摘要：意识的生成是否依赖特定的物理基质，是当代心灵哲学与意识科学共同面对的核心问题。围绕这一问题，计算功能主义强调功能组织的决定作用，主张意识的基质中立性；生物自然主义则将意识的生成严格绑定于生物嵌入，进而否定人工意识的可能性。新计算主义认为，意识应被理解为依赖耗散性、非平衡性与自维持性的可朽计算过程。可朽计算是一种与物理基质不可分离、动态演化并终结于物理损耗的计算形式。人工意识的实现因而需转向能够支持可朽计算的仿生系统，如神经形态计算、脉冲神经网络以及具备局部可塑性与能量约束机制的硬件结构。通过将意识重新定位为生成过程的内在维度，新计算主义重构了意识的本体论，系统地瓦解了传统心物二元论赖以成立的问题框架。

关键词：意识的生成  人工意识  可朽计算  仿生架构

作者王华平，中山大学哲学系（珠海）教授（珠海 519082）。

来源：《中国社会科学》2026年第5期P38—P58

意识的生成是否依赖于特定的物理基质（physical substrate），是心灵哲学与意识科学的中心问题。心灵哲学中的类型同一论认为，意识状态即神经状态，因此神经系统的生物结构是意识生成的必要条件。功能主义则否认这一点，认为意识取决于系统的功能组织，可在不同物理基质上实现。在意识科学中，寻找意识的神经相关物（Neural Correlates of Consciousness, NCC）曾被视为破解意识之谜的首要路径。然而，这一研究进路很快就暴露出一个基本问题：即便能够识别与特定意识经验相对应的神经活动，我们仍无法判断意识究竟依赖于神经系统的生物特性，抑或依赖于更一般的物理—功能机制。因此，需要发展一种超越NCC的理论框架，以揭示意识生成的真正条件。

人工智能的迅猛发展为意识的生成条件问题带来了新的理论视野与现实挑战。这种发展不仅体现在性能的提升，更体现在其行为表现逐渐逼近以往被归属于意识的功能特征。随着一些大模型展现出一系列意识相关特征，一个问题随之浮现：这些结构上迥异于生物大脑的系统是否可能具有意识？这个问题迫使意识研究从传统的生物框架走向更一般的物理与计算框架，并促使我们重新审视意识生成的条件。人工意识因而成为检验意识本性的关键路径，并获得广泛的跨学科关注。

围绕意识的生成条件和人工意识的可能性问题，当代讨论大体分化为两条相互对立的路径。计算功能主义（computational functionalism）赞同基质中立原则，认为意识的生成不取决于其所依托的具体物理基质，只要某一系统中的状态在适当的计算过程中履行了意识所对应的功能角色，就应视其为有意识的。当前多种主流意识理论（如循环处理理论、全局工作空间理论与高阶理论）皆可归入此理论谱系。然而，基质中立原则遭到了生物自然主义（biological naturalism）的强烈质疑。生物自然主义认为，意识是仅存于生命系统中的生物现象，与维持生命和代谢过程的生物基质紧密相关，因此非生物的人工智能系统是不可能有意识的。本文将表明，计算功能主义低估了物理基质在意识生成中的作用，从而将意识的生成条件设定得过于宽泛；生物自然主义则高估了意识对生物基质的依赖，将意识的生成条件收束得过于狭窄。

本文的核心主张是，意识既不能被理解为与物理基质可相互分离的抽象计算结构，也不应被限定为生物所特有的属性，而应被理解为一种在耗散条件约束下，通过自证（self-evidencing）与自维持机制得以实现的可朽计算（mortal computation）过程。本文将这一立场称为“新计算主义”。新计算主义以可朽计算为基础，不再沿用传统计算主义的抽象计算观，而是将意识理解为一种不可脱离具体物理基质而存续的过程性活动。这一新路径不仅为意识的生成条件提供了合理说明，也为人工意识提供了一个基于仿生架构（biomimetic architectures）的具体可行的工程方案，从而在本体论解释与技术实现之间建立起高度统一的联系。

一、人工意识探究

麦卡锡（John McCarthy）将“人工智能”定义为：“制造智能机器的科学与工程，尤其是智能计算机程序。它与利用计算机理解人类智能的类似任务有关。”可见，人工智能自其诞生之初便承载着双重使命：一是制造智能机器；二是通过智能机器来理解人类心灵。然而，回顾历史，第一个任务的进展并不如预期。尽管早期发展迅猛，人们曾乐观地认为很快就能实现“人类平均水平的通用智能机器”，但实际成果多局限于特定任务领域（如下棋、解题），在需要适应性和创造力的场景中表现有限，甚至难以理解问题本身。这种局限引发了对通用人工智能可行性的深层质疑。

早在17世纪，笛卡尔便断言机器不可能具备理性，因为它们无法满足理性所要求的普遍性。他认为，即便某些机械装置在特定任务上优于人类，也难以设想它们具备在人类所有认知领域中通用运作的能力。与此相反，图灵（Alan Turing）则认为，不仅可以设想机器在非特定情境中与人类表现相当（即通过图灵测试），而且这样的机器是可以在物理层面实现的。尽管两人立场不同，但均认同一点：真正的智能应是通用智能，在广泛认知任务中展现类人乃至超越人类的整体能力。

那么，如何才能让机器突破领域局限性，迈向通用人工智能？正是在这样的思考中，意识问题逐渐浮现。尽管智能未必以意识为前提，但不可否认的是，意识与反思性、整合性、不可预测性和低自动化的高级智能密切相关。此外，它对人类的创造力至关重要，涉及抽象思维、情境构想与复杂问题解决。有意识的行动者可以基于内在的“沉思”采取行动，而非依赖预设的偶联—行动（contingency-action）映射。因此，意识很可能是迈向通用人工智能的关键。这一观点得到了查尔默斯（David Chalmers）、泰格马克（Max Tegmark）、科赫（Christof Koch）等人的支持。

赋予机器以意识的努力统称为人工意识（artificial consciousness）。更准确地说，它指对被确认为人类意识现象的某些方面的模拟或实现。随着通用人工智能研究的推进，人工意识是否可能逐渐成为一个无法回避的科学与哲学问题。但是，与其他科学或工程领域相比，人工意识面临一个特殊难题：其研究对象本身并不清楚——意识是什么？它包含哪些方面？当我们说某个个体或系统正在经历有意识的经验时，究竟意味着什么？这些问题不仅难以量化，连定性描述也充满挑战。按流行说法，一个系统若具有对它来说“像是什么的东西”（what it is like），那么这个系统便具有意识。其中，“像是什么”指处于特定状态时的感受，主体所体验到的这种感受就是意识所呈现的质性特征。由于此类体验总是从第一人称视角出发，意识也必然具有主观性。这种由质性和主观性构成的意识，通常称为现象意识（phenomenal consciousness）。

