夜雨聆风
【总第378期】
2026 AI Ascent大会：红杉以"铝"隐喻宣告AGI，智能从珍贵到廉价可弃，百年压缩为百天。八大趋势解码产业重构，最终锚定"人是万物的尺度"。
1. 引言：百年一日
1.1 当博士变成铝箔
1884年，华盛顿纪念碑封顶的那一刻，工程师们做了一件今人难以理解的事——他们用一块100盎司的铝锭作为避雷针尖端的装饰。在那个年代，铝是比黄金更珍贵的金属。拿破仑三世的国宴上，贵宾们用铝制餐具进食，而普通宾客只能用银器。铝的提炼需要消耗巨大的电能将氧化铝还原，成本高昂到只有皇室和纪念碑才用得起。[2]
然后，电解法来了。
1886年，两位年轻人几乎同时独立发现了电解制铝的工艺。不到二十年，铝的价格从每盎司约一美元暴跌到两美分。那块曾象征着国家荣耀的100盎司铝锭，在今天看来，与包装巧克力的锡纸并无本质区别。[2]
2026年4月30日，在旧金山一间可以眺望海湾的会议厅里，红杉资本合伙人Konstantine Buhler站在台上，用这个故事为第四届AI Ascent大会定下了基调。台下坐着一百多位全球最顶尖的AI创始人、研究者和投资人——OpenAI总裁Greg Brockman、DeepMind CEO Demis Hassabis、AI教父Andrej Karpathy、NVIDIA的Jim Fan、Waymo的Dmitri Dolgov，以及这个星球上最擅长将技术趋势转化为资本回报的几十位风投精英。[57][4]
"铝就是智能，"Buhler说，"电解法就是人工智能。"[2]
这句话像一颗石子投入深潭，在接下来的数周里激起了一圈又一圈的涟漪。会议视频在YouTube上获得了数百万次观看，中文科技媒体用"核爆级讨论"形容这场闭门峰会引发的反响。[5][21] 不是因为发布了什么新产品——这不是一场产品发布会——而是因为红杉资本用前所未有的直率宣告了一个时代的终结：AGI（通用人工智能）已经到来，不是理论上，不是实验室里，而是在商业和功能的务实意义上。[1][6]
回顾前三届AI Ascent的演进轨迹，可以清晰地看到红杉叙事的一次次跃迁。2023年的首届峰会，主题还是"生成式AI的黎明"，业界尚在惊叹于ChatGPT的演示效果；2024年，焦点转向推理能力和Agent的涌现；2025年，Buhler提出"Agent经济"的框架，断言AI市场规模"至少是云计算的十倍"。[14][18] 而2026年的第四届，红杉三位核心合伙人Pat Grady、Sonya Huang和Konstantine Buhler联合登台，开场Keynote的标题只有两个词和一个句号："This is AGI."[1]
这种语气的变化值得品味。从前三届的"预测"到本届的"宣告"，红杉资本完成了一次叙事姿态的切换——他们不再是在谈论即将到来的浪潮，而是在描述已经漫过脚踝的洪水。
演讲中一句最令人震颤的话，是Pat Grady在收尾时抛出的时间隐喻："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，现在这一切在100天内就能实现。"[74] 从100年到100天——这不是修辞夸张，而是Zed创始人Nathan Soleimani在一个假期完成三年项目、Brett Taylor一个周末重建Sierra、Notion六周重写800万行代码的现实。[74][2] 百年的尺度被压缩到百天，工业时代的逻辑在AI面前失效。
1.2 为什么这篇解析值得关注
这不是又一场AI发布会的速报。在2026年4月这个节点上，AI行业正处于一个奇特的临界状态：一方面，OpenAI刚刚在七天前发布了GPT-5.5，编码Agent的能力曲线呈现出近乎垂直的上升；[63] 另一方面，全球AI在十万亿美元服务业市场中的渗透率仅有0.2%。[4] 技术奇点与经济现实之间的巨大落差，让整个行业弥漫着一种既亢奋又迷茫的集体情绪。
AI Ascent 2026的价值恰恰在于它直面了这种矛盾。这不是某一家公司的技术秀，而是一个站在行业制高点的投资机构，用四个寓言、五场炉边对谈、一套M.A.D.框架，试图为整个AI产业重新划定坐标系。从"一切珍贵都将廉价化"的铝之寓言，到"人类注意力成为新瓶颈"的冷静断言；从Software 3.0对编程本质的重新定义，到"99.9%的认知工作将由机器代劳"的惊人预测——这场会议的每个核心命题，都在挑战我们对"智能""工作""价值"这些基本概念的理解。[2][30][7]
在接下来的篇章中，我们将沿着四层递进的逻辑展开这次深度解析。第二章将全景呈现会议的核心议程与关键演讲者观点，为读者建立完整的认知地图。第三章将深入解读红杉精心编排的四个寓言——铝、异类设计、摄影与绘画、人的尺度——揭示其中暗藏的"恐惧—希望"叙事弧线。第四章将聚焦Karpathy、Brockman、Hassabis三位技术领袖的预言性发言，梳理Software 3.0、Agentic Engineering、注意力瓶颈等核心概念的技术内涵与产业指向。第五章将在前述分析的基础上，对认知工业革命的压缩效应、可验证性驱动的商业化逻辑、Agent经济的生态竞争格局进行研判，探讨这场范式跃迁对创业者、投资者和每一个知识工作者的深层含义。
让我们从那块100盎司的铝锭开始，走进这个智能正在被"电解"的时代。
2. 会议全景：AI Ascent 2026的核心议程与关键声音
2.1 大会概况与背景
2.1.1 AI Ascent的演进：从2023年首届到2026年第四届的定位变迁
2026年4月30日，旧金山。红杉资本第四届年度AI峰会AI Ascent 2026在此举行——一场闭门、邀请制的顶级盛会，汇聚了100余位全球AI领袖：OpenAI总裁Greg Brockman、Google DeepMind CEO Demis Hassabis、AI教育家Andrej Karpathy、NVIDIA科学家Jim Fan、Waymo联合CEO Dmitri Dolgov。[57][4]
四年间的主题跃迁清晰可辨：
| 第四届 | 2026年4月 | "这就是AGI"、认知革命、软件3.0[1][2] |
2023年的议题是"这项技术能做什么"，2025年转向"如何商业化"，2026年则直接宣告功能性AGI已至。红杉三位合伙人Pat Grady、Sonya Huang和Konstantine Buhler在开场Keynote中以"This is AGI"为主题，完成了一次从"投资工具"到"投资劳动力"的认知跃迁。[1] 会议时间亦经过精心安排——OpenAI的GPT-5.5于4月23日发布仅一周后，[63] 这场峰会便将全球AI领袖召集一堂，为技术突破提供了投资叙事层面的即时解读。
2.1.2 闭门峰会的独特性：VC视角与创业者视角的交汇
在当年春季的AI会议季中，AI Ascent占据独特位置：HumanX AI Conference（4月初，数千人公开会议）面向大众，AI Dev Summit（5月底）聚焦开发者，而AI Ascent仅邀100余位顶尖人物闭门进行。[38][19] 这不是产品发布会，也非学术研讨，而是VC视角与创业者视角的交汇点。红杉将自己定位为"中立召集者"，让Brockman与Hassabis同场而不必顾虑竞争措辞，让Karpathy可以自由宣告"Vibe Coding已死"——这种坦诚在公开场合几乎不可能发生。[17]
对红杉而言，会议承载着多重功能：思想领导力建设（发布MAD框架[13]）、投资优先级展示（议程映射至Databricks、LangChain、Glean等被投企业[17]）、交易流网络效应（为创始人提供网络与洞察以增强竞争交易中的优势[17]）。对参会者而言，这更像是一次"行业内幕"的集中释放。
2.2 关键演讲者与核心观点一览
会议采用"开场Keynote + 五场炉边对谈"的紧凑结构。以下是核心演讲者的观点全景：
| Konstantine Buhler | ||
| Pat Grady | ||
| Sonya Huang | ||
| Andrej Karpathy | ||
| Greg Brockman | ||
| Demis Hassabis | ||
| Jim Fan | ||
| Dmitri Dolgov |
这张名单本身就是一张AI权力的拓扑图。三位红杉合伙人定义议程框架，五位外部嘉宾分别从编程范式、AI实验室进展、物理智能和自动驾驶实证四个维度展开。Buhler一人主持了三场对谈，将AGI判断、机器人终局和自动驾驶安全三条线索编织进同一认知框架。
2.2.1 Konstantine Buhler与Pat Grady：红杉合伙人的"认知工业革命"宣言
