过去几十年里，硅谷最抢手的人才一直是工程师。

从晶体管到互联网，从搜索引擎到智能手机，技术产业的竞争归根结底都是工程能力的竞争。谁拥有更优秀的程序员、更高效的算法和更强大的计算能力，谁就更有机会赢得市场。

然而，人工智能时代出现了一个颇为反常的现象。

在微软、谷歌、OpenAI和Anthropic争夺顶级算法科学家的同时，它们也开始以不菲的薪资聘请另一类看似与代码毫无关系的人才：哲学家。

这并非出于附庸风雅。也不是因为这些公司突然对“什么是意识”产生了学术兴趣。更现实的原因是，人工智能的发展正在把科技公司带入一个工程学无法独自解决的领域。

对于大多数技术问题，工程师的任务是寻找最优解。但人工智能越来越多面对的，却是根本不存在最优解的问题。

——什么是公平？

——什么构成伤害？

——什么是真实？

——什么叫做知情同意？

——机器在多大程度上应该尊重人的自主选择？

这些问题没有隐藏在某个数据库里等待检索，也不存在一套公认的数学公式可以求解。它们属于规范性判断，而非技术判断。

以AI招聘系统为例。一家公司可以要求算法追求结果均等，也可以要求其追求机会均等；可以要求算法对种族、性别等信息完全“视而不见”，也可以要求它主动向历史上处于不利地位的群体进行补偿。

每一种选择都对应着不同的正义观。工程师能够告诉管理层如何实现这些目标，却无法告诉他们究竟应该选择哪一个目标。代码能够优化路径，却无法定义终点。这正是哲学家开始进入科技公司的原因。

类似的问题同样出现在内容治理领域。

几乎所有大型AI公司都希望自己的系统同时具备言论自由、安全可靠、事实准确、隐私保护和政治中立等特征。然而这些目标并不总是兼容。

一个更加开放的平台，往往意味着更高的风险；一个更加安全的平台，则可能需要更严格的限制。保护隐私有时会削弱透明度，而提高透明度又可能损害隐私。这些并非技术权衡，而是价值权衡。

事实上，许多所谓的AI治理问题，远看像计算机科学，近看却更接近政治哲学。

哲学家的作用并非提供正确答案，而是帮助人们理解问题本身。他们擅长识别隐藏的假设，分析相互冲突的原则，并厘清不同价值之间的取舍关系。这种能力在人工智能时代显得格外珍贵。

在科技公司内部，人们越来越习惯于将哲学家的工作描述为“概念除错”。工程师负责修复代码中的漏洞；哲学家则负责修复概念中的漏洞。这种分工听起来有些滑稽，却异常实用。

当产品团队讨论“对齐”“智能”“推理”“偏见”或“安全”时，不同部门常常使用相同的词汇，却指向完全不同的含义。很多组织层面的混乱，并非源于技术失败，而是源于概念混乱。在这种情况下，最需要的并不是更多代码，而是更清晰的定义。

不仅如此。过去，科技公司主要生产工具。今天，它们越来越多地参与制定规则。搜索引擎决定哪些信息更容易被看见；推荐算法决定哪些观点获得传播；语言模型开始参与教育、招聘、医疗、金融乃至法律等领域的决策过程。这些原本属于政府、法院、大学和媒体机构的权力，正在部分转移到科技企业手中。

于是，那些原本属于政治学的问题开始进入董事会。

——谁有权制定规则？

——规则依据什么价值观制定？

——谁来监督规则的执行？

——规则出错时又由谁承担责任？

这些都不是通过增加算力能够解决的。它们需要关于合法性、责任和治理的讨论，而这些恰恰是哲学数百年来一直关注的问题。

当然，聘请哲学家也有现实的商业考虑。

人工智能企业如今面临越来越严峻的公众审视。人们担心算法歧视、隐私侵犯、虚假信息和失控风险，并不断追问：为什么应该相信这些系统？又为什么应该相信创造这些系统的公司？

在这种背景下，哲学家的存在有助于向外界传递一个信号：企业正在认真对待这些问题。批评者将此称为“伦理洗白”。有时这种批评并非毫无根据。但同样不可否认的是，越来越多的哲学家正在直接参与产品设计、风险评估和治理框架的制定。

他们不再只是旁观者。

真正值得注意的并不是哲学家进入了科技行业，而是科技行业开始需要哲学家。

每一次重大的技术革命都会创造新的专业精英。工业革命催生了经济学家；现代民族国家塑造了政治理论家；大型企业时代则产生了管理学家。

人工智能革命或许正在创造新的需求。因为当机器只是执行命令时，最重要的问题是如何让它运行得更快；而当机器开始参与判断时，最重要的问题便变成了它应该依据什么原则进行判断。

从这个意义上说，AI大厂聘请哲学家并非某种偶然现象。它反映的是一个更深层的变化：技术正在越来越接近权力，而权力最终总会把哲学重新召唤回来。毕竟，人类或许能够把智能制造出来，却仍然需要决定智能应当服务于什么。