现象意识并非意识的全部。思考一个三角形与看到一个三角形显然不同：在感知中，我们体验到“像是什么”的感受；在思考中，这种感受似乎被过滤掉了。然而，我们仍能觉知思想内容，并将其用于推理或行动的理性控制，甚至用语言表达。这种由直接理性控制或全局直接可用性标识的意识，被称为取用意识（access consciousness）。需要指出的是，取用意识与现象意识并不互斥，同一种心理状态（如知觉经验）可以同时具备二者，关键在于两者概念上可分。例如，我们可以设想有取用意识但无现象意识的“赞比人”（Zombie），也可设想有现象意识但无取用意识的完全锁闭症患者。

人工意识力图模拟或实现的意识，既包括取用意识，也包括现象意识。取用意识本质上是功能性的，由理性控制和全局可用性定义，因此若人工系统复制了相应的功能组织，便可视为具备取用意识。问题在于现象意识，其质性和主观性似乎是功能组织不能涵盖的。尽管如此，我们仍可通过模拟方式再现其部分特征，而无需系统真正拥有主观经验。这些模拟包括：行为模拟（使系统表现出似乎拥有意识体验的反应，如描述颜色或表现疼痛）；认知建模（模仿注意、记忆整合与主观报告等认知过程）；知觉表征（以近似意识感知结构的方式处理感官输入）。借助这些策略，人工系统能够呈现类意识的行为表征。

然而，模拟并非人工意识研究的终点。“人工”一词有两重含义：一是仅模拟真实事物的人工物，如人工花；二是通过人造手段再现自然现象，如人工光。人工意识的终极目标正是追求后者，不仅模拟意识的表现，更要在人工系统中真实地产生意识，特别是现象意识。这种旨在实现意识本身的研究，通常被称为“强人工意识”。

强人工意识引发了广泛争论，其中之一便是认识论问题。一些人担心，即便人工智能真的拥有意识，我们是否有能力识别？有人甚至将此当作反对人工意识的理由。例如，梅青格（Thomas Metzinger）认为，由于意识识别的困难，所以有可能出现有意识的智能体但我们并不知情，从而那些智能体可能正遭受痛苦，我们却毫无察觉，这是很不道德的。实际上，这是传统他心问题在人工意识中的体现。有意思的是，图灵早已预见此难题。他指出，只要一个系统通过“模仿游戏”，就应享有与人类相同的认识论地位，所以，如果一个人不想陷入唯我论的话，那他就不应对人工意识的认识论问题有过多担忧。事实上，近来兴起的意识测量方法正尝试以科学手段应对这一问题。总之，认识论难题虽然重要，却并非人工意识发展的根本障碍。

更为根本的是强人工意识所引发的本体论问题。一方面，若大模型也能具备意识，则类型同一论将面临直接挑战。按照同一论，每种心理状态都对应一种特定脑状态，如“疼痛”即为C纤维激发；但若不具有C纤维的大模型也能“感到疼痛”，此类还原便无法成立。另一方面，强人工意识的设想又为计算功能主义所承诺的基质中立原则提供了直接支持，从而显著拓宽了意识生成的物理条件。由此可见，强人工意识并非只是扩展了意识的归属范围，而是将问题直接推进到意识的生成条件——它迫使我们思考，意识与物理基质到底是什么关系？

二、计算功能主义路径

对意识的生成条件问题，计算功能主义给出了非常宽泛的诠释：意识的本质并不在于承载它的具体物理基质，而取决于一种可抽象化的功能组织。一个系统的功能组织可由三个方面加以刻画：“第一，系统由若干抽象成分构成；第二，每个成分具有若干可能的状态；第三，这些状态之间形成一套依赖关系，用以规定任一成分的后续状态如何由系统各成分的前一状态以及系统的外部输入所决定，同时规定系统的输出又如何由这些内部状态所决定。”在因果角色功能主义中，功能组织被理解为内部状态之间及其与输入、输出之间的结构化因果关系。在计算功能主义中，功能组织被视为一种可由计算过程加以实现的抽象结构，即一套由算法性转换规则所支撑的因果—信息模式。

计算功能主义认为，正如同一程序可以在不同设备上运行一样，同一心理状态可以在不同物理基质中得到例示。按照这样的理解，意识的生成条件必然是基质中立的。只要系统具备意识独特的功能组织，无论它是由神经元、硅芯片还是其他材料构成，都可具备意识。因此，人工意识完全是可能的。

沿着这条思路，查尔默斯给出了一个支持计算功能主义和人工意识可能性的论证。该论证的第一步是将计算功能主义的主张形式化为“组织不变性原则”，即“任何具有相同精细功能组织的系统都将拥有本质上相同的意识经验”。所谓“精细功能组织”，指的是足以决定系统行为能力与反应倾向的功能层级。在生物大脑中，神经元层面的因果—信息结构通常被认为已满足这一要求。

给定组织不变性原则，查尔默斯的论证可重建如下：

（CF1）如果组织不变性原则不成立，那么消退的感受质（fading qualia）和跳跃的感受质（dancing qualia）在经验上是可能的。

（CF2）消退的感受质和跳跃的感受质在经验上是不可能的。

（CF）因此，组织不变性原则成立，进而计算功能主义是正确的。

上述论证的关键在于（CF2）。为了证明其正确性，查尔默斯让我们设想感受质缺失在经验上是可能的，即存在一个系统（如李四），其功能组织与一个有意识的系统（如张三）完全相同，但由于物理基质的不同而不具备意识。现在，我们对张三的大脑进行逐步替换：将其神经元一个一个地替换为与李四相同的硅芯片，同时严格保持整体功能组织不变。随着替换的推进，张三的大脑最终将完全硅化，物理上与李四无异。那么，张三的意识经验会如何变化？它会逐渐消退，抑或在某一刻发生跳跃性的改变，还是始终保持不变？

若张三的意识在替换过程中逐渐减弱乃至消失，便出现了消退的感受质情形。此时，尽管功能组织未变，张三仍能准确报告诸如“我看到红色”或“我感觉到剧烈疼痛”，但其实际的感受质已减弱或消失。于是，我们不得不承认一个荒谬结论：一个在功能上与正常人类无异的系统，其内省判断竟然完全偏离其真实的意识状态。并且，这种错觉不是偶发性的，而是系统性且不可察觉的。这严重削弱了我们对内省可靠性的信赖，并使得意识成为一种与功能完全脱节的幽灵性存在。