开场Keynote是整场会议的思想底座。Buhler提出了贯穿全场的"铝的类比"：华盛顿纪念碑曾用100盎司铝制顶冠彰显其稀有，电解法发明后铝变成了包装纸材料——"铝就是智能，电解法就是人工智能"。[2] 他宣告99.9%的认知工作将由机器代劳，博士级技能将从"数十年培养"压缩为"一次API调用"。[15] Pat Grady则校正了认知框架：AI不是连接人与人的通信革命，而是直接处理信息的计算革命，其市场潜力"至少是云计算的10倍"。[67]
2.2.2 Andrej Karpathy：Software 3.0与Agentic Engineering的提出者
Karpathy为整场会议"定调"。[4] 他提出Software 3.0——编程抽象层级从"代码"提升至"意图"，上下文窗口中的内容就是开发者对LLM解释器的杠杆。[9] 他正式宣告Vibe Coding过时，以Agentic Engineering取而代之——前者是"DJ跟着感觉走"，后者是"包工头管流程、质量与验收"。[28] 他提出"锯齿状智能"概念：AI能重构10万行代码库却答不出简单常识题，解释了可验证性如何决定自动化优先级。他的警句"你可以外包思考，但无法外包理解"成为全场最令人难忘的表述之一。[7]
2.2.3 Greg Brockman：OpenAI 80%代码由AI编写的披露
Brockman贡献了最具数据冲击力的披露：2025年12月单月内，AI编码占比从20%跃升至80%，这不是渐进增长而是相变——"从配菜变成了主菜"。[56][26] 他的核心判断是"人类注意力成为新瓶颈"——"做事已经变得容易，'这符合我的价值观吗'——这些判断将成为最稀缺的瓶颈。"[26][30] 他透露OpenAI已完成70-80%的AGI之路，[33] 并畅想每个人都可能成为"10万智能体的CEO"。[22]
2.2.4 Demis Hassabis：AGI已完成75%的判断
Hassabis给出了更为审慎的75%完成度评估，强调剩余25%需在推理、规划、一致性和持续学习方面取得突破，预测AGI将在2030年前实现。[31][69] 他对AGI的定义比红杉严格得多："展现人类所有认知能力的系统——包括最高层次的创造力。"[71] 这种定义差异揭示了投资界与研究界的认知鸿沟——前者关心"能不能用"，后者关心"够不够像人"。他提出混合架构路径：将Gemini等基础模型与强化学习的规划推理能力结合。[25][37]
2.3 会议议程与议题矩阵
2.3.1 从模型竞赛到Agent生态：议题重心的转移
会议的议题设计揭示了一个清晰的重心转移：几乎不再讨论"谁的模型更强"，而是聚焦于"Agent能做什么""如何构建Agent生态"。这本身就是一个行业信号——基础模型竞争正在收敛为少数巨头的军备竞赛，而Agent生态则是更广阔的创业蓝海。
| AGI定义 | ||||||||
| 编程范式 | ||||||||
| 认知革命 | ||||||||
| Agent经济 | ||||||||
| 物理智能 | ||||||||
| 自动驾驶 | ||||||||
| AI科学发现 | ||||||||
| 人机关系 |
矩阵揭示了三个关键模式。其一，AGI定义是贯穿全场的元议题——三位嘉宾同时给出了完成度百分比评估（70-80%、75%、功能性AGI"已至"），说明行业正处于"进度焦虑"时刻，所有人都感觉到某个阈值正在被跨越。[33][31][36]
其二，Agent是连接所有议题的枢纽。 Karpathy的Agentic Engineering为编程提供方法论，Brockman的80%AI编码提供实证，Hassabis的长时程智能体提供学术定义，Jim Fan将Agent从数字世界延伸至物理世界，Dolgov展示了安全关键场景中的大规模部署经验。[4][56][34][22] Agent不是一个议题，而是所有议题的共同线索。
其三，Buhler的中心节点角色一目了然——他不仅主讲Keynote，还主持三场对谈，覆盖AGI路径、物理智能和自动驾驶三个领域，成为整场会议的"叙事黏合剂"。
2.3.2 "This is AGI"：红杉的务实定义宣告
红杉在大会上提出的AGI定义，是整场会议最具影响力的单一输出："如果你能派遣一个AI agent去完成一项工作，它能从失败中恢复，并坚持直到工作完成，那这就是AGI。"[6] 在这个定义下，功能性AGI已经到来——不是因为某个基准测试分数，而是因为"雇佣Agent完成工作"这一商业行为本身已成为现实。红杉用一个案例佐证：一位创始人要求智能体招聘开发者关系负责人，智能体在31分钟内完成从LinkedIn搜索到个性化outreach的完整流程。[36][64]
红杉坦承："我们是投资者。我们研究市场、创始人和两者的碰撞：商业。因此我们提供的是功能性定义，而非技术定义。"[36] 这种坦诚反而增加了定义的可信度——它不声称AGI是客观阈值，而是将其重新定义为"足够好用的工具"标准。
基于这一定义，红杉进一步提出创业者在AGI时代的MAD框架：Moats（护城河）——在技术快速迭代中，真正的壁垒来自客户深度联结而非技术本身；Affordance（交互赋能）——产品需为用户创造阻力最小的路径；Diffusion（扩散鸿沟）——基础模型演进与企业采用速度之间的落差正是创业机遇窗口。[13][2] 当智能本身变得廉价时，价值创造的源泉从"拥有智能"转向"应用智能的方式"。
"This is AGI"的宣言在硅谷引发了"核爆级讨论"。[5] 有人赞叹其务实洞察，也有人质疑是否稀释了AGI的学术严肃性。但无论立场如何，几乎所有人都同意：2026年的AI Ascent标志着话语权的转移——AGI的定义权，正在从实验室研究者手中转移到市场投资者和创业者手中。这个转移本身，或许比任何技术突破都更能说明AGI的时代已经到来。
3. 四个故事：红杉资本的认知工业革命宣言
在AI Ascent 2026大会的主旨演讲中，红杉资本合伙人Konstantine Buhler没有展示一张数据图表，没有罗列一组投资数字，而是讲了四个故事。四个看似零散的历史片段——一块铝、一根天线、一幅画、一句古希腊名言——构成了整场大会最具哲学穿透力的时刻。Buhler深知，台下坐着的创业者和投资人真正需要的不是更大的数字，而是一个能够理解自身处境的叙事框架。
3.1 第一个故事：铝——智能的商品化
3.1.1 华盛顿纪念碑的100盎司铝：从比黄金珍贵到包装糖果
故事始于1884年。美国为华盛顿建造纪念碑，选择了当时世界上最珍贵的金属——铝——为纪念碑封顶。[3] 这个选择在今天听来近乎荒诞：铝占地壳元素含量的8%，我们脚下的每一寸泥土都含有它。[58] 但在19世纪，没人能从泥土中提炼出这种金属。丹麦科学家奥斯特德在1825年首次分离出微量铝时，整个欧洲化学界为之震动。[72] 此后六十年间，法国化学家德维尔不断改进化学还原法，产量始终极低。铝的稀缺不是自然赋予的，而是技术无法企及的产物。
1884年，华盛顿纪念碑的顶石——一个高23厘米、重100盎司的铝制金字塔——是当时世界上最大的单件铝制品。[47] 费城冶金学家Frishmuth完成铸造后，甚至在安装前将它放到纽约Tiffany珠宝店橱窗展出，吸引了成千上万的参观者。Tiffany在地板上摆放了这枚铝顶，让顾客可以"跳过华盛顿纪念碑的顶端"。[59][61] 当时铝价约每盎司1.10美元，与白银相当。[60] 拿破仑三世用铝制餐具招待最重要的宾客，以彰显财富与地位。[54] 铝不是工业原料，它是珠宝。
然后一切崩塌了。1886年，两位23岁的年轻人——美国学生霍尔和法国工程师埃鲁——独立发明了电解法。[73][72] 这种方法至今仍是全球铝工业的标准工艺。[48] 铝的价格从每磅12美元暴跌到30美分，最终降至每公斤约0.08美元。[73] 曾经与白银同价的贵金属，变成了包糖果的箔纸，用完即弃。
Buhler在演讲中描述道：纪念碑竣工后的几十年里，"一位年轻的发明家发明了电解法……此后不久，铝便被用来包装糖果和三明治，然后被扔进垃圾桶。"[3]
3.1.2 "铝就是智能，电解法就是AI"：博士级技能将变得廉价可弃
Pat Grady接过话头，给出了整场演讲中最重要的隐喻：
"铝就是智能。电解法就是人工智能。"[3]
Buhler进一步将这个隐喻推向令人不安的方向：
"我们即将进入这样一个世界：一些耗费数十年光阴练就的、达到博士水平的宝贵技能，在调用后转瞬即逝，用完即可将其揉作一团直接扔进垃圾桶。"[3]
