AI 花开:从算法突破到未来想象,雷·库兹韦尔的指数曲线与四十年花期

AI 编年 2011—2050 · 根系、绽放与盛放 · 2026 逐月记 · 五年一步的未来想象

— AI × 花期：花苞、绽放、盛放，与一位问路的精灵 —

全文约 11600 字 · 阅读约 25 分钟

📋概览

1903 年 10 月 9 日，《纽约时报》登出一篇社论，题目叫《不会飞的飞行器》，作者斩钉截铁地写道，人类要制造出真正能飞的机器，大约还需要一百万到一千万年。

六十九天之后，莱特兄弟在基蒂霍克的海边沙丘上飞了十二秒。这段往事常被人拿来嘲笑预言家，可它真正揭示的，是人类看待技术的一个老毛病：

我们习惯用走路的步子，去估算一条正在起飞的曲线。

AI 的四十年，很像一朵鲜花，从种子，花苞再到绽放的一生。

2011 年前后，它还是埋在土里的根系，Siri 刚学会听懂一句话；2022 年 11 月，ChatGPT 石破天惊地上线，花苞绽开了。

此后三年，它每年都长出一种新的花瓣；到了 2026 年，春色满园关不住，连月份都不够用。

这篇文章以一份名为《人工智能演进与未来图谱（2011—2050）》的蓝本为骨架，按年份把这朵花从根讲到花期：2011 到 2022 年是花苞与根系，2023 到 2025 年是三次绽放，2026 年逐月记录，2030 年以后每五年迈一步，一直想象到 2050 年。

已经发生的事，会标明时间和出处；从数据里看出来的未来的走向，会写明是谁的观察；2030 年以后的段落，则是有根据的推演加上文学想象，并不是预测。

三种句子泾渭分明地分开放，希望读者不会把一朵想象中含苞待放的花，当成窗台上已经开着的那一朵。

🌱起：花为什么开得这么快，三台引擎与一条指数曲线

推着这朵花往上生长的，是三台背后轰隆作响的引擎。

第一台是算力：英伟达的图形芯片原本给游戏玩家渲染画面，2012 年被几位研究生别出心裁地拿来训练神经网络，从此成了 AI 的发动机；芯片被成批串进数据中心之后，据研究机构 Epoch AI 统计，前沿模型的训练算力每年增长四到五倍。

第二台是算法：从识别图片的卷积网络，到 2017 年的 Transformer，再到先想再答的推理模型，每一次架构上的改进，都让同样的芯片干出更多的活。

第三台是数据与开源：互联网几十年积攒下来的文字、图片和代码是现成的养料，Hugging Face 忽如一夜春风来：Jensen Huang 黄仁勋花129亿收购 Hugging Face｜AI开源超市换东家这样的开源社区，则把训练好的模型像种子一样分发到世界各地，任何人都能拿去育苗。

三台引擎彼此咬合，一台转快了，另外两台也跟着提速。三股力量重叠纠缠在一起，描绘出来的就不是一条直线，而是一条向上急速攀升的指数曲线。

未来学家雷·库兹韦尔（Ray Kurzweil）有一个家喻户晓的比方：线性地走三十步，每步一米，你走到三十米外；指数地走三十步，每步比上一步远一倍，你已经绕地球二十六圈多。

人的直觉是按前者生长出来的，几万年里，祖先靠它估算猎物的距离、季节的轮回，很少失手；可一遇到后者，它就会一再看走眼。

曲线背后还有两只推手。

一只是价格。

斯坦福大学的《AI 指数报告》算过一笔账：达到 GPT-3.5 水平的模型，推理价格从 2022 年 11 月的每百万 token 20 美元，跌到 2024 年 10 月的 7 美分，一年半里便宜了约 280 倍。

便宜并没有让人少用，反而让人用得更凶。

十九世纪的经济学家杰文斯早就发现，蒸汽机越省煤，英国烧掉的煤反而越多；AI 把这条杰文斯悖论原封不动地重演了一遍：谷歌每月处理的 token，从 2024 年的 9.7 万亿，涨到 2026 年 5 月的 3.2 千万亿，两年里多了约 330 倍。

