足以不恨1. 为什么"客体连续性"是AGI绕不开的基石
"客体连续性"这个词，听起来像是心理学课本里的概念，但它实际上是当前AGI讨论中一个极为关键、却又常常被忽视的基础问题。简单来说，客体连续性指的是：世界上的物体在时间和空间中保持其同一性的能力——一个苹果从桌上滚落到地上，它还是那个苹果；你眼前的人转身走进房间，即使暂时被遮挡，你依然知道他在那里，不会消失。
这在人类看来是再自然不过的事情，甚至觉得自己根本不需要"思考"就能做到。但恰恰是这个"不需要思考"的能力，暴露了当前AI系统最深的短板。
前阵子OpenAI总裁在社交媒体上高调宣布"AGI时代到来"，我身边不少朋友兴奋地转发了那篇文章。作为一个长期关注机器学习底层逻辑的人，我的第一反应却有点冷静：我们连客体连续性的问题都没有在模型架构层面真正解决，AGI这个目标恐怕还有一段路要走。你可以让大模型写诗、写代码、做数学题，但你让它连续跟踪一个视频中某个具体物体的运动轨迹，或者让它理解"因为窗帘挡住了，所以猫虽然看不见但并没有消失"这类基本物理直觉，它很容易就乱了套。
这里要澄清一个核心认知：目前主流的大语言模型本质上是"符号统计引擎"，而非"世界模拟器"。 它能写出关于物理世界的文章，但不代表它内部建立了对物理世界的连续心智模型。与之相对，人类婴儿在9到12个月左右就发展出了"客体永久性"——这是心理学上非常经典的里程碑概念，皮亚杰用一堆实验证明了这一点。婴儿在最初几个月，玩具被布盖住后就认为玩具"不存在"了；但到了特定发育阶段，他们会主动掀开布去找玩具，因为他们已经在心智中构建了"物体即使看不见也仍然存在"的观念。
这就是客体连续性最原始、最底层的形态。
如果要做好AGI，我们不是在现有模型上加一个模块就能解决"连续性"问题，而是要从表征、记忆、预测三条链路同时下手。这也是这篇文章想系统梳理的核心内容——为什么客体连续性如此重要，它在AGI中对应哪些技术难点，以及目前业内有哪些可能的方向值得深入。
我会把这个问题拆成几个层次来讲：先看你我作为人类的连续性认知是怎么运作的，再对比当前AI在哪一环上缺失了，接着聊聊如果要突破，应该从哪些技术路径下手，最后结合现有的研究聊聊这项工作在实际场景里到底能解决什么真问题。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 人类连续性认知的两条路径：自上而下与自下而上
在搭建AGI的认知架构之前，充分理解人类自己是怎么解决连续性问题的，非常有参考价值。人类的视觉系统不是一台被动的摄像机，它是一台极其活跃的"预期机器"。
先说自下而上的路径。当物体移动、被遮挡、改变光照，我们的视网膜接受到的信号其实是断断续续的。但大脑的视觉皮层会自动完成"填补"（filling-in）工作。最经典的例子是盲点实验：我们视网膜上有生理性盲点，但你平时完全感觉不到视野里有洞。因为大脑会自动用周围的纹理和颜色信息把盲点区域"脑补"完整。这个机制用在客体连续性上，就是当我们看到一块移动的物体被一根柱子挡住一部分时，大脑会自动补全被遮住的轮廓，并把前后两段视觉输入关联成"同一个物体"。
再说自上而下的路径。这是更高层的认知机制：我们事先就知道"物体不会凭空消失，也不会瞬间变成另一个物体"。这个预期不是从当前帧的视觉信号里直接提取的，而是由长期积累的世界模型提供的。2004年有一组非常有名的