凯文·凯利：AI 时代，不会被替代的人，都有这个特质

1.容忍“垃圾”，方能筛选出极致优秀

我们之所以能拥有传世佳作，正是因为有海量平庸、甚至劣质的文字作为基数。

我们能看到那么多优秀的书籍，核心原因之一，就是书写这件事的门槛极低。门槛低就意味着，绝大多数写出来的东西都是垃圾。如果书写的门槛极高，那诞生伟大作品的概率反而会更低。

电视行业很长一段时间里都面临着这样的困境。有些国家只有四个电视频道，甚至只有一个，这就意味着电视台根本承担不起制作“劣质内容”的风险。

电视制作的成本太高了，所以内容不会太差，但也绝不会出彩，只能是平庸的、中等水平的内容，极少能出现经典佳作。

想要诞生伟大的电视作品，唯一的办法就是降低制作成本，让大家能低成本制作大量劣质内容，而不是只产出平庸的内容。

当手持摄像机等技术出现，大幅降低了视频制作的门槛，突然间，市面上出现了大量劣质视频，但也随之诞生了前所未有的优秀作品。

想要获得极致的优秀，就必须容忍大量的劣质内容存在。

所以我从来不会被平台上的大量低质内容困扰，这是我们为了获得优质内容，必须付出的代价。

就在这周，谷歌刚刚宣布，他们现在已经能够识别出所有由自家AI生成的内容。如果用户不想看这类内容，算法就不会再推荐。所以我一点都不担心这个问题。

这是一个“可解决的问题”，核心就是筛选。

如果AI生成的内容，用户普遍觉得“这太糟糕了，我不喜欢”，那算法和AI能立刻识别出来，直接过滤掉，不会再推给其他用户。

如果用户普遍觉得内容很好，想要看更多，那就完全没问题。那它就不存在问题。

这就是市场的选择。

2.大模型规模化接近瓶颈，智能需要多元认知能力

在我人生的大部分时间里，人工智能的发展都非常缓慢，几乎没有什么大的进展，只是零零散散有一些小突破。我原本以为，它会一直保持这样缓慢的发展节奏，直到大语言模型（LLMs）的爆发。

这完全超出了所有人的预料：当你用大语言模型做语言翻译软件时，竟然能从中催生出一定的推理能力。这让所有从业者都感到震惊，即便是大语言模型的研发人员，也没想到能从语言模型中获得推理能力。

更重要的是，只要持续扩大模型规模，推理能力还会随之提升，这是颠覆性的。直到今天，人工智能领域的所有热潮，本质上依然来自于大语言模型的规模化扩张。

但问题是，这条路能一直走下去吗？我们能通过持续扩大模型规模，不断提升推理能力吗？还有，我们到底需要多少推理能力？

或许我们对推理能力的关注已经过度了，推理能力未必是我们当下真正缺失的东西。换句话说，我们可能已经拥有了足够的推理能力，反而需要一些其他的能力。

这就是当下行业的核心问题：到目前为止，大语言模型规模化带来的进步，让我们惊喜、震撼，也让我们受益良多。但完全无法确定的是，继续扩大模型规模，我们还能不能获得同等幅度的能力提升，这一点没人知道。

我认为，我们可能即将迎来一个技术瓶颈期，想要让人工智能实现进一步的发展，我们需要加入其他的认知维度的能力。

现在学界有很多科学家认为，缩放定律（在人工智能领域被引申为描述模型性能随规模扩展的规律性现象）已经不像前几年那么有效了，它正在失去魔力。

基于我对网络系统的研究经验，神经网络本身就是一种网络系统。这类网络系统的特点是，它是扁平化的、同质化的，结构高度统一。大语言模型里，除了层级结构之外，几乎没有其他复杂的架构，整体结构非常单一。

这类网络系统的能力极强，能做到的事情远超我们的想象。但到了某个临界点，它就需要自上而下的调控能力。只靠自下而上的涌现，它无法完成所有事情，必须有一个更高层级的体系，来引导它、推动它、调整它的方向。