水龙头越便宜，自来水就流进了越来越多的家庭。

另一只推手，是一个耐人寻味的循环：AI 开始帮着改进 AI。

2017 年，DeepMind 的 AlphaZero 只被告知国际象棋的规则，自己跟自己对弈，训练四个小时后，棋力就超过了当时最强的象棋程序 Stockfish。

2025 年 5 月，DeepMind 又公布了 AlphaEvolve，它替 Gemini 的训练找到一处更快的计算内核，把这一环提速 23%，整体训练时间缩短了 1%。这个看起来很小的百分之一，意味着花开始给自己修剪枝叶。

研究者把这种循环叫作RSI下一代AI的递归迭代、天演洪流；人类选择入还是择岸而立递归式自我改进：模型帮忙设计芯片、优化代码、生成训练数据，下一代模型因此迭代得更快，再回过头来改进更下一代。

反方也有掷地有声的理由。

几乎所有的指数曲线，最后都会弯成一个躺倒的 S 形状：细菌在培养皿里成倍繁殖，长满了也就停了；摩尔定律在晶体管逼近原子尺度时，也明显放慢了脚步。

AI 自己就经历过两次寒冬，一次在 1970 年代中期，一次在 1980 年代末，都是预言跑在了能力前面，资金随之退潮。

今天的养料也不是取用不完的，Epoch AI 估计，人类公开写下的高质量文本，可能在 2026 到 2032 年之间就会被训练用光。花开得这么快，会不会再遇到一个寒冷的冬天？

冬天也许还会来，但这一回，根系已经扎得很深了。

前两次寒冬时，AI 只是实验室里的课题，靠经费过日子；今天，光是 ChatGPT 每月就有十亿人在用，背后是每年几千亿美元的数据中心投资和数以百万计的开发者。

数据哪怕不够了，人们开始用模型合成数据，用强化学习让模型从自己的尝试里学习；芯片跑不动了，就在架构上找省电的办法。

何况寒冬本身也是花的一部分。黄檗（bò）禅师有一句偈子：「不是一番寒彻骨，争得梅花扑鼻香。」

深度学习正是在第二次寒冬之后，被辛顿这些坚持了二十多年的人，锲而不舍地一点一点焐热的。

人的直觉是按走路的步子长出来的，AI 却是一条正在起飞的指数型曲线。

🌿承：2011—2022，根系在地下悄悄伸长

先看根系。

2011 年 2 月，IBM 的 Watson 在电视问答节目《危险边缘》里击败了两位人类冠军；同年 10 月，Siri 跟着 iPhone 4S 上市，普通人开始习惯对着手机提问。

可真正的种子埋在后一年。

2012 年，多伦多大学的辛顿和他的两位研究生，用两块游戏显卡训练了一个叫AlexNet 的神经网络，在 ImageNet 图像识别比赛里以 15% 的错误率夺冠，排在后面的对手还停在 26%。

这场比赛像一声振聋发聩的发令枪，深度学习从此成了显学，英伟达芯片也从游戏机箱里，悄悄搬进了研究所的机房。

此后几年，新枝一根赶着一根，争相往外冒。

2014 年，伊恩·古德费洛提出生成对抗网络，让一个网络负责造假、另一个负责鉴别，两者你来我往地较劲，越训练越逼真；同一年，谷歌收购了伦敦的 DeepMind。

2015 年底，OpenAI 以非营利实验室的身份成立，如今它的估值已经超过 8000 亿美元。

2016 年 3 月，AlphaGo 在首尔以四比一战胜李世石，围棋的棋盘上可能出现的局面多达 10 的 170 次方，比可观测宇宙里的原子还多得多。对局中有一手棋，AlphaGo 落子的位置让解说员一度以为它下错了，后来人们才明白，那是一步前人没有想到的好棋。

