夜雨聆风
红杉AI Ascent大会实录:你曾以为100 年才能构建的未来,如今只需100天便可化为现实.
内容提要:
红杉资本合伙人帕特·格雷迪（Pat Grady）、索尼娅·黄（Sonya Huang）和康斯坦丁·布勒（Konstantine Buhler）明确指出，当前的人工智能浪潮绝不仅是像互联网或移动设备那样的通信革命，而是一场真正的计算革命。这就好比我们得到的不是一匹更快的马，而是一辆汽车——现在，这辆汽车终于驶入了现实。
他们深入阐述了具备长周期规划能力的智能体（long-horizon agents）为何正在重塑工作的每一个维度；为何AI对脑力劳动的颠覆，将等同于工业革命对体力劳动的颠覆；以及为什么你曾以为需要用100年才能构建的未来，如今只需100天便可化为现实。
这个十年的金钱、机会、命运将怎么重新分配？为什么真正的认知差，会让普通人和未来的财富彻底擦肩而过？
红杉资本三位重量级合伙人介绍：
Pat Grady——红杉合伙人，他主导投资了 Snowflake、ServiceNow、Zoom、HubSpot、Notion 等公司，被认为是当今硅谷「最懂软件商业模式」的人之一。
Sonya Huang（黄宋仪）——红杉 AI 投资主管合伙人，她在 2022 年写出的《生成式 AI 第一幕》系列文章，是全球 AI 投资人公认的「这个时代最重要的认知地图」。
Konstantine Buhler——红杉合伙人，早期投资了 Glean、Harvey、CrewAI 等顶级 AI 公司。
演讲正文内容：
Pat：早上好！大家今天感觉如何？看来精神还不错。嘿，感谢各位的光临，我们深表感激。我们举办这次活动是为了服务社区，因为我们正处于一个至关重要的时代。能为大家提供一个汇聚交流的平台，我们感到非常荣幸。这是我们迄今为止策划的最棒的议程，也有着最优秀的与会者阵容。所以，我们首先要向大家表示感谢。我们知道各位都忙得不可开交，感谢你们今天能抽出时间来到这里。
我们确实准备了一份非常卓越的议程。像往常一样，打扮得无可挑剔的索尼娅（Sonya）、康斯坦丁（Constantine）和我将作简单的开场。我们有幸在这个时代与许多有趣的人进行过大量深入的交流，因此每年这个时候，我们都希望能把这些真知灼见加以提炼，并将我们的见闻与大家分享。我会先做一些宏观背景对齐(Overall Calibration)，接着索尼娅会分享我们当下的观察，最后康斯坦丁会谈谈我们对未来的预期。那么，让我们先来进行背景对齐。
让我们先拉长视距，回溯到硅基晶体管——正是它赋予了这片地区（硅谷）名字。这些晶体管被构建成系统，由网络连接，最终以互联网的形式向公众开放，支撑起社交媒体和云计算等应用，最终化作移动设备装进我们的口袋。而今天，这些设备已经具备了与魔法无异的能力——那就是人工智能(AI)。
我们之所以喜欢展示这张幻灯片，是因为它时刻提醒我们：所有的技术浪潮都是不断叠加的。正是过去几十年的演进，积累了足够的算力、带宽、数据和人才，才让我们能够充分把握当下的黄金时刻。
然而，人工智能这波浪潮在三个方面与以往有所不同。 首先，这是迄今为止规模最大的一次浪潮。这听起来像是一句套话，但这波浪潮确实有一个更具体的特质：它是首个同时席卷软件与服务业的浪潮。上图展示了云转型最初的15年，软件的潜在目标市场(TAM)从约3500亿美元增长到6500亿美元，其中云市场占据了约4000亿美元。下图则是全新的内容，这是目前看来同样可以被颠覆的服务业营收。
10万亿美元只是一个好记的整数。我们不知道最终是10万亿、5万亿还是50万亿美元，但我们知道仅在美国，法律服务就是一个4000亿美元的市场。仅仅一个垂直领域、一个地区，其规模就等同于整个软件产业。因此，这个机会是无比巨大的。
第二点，这是有史以来速度最快的一波浪潮。我想我们都能深刻感受到这一点。这意味着这张图上的空白区域——请大家关注AI一侧——正被极其迅速地填满。