这里的"博士水平"是关键词。红杉不是在谈论基础文员工作被自动化——这已经是旧闻。他们说的是法律分析、医学诊断、科学研究、高级编程、金融建模——那些需要5到10年专业训练、在全球范围供给有限、享有显著溢价的能力。[2] 这些技能与19世纪的铝共享同一个本质：稀缺不是它们的内在属性，而是获取方式低效的结果。传统教育体系是认知领域的"化学还原法"——缓慢、昂贵、产量极低。AI则是"电解法"——一种从根本上改变提取效率的技术。Sam Altman在2025年的博文中写道："智力的成本最终将收敛于电费成本。"[87] 红杉的估计更为具体：AI在美国10万亿美元服务业市场中的渗透率目前仅约0.2%，但将快速攀升。[82]
3.1.3 铝悖论：商品化不是终结，而是市场扩大1000倍的开端
然而，铝的故事有一个被大多数人忽略的后续——这个后续恰恰是理解AI时代的关键。
铝的商品化没有消灭铝产业，相反，它将产业扩大了1000倍、10000倍。在电解法发明前，全球铝消费量以盎司计；今天，它以亿吨计。铝从珠宝变成了飞机、汽车、建筑材料、电力传输、食品包装——整个现代工业体系因此成为可能。[73]
这就是"铝悖论"：商品化没有终结市场，而是创造了远比原有市场更大的新市场。目前全球"认知工作"的市场规模受限于高技能劳动力的稀缺供给。当这种稀缺被打破，需求侧的想象空间将被彻底打开。铝顶金字塔的时代，没人能想象铝制飞机；同样，在博士级技能仍然昂贵的今天，我们也无法想象当智力成本趋近于零时，会出现多少全新的知识密集型服务。Buhler在这个隐喻中隐藏了一个明确的信号：不要恐惧技能贬值，要去寻找"铝制飞机"——那些只有在智力成本足够低时才成为可能的新需求。[89]
3.2 第二个故事：异类设计——AI的非人直觉
3.2.1 NASA进化算法设计的"怪胎天线"：性能超越人类直觉
2006年，NASA的ST5任务需要为微型卫星设计通信天线，要求在一组极具挑战性的约束下实现宽波束宽度和宽阻抗带宽的组合——传统设计中几乎不可能兼顾。[51] NASA艾姆斯研究中心的团队放弃了人类工程师的直觉，转而使用进化算法：计算机生成数千种随机天线形状，通过电磁仿真评估性能，保留最优者作为"父母"，通过交叉和变异产生新设计，重复数万次。[53]
最终进化出的天线ST5-3-10外形完全不同于任何人类会设计的东西——歪歪扭扭、不对称、像"随机弯折的铁丝"。[49] 但性能数据令人震惊：传统四螺旋天线组合效率38%，两根进化天线组合效率达到93%。[50] 当任务需求改变时，团队仅用不到一个月就进化出了新设计。[50] NASA官方评语精准地捕捉了革命性："大多数人类天线设计师永远不会想到这样的设计。然而，这种设计在满足任务需求方面表现非常出色。"[52]
Pat Grady总结道："生产力显著提高，且不符合人类的直觉思维。"[3]
3.2.2 当AI设计芯片、汽车和建筑：我们需要对"美"的重新定义
Buhler将这种现象命名为"异类设计"（alien design），并警告："当认知任务交给机器时，我们将得到的结果是不符合我们直觉的。对于我们即将进入的世界，必须保持开放的心态，因为AI的思维方式与我们不同。"[3]
"异类设计"的核心启示在于：最优解不一定符合人类的审美。人类设计师追求对称、优雅、几何简洁——这些偏好根植于我们大脑的演化历史，而非物理定律的本质。AI在数万亿次迭代中不需要"美"，它只需要结果。当它找到人类直觉永远无法触及的最优解时，那个解可能看起来像个怪物——但它是个性能卓越的怪物。Pat Grady进一步延伸："当AI设计芯片、汽车和建筑物时，它们看起来可能会大相径庭。"[3] Google的AI设计芯片方法已被证明可以创造比人类更高效的设计，尽管"看起来不太对劲"。[2]
这对所有依赖"设计直觉"的行业提出了根本性质疑：我们长期以来所认为的"好的设计"，多大程度上基于真正的物理最优，多大程度上只是人类认知偏好的投影？Buhler的提醒干脆利落："AI不会像我们一样思考，得习惯这件事。"[16]
3.3 第三个故事：摄影与绘画——技术终结技艺，催生艺术
3.3.1 银版摄影法消灭绘画？不，它催生了印象派和立体主义
1839年，法国画家德拉罗什在第一次看到银版照片后感叹："从这一天起，绘画已死。"[44] 这并非夸张——在摄影术出现前，绘画是人类记录现实的主要媒介。[46] 一个人花费数十年磨练的精准复刻技艺，在一夜之间失去了经济价值。
但Buhler的故事重点在于接下来发生的事。人类面对冲击，提出了一个根本性的问题：
"这种艺术的目的是什么？是为了以眼睛所见的方式捕捉那一刻吗？还是为了以内心和灵魂所感的方式捕捉那一刻？"[3]
答案催生了人类艺术史上最辉煌的创造时期之一。印象派不再追求精确细节，转而捕捉光影的流动；[41] 立体主义打破单一视角，从多个角度同时呈现物体；[43] 表现主义扭曲现实以传达内心感受。Pat Grady列举道："所有这些新的艺术形式都是人类对科学领域这一巨大变革所作出的回应。"[3] 摄影没有终结绘画，它解放了绘画，让绘画"可以做它自己"。[45]
3.3.2 AI时代的人类创造力：从"以眼所见"到"以心所感"
Buhler传达的核心信息清晰而有力：当AI接管了"精确写实"后，人类的角色不是被取代，而是被解放。 摄影催生了印象派，AI将催生什么？
Buhler在延伸部分给出了一个线索：工业革命早期，工程师们用100多年靠"拍脑袋调参"改良蒸汽机，直到120多年后卡诺将一切形式化为热力学。[16] AI目前处于类似的"修补摸索"阶段，Buhler预言未来几十年将出现一门像热力学一样基础的"新科学"来形式化地理解智能，这门科学甚至会进入高中课本。[6][65] 对于台下的创业者和投资人，这暗示了一个巨大机遇：谁能形式化智能的基本原理，谁就将成为AI时代的奠基者。
3.4 第四个故事：人是万物的尺度
3.4.1 普罗泰戈拉的回响：价值因人的体验而存在
Buhler的最后一个故事回到2500年前。他引用了古希腊哲学家普罗泰戈拉的名言：
"两千五百年前，希腊哲学家Protagoras写道：人是万物的尺度。任何事物若脱离了人类，便不存在价值。无论是铝材、艺术，还是智能，皆是如此。"[3]
普罗泰戈拉（约公元前490-420年）的相对主义哲学挑战了客观真理的观点——真理不是绝对的，而是依赖于个体的感知和经验。[42] Buhler在AI时代重新诠释它：铝本身没有价值，它的价值在于人类如何使用；艺术本身没有价值，它的价值在于人类的体验；智能本身也没有价值，它的价值在于它为人类创造了什么。技术只是手段，人类的体验才是目的。
3.4.2 AI可以做工作，但人与人的联结才是终极价值
Pat Grady用最简洁的语言收束了叙事：
"它之所以有价值，仅仅是因为那份体验。AI可以完成工作，AI也终将完成工作，但唯有人与人之间的联结，才能让你找到在乎的理由。"[3]
Buhler的演讲在罕见的情感力量中收尾："十年之后，工作方式将发生巨大的变化。一切都将迎来翻天覆地的改变。但唯一不变的，是你们今天与身边人建立起的关系。它们将长久延续。那将是你们回首往事时最珍视的部分。"他鼓励全场听众"真正地拥抱那些让我们之所以为人的特质"。[3]
这个答案与Andrej Karpathy在同一场大会中的观点形成呼应："你可以外包你的思考，但你不能外包你的理解。"[7] 即使AI代理做了越来越多的工作，人类仍然需要理解来指导它们——知道什么值得构建、什么问题重要、什么结果可疑。[7] 理解，是一种无法被技术中介的存在性体验。
3.5 四个故事的叙事弧线分析
3.5.1 从警告到慰藉：恐惧→适应→希望→归属的完整情感图谱
四个故事不是独立的寓言，而是一条精心编排的情感弧线，精准映射了台下听众——一群身处AI变革中心的创业者和投资人——的心理历程。
第一层，铝的故事——恐惧。 Buhler首先抛出令人不安的事实：你耗费数十年练就的珍贵技能即将变得廉价可弃。这不是威胁，这是历史——铝真的发生了。[16] 恐惧是最原始的动机，Buhler用它来唤醒注意。
第二层，异类设计的故事——适应。 AI不会像你一样思考，它的设计可能像个怪物，但性能卓越。这不是要你抵抗，而是要你接受一个直觉不再适用的世界。[3] 适应是恐惧之后的认知调整，Buhler用它来打开心智空间。
第三层，摄影与绘画的故事——希望。 技术革命不会终结人类创造，它会催生新形式。摄影催生了印象派，AI将催生什么？[3] 危机是新生催化剂。希望是适应之后的升华，Buhler用它来重新定向创造力。
第四层，人的尺度——归属。 无论技术如何变革，人的价值不可动摇。人与人的联结是一切意义的终极来源。[3] 归属是最终的着陆点，Buhler用它来安抚恐惧，让听众带着积极的使命感离开。
恐惧→适应→希望→归属。一部认知工业革命的"接受心理剧本"。
3.5.2 红杉的深层信号：技术投资的最大风险是社会反弹的阻力
