預言家——不只是屬于神話和宗教中的角色，也曾被賦予在一位科技觀察者身上。《連線》雜志創始主編、未來學家凱文·凱利，因在其享譽世界的“K.K.三部曲(《失控》《科技想要什么》《必然》)”中，提前數年精準預言了科技發展的方向，甚至諸多細節都像神諭般一一應驗，而被公認為科技預言家。
在中國，凱文·凱利更是一度被推上神壇，包括馬化騰、周鴻祎、李開復許多知名企業家都曾受到凱文·凱利的影響。近14億人都在用的國民級軟件微信的創始人張小龍，甚至曾公開表示，“如果求職者說自己看完了凱文·凱利的《失控》，就可以直接錄取。”
在新工業革命式的人工智能浪潮下，2025年1月，嘉賓商學啟動美國站訪學，帶領企業家學員實地探訪OpenAI、英偉達、Google等代表性公司，深度學習AI前沿知識和應用機遇。為了在不確定中尋找更多確定性，嘉賓商學特邀曾洞悉未來、預見趨勢的思想者凱文·凱利，為企業家學員帶來以《未來5～10年，AI改變世界的四大路徑與機會》為主題的現場授課，“預言”被AI改變的未來世界的模樣。
以下為凱文·凱利授課內容精編版，Enjoy~

凱文·凱利授課現場

1、關于AI的未來圖景

非常感謝邀請我為嘉賓商學的企業家校友們進行現場授課。

我了解到，大家此次訪學的行程包括拉斯維加斯的CES（國際消費電子展）和硅谷，接觸了許多最新的AI技術和理論。因此，今天的授課，我希望能給你們提供另一種不同的視角，尤其是關于AI正在以及將要發生些什么。我將通過“Scenarios（情景規劃）”的方式來展開講述。

需要強調的是，這并不是遠景猜想，而是一種相對短期的情景規劃，時間跨度只有5～10年時間，也就是2030～2035年這個時間段。同時，這也并非在做精準預測，預測往往是會出錯的。我不會說某件事一定會發生，而是這件事可能會發生，二者之間有很大的區別。

什么是情景規劃？它是理清撲朔迷離的未來的一種重要方法。即，在研究某一行業的未來時，設計出多種可能發生的情形，在頭腦中進行預演。就好比，高明的棋手總是能清晰預見下一步和接下來幾步棋的多種可能走法。

我認為，情景規劃是一種非常有效的技能，可以幫助大家應對工作和生活中的多方面需求。如果你們通過此次授課能學會制定情景規劃，它將會成為你的一大實用法寶。

2、AGI能否實現？

下面，我將帶領大家以情景規劃的運作邏輯，來思考AI的未來。

首先，先從方法論入手。雖然我們不去預測，但可以在腦海中繪制一張想象的圖景，并盡力達到其最極端處的極限位置。借此，我們便可以知悉什么是可能，什么是不可能？

接下來的任務，是要分辨出究竟是哪些驅動因素，如某些力量、技術或文化，在推動世界朝不同方向，甚至極端版本發展。這些因素，我將它稱之為“Critical Uncertainties（關鍵不確定性）”。如果我們能識別這些特定的變量，就有可能洞曉5～10年后世界的模樣。

必須要注意，Scenarios是一個復數形式，它不僅僅描繪一個單一的“未來”，而是許多種“未來”的集合，因為我們并不知道未來會沿著哪個方向發展。

再具體到AI的情景規劃。如果大家依循上面的方式思考，會收獲各自的關鍵不確定性。我自己得出的關鍵不確定性有三個。第一個，也是最為重要的——如果你去問硅谷那些正在開發人工智能的專業人士，他們自己也不知道答案。這個問題就是：人類會創造出AGI（通用人工智能），還是只能擁有各種各樣擅長不同任務的專用智能？

為什么這個問題難于回答？部分原因在于，人類的大腦本身就包含多種不同類型的思維方式，我們甚至不知道自己是否真正具備通用智能。我們的大腦，可能是由一整套不同類型的“Intelligence（智能）”構成的，比如規劃、識別、判斷、注意力、推理、演繹、歸納等。這些“智能”的本質是什么，我們依然不清楚。

