凯文·凯利万字预言：未来十年的AI世界

预言家——不只是属于神话和宗教中的角色，也曾被赋予在一位科技观察者身上。《连线》杂志创始主编、未来学家凯文·凯利，因在其享誉世界的“K.K.三部曲(《失控》《科技想要什么》《必然》)”中，提前数年精准预言了科技发展的方向，甚至诸多细节都像神谕般一一应验，而被公认为科技预言家。

在中国，凯文·凯利更是一度被推上神坛，包括马化腾、周鸿祎、李开复许多知名企业家都曾受到凯文·凯利的影响。近14亿人都在用的国民级软件微信的创始人张小龙，甚至曾公开表示，“如果求职者说自己看完了凯文·凯利的《失控》，就可以直接录取。”

在新工业革命式的人工智能浪潮下，2025年1月，嘉宾商学启动美国站访学，带领企业家学员实地探访OpenAI、英伟达、Google等代表性公司，深度学习AI前沿知识和应用机遇。为了在不确定中寻找更多确定性，嘉宾商学特邀曾洞悉未来、预见趋势的思想者凯文·凯利，为企业家学员带来以《未来5～10年，AI改变世界的四大路径与机会》为主题的现场授课，“预言”被AI改变的未来世界的模样。

以下为凯文·凯利授课内容精编版，Enjoy~

凯文·凯利授课现场

非常感谢邀请我为嘉宾商学的企业家校友们进行现场授课。

我了解到，大家此次访学的行程包括拉斯维加斯的CES（国际消费电子展）和硅谷，接触了许多最新的AI技术和理论。因此，今天的授课，我希望能给你们提供另一种不同的视角，尤其是关于AI正在以及将要发生些什么。我将通过“Scenarios（情景规划）”的方式来展开讲述。

需要强调的是，这并不是远景猜想，而是一种相对短期的情景规划，时间跨度只有5～10年时间，也就是2030～2035年这个时间段。同时，这也并非在做精准预测，预测往往是会出错的。我不会说某件事一定会发生，而是这件事可能会发生，二者之间有很大的区别。

什么是情景规划？它是理清扑朔迷离的未来的一种重要方法。即，在研究某一行业的未来时，设计出多种可能发生的情形，在头脑中进行预演。就好比，高明的棋手总是能清晰预见下一步和接下来几步棋的多种可能走法。

我认为，情景规划是一种非常有效的技能，可以帮助大家应对工作和生活中的多方面需求。如果你们通过此次授课能学会制定情景规划，它将会成为你的一大实用法宝。

下面，我将带领大家以情景规划的运作逻辑，来思考AI的未来。

首先，先从方法论入手。虽然我们不去预测，但可以在脑海中绘制一张想象的图景，并尽力达到其最极端处的极限位置。借此，我们便可以知悉什么是可能，什么是不可能？

接下来的任务，是要分辨出究竟是哪些驱动因素，如某些力量、技术或文化，在推动世界朝不同方向，甚至极端版本发展。这些因素，我将它称之为“Critical Uncertainties（关键不确定性）”。如果我们能识别这些特定的变量，就有可能洞晓5～10年后世界的模样。

必须要注意，Scenarios是一个复数形式，它不仅仅描绘一个单一的“未来”，而是许多种“未来”的集合，因为我们并不知道未来会沿着哪个方向发展。

再具体到AI的情景规划。如果大家依循上面的方式思考，会收获各自的关键不确定性。我自己得出的关键不确定性有三个。第一个，也是最为重要的——如果你去问硅谷那些正在开发人工智能的专业人士，他们自己也不知道答案。这个问题就是：人类会创造出AGI（通用人工智能），还是只能拥有各种各样擅长不同任务的专用智能？

为什么这个问题难于回答？部分原因在于，人类的大脑本身就包含多种不同类型的思维方式，我们甚至不知道自己是否真正具备通用智能。我们的大脑，可能是由一整套不同类型的“Intelligence（智能）”构成的，比如规划、识别、判断、注意力、推理、演绎、归纳等。这些“智能”的本质是什么，我们依然不清楚。