这些标识代表了在云计算、移动互联网以及现在的人工智能技术变革中，营收达到10亿美元以上的公司。照目前的速度和趋势，未来会有更多这样的巨头迅速涌现。
第三点，也是最有趣的一点——我借用了合伙人康斯坦丁的观点——技术革命基本上分为两种：一种是通信革命，它关乎信息是如何分发的。
在座的大多数人只经历过通信革命。互联网、云计算、移动通信，这些都关乎信息的流转与分发，它们是通信革命。 但人工智能不同，它是另一场革命。
人工智能是一场计算革命。它关乎信息是如何被处理的。这听起来可能像是在咬文嚼字，但这两种浪潮的形态有着根本的区别。最直观的感受或许是：你总觉得脚下的基石一直在移动。随着新能力的涌现，每个人赖以构建产品的技术底座每天都在发生剧变。 过去几年里，我们经历了三个主要的拐点： 第一个是ChatGPT时刻，2022年11月，世界看到了预训练(Pre-training)的恐怖力量。
第二个是几年后的o1模型，它带来了强大的推理能力。突然之间，围绕推理时计算(Inference Time Compute)出现了第二条规模法则(Scaling Law)。 第三个就在最近，Claude Code、Claude 3.5 乃至现在的 3.7 相继面世，世界看到了长周期智能体(Long-horizon Agents)的无穷潜力。 虽然这看起来像是连续时间线上的三个点
但在第二点和第三点之间，其实有一个明显的断层，这是一种不连续的跃变。如果我们大胆一点，我们会说，这就是通用人工智能(AGI)。
大家知道，我是学经济学出身的，我们是风险投资人。我并不打算在这里为AGI下一个严谨的技术定义。我们研究的是创始人、市场以及两者的碰撞——也就是商业本质。但我们的确懂商业。
从商业的角度、实践的角度和功能的角度来看：如果你能派出一个智能体去完成一项工作，它能够从失败中自我恢复，并坚持不懈直到任务完成
在我看来，这已经非常接近AGI了。即使你不认为这就是AGI也没关系，索尼娅会在她的环节详细探讨这个问题。但即便你不认为它是AGI，我想大家也都能看到——“汽车”已经驶入了现实。
过去几年，我们见证了许多“更快的马”——那些能让你效率提升10%到40%，却并未从根本上改变你工作方式的应用。
而现在，我们开始看到“汽车”的诞生了。这些应用能让你的工作效率提升10倍甚至40倍，并彻底改变你的工作方式、工作性质以及组织架构。“汽车”时代已经到来。
这是红杉资本创始人唐·瓦伦丁（Don Valentine）。他最著名的一句话是质问：“那又怎样？(So what?)” 这一切为什么重要？ 之所以重要，是因为就在过去短短几个月里…
这场竞速赛已经全面打响。而且，这是一场与我们习惯的玩法截然不同的竞赛。你驾驶汽车的方式与骑马截然不同，制造汽车的工艺也与照料马匹天差地别。所以这是一场前所未有的角逐。 我们今天把大家聚集在这里的原因之一，正是因为目前没有人拥有全部的答案。
我们在一起探讨的时间越长，学习得就越多，也就越有希望弄清楚这一切将走向何方。而且我们必须尽快搞清楚，因为此事干系重大——仅从商业角度来看，就有10万亿美元的广阔市场正虚位以待。
所以，对于在座各位基于基础模型开发产品的创业者，我们的建议是——当然，这是个免费的建议，所以你懂的，一分钱一分货——我们的建议是：**建立你的护城河(Get a moat)**。
其实我们并不需要你感到愤怒。如果你想的话，当然也可以生气。如果这就是你的动力来源，那没问题，请便。但“MAD”只是一个为了方便记忆的缩写，分别代表护城河(Moats)、示能(Affordance)和扩散(Diffusion)。这三个维度构成了在模型之上构建应用策略的三大支柱。首先聊聊护城河，我们就当找点乐子。有人还记得去年的这张幻灯片吗？
