从"工具人"到"数字队友"：AI协作革命的最后一公里

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：尽管AI工具在持续进化，但核心交互模式仍未改变：一人一AI，按顺序交换信息。当AI突破“单人模式”的进化瓶颈，协作革命将重塑人机关系。本文深度剖析从工具到队友的跃迁密码，拆解技术、社交、文化三重挑战，展望群智共生的未来图景。文章来自编译。

这几年AI的爆炸式发展让人惊叹。ChatGPT、Claude等愈发强大的模型早已不再局限于总结文档或生成代码，现在甚至开始攻克更复杂、更专业领域的任务。

尽管取得了惊人进步，但我总觉得少一个重要元素：协作。如今我使用的几乎所有AI工具都停留在“单人模式”——每次只能服务一个人、处理一段对话、完成一项任务。

在联想到AI实验室的远大目标时，这种局限尤其扎眼。OpenAI的山姆·阿尔特曼（Sam Altman）以及Anthropic的Dario Amodei都曾提到要将“AI员工”作为构建“AI组织”的里程碑，但人类的工作（至少现在）从来都不是孤军奋战。

无论是重大科学突破还是日常的“邮件工作”，都离不开人际协作。我们会在开会时会头脑风暴，在Slack频道里交换想法，在共享文档中协作，并基于彼此成果继续推进。即便是“独自”工作，也常常需要整合多方信息和对话成果。

我愿称之为“多人AI”。这种智能可同时与多人进行实质性互动——而不只是轮流对话或像数字接力棒一般传递，而是真正参与到动态协作的全程。

这让我对AI发展的新前沿充满期待。不仅因为这会推动自主性和技术能力的提升，更意味着AI需要理解社交动态，并能有效驾驭对话规范。

下面，我们就一起来探讨一下当前面临的技术与文化挑战、看看一些初露端倪的解决方案，以及真正的多人模式AI未来回事什么样的。

单人模式的现状

ChatGPT的极简主义有种令人又爱又恨的魅力。提问得答案，要诗得十四行诗。这种“你问我答”的简单交互正是其吸引力的核心——清晰、可预测、易实现。

这种一对一的回合制模式统治着当前的AI生态。无论是用Perplexity做研究、用Midjourney生成图片，还是用Cursor辅助编程，其核心体验都出奇的一致：一人一AI，按顺序交换信息。

即便这些工具持续进化，核心交互模式仍未改变。更主动的界面（如Claude代码或深度研究功能）可能让AI可执行数十甚至上百个中间步骤，但每次“回合”最终仍返回单一结果。同样，ChatGPT和Claude的“企业版”虽然增加了「团队」功能（共享对话、上下文和项目），本质上仍是围绕单人核心的轻量级共享机制——AI自身仍遵循"每次仅处理一个对话"的逻辑。

那么替代模式会是什么样的呢？我认为可以从三种范式来理解：

单人AI：当前的主流模式。用户与AI在独立对话流中互动，AI仅维护该对话的上下文，每次交互视为与单一用户的独立交流。擅长个人助理场景，但无法满足多人协作需求。

共享AI：现阶段的“团队”功能形态（如ChatGPT和Claude）。允许多成员访问相同的AI能力，共享历史记录与组织知识，但交互仍是顺序进行。与其说是AI队友，不如说是多人轮流使用的高级工具。

多人AI（目前仍处理论阶段）：能动态参与多人对话，理解群组动态并为集体活动做出恰当贡献。不仅能响应直接指令，更能理解团队中的角色定位，判断什么时候该发声或沉默，并适应社交动态。不再是共享工具，而是真正的团队成员。

Figma的AI功能已显露这种范式的端倪——多名设计师与AI可同时在共享画布协作；会议助手能观察讨论并提供总结与待办事项。但这些应用仍受限于明确的“触发机制”（如按钮或事件），且缺乏对协作元层面的理解。