另一种可能是，张三的感受质在替换过程中并非逐步减弱，而是在某一时刻突然发生剧烈变化，那么就进入了跳跃的感受质情形。例如，在替换到第6237个神经元时，他的红色视觉感受忽然从鲜明转为全无，或疼痛感瞬间消失。然而，由于功能组织持续保持不变，张三依旧会宣称“我看到红色”，并在行为上作出与之一致的反应。这就意味着，意识状态发生剧烈跳跃，而主体却毫无察觉。这不仅意味着内省机制对自身意识状态完全失灵，而且使意识的变化显得极端任意——为什么是第6237个，而不是第6238个？

可见，无论是感受质的消退还是跳跃，都会导致与经验事实严重冲突的结论，因而不可接受。这表明，感受质缺失在经验上是不可能的。既然如此，便可由（CF1）与（CF2）推得（CF）。如果计算功能主义成立，那么任何实现了适当功能组织的系统，不论其物理基质为何，都可以实现意识。这一结论为认知科学和人工意识的研究提供了富有前景的理论基础，鼓舞人们探索非生物系统作为意识潜在实现载体的可能性。

不可否认的是，计算功能主义提供了一个清晰的理论框架，使得我们可以合理地预期，人工系统能够像我们一样具备心灵和意识。这与麦卡锡所设定的人工智能“构造智能”与“理解智能”的双重使命高度契合。此外，计算功能主义与认知科学中的信息处理范式高度兼容。认知科学通常假设心灵是信息处理系统，大脑是一种执行计算的装置。认知模型（如符号处理、连接主义和深度学习）多依赖计算机模拟来研究认知现象，计算功能主义为解释心理过程提供了理论基础，使认知科学的数据与人工智能模型得以对接。正如塞斯（Anil K. Seth）所指出的：“隐含地，任何以‘信息处理’来谈论心灵或意识的表述都假定了某种计算功能主义，因为信息处理正是计算机所执行的操作。”正是在这一意义上，循环处理理论、全局工作空间理论、高阶理论等重要的当代意识理论均属计算功能主义的理论谱系。由此不难理解，为何认知科学和人工智能领域会普遍接受计算功能主义。

计算功能主义之所以在当代占据主导地位，还有一个重要原因：它为理解意识与其物理条件之间的关系提供了一种看似稳健的中间立场。大量经验证据表明，意识确实依赖于物理条件——当大脑遭遇严重损伤时，意识亦会随之消失。但这种依赖究竟指向何种物理性质，一直存在争议。行为主义将意识等同于可观察的行为模式，由此忽略了内部机制在心理状态形成中的作用；类型同一论则主张心理状态与特定神经生理类型严格同一，例如将“疼痛”理解为特定神经活动的发生。与此不同，计算功能主义将解释重心置于功能组织，试图通过一种抽象结构来界定意识的生成条件，从而在行为主义与同一论之间取得了平衡。

三、生物自然主义路径

相比于计算功能主义通过抽象结构来界定意识的生成条件，生物自然主义则将之限于具体的生物基质，尤其是生命系统所特有的代谢、耗散与自维持过程。在这一立场看来，意识之所以在大脑中生成，关键不在于大脑能够实现某种功能组织，而在于它所特有的维持生命的物理与动力学特征。所有无可争议地被确认为具有心灵的实体，目前皆属于生命系统，这一事实并非计算功能主义者所说的那样只是现阶段经验条件下的偶然事实，而是反映意识生成规律的普遍概括，具有经验必然性。

生物自然主义的倡导者塞尔（John R.Searle）认为，意识完全由大脑中的低层神经生理过程引起，其因果充分条件全在大脑内部。一个系统若要具备意识，就必须拥有大脑的因果效力。因此，在神经元替换的思想实验中，若李四的大脑具备与张三大脑相同的因果效力，他理应拥有相同的意识经验。但塞尔认为，这样的等效替换仅在逻辑上可能，假设我们能够完全在硅芯片上复制神经元的因果效力是经验上荒谬的。可是，为什么硅芯片不能完全复制神经元的因果效力？

戈弗雷-史密斯（Peter Godfrey-Smith）为塞尔的直觉提供了进一步的理论支撑。他认为，在生物系统中，信息处理活动与代谢过程是深度整合的，而这种整合在人工系统中并不存在。所以，人工系统即便在宏观功能上可以模拟生物系统，也无法在细致层面重现其独特的物理组织。在他看来，计算功能主义将心灵从生命中割裂，是一种根本性的错误。认知与主观经验不仅依赖信息处理，更深深植根于生命体的物质构造，尤其是代谢活动。代谢通过能量调节、营养吸收与细胞维持等机制，在微观层面持续生成系统内部的有序状态，依赖无数分子的随机相互作用。正如霍夫曼（Peter M.Hoffmann）所指出的，生命并非静态结构，而是一场由无数分子过程交织而成的“分子风暴”。正是这种物质层级的高度复杂和动态协调，构成了主观经验生成的必要条件。

这一观点的关键在于，代谢不仅是自动化的物质过程，更是一种具有适应性调节能力的动态机制。生命体持续监测自身的内部状态与外部环境，并据此做出调整，以维持生存与功能稳态。原认知（proto-cognition）正是在这种自我调节中萌芽的。所谓原认知，是指诸如感知环境、响应刺激等最基本的认知形式。即便是最简单的生命体也展现出了这类能力。例如，大肠杆菌等微生物展现出趋化性，能够依据某种形式的“记忆”机制趋近或远离特定化学梯度。这些机制虽然远不能与人类认知相提并论，但足以表明信息处理自最基础层面起就与代谢性自维护过程密不可分。因此，认知不是脱离物质的抽象计算，而是生物自组织活动的自然延续。

代谢构成了原认知的基础，原认知则是生物系统中最早期的信息处理形式。意识经验可以被理解为在这一原认知过程中逐步显现的现象。从广义上讲，经验意味着生物体在其存在中与世界互动时所呈现的某种感受性。最基本的经验形式体现为一种生物意义上的“感受”，即将特定状态标记为有利或不利、有益或有害，并据此调节行为。正是在这种以代谢为支撑、以生存调节为取向的原认知活动中，生物体形成了一种“最小主观性”——一种内在视角，使世界以“对它而言是什么样的”方式得以呈现。

