1 · 引言：为什么社会需要可度量的 AI 影响力概念
1.1 · 一个公众认知缺口
2026 年，公众面对一串名字——GPT、DeepSeek、Claude、Gemini、Kimi、 Qwen、Codex、Trae、Cursor——以及一串据称对其 “能力”进行排名的基准。这些都无法告诉非专业人士该领域处于何种位置。能力排行榜描述的是模型；产品公告描述的是厂商；两者都不描述影响力的结构—— 是哪些社群在改变社会的运转方式、以多快的速度、朝什么方向。本系统背后的愿景是， AI 概念与信息平等是 AI 本身的公共产品承诺的一部分：正如市场指数让外行人能够读懂经济状态一样，一个构造良好的影响力指数应当让外行人能够读懂 AI 领域的格局。据我们从可检索的公开信息所知，写作时不存在面向普通受众的、公开的 AI 影响力指数（第 2.5 节）；本文呈现的指数族正是为填补这一空白而做的尝试，其测量经得起审查。
这一缺口不仅是审美上的。一个无法区分“是谁在改变我工作的 AI 上负有责任”与 “哪个厂商给我发了最多的邮件”的公众，无法对领域方向形成偏好，无法让相关社群承担相应责任，并且在结构上容易受制于声音最大的那种叙事。关于 AI 格局的信息平等因此并非叠加在技术之上的奢侈品；它是该技术所隐含的社会契约的一部分。影响力指数是提供这一平等的工具之一。它不是唯一工具，本文也审慎地（第 1.6 节与第 12.4 节）不声称它是。
1.2 · 能力不等于影响力
本系统的核心前提是：能力与影响力是不同的量，混淆二者会败坏公众关于 AI 的推理。我们给出三个论证，每个都附其最严肃的反驳。 论证一：能力可以被操纵。每当一个量被用作目标时，其背后的统计规律往往趋于崩塌 (Goodhart, 1984; Strathern, 1997; Campbell, 1979)；这一现象在机器学习领域已被分类并形式化，标签包括古德哈特定律变体 (Manheim and Garrabrant, 2018)、奖励过度优化 (Gao et al., 2023)、奖励破解 (Skalse et al., 2022; Amodei and others, 2016; Pan et al., 2024)，以及基准数据污染 (Balloccu et al., 2024; Koch et al., 2021)。能力分数恰恰就是这样一个目标：它可以通过工程努力被优化，而这种优化未必追踪模型是否被社会使用、讨论与在其基础上构建。因此，度量“能力”度量的是影响力的必要输入，而非影响力本身。第 2.2 节以较长篇幅汇集了这一失效模式的经验记录，因为它是为什么基准合成值不能替代影响力度量这一主张的最强论据。 反驳与回应。有人可能回应说，能力是唯一可用的“客观”量，一个带噪声的能力分数胜过定义本身就充满争议的影响力分数。回应有两层。第一，能力分数的客观性被夸大了：关于基准污染 (Balloccu et al., 2024; Koch et al., 2021; Hendrycks et al., 2021) 与机器评判偏差 (Zheng and others, 2023; Wang and others, 2023) 的经验文献表明，“客观”分数本身就是评估管线的人造产物，而这条管线是可以被——也已经被——操纵的。第二，这个反驳承认了我们所否认的前提—— 即单变量能力排名是正确的对象——而只是在噪声问题上与我们分歧。影响力度量不是一个噪声更大的能力分数；它是一种不同的量，由不同的输入（使用、讨论、迭代、扩散）构建，并且可以设计得更难被操纵，如第 7.5 节所论证。 论证二：全知式与价值评判式的评估存在价值污染。任何试图判断哪些模型 “对人类更好”的做法都被迫在“社会应当珍视什么”上采取立场，而不同社会会得出不同立场；由此产生的判断继承了其评估者的价值 (Winner, 1980; Douglas, 2004; Douglas, 2009; Elliott, 2022)。即使是一个善意的合成“质量”分数，也会悄悄嵌入一种价值选择。因此，影响力度量应当最小化它执行的评估量，转而记录可观察的社会事实：谁被使用、被使用多少、被谁使用、带来何种后果。关于以 LLM 作评判（LLM-as-a-judge）的经验文献证实了这一担忧的实际分量：机器评估者表现出系统性的自我偏好、位置偏差与价值偏差 (Zheng and others, 2023; Wang and others, 2023; Santurkar and others, 2023)。（我们将在第 7.2 节回到这一主题。） 反驳与回应。有人可能回应说，“影响力”本身就是一个承载价值的概念——例如，选择给使用加权而不是给安全加权，本身就是一种价值选择，所以系统只是把问题转移到了别处。回应是：这一主张更窄、并且可检验。系统不声称价值中立；它声称它必须做出的价值选择集合比整体质量判断所需的集合更小、更透明，并且每个选择都以可审计为设计目标（第 5.2 节将每个权重映射到影响力定义）。