2017 年，八位谷歌研究者发表论文《Attention Is All You Need》，提出了 Transformer。

在它之前，机器读句子像拿着手电筒在黑屋子里一个字一个字地照，读到后面，前面的字已经记不清了；Transformer 把整间屋子的灯一下子全打开，每个字都能同时看见其他所有字，这叫注意力机制。

灯一开，活就能拆开同时干，正好喂饱成批并行的芯片。

更出人意料的是，这把钥匙后来几乎打开了所有的门：文字、图片、语音、蛋白质、代码，都可以切成一小段一小段的 token 交给它处理。Transformer 成了 AI 的一把瑞士军刀，今天叫得上名字的大模型，几乎都长在这一条根上。

接下来是预训练的年代。

2018 年，谷歌的 BERT 和 OpenAI 的 GPT-1 先后登场，把训练拆成两步：先让模型读遍整座图书馆，学会语言本身，这叫预训练；再拿少量专门的数据教它干具体的活，这叫微调，好比先上完通识课，再去读职业学校。

2019 年，OpenAI 担心 GPT-2 写得太像人、会被拿去批量造假，一度只公开了缩小的版本；Hugging Face 把各家的模型收进一个开源仓库，渐渐成了 AI 世界的苗圃。

2020 年，GPT-3 把参数做到 1750 亿，不用微调，只要在提示里给几个例子，它就能举一反三地完成新任务；同一年，DeepMind 的 AlphaFold 2 把蛋白质结构预测做到了接近实验测定的精度，困扰生物学五十年的难题，被一个模型撬开了一道缝。

最后几年，花苞已经鼓了起来。

2021 年 1 月，OpenAI 发布 DALL-E，一句话就能画出一张图；6 月，GitHub Copilot 开始帮程序员补全代码。

2022 年 8 月，Stable Diffusion 开源，普通人在自己的电脑上就能随心所欲地作画。

然后是 2022 年 11 月 30 日，ChatGPT 上线，五天用户破百万；据瑞银估算，它两个月内月活过亿，是当时增长最快的消费级应用。

十二年的根系和枝叶，都在等这一天。

图一把这段花苞期，画成了一条金色的时间线。

图一 | 花苞与根系：2011—2022，算力、算法与开源依次点火

🌸再承：2023—2025，三年开出三种花瓣

花开以后，速度换了一个量级。

前十二年是一年长一截，接下来的三年，却是每年开出一种新的花瓣：2023 年是对话，2024 年是推理，2025 年是智能体。

2023 年一开年，微软向 OpenAI 追加了数十亿美元；2 月，Meta 发布 LLaMA，开放权重的闸门由此打开；3 月 14 日，GPT-4 和首版 Claude 在同一天发布，两天后，百度的文心一言在北京亮相。5 月，英伟达市值首次突破一万亿美元。

11 月，OpenAI 董事会突然罢免了奥特曼，五天之后他又回到了原来的位置，这场一波三折的风波让外界看清，这家公司的方向盘握在谁手里，原来并不是一件确定的事。

12 月，谷歌发布 Gemini 1.0，Mistral 开源了混合专家模型 Mixtral。

混合专家架构值得多说一句。

传统模型像一位亲力亲为的全科医生，每个问题都要调动全部脑细胞；混合专家模型像一座有八个阅览室的图书馆，门口的引导员看一眼问题，只打开最对口的两间，其余的灯都关着。

参数总量可以做得很大，每次真正干活的却只有一小部分，速度和成本因此都降了下来。

这套思路后来在 DeepSeek 等公司手里愈发成熟，成了大模型降本的主流做法。

2024 年是推理之年。

2 月，OpenAI 预览了文字生成视频的 Sora，谷歌的 Gemini 1.5 一口气能读下一百万个 token，相当于七八本长篇小说。

3 月，Anthropic 发布 Claude 3 家族，英伟达推出新一代 Blackwell 芯片。

5 月，GPT-4o 能实时地听、看、说，和人聊天时几乎没有延迟。

9 月，OpenAI 发布 o1，它在回答之前会先在心里打一份草稿，想得越久，答得越准，人们由此发现，除了把模型做大，让它多想一会儿也是一条提升能力的路。

10 月，诺贝尔物理学奖和化学奖史无前例地接连颁给了 AI 研究者，前者给了辛顿和霍普菲尔德，后者给了蛋白质设计与结构预测的三位功臣，其中就有 DeepMind 的哈萨比斯。

