵消。

我们的目标，是逐步扩大一个人能够可靠组织的工作范围。这个范围有时表现为更多任务，有时表现为更少疲劳，也可能表现为一个原本难以使用某种工具的人获得了新的操作方式。它们都值得被认真衡量。

一段学习经历留下的问题

Leptex 创始人在攻读博士学位期间，接触过通过脑机接口控制无人机和机器人的研究。这段经历留下了一个持续追问的问题：人能否通过佩戴式接口，指挥双手无法直接触及的设备？

一次研究演示，与一整天的实际工作，有不同的要求。无人机可以执行一个指令；要帮助经营者与机器共同完成工作，还需要理解任务为什么重要、什么结果才算完成、何时应该询问人，以及怎样应对不断变化的环境。个人智能与具身智能的连接，让这个早年的问题有了可以检验的实际场景。

公开研究为这个问题提供了独立参考。明尼苏达大学团队在 2013 年报告了五名参与者经训练，用头皮脑电与运动想象控制三维空间中的四旋翼无人机的实验。这里的运动想象，是参与者想象某种动作，系统识别与之相关的脑电模式。这展示了特定训练和任务条件下控制外部设备的可能性，距离理解任意想法仍有很远。研究论文

我们关心的，是把这种可能性带回一个人的日常：当双手正在工作，或者某种操作方式不适合他，是否能够提供另一个可靠入口？技术的意义，应当通过人的处境被理解。

从脑信号到可用的选择

脑机接口提供了一条连接脑活动信号与外部系统的技术路径。本篇关心的是，它怎样帮助人表达操作意图，并与 AI 和具身智能机器配合。不同路线在信号采集、适用人群和使用条件上各有差异，需要结合具体用途与验证结果选择。

头皮脑电（EEG）研究提供了一个具体例子：传感器在头皮上采集信号，系统在特定训练、任务和设备条件下识别其中与某些意图相关的模式。采集质量、校准、使用负担和误判仍需要认真处理。这些实验为我们提供参考，并不限定脑机接口的研究范围。

它也不应被理解为能够完整读取一个人的思想。选择一个目标、在有限选项中表达偏好，与理解一段自由展开的想法，是不同难度的问题。对 Leptex 而言，更可检验的起点，是让人可靠地完成少量有用的选择，再由系统结合已知业务条件协助安排后续任务。

加州大学洛杉矶分校（UCLA）在 2025 年介绍了一项基于头皮脑电的脑机接口与 AI 副驾驶结合的研究：系统利用脑电与视觉信息辅助参与者完成光标和机械臂任务，共测试了四名参与者。它提示了一种值得探索的分工：人表达意图，AI 辅助完成动作。小规模研究的进展，仍需与日常经营中的长期可靠性区分。UCLA 研究介绍

因此，我们设想的交互也可以结合视线、语音或触控。人可以用视线指向一个任务，再通过适合自己的方式作出选择。脑电、眼动和肌肉信号不是同一种信息，产品需要诚实说明自己使用了什么。是否加入某种信号，应由它能否减少负担决定，而不是由它听起来是否足够未来感决定。

决定权必须跟着人走

当系统更接近人的意图时，授权反而需要更清楚。机器推断“你可能想做什么”，与人已经决定“现在允许这样做”，仍然是两件事。一个想法、一次注意力变化或含义不明确的脑信号，不应该直接成为付款、对外承诺或危险设备动作的依据。

在我们希望探索的产品中，经营者需要知道哪些任务可以在既定范围内继续，哪些变更需要自己确认，怎样取消或接管。设备安全也必须具有独立的保障，不能把紧急停止完全寄托在脑信号识别成功上。输入失效时，系统应当有清楚的退路。

脑信号等个人数据同样需要明确的使用边界。为完成一个操作而提供的信号，不应默认被用于广告画像、无关的情绪判断或评估一个人的价值。探索这类产品时，应先确定必要的数据、处理地点、保存期限与退出方式，并尽量减少不必要的原始信号收集。这些是未来设计需要满足的要求，不是对现有产品已具备脑数据处理能力的声明。

经营者选择不使用脑机接口，也应当有其他可用的操作方式。技术应扩大参与的可能，而不是把新的身体条件或持续被测量的要求，变成工作资格。让人能够选择是否使用、何时使用以及怎样退出，是个人智能理念在新接口上的延续。

从一个选择，走进工作的一天

最初的实验可以围绕同一个有用选择展开：例如，在条件已经核实的两个任务中，决定先处理哪一个。在参与者能够使用的操作方式中，比较触控、语音和候选脑机接口完成同一选择的准确性、准备与校准时间、完成用时和疲劳。输入被识别后仍应进入适当的确认与授权流程，不能直接获得对设备的无限控制。

这样，实验能够回答一件具体的事：对哪一类参与者、在什么条件下，新接口使这个选择更容易。对于双手不便操作且语音也不适合的人，即使只是一个稳定的选择入口，也可能很有价值；对于能够轻松按下按钮的人，同一设备可能增加负担。两种结果都应该改变产品判断。

接下来要把时间拉长。一次演示之后，第二天是否还要重新训练？工作中的移动、噪声、疲劳和环境变化，会不会使原本可用的操作变得困难？得到一个正确指令，只是工作中的一个瞬间。准备、接入、纠错、退出和维护，都属于使用成本。