这正是 Douglas (Douglas, 2009) 所区分的两类价值：作为不可避免的背景进入测量的价值，与在暗中完成测量的价值；设计目标是尽可能把后者中的选择移向前者。是否成功是对审计轨迹的经验主张，而非言辞主张。 论证三：价值经由使用、讨论、迭代与扩散产生。能力只有通过一条链条才变成社会价值：一个模型被发布；它在产品和流程中被使用；它在公开场合被讨论；开发者和研究者对其迭代；它扩散到边缘设备、小模型和新应用。因此我们把测量对象定义为这四条渠道的合成值，而非技术能力的单一分数。这一定义在第 5 节操作化，在第 4.2 节得到构念效度处理，并在第 6 节形式化。 反驳与回应。有人可能回应说，没有能力的使用是不可能的，所以能力终究是一个充分统计量。回应是经验性的：使用、讨论与生态存量显然不是能力的单调函数。一个足够且免费的模型，如果嵌入庞大的开发者生态，或通过边缘设备扩散，可以产生比一个略强但被高价和封闭花园锁住的模型更多的社会价值。第 11 节在第一次FA 快照中展示了这一结构：能力领先者并非生态领先者。“能力 影响力” 这一前提作为测量恒等式并不成立。
1.3 · 一个可度量的对象：AI 智原
因为单靠能力并非影响力，也因为影响力来自产生与传播模型的社群而非孤立的模型本身，系统把AI 智原作为其测量单位：即持续创造、发布并迭代 AI 模型、从而向社会提供 AI 生产能力的社群。这是一个类层面的对象——刻意不是一家公司、一个品牌或一个法人（第 3 节）。测量问题变成：每个 AI 智原对社会施加多少影响力，在稳定尺度上相对于其他智原度量，并接近实时？ 单位的选择值得审视，因为每个指数都受制于其单位。在模型层面度量影响力，你会丢失资助、托管并传播它的组织；在公司层面度量，你会漏掉开源社群、联合倡议，以及公司与研究实验室并非同一行动者的边界情形；在国家层面度量，你会平均掉那些其行为正是你想观察的社群（第 2.1 节）。智原类被写定为容纳上述所有形式。我们对当前名单保持诚实（第 3.6 节）：目前纳入集合以公司为主，因为我们所依赖的可核实公开来源就是这样组织的。类定义是更一般的对象；名单是它的一个随时间索引的实例化。
1.4 · 为什么是指数
一个数字、一条线、以及一个一致的测量标准，并不是对科学的简化；它们是对呈现层的设计选择。公众能够很好地对那些随时间可追踪、跨名字可比较的量进行推理。因此本文呈现的指数族（第 6 节）表现得像一个关于 AI 影响力的市场语义报价机：一个实时值序列、对慢锚的定期评审与发布、以及在测量完整性面临风险时的暂停–恢复发布机制。被采纳的是报价的语义；金融产品本身不被采纳，第 13.6 节的免责声明使这一边界显式化。 “为什么是指数”这个问题既有科学答案也有传播答案。一个可以被加总（旗舰的守恒定律）、跨时间比较（结算日历）并可分解（指数族）的尺度，就是一个以可被审计为设计目标的尺度。一个已发布的单一数字并不是掩盖科学的简化；它是外人原则上可以在其上检验科学不变量的最小对象。正是在这个意义上，指数形式对可信度是承重的，而不仅仅是为了传播。
1.5 · 贡献
贡献最好在方法系统的层面陈述，而非在任一单一组件层面：一个测量单位（AI 智原，定义为类）、一个测量尺度（相对的、居中的、实时的，其核心是一条守恒定律），以及一个信任架构（非对称披露：开放难以操纵的，封闭易于操纵的）。单个方法论要素都有先例——模型级相对评分、组织能力分数、国家层面 AI 指数、引文式影响力度量——但我们没有发现任何系统把“智原集测量单位”与“居中的、实时的、以守恒为锚的尺度”结合起来（第 2.5 节）。这两项性质值得用'设计主张'而非'首创'的谦逊口吻来表述：据我们所知，本系统是第一个把 AI 智原作为贡献者加以公开测量的影响力度量，也是第一个赋予这种影响力相对、居中、实时尺度的度量。 第三项贡献是方法论层面的，贯穿全文：系统被呈现为一份构念效度案例，而非一块“仪表盘”。第 4 章把“对社会的影响力”当作 Cronbach 与 Meehl (Cronbach and Meehl, 1955)、Messick (Messick, 1995) 意义上的理论构念，从定义推导出内容效度的操作化，并陈述观察者在信任该指数之前需要看到的聚合与区分证据。这对指数工程而言是不同寻常的，而且是刻意的：一个说不出什么能证伪它的影响力指数，是宣传工具，而不是测量。
1.6 · 范围与非目标
它描述一个评估方法层；它不描述数据产品，不产生投资信息，不构成金融信息、投资建议、信用评估、声誉判断或个人决策的依据（第 13.6 节）。系统当前的度量受其可核实的来源所限；它反映已经发生的事情，而非对将要发生之事的预测（第 8.9 节与第 12.4 节）。反面目标与目标同样审慎：系统不裁决模型质量，不对“针对 X 的最佳模型”排名，不预测未来的赢家，也不在治理意义上分配责任（第 2.3 节）。它所做的是更窄、并且我们认为仍然困难的事情：为“每个 AI 智原目前相对于参考集施加多大社会影响力”这个问题赋予一个可辩护、以可审计为设计目标、实时的数字。