只有一个人记得，而且他还是我的合伙人。好吧，那也挺好。我们就不深入展开了。提醒一下，这张幻灯片展示的是商品化周期(Merchandising Cycle)，也就是把一个想法变成让客户满意的产品所必需的价值链环节。我们实际上不会逐一过一遍这些环节。我想表达的重点是：如果你从“技术出发(Tech-out)”的视角来看待事物，价值链中的每个环节处理起来都会有些不同；如果你从“客户倒推(Customer-back)”的视角来看待事物，处理每个环节的方式又会截然不同。现在，反直觉的地方来了。
在计算革命（即信息处理革命）中，你可能总想盯着下方，因为那里不断涌现出酷炫的新技术。但为了构建护城河，你应该把目光投向上方。
因为客户的需求变化远没有技术能力的进步那么快。你今天开发的产品，明天可能就会变得无人问津；但你与客户深度绑定的程度，却能历久弥坚。这并不是说产品和技术不重要，它们极其重要。通常情况下，最好的产品确实会胜出。但在一个技术能力演进极快、产品迭代也随之加速的世界里，在思考护城河时，我们鼓励大家尽可能采用“客户倒推(Customer-back)”的视角，多去思考如何全方位地围绕客户打造壁垒。
好的，MAD中的“A”代表“示能(Affordance)”。这个词借用自设计领域。锤子就是一种具有示能的物体。我有一个两岁的儿子，如果我给他一把锤子，他立刻就知道该怎么用——他会一把抓过去，然后开始到处敲敲打打。这也是为什么我们不能给小孩子锤子的原因。一个具有示能特性的物体，不需要说明书，人们天生就知道如何使用它。
Claude Code 功能极其强大。但如果你让一位普通的财富500强员工打开终端窗口，看看他们能捣鼓出什么名堂。虽然它很强大，但它并没有提供足够的示能(Affordance)。这并不是对 Anthropic 的贬低，但这恰恰为那些想在模型之上构建应用的人提供了机会：为你的特定客户、解决他们的特定问题创造“阻力最小的路径”，让他们能以闭眼可用的极简方式达到他们业务所需的结果。这就是示能的概念。
最后，MAD中的“D”代表“扩散(Diffusion)”。扩散鸿沟(Diffusion Gap)是那些在应用层进行开发的公司所面临的巨大机遇。目前，技术能力向市场扩散的速度，远远低于这些新能力被创造出来的速度。
每一天，基础模型演进的速度只要超过了普通财富500强企业的采用速度，这个鸿沟就会拉大，你的机会也随之增加。所以，对于护城河，试着从“客户倒推”出发；对于示能，尝试为客户创造阻力最小的路径；而那个扩散鸿沟，就是你的机遇所在。
如果刚才那张空白处逐渐被填满的幻灯片让大家感到泄气，我想提醒你们：没有谁的领先优势是绝对安全的。
赛车界有句名言：“在晴天你无法连续超越15辆车，但在雨天你可以。”眼下，基础模型正带来一场新能力的倾盆大雨，这意味着没有谁的领先优势是稳如泰山的，但也意味着任何人都有机会脱颖而出。
能生活在这样一个时代真是太棒了。接下来，我把话筒交给 Sonya。
-以下为索尼娅演讲内容-
索尼娅：谢谢 Pat。我想说，能看到观众席上这么多熟悉的面孔真是太好了。今天这里汇聚了一群非常卓越的人，我很高兴能与大家共同身处这个生态系统。我这一部分的议题是探讨人工智能的现状，即对2026年而言核心就是：智能体(Agents)。
让我们闪回到2022年。请举手，在座的有谁记得 AutoGPT 或 BabyAGI 吗？好吧，这些项目当时在 GitHub 上一夜爆红。它们做的事情就是利用 GPT-3，给它配备一些工具，放在循环中运行，并让它朝着目标去跑。这在当时看起来很有前景，直到你看到这些智能体一次又一次地出错崩溃。虽然看起来挺可爱、挺令人心疼，但完全没有实用价值。我放这张幻灯片是为了提醒大家，我们当时都知道智能体时代终将到来，我们几年前就预见到了。但在2022年，模型本身还没有准备好。
快进到今天，在跨年之际发生了一些本质的变化。突然之间，智能体无处不在，而且它们看起来真的开始起作用了。特别是两个智能体取得了全垒打般的成功：面向技术人群的 Claude Code，以及 OpenClaw 及其所有的“龙虾”兄弟衍生项目，它们让任何拥有手机的人都能用上智能体。所以，无论你是硬核工程师还是普通用户(Normie)，结论就是现在任何人都可以创建智能体了。