然而，有较大可能的是，我们的社会本质上是由不同类型的思维和智能组合、连接在一起的。当我们尚未完全了解自己所拥有的智能时，人工智能的开发也变得非常复杂。

附带一提，到目前为止，在所有这些不同类型的智能中，我们唯一成功合成的，也是唯一被人工复制出来的，就是语言智能，即大语言模型（LLM）。除此之外，我们还无法合成其他任何类型的智能。但如果它们确实存在，人类或许有一天能够做到。

在追逐通用人工智能的过程中，人类已经取得了三代的发展，研发成本呈对数级增长。第一代的研发成本大约为1000万美元，第二代则达到了1亿美元，现在OpenAI等公司正在研发第三代，其训练成本大约为10亿美元。

这一过程中有一个核心逻辑：如果通用智能确实可行，人们就可以通过不断扩大规模，使其性能持续提高，但代价是成本越来越高。这被称为“Scaling Law（规模定律）”。就目前而言，规模定律似乎仍是奏效的，但无法确定它是否会一直有效、无限扩展。而且，最近3～4个月的一些证据表明，性能提升可能正在趋于平缓。这就带来了其中的不确定性。

目前的人工智能系统由两个独立部分组成，一部分是训练模型所需的计算资源，这个计算量非常庞大。另一部分，是当训练完模型后，利用计算资源来生成回答。如果有数百万用户在使用模型，那就是⼤语⾔模型核⼼优化⽬标之⼀的Inference（推理）。这其中涉及“思维链推理”（Chain-of-Thought Inference），即让模型先⼀步步推理⾃⼰的解决⽅案，再根据推理结果⽣成内容。它同样表现出符合规模定律的趋势——模型越大，性能越好。我们同样无法确定这种规律是否会一直持续。

许多人对人工智能的理解存在误区，他们认为智能像 IQ（智商）一样，有一个单一维度的衡量标准。人们常常认为，老鼠的智商低，猴子的智商高一些，而人比猴子更聪明。这种逻辑并不能套用在智能这个概念上，智能不是这样理解的。

智能，正如我曾经所说，可能更像是元素周期表，或由不同元素组合而成的化合物。不同的动物，由不同的元素、以不同的比例，组成形成各自的“智能化合物”。在某些能力上，动物甚至可能超越人类。例如，本地的地松鼠，它的长期记忆能力比人类更强。它能记住自己埋藏的上千颗坚果的位置，并且可以记多年之久。这是一项人类无法做到的能力。

因此，人类制造出的“智能”，它们也是拥有不同智能元素排列、不同复杂性的“智能化合物”。人工智能已能模仿部分人类的认知能力，但仍然无法完全复制大脑中的所有智能元素。这种局限性使得人工智能在某些任务中无法超越人类的表现。据此，我们以后可以根据智能元素的新组合方式，设计AI来完成不同的任务。

换言之，要实现我们所讨论的通用人工智能，人类尚需去合成许多其他类型的智能，这些智能是制造机器人等设备所必须的。目前，已有很多专家在研究诸如基于规则（Rule-based）和模糊逻辑（Fuzzy Logic）等其他形式的人工智能，尽管它们的成熟程度还远不及神经网络（Neural Nets）智能。

Spatial Intelligence（空间智能）是目前我们描述物理智能的另一个术语。这是一种能够理解物理现象的智能，比如对重力、远近、上下等物理概念的理解。实际上，现有的大型语言模型在这方面表现并不理想。我们希望拥有一种类似于婴儿——比如3岁孩子身上的智能，他们天然懂得远近、上下以及重力的概念。

为此，目前已有尝试训练AI神经网络去理解物理世界的项目。像埃隆·马斯克这样的人正利用汽车行驶过程中收集的数十亿小时视频数据来训练AI系统，使其能“理解”物理世界，从而实现导航，这种训练方式更像是以小孩的方式学习。这与语言处理截然不同，所需的数据类型也完全不同，对于机器人和自动驾驶汽车等技术来说，掌握这种“物理智能”或“空间智能”显得尤为必要。因此，在接下来的5～10年，无论我们最终进入哪一种未来情景，物理智能或空间智能都将成为首要目标之一。

