01

这两年，但凡你平时刷刷手机，大概率会产生一种强烈的“精神分裂感”。

在科技新闻和各种发布会的短视频里，人类好像马上就要实现“全自动躺平”了：今天某个大模型在奥数和编程比赛里登顶，明天某个智能体就能订机票、写代码、做财报，后天人形机器人又在镜头前跑步、叠衣服、踢足球。

视频刷多了，你甚至会觉得：人类上班，有点多余。但等你打开银行App的时候，发现账户余额一点没变，整个人都不好了。这就引出了一个大多数人的困扰：AI明明已经聪明到这种地步了，为什么不仅大部分的企业没赚到钱，普通人的工资也没怎么涨？

最近，我们把一档深度探讨AGI（通用人工智能）的节目——《探寻人工智能2026》，五期连着看了一遍。

整体啥感觉呢？

从“AI 在屏幕里会做题”，到“企业在现实里赚到钱”，再到“普通人兜里分到钱”，这三件事之间，压根就不是一条直线，中间隔着好几道看不见的门槛。

先说个有意思的事。

节目第一期，创新工场的创始人李开复直接抛出了一个大胆结论：如果按照他对AGI的定义——AI在绝大多数脑力任务上的表现，已经超过了大部分普通人——那么不用怀疑，AGI 时代其实已经来了。

但到了第五期，人工智能领域的泰斗、北京大学教授朱松纯却泼了一盆冷水。在他看来，今天被大家捧上天的大语言模型，离他心目中真正的AGI还有相当远的距离。

看到这儿，估计很多人会懵：怎么连最懂行的专家都吵不明白？到底谁说得对？

其实，如果你仔细研究两位大佬的底层逻辑，就会发现他们根本不是在否定对方，而是手里拿着的“尺子”完全不同。

李开复手里拿的，是一把“实用主义的工程尺子”。

作为投资人和连续创业者，他看重的是“结果”：我不管你脑子里是怎么想的，我就拿人类的考卷和日常工作任务去衡量，比如写文章、做翻译、写代码、做总结、搞常见的数据分析。只要你干得比80%的白领又快又好，那在商业应用层面，你就是通用人工智能。

而朱松纯手里拿的，是一把“探求本质的科学尺子”。

他指出，目前大模型的一个核心软肋：哪怕它能把全人类的百科全书倒背如流，它依然是个“没有自我意识的做题家”。它之所以回答你的问题，是因为你给了它一段提示词；如果你不理它，它就永远在服务器里安静地躺着。

用大白话讲，就是大模型不知道为什么干活，也不知道干这件事对不对、好不好，只是靠庞大的概率统计去“猜”下一个最合理的代码。

咱们不去判断哪位大佬说的有理，他们的分歧，恰恰是解开大家疑惑的那把钥匙：一个“超级学霸”但没有自主意识，一旦进入真实的公司、工厂和医院，究竟会发生什么？

02

李开复在第一期节目里，讲了一个特别接地气的例子：一个卖咸鸭蛋的企业。

假设，你今天去清华北大招了一个智商160、门门功课满分的绝对学霸。第一天上班，你把他扔进一家做咸鸭蛋的传统企业，然后跟他说：“来，小伙子，凭你的聪明才智，帮咱们厂把今年的利润翻一番。”

你猜这高材生啥反应？

他大概会愣在原地怀疑人生。他虽然懂微积分、懂量子力学、能用英文写万字长文，但他压根不知道鸭子怎么养、鸭蛋怎么卖，甚至都不清楚报销单该找谁签字。

这就是AI进入企业撞上的第一堵墙：通用能力再强，也不等于自动掌握了一家公司的具体业务。

一家企业真正能赚钱的东西，往往只有20%写在规章制度和公开文档里，剩下的80%，全都散落在老员工的脑子、互相扯皮的微信群和酒桌上的默契。大模型读过全网文章，但它没在鸭棚里待过一天。

所以李开复在节目里，直接问了企业老板们一个极其扎心的问题：“部署了这么多智能体、做了这么多炫酷的演示，那你把财务报表拿出来看看，到底哪一个数字变好看了？”

很多公司所谓的“用上了AI”，其实就是买了几十个账号，做了几个炫酷的演示。但真要落到把订单做大、把客户留住、把效率提高上去，中间还隔着清洗业务数据、改造内部流程、一步步试错的漫长过程。

一个咸鸭蛋企业只是在电脑上改改流程都这么费劲，那如果让AI走出屏幕，去碰真实的物体、进人命关天的医院，又会遇到什么麻烦？

这就不得不提第三期讲的机器人和第四期讲的医疗内容了。

03

咱们先看机器人。

第三期里，嘉宾程昊在节目里聊到，他们团队最开始切入具身智能，选的场景是小型足球机器人。

很多人第一次看机器人踢球，都会觉得热血沸腾：摔倒了能自己爬起来，能识别球门，还能跟队友配合，运动能力一目了然。既然连球都能踢了，那明年买一台机器人回家，帮自己收拾屋子、洗碗、叠衣服，岂不是手拿把掐？

但程昊在节目里很坦诚地聊到了这中间的鸿沟：在球场上完成一段精彩的展示，和进入家庭稳定地干活儿，完全是两回事。

道理非常简单，足球场是一个规则极其明确、环境高度标准化的地方。草皮是平的，足球是圆的，边界线是规定好的，就算一脚踢到了观众席，或者摔了个四脚朝天，大家哈哈一笑也就过去了。这叫“容错率极高”。