所以我们看到人们正在为各种事物构建智能体。比如一些无厘头的应用，像是一个公开呼叫智能体(Open call agent)，它甚至会为了抓税务欺诈去举报你的邻居——请不要这样做，或者……也许你可以试试看。还有创业方向的应用，比如运行生成式媒体营销活动来推销建筑服务的智能体。然后是专业层面，我可以说，红杉(Sequoia)内部正在进行一场激烈的竞赛，看谁能构建出最好的智能体来更好地完成我们的工作。
那么，成为一个智能体意味着什么？这有一个可能的定义：智能体是一个能够感知环境、选择行动并自主朝着目标推进的系统。顺便说一下，大家，这段演示是我自己用 Seedance 制作的，我对此感到非常自豪。视频生成模型确实已经取得了长足的进步。
更具体地说，我认为智能体具备三个功能组件：第一是推理和规划能力，这是直觉的基准线，也是临场思考的能力。第二是采取行动的能力，即调用工具、搜索、编写代码、编译等。
最后，是向着目标不断迭代的能力。这种持续性赋予了智能体在长远的时间跨度内完成任务的能力。因此，智能体将这三者结合在一起，它本质上就是“把事情搞定(Get shit done)”的能力。如果我们把智能体拆解为它的组成要素：模型、工具和框架(Harnesses)，你会发现每一项在过去一年都取得了飞速的进展。
首先，模型是大脑，这是发生的最关键的突破。这张仪表图衡量的是模型在处理复杂任务时，能够持续推进而不偏离正轨(Going off the rails)的时长。我们已经从一年前的几十分钟级别，跃升到了今天的数小时级别。因此这是最重要的进展，模型终于具备了足够的能力来维持长周期任务的性能。
其次，工具是手和脚。它们让模型能够访问那些使我们在电脑上提高生产力的事物：用于文件系统和开发工具的终端、iMessage、Slack、网络搜索、电脑操控(Computer use)，应有尽有。
过去二十年里，我们致力于为人类构建工具，而这些工具最终也能完美迁移，对智能体 (Agents) 同样大有裨益。现在有一种老生常谈说 SaaS 已死，但我认为恰恰相反，随着使用这些工具的智能体数量不断增加，它们的价值将迎来爆炸式增长。
模型和工具赋予了智能体能力，而支撑框架 (Harness) 则赋予了它们持久性，使其能够保持专注、不断适应并持续执行任务。现在，这个反馈回路真正开始高速运转了。特别是在强化学习 (Reinforcement Learning) 的加持下，我们犹如把智能体送进“驾校”，在强化学习训练场 (RL gyms) 中对它们进行训练。我们正在不断提升它们在从机械工程、设计到金融等各类场景中的性能表现。
我们还看到了自我进化 (Self-improvement) 的初步曙光，也就是“机器构建机器”。例如，Andrej 的另一个研究项目在短短两小时内，就能自主推进研究，训练出一个 GPT-2 级别的模型。那么，一个智能体无处不在的世界究竟会是什么样呢？
智能体存在于一个衡量其自主性程度 (Agenticness) 的连续光谱上。以编程为例，在 2023 年，我们有了“Tab 自动补全 (Tab Autocomplete)”，这是单个 AI 在代码行内辅助人类。这种功能带来了渐进式的效用提升，但从根本上讲并不具备颠覆性。
如今，我们步入了自主性开发 (Agentic development) 时代：人类与智能体对话，向它下达指令，甚至管理一个智能体团队。但这一范式还在被不断向前推进。我们现在看到了后台智能体 (Background agents)、异步智能体 (Async agents)，以及能生成子智能体 (Sub-agents) 的智能体。我们认为，在整个新范式中，异步智能体的处理量极有可能超越当前模式，这纯粹是因为系统中蕴含着巨大的杠杆效应 (Leverage)。