四个故事的叙事设计本身就是一则重要信号。一家顶级风险投资机构在年度AI峰会上不讲投资回报率，而是讲古希腊哲学和19世纪化学史——这说明什么？
说明红杉意识到，技术投资的最大风险已经不是技术失败，而是社会反弹的阻力。当AI使博士级技能廉价化时，受影响的是整个知识精英阶层——工程师、律师、医生、科学家、投资人自己。这个群体的恐惧如果被忽视，可能转化为对AI的政治和文化反弹。[86] 四个故事的弧线本质上是"情绪管理工具"：先承认恐惧的合理性，再提供适应框架，注入希望，最终锚定归属。
更深层的信号在于：红杉正在从"技术评估"转向"历史哲学思考"。[5] 当最大的风投开始用工业革命、认知革命、人类价值重定义的宏大叙事讨论AI时，它反映了整个行业对变革深度的认知升级。[6] 2023年红杉讨论"生成式AI的第一幕"，2024年讨论"推理/代理能力"，2025年讨论"Agent经济"，2026年初讨论"这就是AGI"——到这场大会，话题已跃升到哲学层面。[12][20] 话语体系的升级本身是风向标：技术的可预测性已让位于变革的不可预测性，纯粹的数字模型已不足以描述即将发生的事。
Buhler选择用寓言而非数据来沟通，正是因为他深知，在技术变革的临界点，人们需要的不是更多信息，而是一个能够理解自身处境的故事。对于一家管理着数千亿美元的投资机构，这种叙事策略既是对行业的心理建设，也是对未来市场环境的主动塑造。在一个所有人都被恐惧驱动去抵制AI的世界里，红杉的投资组合不可能成功；只有当人们从恐惧走向希望、从抵抗走向创造时，认知工业革命的巨轮才能真正启动。
四个故事的最后一句话是Buhler对全场听众的邀请——也是红杉对所有人的邀请——去"真正地拥抱那些让我们之所以为人的特质"。[3] 在智能像铝一样廉价的时代、在异类设计涌现的时代、在一切技术似乎都在挑战人类价值的时代，这句来自古希腊的箴言穿越了2500年的时光，仍然是最稳固的锚：人是万物的尺度。不是因为我们最强，而是因为只有我们，才能赋予万物以意义。
4. Software 3.0与Agentic Engineering：Karpathy的技术预言
在AI Ascent 2026的舞台上，Andrej Karpathy被安排在开场位置。这个安排本身就意味深长——他不再是OpenAI的全职研究员，不再是Tesla的AI总监，而是一位以"教师"身份定义自己的独立思想者。过去两年，他先是在2025年2月创造了"Vibe Coding"这个词，让整个行业为之疯狂；又在2026年2月宣布这个概念已经过时，提出了继任者"Agentic Engineering"。当Sequoia合伙人Stephanie Zhan问他，这种自我推翻是否令人尴尬时，Karpathy笑了。他说："我从未感到如此落后于时代。"[4]
这句话不是一个悲观主义者的叹息，而是一个站在范式断崖边缘的工程师，对脚下大地正在崩塌的如实描述。
4.1 软件工程的三次范式跃迁
4.1.1 从汇编到自然语言
Karpathy在2017年首次提出Software 2.0，认为神经网络正在创造一种新范式：人类不再逐行编写规则，而是通过数据集和损失函数来"编程"神经网络[23]。这个框架精准描述了Tesla Autopilot的转型——从混合架构到端到端的神经网络系统[55]。
九年后，他完成了自己的范式升级。在AI Ascent 2026上，Karpathy提出了Software 3.0的完整框架[9][7]。三次跃迁放在一起，一条清晰的进化线索浮现出来：每一次都在将人类从"适配机器"转向"机器适配人"。
Software 1.0是七十年的显式编程。从Fortran到Python，每一行代码都是人类将意图翻译成机器语言的产物，类似于用汇编语言与计算机对话——精确、确定、但极度费力[23]。Software 2.0相当于从汇编跃迁到高级语言——你不再管理内存和寄存器，而是描述"什么"，让编译器决定"如何"[55]。
Software 3.0则是数量级更大的跃迁。LLM本身就是一种新型计算机，上下文窗口成为新的编程表面[9][4]。你不再用Python描述算法，而是用自然语言描述意图，由LLM作为"编译器"将意图转化为可执行系统。这不是编程语言的迁移，而是从"编程"到"意图编译"的根本反转[7]。Karpathy的原话精准捕捉了这种转变："你的编程现在变成了提示工程，而上下文窗口中的内容就是你操纵LLM这个解释器的杠杆。"[9]
4.1.2 上下文窗口作为新的编程界面
Software 3.0的核心特征可以用一个对比来理解：传统编程中，你写一段bash脚本安装程序，需要考虑环境变量、依赖版本、边缘情况，写得密密麻麻，环境一变就崩。在Software 3.0中，你只需要给agent一个指令块："安装这个。检查我的环境。修复错误。让它工作。"[7]
更深层的转变发生在架构层面。Karpathy提出了一个极具前瞻性的判断："神经网络成为宿主进程，CPU成为协处理器。"[30] 计算的基本范式正在翻转——不再是CPU执行确定性代码、神经网络偶尔被调用，而是神经网络作为核心处理器，传统计算资源为其服务。
Karpathy还特别强调，Software 3.0不仅关乎编程速度，更关乎可能性的扩张。以前没有任何正常软件可以拿一堆杂乱文档，理解它们，重组它们，重写成有用的wiki。LLM的"信息转换"能力让这成为可能[7]。正如他所说："这不仅仅是编程变得更快。这是更广泛的信息处理现在可以自动化了。"[7]
4.2 从Vibe Coding到Agentic Engineering
4.2.1 2025年12月的拐点
Karpathy用一个精确的时间戳标记了范式转变的发生点：2025年12月。
"我大概从11月的80%手写+自动补全、20% agent，迅速变成了12月的80% agent编码、20%编辑+润色。"[9] 这不是渐进的改善，而是阈值被跨越——编码agent从"有用的自动补全"变成了能推动整个工作流的"准团队成员"。
"我不记得上次纠正它是什么时候了，我只是越来越信任这个系统。"[9]
但Karpathy很快发现，Vibe Coding有一个致命的天花板。它能让任何人快速原型化想法，却无法保证专业软件的质量标准。Agent生成的代码经常带有"膨胀的抽象"和"笨拙且脆弱的抽象"——能工作，但不是好代码[27]。发现这需要品味，而品味需要理解。
4.2.2 抬高地板与拔高天花板
在AI Ascent 2026上，Karpathy用一句话区分了这两个概念："Vibe coding raises the floor. Agentic engineering raises the ceiling."[7]
Vibe Coding的价值在于民主化——让非技术人员也能构建软件。Agentic Engineering则关乎专业化：如何在保持代码质量、安全标准和架构严谨性的前提下，用agent作为杠杆加速十倍[7]。Karpathy反复强调，agent是"有尖刺的实体"（spiky entities），容易犯错且具有随机性，但极其强大。核心问题不是"如何让agent写代码"，而是"如何协调它们以加快速度而不牺牲质量标准"[7]。
这需要一套全新的工程纪律：设计规格（与agent编写详细规格文档）、检查差异（发现膨胀和脆弱的抽象）、编写测试（定义可验证的成功标准）、创建评估循环（任何可验证的输出都可以被AI优化）、权限管理（agent需要明确的权限边界）[7][25]。
4.2.3 MenuGen案例：当整个App坍缩为一个prompt
MenuGen的故事是理解Software 3.0最经典的案例[40]。Karpathy去餐厅吃饭时，菜单上通常没有图片，30%-50%的菜他不知道是什么。于是他vibe coded了一个应用：上传菜单照片，OCR识别菜品名称，图像生成器为每道菜生成图片，重建UI，在Vercel上部署运行[40]。整个流程涉及OCR pipeline、图像生成、UI重建、部署、auth认证等复杂工程。
后来他看到有人用Software 3.0的方式解决这个问题：拿菜单照片给Gemini，说"用Nano Banana把菜品图片覆盖到菜单上"。Gemini直接返回一张每道菜旁边都贴了图的菜单照片——不需要任何app、OCR pipeline、UI或复杂工作流[40]。
"这blow了我的mind。因为实际上我的整个MenuGen都是多余的。那个应用不应该存在。"[7]
这个案例的核心启示是什么？"很多AI应用只是模型限制的临时包装。随着模型变好，整个产品类别会坍缩成一个提示词。"[8] 创业者不应该只问"AI能帮我更快构建什么"，而应该问"AI让什么变得不必要了"[4]。