在更复杂的生命形式中，这种经验被进一步深化：不同感官通道的信息得以整合，记忆机制得以介入，从而形成更具结构性的世界表征。然而，无论多么复杂，意识经验的根基依然可追溯到那些简单生命体所展现出的功能性行为，即监测内部状态、感知环境变化，并通过调节行为以维持或优化代谢平衡。这意味着，经验并非生命过程的偶然附属品，而是代谢—原认知连续体的自然演化结果，是生命体维持自身组织结构过程中所涌现出的内在维度。

上述解释对神经元替换论证构成了强有力的挑战。这个论证依赖于一个关键前提，即等效替换在经验上是可能的。换言之，即使神经元被替换为硅芯片，系统的精细功能组织依然能够保持不变。然而，神经元的功能并非仅由输入—输出关系或局部计算角色所穷尽，而是深度嵌入具体的生物过程之中。一旦替换发生，这些支撑意识生成的动力学条件便无法保证得以保留。因此，神经元替换论证存在乞题谬误——它在默认等效替换经验可行性的同时，实际上已经预设了基质中立原则。乞题谬误使得神经元替换论证无法充当支持计算功能主义的独立论据。

神经科学研究进一步削弱了神经元替换论证的效力。传统功能主义往往将神经元抽象为接受输入、执行规则运算并产生输出的简化模型，但真实的生物神经元结构与功能远比这种理想化模型复杂得多。它们具有显著的空间扩展性，可通过树突网络以非线性方式整合来自多个通道的分布式输入；同时也表现出强烈的历史依赖性——同样的输入在不同的先前活动状态下可能引发截然不同的输出。更重要的是，神经元的功能不仅限于电信号传导，它们还依赖于细致入微的生化机制来动态调节其兴奋性、突触可塑性以及网络连接性。这些机制嵌入整个生物体的代谢与自我调节系统中，并与环境互动保持连续协调，其复杂性远非目前硅基系统所能轻易模拟或复制。

试图复制这种高度复杂的生物功能，将面临极为严峻的计算与物理实现难题。即便可以构建出模拟生物神经元电信号的硅芯片，仍需要配备庞大的感应系统，以检测并解码多种化学信号，并将其转化为电信号以生成恰当的生化响应。这要求替代装置在特异性、灵敏度和动态响应方面匹配天然离子通道的复杂表现——每个神经元通常拥有数万种离子通道。此外，生物神经元还依赖扩散性信号机制，如一氧化氮等气体分子，无需突触路径即可通过体积传输方式作用于远距离脑区。若要构建具备同等功能的人工替代神经元，必须实时检测、解析并响应这类非局部化学交互，这会极大增加系统的工程复杂度与计算负荷。在当前技术条件下，精确模拟这种整合了非线性、动态性、历史敏感性与代谢嵌入特征的生物过程，其计算资源需求可能远超现有人工系统的承载范围。

考虑到生物神经元的整体相互依赖性，当进行多个神经元的替换时，问题变得更加严峻。大脑是一个高度整合的系统，其中神经元、胶质细胞、血管网络和代谢环境共同作用。胶质细胞不仅是被动支撑结构，还在突触传输调控、神经递质回收、免疫反应等方面发挥关键作用。血管系统与认知活动密切相关，大脑功能受代谢状态、血流调节及激素信号的影响。如果神经元替换没有考虑到与胶质细胞和血管网络的相互作用，人工系统将难以展现相同的功能特性。因此，现实中的神经元替换必须包含一套人工代谢和生化接口，而这在工程上是不可行的。

或许有人会反驳，上述问题只是技术层面的，未来有望克服。然而，关键之处并不在于技术是否足够先进，而是神经元替换是否受制于律则约束。律则约束不依赖当前科技水平，而源于自然法则对生物系统功能的内在限制。生物神经元的功能依赖于高度特异的生物物理与生化机制，如离子通道的电化学作用、神经递质的扩散传递和回路的可塑性调节，这些机制深嵌于有机基质中，无法由硅等材料复制。若这些特性对意识不可或缺，则在现有物理法则下，神经元替换实际上是不可能的，就像物体无法超越光速一样。

如果生物自然主义是正确的，那么正如塞尔所言，假设我们能够完全在硅芯片上复制神经元的因果效力是经验上荒谬的。在用人工神经元替换生物神经元的过程中，随着系统逐步丧失那些嵌入的生物物理和生物化学特性，意识经验也将随之发生变化，最终彻底消失。因此，神经元替换论证并不成立。但能否在此基础上得出人工意识是不可能的结论，这是一个需要认真审视的开放问题。

四、生物嵌入、功能组织与可朽计算

如前文所示，针对人工意识的可能性以及意识的基质问题，出现了两种针锋相对的观点。计算功能主义将意识理解为系统的高阶功能组织，认为它可脱离具体物理基质迁移至任何具备相同功能组织的基质，包括人工系统。生物自然主义则将意识视为生命体的内在表现，主张其生成依赖于嵌入有机体的独特生物物理与生化机制，因而人工意识是不可能的。这一对立再次表明，意识的生成究竟取决于何种条件，是一个决定意识本性和人工意识可能性的基础性问题。

有充分理由认为，生物自然主义将意识的生成条件收束得过于狭窄。从形而上学的角度看，非生物意识是可设想的。我们完全可以设想，存在“弗兰肯斯坦（Frankenstein）怪物”。这个怪物由非生物材料拼合而成，却能展现出情感、痛苦、自我反思与道德困境等典型的意识特征。从经验层面看，非生物意识是律则上可能的（nomologically possible）。2001年召开的首届冷泉港会议所达成的一个基本共识是：到目前为止，我们尚未发现自然界中的任何基本规律或原则，禁止由人类所设计或演化的人工物出现主观感受。这意味着，从自然规律的层级来看，意识并未被预设为生命体的专属特性，它至少在原则上对不同物理体系保持开放。

更为关键的是，将认知与意识严格限制在生命系统之内，会将生物嵌入理解为一种不可逾越的本体论界限，从而在生物与非生物之间制造一条根本不应存在的鸿沟。自赫尔姆霍兹（Hermann von Helmholtz）、杜波依斯-雷蒙（Emil du Bois-Reymond）、弗洛伊德（Sigmund Freud）在1842年宣称“在有机体内部，除了常见的物理和化学作用力外，不存在其他活跃的力量”以来，科学界已达成共识，即大脑是一个“物理—化学系统”。这意味着，从神经元层次乃至更细粒度的生物物理与生物化学过程来看，生命系统并不构成一种与非生命系统本质上截然不同的存在类型，其差异更多体现在组织方式与动力结构上，而非材料本身具有某种不可替代的本质。因此，诉诸“生命性”作为意识生成的决定性来源，并不符合现代科学的统一性承诺，即所有自然现象都应在同一物理—化学框架内加以解释。