最后，在向技术的最前沿突破时，出现了我称之为“黑灯工厂 (Dark factories)”的模式——将人类审核彻底移出系统。这听起来近乎疯狂，但我已经在实际的生产环境中（包括网络安全公司）亲眼见证了它的发生。只要有足够完善的安全护栏 (Guardrails) 和足够优秀的工程设计，这就是完全可行的。因此，我们正在自主性 (Agenticness) 的阶梯上不断攀升。智能体正在发生蜕变：从在你身边打下手的小助手，变成需要管理的实习生，再到能自我管理的实习生，最终进化为足够可靠、无需人类监督就能直接将代码推上线 (Push to prod) 的顶尖实习生。这就是正在发生的进化，不仅是在编程领域，而是横跨所有的智能体赛道。
对于在座的创业者们，最重要的一个认知是：服务就是新的软件 (Services are the new software)。自打我认识 Pat 以来，他一直都在强调这一点；我们今天同样在场的合伙人 Jillian，也曾就此发表过一篇极具洞见的文章。我们很早以前就预见到了这个趋势，但我认为，它现在正真真切切地变成现实。
在医疗领域，你将能雇佣一个智能体，让它来检测你的基因组，为你提供个性化建议、开具处方，甚至推荐适合的临床试验。在法律领域，你将能雇佣智能体代表你进行合同谈判，甚至替你出庭诉讼并达成和解。
在数学和科学领域，我们正在目睹智能体攻克艰巨难题，或是发现新型超导体——这难道不令人热血沸腾吗？而在消费领域，我们正看到个人智能体 (Personal agents) 出现，它们能帮你管理收件箱、日程表、个人财务，甚至替你报税。
我们预测智能体必将无处不在，部分原因在于，雇佣智能体比雇佣员工要容易得多。人类的规模很难成倍扩张，但只要有算力，智能体就能无限扩展。人类的情绪很难伺候——当然除了我，我总是乐呵呵的——而智能体则几乎不需要情绪维护。人类很昂贵，你需要支付高昂的薪水；而对于智能体，你只需要支付 Token。通常来说，用 Token 完成一项任务的成本，远远低于换算成薪水的花销。
时至今日，人类整体上依然更聪明，但《苦涩的教训》 (The Bitter Lesson) 所揭示的规律仍在势不可挡地推进，很快，智能体在许多方面都将超越人类。因此，这张幻灯片的重点并不是说人类就要面临失业了；我认为，适应力才是人类独一无二的特质。但我们确实预见，智能体在应用层的部署将以史无前例的速度和规模席卷而来，因为这背后的经济账太清晰了，更因为比特 (Bits) 具备与生俱来的可扩展性。
所以，把所有这些因素叠加在一起，智能体的数量正以指数级，甚至是超指数级的速度膨胀。我认为，我们即将触及一个事情变得真正离奇的临界点。当智能体之间开始发生商业交易时会怎样？它们能互相支付吗？当智能体真的能够彼此谈判交易条款时会发生什么？我们是否会拥有一群智能体在时刻巡视，防止网络安全危机或是“世界末日” (Armageddon) 的发生？我们唯一确知的是：这个世界正在以极快的速度变得光怪陆离。
最后，请允许我唤醒自己内心的“战略家”来做个总结：长周期 (Long Horizon) 智能体已经到来，它们所处的指数型增长曲线已经无比清晰。
对于在座的创业者们，我想大家身边都不乏这样的例子：有人借助 AI 完成了时间紧迫到不可思议的任务。Zed 公司的 Nathan 在假期里，仅凭一己之力和 Claude Code，就完成了一个原本需要三年的“登月级”项目。Brett Taylor 花了一个周末就重构了 Sierra。Notion 团队在短短六周内就重写了 800 万行代码。
每个人身边都有这种“时间被极度压缩”的例子，但我认为，除了 AGI 实验室内部的人，极少有人见识过：当你把这些压缩的时间线层层叠加在一起时，究竟会爆发怎样的能量。而这，正是眼下正在发生的事实。
无论你畅想在未来 100 年里能建造出什么伟大的杰作，我们相信，得益于智能体的力量，现在这一切在 100 天内就能实现。接下来，我将把麦克风交给 Constantine。
-以下为康斯坦丁演讲内容-