然而，有較大可能的是，我們的社會本質上是由不同類型的思維和智能組合、連接在一起的。當我們尚未完全了解自己所擁有的智能時，人工智能的開發也變得非常復雜。

附帶一提，到目前為止，在所有這些不同類型的智能中，我們唯一成功合成的，也是唯一被人工復制出來的，就是語言智能，即大語言模型（LLM）。除此之外，我們還無法合成其他任何類型的智能。但如果它們確實存在，人類或許有一天能夠做到。

在追逐通用人工智能的過程中，人類已經取得了三代的發展，研發成本呈對數級增長。第一代的研發成本大約為1000萬美元，第二代則達到了1億美元，現在OpenAI等公司正在研發第三代，其訓練成本大約為10億美元。

這一過程中有一個核心邏輯：如果通用智能確實可行，人們就可以通過不斷擴大規模，使其性能持續提高，但代價是成本越來越高。這被稱為“Scaling Law（規模定律）”。就目前而言，規模定律似乎仍是奏效的，但無法確定它是否會一直有效、無限擴展。而且，最近3～4個月的一些證據表明，性能提升可能正在趨于平緩。這就帶來了其中的不確定性。

目前的人工智能系統由兩個獨立部分組成，一部分是訓練模型所需的計算資源，這個計算量非常龐大。另一部分，是當訓練完模型后，利用計算資源來生成回答。如果有數百萬用戶在使用模型，那就是?語?模型核?優化?標之?的Inference（推理）。這其中涉及“思維鏈推理”（Chain-of-Thought Inference），即讓模型先?步步推理??的解決?案，再根據推理結果?成內容。它同樣表現出符合規模定律的趨勢——模型越大，性能越好。我們同樣無法確定這種規律是否會一直持續。

許多人對人工智能的理解存在誤區，他們認為智能像 IQ（智商）一樣，有一個單一維度的衡量標準。人們常常認為，老鼠的智商低，猴子的智商高一些，而人比猴子更聰明。這種邏輯并不能套用在智能這個概念上，智能不是這樣理解的。

智能，正如我曾經所說，可能更像是元素周期表，或由不同元素組合而成的化合物。不同的動物，由不同的元素、以不同的比例，組成形成各自的“智能化合物”。在某些能力上，動物甚至可能超越人類。例如，本地的地松鼠，它的長期記憶能力比人類更強。它能記住自己埋藏的上千顆堅果的位置，并且可以記多年之久。這是一項人類無法做到的能力。

因此，人類制造出的“智能”，它們也是擁有不同智能元素排列、不同復雜性的“智能化合物”。人工智能已能模仿部分人類的認知能力，但仍然無法完全復制大腦中的所有智能元素。這種局限性使得人工智能在某些任務中無法超越人類的表現。據此，我們以后可以根據智能元素的新組合方式，設計AI來完成不同的任務。

換言之，要實現我們所討論的通用人工智能，人類尚需去合成許多其他類型的智能，這些智能是制造機器人等設備所必須的。目前，已有很多專家在研究諸如基于規則（Rule-based）和模糊邏輯（Fuzzy Logic）等其他形式的人工智能，盡管它們的成熟程度還遠不及神經網絡（Neural Nets）智能。

Spatial Intelligence（空間智能）是目前我們描述物理智能的另一個術語。這是一種能夠理解物理現象的智能，比如對重力、遠近、上下等物理概念的理解。實際上，現有的大型語言模型在這方面表現并不理想。我們希望擁有一種類似于嬰兒——比如3歲孩子身上的智能，他們天然懂得遠近、上下以及重力的概念。

為此，目前已有嘗試訓練AI神經網絡去理解物理世界的項目。像埃隆·馬斯克這樣的人正利用汽車行駛過程中收集的數十億小時視頻數據來訓練AI系統，使其能“理解”物理世界，從而實現導航，這種訓練方式更像是以小孩的方式學習。這與語言處理截然不同，所需的數據類型也完全不同，對于機器人和自動駕駛汽車等技術來說，掌握這種“物理智能”或“空間智能”顯得尤為必要。因此，在接下來的5～10年，無論我們最終進入哪一種未來情景，物理智能或空間智能都將成為首要目標之一。