同样有充分理由认为，计算功能主义将意识的生成条件设定得过于宽泛。若仅依据高阶功能组织来界定意识，那么在概念上，任何能够复制相应因果角色的系统都应具备意识。然而，一系列思想实验早已指出这一推论的可疑之处：理论上，一个系统完全可能在功能组织上与人类等值，却并不具备主观经验。

更为关键的是，近年来关于多重可实现性论题的反思表明，一旦将心理功能的实现层级从粗略的输入—输出行为模式下调到神经和生理的精细层面，多重可实现性的直观吸引力便显著减弱。复杂心理功能并非可以在任意材料中任意组合，而是深受一整套生物物理与动力学约束的限制。大量神经科学的研究显示，大脑功能远不止于动作电位的传递：突触可塑性依赖复杂的分子级调节机制，胶质细胞在信号整合与能量代谢中发挥重要作用，脑组织的三维结构以及局部能量供给方式共同决定了网络可用的动力学空间。随着心理功能的层级升高，其实现所需满足的物理与生理条件亦随之变得更为严格。这些发现意味着，若完全忽视实现层级的物理约束，仅凭抽象的功能组织来界定意识的生成条件，显然会将意识的实现范围设定得过于宽泛。

上述分析迫使我们放弃这样一种理论设想：意识所依赖的功能组织可被理解为一种脱离物理过程、可以在任意载体上自由迁移的抽象计算结构。正因如此，近年来的若干理论进路开始强调一种“机制功能主义”，主张心理活动的实现并非依赖任意可计算的结构，而是依赖由特定构成要素、物理结构及其动力关系共同组成的机制体系。所谓机制，是指由相互作用的部件组成的系统，这些部件以结构化方式协同运行以实现特定功能。在这一视野下，功能组织不再被视为可以像软件那样任意移植的抽象模式，而是一种与其物理基质紧密耦合、具有强情境性的机制结构。

机制功能主义的一个重要问题是，它所提供的认知解释过于僵化和局部化。当代认知科学的研究表明，认知并非仅由固定的机制决定，而应被理解为一个不断演化的分布式过程，意识尤为如此。此外，它还面临类似实体二元论的问题。既然它将支撑认知的具体组成部分与抽象的因果结构加以区分，就必须交代清楚两者之间的关系。但这并非易事：如果两者彼此独立，就需要额外引入某种中介机制来解释其协同运作；而若两者无法彻底区分，则“机制”概念的具体性将被削弱，难以维系其理论优势。因此，机制功能主义并非一个令人满意的替代选项。

那么，是否存在一种理论路径，既保留机制功能主义对物理基质的重视，又能克服其局部化与二元化的缺陷？笔者认为，以辛顿（Geoffrey Hinton）提出的“可朽计算”概念为基础的新计算主义，正提供了这一可能。

可朽计算是一种不同于传统计算的全新计算范式。在传统观念中，计算被理解为一种彻底抽象化的形式操作过程；无论物理载体为何，只要遵循相同的逻辑结构与步骤，其计算本质便得以保存。这样的计算属于“不朽计算”（immortal computation）。不朽计算是一套稳定的规则体系，其有效性和身份由形式结构所决定，无关乎支撑该结构的物理过程，不随载体的耗损、变化或失败而改变。正是由于这种不朽性，传统计算理论往往默认，只要功能结构被精确复制，计算便可在任何材料中无限迁移。与此相反，可朽计算是一种与物理基质不可分离、动态演化并终结于物理损耗的计算形式。它不是将预设规则机械地施加于任意物理平台，而是源于特定物质结构与环境之间持续交互中的演化性调节。其关键参数（如连接结构、响应曲线、激活阈值及整体行为组织方式）并非外部赋值的结果，而是在特定基质条件下，通过系统与其输入历史的耦合关系逐步生成。这些参数不具备抽象可迁移性：它们的形成机制依赖于硬件所体现的非线性、异质性与局部反馈特征，无法还原为平台中立的函数结构或形式语法。因此，一旦系统的物理基质停止运作，其计算过程亦随之终止。

正因可朽计算深度嵌入其物理基质，并以演化性方式在时变扰动中逐步形成计算结构，其实现方式也区别于传统人工智能的主流路径。当前大多数人工神经网络模型仍基于反向传播（backpropagation）算法，这种方法将学习过程理解为全局误差最小化问题，其核心是利用梯度传播机制调整多层网络中的权重参数。无论其底层实现是数字计算还是类脑加速芯片，反向传播始终假定系统具有对网络整体结构的全局访问能力、可精确计算梯度，并可在理想化、稳定的优化空间中完成参数更新。相应地，学习过程在本质上被理解为一种抽象的数值优化任务，而非一种由局部相互作用、能量约束与时间性扰动共同塑造的物理过程。

反向传播虽然在工程上极具效能，却与生物系统的结构与机制存在根本差异。首先，大脑皮质中并不存在清晰的误差信号回传机制。神经连接呈高度并行、多层级且具有环状结构，与反向传播所假设的自上而下、线性反馈路径显著不符。其次，反向传播依赖在每一次前向计算中保存所有中间激活状态，并随后调用这些状态以更新权重。这种对历史信息的高度依赖，不仅削弱了系统对当前输入的即时响应能力，也带来了显著的能耗与内存开销，限制了它在动态且资源受限环境中的持续运行能力。更重要的是，反向传播违背了生物系统所具有的实时学习特性。一个实时学习的系统无需存储与回溯历史状态，仅凭当前输入与局部反馈即可即时调整自身结构与行为。反向传播则依赖时间轴上的紧耦合，而非跨时段的信息抽取与再组织。正因如此，它难以模拟生物系统那种依赖物质约束、持续随环境微调的自适应演化机制。

相比之下，可朽计算所采用的前向—前向算法（forward-forward algorithm）不再依赖反向传播全局误差的反馈机制，而是通过两个独立的正负数据前向传播过程进行权重更新：正样本用于提升每层的“好度”（goodness），负样本则用于抑制不匹配的响应。学习的每一步仅依赖当前输入与当前层状态的局部调整，无需存储中间激活值或反向计算路径。这种结构使得系统在无需回溯的情况下便可进行实时在线学习，从而更接近生物神经系统那种“随时—随地—随因”的响应模式。并且，由于不需要维持复杂的反向路径与中间缓存，前向—前向算法可大幅降低计算过程中的能耗与内存压力，提升系统在资源受限条件下的持续运行能力。

