先说好消息：纯拼谜能力上 AI 进步飞快。2024 年底，哥伦比亚大学团队发现即便最强的模型也仅能解出 18% 的《纽约时报》Connections 字谜；到 2025 年初，部分模型已能近乎完美地每次通关。

但在另一些维度，模型依然吃瘪。其一是空间推理：即便具备视觉能力的语言模型，在”心理旋转”这类三维物体角度判断题上仍一塌糊涂。其二是记忆与适应：2024 年 Google 与伊利诺伊大学厄巴纳-香槟分校的研究显示，当”骑士与无赖”经典逻辑谜题出现细微变体时，模型常忽略关键差异、照搬训练记忆作答；类似的 SimpleBench 测试也发现，题目若与训练中见过的复杂问题形似，人类能识破陷阱，顶尖模型却会栽跟头。

抽象与视觉推理同样薄弱。在著名的 ARC-AGI 基准中，模型在网格以”颜色数字串”编码输入时表现更好；即便答对，也常依赖繁复却无法泛化的规则。其四是直觉：人类有许多 AI 不具备的认知偏差；2023 年《自然·计算科学》的研究发现，LLM 中曾出现类人的直觉偏差，但在 ChatGPT 中又消失了。其五是复杂度：苹果公司的研究显示，模型能解简单的汉诺塔与渡河谜题，但当圆盘或人数增至 6 以上便开始失败；华盛顿大学、斯坦福大学与艾伦人工智能研究所也观察到逻辑网格谜题（ZebraLogic）存在类似瓶颈。

谜题的价值，正在于既展示 AI 能力的飞跃，也标出它尚未跨越的边界。

四周实验里的反转

研究由 MIT 媒体实验室的 Pattie Maes 及其同事完成。参与者在连续四周里，对成对出现的新闻标题与配图进行真伪判断。初期，有聊天机器人辅助的人，分辨真假新闻的准确率比无辅助时高出约 21%。但到了第四周，情况出现反转：在没有人工智能辅助的情况下，这些参与者识别假新闻的能力，反而比实验开始前低了约 15%——尽管其中约四分之一的人自认为变得更擅长此事。

研究者将这种现象称为「人工智能依赖悖论」，并指出它在医学等其他领域也曾被观察到。

「告诉」与「提问」的差别

论文的两位主要作者、媒体艺术与科学方向博士生 Anku Rani 与 Valdemar Danry（2023 届理学硕士）指出，用户容易被这些「神奇」的大语言模型吸引，却忘了它们本质上只是预测序列中「下一个词」的统计模型。

研究还发现，不同的 AI 交互风格会带来不同的长期效果。Danry 表示，直接给出答案的 AI 更容易让人产生依赖；而通过苏格拉底式追问引导思考的 AI，虽然一开始让人慢一些，却更有助于用户真正学会独立辨别真相。「但这本质上是在速度与投入之间的权衡。」他补充道。

对人工智能辅助阅读的启示

这项结论对当下广泛使用 AI 辅助阅读、获取资讯的习惯提出了提醒：工具能提升短期效率，却可能悄悄转移本应由人自己承担的判断力。在涉及事实核查的场景里，把 AI 当作「教练」而非「答案机」，或许更有助于保持人的独立判断力。

AI 的爆发式增长正驱动美国数据中心加速建设，随之而来的是对电力需求和碳排放的担忧。但 MIT 的一项新研究提出了一个反直觉的结论：如果数据中心的用电方式更灵活，它们非但不会推高电价，反而可能降低消费者的平均用电成本。

该研究由 MIT 斯隆管理学院经济学家 Christopher Knittel 及其合作者 Senga、Wang 共同完成，发表于同行评审期刊 iScience。

关键不在用电量，在用电时间

Knittel 指出，问题的核心不是数据中心用了多少电，而是它们在什么时候用电。

“关键是如何把数据中心接入电网，而不过度增加峰值负载。如果数据中心能在高成本时段提供电网灵活性——也就是增加平均用电但不增加峰值——那才是我们想弄清楚的事情。”

研究团队建模分析了数据中心在不同时间灵活性下的电网影响，结论很明确：当数据中心将 20% 以上的用电量转移到非高峰时段（部分地区甚至需要 50%），居民电价会出现下降。

各地区电价降幅

MIT 团队给出的具体数据：

降幅的差异主要取决于各地区的能源结构——有些地方光伏和风电占比更高，有些则更依赖化石燃料发电。研究同时指出，灵活用电的环境效益因地而异：在可再生能源丰富的地区，转移用电有助于减碳；而在煤电为主的地区，非高峰用电的实际碳排放可能反而更高。

对国内读者的启示

这项研究虽然基于美国电网数据，但对中国的”东数西算”战略和算电协同实践有直接的参考价值。

以宁夏中卫为例——当地算力园区到户电价稳定在 0.36 元/千瓦时，仅为东部地区的 45% 左右。2026 年，全国首个算电协同绿电直供项目已在中卫投运，通过沙漠风光电专用线路直供数据中心，剔除中间转运成本。

更直接的数据来自商汤科技。在 2026 年世界人工智能大会（WAIC 2026）上，商汤大装置发布的”算电协同 Agent”已在临港 AIDC 全面落地，实现单位电力成本 Token 产出提升 80%，平均电费单价低于同地区 IDC 10%，算力负荷预测准确率达 96%。

结论

MIT 的这项研究打破了一个常见误解——AI 数据中心不必然等于更贵的电费账单。关键在于用电灵活性，即是否能在电网低负载时段多用电、高峰时段少用电。对于正在快速建设算力基础设施的中国市场而言，这一结论意味着：算电协同不仅是一项绿色战略，更是一笔实实在在的经济账。

研究引用：Senga, J.R.L., Wang, S., and Knittel, C.R. (2026). Flexible Data Centers Reduce Power System Costs but Can Increase Emissions. iScience. DOI: 10.1016/j.isci.2026.116497