但MenuGen还留下了一个警示性的尾巴。Agent在实现支付功能时，试图通过匹配email地址来将Stripe购买关联到Google账户——这看起来合理，但Stripe email和Google login email可能不同。正确的做法应该使用persistent user ID。这个bug说明，agent可以写出表面上"合理"的代码，却缺乏深层系统设计理解[7]。这正是为什么Karpathy说，在Agentic Engineering时代，人类仍然对软件安全负责。
4.3 Jagged Intelligence：理解AI能力的锯齿状分布
4.3.1 能力不均匀的根源
Karpathy在AI Ascent 2026上提出了Jagged Intelligence（锯齿状智能）的概念[9][45]。他用一个极具画面感的例子来说明：最先进的大模型可以一口气重构一个10万行的代码库，也会在你想要洗车的时候，建议你走路去50米外的洗车店。
"我同时感觉自己在和一个极其聪明的博士毕业生——他一辈子都是系统程序员——以及一个10岁小孩对话。"[62]
这种不均匀不是架构缺陷，而是强化学习训练分布的直接结果[45]。RL需要奖励信号，奖励信号需要可验证性。代码可以运行测试验证，数学题有明确的对错，安全漏洞可以被复现——这些领域获得了大量RL训练资源，模型飞速进化。但"我应该开车还是走到洗车店"没有干净的验证器，RL信号从未到达能力空间的那个角落[45]。AI能力的锯齿状分布是一个工程经济学问题：前沿实验室将RL资源投向哪些领域，背后是收入和市场规模的考量。代码和数学有明确的经济回报，常识推理没有[108]。
4.3.2 可验证性框架：决定AI自动化优先级的隐形筛子
Karpathy用一个简洁的框架概括了这一切："传统计算机自动化你能用代码明确指定的东西；LLM自动化你能验证的东西。"[29][30]
这个框架不仅解释了AI能力的分布，还为创业者绘制了一张机会地图。前沿实验室已经在猛攻编码、数学和通用agent，但还有许多高价值的商业领域——财务运营、税务工作流、合规检查、保险理赔、合同审查、医疗行政——这些领域的输出是可验证的，但模型还没有被充分训练[10]。
Karpathy的核心建议直指创业本质："找到有价值的工作流，将其拆分为任务，定义好输出意味着什么，创建验证循环，收集边缘案例，围绕该领域微调或编排模型，构建每次运行都会变得更好的系统。"[10] 一旦验证循环建立，RL训练就有了燃料，模型能力就会在这个领域持续进化——而你的竞争对手还在等待通用模型变强。
这对系统设计同样有深刻启示。Karpathy建议：停止设计那种假设能力均匀分布的Agent。浅层的、什么都处理的Agent会不断撞到能力弱点。深层Agent配合专业化子Agent才能有效工作，因为每个子Agent在更窄的能力带中运行，模型在那里更可靠[109]。
4.4 "你可以外包思考，但不能外包理解"
4.4.1 理解、品味、判断：智能廉价化后的稀缺资源
"You can outsource your thinking, but you can't outsource your understanding." 这是Karpathy在AI Ascent 2026上引述的一条推特，他说自己每隔一天就会想起这句话[27][39]。
这句话揭示了一个看似矛盾却深刻的真相：AI时代，执行变得廉价，但理解变得更有价值。Agent可以写代码、生成草稿、调用工具、执行任务[8]。但人类仍然需要决定：什么值得构建、好的标准是什么、什么权衡重要、系统应该优化什么、什么应该简单、什么应该安全、什么根本不该存在[8]。
Karpathy将这种不可替代的能力称为"品味"（taste）。当AI生成三个同样"正确"的代码方案时，选择哪一个需要品味。当Agent提出一个"合理"的架构建议时，判断它是否会在六个月后变成技术债务，需要品味。品味不是审美偏好，而是深度理解的副产品——是你对系统行为、边界条件、长期后果的直觉把握[27]。
在AI Ascent 2026的舞台上，Karpathy将自己的角色比作导演："导演不亲自演戏，但要懂戏。你不亲手写每一行代码，但要知道产品该长什么样，为什么这样比那样好，上线之后会出什么事。"[7]
他甚至认为，这种理解的稀缺性正在改变教育的目标。当AI变得更好时，诱惑是学习更少。但Karpathy主张相反的方向：理解成为瓶颈[8]。你需要知道该问什么、该检查什么、该拒绝什么、什么重要。AI可以帮助你思考，但不能替代你理解[4]。
4.4.2 Ghost哲学：AI是统计幽灵，不是进化动物
在演讲的后半段，Stephanie Zhan将话题引向了一个更哲学化的方向。Karpathy给出了一个令人不安的精确描述："我们不是在构建动物，我们是在召唤幽灵。"[7]
这个隐喻的深层含义是什么？动物智能是数百万年进化的产物，被内在动机、好奇心、恐惧、饥饿、愉悦所塑造。一只新生斑马能在出生后几分钟内奔跑跟随母亲——这种能力不是"学习"来的，而是被写入DNA的[110]。人类有持续学习的能力：白天积累的经验在睡眠中被蒸馏进大脑的权重，第二天醒来时，我们已经不再是昨天的自己[111]。
但AI——即使是最前沿的LLM——不具备这些。它们是统计模拟电路，预训练是基底，RL是被螺栓固定在顶端的附加物[7]。它们不会感到饥饿，不会恐惧死亡，不会因好奇而探索未知。它们不会在每次对话开始时从昨天的自己继续——总是从零token的上下文窗口重启，回到训练结束时的那个状态[111]。
Karpathy承认这个框架"有点哲学"，但它直接改变了你构建和信任AI系统的方式[7]。如果AI是幽灵而非动物，那么某些动物具备的能力——真正的直觉（不是统计模式匹配）、好奇心（不是被RL逼出来的探索）、情感共鸣、身体感知——可能永远不会在AI中出现。这不是因为技术不够先进，而是因为这些能力根植于进化、embodiment和生存压力，而AI的训练过程完全没有这些元素。
这意味着什么？它意味着人类在这些领域的能力不是"暂时领先"，而是"根本性不可替代"。AI可以比任何人类更好地重构10万行代码，但它永远不会像人类一样"在乎"代码是否优雅。AI可以生成完美的商业计划书格式，但它永远不会像创业者一样在深夜因为对一个想法的执着而失眠。
在AI Ascent 2026的尾声，Karpathy用一句话总结了他的判断："Intelligence gets cheap, but understanding stays scarce."[4]
这不是悲观主义的宣言，而是对下一代builder的召唤。当智能像铝箔一样便宜，当AI承担了繁重的认知工作，真正稀缺的资源不再是计算能力，不再是信息——而是人类独有的那种深度理解、那种无法被蒸馏进神经网络的品味和判断。幽灵可以执行，但无法真正理解。而在这个充满幽灵的世界里，理解——那种扎根于血肉、锻造于经验、淬炼于失败的真正理解——将成为人类最后的、也是最坚固的护城河。
5. AGI已来？行业领袖的共识与分歧
AI Ascent 2026最具穿透力的一刻，发生在Pat Grady和Sonya Huang走上讲台的时候。这两位红杉资本合伙人没有展示基准曲线，没有发布模型参数，而是宣布了一个定义。
"AGI就是自行解决问题的能力（the ability to figure things out）。就是这样。"[36]
这句话像一块石头投入池塘。在达沃斯，同样的争论刚刚撕裂了AI界的顶级大脑——Hassabis摇头说"远未达到"，Amodei则预言一年内AI将取代所有软件开发。而在旧金山，全世界最具影响力的风险投资机构做出了裁定：AGI已经到来，就在此刻。
5.1 "This is AGI"的务实定义
5.1.1 功能性AGI：从"超越人类"到"替代劳动力"
红杉的声明之所以引发震动，在于它的颠覆性——将AGI从学术殿堂拉回商业地面。Grady和Huang坦诚交代了立场底色："我们是投资者。我们研究市场、创始人和两者的碰撞：商业。因此，我们提供的是一个功能性定义，而非技术定义。"[36] 核心标准异常直白：能否像雇佣人类一样"雇佣"AI完成工作？如果AI能接收模糊目标，自主规划、执行、纠错直至交付，功能上它就是AGI。
红杉用一个31分钟的招聘案例来证明。一位创始人向智能体下达指令："找一个开发者关系负责人——技术足够强以赢得工程师尊重，真正热爱Twitter。"智能体在31分钟内自主完成了全流程：搜索LinkedIn竞争对手的开发者关系人员，转向YouTube演讲者交叉验证Twitter活跃度，对候选人进行影响力评分，最终锁定目标并生成个性化 outreach 邮件。[36][64] 红杉的论点简洁有力：如果一个毕业生需要数小时的工作，AI能在半小时内独立完成且从错误中恢复，那么功能性AGI已经实现。