但家里是啥环境？

今天沙发上扔了一件真丝衬衫、明天茶几上放了一个滑溜溜的玻璃杯、地上可能还有只到处乱窜的哈士奇。机器人不仅要看懂复杂的环境，还要长期、稳定地正确执行任务。它在实验室里做100次家务成功95次，那就能发一篇顶级论文；但在你家，5%的失败率就是把热汤洒在了孩子身上，把几千块钱的衣服一把扯烂。

再看医疗。

如果说机器人进家，卡在了“物理环境的复杂性与可靠性”上，那第四期徐济铭聊到的医疗AI，除了容错率极低，还要面对数据安全、算力成本，以及最关键的“可追溯性”问题。

那啥是“可追溯性”？

简单来说，医生看病时要签字担责任的。而AI瞬间能给出五种可能，错了你也找不到地方说理。

假设一位主任医师要给患者下诊断、做手术方案，他不能跟病人和家属说：“因为大模型算出来的概率是85%，所以我决定切这一刀。”医生必须清清楚楚地知道，AI给出的每一条参考意见，到底是基于哪一份化验单的哪一项异常指标、结合了哪本临床指南的第几页得出来的。一旦中间有一个环节是“黑箱”猜出来的，医生就不敢签字，因为最后承担责任的是人，不是代码。

而且医院也得算一笔经济账：买这么多算力，到底能帮医生提高多少效率？能为医院省下多少成本？

所以在节目里探讨的实际落地场景，不是让AI去当神医，而是把它拆解成极其具体的辅助环节，比如在患者进诊室前，先帮着把零散的病情自述收集整理好；在问诊结束之后，辅助医生把规范的病历草稿理出来，供医生核对参考。

你看，不管是程昊讲的机器人，还是徐济铭讲的AI医疗，其实都在告诉我们同一件事儿：AI 想在真实世界里变成生产力，光靠发布会上“秀肌肉”是不够的。它必须得熬过漫长的环境适配，把可靠性磨到极致，并且老老实实地嵌进人类原有的责任链条和工作流程里。

04

最后咱们来聊聊大家最关心的经济账。

第二期节目，经济学家管清友聊到了一个很现实的温差：一边是模型、算力和相关产业热火朝天，另一边是普通人看着自己的工资，好像没啥变化。

那为什么“AI提效”没有立刻变成“全员涨薪”？

咱们把资本流动的路径拆开了看，立马就明白了：

第一步，钱先流向了基础设施。资本得先掏真金白银去买算力、买芯片、做研发、建模型。这时候，钱还在“卖铲子”的人手里，没有变成终端消费让企业赚回来。

第二步，企业正在经历“投入期”。就像前面说的咸鸭蛋企业和医院，企业想用好AI，得先花钱买算力、改流程、做培训。在财报上，这叫“当期成本增加”，老板先花出去一大笔开支，怎么可能给员工普涨工资？

第三步，也是最关键的一步：当效率真的提上来后，这省下来的钱又该怎么分？

要知道，企业分配利润不是由技术决定的，是由经营状况、市场竞争惨烈程度以及劳资双方的博弈关系，共同决定的。

如果你所在的行业本身就卷得要命、大家都在打价格战，那企业靠AI省下来的成本，第一时间往往不是拿来给员工发奖金，而是用来降价抢客户，最后这波红利给了消费者，一点没给企业员工。

但还有一种情况，如果企业留住了利润，那些能驾驭AI、一个人能顶过去一个团队的“超级个体”，议价能力会大幅上涨。反过来，那些原本只负责机械搬运、简单处理、可替代性极强的岗位，面对的就不是涨薪，而是大规模职场优化。

所以，生产效率的提高，只是收入增长的“可能来源”，它绝不会自动、同步地变成每个人银行卡里的余额。

当然，这里也有一个大家很关心的问题：企业用了 AI，难道就只有“裁员缩编、存量内卷”这一条路吗？

节目里其实还讨论了另一种可能：当一个员工或者一个小团队借助AI，把原本极其耗时的基础工作压缩之后，他们省下来的精力，可以去做以前根本顾不上的事情，比如提供更好的定制服务、开拓长尾市场、甚至创造新的业务品类。

不过管清友也提醒了一句，新机会当然要去盯，但也不能把还在探索中的可能，直接当成已经到手的普遍红利。

多说一句。

如果把这五期节目全看一遍，你会发现，李开复和朱松纯其实是“一左一右”：李是在提醒我们“别傲慢、别迟钝”。朱是在提醒我们“别盲从、别焦虑”。

短期内，真正决定一家咸鸭蛋厂能不能赚钱的，依然是那个懂鸭子、懂市场、懂怎么跟上下游打交道的人；真正决定一台手术成败的，依然是那个敢于担责、懂患者冷暖的职业医生；而你在工作中最核心的护城河，恰恰藏在那些AI看不见的现场场景，比如跨部门的沟通协调、对复杂局面的价值判断，以及敢于为结果兜底的责任心。

所以，大家以后再看到各种毁天灭地的AI大新闻，不妨用这五期节目对照一下。

判断AI发展到了哪一步，别光看它在考试里拿了多少分、在舞台上翻了几个跟头；要看它能不能在真实的泥潭里稳定地解决具体问题，更要看它创造出来的价值，最终会通过什么样的机制，流向每一个具体的人。

风浪确实很大，但越是风浪大的时候，越要看清潮水的方向、守住自己脚下的船，比跟着岸上的人一起惊叹，要重要得多。

#探寻人工智能2026#

此文完。