“Agent（代理）”也將是未來的一個重要趨勢。目前沒人能給“代理”一個準確的定義，但我認為最好的理解方式是將它們看作一種接口。當你與AI對話時，其表現就像一個代理。然而，代理的概念并不只是單一的存在，而是形成了一個代理網絡。你與一個代理對話時，這個代理可能會與其他代理交流，而后者則負責處理其他任務。換句話說，這些代理在一個網絡中協同工作，執行各自專門的任務并互相配合。因此，你可能只直接與其中一個代理進行交流，但這個代理會與其它代理保持聯系，共同完成復雜任務。

這種代理網絡不僅能回答問題，更能處理復雜的任務鏈。例如，你可能不僅僅希望對方告訴你票務信息，而希望它能幫你訂票；如果訂錯票了，還希望它能自動為你換成正確的票。這就要求代理具備處理非常復雜任務鏈的能力，能夠分解并傳遞責任，完成高度專業化的操作。雖然構建這樣一個責任鏈非常困難，但一旦實現，其威力將不容小覷。這正是Nvidia、OpenAI、Google等公司正在努力追求的方向。到目前為止，我們還沒有見到成熟的代理系統，但它們很可能會在未來5年內出現。

總之，在我看來，我們要特別去注重復數形式的人工智能，即AIs，而不僅僅局限于單一的AI，因為人工智能本身存在多種不同類型。事實上，我們已經開始看到各類智能正逐漸走向專用化，這意味著未來5～10年，將會涌現出更多不同類型的智能系統。

這些智能的（Mind）思維方式，可能和普通人并不一樣，或者說并不存在于同一個層面，反而會更接近于人類中的天才的思維方式，這正是我們如此需要它們的原因所在。我偏好將這些人工智能看作是“人工外星人”，仿佛它們來自另一個星球，一個遠離我們所在的地方。

因此，第一個關鍵不確定性問題便是：究竟通用智能能否存在，還是我們只會擁有多種專用智能？目前答案尚未明確，而不同的答案必將帶來完全不同的未來。

3、AI是否會由大公司主導？

第二個關鍵不確定性是，這種人工智能將主要出現在哪里？

這個問題可以從兩個維度來探討。人工智能可能主要出現在像OpenAI、Google、百度、騰訊、阿里巴巴等大型中央化公司內部，還是說會分布在邊緣設備上，比如在手機、智能眼鏡或其他設備上。它會出現在你的手機上嗎？

你可以先來回答這個問題：當你在使用互聯網時，大部分計算在哪里發生？答案是：70%的計算均發生在本地設備上，例如你的手機、電腦、汽車等。而剩下30%的計算，是在云端或中央服務器上完成的。那么，這種模式會繼續適用于人工智能嗎？

或許，大部分計算會發生在大型服務提供商那里，它們通過通信將信息傳遞，供你進行交互。這種模式可能會帶來延遲問題。又或者，大部分計算會在本地設備完成，你可以通過一些小型的人工智能來搞定各種任務。試問，為什么人工智能必須做得非常龐大？也許我們可以開發出一個小型的人工智能，它也能發揮相同的作用，甚至達到與大型人工智能相同的智能水平。關鍵是，我們是否可以做到這一點？

眾所周知，技術之所以成功，往往依賴于其“隱形化”，即用戶甚至不會覺察它在與我們交互。這就像管道系統一樣，我們不會去注意電線和管道的存在。只要它們正常運作，我們大多時候都會忽視它們。人工智能的運作，或許也會變得如此隱形，我們甚至不會意識到它究竟存在于哪里。

但也有一些確定性的成分存在。一項調查顯示，最早采用人工智能技術的公司通常是非常年輕的小型企業，而非大型傳統公司。這些年輕的公司通常更靈活，能夠迅速地將人工智能技術融入到自身的業務中。

為了充分利用人工智能，企業通常需要經歷一系列的轉型步驟，首先，它們將傳統的模擬業務——比如化學品、卷筒紙、房地產、運輸、制造等——轉變為數字化。這些業務和工作的流程被帶到互聯網上，進行數字化管理和追蹤。至今，仍然有大量企業仍在努力進行這一轉型。