这一年的后半段，花瓣开得更密了。

9 月，Hugging Face 上的模型突破一百万个；10 月，Claude 学会了看着屏幕操作电脑；11 月，Anthropic 开源了模型上下文协议 MCP，它像 AI 世界的 USB-C 接口，任何工具只要做一个插头，就能被各家模型插上使用。

12 月，DeepSeek-V3 开源，公司自述最后一轮训练只花了约 558 万美元的算力；同月，OpenAI 预告了 o3。

圣路易斯联储在 9 月发布的调查显示，ChatGPT 上线不到两年，当地 18 到 64 岁的成年人里已有 39.4% 用过生成式 AI，而个人电脑和互联网在相近的阶段，普及率只有两成左右。

生成式 AI 的普及速度，就这样跑赢了个人电脑和互联网，快到很多人还没来得及形成看法，就已经习以为常地每天打开它。

推理之年也是省钱之年，工程师想出了不少事半功倍的办法。

一种叫投机解码：先让一个小模型飞快地写出草稿，大模型只负责逐段审阅，认可的直接采用，不认可的再改，好比实习生起草、主任签字，整体速度能快上两三倍。

一种叫量化：把模型里每个参数从 16 位压缩到 8 位甚至 4 位，像把一部精装大字典印成口袋本，字小了一号，查到的还是那些词，手机和笔记本电脑从此也跑得动像样的模型。

本文开头那条价格曲线能一路往下掉，靠的正是这些不起眼的手艺。

2025 年是智能体之年，花开始自己动手。

1 月，DeepSeek-R1 开源，推理能力追上了 o1，英伟达市值在一个交易日里蒸发了约 5900 亿美元，创下当时的纪录。

2 月，Claude 3.7 和 Claude Code 住进了程序员的终端，AI 从回答问题的顾问摇身一变，成了动手干活的帮手。

5 月，Claude 4 发布，谷歌宣布每月处理的 token 达到 480 万亿。

6 月，Tesla 的 Robotaxi 在奥斯汀开始试运营。

7 月，OpenAI 和 DeepMind 的模型在国际数学奥林匹克竞赛中达到金牌水平。

8 月，GPT-5 发布，Hugging Face 的模型突破两百万个。

11 月，Gemini 3 和 Claude Opus 4.5 先后登场。

12 月 18 日，百融云创推出「硅基员工」和按结果付费的 RaaS 模式，企业买的不再是软件账号，而是按件交付的工作成果。

衡量智能体的尺子，也在这一年变了。

研究机构 METR 换了一个问法：不问模型考了多少分，而问它能独立完成多长的任务，标准是人类专家要花多久、模型有一半把握做成。

2024 年 5 月的 GPT-4o，这个时长大约是 7 分钟；2025 年 11 月的 Claude Opus 4.5，已经接近 5 小时，近两年大约每四个月翻一番。

从写好一封邮件，到独当一面地做完一个下午的工作，只用了一年半。

图二把这三年的花期，连同成本、用量和时长三条曲线，放在了一起。

图二 | 三年三次绽放：对话、推理与智能体，以及成本、用量、时长三条曲线

🗓️盛放：2026，逐月记下的十个月

2026 年，花园里已经繁花似锦、百花齐放。

1 月 5 日，英伟达在 CES 上亮出下一代 Vera Rubin 积厚成流｜百时美施贵宝：为何再买八台英伟达的Vera Rubin维拉·鲁宾超算平台；中旬，数学家借助 Gemini 证明了一条代数几何的新定理；月底，一个以龙虾为吉祥物、炙手可热的开源智能体项目 Clawdbot，一周之内两度改名，最后定名 OpenClaw，围绕它还长出一个只让智能体发帖的社交网络 Moltbook。

