当前，人工智能的算法、模型和硬件快速迭代，并加速向机器人、可穿戴设备等物理领域延伸。相比之下，人的身体和大脑仍受缓慢的生物演化制约。面对日益扩大的速度差，清华大学集成电路学院任天令教授团队提出“超自然进化”思想，旨在探索利用技术恢复并扩展人的感知、认知、交流与运动能力，突破自然进化的速度限制。

研究将这种差距概括为“进化节奏失配”（图1）。现代人脑容量在约30万年前已接近今天水平，代谢功率约20瓦，单个神经元的放电频率通常不超过100至200赫兹。神经可塑性虽支持学习，却难以改变由代际遗传和自然选择决定的缓慢演化节奏。相比之下，现代机器学习训练框架可协调数万个以吉赫兹量级时钟频率运行的专用处理器，模型架构能在数周或数月内完成设计迭代与重新训练。

图1.生物认知与技术能力的进化节奏失配

尽管两者发展节奏不同，人脑仍能以较低能耗完成感知和判断，并输出行动指令；人工智能则面临能源和材料约束，在适应复杂环境和开展长程规划等方面也存在局限。机器能力的增长不会自动转化为人的能力提升。

“超自然进化”关注的不是人与机器之间的性能竞争，而是借助人工智能、柔性生物电子和神经解码等技术，既支持人的功能恢复，也扩展其感知、认知、表达和行动能力。相较于依赖世代更替的自然进化，技术能在更短的时间内支持人的能力恢复与发展。

相关技术探索已在多个方向展开。智能织物可持续采集生理信息；人工喉原型可将喉部肌电和机械振动转换为语音；脑机接口正尝试将神经活动解码为文字、语音或控制指令：柔性生物电子可使器件更好地贴合人体组织，并在生物界面集成感知、反馈等功能。

在数字域中，人工智能主要处理文本、图像和程序代码等数字信息；进入物理域后，具身系统通过感知—行动闭环与环境交互；延伸至神经域后，算法可参与生物信号的读取与分析，并据此提供反馈。系统以人的表达需求、动作意图和功能恢复目标为出发点，其输出最终用于支持人的交流、行动和功能恢复。这体现了以人为主体的具身智能思路，可为“超自然进化”提供一种技术路径（图2）。

图2.智能技术从数字域向物理域和神经域扩展

“超自然进化”的技术基础仍待完善，柔性生物电子和神经接口仍需解决生物相容性、供能、信号稳定性和规模化制造等问题。这一思想不预设某种未来技术形态，也不局限于某一种设备，而是把人重新置于技术讨论的中心，关注技术进步如何转化为人的感知、认知和行动能力，使人类在智能时代仍能掌握塑造自身未来的主动权。

研究成果以“人工智能时代的超自然进化”（Transcending Natural Evolution in the Age of Artificial Intelligence）为题，于7月13日在线发表于《中国科学：信息科学》（SCIENCE CHINA Information Sciences）。

清华大学集成电路学院博士后郭鹏文、2025级博士生贾欣媛为论文共同第一作者；清华大学集成电路学院教授任天令、副教授杨轶、北京信息科学与技术国家研究中心副研究员陶璐琪为论文共同通讯作者。

研究得到国家重点研发计划和国家自然科学基金等项目支持。