其次，便是從“數字化”向“AI化”的轉型。但如果想轉型為AI公司，想讓人工智能在公司中正常運作，公司必須先轉型為“云公司”。也就是說，只有當公司具備一定程度的分布式能力，它才能真正從人工智能中獲益。

回到這一部分討論的關鍵點：人工智能是會集中在某個地方，還是會分布在多個地方？一種回答這個問題的方式是，人工智能具備“遞歸網絡效應”（Recursive Network Effects）。使用人工智能的人越多，它就會變得越聰明，越來越多的人也會開始使用它。于是，人工智能系統就會產生復合增長的能力，形成一個良性循環。因此，大部分人工智能可能會偏向于集中在云端，而這是支持云計算的一個理由。

但是，支持邊緣計算的觀點也很有說服力。比如，最近在中國的一個案例中，人工智能公司DeepSeek成功將訓練所需的芯片減少了10倍，他們通過更小的版本實現這一點，證明了可以將事物做得更小。因此，邊緣計算可能發展出的情形是：未來，不是讓模型變得更大，而是讓它們變得更小、更強。

此外，還有一個相關的技術例證，增強現實（Augmented Reality,AR）技術，我稱之為“鏡像世界”（Mirror World）。如果你戴上智能眼鏡，就可以看到眼前的虛擬世界，周圍的人也會活靈活現地出現在視野中，數字世界覆蓋在真實世界上。增強現實能夠得以實現，是因為眼鏡中有內置的人工智能。眼鏡本身必須能夠處理大量的AI任務，否則它無法實現“鏡像世界”的顯示效果。所以，這也是一個邊緣計算的例子，人工智能不僅僅發生在遠離我們數據中心的云端，它還可以嵌入到像智能眼鏡這樣的設備中，在本地完成計算任務。

讓我們再次回到第二個關鍵不確定性的問題：未來發展會走向哪一方向？人工智能是否會運行在像手機、眼鏡、電腦等設備的本地，還是會通過大型公司控制的云端來運行，并通過通信將計算結果傳輸給我們？

至此，我們通過情景規劃得到四種不同的排列方式。一個主要維度是邊緣計算與集中式計算的選擇，另一個維度則是通用智能與專用智能的區分。每個選項指向不同的“象限”，因此我們可以在這些象限中構建不同的未來世界。

在右上角象限中，表示本地計算與通用智能的結合。右下角象限則是集中式計算與通用智能的結合。左下角象限是專用智能與集中式計算的結合，而左上角象限則是專用智能與邊緣計算的結合。每個象限都代表著一個不同的世界。

為了幫助我們記住這些世界，我們可以給它們命名。比如，右下角象限我們可以稱之為“Expected World”（預期世界）。這是人工智能公司所憧憬的未來。像OpenAI、Claude、DeepSeek等科技公司正在向這一方向努力，它們希望能夠進行大規模的計算，并且設想能夠實現通用智能。

右上角象限，則是像特斯拉所設想的動力式增長，即通用智能并非發生在遠程的云端，而是發生在本地設備中。這種模式下，人工智能將內嵌到汽車、智能機器人等設備中。比如特斯拉正在研發的智能汽車，未來也可能是智能機器人。人工智能將發展到能夠在設備本身上運行的程度，很多任務不再依賴于遠程的大型數據服務器。這便是“Kinetic World（動力世界）”。

再來看左上角象限，像Waymo這樣的Robotics World（機器人世界）。Waymo設想的未來并非讓一切都發生在邊緣計算上，而是將其高度專用化。Waymo的智能不會做其他事情，它只能專注于駕駛任務。它不是通用智能，而是極為專用的智能系統，只擅長駕駛，無法與人進行對話或執行其他任務。這個世界有各種各樣非常不同的AI，比如有些專注于農業、蛋白質折疊、化學分析等特定任務。各種智能系統將非常專用，這是這個世界的特點。