这也是当下行业正在探索的方向：我们需要什么样的监管、什么样的引导、什么样的路由机制，才能让人工智能的能力实现跃升？这绝不仅仅是提升推理能力那么简单。

我们真正需要的，或许不只是更强的推理能力，而是推理之外的其他类型的认知能力，比如规划能力、持续学习能力。

现在的大语言模型，并不具备持续学习的能力。它们的学习，只发生在从4代迭代到5代、再到6代的过程中，一年才会完成一次学习升级。

所以，即便我们能不断提升推理能力，这也未必能让人工智能更好地为我们服务。只有拥有了这些认知能力，我们才能用人工智能制造机器人，培养出能做出突破的物理学家。

而这些特质，大语言模型或许根本无法生成。

3.下一站是“空间智能”，AI需要直接学习物理世界

有一个研究领域叫空间智能，有时候也被称为世界模型。它和大语言模型用语言、文本训练不同，空间智能的模型，是基于真实世界训练的，基于物理规则、化学规律来学习。

① 智能的终极形态，是对物理世界常识的感知

当下的大语言模型，对世界的认知，都来自于人类对世界的文字描述，而不是世界本身。它们训练的素材不是真实世界，而是人类写下的关于世界的文字，这是一种二次抽象。

也正因为如此，这些AI很难在真实世界中生存，它们没有实体，没有身体。

现在有很多研究，都在尝试打造基于真实世界的模型，让AI能直接体验真实世界，从视频、各类采集到的真实数据中学习。

但当下的问题是，大语言模型的训练，有海量已经数字化的文本数据，而关于物理世界的高质量数据，却非常稀缺。我们没有足够多、足够多样化、覆盖足够多场景的物理世界数据，来训练一个大型的物理世界模型。

很多人都做过相关的尝试，但始终没能做出具备通用能力的模型，没有实现质的突破。

我们真正需要的，是让AI建立起对三维空间、甚至包含时间维度的四维空间的认知，理解远近、空间关系，理解东西掉下去会反弹，理解那些幼儿凭借本能就能掌握的、我们称之为“常识”的东西。

而现在的AI，恰恰严重缺乏这种常识。

我们真正想让模型学会的，是那些最基础的、我们称之为常识的东西，是世界运行最根本的规律，而不是人类用语言描述出来的关于世界的文字。

② AI智能眼镜将成为核心的人机交互接口

对物理世界的感知，目前最好的产品形态方向就是混合现实+AI，比如乐奇Rokid公司推出的AI眼镜，就是一个非常有意思的产品。

我认为，智能眼镜——就是这种能正常佩戴、轻便、可透视的眼镜，将会成为未来的人机交互接口。

它的核心价值，并不是作为虚拟现实的入口，而是作为人工智能的接口。我们随时在线的AI智能体，就承载在这副眼镜里，它有收音的麦克风、播放的耳机，还能实现触觉反馈，能做的事情非常多。

未来我们戴上它，不是为了进入虚拟现实世界，而是为了唤醒我们的AI助手。就像现在，我们做出打字的动作，大家就知道我们在用电脑工作；而在未来，这个动作，就意味着我正在和AI协同工作。

我们可以对话，AI能看到我所看到的一切，能在我耳边轻声给出提示，能在镜片上显示我需要的信息，我可以随时向它提问，我们还会通过各种手势完成交互。

所以，智能眼镜将会成为下一代计算机，而不是手机。核心的载体，变成了一副眼镜。

当然，未来眼镜是最优的产品形态吗？在更远的未来，肯定会有，比如隐形眼镜。

但目前，没有任何一家企业接近实现这个技术，离商业化落地还很远。

我一直说，一项技术从实验室的原型，到成为一款成功的商业化产品，往往需要将近25年的时间。

比如手机，从概念到普及，用了25年。智能手机的发展，也花了25年。智能眼镜也是同样的道理。

所以就目前来看，未来一段时间，我们的主流设备依然会是智能眼镜和手机，两者会并存，可能再搭配智能手表这类可穿戴设备。

1.技术落地远慢于预期，社会文化需要十年消化

实验室里的技术迭代很快，但大众的接受和普及要慢得多，社会文化需要时间去消化技术。

如今，即便我们停止人工智能的所有技术创新，不再有任何新的突破，我们仍然需要10年的时间，来消化吸收现有的技术。像ChatGPT 5、Gemini 3这些当下的技术成果，想要真正渗透到整个社会文化中，依然需要10年的时间。

这意味着过程会很慢。大家总觉得，AI就像团队里多了一个爱因斯坦，一个绝顶聪明的人。但根本不是这样的，AI是完全不同的东西。

AI，它不是一个虚拟的人，而是一种全新的、完全不同的力量，一个全新的变量。你不能像招一个新员工一样，把它直接放进团队里就完事了，它会彻底改变你工作流的底层结构。

这意味着它会改变你公司的组织架构，进而改变你整个业务的模式。所有这些变化，都需要大量的时间去探索：新的架构应该是什么样的？如何让员工适应并接受？如何教会大家全新的工作方式？