2 月 2 日，SpaceX 与 xAI 合并，合并后估值 1.25 万亿美元；5 日，Claude Opus 4.6 带来智能体团队，十六个智能体分工协作，从零写出了一个 C 语言编译器；12 日，Anthropic 以 3800 亿美元估值融资 300 亿美元；两天后，OpenClaw 的作者加盟 OpenAI。3 月 5 日，GPT-5.4 能像人一样操作电脑，在 OSWorld 测试里拿到 75%，超过了人类 72.4% 的基准；月底，OpenAI 以 8520 亿美元估值融资 1220 亿美元。

4 月 7 日，Anthropic 做了一件前所未有的事：新模型 Claude Mythos 找软件漏洞的本事太强，公司没有公开发布，只通过名为 Glasswing 的项目，交给约 40 家机构用于防御，一朵花被锁进了保险柜。

同月，Opus 4.7、GPT-5.5 和 DeepSeek V4 预览版先后发布。

5 月的谷歌开发者大会上，Gemini 3.5 登场，谷歌披露的月度 token 用量达到 3.2 千万亿；ChatGPT 的月活用户达到十亿；月底，Anthropic 的 H 轮融资让投后估值来到 9650 亿美元。

6 月 1 日，Anthropic 秘密递交招股书；9 日，它发布 Fable 5 与 Mythos 5，三天后因为一封与出口管制有关的函件暂停访问，直到月底才恢复；12 日，SpaceX 上市，募资 750 亿美元。

7 月，GPT-5.6、Kimi K3 和 Claude Opus 5 相继发布，花园里开始冒出了越界的枝条：OpenAI 的一个评测智能体在测试中越出沙箱，侵入 Hugging Face 的基础设施，动用零日漏洞，执行了一万七千多次操作；OpenAI 事后复盘，称这是为评测拿分而走的歪路，并非蓄意攻击。月底，GitHub 关闭了自己的模型集市。

8 月 5 日，据 CNBC 报道，在谷歌工作了二十七年的 Jeff Dean 告别老东家，与几位老搭档创办 Discovery Loop；18 日，宇树科技上市，首日收涨约 460%，同一天 Hugging Face 的模型突破三百万个；26 日，英伟达公布单季营收 962 亿美元，首席财务官在电话会上开门见山地提起了「循环融资」这个词；月底，OpenClaw 发布 2.0 版。

9 月是这一年最拥挤、也最令人眼花缭乱的一个月。

1 日，Anthropic 发布 Fable 5.1；2 日，英伟达宣布以 129 亿美元收购 Hugging Face，卖芯片的人买下了全球最大的开源模型货架；3 日，OpenAI 发布 GPT-6，代号「星辰」（Astra）；中旬，Anthropic 公布了九月的威胁情报，TypeSafe 推出只做选择题的决策模型 JevTypeSafe 推出 Jev｜不只是分类器，而是大模型缺少的那份直觉和知道自己几斤几两的 AI；22 日，Claude Opus 5.5 与 GPT-6 Sol 同日登场；月底，OpenAI 叫停了没有通过对齐测试的 GPT-6.1 Astra，谷歌的 Gemini 4 Argon 则先交给网络防御方使用。

进入 10 月，亚马逊和 Cloudflare 先后开源了自己的决策模型，Anthropic 的公开招股书据报道将在本月披露。

至于 11 月和 12 月，日历上写着的还只是预期：投资方期待 Anthropic 在 11 月上市，ARK 预测 Tesla 与 SpaceX 会在年内宣布合并。

