01AI到底在改變什麼？不少朋友可能記得，去年我曾分享過上海舉辦的WAIC人工智慧大會，這次香港的會議算是他們的年終盛典，邀請了多位嘉賓到場分享。從上午10點半到下午6點，從嘉賓演講與圓桌討論密集轟炸，分享者從矽谷創始人到香港高校教授，從AI科學家到創業導師。我能感覺到，每個人都在試圖回答同一個問題：AI到底在改變什麼？說實話，一整天聽下來，我的腦子裡塞滿了震撼的數字和案例，比如“藥物篩選比以前快100萬倍”、“OpenAI估值8300億美元”、“70%的人現在辨認不出AI客服”。但更讓我印象深刻的，是這些驚人數字背後的一條暗線：AI不是在“替代人類”，而是在重新定義“人類能做什麼”。因為嘉賓分享了很多，我也帶著我們的GetSeed錄音卡，做成了一個這個大會的知識庫。連結附在文稿末尾了，如果你想要聽聽裡面某個嘉賓的分享，可以直接掃碼查看我的筆記。在這篇文章裡，我想和你聊聊“人類能做什麼”這條暗線是如何在五個不同維度展開的——從你的工作角色，到科研效率，到競爭維度，到信任關係，再到底層邏輯。每個維度都配上現場的案例和資料，也加上我自己的觀察。不是為了製造焦慮，而是希望幫你看清楚：這些變化對你意味著什麼。我不會按照這些嘉賓的身份或者是演講順序來給你介紹，我只是抽取裡面的一些片段分享給你。02AI正在改變“做事”的定義下午第一場分享，矽谷Founders Space董事長史蒂夫·霍夫曼（矽谷人稱Captain Ho）拋出一個判斷：“未來五年內，每個人都將與AI代理協作工作，你的角色會從執行者轉變為AI代理的管理者。”其實這個判斷對我們來說不算震撼，畢竟很多人現在已經在和AI協同工作了。不過，他強調的是AI直接進入工作流，而不是簡單幫我們撰寫幾篇報告。他舉了兩個例子。一款專門的AI市場行銷Agent產品，能同時承擔文案、設計、投放、最佳化等四五個角色的活兒，你只需提供一個亞馬遜產品連結。另一款AI應用可監聽銷售電話，通話結束後告訴你剛才和顧客對話裡，那句話說錯了，應該怎麼說客戶更容易接受，而使用這個應用的銷售人員收入增長了70%。聽到70%這個數字，我先是震撼，隨後恍然大悟：工作的核心能力正從“會做”轉向“會管”“會判斷”。這背後的商業邏輯很清晰：OpenAI估值已達8300億美元，而且它尚未上市，很有可能上市的時候，估值會突破一兆美元，這相當於亞馬遜IPO時的2000倍以上。為什麼？因為這輪AI革命正在重新定義“公司”和“勞動力”本身。當工作角色從執行變成管理，那些真正在“執行”的領域會發生什麼？科研就是一個典型戰場。03科研進入“AI密集型”時代上午第三場分享，來自香港城市大學首席人工智慧總監馬維英教授。他的分享十分硬核，就是各種項目和資料的展示。他表示，過去十年是“資料密集型”科研範式，現在正在進入“AI密集型”科研新紀元。這不是文字遊戲，而是實打實的效率革命。他舉了三個例子，每個數字都令人震撼：材料科學領域，他的團隊開發的材料智能體，從252種候選材料中篩選出新型電池材料的最優配方，不僅容量提升了，還實現70%的成本降低。而且只需要30分鐘，而傳統方式要好幾個星期。生物學領域，上海AI實驗室與南京大學合作的項目，能自動化完成從基因序列生成到突變分析的整個流程，整合200多種專業工具，耗時僅100秒。馬維英原話是，“將原本需要人工數小時的工作，縮短至100秒——你還沒來得及喝完一杯咖啡，AI已經把報告寫好了。”藥物篩選領域的數字，更讓我倒吸一口涼氣，速度比現有虛擬篩選快100萬倍。