在旧金山的思维机器实验室办公室里，一场演示正在展开，这个场景在大多数AI实验室里显得格格不入：Mira Murati的系统在做出重大决策前会暂停，向人类操作员展示不确定性，然后等待。没有自主判断，没有静默升级，只是一台知道何时该退后、让人类做决定的机器。
这个深思熟虑的架构选择，正是Murati新公司的核心论点。在接受Wired AI采访时，这位前OpenAI首席技术官阐述了一个与行业自主AI热潮形成鲜明对比的愿景：她正在构建的系统，目标是让人类真正融入循环，不是作为备用监督者，而是作为积极协作者。Murati告诉Wired：“我对用AI取代人类工作不感兴趣，我正在构建能够协作的AI。”
这一战略定位的重要性怎么强调都不为过。AI开发领域的主导叙事一直围绕能力最大化——即减少人类输入、加快决策速度、实现更大自主运营的持续推进。各个实验室一直在无人干预性能的基准测试上竞争。其隐含承诺是：用机器判断最终取代人类判断。
Murati的反驳命题从根本上挑战了这一框架。她认为，自动化优先的发展轨迹错误地判断了AI在许多高风险领域的实际价值所在。在科学研究、临床诊断、法律分析和创意工作中，人类判断不是需要消除的瓶颈——它是质量不可或缺的组成部分。问题不在于如何消除人类参与，而在于如何设计出能让人类判断更有效的AI。
这需要从根本重新思考系统架构。完全自主的系统优化决策速度和一致性，而人在回路系统必须优化更难衡量的东西：富有成效的模糊性。它们需要知道何时呈现不确定性，何时展示选项而非结论，何时将专业知识交给人类操作员。这些不是更简单的问题。它们是不同的问题，需要不同的技术方法。
竞争风险是真实存在的。一个明确将自己定位为反自主的AI实验室，正面临着向相反方向狂奔的行业。优先考虑效率的潜在客户可能会选择需要更少人类开销的系统。批评者可能会认为，人在回路框架是一种营销让步，是回避AI是否准备好进行高风险部署问题的方式。
但反过来的论点也同样成立。当自主AI系统在现实部署中遭遇失败——法律研究中的幻觉、工业环境中的安全违规、医疗领域的不当输出——自动化优先方法的局限性就会变得可见。问题从“AI能独立做什么？”转变为“AI应该和人类一起做什么？”这种重新框架为Murati正在构建的方法创造了空间。
赌注延伸到商业定位之外。整个行业如何回答自主性问题，将决定AI最终成为什么。完全自主的系统优化机器可以衡量的指标。而人类协作系统必须应对机器无法量化的东西：情境、价值观、问责制、依赖于生活经验的判断。Murati赌的是，这个更难的问题也是正确的问题——市场最终会认同这一点。