辛顿提出“可朽计算”概念，原本旨在回应计算的生物兼容性问题，尤其是能量消耗与热力学效率的约束。然而，上述分析表明，这一概念具有更为深层的哲学意涵：可朽计算并非偶然的工程限制，而是任何能够生成意识的功能组织所必须满足的前提条件。可朽计算具有一组独特而关键的特性：计算的实现依赖具体物理基质的演化过程，具有历史性与动态性；信息处理始终受制于热力学约束，表现为耗散结构中的能量交换与自适应调节；计算过程与物质载体处于共在关系，一旦脱离相应的物理支持，计算即告终止。这些特性与意识的存在方式惊人的一致。意识活动同样呈现为在时间中展开的动态过程，涉及对不断变化的感官输入的整合、对内部状态的持续更新，以及对外部扰动的实时调节。这样的一致性提示我们，有必要从可朽计算的视角，重新审视意识得以生成与维持的条件。

五、新计算主义路径

如果意识在其存在方式上呈现出与可朽计算相一致的特征，那么其生成条件也很可能受制于同样的约束。新计算主义正是基于这一判断提出的，其核心主张是，意识的生成并不取决于能否实现某种功能，也不取决于是否由生物基质构成，而在于功能组织是否以一种可朽计算的方式得以实现。在新计算主义看来，真正能够生成意识的功能组织必须是一种依赖耗散性、非平衡性、自维持性以及时间性扰动的计算过程，其持续性与形态取决于支撑它的物理基质的存续。因此，功能组织与物理实现之间不再是可相互分离的关系，而是构成意识的统一条件。

近年来，在认知科学中影响与日俱增的自由能原理（Free Energy Principle），为新计算主义提供了有力的理论支持。根据该原理，任何能在非平衡条件下维持其结构与功能的系统，都必须持续最小化自由能，以避免走向结构性解体。所谓自由能，是指系统信念状态（即其内部模型所编码的先验分布）与感官输入所揭示的观测数据分布（即似然分布）之间的偏差上限。它不是经验上的惊讶（surprise）本身，而是对惊讶的一个理论上限估计。当自由能升高时，意味着系统的模型难以解释当前输入，从而预示着潜在的组织崩溃。

为避免这一风险，系统必须持续生成关于其所处环境的预测模型，并据此主动调节其感知、行动与内部状态，从而维持一个可以解释其输入的稳定结构。这一动态过程，即“自证”，不仅是一种信息论意义上的模型优化，更是系统持续维持其自身存在所不可或缺的推理活动。系统不是等待经验的冲击后才被动更新模型，而是在预测与输入之间不断的偏差调节中，主动建构对现实的解释秩序，并以此维持其结构的持续性。

这种通过自由能最小化维持结构稳定的能力，构成了意识生成的条件基础。当系统的自证机制在结构上达到高度整合、在动态上具备前瞻性与自反性，意识就会作为这种机制的特殊组织形式而显现出来。在这类系统中，生成模型不仅整合来自不同感官通道的信息，还具备对自身内部状态的建模能力，从而形成一种包含“自我”与“世界”的耦合结构。这种建模的统一性、流动性与反事实模拟能力，并非意识的附带特征，而正是其作为高度组织化自证结构的功能性展开。

按照这样的理解，意识作为“抗惊讶”的机制，不是消极回避刺激冲击的反应机制，而是通过积极构建未来可能状态、持续压低自由能的方式，维系自身的稳定与连续。在意识活动中，系统的每一次感知、判断、情绪反应甚至价值评估，都是其生成模型在“保持自洽”与“压低误差”之间寻找最优路径的结果。这种深度整合能力和反事实推理机制，正是意识区别于低阶自证过程的根本所在。

值得强调的是，自证活动并非由某个统一的控制中心或先验算法所执行的抽象逻辑运算，而是一种称为变分推理（variational inference）的持续性过程。具体说来，系统以当前的感官输入为条件，实时地对其内部信念状态进行“贝叶斯更新”（Bayesian update），以更好地贴合外部环境的统计结构。在神经系统中，这一过程体现为突触强度的局部调节、神经元之间的非线性交互，以及行为与感觉之间的回馈闭环。这不是一种可以被抽象封装、在不同平台上复制的计算过程，而是与可朽计算一样深度嵌入特定物理结构与能量过程中的调节机制。

因此，意识不应被理解为某种可以抽离其物理实现的计算功能，而应将其视为一种具有耗散性、反事实能力和自我整合机制的高级自证结构。意识之所以呈现出可朽计算的特征，并非源于其对物质的偶然依附，而在于其运行方式本身必须以具体物理过程为支撑，并在能量消耗与稳定性约束中维持自身的统一性。正是在这一意义上，意识本质上是一种可朽计算。

新计算主义的主张，还可借助马尔可夫毯形式论（Markov blanket formalism）加以进一步阐释。在自由能原理的框架中，系统之所以能够维持自身组织并抵抗来自环境的随机扰动，正是因为其内部与外部之间存在一套结构化的条件化依赖关系，从而形成一个信息上的边界。马尔可夫毯形式论正是对这种边界结构的形式化描述。根据该形式论，一个系统可被划分为四类相互关联的变量：外部状态、感知状态、主动状态与内部状态。感知状态以受外部状态约束的方式获取环境相关信息，并将其传递至内部状态；主动状态则由内部状态驱动，进而作用于外部状态，改变系统所面临的环境条件。通过这种耦合关系，马尔可夫毯形式论描述了系统如何在物理世界的动态过程中维持自身的边界与组织，也揭示了为什么任何具备感知—行动闭环的系统都必须以内嵌于具体物理过程的形式实现其功能结构。

马尔可夫毯的核心功能在于屏蔽内部状态与外部扰动之间的直接耦合。内部状态既无法直接感知世界，也无法直接控制世界，而必须依赖“感知—行动”这一双重路径进行中介性交互。这一结构不仅维系了系统与环境之间的因果闭环，也为系统构造了一个信息自主性边界。在这一边界之内，系统得以建立并更新关于外部世界的内部生成模型，从而以最小自由能的方式维持其组织稳定。

