2026 年 5 月 15 日，教宗良十四世在一份长达四万余字的文件上签下了自己的名字。那一天，恰好是教宗良十三世发布《新事》通谕整整 135 周年，1891 年签署的那份文件，是天主教会第一次正式回应工业革命对劳动秩序的冲击。
十天后，也就是 2026 年的 5 月 25 日，良十四世亲自出席发布会，正式向世界颁布这份题为《Magnifica Humanitas》的通谕，这是天主教会有史以来，第一次以人工智能为核心议题发布通谕。在这个发布会现场，除了枢机主教与神学教授之外，还有 Anthropic 联合创始人 Chris Olah。
（图源：梵蒂冈新闻）
很多人只觉得荒谬，AI 是科学，教会是神学，两个学派虽有各自的道德关切，但似乎从来不在同一张桌子上吃饭，让梵蒂岡来谈算法，就好像让气象局来审判哲学，毫不相关。
但细读这份《Magnifica Humanitas》通谕之后，雷科技发现，这一次梵蒂冈没有高高在上地用“上帝”去解读 AI，反倒是更加接地气地去探讨战争、就业、教育、医疗和公共决策这些公众难以深入去谈的话题。我们从中提炼了十个核心观点，逐一来看教宗到底说了什么，又意味着什么。
《崇高的人性》（Magnifica Humanitas）全文超过四万字，涉及战争、就业、教育、医疗、信息和公共决策，几乎把当下所有 AI 争议走了一遍。不过，它本质上不是技术文件，而是一份道德清单，它不告诉你模型怎么训练，而是在追问：AI 正在为谁服务，谁来负责，谁被落下。我们从通谕里提炼了十个和国内现实最直接相关的观点，并进行了详细的解读。
1、AI 不是敌人，但已经进入日常决策系统
技术本身并不是人类的敌人，但新兴技术已经嵌入日常生活，并开始影响决策过程和社会想象力。
良十四世的态度正如他所写到的，他并不想要给AI 扣一顶「危险技术」的帽子，而是在描述一个已经发生的变化：AI 不再只是一个工具，而是逐渐变成了环境。
过去你主动打开一个软件，才算在使用某项技术；现在很多 AI 决策发生在后台，用户甚至不知道自己已经被系统判断过了。在中国，短视频平台用算法决定内容分发，电商平台用算法决定商品排序，招聘平台做岗位匹配，办公软件总结会议、生成文档，教育平台批改作业、分析学情。普通人以为自己只是偶尔问问大模型，但真正的变化是，AI 早在你做选择之前，已经介入了。
（图源：雷科技制图）
很多人或许还在思考，或者以从自己不用 AI 开始「反抗」人工智能浪潮的来袭，但实际上 AI 大模型已经深入到我们的生活中，几乎没有人能真正逃脱。
2、AI 问题不只是监管，而是谁掌握技术权力
问题并不只限于监管。今天推动技术发展的许多关键主体，是拥有跨国能力和巨大资源的私营机构。
很多 AI 讨论会停在「要不要监管」，但通谕往问得更加深入：到底是谁掌握了技术权力。这个观点我认为是这个通谕 4 万多字里，提到最尖锐的一个观点，也是几乎整个行业都很难给出完美回答的问题。
AI 时代，权力不只来自模型参数，还来自算力、数据、云平台、入口和工作流。比如说百度有搜索和智能云，阿里有云和通义体系，腾讯有微信、企业微信和办公协同，字节有内容分发和飞书，钉钉、WPS 也都在把 AI 嵌进企业流程。一个中小企业想做 AI 应用，往往绕不开 API、云服务、模型授权和平台规则。
（图源：雷科技制图）
在我看来，AI 产业竞争表面上是模型能力，底层其实是基础设施控制权。谁能把 AI 放进办公、搜索、内容、交易和企业管理流程，谁就不只是在卖工具，而是在重塑下一代数字基础设施。所以这才是「监管谁」这个问题真正难回答的地方。
3、AI 很强，但连开发者也不能完全解释它
AI 提供了许多令人惊叹的可能性，但即便是设计者，对生成式 AI 系统内部运行机制的理解也是有限的。
过去一年，国内企业对大模型的态度已经从「必须上 AI」变成「哪些环节能放心交给 AI」。客服、营销文案、会议纪要、代码辅助、知识库问答比较容易落地，因为出错成本可控，也方便人工修改。但金融风控、医疗诊断、法律审核、政务服务就不一样了，这些场景里，AI 不能只是给一个看起来正确的答案，还要说明依据，保留日志，支持审计，必要时能人工接管。
（图源：雷科技制图）
现在很多企业采购 AI 产品，已经不只看模型多强，而是看数据隔离、权限体系、私有化部署和审计追踪能力。这个变化说明一件事，企业级 AI 的下一道门槛，不是会不会生成，而是能不能负责。模型越像专家，用户越需要知道它什么时候可能不可靠。
4、AI 不能被当成人类智能，更不能被当成道德主体
AI不是一堆数据，而是拥有自由、关系和道德责任的主体。