很多人觉得，这一切会发生得非常快，我认为这个想法是完全错误的，社会文化需要时间去消化技术。

2.人机协同的未来：人类是AI的“激发者”与“负责人”

事实上，AI没有责任感，也无法为自己的输出结果负责。所以人类依然能向雇主提供的核心价值，就是责任与信任，是人与人之间的联结。这是人类对抗自动化、不可被替代的核心壁垒。

AI不会消灭工作，只会重构工作。未来人类的价值，反而会因为稀缺性而不断提升。

我始终认为，未来的主流模式，是人类和AI作为一个团队，协同工作。

现在人类做的很多工作任务，未来会永远被自动化替代。但人类的工作，从来都不是一堆任务的集合。作为人类的你，核心的工作是对这些任务的统筹与把控，即便很多任务被自动化了，你的工作也未必会被替代。

你的工作会一直存在，因为人类要承担责任，要和AI协同，帮助AI更好地完成工作。

比如，AI生成艺术。

理论上，AI能生成任何图像，但实际上它本身是趋于“平庸”和“惰性”的，生成的大多是平庸的内容。你给它一个提示词，它产出的往往是可预测的、平均水平的内容。

只有在人类的帮助下，AI才可能创作出令人惊艳且极具创造力的作品——它自身无法独立实现这一点，唯有借助人类的助力，才能真正实现创造力的突破。

所以我们未来的工作，就是作为AI的合作伙伴，帮助AI突破自身的局限，实现更高的创造力。

再比如程序员。

AI能写代码，写出来的代码也还不错，但你必须去检查它的工作成果。想让它写出真正高质量的代码，是很难的，你需要不断和它协同，去引导它、调整它、推动它，让它做得更好。

这就是我们未来和AI的相处模式：它确实会实现很多工作的自动化，但它需要我们的帮助，才能完成最优的工作成果。就像两个伙伴，一起工作，互相鼓励，一起变得更好。

3.用更好的AI解决AI带来的问题，但警惕不健康的增长预期

关于AI带来的问题，我想明确一点：

人工智能，将会给我们带来人类有史以来最严峻的问题，比我们当下所有的问题都更严重。

技术的力量越强大，它带来的问题就越严重。接下来AI一定会给我们制造新的难题。

但我认为，解决这些问题的方法，不是减少AI的使用，而是发展更好的技术、更完善的AI。而这些新的AI、新的技术，又会带来新的问题。我们会一直处在这样的循环里。

我们不会让问题彻底消失，但我们可以通过更先进的技术解决当下的问题，用更好的技术替代旧的技术，即便新技术也会带来更大的新问题。这个循环永远不会停止。

所以，我们要用更完善的AI，去解决AI带来的问题。

在这个过程中，我们也要警惕不健康的增长预期。

现在很多人认为AI能带来10%的增长，事实上，AI确实会在一定程度上提升生产效率，但我不认为AI能实现10%的年增长。

这种大幅度地增长，既不现实，也不可持续。从本质上来说，这就像一个人的身高，每年增长10%，这是病态的，不健康的，婴儿期除外。

甚至，即便能实现10%的年增长，也是不健康的，在任何领域都是如此。

1.未来职业清单：教育AI、与AI协同、奔赴前沿

关于职业清单，我认为，我们现在能想象到的新职业，主要分为以下2大类：

① AI教育者与AI心理学家：塑造与疗愈人工智能

首先，和AI直接相关的职业，会出现一批AI教育者。

这类从业者，会通过一套成体系的、循序渐进的教育流程，像教学生一样培养AI。我们会逐渐意识到，你不可能一次性把所有知识都灌输给AI，必须像教学生一样，先教它一类知识，等它完全掌握了，再进行下一阶段的教学。

所以未来会有一批人，他们的核心工作，就是研究和完善AI教育的科学体系，设计AI的学习路径。

这个岗位的从业者不会太多，不会有数百万人，而是一小群高度专业化的人才，差不多是博士级别的专家，核心工作就是教育AI，引导它完成分阶段的学习成长。

与此同时，AI会发展得足够复杂，因此，会出现“AI心理学家”。

当AI出现问题、运行异常、表现不佳、出现程序漏洞时——这些问题本质上就相当于AI的“心理疾病”，就需要这类专业人士来解决。

所以会有这样一批人，既承担AI老师的角色，也承担AI心理医生的角色，应对AI的高复杂度，会成为他们的终身职业。

这是第一类，直接和AI打交道的职业。

② AI赋能的“超级”传统职业：人机协同的全新职业形态

第二类，是AI催生的、需要人和AI协同完成的职业。比如汽车修理工。

未来的修理工会发现，有AI的协同，他们能把车修得更好。AI可以通过智能眼镜，和他一起看到发动机的内部结构，看到需要维修的部件，双方可以实时沟通，作为一个团队完成工作。