“Agent（代理）”也将是未来的一个重要趋势。目前没人能给“代理”一个准确的定义，但我认为最好的理解方式是将它们看作一种接口。当你与AI对话时，其表现就像一个代理。然而，代理的概念并不只是单一的存在，而是形成了一个代理网络。你与一个代理对话时，这个代理可能会与其他代理交流，而后者则负责处理其他任务。换句话说，这些代理在一个网络中协同工作，执行各自专门的任务并互相配合。因此，你可能只直接与其中一个代理进行交流，但这个代理会与其它代理保持联系，共同完成复杂任务。

这种代理网络不仅能回答问题，更能处理复杂的任务链。例如，你可能不仅仅希望对方告诉你票务信息，而希望它能帮你订票；如果订错票了，还希望它能自动为你换成正确的票。这就要求代理具备处理非常复杂任务链的能力，能够分解并传递责任，完成高度专业化的操作。虽然构建这样一个责任链非常困难，但一旦实现，其威力将不容小觑。这正是Nvidia、OpenAI、Google等公司正在努力追求的方向。到目前为止，我们还没有见到成熟的代理系统，但它们很可能会在未来5年内出现。

总之，在我看来，我们要特别去注重复数形式的人工智能，即AIs，而不仅仅局限于单一的AI，因为人工智能本身存在多种不同类型。事实上，我们已经开始看到各类智能正逐渐走向专用化，这意味着未来5～10年，将会涌现出更多不同类型的智能系统。

这些智能的（Mind）思维方式，可能和普通人并不一样，或者说并不存在于同一个层面，反而会更接近于人类中的天才的思维方式，这正是我们如此需要它们的原因所在。我偏好将这些人工智能看作是“人工外星人”，仿佛它们来自另一个星球，一个远离我们所在的地方。

因此，第一个关键不确定性问题便是：究竟通用智能能否存在，还是我们只会拥有多种专用智能？目前答案尚未明确，而不同的答案必将带来完全不同的未来。

第二个关键不确定性是，这种人工智能将主要出现在哪里？

这个问题可以从两个维度来探讨。人工智能可能主要出现在像OpenAI、Google、百度、腾讯、阿里巴巴等大型中央化公司内部，还是说会分布在边缘设备上，比如在手机、智能眼镜或其他设备上。它会出现在你的手机上吗？

你可以先来回答这个问题：当你在使用互联网时，大部分计算在哪里发生？答案是：70%的计算均发生在本地设备上，例如你的手机、电脑、汽车等。而剩下30%的计算，是在云端或中央服务器上完成的。那么，这种模式会继续适用于人工智能吗？

或许，大部分计算会发生在大型服务提供商那里，它们通过通信将信息传递，供你进行交互。这种模式可能会带来延迟问题。又或者，大部分计算会在本地设备完成，你可以通过一些小型的人工智能来搞定各种任务。试问，为什么人工智能必须做得非常庞大？也许我们可以开发出一个小型的人工智能，它也能发挥相同的作用，甚至达到与大型人工智能相同的智能水平。关键是，我们是否可以做到这一点？

众所周知，技术之所以成功，往往依赖于其“隐形化”，即用户甚至不会觉察它在与我们交互。这就像管道系统一样，我们不会去注意电线和管道的存在。只要它们正常运作，我们大多时候都会忽视它们。人工智能的运作，或许也会变得如此隐形，我们甚至不会意识到它究竟存在于哪里。

但也有一些确定性的成分存在。一项调查显示，最早采用人工智能技术的公司通常是非常年轻的小型企业，而非大型传统公司。这些年轻的公司通常更灵活，能够迅速地将人工智能技术融入到自身的业务中。