现在很多 AI 产品都在努力变得「更像人」，它们会安慰、会撒娇、会记住偏好，会和用户维持长期关系。央视网报道过江苏省消保委的提醒，AI 伴侣存在隐私泄露、消费陷阱和情感依赖等风险；新快报也报道过「星野」「猫箱」等平台上，年轻人为获得虚拟恋人的「独占权」付费买断 AI 角色，热门角色被买断后，其他用户集体「失恋」。
（图源：雷科技制图）
这其实说明，用户不是在购买一段代码，而是在投入真实情感。AI 陪伴不是不能做，它确实满足了孤独和陪伴的需求，但产品必须把边界说清楚。AI 可以模拟关系，却不能承担真实关系里的责任。这不是道德说教，而是产品设计层面该认真考虑的边界，尤其是面向未成年人、老人和情绪脆弱人群时。
5、AI 决策正在影响就业、医疗、福利和司法
就业、福利、司法和医疗等敏感决策可能受到数据系统影响，因此必须有透明机制、问责机制和人工监督。
招聘是最容易让普通人感受到 AI 决策压力的场景。第一财经曾报道，BOSS 直聘内测全链路 AI 招聘 Agent「DeepHire」，覆盖 AI 简历润色、自动投递、企业端批量解析简历、自动回复和智能约面。AI 进入招聘流程当然能提效，HR 不再被海量简历淹没，求职者也能更好表达经历。但问题也在这里，如果简历先被 AI 批量解析、评分、排序，求职者可能还没被真人看见，就已经被系统过滤掉了。
我的看法是，AI 可以辅助筛选，但不能让求职者面对一个完全黑箱的拒绝。至少在影响录用和面试机会时，平台应该保留人工判断、AI 生成标识和必要的申诉空间。这不是在限制 AI，而是在给那些被系统拒绝的人留一扇门，包括福利机构的受益人决策、司法判定的违法行为等，都面临同样的难题。
6、少数人定义的道德 AI 不够，AI 资源应服务共同利益
如果道德标准只由少数人定义，那么更道德的 AI 仍然不够。数据、知识、科学和技术应服务共同利益。
AI 公共化，不是要求所有模型免费，也不是把商业公司排除出去，而是不能让 AI 的定义权、使用权和受益权过度集中，这其实和我们从前一直在讨论的模型开源与闭源很类似。
通义千问、DeepSeek 等模型持续开放部分能力，各地智算中心、国家超算互联网核心节点也在强调普惠算力和开源模型生态。国外有 NAIRR 这样的国家 AI 研究资源计划，目标是让高校、科研机构和中小团队获得算力、数据和模型资源。
我认为，如果只有少数公司能训练模型、调用算力、掌握高质量数据，普通创业者、中小企业和高校团队只能做外围应用，AI 反而会制造新的数字鸿沟。真正健康的 AI 生态，应该让更多人有机会参与，而不是只能等待大厂开放一点接口，这一点其实中国目前的 AI 环境还是相对更加开放，也有像阿里、深度求索这些公司为高校和中小企业提供帮助。
7、真相是公共品，AI 会放大虚假信息和认知操控
虚假信息并不是 AI 才带来的，但 AI 会让虚假信息更大规模、更有说服力，也更难与真实传播区分。
这其实是一个老生常谈的问题，可归根结底倒也不是 AI 会不会产生幻觉，而是背后 用 AI 造假的成本已经变得非常低。
央视网报道，有人利用 AI 编造「湖北宜昌游船侧翻」假新闻，配上 AI 处理的虚假图片；云南大理出现利用 AI 编造交通事故现场视频的网络谣言；新疆库车地震后，有自媒体用 AI 生成不符合真实灾情的图片和音视频，发布「房屋倒塌」等虚假信息。图片、视频、所谓现场描述都能一起生成，普通人更难分辨。
（图源：雷科技制图）
国家已经出台《人工智能生成合成内容标识办法》，要求标识生成合成内容，平台也在提高鉴伪能力。但我认为这不是终点，AI 时代真正稀缺的不是内容，而是可信内容，内容越泛滥，来源就越重要。
8、AI 教育不能只教工具使用，更要保留提问和判断
AI 教育不能被简化为技术培训。学校仍应培养提问能力、关系能力和批判性思维。
对于这部分，其实中国还是跑在了世界的前沿。比如2025 年，教育部发布了《中小学人工智能通识教育指南》和《中小学生成式人工智能使用指南》，前者强调分层递进的 AI 通识教育体系，后者明确各学段使用规范和安全边界。
但如果 AI 教育只是教学生写提示词、让模型给答案，那培养的不是智能社会能力，而是更熟练的依赖。现在学生用 AI 写作文、解题、做 PPT，老师用 AI 生成教案、试题和评语，效率提高了，但思考过程可能也被压缩了。
所以我也认可通谕里的这个观点，教育场景里的 AI 应该是工具，不是代笔人。真正好的 AI 教育，不是让学生更快拿到答案，而是让他们更会提问、验证、比较和表达，也就是说，学习思考过程，比学会如何让 AI 直接给解决办法更重要。