水管工、机械修理师都是如此。这些职业依然存在，但会演变成一种全新的职业形态，是和AI协同工作的专业岗位。他们会有对应的薪酬体系、职业发展路径，成为全新的专业领域。

他们借助AI工具、智能眼镜等设备，能以极高的效率完成极其出色的工作，他们的日常工作方式会发生彻底的改变。

他们依然是维修人员、机械师，但更像是“超级机械师”，是AI赋能后的全新职业。

③ 未来方向：选择尚未被命名的前沿领域

对于年轻人来说，职业发展最好的选择之一，就是奔赴行业的前沿地带。

在最前沿的领域，几乎没有竞争，也没有那些资深的从业者占据赛道。而判断是否身处前沿的一个标准，就是你需要花很长时间，才能给别人解释清楚你的工作内容。

你没法用一个现成的词来概括，比如“我是一名会计”，所有人都知道会计是做什么的，这显然不是新领域。

你说“我是一名播客”，现在所有人也都懂了，但15年前，你需要花很久给父母解释播客是什么，现在它已经不是前沿了。

所以你要去的，是那个连你的职业都还没有统一名称的领域。这时候，你就必须花时间给别人解释，你到底在做什么。

2.人形机器人：昂贵且小众的伪需求

机器人这个话题很有意思。我认为，我们离真正的家用机器人，还有几十年的距离。未来会有一些专用的家用机器人，比如扫地机器人Roomba。但我认为，家庭里95%的机器人，都不会是人形的，完全没必要。

就像工厂里的机器人，大多只有机械臂，那只是一个机械臂，不是人类的手臂，可能会有机械手，但不会有腿。

所以家庭里，和我们的工作场景越贴近、和人的交互越多，它就越可能采用人形设计来适配我们人类的生活尺度，让我们更有安全感。但我想说，只有极少一部分机器人会是人形的，占比非常低，而且制造成本会极高。

想要做出和人类体型相当的人形机器人，成本是天价，这件事的难度极高。因为我们人类的身体，效率高到不可思议。我们的身体，只需要约186瓦的功率就能运行，而现在没有任何一款人形机器人，能做到这么低的功耗。

现在的机器人，动辄需要上百千瓦的功率，需要海量的能源，需要巨大的电池，想要把这些东西塞进和人类差不多大小的身体里，还能让它运行一整天，以现在的技术，根本做不到。

所以，人形机器人的研发难度极大，而且对于绝大多数机器人来说，完全没必要做成人类的样子。

所以我的观点是：第一，未来会出现一部分人形机器人；第二，它们的价格会极其昂贵；第三，它们的普及会非常非常缓慢；第四，绝大多数机器人，都不需要人形设计。

3.未来巨头的诞生地：掌握“空间数据”的AI+XR企业

① 初创公司：实现“AI优先”转型的最佳载体

我今天刚好和一位从业者聊过，他任职于全球最大的企业之一，这家公司的核心业务，就是帮助其他企业实现“AI优先”的转型。

他说的话非常明确，我也从很多人那里听到过同样的观点：让一家成熟的大型企业，转型成为AI优先的公司，难度极大。

唯一能真正实现AI优先的，只有初创企业。原因有两个：第一，它们规模小，第二，它们动作快。

最核心的一点是，AI优先的企业，必须建立一套全新的、适配AI的工作流程。而想要在大型企业里改变固有的工作流程，难度极高，尤其是那些已经取得商业成功的大企业，几乎是不可能完成的任务。

所以到目前为止，真正实现了AI优先转型的，只有小型初创企业，它们从一开始就可以按照AI优先的模式搭建体系。

② 未来巨头在于掌握“空间数据”的AI+XR企业

Anthropic公司，这是一家初创公司，我女儿也在这家公司工作。这家公司只做AI相关业务，你肯定会觉得它是一家AI优先的企业。但听我女儿讲他们的工作模式和流程，我甚至不确定，它算不算真正的AI原生企业。