为了充分利用人工智能，企业通常需要经历一系列的转型步骤，首先，它们将传统的模拟业务——比如化学品、卷筒纸、房地产、运输、制造等——转变为数字化。这些业务和工作的流程被带到互联网上，进行数字化管理和追踪。至今，仍然有大量企业仍在努力进行这一转型。

其次，便是从“数字化”向“AI化”的转型。但如果想转型为AI公司，想让人工智能在公司中正常运作，公司必须先转型为“云公司”。也就是说，只有当公司具备一定程度的分布式能力，它才能真正从人工智能中获益。

回到这一部分讨论的关键点：人工智能是会集中在某个地方，还是会分布在多个地方？一种回答这个问题的方式是，人工智能具备“递归网络效应”（Recursive Network Effects）。使用人工智能的人越多，它就会变得越聪明，越来越多的人也会开始使用它。于是，人工智能系统就会产生复合增长的能力，形成一个良性循环。因此，大部分人工智能可能会偏向于集中在云端，而这是支持云计算的一个理由。

但是，支持边缘计算的观点也很有说服力。比如，最近在中国的一个案例中，人工智能公司DeepSeek成功将训练所需的芯片减少了10倍，他们通过更小的版本实现这一点，证明了可以将事物做得更小。因此，边缘计算可能发展出的情形是：未来，不是让模型变得更大，而是让它们变得更小、更强。

此外，还有一个相关的技术例证，增强现实（Augmented Reality,AR）技术，我称之为“镜像世界”（Mirror World）。如果你戴上智能眼镜，就可以看到眼前的虚拟世界，周围的人也会活灵活现地出现在视野中，数字世界覆盖在真实世界上。增强现实能够得以实现，是因为眼镜中有内置的人工智能。眼镜本身必须能够处理大量的AI任务，否则它无法实现“镜像世界”的显示效果。所以，这也是一个边缘计算的例子，人工智能不仅仅发生在远离我们数据中心的云端，它还可以嵌入到像智能眼镜这样的设备中，在本地完成计算任务。

让我们再次回到第二个关键不确定性的问题：未来发展会走向哪一方向？人工智能是否会运行在像手机、眼镜、电脑等设备的本地，还是会通过大型公司控制的云端来运行，并通过通信将计算结果传输给我们？

至此，我们通过情景规划得到四种不同的排列方式。一个主要维度是边缘计算与集中式计算的选择，另一个维度则是通用智能与专用智能的区分。每个选项指向不同的“象限”，因此我们可以在这些象限中构建不同的未来世界。

在右上角象限中，表示本地计算与通用智能的结合。右下角象限则是集中式计算与通用智能的结合。左下角象限是专用智能与集中式计算的结合，而左上角象限则是专用智能与边缘计算的结合。每个象限都代表着一个不同的世界。

为了帮助我们记住这些世界，我们可以给它们命名。比如，右下角象限我们可以称之为“Expected World”（预期世界）。这是人工智能公司所憧憬的未来。像OpenAI、Claude、DeepSeek等科技公司正在向这一方向努力，它们希望能够进行大规模的计算，并且设想能够实现通用智能。

右上角象限，则是像特斯拉所设想的动力式增长，即通用智能并非发生在远程的云端，而是发生在本地设备中。这种模式下，人工智能将内嵌到汽车、智能机器人等设备中。比如特斯拉正在研发的智能汽车，未来也可能是智能机器人。人工智能将发展到能够在设备本身上运行的程度，很多任务不再依赖于远程的大型数据服务器。这便是“Kinetic World（动力世界）”。

再来看左上角象限，像Waymo这样的Robotics World（机器人世界）。Waymo设想的未来并非让一切都发生在边缘计算上，而是将其高度专用化。Waymo的智能不会做其他事情，它只能专注于驾驶任务。它不是通用智能，而是极为专用的智能系统，只擅长驾驶，无法与人进行对话或执行其他任务。这个世界有各种各样非常不同的AI，比如有些专注于农业、蛋白质折叠、化学分析等特定任务。各种智能系统将非常专用，这是这个世界的特点。