最后是左下角象限的Agent World（代理世界）。像Meta（Facebook）那樣的公司，雖然仍然依賴云計算，但其目標是打造一個大型云平臺，它并不只會做一個AI，而是通過中央計算機上的云平臺運行多個專用的AI。Meta的目標是成為這些AI的代理，它將成為一個平臺，運行著眾多專用的AI代理。

通過對兩大關鍵不確定性的思考和想象，我們構建出了四種不同世界的未來場景，分別代表著不同的發展路徑，每一種都展現了人工智能在不同方向上的可能性，我們可以根據這些設想進一步探討未來的走向及其潛在影響。

4、未來人類還需要工作嗎？

第三個關鍵不確定性，其實是一個非常簡單的問題：AI將如何影響失業率？

事實上，這個問題并不容易回答。許多研究人士關于這個問題的爭論，主要集中在兩種可能性上：一是認為AI會成為“增強型”工具，即輔助和提升人類的生產力，作為工作中的補充；另一種觀點則是，AI將取代人類的生產力。

簡言之，問題的核心在于，未來究竟是AI替代人類，還是補充和增強人類的能力？當然，這兩者可能會同時混合存在，但我們目前依然不確定最終會如何演化。

目前已有一些初步的研究數據顯示，許多每天使用AI的人反映，他們原本需要完成的任務中，大約有50%的任務已無需親自操心，因為AI可以替代他們完成；而剩下的50%任務中，AI則顯著增強了他們的工作效率。這表明，在某種程度上，任務的分擔可能是“50%被替代，50%被增強”。

此外，相關研究還發現，程序員在使用AI工具后變得更加高效，作家的寫作速度也有了明顯提升。對律師、顧問和行政人員的調查也顯示，他們的工作效率提升了20%到80%不等。因此，可以看出，至少在某些領域，AI并未完全取代人類，而是作為一種增強工具出現。

有趣的是，這些研究發現最大的效率提升，往往出現在表現較為一般的普通工人身上，而不是那些頂尖人才。這再次暗示了在某些情況下，增強效應可能比替代效應更為明顯。不過，正如前文所述，我們對這一問題仍存在很大不確定性。

針對AI對就業影響的問題，我提出了一種叫做“1+1”的模型。這一模型源自于“半人馬（Centaur）”的概念，半人馬是希臘神話中半人半馬的生物，象征著二者的結合。這個概念的核心思想是：人類與AI可以組建成一個團隊，形成一個整體，從而實現1+1大于2的效果。換句話說，未來的工作者可能不再是單純的人，而是人機協作的整體單位。

舉個例子，在醫學領域，即使到了2025年，最好的醫療服務依然會來自于人類醫生。雖然也會有AI醫生存在，但它們的水平遠不及真正優秀的人類醫生。實際研究發現，最出色的醫生往往是那些能有效利用AI輔助的醫生。也就是說，最好的醫療服務并不是純粹依賴人類醫生，也不是單靠AI，而是二者結合的結果。當然，對于那些缺乏醫生的地區，AI醫生總比沒有醫生要好。但最佳的照護方式無疑是1+1組合——人類醫生加AI。

這一思路在其他職業中也同樣適用。調查顯示，最優秀的教師往往不是單純的教師，也不是僅依靠AI，而是教師與AI協同工作；最好的程序員也不是純粹依靠人類智慧，而是通過與AI工具配合才能達到最佳效果。

事實上，“人類+AI”的組合，已經成為我們目前看到的最佳工作模式。我們可以把這種人機協作視為一種合作伙伴關系、隊友關系，甚至可以將AI看作是副駕駛、引導者、助手，或者是一名實習生。未來的工作環境中，人類將擁有一個由“副駕駛、助手和實習生”組成的團隊，這種“加1（Plus One）”模式將成為常態。

因此，我認為在未來5～10年，你的薪資水平也將部分取決于你與AI協作的能力。未來在招聘年輕人才時，用人單位會更加關注你是否具備與AI高效合作的技能，你是否受過相關培訓，你是否懂得如何向AI發出恰當的指令。