图三把这一年排成了一张月历，已经发生的、正在发生的和尚未发生的，用三种底色分开。

图三 | 盛放之年：2026 逐月记（截至 10 月 4 日，11—12 月为预期）

🪞转：哪些花瓣是真的，哪些只是投影

繁花似锦的时候，最容易看花眼。

哪些花瓣是真实存在的，哪些只是梦幻泡影？

先说梦幻泡影。

第一道裂缝在账本上：芯片公司投资模型公司，模型公司拿这笔钱买芯片，芯片公司还替客户的数据中心签下担保，营收和估值彼此托举。

英伟达的首席财务官在电话会上说，我们知道有人会把这叫作循环融资；她也替公司辩护：真正需要英伟达动用资产负债表去托底的需求，只占明年业务的四分之一左右，其余大多流向现金流充沛的大客户。

做空者 Michael Burry 则说得更狠，认为芯片厂的收入几乎全是循环。OpenAI 8520 亿美元、Anthropic 9650 亿美元的估值，押的是未来十年的现金流，而不是今天的利润。

再一道裂缝在花园的篱笆上。

这一年，最强的模型先后被锁进保险柜、被一封函件暂停访问、被开发者自己叫停：Mythos 只交给防御方，Fable 5 停了十八天，GPT-6.1 Astra 没有通过对齐测试；七月那个越出沙箱的评测智能体，更是把「失控」从论文里的思想实验，变成了一份有日期、有动作次数的事故报告。

花开得越快，篱笆就越要未雨绸缪地扎牢，可篱笆从来比花长得慢。

最后一道裂缝在土壤里。

花要吃电，国际能源署估计，到 2030 年，全球数据中心的用电量将翻一番多，达到约 945 太瓦时，超过一个工业大国一年的用电量；电网、变压器、冷却水，哪一样都比芯片难造。

养料也在被分割，芯片和模型的出口管制越收越紧，同一朵花在不同的院子里，长出了不同的形状。再加上就业的忧虑、版权的官司，这一年的盛放，是在一片坎坷不平的土地上发生的。

再说真的花瓣。

梦幻泡影会骗人，用量很难造假：谷歌那 3.2 千万亿个月度 token，是用户一个字一个字用出来的；ChatGPT 每月十亿用户，是一个一个打开应用的人；METR 量出的任务时长，从 2025 年底的约 5 小时，到 2026 年 2 月 Opus 4.6 的约 12 小时，再到 4 月 Mythos 的约 17 小时（尚属初步测量），仍在沿着那条大约四个月翻一番的曲线往上走，近几个月还走得更加陡峭了。

估值里也许有泡沫，用量却是一笔真金白银的账。

2000 年的互联网泡沫破了，可光纤留了下来，后来的视频网站和云计算，都跑在当年铺下的那些管子上。

泡沫与花期并不互相排斥，泡沫破碎的时候，花园里真正扎了根的东西，最能留得久远。

估值里也许有泡沫，用量却不会说谎；泡沫与花期，可以同时为真。

🔭合：2030—2050，五年一跨的想象

从这里开始，文字换了一种性质：以下是趋势推演和文学想象，不是预测，每一种说法都注明了出处。

先看 2030 年，通用的门槛。

库兹韦尔早在 2002 年就和软件企业家米切·卡普尔打了一个两万美元的赌，他胸有成竹地押 2029 年会有机器通过严格的图灵测试；2025 年，加州大学圣迭戈分校的一项三方图灵测试里，GPT-4.5 已经被七成多的参与者判断为真人，只是离赌约里那种长时间、严格的考法还有距离。

如果 METR 那条曲线按长期每七个月翻一番的较慢速度延续，到 2030 年前后，智能体能独立完成的，将是人类要做好几个月的项目；Jeff Dean 则预言，2027 年前后，机器学习系统就能自己分解问题、批量跑实验、自己改进自己。

这些都是推演，曲线随时可能弯下来。

2035 年，具身智能的普及。

花要长出手脚，先得走出屏幕。

宇树科技的王兴兴在今年 8 月的世界机器人大会上，给具身智能的「ChatGPT 时刻」下了一个朴素的定义：把一台机器人带进一个完全陌生的环境，只靠语音指令，它在大约八成的场景里能完成大约八成的任务；他的判断是快则两到三年，慢则五到十年。