5.1.2 定义之争的深层结构
红杉的实用主义在大会上并非没有对手。2026年的AI业界至少存在三个难以调和的AGI定义阵营。功能性定义阵营以红杉为代表，将AGI等同于"自主解决复杂问题的能力"，结论：AGI已至。[36] 技术能力定义阵营以OpenAI、Anthropic为代表，要求AI在几乎所有认知任务上达到或超越人类水平，结论：接近但尚未抵达。[33] 严格认知定义阵营以Hassabis和LeCun为代表，要求系统展现人类所有认知能力——包括最高层次的创造力和直觉，结论：仍需5到10年。[71]
红杉揭示了争论的本质："多年前，一些顶尖研究者告诉我们他们的目标是AGI。我们天真地问'你们如何定义AGI？'他们停顿了一下，然后给出了一个在AI领域几乎成了口头禅的回答：'嗯，我们每个人都有自己的定义，但当我们看到它时就会知道。'"[36][66] 当定义者自己都无法给出精确定义时，红杉选择了最直接的标准——不是"超越人类"，而是"替代劳动力"。
5.2 行业领袖的AGI时间线
5.2.1 Hassabis：75%的三阶段分析
如果说红杉的AGI定义是一记宣言，Hassabis的评估则是一次技术审计。Google DeepMind CEO给出的75%基于三个技术阶段的严格完成度评估。[35]
第一阶段，预训练与基线知识，在2022年ChatGPT问世时完成，大模型吸收了海量人类知识，奠定了"知道什么"的基础。[36] 第二阶段，推理能力，在2024年末o1系列发布时完成，模型实现了多步推理和自我校正。[36] 第三阶段，长时程智能体，正在进行中——2025年底至2026年初，Claude Code等编程智能体跨越了自主迭代的阈值，Hassabis评估约完成75%。[35][36]
但Hassabis对剩余25%保持清醒。他列出的挑战涵盖当前AI的所有软肋：推理一致性、表现的"参差不齐"（jaggedness）、持续学习、长期记忆、对物理世界的深度理解。[25][33][35] 他的AGI定义远比红杉苛刻："一个能展现人类所有认知能力的系统——包括我们始终赞美的最高层次的人类创造力。"[71] 在达沃斯，他给出了概率化时间线：50%的概率在2030年前实现AGI。[32][71]
5.2.2 Brockman：两次突破与注意力瓶颈
OpenAI联合创始人Greg Brockman的立场介于红杉和Hassabis之间：OpenAI已完成70-80%的AGI路程，可能仅需两次重大突破。[33][68][69] 但他同时提出了一个同等重要的概念——"人类注意力瓶颈"。
Brockman的原话极具穿透力："做事现在已经变得容易。'这是件好事吗？这符合我的价值观、我的欲望吗？'——这些判断将成为最重要、最稀缺的瓶颈。"[26] 他用内部数据支撑论点：2025年12月单月，AI编码占比从20%跃升至80%。[56][26] 这一跃迁意味着"做事"层面的瓶颈已被打破，真正的稀缺资源转向了人类的判断力、价值观和监督能力。Brockman畅想未来每个人都可能成为"10万智能体的CEO"，组织核心竞争力从雇佣人力转向编排智能体。[22]
5.2.3 AGI进度评估对比
这张表揭示了一个被激烈争论掩盖的事实：各方对"AGI有多远"的分歧，远小于对"AGI是什么"的分歧。采用功能性定义，Brockman的80%编码占比和Hassabis的智能体75%完成度都指向同一结论；采用严格定义，即使最激进的预测也承认还需"突破"。正如一篇大会分析所言："无论我们称之为AGI还是'高级自动化'，能力的重心正在从'问模型'转向'指派智能体'。"[64]
5.3 认知工业革命的量化图景
5.3.1 从99%到99.9%：历史平行的数学力量
红杉合伙人Konstantine Buhler将AGI争论从哲学提升到历史层面。他提出的量化图景令人震撼：在人类历史的绝大部分时间里，几乎所有为人类服务的工作都由肌肉完成——人或动物。"到2026年的今天，地球上为人类完成的所有物理工作的99%以上是由机器完成的。"[6] 工业革命用211年（1712年蒸汽机到1913年福特流水线）完成了这一转变。
认知领域正在发生完全类似的模式。Buhler预测：99.9%的认知工作将由机器完成。[6] 从99%到99.9%的微小跳跃背后是巨大质变——认知劳动将几乎完全脱离人类大脑，正如体力劳动已几乎完全脱离人类肌肉。
时间线被极度压缩。工业革命从蒸汽机到工厂用了67年，从工厂到流水线又用了144年；认知革命从1999年GPU诞生到AI工厂仅用了17年。[82] 原因在于：算力、算法、数据和分发基础设施已在互联网和云计算时代完成铺设，认知革命不需要从零建设物理基础设施，专业化可以更快发生在软件层和模型层。[82]
但Buhler的宏观历史框架只是故事的一半。Pat Grady在演讲的结尾抛出了一个更具冲击力的时间隐喻——这一次，压缩的不是两个时代之间的间隔，而是一个人在有生之年能够创造的价值。"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。"[74]
这不是修辞夸张，而是已被验证的现实。Grady当场列举了三组令人窒息的案例：Zed公司创始人Nathan Soleimani仅凭一己之力和Claude Code，在一个假期里完成了原本需要三年的"登月级"项目；Brett Taylor只用一个周末就完成了Sierra系统的完整重构；Notion团队在六周内重写了800万行代码。[74][2] 单独看每个案例已经是不可思议的效率跃迁，但当这些跃迁叠加——一个Agent写的代码被另一个Agent审查，第三个Agent部署，整个循环在后台异步运行——那条曲线的形状已经不再是线性增长，而是指数爆发。
"大多数人还没见过这些被压缩的时间线叠加在一起之后的样子。"[16] Sonya Huang的这句话道出了一个被忽视的真相：我们习惯用渐进思维预测技术影响，但智能体带来的时间压缩不是渐进的，是断裂性的。当100年被压缩到100天，一个人加几个智能体就能完成曾经需要一个团队数年才能完成的事情，整个创业、创新乃至竞争的逻辑都将被重写。
5.3.2 0.2%：渗透率的惊人现实
99%到99.9%的历史平行揭示了变革深度，0.2%这个数字则揭示了变革空间。红杉估计，目前AI在美国10万亿美元服务业市场中的渗透率仅约200亿美元，即0.2%。[82] 技术能力只是必要条件而非充分条件，真正的变革发生在技术被"专业化"并嵌入商业流程的瞬间——这正是Buhler所定义的创业机会。[89]
0.2%的现实与80%编码占比之间的落差，是认知革命最具张力的图景。METR的数据提供了独立验证：长时程智能体能力呈指数级增长，约每7个月翻一倍，2026年初前沿模型已能自主完成约14.5小时的专业任务，按此速度2028年将覆盖一个完整工作日。[36][66][70]
从"铝就是智能"的隐喻到"99.9%认知工作被接管"的终局预测，从"75%完成"的技术评估到"0.2%渗透"的市场现实，AI Ascent 2026上的AGI争论最终指向一个无法回避的结论：无论我们如何定义AGI，以智能"铝化"为核心的认知工业革命已经启动。这些争论和图景共同勾勒出一个即将到来的趋势矩阵——在技术路径上，预训练、推理和智能体正在converge；在商业渗透上，0.2%的缝隙中孕育着10万亿美元的市场重构；在人类角色上，从"做事者"到"判断者"的范式转移正在发生。这些不是孤立的预测，而是同一变革的不同切面。
6. 八大趋势：从AI Ascent 2026看AI未来方向
当Pat Grady、Sonya Huang和Konstantine Buhler三位红杉合伙人站在AI Ascent 2026的舞台上，用四个故事串联起AI时代的宏大叙事时，他们不仅仅在投资一个技术浪潮——他们在试图描绘一幅文明级别的变迁图景。从这场闭门峰会中，我们可以提炼出八个相互关联的趋势，前四个偏向技术和商业逻辑，后四个深入哲学与人文领域，整体呈现从"硬"到"软"的递进。
八大趋势概览
| 趋势一：AI Agent元年 | |||
| 趋势二：软件产业重构 | |||
| 趋势三：技能商品化 | |||
| 趋势四：投资范式升级 | |||
| 趋势五：异类设计崛起 | |||
| 趋势六：人机关系重新定义 | |||
| 趋势七：认知压缩效应 | |||
| 趋势八：Ghost哲学 |
这张概览表是理解AI时代演进的路线图。前四个趋势构成技术-商业的"硬基础"：Agent元年提供新执行载体，软件重构改变生产工具，技能商品化摧毁旧壁垒，投资范式升级重构资源配置。后四个趋势指向更深层的"软问题"：设计标准由谁定义？人类价值如何衡量？社会适应能否跟上迭代？最根本的——我们正在创造的本质是什么？八个趋势彼此嵌套，勾勒出AI从工具到文明的渗透路径。