最后是左下角象限的Agent World（代理世界）。像Meta（Facebook）那样的公司，虽然仍然依赖云计算，但其目标是打造一个大型云平台，它并不只会做一个AI，而是通过中央计算机上的云平台运行多个专用的AI。Meta的目标是成为这些AI的代理，它将成为一个平台，运行着众多专用的AI代理。

通过对两大关键不确定性的思考和想象，我们构建出了四种不同世界的未来场景，分别代表着不同的发展路径，每一种都展现了人工智能在不同方向上的可能性，我们可以根据这些设想进一步探讨未来的走向及其潜在影响。

第三个关键不确定性，其实是一个非常简单的问题：AI将如何影响失业率？

事实上，这个问题并不容易回答。许多研究人士关于这个问题的争论，主要集中在两种可能性上：一是认为AI会成为“增强型”工具，即辅助和提升人类的生产力，作为工作中的补充；另一种观点则是，AI将取代人类的生产力。

简言之，问题的核心在于，未来究竟是AI替代人类，还是补充和增强人类的能力？当然，这两者可能会同时混合存在，但我们目前依然不确定最终会如何演化。

目前已有一些初步的研究数据显示，许多每天使用AI的人反映，他们原本需要完成的任务中，大约有50%的任务已无需亲自操心，因为AI可以替代他们完成；而剩下的50%任务中，AI则显著增强了他们的工作效率。这表明，在某种程度上，任务的分担可能是“50%被替代，50%被增强”。

此外，相关研究还发现，程序员在使用AI工具后变得更加高效，作家的写作速度也有了明显提升。对律师、顾问和行政人员的调查也显示，他们的工作效率提升了20%到80%不等。因此，可以看出，至少在某些领域，AI并未完全取代人类，而是作为一种增强工具出现。

有趣的是，这些研究发现最大的效率提升，往往出现在表现较为一般的普通工人身上，而不是那些顶尖人才。这再次暗示了在某些情况下，增强效应可能比替代效应更为明显。不过，正如前文所述，我们对这一问题仍存在很大不确定性。

针对AI对就业影响的问题，我提出了一种叫做“1+1”的模型。这一模型源自于“半人马（Centaur）”的概念，半人马是希腊神话中半人半马的生物，象征着二者的结合。这个概念的核心思想是：人类与AI可以组建成一个团队，形成一个整体，从而实现1+1大于2的效果。换句话说，未来的工作者可能不再是单纯的人，而是人机协作的整体单位。

举个例子，在医学领域，即使到了2025年，最好的医疗服务依然会来自于人类医生。虽然也会有AI医生存在，但它们的水平远不及真正优秀的人类医生。实际研究发现，最出色的医生往往是那些能有效利用AI辅助的医生。也就是说，最好的医疗服务并不是纯粹依赖人类医生，也不是单靠AI，而是二者结合的结果。当然，对于那些缺乏医生的地区，AI医生总比没有医生要好。但最佳的照护方式无疑是1+1组合——人类医生加AI。

这一思路在其他职业中也同样适用。调查显示，最优秀的教师往往不是单纯的教师，也不是仅依靠AI，而是教师与AI协同工作；最好的程序员也不是纯粹依靠人类智慧，而是通过与AI工具配合才能达到最佳效果。

事实上，“人类+AI”的组合，已经成为我们目前看到的最佳工作模式。我们可以把这种人机协作视为一种合作伙伴关系、队友关系，甚至可以将AI看作是副驾驶、引导者、助手，或者是一名实习生。未来的工作环境中，人类将拥有一个由“副驾驶、助手和实习生”组成的团队，这种“加1（Plus One）”模式将成为常态。

因此，我认为在未来5～10年，你的薪资水平也将部分取决于你与AI协作的能力。未来在招聘年轻人才时，用人单位会更加关注你是否具备与AI高效合作的技能，你是否受过相关培训，你是否懂得如何向AI发出恰当的指令。

总的来说，你不大可能完全失去工作，但你可能会失去原有的职位描述——也就是说，你以前负责的一部分任务将被AI接管，而你则会被赋予新的任务，但整体工作内容可能基本保持不变。你不会被AI完全取代，但你有可能被一个善于利用AI的人所取代。这就是我所说的“加1”的概念。