多机器验证应另行回答协作问题。增加任务后，人被打断的次数、接管所需时间和对工作状态的理解是否仍然可接受？取消、延迟、断线和同时出现的异常，需要有明确处理办法。脑机接口在单个选择上表现良好，不能代替这些系统级检验。

研究也必须让不同身体条件和使用经验的人参与，并保留退出选择。任何未来医疗用途都有自己的验证和适用要求。我们现在讨论的是可用性研究的路线，不用商业演示推导医疗效果。

继续投入的依据，是某项操作对某些人确实更有用，而且这种帮助能在重复使用中持续出现。若校准和误触发抵消了便利，就调整或停下这条接口路线。人的目标、任务反馈和已经可用的其他操作方式，可以继续发展。

Leptex 选择承担哪一部分

Leptex 希望发展的核心，是一个人可以理解和管理的个人智能，以及它与现实工作之间的连接。我们需要理解经营语境、组织经过授权的任务、呈现工作结果，并使人能够在需要时介入。脑机接口设备、信号解码和机器人控制，各自都有专业要求，适合与具备相应能力的团队合作探索。

合作能够帮助我们聚焦，但不能免去对完整体验的责任。接口能够识别输入、机器人性能合格、软件界面清楚，分别成立之后，仍需要检验它们放在一起是否让工作变得更好。接口之间的停顿、信息不一致和异常交接，都可能成为经营者实际承担的成本。

业务发展也应跟随能力的验证。先证明个人智能软件能够被持续使用，再验证与具体设备的协作，最后判断新增交互是否带来足够价值。硬件采购、研发和现场支持需要分别评估，合作范围和投入规模随验证结果调整。即使某种脑机接口暂时达不到实际要求，已经有用的软件与协作服务也能继续发挥作用。

如果这些探索逐步成立，Leptex 有机会把经营者已有的知识与选择，连接到更多可用的执行能力。产品经验可以通过更好的接入方式和更清楚的协作流程积累，个人资料则继续遵守各自的边界。公司的成长应来自帮助更多人完成真实工作。

合作分工也必须经得起现实检验。如果现有设备与软件已经能够完整满足经营者的需要，Leptex 不应仅为占据入口再增加一套管理负担。我们要争取的价值，是让同一个人的经营目标、工作安排与反馈在不同工具之间更容易接续。是否做到，要看经营者的完整一天，而不仅看某个接口的演示。

能力扩大之后，人怎样生活

我们关心的远景，是一个人不必独自承担每一个重复动作，却仍能决定自己的工作方向。经营者可以花更多时间照料作物、改进作品、服务顾客，也可以选择把时间留给家人和生活。提高生产力的意义，应包括人对自己时间的选择。

更广泛的影响也需要被认真对待。设备的取得成本、维护能力、网络条件和培训机会，可能决定谁先受益。我们希望通过可选择的接口、可理解的流程和逐步降低的交付负担扩大参与，而不是假定技术一出现，利益就会自动均匀分配。

协作中的“人”也包括现场员工、合作方和顾客。经营者节省的管理时间，不应靠让其他人承受更频繁的打断、模糊的责任或持续监测来换取。岗位会怎样改变，培训由谁提供，新增收益怎样分配，都需要参与者作出安排。个人智能的社会价值，要看更多人是否获得能力与选择，不能只看一位管理者能够指挥多少设备。

在更长的时间尺度上，人的工具一直在延伸感知、记忆和行动的范围。脑机接口可能成为这个过程的一部分，但文明的进步仍要由生活中的结果来判断：更多人能否创造、协作和照顾他人，能否理解并拒绝影响自己的决定，能否在获得能力时保有尊严与自主。

我们用星空想象更远的未来，也用一个人的一天检验它。农场里的一次询问、一箱水果的交付、一次人与机器共同作出的调整，都可以成为这条路上具体的一步。Leptex 希望技术尊重这有限的一天，让其中的知识、劳动和创造发挥更大的作用。

同一份宏图，把时间还给人

三篇真正要接起来的，是一个人的经验、行动与决定。第一篇，人工智能帮助我们理解一门生意中的人，让经验在本人不在场时也能帮助他人。第二篇，具身智能让机器人带着明确的条件参与工作，把人的决定接到可靠执行。第三篇，共生智能让人与机器在变化中互相修正，使更大的行动范围仍然能够由人理解和掌控。

我们会用三个阶段的结果检验这条路线：一个让人愿意持续使用的软件产品，一项可以放心交给机器的现场任务，一种让人更容易应对变化的协作方式。每个阶段都应创造独立价值。较远的探索暂时走不通，已经能够帮助人的能力也应该继续发挥作用。

回到最初那位农场经营者。他走向田间时，经验仍能帮助顾客；一项安排确认之后，合适的人和机器能够接着做；情况改变时，他能看见真正需要决定的事情，让新的安排落实，然后把注意力重新交还给眼前的生活。我们希望三篇最终能够走到这样一个普通而完整的时刻。

从宇宙的尺度看，一个人的一天短得几乎无法辨认。对生活在其中的人而言，这一天却是照料、劳动、创造与选择发生的全部地方。我们对技术进步的要求，是让越来越多的人能够把有限的时间用于自己珍视的事情，并拥有实现它的能力。

这就是 Leptex 想争取的未来：一个人的知识能到达更远的地方，他也仍然能够决定，自己要去哪里。

你的个人智能，为你所用，由你掌控。

继续阅读：宏图第一篇章 · 宏图第二篇章