總的來說，你不大可能完全失去工作，但你可能會失去原有的職位描述——也就是說，你以前負責的一部分任務將被AI接管，而你則會被賦予新的任務，但整體工作內容可能基本保持不變。你不會被AI完全取代，但你有可能被一個善于利用AI的人所取代。這就是我所說的“加1”的概念。

最近還有一項研究探討了將AI引入某個行業的影響，目前的問題是：世界上有多少人因為AI而失去了工作？答案顯示，失業人數非常有限，而且大多數失業者集中在幫助臺崗位，主要是在菲律賓等地區工作的員工。他們原本是負責解答技術問題的客服人員，隨著AI的發展，一部分人失去了工作，但總體上只有一小部分崗位被AI替代。

實際上，對于那些保留下來的員工，他們的工作性質發生了變化，轉而變成了監督和管理AI的工作。而服務質量也因AI的輔助而大幅提升，使得以前無法提供的客戶服務成為可能。比如，曾經有一家年輕的小公司，由于成本問題無法承擔24小時的人工客服，但如今有了AI輔助客服，他們完全可以負擔這一服務。因此，這種情況并非純粹是替代人工工作，而是在開拓那些原本因人力成本高而無法涉足的空白服務領域。

綜上所述，這一論點表明，AI可能不會完全取代人類，而是更多地增強人類的能力。然而，問題仍然存在——這種看法也可能是謬見，因為AI在未來也有可能會取代人類的生產力。盡管目前的證據顯示AI更傾向于增強人類，但各種分歧導致未來依然具有巨大不確定性。

基于這一個關鍵不確定性，我們可以在現有情景規劃模型中加入一個額外的軸線，即人類是被增強還是被取代。按照這個思路，我們原本可以構想出八種不同的未來場景，涵蓋未來5～10年的各種可能性。但實際上，這種模型太過復雜，因此我將其簡化為四個主要世界，同時保留人類是被增強還是被取代這一問題。

這條整合后的軸線左側，代表多個專用的邊緣計算設備，而右側則代表一個單一的中央通用智能。這樣，我們便可以用一個簡單的軸線來概括兩種概念。

基于這一軸線，我們可以構造出四種可能的未來方向。

我為這四個方向的世界分別取了名稱，分別是“Big Tech（大科技）”、“Doomer（末日）”、“Upheaval（劇變）”和“Agentland（代理人之地）”。接下來，讓我來分別詳述這四種可能性：

（1）大科技世界

在這一世界中，存在著一個單一、中心化的通用智能，它的主要作用是增強人類的能力，而非取代人類。這正是OpenAI、Google、Meta等公司正在努力實現的未來。如果目前的“規模化”發展繼續推進，且我們能夠不斷提高這些模型的智能和性能，那么這個世界就有望實現。在這種情景下，由于工作效率大幅提升，裁員現象將十分有限，大多數人仍然能夠保住工作。與此同時，那些花費數十億美元建設的大型數據中心也會轉虧為盈。換句話說，實現通用智能是可能的。

在每個世界里，都會有贏家和輸家。在“大科技”的世界里，誰是贏家？很顯然，大科技公司是毫無疑問的贏家，普通工人、政府等也能從中受益，因為一切都處于集中化運作之下，他們喜歡這種集中化。然而，這種模式也可能引發集體思維的風險，因為所有問題的答案都來自少數幾家主導公司，而它們將有能力塑造公眾如何看待世界。

在這個世界里，集體思維占據主導地位，而真正的競爭則會被削弱。如果大科技公司壟斷了信息和決策，那么獨立思考將變得愈加困難。試想一下，如果你擁有一個比任何人都聰明的AI，無論它給出何種答案，都將潛移默化地影響你的思維方式。同時，版權也將不再有效，因為AI在源源不斷地生成內容，而我們尚未建立起完善的框架來處理這些問題。好萊塢電影可能會遭遇困境，因為你完全可以自己拍影片，無需依賴傳統影視工業；文書工作也將面臨巨大沖擊，標準化測試將失去意義，因為AI無所不知，它的知識儲備已經遠超人類。這便是“大科技世界”中贏家與輸家的基本態勢。