比较诡异的是，虽然很多AI公司明确以“AI员工”和“数字同事”为目标，但其产品底层仍是任务委派模式，而不是真正的协作设计。

我们还没看到AI能实质参与团队Slack频道的讨论，开头脑风暴会时AI也不会在未被直接提示时主动贡献点子，AI也不能驾驭产品开发会议中的复杂社交动态。这些能力虽不如自主编程或内容生成吸睛，却同样具有变革性。

人越多，问题越多

平心而论，构建多人模式AI体验确实比单人模式困难得多——这背后的理由很充分。

先说基础：实时协作软件本就开发困难（即便没有AI参与）。虽然现有的设计模式和框架已大幅简化流程，但如果初期没考虑到多人模式的话，后期再添加往往面临同步性、并发性及冲突解决的复杂问题。

叠加语言模型的特殊挑战：当前大语言模型基于回合制对话架构，训练数据多为“用户提问-模型回答”模式。这导致它们缺乏实时处理多人的场景经验，比如快速提供贡献、打断别人或即兴拓展观点等。

单用户交互的限制尚在探索阶段，加入更多人情况只会更加复杂。比方说多人参与时，上下文窗口的容量消耗速度会翻倍（虽然Gemini已支持百万级token，可能很快不成问题）。聊天机器人的“记忆”仍是个模糊概念，行业期待长期实现个性化记忆——但如果涉及到多人时，这会变成全新命题。

隐私问题也不容忽视，尤其语音/视频AI。当AI参与群聊时，需立即明确：同意（谁给AI授权）、数据留存（对话存储时限）以及访问控制（谁能查看记录与摘要）。

在我看来，上述技术挑战都是可以攻克的。真正的难关在于社交层面的挑战。

当我加入群聊时，我会不断做出微妙的评估：谁是领域专家？参与者间的权力关系如何？此刻适合插话还是继续倾听？团队现在是精力充沛乐意接受新想法呢，还是压力山大、把焦点放在执行上？

如果你要我把这些提炼成明确的规则（比如提示词），恐无能为力。这些并不是基于具体规则，而是靠数十年社交经验的积淀。现有的AI在某些领域惊艳，但缺乏对社会动态的直觉理解。早期的ChatGPT曾被比作幼稚的孩子（或是学者症候群患者），新版或许能达到大学生水平。

假设大语言模型真具备了近似人类的社交意识：能分辨是激烈讨论还是紧张冲突，知道什么时候该幽默而不是态度强硬。即便如此，我们该如何"召唤"这些AI伙伴呢？

前LLM时代的“智能”助手也没能解决这个问题——相反，你得靠经常开着麦克风让它听到“Hey Siri”等唤醒词。AI什么时候该介入仍是难题：是响应明确指令（"Hey ChatGPT"），还是自主判断时机插话？前者限制了协作潜力，后者可能会造成干扰。

后面这种情况虽然理想，但却引申出一个根本问题：AI如何判断“合适时机”？工作中，我知道哪位同事擅长创意头脑风暴，哪位精通提出建设性质疑，清楚决策链与组织架构。要成为真正的"同事"，AI需要理解这些背景信息。

此外，还需要适应不同的组织文化：喜欢开诚布公地辩论的工程团队可能欢迎直言不讳的事实纠错，而注重共识的设计团队或许更倾向委婉表达不同观点。

这还只是以美国团队为例。想想日本这样的高语境文化——强调间接沟通与弦外之音的情况。这些差异体现在发言节奏、对沉默的接受度、敬语使用等无数细节中，人类凭本能应对，对AI却是巨大挑战。

平台实践与论文探索

尽管如此，我依然对未来充满期待。学界与业界正涌现出一些有趣的新思路。

来源：Figma

行业前沿

最显著的进展并不是往AI界面里面添加更多的人类，而是将AI植入到现有的协作平台。这种借力成熟的多人互动平台的做法，巧妙地避开了诸多技术障碍。

Figma就是典型代表。其协作设计平台本来就支持多人实时编辑，往里面添加AI功能是顺理成章。当设计师在共享画布上让AI生成UI组件或插画时，其他成员可立即查看、修改或在这些元素基础上拓展——这种流动的协作体验与独立AI工具的回合制模式截然不同。