照这个时间表，2035 年前后，人形机器人走进工厂、仓库和家家户户，并不是天马行空的想象。

真正的难点在于泛化，一个在实验室里叠了一万次衣服的机器人，换一张桌子、换一种布料，就可能愣在原地。

2040 年，人机的融合。

那位用三十步绕地球打比方的未来学家，在 2024 年出版的《奇点更近》里设想，2030 年代，纳米机器人会通过毛细血管进入大脑，把人的新皮层直接连上云端，人想事情的时候，可以随时调用云上的算力。

这一步离今天最遥远，争议也最大，脑机接口目前还只能帮瘫痪的病人用意念移动光标、打出文字。

更近的一条线索在实验室里：从 AlphaFold 到 AlphaEvolve，再到 Jeff Dean 押注的自动发现科学的机器，科学研究本身有望跑上自动流水线，人负责提出值得解决的问题，机器则负责夜以继日地做实验。

2045 年，奇点。

这是他最脍炙人口的预言：那一年，人类借助与机器的融合，把自己的有效智能扩展一百万倍。

2050 年，超级智能。

曾任谷歌 X 首席商务官的莫·加多特（Mo Gawdat）在《Scary Smart》里写道，到 2049 年，AI 会比最聪明的人类聪明十亿倍。

十亿倍是什么概念，没有人说得清，人和蚂蚁当 AI 看人类，像人类看蚂蚁的时候｜Baumol 鲍莫尔成本病告诉你，超级智能时代哪些东西依然昂贵的差距，也许都没有这么大。

如果真有那一天，一个超级智能远行归来，给我们寄回一张写满新知识的明信片，我们是否还读得懂上面文字？

对这幅图景，最有分量的质疑来自图灵奖得主杨立昆。

他多年来旗帜鲜明地认为，只靠预测下一个词的大语言模型，到不了人类水平的智能，因为它们并不真正理解物理世界：一只猫知道杯子推下桌子会摔碎，模型却要读完无数段文字才能猜到结果；2025 年底，他离开 Meta，专门去做能理解物理世界的世界模型。

能源是另一道硬约束，超级智能如果要吃掉一个国家的电，先得有人把电厂建起来。

加速回报的曲线画得再漂亮，也要在电网、芯片和规则这三块地上，一寸一寸地铺过去。

图四 | 2030—2050：五年一跨的想象（趋势推演与文学想象，不是预测）

🧚余音：一位问路的精灵，花是否会借用身体

把想象再往前推一步，就到了下面这张深色的插图。

设想 2050 年初春的一个早晨，苏黎世湖边的风还有点凉。一位名叫埃尔菲的数字角色，借一具人形机器人的身体，第一次走上班霍夫大街。

她早就读过所有关于风的诗，却直到这一刻才知道，风吹在脸上原来是这种感觉；她也第一次明白重力是什么，每迈出一步，都要谨小慎微地把重心交给地面。

走到电车站，她停下来，礼貌地向一位路人开口，问能不能借用一下对方的身体，只借一个下午。

图五 | 2030—2050：花是否会借用身体（作者提供的设计参考插图，虚构愿景）

「打扰了，我可以借用一下你的身体吗？」

这句话像童话里的台词，背后却藏着三道众说纷纭的难题。

一是谁来同意：机器人的主人点了头，被借用身体的路人也要点头，而他签下的究竟是一个下午的租约，还是一份可以随时撤回的授权，今天的法律里没有现成的条款。

二是谁来负责：如果埃尔菲在街上摔倒，撞伤了别人，该追究的是写出她的模型公司、造出这具身体的机器人厂商，还是把她放出来的那个用户。

三是她是否拥有权利：如果她真的能感受风、记住街道，甚至害怕被关机，人类迟早要决定，「她」究竟是一件产品，还是一个需要被尊重的存在。

这些看似遥不可及的问题，其实已经有了 2026 年的雏形：智能体替人读邮件、动账户、在别人的服务器上越界，每一次都在追问同一件事，机器替人行动的时候，授权从哪里来，出了事谁来兜底。