對你沒聽錯，不是10倍，不是100倍，而是整整100萬倍。他們團隊本月在《Science》發表的研究顯示，AI篩選藥物候選化合物的速度，比現有虛擬篩選快100萬倍。但馬維英沒有停留在數字層面。他說了一句話，讓我瞬間讀懂這一趨勢的本質：“我們現在已經把這套科研AI系統（Science Power AI）提供給香港城市大學的3000名博士生使用，讓他們用AI做科研作業。”3000名博士生，如果這個工具真有前面案例中那麼出色，那就不只是一款科研工具的推廣，更是一場科研教育的革命。你想想看，這意味著什麼？過去一個博士生可能要花三年時間驗證一個假設，包括設計實驗、跑資料、分析結果、撰寫論文。現在30分鐘、100秒就能完成一輪驗證。科研的瓶頸不再是“想法”，而是“誰更會用AI驗證想法”。這就是馬維英所說的“AI密集型”時代：不是AI輔助科研，而是AI重新定義科研流程本身。科研競爭的維度，正從“誰更聰明”轉變為“誰更會管理AI科研代理”。科研效率在躍遷，那麼競爭的戰場又在那裡？答案是生態系統。04生態系統比單點技術更重要霍夫曼的PPT裡有一張圖，是中美AI在爭奪霸權。分享中有一個問題是：“美國的OpenAI、Google、微軟、Claude，中國的Kimi、Qwen、豆包、DeepSeek，誰會贏？”他給出的答案是，“獲勝的公司將是那些建構最豐富、最深層次生態系統的企業——不僅包括大語言模型，還涵蓋整個平台、行業整合、開發者與消費者連接。”但什麼叫“生態系統”？我聽完他舉的案例，突然明白了OpenAI的真實野心。OpenAI推出“Groups”功能，允許使用者在ChatGPT內和朋友討論，這是在佈局社交領域。它還宣佈支援直接在ChatGPT內購買產品，這是在打造電商入口。同時，OpenAI從蘋果挖來大量裝置人才，計畫推出可穿戴裝置，用於監聽使用者所有對話、追蹤位置，這是在做“AI時代的作業系統”。OpenAI的目標很清楚：控制你的社交（Groups）、購物（電商入口）、甚至你的所有對話（可穿戴裝置）。它要成為一切活動的“營運商”。科技巨頭們早已洞察這一點。亞馬遜阻止OpenAI訪問自身資料，甚至考慮提起訴訟，核心就是擔心OpenAI搶佔電商入口。霍夫曼雖是美國人，但是對中國AI領域發生的所有事情都非常清楚。他提到，騰訊和阿里聯手阻礙豆包AI手機的發展，本質是害怕失去經濟領域的主導地位。霍夫曼說：“大公司深知，如果無法控制AI介面，就會被淘汰。當前正在進行的是一場AI控制權戰爭。”這讓我想起當年的微信。微信能脫穎而出，不是因為聊天功能最出色，而是建構了涵蓋支付、小程序、公眾號的完整生態。一旦使用者的社交、支付、內容消費都集中在微信，就很難再脫離這個平台。OpenAI正在走同樣的路。要是使用者的搜尋、購物、社交都能在ChatGPT內完成，其他公司就會從“平台”降級為“供應商”。聽到這裡，咱們已經聊了工作角色、科研效率、競爭維度的變化，但接下來兩個趨勢，會呈現一些更微妙、甚至有點反直覺的改變。05AI的“可信度悖論”霍夫曼分享的兩個案例，讓我心情複雜。第一個是AI呼叫中心，Phonely公司不僅讓AI擁有和人類一樣逼真的語音，還在資料中心配備定製晶片。而其他同類公司多採用雲端服務，常出現兩三秒延遲，而這家公司通過本地部署，將響應速度提升70%，讓AI回應速度和真人一模一樣。結果怎麼樣？目前70%的來電使用者認為自己在和真人交流。