康斯坦丁：谢谢你，Sonya。好的，非常感谢 Sonya 和 Pat 带来的精彩概述与深刻分析。在接下来的部分，我们将探讨一下未来何去何从。我们今天的目标是：既然大家都清楚我们已步入 AI 时代，那么这个时代究竟会是什么样子？置身其中会有怎样的感受？它又具备哪些鲜明特征？
在演讲的前半段，Pat 将技术革命划分为计算 (Compute) 和通信 (Communication) 两大主线。在这里，我们将对“工作类型”做另一重划分。首先是物理劳动 (Physical work)。这可以指代当年“小马快递 (Pony Express)”马背上的一个包裹，也可以指代如今搭载在猎鹰 9 号 (Falcon 9) 上的那颗卫星。
功等于力乘以距离，这是物理上的位移。其次是认知劳动 (Cognitive work)。这包括毕达哥拉斯推导出的数学定理，也包括 DeepMind 破解的蛋白质折叠难题——它们都属于有意识的思考过程。这两种是截然不同的工作类型。
但我深信，它们将在接下来的革命中遵循极其相似的轨迹。让我们先来谈谈物理劳动，因为在此前的工业革命中，我们已经完整经历了这一演变。在人类历史的绝大部分长河中，为人类服务的所有工作（或几乎所有工作），都是依靠某种肌肉力量来完成的。
依靠人或是动物。人搬运重物，或是动物拉着人前行。这张图表的起点虽然是 1700 年，但这种状态实际上可以向前追溯几千年。后来，情况开始发生改变：水能和风能出现了。
蒸汽机问世后，历史的车轮开始加速。蒸汽机、内燃机、电动机相继涌现。到了 2026 年的今天，你可以大体估算，地球上 99% 以上为人类服务的物理劳动，都已经交由机器来完成。
带你飞抵此地的飞机，这间大厅里所有物品的制造过程，以及那些为你当下所享受到的“人类巅峰体验”提供保障的所有交通运输环节，无一不是如此。同样地，我们认为一种极其相似的发展模式，即将发生在认知 (Cognition) 领域。
只是我们目前还处于稍微早期的阶段。在人类历史的漫长岁月中，地球上几乎所有的思考工作主要都是由人类自身完成的，或许动物也分担了一小部分（比如牧羊犬驱赶羊群）。对吧？在这个基础之上，还有一小撮基于机械原理的认知辅助工具，比如星盘或时钟。
在过去的几百年间，直到电子计算出现之前，人类社会并没有取得太大的实质性进展。回想过去的一百年，试想一下，就在此时此刻，为了服务人类，每时每刻都在进行着数万亿次的计算。所有这些工作，所有这些正在发生的、服务于我们的认知工作，都是数以万亿计的计算。
我们坚信，神经网络将是下一个时代巨浪。在不久的将来，地球上99.9%的认知工作都将由机器来完成。
历史的相似性总是惊人地明显。好消息是，我们曾经经历过类似的革命。这场认知革命将与工业革命非常相似，只是其规模将庞大得多，速度也将迅猛得多。那么，生活在这样一个未来，究竟会是什么样子呢？
我想通过四个小故事，与大家分享这种未来图景背后的驱动力。第一个故事：19世纪中叶，美国想要为第一任总统、最伟大的战争英雄乔治·华盛顿建造一座宏伟的纪念碑。于是，我们设计了当时世界上最高的建筑——华盛顿纪念碑，并希望用当时世界上最珍贵的金属为其封顶。那是100盎司的世间绝品，它极其稀有，以至于我们当时将其陈列在曼哈顿的蒂芙尼(Tiffany)精品店里展出。那种金属就是——
铝。然而，在华盛顿纪念碑落成后的几十年内，一位年轻的发明家发明了电解法(Electrolysis)，这是一种将铝从泥土矿石中分离出来的工艺。又过了几十年，
我们即将踏入这样一个世界：那些曾经需要耗费数十载光阴才能练就的、博士级别的珍贵技能，将变得可以被瞬间调用；而在使用完毕后，你甚至可以像揉锡纸一样将它们揉成一团，随手扔进垃圾桶。
第二个故事，我们正在进入一个“异类设计(Alien Design)”的世界。我们今天所见的世界，一切皆为人类而设计。它的优化方式符合人类大脑的逻辑，因为世界上几乎所有的认知工作都是由人类完成的。然而，当机器接管这些认知工作时，情况将大不相同。
