时间:2026 年 9 月 3 日,西班牙巴塞罗那 / 美国新墨西哥州圣菲。
地点:arXiv 预印本平台(编号 2609.03344,physics.soc-ph),并于 9 月 5-6 日由 Startup Fortune、AI Governance Institute、AGI Hunt 等英文媒体跟进。
人物:西班牙庞培法布拉大学(UPF)复杂系统实验室 Ricard Solé、Tufts 大学 Allen Discovery Center 发育生物学家 Michael Levin(同时隶属 Harvard Wyss Institute)、Santa Fe Institute 院长 David C. Krakauer、Padua 大学多层网络实验室 Manlio de Domenico、CSIC-UPF 进化生物研究所 Luis F. Seoane 与 Santiago F. Elena、BCOM / Neuroelectrics 的 Giulio Ruffini 与 Francesca Castaldo,共 9 位学者。
事件详情:题为《Large-Language Models as a Cognitive Virus》的 12 页论文正式上线 arXiv。研究借鉴流行病学 S/I/R 模型,将人群划分为「未耦合(uncoupled)—耦合(coupled)—持续依赖(persistently dependent)」三种状态,把 LLM 在人群中的扩散建模为社会传播、恢复率与集体强化共同作用的动力学过程。论文指出,当采用率跨过临界阈值,少量新增采用即可触发「逃逸动力学」式跃迁,全人群从偶尔用 AI 转向对 LLM 的持续依赖,并伴随认知能力的突然塌缩;同时给出「认知免疫」的两条路径——降低社会传染速度、保留人机协作的可逆性。
背景:论文用 ChatGPT 周活曲线(2025 年 10 月 8 亿 → 2026 年 2 月 9 亿 → 2026 年 6 月月活突破 10 亿)作为现实对照,曲线呈典型「先平后陡」的临界相变形态;同一时期 Stanford「谄媚型 AI 削弱用户判断」与 Google ATLAS 团队关于 AI 重塑员工认知的研究,也给出近似结论。9 月 6 日 AGI Hunt 跟踪到 X 平台 AI 研究者 Rohan Paul 的解读,以及 Startup Fortune 创始人视角评论、AI Governance Institute 把这一框架写进 EU AI Act 人类监督条款的合规建议。
影响:这是首次以严谨流行病学方程刻画 LLM 社会扩散的研究,把「AI 让人变笨」这一感性焦虑量化为可证伪的 tipping-point 模型;同时把企业产品设计、监管合规、教育政策拉进同一个数学框架——如果某款 AI 产品的增长飞轮本身就是论文描述的「传播 + 强化」引擎,那么组织可能在 EU AI Act「实质人类监督」条款下形式合规却实质失守;监管侧需把认知依赖风险纳入风险登记册,企业需在 AI 接受使用政策里写明「保留无 AI 工作时段」等可逆性条款。
总结:9 位跨学科学者用病毒学语言告诉 AI 行业——LLM 不是普通工具,而是有临界点的认知生态事件;一旦越过阈值,再想把人拉回来就不是个人意愿问题,而是集体反馈环路的非线性结果。
参考来源:
1. arXiv 原文:https://arxiv.org/abs/2609.03344
2. arXiv HTML 全文:https://arxiv.org/html/2609.03344v1
3. AGI Hunt 解读 1:https://agihunt.info/en/p/1a073b641450060d601ae4df7cd
4. AGI Hunt 解读 2:https://agihunt.info/en/e/1a0729c0d291b9a66bb5ae81159
5. Startup Fortune 长报道:https://startupfortune.com/a-new-study-treats-chatgpt-dependence-like-a-virus-with-tipping-points/
6. AI Governance Institute 合规视角:https://aigovernance.com/news/viral-dependency-model-reframes-ai-adoption-as-a-workforce-competency-risk
7. arXiv TLDR 总结:https://arxivtldr.org/abs/2609.03344
8. Semantic Scholar 索引:https://api.semanticscholar.org/arXiv:2609.03344