Google Workspace与Notion也在走类似的路线。在Google Docs或Notion的页面上，多人可同时调用AI书写摘要、生成内容或重写段落。AI不直接参与协作，而是作为工具供所有成员在协作环境下使用。

这些平台整合策略的共同点是：依托现有的多人环境，而非从零构建AI的多人能力。至少这是种务实的选择。

研究前沿

商业平台专注实际整合，而学术界则在攻坚真正的多人AI交互理论难题。

Kim等学者（2025）开发的OverlapBot聚焦更自然的多场景对话。这种聊天机器人支持“文字叠合”，允许用户与AI同时输入、互相打断或接话，模拟了人类群体对话中的插话与补全行为。用户研究显示，OverlapBot被认为更具吸引力且更"拟人化"，交流速度与流畅度远超严格的回合制。

微软研究者提出的MUCA框架专为群聊设计，旨在解决多用户聊天机器人需应对的“3W”决策维度：说什么、何时说、对谁说。与传统聊天机器人不同，MUCA能识别“插话”时机（如推动停滞的讨论），并管理多人参与的独立对话线程。

来源：《Inner Thoughts》论文

Liu等人的《Inner Thoughts》论文（2025）提出：真正的对话式AI不应只是被动响应，而应当自主决定什么时候贡献有价值的内容。他们的系统赋予AI自己的“内心独白”——与显性对话并行的隐性思考链。AI会内部“思考”讨论内容，形成潜在贡献点，并通过内在动机模型判断最佳发言时机，模仿人类在群聊中暗自推理并等待插话时机的行为。

除直接参与外，研究者也在探索AI如何促进团队协作。Muller等人（2024）研究三人团队与AI助手Koala的创意脑暴。Koala被设计成人类队友角色——主动提议、评论，甚至无需提示即贡献观点。

研究表明，AI的贡献能对团队产出产生实质性影响，但这种互动关系很复杂：人类有时候会区别对待AI建议，或者更加重视，或给予额外审视。

来源：MUCA框架

突破双人范式

短期内，我们正在稳步提升AI的"倾听"能力。AI系统变得愈发擅长观察群体互动而不直接参与——总结讨论、识别待办事项、指出潜在冲突或被忽视的机会。

Otter.ai与Fireflies.ai等会议助手已初现端倪，但其能力可从被动转录升级为主动理解社交与信息动态。随着这些系统证明了自身价值，它们将逐步获得更主动的对话参与权。

中期可能出现更复杂的参与和协调能力。借鉴《Inner Thoughts》和MUCA等研究，AI将提升何时参与及如何表达的判断力，更擅长把握对话情绪基调，辨别何时需技术精准而非社交和谐，并调整沟通方式适应群体规范。预计会出现针对多人交互的专项训练（数据集或RLHF技术）。

长期愿景（仍需数年但渐趋清晰）指向真正理解组织语境、助力群体创意与问题解决的AI系统。它们不仅响应指令，更能主动发现机会、串联离散想法，帮助团队突破限制效能的沟通壁垒。

当今世界，除了最琐碎的任务外都需要协作。如果AI要成为真正的“同事”而非工具，就必须融入到协作空间之中。仅支持单人交互的AI社会整合能力天生受限，而善用群体协作的AI则潜力巨大。

但开发这些系统会迫使我们直面沟通本质、社交智能与团队协作等根本问题。因此，尽管技术挑战需攻克，最成功的多人AI未必是技术最复杂的。

最成功的多人AI将是能在贡献与观察、主动与谦让、独特算力优势与人类协作特质间找到精妙平衡的系统。

译者：boxi。

文章来自公众号“36kr”