（2）劇變世界

這一象限的情景正是許多人所擔憂的。在這種世界中，中央化的通用智能不僅增強了人類的能力，更逐漸取代了人類的生產力。隨著AI變得日益聰明，它最終可能在大規模范圍內取代人類工作，導致裁員數量大幅增加。與此同時，“規模化”持續推進，AGI（人工通用智能）的控制權也將不斷集中。人們擔心，在這樣的過程中，AI與算法將越來越多地介入并決定我們的日常生活——它們將左右你是否能獲得貸款、是否能進入理想學校，甚至決定你在法庭上的有罪或無罪。可以說，在這一過程中，社會或將經歷大規模的動蕩和重構。

那么，誰會在這一世界中成為贏家？答案仍然是大科技公司，因為它們通過生產力的巨大提升而獲益，科學技術也會取得飛躍性進展。與此同時，人們不再工作，休閑時間增多，休閑產業、旅游等行業可能迎來大繁榮期。此外，群體思維將異常強勢，因為所有答案都來自于同一來源；但這對個人創業者來說，則可能是一大機遇，因為他們可以依靠AIs獨立完成各種任務，無需雇傭大量員工。

在這種情景下，個人將會變得異常有能量，幾乎可以自行完成拍電影、寫作等各種工作。反之，那些依賴純知識技能的人則可能面臨淘汰的風險，因為AI對知識的掌握遠超常人。無論哪個領域，普通打工人（average workers）也會受到沖擊，他們需要掌握某些特殊技能來適應這個新時代；否則，那些沒有技能、無法適應變化的人將成為輸家。好萊塢電影、傳統文書工作以及標準化測試等領域，也可能因AI的普及而走向衰落。

（3）代理人世界

在這一情景下，世界不再以中央化的通用AI為主導，而是由多個專用的邊緣設備AI與人類協作，共同提升工作效率。一個明顯的跡象是：“規模化”發展趨于停滯，模型不再持續變得更聰明，而是達到一個瓶頸，這就需要采用其他類型的AI來彌補不足。事實證明，那些可以適配到手機、智能眼鏡、汽車或機器人中的小型AI，性能可以與大規模AI相媲美，甚至可能更優。

同時，你將擁有類似“Internet Of Agents”（代理人互聯網）的結構，每個人都有自己的個人AI和“網站”，而不再依賴一個大型服務器。換句話說，大家都可以在自己的設備上運行AI，無需支付高昂費用給大公司。這是一種全新的互聯網文化：機器人真正開始嶄露頭角，因為它們需要將智能集成得更為緊密和迅速，從而催生出大量的機器人、代理人以及機器人程序。

那么，在這種世界中，誰會成為贏家呢？例如，軍事行業將極為受益，他們會樂于采用智能機器人、坦克、無人機等裝備，因為這些設備的智能水平已經媲美甚至超越人類。在這一領域，還會出現許多專用AI系統，如智能眼鏡等技術產品。除了Nvidia等芯片制造商外，其他公司也會在這一去中心化、互聯網化的世界中大展拳腳。而對于獨立創業者來說，這種去中心化的模式無疑提供了巨大的機會。

輸家之一是網絡安全。當系統重新走向去中心化和分布式時，保障安全將變得異常艱難。傳統的AI公司以及大科技企業在這種環境下可能會力不從心，因為要實現統一的治理標準和法律框架變得極其困難——每種AI都需要采用不同的監管方式，它們就像不同的物種，必須以各自獨特的方式進行管理，而且各國之間也會有差異。這就導致將所有這些AI整合在一起變得十分棘手。

（4）末日世界

末日世界，是代理人之地的極化版本。在這樣的世界中，信任將極其脆弱，保障難以建立。缺乏中央集權的承諾，使得許多曾經穩固的機構面臨崩潰風險，比如曾經權威的五大會計師事務所可能會因為AI代理的廣泛應用而失去地位。事實上，任何依賴于人類代理的人，在這個由多個專用代理AI主導的劇變世界中，都可能迅速被取代。隨著“規模化”增長的停滯，各種不同類型的AI會大量涌現，這些小型機器人雖然能夠適應狹小的空間，但正因如此，它們的監管也會變得異常復雜，難以像監管大公司那樣形成統一的規則，這無疑會引發廣泛的反對聲音，同時其破壞性也會導致很多人失業。