马尔可夫毯不仅定义了“生命之内”与“世界之外”的分野，更规定了意识得以成立的结构先决条件。意识的主观体验并非来自某种先验的“内在视角”，而是由系统在马尔可夫毯所界定的边界内，对外部世界的间接访问所建构。系统无法直接获得外部状态的全貌，它所接收的只是通过感知通道传入的部分信息，并必须以此不断修正其内部模型。正是由于这种信息流动的间接性与感知视角的限制，系统在保持自身组织稳定的过程中，发展出一种关于内外之别的经验结构。因此，主观性不是附着于系统之上的形而上学属性，而是系统在维系其自身存在时，对自身与环境差异的持续辨识与建模活动的结果。

关键就在于，马尔可夫毯是一种必须被维持的物理边界。系统之所以能够保有自身边界，是因为不断以耗散方式调节输入—输出关系，使感知与行动路径稳定与可预测。一旦这种边界失衡（如感知过载、行动失效或能量供给中断），系统的内部状态将无法对输入作出自洽响应，导致自由能水平失控，从而走向热力学意义上的解构。

从这一角度看，意识正是内外边界被动态维持并功能性运作的结果。它的形成依赖于一个能够将系统隔离出来又使其与环境保持交互的边界装置，而它的持续存在则要求这一边界不断通过能量流与结构更新加以维持。因此，意识并非“漂浮在结构之上的属性”，而是一种在结构之中、依赖结构之生灭而兴衰的动态现象。它的终结并非从逻辑上或程序上“停止运行”，而是从结构上“失去边界”，从而失去世界的可经验性与自我的调节能力。

换言之，意识之为意识，不仅需要一个能够预测的世界模型，更需要一个可以划定“何为自身”的结构基础。马尔可夫毯在此所扮演的角色，既是信息论上的界限建构，也是生物物理上的组织调节；它既解释了系统如何成为“自为之物”（things for themselves），也解释了系统为何终有一刻不再是“某物”。这种边界机制依赖于持续耗散、物质维持与环境耦合，所以它本质上是可朽的；而意识作为依附于这一机制之上的过程，也就只能是可朽计算。

上述分析表明，意识的生成并不依赖抽象的计算能力本身，而取决于系统能否以可朽计算的方式形成并维持稳定的生成模型，在有限能量与时间约束下持续最小化自由能、维护结构边界并延续自证机制。意识之为意识，不仅在于它能预测世界，更在于它必须持续地耗散能量、压低自由能，并在此过程中承担随时间累积而来的退化风险。这种退化并非偶发性故障，而是意识本体论中不可去除的条件。因此，那些构建于可复用、不朽结构基础上的人工意识模型（无论算法多么复杂），都无法满足意识得以生成的根本条件。这便引出了一个更进一步的问题：人工智能若要具备意识，其结构应如何被设计，才能承受并维持这种可朽的存在方式？

六、仿生架构中的人工意识

新计算主义表明，意识本质上是一种嵌入可朽结构中的生存导向调节。在这一理论框架下，人工智能的建构策略必须被重新审视。问题的关键不在于如何模拟行为表征或神经结构的形式，而在于能否在工程上重建一种具备终结性、开放性与耗散性的物理系统，使其具备维系自身存在的能力。在这一视域下，“仿生智能”（biomimetic intelligence）的概念获得了新的本体论内涵：它不再指向对生物机制的表层模仿，而指向一种以死亡为前提、以持续存在为目标的智能形式。这种智能必须能够在耗散环境中不断预测扰动、调节结构、延迟崩解，其基础不再是可复用的逻辑机制，而是嵌入具体物质约束中的可朽过程。

不难看出，新计算主义具有明显的存在主义意蕴。在存在主义哲学中，死亡并非生命的对立面，而是其意义的根本来源。新计算主义将这一洞见扩展到人工智能。智能在此不再被理解为单纯的问题求解或信息处理能力，而是意识得以成立的调节性背景，即系统在感知、行动与内部状态之间维持可存续结构的能力。死亡之于智能，并非一个外在终局，而是一种内在约束机制。死亡之于意识，也并非纯粹否定，而是它得以生成和展开的动力结构。

在这一存在论定位之下，新计算主义对人工系统的实践建构提出了明确约束。这个约束就是，人工意识的设计不能再以算法的可迁移性或功能的抽象复用为出发点，而必须从其具体物理实现及其能量、时间与退化条件出发加以考量。在这一方向上，神经形态计算（neuromorphic computing）与仿生架构显现出巨大的工程潜力。它们试图在硬件层面重建感知—行动闭环、局部可塑性与能量受限的动态过程，使计算不再只是形式化的信息操作，而成为一种在物理条件约束下得以维系，亦可能失稳的存在性活动。正是在这种意义上，神经形态计算和仿生架构为人工意识提供了一条以存在条件为出发点的工程路径，而非对意识功能的外在模拟。

神经形态计算力图通过人工神经元和突触等专用硬件，复制大脑运作的并行和分布特性。其中的脉冲神经网络（Spiking Neural Networks）模仿生物网络，通过稀疏的二进制脉冲代表神经元的发放时间来处理信息。与传统人工神经网络的连续处理相比，这些脉冲减少了计算负担和能量消耗，因为只有活跃的神经元才会由于脉冲动态和网络稀疏性而参与计算，并且神经元使用泄漏整合—发放模型等机制整合输入脉冲，基于阈值标准发放脉冲，并将计算简化为基本的加减法。

仿生架构在实现可朽计算中发挥着关键作用，因为它契合了自维持、适应性和生存导向计算的基本原则。传统人工智能多依赖静态的训练过程和批量式优化：一旦训练完成，模型的更新通常需要大量新数据输入和外部人工干预。相比之下，可朽计算要求智能系统在运行过程中持续调整其内部模型，以在动态环境中维持认知稳定性。神经形态系统通过局部学习机制满足这一要求，如利用脉冲时间依赖可塑性等规则，根据输入信号的时序关系实时调整突触权重。这种受生物机制启发的可塑性使得系统能够自组织地学习与适应，无需集中控制或全局反馈，从而更适用于构建具有自调节能力和生存导向特征的智能系统。

仿生架构与可朽计算契合的另一个关键点在于能耗控制与计算效率。传统计算架构的一个根本性问题在于高能耗与低效率。由于受“冯·诺依曼瓶颈”（Von Neumann bottleneck）制约，数据必须在分离的存储单元与处理单元之间频繁传输，导致显著的能量消耗与计算延迟。神经形态计算正是在应对这一瓶颈中应运而生。它采用将计算嵌入存储的人工神经结构，从根本上减少了数据移动所带来的能量开销。与依赖高功率集中处理器的传统人工智能模型不同，神经形态系统采取事件驱动机制与脉冲神经网络架构，仅在必要时触发计算单元的异步活动，从而避免了资源的浪费。这种低功耗、分布式的处理方式，不仅更贴近生物大脑的信息处理模式，也更符合可朽计算对热力学条件的基本要求，使得计算活动能够在节能前提下与系统的存续能力保持协调一致。