即便是OpenAI这样的AI公司，我也不确定它们是不是真正的AI优先。要知道，从ChatGPT问世到现在，也才1000多天，这个行业还处于极早期的阶段。

谷歌成立的前10年，规模也并不大。谷歌在很长一段时间里，甚至都没有找到成熟的商业模式，很久之后才推出了广告业务。

所以，未来一定会出现AI领域的巨头企业。但我同时认为，VR、AR、XR领域，也就是空间智能相关的企业，有机会成长为更大的巨头。

我认为，企业能掌握的数据量越大，成长的天花板就越高。而未来能掌握最多数据的，一定是做XR、数字孪生世界的企业。

因为只有那些打造三维空间数字世界的企业，能获取海量的实时数据：用户的行为、表情、情绪、位置、注意力，方方面面的数据。这些数据的规模，会庞大到难以想象，足以让它们成为全球市值最高的企业。

而XR、增强现实技术，离不开AI的支撑。AI会成为这些技术的底层基础设施。所以，未来的超级巨头，未必是纯粹的AI公司，更有可能是AI+XR、AI+增强现实的融合型企业。

1.AI本身将商品化，企业的核心壁垒在于“高触感”能力

企业创业，风险投资人总会问创业者三个问题：你做的是一个功能、一个产品，还是一家公司？

如果只是一个功能，那它最终只会被整合到其他更大的产品里；如果是一个产品，生命周期会稍长一些，但也未必能支撑一家公司持续发展10年。

而你要做的，是打造一家公司，它不止有一款产品，有长期发展的潜力和生命力。

这条路，显然要难得多。

当下的AI，绝大多数时候，都只是一个功能，会被整合到更大的体系里。有些AI相关的能力，可以成为独立的产品，独立运行，但最终也大概率会被收购。到目前为止，能真正成长为一家企业、甚至一个平台的AI项目，少之又少。

所以这件事本身就很难。但我可以明确的是，AI本身正在成为一种大众商品，你必须在人机交互、产品体验等层面，构建自己的核心价值。

这就像卖水。自来水是免费的，但依然有少数企业，通过品牌打造，成功把瓶装水卖了出去。

尽管水本身是免费的，但它们通过品牌、产品体验，构建了自己的核心壁垒。这件事里，技术只占一部分，更多的是品牌建设、市场营销等相关的工作。

我认为，在AI领域，这些能力会变得越来越重要：品牌、营销、产品定位、用户体验设计。这些都是高度人性化的、有温度的事。

我们常说“高触感”，就是人与人之间的联结与体验，而品牌、营销、交互设计，核心都是围绕人的体验，围绕人性化的一面。

2.在AI洪流中，聚焦“非AI”的真实体验

现在如果我要创办一家新公司，我大概率不会做任何和AI相关的事。因为已经有无数人扎进这个领域了，我不觉得这里面有什么机会。

对我来说，大家都往AI这个方向冲，我反而会选一条完全不同的路。我个人会去做完全不涉及AI的事情。

现在就有很多公司，完全不用AI，未来也依然会有很多这样的公司。当然，它们会受到AI带来的行业竞争的影响，但它们本身不需要使用AI。

举个例子，我观察高净值人群的消费偏好，能看到未来的一个趋势：越是富裕的人，往往越愿意选择完全由人提供的服务，身边没有AI的参与。

未来会有这样的企业：比如一位艺术家，决定创作全程不使用AI，完全靠自己手绘，同时记录下自己不用AI创作的全过程，他会因此拥有大量的粉丝和支持者，大家喜欢他，正是因为他不使用AI。

再比如，你可以打造一种高端旅行服务，全程只有人工服务，给用户专属的、极致的体验，整个过程没有任何AI的参与。

所以，这就是一条和主流相反的路，也是我个人的倾向：所有人都冲向AI的时候，我会往反方向走。

你问我个人会做什么，我会说，我会选和AI相反的方向，我会更多地关注物理世界、真实的人与人的联结。就像现在依然有人喜欢黑胶唱片、胶片相机，这是一种反方向的潮流。

今天我们深嵌于一个科技、经济、哲学、政治都在经历持续变革和深刻重塑的复杂社会与商业环境之中，而真正困住绝大多数人的核心挑战，恰恰是：我们的认知框架、组织形态和行动逻辑，还停留在“前AI时代”。

面向AI新时代，笔记侠PPE（哲学、政治学与经济学）课程，正是为理解这样的复杂系统而生：

在这里，你能理解以AI为核心的科技经济和智能商业、理解AI哲学、理解文明进程与哲学意义、理解新格局下的国际贸易与经济政策、理解国际政治与全球治理模式。

这，正是第五代企业家应有的一套完整的“认知操作系统”。

驾驭技术、洞察世界、扎根中国、修炼心力，在应对时代重重挑战中寻找属于你的决策底牌。穿越变革的旧世界，找到时代的新大陆，从【PPE：未来5年和AI时代的决策底牌】开始。