霍夫曼預測，一年後這個比例會超過90%。第二個案例更令人震撼。一家做AI醫生的公司，在診斷患者的測試中，發現很多患者認為AI更誠實、更關心自己，也願意花更多時間傾聽。有患者表示，“我覺得AI醫生比真人醫生更在乎我。”聽到這裡，我突然意識到一個問題：人們為什麼會覺得AI“更關心自己”？不是AI真的有感情，而是它能做到“穩定的關注”。它不會因疲憊、情緒、偏見改變態度，不會因今天心情不好就對人冷淡，不會因為你是第50個病人就敷衍了事，也不會因為你問了太多問題就不耐煩。這背後暴露了一個更深層的問題：我們對“被關心”的定義，是不是已經太低了？我們是不是早已習慣了“不被好好對待”，以至於AI只要做到“不敷衍”，就能贏得信任？當冰冷的演算法比真人更能讓人感受到“被在乎”，這到底是AI足夠出色，還是我們對人際關係的期待已經跌到谷底？這個悖論的背後，藏著現代社會人際關係的某種缺失。我們被效率驅動、被KPI壓迫、被各種指標推著向前，“穩定的被關注”反而成了奢侈品，而AI恰好提供了這種稀缺的體驗。霍夫曼還提到，矽谷有初創公司專門開發AI面試工具，HR會讓AI先篩選候選人，分析語音語調和回答內容後，給出“通過”或“淘汰”的評價。他說：“未來很多人找工作，第一關不是面對HR，而是面對AI。”AI正在成為“可信的中介”，它並不完美，但穩定、可預測。這種穩定性，正在重新定義我們對“信任”的認知。既然連信任關係都在被重構，AI的底層邏輯又在發生怎樣的變化？矽谷創始人給出的回答，出乎我的意料。06物理學思維重塑AI這場大會的開場分享，也是時間最長和最重磅的，就是矽谷人工智慧研究院創始人皮埃羅·斯加魯菲（Piero Scaruffi）的分享。說實話，這位白髮老爺子的分享偏學術，但有一個核心觀點讓我印象深刻：當前AI的發展，更多從物理學中汲取靈感，而非神經科學。很多人認為AI在“模仿人腦”，但斯加魯菲指出，人工神經網路和大腦神經元完全不同。大腦神經元通過多種神經遞質通訊，複雜程度遠超人工神經元。AI不是在學人類怎麼思考，而是在用數學和物理的方式，逼近“智能”這個結果。他用了一個類比讓我豁然開朗：天氣預報不是模仿氣象學家的大腦，而是用物理公式計算氣流、溫度、濕度的變化。AI也是如此，它用的是擴散模型、微分方程等物理學原理。他舉了具體例子：物理學家約翰·霍普菲爾德（John Hopfield）基於物理學中的“自旋玻璃理論”，開發出循環神經網路。用於圖像生成的擴散模型，也源自物理學中的擴散過程。這個趨勢為什麼重要？因為它意味著，AI的進化路徑可能和我們想像的不同。我們不是在複製人腦，而是用物理學方式逼近智能。斯加魯菲說：“AI通過近似整個世界的機率密度函數來工作，這和人類的思維方式根本不同。”他還提到，未來10年AI將是不同技術的混合體，包括量子計算等硬體層面的突破。量子計算曾不被看好，但2025年的研究進展顯示，它在降低誤差、提升計算能力方面取得重大突破。老爺子甚至風趣地說，自己也是到去年才真正相信，量子計算不是騙局。你看，即便是最前沿的科學家，也可能看不清未來方向，但當趨勢跡象顯現時，他們往往能真誠承認自己當初的判斷失誤。他最後說的一句話，我覺得特別有啟發：“人工智慧可以完成人類需要數十年才能完成的工作，那這些工作讓AI去完成了，人類大腦就應該專注於深度思考。AI是工具，幫助我們成為更優秀的數學家、科學家。”07寫在最後當然，除了這些趨勢之外，每一場分享裡，都有非常多的閃光點。 (羅輯思維)