最近还有一项研究探讨了将AI引入某个行业的影响，目前的问题是：世界上有多少人因为AI而失去了工作？答案显示，失业人数非常有限，而且大多数失业者集中在帮助台岗位，主要是在菲律宾等地区工作的员工。他们原本是负责解答技术问题的客服人员，随着AI的发展，一部分人失去了工作，但总体上只有一小部分岗位被AI替代。

实际上，对于那些保留下来的员工，他们的工作性质发生了变化，转而变成了监督和管理AI的工作。而服务质量也因AI的辅助而大幅提升，使得以前无法提供的客户服务成为可能。比如，曾经有一家年轻的小公司，由于成本问题无法承担24小时的人工客服，但如今有了AI辅助客服，他们完全可以负担这一服务。因此，这种情况并非纯粹是替代人工工作，而是在开拓那些原本因人力成本高而无法涉足的空白服务领域。

综上所述，这一论点表明，AI可能不会完全取代人类，而是更多地增强人类的能力。然而，问题仍然存在——这种看法也可能是谬见，因为AI在未来也有可能会取代人类的生产力。尽管目前的证据显示AI更倾向于增强人类，但各种分歧导致未来依然具有巨大不确定性。

基于这一个关键不确定性，我们可以在现有情景规划模型中加入一个额外的轴线，即人类是被增强还是被取代。按照这个思路，我们原本可以构想出八种不同的未来场景，涵盖未来5～10年的各种可能性。但实际上，这种模型太过复杂，因此我将其简化为四个主要世界，同时保留人类是被增强还是被取代这一问题。

这条整合后的轴线左侧，代表多个专用的边缘计算设备，而右侧则代表一个单一的中央通用智能。这样，我们便可以用一个简单的轴线来概括两种概念。

基于这一轴线，我们可以构造出四种可能的未来方向。

我为这四个方向的世界分别取了名称，分别是“Big Tech（大科技）”、“Doomer（末日）”、“Upheaval（剧变）”和“Agentland（代理人之地）”。接下来，让我来分别详述这四种可能性：

（1）大科技世界

在这一世界中，存在着一个单一、中心化的通用智能，它的主要作用是增强人类的能力，而非取代人类。这正是OpenAI、Google、Meta等公司正在努力实现的未来。如果目前的“规模化”发展继续推进，且我们能够不断提高这些模型的智能和性能，那么这个世界就有望实现。在这种情景下，由于工作效率大幅提升，裁员现象将十分有限，大多数人仍然能够保住工作。与此同时，那些花费数十亿美元建设的大型数据中心也会转亏为盈。换句话说，实现通用智能是可能的。

在每个世界里，都会有赢家和输家。在“大科技”的世界里，谁是赢家？很显然，大科技公司是毫无疑问的赢家，普通工人、政府等也能从中受益，因为一切都处于集中化运作之下，他们喜欢这种集中化。然而，这种模式也可能引发集体思维的风险，因为所有问题的答案都来自少数几家主导公司，而它们将有能力塑造公众如何看待世界。

在这个世界里，集体思维占据主导地位，而真正的竞争则会被削弱。如果大科技公司垄断了信息和决策，那么独立思考将变得愈加困难。试想一下，如果你拥有一个比任何人都聪明的AI，无论它给出何种答案，都将潜移默化地影响你的思维方式。同时，版权也将不再有效，因为AI在源源不断地生成内容，而我们尚未建立起完善的框架来处理这些问题。好莱坞电影可能会遭遇困境，因为你完全可以自己拍影片，无需依赖传统影视工业；文书工作也将面临巨大冲击，标准化测试将失去意义，因为AI无所不知，它的知识储备已经远超人类。这便是“大科技世界”中赢家与输家的基本态势。