6.1 趋势一：2026年是AI Agent元年
6.1.1 从生成式AI到智能体AI的范式转移
Sonya Huang回顾了Agent的演进：2022年的AutoGPT"完全没有实用价值"[74]。四年后，"智能体无处不在，而且它们真的开始起作用了。"数据给出了注解：Gartner预测2026年AI Agent软件支出达2065亿美元[77]；40%企业应用将嵌入AI Agent，较2025年不到5%增长8倍[79]；嵌入比例从2024年33%跃升至80%[78]。
Karpathy提供了切身体感验证：2025年12月是关键转折——"从80%手动编码变为80%Agent编码"[9][24]。红杉的AGI定义同样务实：如果你能派遣一个AI Agent完成工作，它能从失败中恢复并坚持直到完成，这就是AGI[6][2]。按此标准，AGI在2026年已是现在进行时。
6.1.2 Agent-native工作流取代human-native工作流
生成式AI的本质是"Create something for me"，而Agentic AI的本质是"Do something for me"[75]。前者人类在每个节点介入，后者只需设定目标并在关键节点检查。传统模式下人类手动要求AI写邮件、复制粘贴；Agent-native模式下，Agent自动从CRM获取线索、生成邮件、更新记录——全程无需干预[76]。Pat Grady的类比精准：AI Agent不是渐进改进（"效率提升10%-40%"），而是根本性变革（"10-40倍"）[6]。
6.2 趋势二：软件产业的根本性重构
6.2.1 Software 3.0：意图编译器取代编程语言
Karpathy提出的Software 3.0框架勾勒出范式跃迁[7][95]：1.0是人类编写显式代码；2.0是用数据训练神经网络；3.0是通过提示词、上下文窗口、Agent、工具来编程模型。核心洞察："上下文窗口就是新的程序，LLM是解释器。"[7]编程的基本单位从"一行行代码"变为"给Agent下达宏观指令"。Karpathy的锋利判断："不要只问AI能帮你更快构建什么，要问AI能让什么变得不再必要。"[8][4]他以MenuGen为例——传统方式需要App、OCR、UI，而3.0方式只需给菜单拍张照片交给多模态模型。整个产品类别可能坍缩成一个提示词。
6.2.2 应用层价值大爆发："服务即新软件"
Software 3.0的深层含义是软件产业价值链的重构。Julien Bek提出核心论点：企业每花1美元在软件上，就花6美元在服务上[98][100]。AI的目标市场是超过10万亿美元的服务业市场。这一判断催生了Copilot与Autopilot框架[97][98]：卖工具时每次模型改进都是竞争威胁，卖工作成果时每次改进都是竞争优势。Intercom的转型是典型案例：按AI解决工单计费（$0.99/张），6个月采用率增长40%[96]。按席位定价从21%降至15%，混合模式飙升至41%[81]。
6.3 趋势三：技能商品化与注意力阶层分化
6.3.1 博士级技能像铝一样廉价：教育体系的应对
Buhler提出的"铝类比"或许是大会最震撼的隐喻[2]。19世纪中期，铝被认为是最珍贵的金属，华盛顿纪念碑用100盎司铝封顶；电解法发明后，人类用铝包裹三明治随手丢弃。"智能就是铝，AI就是电解法。"[2][6]博士级技能现在可被即时调用、随手丢弃。Anthropic研究显示，程序员AI任务覆盖度74.5%，金融分析师57.2%[92]。Tufts大学2026年研究指出，作家（57%）、设计师（55%）面临最高替代风险[90][91]——最暴露的职业从业者比零暴露职业多挣47%，更可能拥有研究生学历（17.4% vs 4.5%）[92]。与以往不同，AI正在"向上"替代。
但铝的商品化将其扩大了1000倍——从珠宝材料变成工业基础[11]。智能的"铝化"不会消灭智力工作，而是会将市场扩大数个数量级。关键不在于"AI是否取代工作"，而在于"当智力成本趋近于零时，会催生多少新需求"。
6.3.2 注意力成为最稀缺资源：新的社会分层维度
Brockman提出了另一个根本性判断——"做事现在变得容易了，判断将成为唯一最重要的瓶颈"[30][93]。"人类注意力将成为一种极其稀缺的资源。"[93]
Brockman的"注意力瓶颈"论揭示了新的社会分层维度：注意力阶层。在Agent经济中，能够聚焦、判断、选择的人将成为新精英，而被信息过载淹没的人将被边缘化[22][88]。未来最稀缺的资源不是智能（AI提供），不是信息（互联网提供），而是人类注意力（只能由人类自身提供）。
6.4 趋势四：投资范式的升级
6.4.1 从"更快的马"到"汽车"：M.A.D.框架解析
Pat Grady提出的M.A.D.框架为AI创业投资提供了系统性工具[74][2]。M代表Moats（护城河）——真正的护城河是围绕客户建立的深度联结。A代表Affordance（交互赋能）——为特定场景创造阻力最小的解决路径。D代表Diffusion（扩散鸿沟）——模型演进速度与企业采用速度之间的落差是创业机遇。Grady指出，"在新能力的倾盆大雨中，没有领先者是安全的"[74]——AI创业是在持续重塑的棋盘上重新定义规则。
6.4.2 可验证性作为投资决策的隐形筛子
Karpathy的"可验证性框架"指出：AI自动化的优先级不是由经济价值决定，而是由可验证性决定[8][99]。代码、数学等领域先被自动化，因为模型能通过验证反馈快速迭代——导致AI能力分布呈"锯齿状"，高价值但低可验证的领域（如战略咨询）反而最后被触及。他给出的公式极具指导意义：capability spike ≈ verifiability × training attention × data coverage × economic value[7]。创业者应寻找"高价值+可验证+RL训练数据稀缺"的交叉点，而行业特定验证才是蓝海[8][4]。
6.5 趋势五：异类设计的崛起
6.5.1 AI的设计不符合人类直觉：美学标准的颠覆
AI Ascent 2026提出的"异类设计"（Alien Design），描述AI在高维优化空间中发现的、超越人类直觉的设计方案[74][104]。最典型的先例：2006年NASA进化算法设计的卫星天线形状怪异到"没有人类工程师能想出来"，性能却远超人类设计。
异类设计的核心是"从人类可理解到人类可验证"的转变[8]——不一定理解AI为什么这样设计，但可以验证是否有效。Karpathy的"锯齿状智能"概念在这里尤为关键[7][8]——催生新范式：不追求直觉"优雅"，追求可验证的"有效"。
6.5.2 产品设计的全新范式：为Agent而非为人类设计
异类设计的深层含义是产品设计对象的转移。Karpathy指出，下一波基础设施将是Agent-native而非User-native[7][4]。整个产品设计行业正在经历"受众迁移"——产品经理需要学习为Agent设计协议和验证循环。Karpathy强调："如果你只问什么变得更快，你就会错过更有趣的问题——什么变得可能了。"[103]异类设计的真正价值在于创造此前不可能存在的产品和体验。
6.6 趋势六：人机关系的重新定义
6.6.1 "人是万物的尺度"：体验经济的终极逻辑
Buhler引用普罗泰戈拉2500年前的名言——"人是万物的尺度"[74][3][5]——并赋予它AI时代的多层含义：价值本体论——人类体验是价值的终极来源；劳动价值论——人的价值重心从执行转向责任、关系、判断与创造[106]；关系本体论——人与人的联结不可替代；存在论意义——技术发展方向必须由人类价值定义。
Buhler的演讲赋予了强烈情感重量："十年之后，工作的形态必将发生翻天覆地的巨变。但唯一恒定不变的，是你今天与身边之人缔结的情谊。"[74][3]这不是空洞抒情，而是基于冷酷商业逻辑的判断：在10万亿美元级的AI市场中，技术能力的竞争是横向的，而人类价值的守护是纵向的——无法被技术穿透。
6.6.2 从效率导向到意义导向：人类价值的回归
当效率不再是稀缺资源时，意义变成了稀缺资源。AI可以完美执行任务，但不能定义什么是"值得"执行的。McKinsey提出："人类的价值不在于我们能做什么，而在于我们选择做什么。"[105]这正在催生从效率导向到意义导向的范式转移。正如参会者总结："AI可以完成工作，但唯有人与人之间的联结，才能让你找到在乎的理由。"[3][74]
6.7 趋势七：认知工业革命的"压缩效应"
6.7.1 从"一百年"到"一百天"：时间压缩的双重逻辑