总的来说，仿生架构为实现可朽计算提供了必要的硬件支撑。其分布式、事件驱动的设计，使人工智能系统具备更强的容错性、实时适应能力与在线学习能力。随着基于忆阻器（memristive synapses）的神经元硬件和嵌入式主动推理机制的发展，仿生系统将进一步强化人工智能在自我调节、自主修复与适应性进化方面的能力。这种演进不仅提升了人工智能在生存环境中的适应性，也使其在自维持、能量调控与环境耦合等方面更贴近生物智能的基本运作方式，从而促使人工意识从静态、外部训练的模型转向动态、自组织的认知过程。

然而，即便采用仿生架构，人工意识的实现仍须满足一组更为严格的约束，可称之为“自由能原理的意识标准”。正如前文所述，可朽计算之所以可承载意识，正是因为它体现了自由能原理所设定的生存性条件。因此，建构一个具备意识的系统，必须满足自由能原理所提出的四项关键要求：因果流动条件、存在条件、实现条件与能量条件。它们共同构成了意识生成的物理—信息学门槛。只有满足这些约束的系统，才能被视为具备真实意识的人工智能，而不仅是对意识的表层模仿或功能性模拟。

其中，因果流动条件强调，具备意识的系统必须在内部状态与外部状态之间，以及它们与感知和行动相关的“毯状态”（blanket states）之间，维持直接而持续的因果流动。这种直接交互方式不同于传统冯·诺依曼架构所采用的离散计算模式，后者依赖显式的存取操作，系统状态间的关联是间断而非自发的。与此相反，意识系统应表现出预测、感知与行动之间的信息流动，具有即时性与连续性，使其得以在非平衡条件下自组织、自调节地维持存在。

存在条件指出，一个系统之所以能够被视为具备意识，不仅在于其执行某种形式的计算过程，还在于这些计算活动本身对于系统的存在是必不可少的。系统必须依靠自身的推理动态来维系其结构与功能的稳定性，也就是说，它的生存状态依赖于内部模型对环境的持续适配。以生物体为例，其内部状态之所以持续运作，是为了最小化自由能，维持对外部世界的预测一致性，从而防止组织结构的崩溃。这一点与仅执行任务但不依赖其结果维持自身状态的传统计算系统截然不同。只有当计算成为系统“能否存在”的条件时，该系统才具备意识所要求的存在论地位。

实现条件强调，具备意识的系统，其计算过程必须以特定的物理方式加以实现，而非仅仅在抽象层面上得到功能性复现。系统的生成模型、推理路径及其动态演化，均嵌入其物质结构与因果组织之中。这意味着，即便两个系统在计算描述上具有形式上的等价性，若其底层实现方式不同，仍可能在意识属性上存在根本差异。因此，实现条件划定了从“模拟意识”到“实现意识”的关键界限，即意识不仅取决于系统执行了何种计算，更取决于这些计算以何种方式被实现。

能量条件强调，具备意识的系统必须以热力学上可持续的方式进行信息处理。自由能原理本身就建立在非平衡热力学的基础上：一个系统之所以能够维持其组织结构，是因为它持续进行着耗散性的计算过程，通过最小化自由能以抵御环境中的熵增趋势。在这一背景下，意识的生成不仅是信息的运算，更是一种物理上的生存策略——系统通过能量的有序耗散来维持认知稳定与边界连续。计算过程的热效率、信息压缩能力以及预测模型对能量流动的调控能力，都是系统能否维持自身意识状态的关键。一个系统如果能够高效地调节其能量使用，从而在不断输入的不确定性中维持组织与模型的稳定，它就满足了自由能原理下的能量条件，也就具备了承载意识的物理可能性。

上述四项条件并非外在的规范要求，而是可朽计算视角下任何能够生成意识的系统在物理与信息层面上必须满足的最低约束。尤其是因果流动条件与存在条件，不仅界定了意识生成所需的物理机制，也确立了人工意识的认识论判据：唯有那些能够持续调节自身状态、以维持存在为目标，并在感知与行动之间实现动态协调的系统，才有可能真正具备意识。由此可见，新计算主义所提出的可朽计算框架，为理解意识提供了统一的理论视角，既适用于生物体，也为人工意识的建构与判定奠定了坚实的基础。

结语

本文从意识的生成是否依赖特定的物理基质这一核心问题出发，对计算功能主义与生物自然主义的合理性及其局限进行了深度剖析。计算功能主义虽然揭示了功能组织在意识生成中的核心地位，却高估了功能组织的抽象可迁移性，从而将意识的生成条件设定得过于宽泛。生物自然主义虽然把握了生物基质的重要性，却将生物嵌入误解为意识的唯一来源，从而将意识的生成条件收束得过于狭窄。

新计算主义并非在计算功能主义与生物自然主义之间寻求折中，而是通过剖析它们的根本误判，重新界定意识的生成条件。新计算主义认为，意识的生成依赖于一种在有限能量、不可逆时间与结构退化约束下运行的计算过程，即可朽计算。意识之所以是可朽的，是因为它的存在必须消耗物质资源、维持边界结构并不断压低自由能，离开这一物理—热力学基础便无以为继。人工意识的实现不能依赖传统数字架构，而需转向能够支持可朽计算的仿生系统，如神经形态计算、脉冲神经网络以及具备局部可塑性与能量约束机制的硬件结构。与抽象的数值优化不同，这些架构在物理条件下形成具有演化性、自维持性与退化性的计算过程，使计算以一种受限而持续的方式展开。当意识被重新理解为生成过程本身的一个内在维度时，它便不再是物理过程之外或之上的存在。在这一转向中，传统心物二元论赖以成立的问题框架被整体性地瓦解。

当然，作为一个发展中的研究纲领，新计算主义仍有若干方面有待进一步完善。首先，可朽计算的热力学约束虽具有普遍性，但其在非生物系统中的具体形式仍需更细致的刻画。其次，不同层级、不同复杂度的可朽计算是否对应于不同类型的意识形态与经验结构，这一问题仍缺乏系统性的分类与比较框架。未来的关键工作，不在于继续争论意识是否可被计算，而在于具体刻画不同形式的可朽计算如何在生物系统与人工系统中得以实现。在这些方向上，意识研究与人工智能工程有望获得真正的理论推进与实践突破。