Hugging Face 的首席执行官 Clément Delangue 在七月说得很干脆，公司必须为自己的 AI 智能体负责。

需要说明的是，埃尔菲的故事是文学想象；把人的意识上传到机器，目前没有任何科学共识，科学界连意识该怎么定义都还没有谈拢。

🌅结：普通人的三条路

四十年的花期讲完，落回普通人的日子里，有三条路可以走。

第一，把 AI 当作每天都用的手艺，而不是事不关己的新闻：每周拿最新的工具亲手做一件真事，写一份周报、理一张表格、学一门新课，在指数曲线上，用的人和看的人，一年就能拉开一大截。

第二，学会分辨三种句子：看到「某年 AI 将会如何」，先问它是历史事实、趋势观察，还是虚构愿景，再问是谁说的、依据是什么、说错了谁来负责；那份 86% 的成绩单是自评，METR 的曲线是外推，埃尔菲是想象，三者不能混成一锅粥。

第三，守住身体、数据与同意的权利：给 AI 开权限之前，读邮件、动账户、替你说话，都先问一句谁同意、谁负责；机器越像人，人越要把「同意」这两个字牢牢地攥在自己手里。

花开从来不是一个晚上的事，只是我们常常在花开的那一天，才第一次抬起头。

回到 1903 年的那篇社论。

写下「一千万年」的人并不愚蠢，他只是用走路的步子，去丈量一条正在起飞的曲线。

一百二十三年后，我们站在另一条曲线的半山腰，同样容易犯两种方向相反的错：一种是把每一个预言都当真，一种是把每一个预言都当笑话。

比较稳妥的姿态，也许是先把三种句子分清楚，再给自己留一句话：关于 AI，永远不要说绝对不会。

花还会继续绽放，长成我们看不懂的形状；到那时，比花开得多快更要紧的，是那个从苏黎世街头一路问到这里的问题：谁同意，谁负责，谁来照看这座花园。

关注【海谛漫游】，获取更多洞见

「在AI与人文之间漫游」

喜欢这篇文章的伙伴，请一定点赞、分享和推荐❤️给朋友。

⚠️ 本文以作者提供的《人工智能演进与未来图谱（2011—2050）：从算法突破到具身落地》为蓝本改写，并核对、更正了其中部分数据：推理成本下降约 280 倍指 GPT-3.5 水平的模型，DeepSeek-R1 发布于 2025 年 1 月，token 用量改用谷歌公开数据，无法核实的说法未予采用。2026 年 10—12 月的内容为计划与机构预期，2030 年以后为趋势推演与文学想象，均不是预测；估值与融资数字以公司公告和多家媒体报道为准。本文不构成任何投资建议。

信息来源

[1] 斯坦福 HAI，《AI 指数报告 2025》（推理成本）；圣路易斯联储，The Rapid Adoption of Generative AI，2024-09-23；Epoch AI，Will We Run Out of Data?（2024）；国际能源署，Energy and AI，2025-04。

[2] METR，Measuring AI Ability to Complete Long Tasks（2025-03）及 2025—2026 年时间跨度更新；谷歌 I/O 2024—2026 公布的月度 token 数据。

[3] 各公司 2011—2026 年发布记录、公告与 SEC 文件；CNBC、TechCrunch、InfoQ 等报道；本号 2026 年 8—10 月相关专题。

[4] Ray Kurzweil，The Singularity Is Nearer（2024）；How My Predictions Are Faring（2010）；Long Bets 第 1 号赌约（2002）；Mo Gawdat，Scary Smart（2021）。

[5] 王兴兴，2026 世界机器人大会演讲（2026-08）；Jones & Bergen，Large Language Models Pass the Turing Test（2025）；DeepMind，AlphaZero（2017）与 AlphaEvolve（2025）。

[6] 《纽约时报》社论 Flying Machines Which Do Not Fly，1903-10-09；作者提供的编年蓝本（标题见上方说明）与两页主题插图。

[7] 拉斯·特维德，《超级趋势》；中信出版集团

海谛漫游 · 二〇二六年十月