Dependence(依赖)指某一系统、组织或个体在功能、资源或情感上对特定对象形成的非对称依附关系，当前这一概念正从地缘政治、组织管理延伸到人工智能研究与人机交互领域，成为跨学科讨论的焦点。无论是国家间的供应链依赖、企业对关键个人的依赖，还是用户对 AI 的情感依赖，其共同特征是：依赖一旦形成，短期内难以替代，且往往在失衡时才暴露风险。
Dependence 的近期进展
在技术层面，2026 年 6 月 26 日发布的论文《Unstable Features, Reproducible Subspaces: Understanding Seed Dependence in Sparse Autoencoders》(https://arxiv.org/abs/2606.12138v1)研究了稀疏自编码器对随机种子的依赖问题，发现其学到的特征不稳定，但存在可复现的子空间，为可复现性研究提供了新视角。更早的 2026 年 7 月 8 日，论文《Steering Neural Network Training through Interpretable Constraints Based on Partial Dependence》(https://arxiv.org/abs/2607.08641v1)提出利用部分依赖(Partial Dependence)构建可解释约束来引导神经网络训练，把“依赖分析”从解释工具变成了训练手段。
在人机关系层面，论文《Stumbling Into AI Emotional Dependence: How Routine AI Interactions Reshape Human Connection》(https://arxiv.org/abs/2606.04150v1)指出，用户可能在无意识中滑入对 AI 的情感依赖，日常化的 AI 交互正在重塑人际连接方式，这引发了关于产品设计伦理与用户心理健康的讨论。
在组织管理层面，Ray Dalio 于 2026 年发文警示“关键人风险”(key-man risk)，认为对单一个人的过度依赖会限制专业能力的覆盖面，一旦核心成员缺位，组织将面临系统性脆弱，这一观点在 HackerNews 社区引发了广泛讨论。
在地缘政治层面，《The Diplomat》2026 年 9 月刊文《The Dynamics of Dependence Beyond Thailand's Immediate Neighborhood》(https://thediplomat.com/2026/09/dynamics-of-dependence-beyond-thailands-immediate-neighborhood/)分析了泰国及其周边区域之外的依赖关系动态，指出经济与安全上的相互依赖正随大国博弈重新排列。
当前焦点与观察点
围绕 Dependence 的讨论呈现三条主线：其一，AI 情感依赖的边界问题——日常交互如何演变为依附，平台应承担何种责任，尚缺乏共识与监管框架；其二，技术系统内部的依赖性审计，例如针对重复验证器的相关性感知审计与自适应预算分配研究(VStress, https://arxiv.org/abs/2609.36958v1)，试图量化并优化系统组件间的依赖成本；其三，宏观层面的依赖再平衡，国家与企业都在寻求降低单点依赖、提高冗余度。
值得观察的是，依赖并不天然是负面的——合理的分工依赖是效率的来源，争议在于依赖的“可控性”与“可替代性”。未来一段时间，AI 陪伴产品的依赖性评估、稀疏模型可复现性标准，以及区域供应链的多元化进度，将是衡量这一议题走向的关键指标。