（2）剧变世界

这一象限的情景正是许多人所担忧的。在这种世界中，中央化的通用智能不仅增强了人类的能力，更逐渐取代了人类的生产力。随着AI变得日益聪明，它最终可能在大规模范围内取代人类工作，导致裁员数量大幅增加。与此同时，“规模化”持续推进，AGI（人工通用智能）的控制权也将不断集中。人们担心，在这样的过程中，AI与算法将越来越多地介入并决定我们的日常生活——它们将左右你是否能获得贷款、是否能进入理想学校，甚至决定你在法庭上的有罪或无罪。可以说，在这一过程中，社会或将经历大规模的动荡和重构。

那么，谁会在这一世界中成为赢家？答案仍然是大科技公司，因为它们通过生产力的巨大提升而获益，科学技术也会取得飞跃性进展。与此同时，人们不再工作，休闲时间增多，休闲产业、旅游等行业可能迎来大繁荣期。此外，群体思维将异常强势，因为所有答案都来自于同一来源；但这对个人创业者来说，则可能是一大机遇，因为他们可以依靠AIs独立完成各种任务，无需雇佣大量员工。

在这种情景下，个人将会变得异常有能量，几乎可以自行完成拍电影、写作等各种工作。反之，那些依赖纯知识技能的人则可能面临淘汰的风险，因为AI对知识的掌握远超常人。无论哪个领域，普通打工人（average workers）也会受到冲击，他们需要掌握某些特殊技能来适应这个新时代；否则，那些没有技能、无法适应变化的人将成为输家。好莱坞电影、传统文书工作以及标准化测试等领域，也可能因AI的普及而走向衰落。

（3）代理人世界

在这一情景下，世界不再以中央化的通用AI为主导，而是由多个专用的边缘设备AI与人类协作，共同提升工作效率。一个明显的迹象是：“规模化”发展趋于停滞，模型不再持续变得更聪明，而是达到一个瓶颈，这就需要采用其他类型的AI来弥补不足。事实证明，那些可以适配到手机、智能眼镜、汽车或机器人中的小型AI，性能可以与大规模AI相媲美，甚至可能更优。

同时，你将拥有类似“Internet Of Agents”（代理人互联网）的结构，每个人都有自己的个人AI和“网站”，而不再依赖一个大型服务器。换句话说，大家都可以在自己的设备上运行AI，无需支付高昂费用给大公司。这是一种全新的互联网文化：机器人真正开始崭露头角，因为它们需要将智能集成得更为紧密和迅速，从而催生出大量的机器人、代理人以及机器人程序。

那么，在这种世界中，谁会成为赢家呢？例如，军事行业将极为受益，他们会乐于采用智能机器人、坦克、无人机等装备，因为这些设备的智能水平已经媲美甚至超越人类。在这一领域，还会出现许多专用AI系统，如智能眼镜等技术产品。除了Nvidia等芯片制造商外，其他公司也会在这一去中心化、互联网化的世界中大展拳脚。而对于独立创业者来说，这种去中心化的模式无疑提供了巨大的机会。

输家之一是网络安全。当系统重新走向去中心化和分布式时，保障安全将变得异常艰难。传统的AI公司以及大科技企业在这种环境下可能会力不从心，因为要实现统一的治理标准和法律框架变得极其困难——每种AI都需要采用不同的监管方式，它们就像不同的物种，必须以各自独特的方式进行管理，而且各国之间也会有差异。这就导致将所有这些AI整合在一起变得十分棘手。

（4）末日世界

末日世界，是代理人之地的极化版本。在这样的世界中，信任将极其脆弱，保障难以建立。缺乏中央集权的承诺，使得许多曾经稳固的机构面临崩溃风险，比如曾经权威的五大会计师事务所可能会因为AI代理的广泛应用而失去地位。事实上，任何依赖于人类代理的人，在这个由多个专用代理AI主导的剧变世界中，都可能迅速被取代。随着“规模化”增长的停滞，各种不同类型的AI会大量涌现，这些小型机器人虽然能够适应狭小的空间，但正因如此，它们的监管也会变得异常复杂，难以像监管大公司那样形成统一的规则，这无疑会引发广泛的反对声音，同时其破坏性也会导致很多人失业。