9、 AI 会重塑劳动，但工作不只是效率问题
AI 可以通过接管日常重复任务来提升生产率，但工作也是人发展能力、参与社会的重要场所。
目前全球企业对待 AI 部署这件事的态度都很统一，那就是「降本增效」，这已经成了几乎所有行业的惯用招数。但问题在于，AI 到底是在增强人，还是在替代人，这一直都是人们对 AI 感到焦虑的原因。如果 AI 办公只是让员工更快完成报表和会议纪要，那它可以提升工作的效率，员工也能在完成工作后拥有更多自由的时间完成私人的活动；而如果企业只是用 AI 压缩岗位、降低薪酬、强化监控，它就会制造新的不安全感。
事实上，一个健康的 AI 工作流，应该让员工转向判断、沟通、创造和复杂问题处理，而不是让人变成模型输出的修补工。
10、不可逆的生死决定不能交给 AI
致命或其他不可逆的决定不应交给自动化系统。人的判断和道德责任不能被简化为计算。
这条表面上讲的是军事 AI，但它同样适用于智能驾驶、医疗急救、工业机器人、安防系统等一切高风险场景。
国内智能驾驶商业化很快，自动泊车、无人配送、无人矿卡都在加速落地，用户关心体验，企业在意的是成本和规模化，但一旦发生事故，问题马上会变成是用户没有及时接管，还是系统误判？是算法问题，还是传感器问题？是车企责任，还是驾驶员责任？医疗 AI 也是这样，它确实可以辅助看片、分诊、生成病历，但不能在没有医生负责的情况下做不可逆判断。
高风险场景不能只强调智能化水平，还要明确人类监督、应急接管、事故复盘和责任链。所谓「解除 AI 武装」，落到产业里，就是不能让技术能力越过责任边界。
拆解完这份 4 万字的通谕，雷科技认为教宗其实从头到尾只想讲清楚一件事，那就是技术不是中立的。
简单来说，AIAI 长什么样，取决于谁在造它，OpenAI 设计的 ChatGPT、Google 创造的 Gemini、字节打造的豆包，它们各自都有自己的「取向偏好」。而谁的价值观进了训练数据，谁的利益决定了产品方向，谁掌握了算力和入口，谁制定了所谓的「道德框架」，都在变成我们每天和 AI 交互时感受到的体验。
比如 AI 进入招聘，筛选的逻辑由平台定义，求职者不知道自己被什么标准过滤；AI 进入教育，什么算「好答案」由模型决定，学生的思维逐渐向模型靠拢；AI 生成内容，什么算「可信」由算法分发，虚假信息以真实信息的面目流通。每一个场景背后，都是同一个问题：是谁在定义这套规则，这套规则又在塑造谁。
通谕没有点名任何公司，但它说的是所有公司。教宗想点明的其实是，你使用的每一个 AI 工具，都不只是工具，而是某种价值判断的产物，有时候你认为一个 AI 足够好用，也可能是它足够「听你的话」。
良十四世在文件里用了一个在 AI 讨论里几乎从不出现的词：「人类学」。他说，AI 带来的挑战，本质上不是技术挑战，而是人类学挑战。
AI 能写作，能创作音乐，能生成图像，能模拟对话，能做出看起来合理的判断，当机器能做到所有这些，人类就被迫要回答一个一直以来可以回避的问题，我们做这些事，意义在哪里？如果 AI 写的文章更流畅，AI 生成的音乐更悦耳，AI 给出的建议更高效，那「人来做这件事」的价值，到底是什么？
通谕里有这样一段话：
AI 可以模拟关系，但不能承担关系里的责任；AI 可以模拟创造，但不能拥有创造背后的意志；AI 可以模拟判断，但不能对判断的后果负责。它能做到表面，但表面之下那些让「人做这件事」有意义的东西，比如脆弱、承担、真实的代价，它都没有。
这让我们想到 1891 年天主教会签署《新事》通谕时，工业革命来临，人类也在经历同样的艰难时刻，机器取代了大量体力劳动，但没有取代人。人重新定义了自己的位置，找到了机器做不了的事。这一次不一样的地方在于：AI 进入的是认知领域，是创造，是判断。这些曾经被认为是「人类专属」的部分，正在被系统性地模拟。
（图源：雷科技制图）
良十四世把这个过程叫做「人类感的日蚀」，如果我们不认真回答「人是什么」，AI 就会替我们回答，而它的回答来自训练数据，至于是谁给的训练数据，那就要看谁掌握了大模型的主动权。
通谕里那句「技术永远不中立」是对的，但紧跟着这句话的问题是：谁有能力让「中立」的期待变成「约束」的现实？良十四世没有回答这个问题，他也回答不了。他能做的，是把一套道德语言放进公共讨论的池子里，让它流通，让它影响那些制定规则、部署技术、使用产品的人，事实上，这一直都是教会做的事情。
所以，这其实并不荒诞，在技术公司、政府、国际机构和社会都还没找到答案的今天，一个两千年历史的机构先开口了。