因此，這將是一個充滿混亂與挑戰的世界。在這一世界里，軍方、超級代理人、自動化機器人等將表現出色，硬件制造商和太陽能創業者也會迎來發展良機；而與此同時，大規模的SaaS公司、辦公地產行業、工會甚至中央政府在財務管理和監管方面都可能面臨前所未有的困難，甚至可能被迫解體。

關于AI毀滅人類的可能性，我認為在未來5年內發生這種情況的概率為零。當然，如果我們放眼更長遠的未來，這種可能性或許會出現，但今天的主題是探討未來5～10年的情景，這期間你大可不必過于擔心這一問題。但從長期來看，可能還是需要保持警惕。

總之，在這個去中心化的世界中，贏家與輸家之間的界限將會異常明顯，而整個生態系統將充滿不確定性與風險。

5、窺見未來的線索

接下來，我們需要關注一個重要問題：早期信號。我們如何知道在未來5～10年我們會走向哪一種未來？答案在于觀察一些早期的警示信號，來窺見未來的發展方向。

如果在未來幾年內，我們看到像ChatGPT 5.0這樣的產品按時發布，同時失業率保持平穩，而Nvidia這樣的公司持續增長，這就意味著我們正朝著大科技公司主導的增強型未來邁進。

如果Chat 5.0比我們預期的還要好，且裁員開始發生，那么這表明我們將在五年內進入末日世界。

反之，如果ChatGPT 5.0發布延遲、技術進展停滯，同時我們開始看到類似Poe的代理人市場迅速崛起，以及機器人開始大規模融入各領域，那么我們可能正進入以邊緣專用智能為主導的未來。

如果Waymo業務迅速擴展，最優秀的模型繼續開源，再加上工會對這一趨勢做出積極反應，那么這些也都表明未來正朝著劇變的方向發展。

所以，在接下來的六個月到一年內，我們將逐步看到這些信號，從而判斷未來究竟會走向哪一方向。對于獨立創業者來說，這意味著在上述四種未來情景中，他們至少有50%的機會在其中兩個或三個世界中找到不錯的發展機遇。換句話說，獨立創業者將在我們預測的四個世界中的至少三個世界中占據重要位置。

最后，我之所以在討論中沒有過多提及“情感”，是因為目前還沒有找到足夠的相關內容，但我相信這將成為下一個震撼我們的驚喜。未來，我們可能會賦予這些AI情感，讓它們表現出諸如驚訝、關切、恐懼、愉快以及愛的情感反饋。你甚至可能給AI機器人賦予“痛感”，以便它們避免自我損害。這樣的情感能力不僅會使AI和機器人更具親和力，同時也會讓人類操控它的實用性大大提高。這遠遠超出我們現階段的預期，而我們對此準備明顯不足。這將是另一個巨大的驚喜，我現在只是想讓大家提前了解這一點。

我認為，30年后，當人們回顧今天時，他們可能會說：“那時根本沒有真正的AI專家，你們根本不了解AI是什么。”我必須強調，與30年、25年甚至10年后的知識相比，我們今天知道的非常有限。我們現在對AI的認知，將遠遠不及未來10～15年人類的水平。現今全球范圍內的頂尖AI專家與未來普通人相比，可以說也是天差地別。

但另一方面，我們正處在AI發展的起點，就像處于第一天的開始，一個里程碑式的歷史性時刻。再過25年，人們會回憶道：“一切都始于2025年。”我真希望自己能活到那時，親身參與并見證這個過程中的種種奇跡。到那時，一切都將無比新鮮和令人驚嘆，充滿無限可能。

與過去相比，如今是從事AI工作的最佳時機，因為我們擁有最先進的工具、最大的市場、最低廉的資金和最小的門檻。與未來相比也是如此，因為那時將沒有專家，一切都是低垂的果實，答案唾手可得。總之，我最想強調的一點是，今天正是投身AI領域的最佳時機，你絕不算晚。

感謝大家的傾聽，謝謝！

授課 | 凱文·凱利 《連線》雜志創始主編、未來學家
出品 | 嘉賓商學