因此，这将是一个充满混乱与挑战的世界。在这一世界里，军方、超级代理人、自动化机器人等将表现出色，硬件制造商和太阳能创业者也会迎来发展良机；而与此同时，大规模的SaaS公司、办公地产行业、工会甚至中央政府在财务管理和监管方面都可能面临前所未有的困难，甚至可能被迫解体。

关于AI毁灭人类的可能性，我认为在未来5年内发生这种情况的概率为零。当然，如果我们放眼更长远的未来，这种可能性或许会出现，但今天的主题是探讨未来5～10年的情景，这期间你大可不必过于担心这一问题。但从长期来看，可能还是需要保持警惕。

总之，在这个去中心化的世界中，赢家与输家之间的界限将会异常明显，而整个生态系统将充满不确定性与风险。

接下来，我们需要关注一个重要问题：早期信号。我们如何知道在未来5～10年我们会走向哪一种未来？答案在于观察一些早期的警示信号，来窥见未来的发展方向。

如果在未来几年内，我们看到像ChatGPT 5.0这样的产品按时发布，同时失业率保持平稳，而Nvidia这样的公司持续增长，这就意味着我们正朝着大科技公司主导的增强型未来迈进。

如果Chat 5.0比我们预期的还要好，且裁员开始发生，那么这表明我们将在五年内进入末日世界。

反之，如果ChatGPT 5.0发布延迟、技术进展停滞，同时我们开始看到类似Poe的代理人市场迅速崛起，以及机器人开始大规模融入各领域，那么我们可能正进入以边缘专用智能为主导的未来。

如果Waymo业务迅速扩展，最优秀的模型继续开源，再加上工会对这一趋势做出积极反应，那么这些也都表明未来正朝着剧变的方向发展。

所以，在接下来的六个月到一年内，我们将逐步看到这些信号，从而判断未来究竟会走向哪一方向。对于独立创业者来说，这意味着在上述四种未来情景中，他们至少有50%的机会在其中两个或三个世界中找到不错的发展机遇。换句话说，独立创业者将在我们预测的四个世界中的至少三个世界中占据重要位置。

最后，我之所以在讨论中没有过多提及“情感”，是因为目前还没有找到足够的相关内容，但我相信这将成为下一个震撼我们的惊喜。未来，我们可能会赋予这些AI情感，让它们表现出诸如惊讶、关切、恐惧、愉快以及爱的情感反馈。你甚至可能给AI机器人赋予“痛感”，以便它们避免自我损害。这样的情感能力不仅会使AI和机器人更具亲和力，同时也会让人类操控它的实用性大大提高。这远远超出我们现阶段的预期，而我们对此准备明显不足。这将是另一个巨大的惊喜，我现在只是想让大家提前了解这一点。

我认为，30年后，当人们回顾今天时，他们可能会说：“那时根本没有真正的AI专家，你们根本不了解AI是什么。”我必须强调，与30年、25年甚至10年后的知识相比，我们今天知道的非常有限。我们现在对AI的认知，将远远不及未来10～15年人类的水平。现今全球范围内的顶尖AI专家与未来普通人相比，可以说也是天差地别。

但另一方面，我们正处在AI发展的起点，就像处于第一天的开始，一个里程碑式的历史性时刻。再过25年，人们会回忆道：“一切都始于2025年。”我真希望自己能活到那时，亲身参与并见证这个过程中的种种奇迹。到那时，一切都将无比新鲜和令人惊叹，充满无限可能。

与过去相比，如今是从事AI工作的最佳时机，因为我们拥有最先进的工具、最大的市场、最低廉的资金和最小的门槛。与未来相比也是如此，因为那时将没有专家，一切都是低垂的果实，答案唾手可得。总之，我最想强调的一点是，今天正是投身AI领域的最佳时机，你绝不算晚。

感谢大家的倾听，谢谢！

授课 | 凯文·凯利 《连线》杂志创始主编、未来学家

出品 | 嘉宾商学