2006年，美国宇航局(NASA)正在为一项大型卫星太空任务优化天线。传统上，他们的天线长这样：呈现出美观、几何对称的图案，旨在满足特定功率限制下的表面积最优化。
诞生了图上这个天线。它的性能大幅跃升，但却完全不符合人类的直觉。在人工智能时代，当我们把认知权交接给机器时，我们将得到许多有悖于常人直觉的结果。当AI去设计芯片、汽车或建筑时，它们的形态可能会颠覆以往。踏入这个全新的世界，我们必须保持开放的心态，因为AI的思维方式将不再受限于人类的框架。
世界将充满“异类设计”。第三个故事是关于“诸多新兴科学”(Emerging Sciences，复数形式)，而不仅仅是单一的“新兴科学”。在工业革命早期，像纽科门(Newcomen)和瓦特(Watt)这样伟大的工程师不断完善着燃烧引擎。简单来说，就是将石化燃料注入气缸并点火燃烧，瞬间产生数百万、数十亿个粒子，
推动活塞做功。在近100年的时间里，所有这些工作本质上都是在“摸着石头过河”式的修修补补——工程师们只是凭经验说：“啊，这样改一下效果好像更好一点。”在此过程中，你或许能看到诸如规模法则(Scaling Law)之类的影子，但那仅仅是工程师们在摆弄产品，试图看看如何能进行微调优化。直到120多年后，萨迪·卡诺(Sadi Carnot)横空出世。
他将这一切系统化为一门崭新的科学——热力学。他提出：“等一下，虽然这里有数百万乃至数十亿个粒子，但我们实际上可以通过公式将它们的运动规律系统化。”同理，在当下的AI领域，我们面临的是数十亿个神经元(Neurons)和数万亿个词元(Tokens)。目前，我们仍处于AI的“修补摸索”阶段。即使我们自认为已经把它当作一门成熟的科学来理解，但事实并非如此。在未来的几十年里，必将诞生一门如同热力学一样具有奠基意义的新科学。而在座的各位中，或许就会有人成为这门科学的开创者。
这门新科学未来甚至会被编入高中的教科书，它就是如此的基础且至关重要。它不仅将帮助我们真正驾驭AI，甚至能帮我们参透“意识”的本质。第四个故事：非理性(Unreason)的艺术。
在人类历史长河的绝大部分时间里——绵延数万载——艺术始终在朝着写实主义的方向演进。比如这幅约2.5万年前的洞穴壁画，还有古埃及的象形文字，以及古希腊的陶器。
再到文艺复兴时期的绘画，这标志着艺术向写实主义迈出了跨越式的一步。只需看看这几万年间的对比与演变，这简直是人类智慧的伟大胜利。然而，随后工程学出现了。
达盖尔银版摄影法(Daguerreotype)，也就是早期的摄影技术诞生了。突然之间，那些画师们耗费数十年光阴苦练、只求每一个笔触都完美无瑕的技艺，瞬间失去了意义。对此，世界作何反应？人们惊呼：绘画艺术走向终结了。
“哦，一切都结束了。机器比任何人画得都要逼真。艺术已死。”但实际上发生了什么？人类是如何绝地反击的？人类的反思是：艺术的根本目的，难道仅仅是为了捕捉瞬间、复刻肉眼所见之物吗？
还是为了去定格内心与灵魂深处所感知到的那个瞬间？印象派、表现主义、立体主义、新表现主义……所有这些喷涌而出的新艺术流派，正是人类面对科学技术的剧变，所交出的傲人答卷。
2500年前，古希腊哲学家普罗泰戈拉(Protagoras)写道：“人是万物的尺度。”他的真意是：脱离了人的存在，任何置于“真空”中的事物对人类而言都毫无价值。
无论是铝、艺术，还是智能，都不例外。万物之所以有价值，全仰赖于人类的切身体验。AI可以代劳工作，AI也必将接管工作。但唯有人与人之间真挚的情感连接，才是我们去在乎、去热爱的终极理由。
这也正是我们今天齐聚于此的意义所在。十年之后，工作的形态必将发生翻天覆地的巨变，世间万物都将随之更迭。但唯一恒定不变的，是你今天与身边之人缔结的情谊，它将历久弥新。当你在未来回首往事时，这些羁绊才是你真正珍视的，才是今天留下的最宝贵的财富。因此，我由衷地鼓励大家去与身边的人建立深刻的连接。尽情享受在“AI Ascent”大会的相聚时光吧，去全身心地拥抱那些让我们之所以为“人”的宝贵本质。
-end-