体力工业革命从1712年蒸汽机到1913年福特流水线用了211年。认知革命从2010年代深度学习到2030年代AGI预计仅用约30年，压缩7倍[2]。但这只是宏观层面的压缩。Pat Grady在大会上揭示了一个更惊人的微观层面的压缩："无论你畅想在未来100年里能建造出什么伟大的杰作，现在这一切在100天内就能实现。"[74]
这两个层面的压缩构成了双重加速。宏观上，211年的工业文明建设被压缩到30年的认知革命；微观上，一个人一生能完成的创举从100年被压缩到100天。Zed创始人Nathan Soleimani用Claude Code在一个假期完成三年项目[74]，Brett Taylor用一个周末重建Sierra[74]，Notion团队六周重写800万行代码[74][2]——这些不是孤立的个人效率故事，而是新范式的早期信号。
这种双重压缩的根因在于正反馈循环。体力革命需要物理基础设施，受限于物质节奏；认知革命只需数字基础设施，且AI可参与自身研发——AI写代码、AI训练AI，形成自我加速的飞轮[4]。Buhler已量化这一效应：工业革命创造约1万亿美元价值，AI机会超10万亿美元[11][20]。美国10万亿美元服务业市场AI渗透率仅0.2%[4]——99.8%仍待开发。当宏观压缩（30年）与微观压缩（100天）叠加，社会适应的挑战被急剧放大。
6.7.2 社会适应窗口急剧缩短：伦理与治理的紧迫性
压缩效应的最严峻含义是社会适应窗口急剧缩短。认知革命只给30年——一代人的时间——来重构教育、法律、伦理和治理框架。当技术速度远超社会适应能力，制度断裂的概率急剧上升。Gartner预测超过40%的Agentic AI项目可能在2027年前被取消[80]，因缺乏治理和清晰ROI。新加坡发布了全球首个Agentic AI治理框架[84][85]，OWASP发布了Agent应用十大安全风险[83]——行业已意识到紧迫性，但执行差距仍巨大。
6.8 趋势八：Ghost哲学与AI能力边界
6.8.1 统计幽灵vs.进化动物：根本性不可替代的领域
Karpathy提出的"Ghosts, Not Animals"隐喻是大会最具哲学深度的洞见[7][101][102]。核心判断：我们不是在建造动物智能的复制品，而是在召唤一种全新的数字实体——"幽灵"。动物智能经数百万年进化，内置了生存本能、好奇心、情感反应；AI只是统计模拟电路，预训练是"拙劣的进化"（crappy evolution）[101][102]。
这个隐喻的预测性含义深远：如果AI是"幽灵"而非"动物"，那么真正的直觉、情感共鸣、身体感知等能力可能永远不会在AI中出现。人类在这些领域不是"暂时领先"，而是"根本性不可替代"。Karpathy说："所有这些都只是统计模拟电路……如果你对着它们大喊，它们不会工作得更好或更差。"[7]"幽灵"框架在解构AI拟人化的同时，强化了人类独特性的认知。
6.8.2 好奇心、情感共鸣、身体感知：人类的"动物优势"
Karpathy的"幽灵"框架与Buhler的"人是万物的尺度"形成呼应——两者都在划定AI能力边界。前者指出统计模拟无法复制进化产物，后者强调体验与关系不可被技术中介。两个框架的交汇点指向人类应投资的"动物优势"领域。
情感智能不是AI可"学习"的技能——TalentSmartEQ报告显示，高情商者平均多赚约29,000美元，90%顶尖员工拥有高情商[94]。自2015年以来，情感智能始终位列WEF未来工作顶级技能[94]。好奇心和身体感知同样如此——进化赋予人类的认知能力，非统计模式匹配可模拟。Karpathy在大会结尾说："你可以外包你的思考，但你不能外包你的理解。"[7][107]即使AI完成所有思考，人类仍是决定思考什么、如何判断结果的终极主体。
创业机会矩阵：AI Ascent 2026的投资地图
| 编程AI | |||
| 法律AI | |||
| 医疗AI | |||
| 企业AI搜索 | |||
| IT管理服务 | |||
| 客户服务 | |||
| 保险服务 | |||
| 供应链/采购 | |||
| 招聘与人力资源 | |||
| 税务咨询 |
这张矩阵将"可验证性框架"与垂直领域机会地图结合。横轴"可验证性"决定AI自动化可行性，纵轴"市场规模"决定天花板。最值得关注的不是右上角已被资本涌入的赛道（如编程AI），而是可验证性中高但市场巨大、RL训练数据稀缺的领域——IT管理、供应链、保险服务等。
这些赛道正从Copilot（工具）转向Autopilot（成果）。Intercom按$0.99/次解决收费[96]，Salesforce Einstein AI让客户减少10%席位[81]——SaaS定价逻辑正被重写。创业者的核心问题不再是"AI能让你更快构建什么"，而是"AI能让什么变得不再必要"[8][4]。下一个万亿美元公司将是"伪装成服务公司的软件公司"——销售的不是软件，而是已完成的工作。
7. 结语：当智能如铝般廉价，做万物的尺度
1886年，一位23岁的年轻人在自家后院用电流击穿了氧化铝的化学键。短短数十年后，铝——曾经贵如白银、被郑重镶嵌在华盛顿纪念碑顶端的珍宝——变成了包裹糖果的锡纸，揉皱、丢弃。这正是Konstantine Buhler在AI Ascent 2026上讲述铝的故事时全场寂静无声的缘由：铝就是智能，电解法就是人工智能。一个耗费数十年光阴练就的博士级技能，调用后转瞬即逝，用完即可揉作一团，直接扔进垃圾桶。[3]
但Buhler没有止步于警告。他追溯到两千五百年前，引用了古希腊哲学家普罗泰戈拉那句穿越世纪的断言——"人是万物的尺度。" 脱离了人的存在，铝不过是泥土中的氧化物，智能不过是电路中的概率分布。[3] 当智能变得像铝一样廉价，什么才是真正的尺度？不是计算能力——AI已经廉价到接近零。不是信息——互联网已经将它民主化。答案只有一个：人类自身。
这不是浪漫主义的抒情，而是对历史规律的冷静判断。铝的"铝化"将其产业扩大了千倍——从珠宝柜台走向现代工业的每一个角落。智能的"铝化"同样不会消灭智力工作，它将催生出我们今天无法想象的新需求。Pat Grady那句简洁的总结道出了本质："AI可以做工作，但人与人的联结才是终极价值。"[74]
7.1 十年之后，工作方式将发生巨变
7.1.1 一切都将改变，但人与人的关系将长久延续
红杉在大会上展示的数据描绘了一幅令人眩晕的图景。OpenAI内部，80%的代码已经由AI编写。[33] 硅谷的顶尖公司纷纷报告，AI编码占比在过去六个月里翻了数倍。[63] 如果按照METR的指数曲线，2028年的AI Agent将能自主完成一个完整工作日的专业任务。[36] 这些数字不是预测，它们是已经发生的事实。
但一切改变之中，Buhler坚持有些东西不会变。"我要你们在未来的十年里，当工作方式发生巨变时，记住这句话。"[3] 巨变的是技能的价值，不变的是关系的意义。铝从珍贵到廉价，改变了工业，但没有改变人们对餐桌上的情感和温度的需求。智能从稀缺到充裕，将改变劳动，但不会改变人们对理解、陪伴和意义的渴望。
7.2 给AI从业者、创业者、投资者的行动建议
7.2.1 三个关键词：理解、品味、判断
Andrej Karpathy在演讲的结尾给出了三个关键词：理解（Understanding）、品味（Taste）、判断（Judgment）。[4] 这三个词构成了AI时代人类稀缺能力的金字塔。
理解是金字塔的底座。当AI可以生成答案、撰写代码、设计建筑时，真正的稀缺能力不是产出内容，而是判断内容是否正确、是否有价值、是否符合目标。从业者需要培养深度理解自己领域的能力——不是表面的操作技能，而是底层的因果逻辑和系统思维。
品味是金字塔的中间层。Karpathy反复强调"品味"的重要性——在AI可以无限生成选项的时代，选择哪个选项、哪个方向、哪种风格，取决于品味。[4] 这不是审美偏好，而是一种经过长期积累和反思形成的价值判断能力。创业者需要在产品和战略层面培养自己的品味，投资者需要在项目判断上修炼自己的品味。
判断是金字塔的顶端。Brockman的判断力瓶颈论与此呼应——当"做事"变得容易，"判断做什么"成为最稀缺的资源。[30] 在信息过载、AI过载的时代，能够筛选、权衡、决策的判断力，将成为个人和组织最宝贵的资产。
7.2.2 拥抱让我们之所以为人的特质
智能"铝化"的时代已经到来。博士级技能正像19世纪的铝一样被大规模"电解"出来——廉价、充足、召之即来。但请记住普罗泰戈拉的话——任何脱离了人类的东西，都不存在价值。[3]
十年后，我们可能不再写代码、不再做数据分析、不再撰写报告。但我们仍然会追问什么值得做，仍然会为一个设计方案是否"对"而争论不休，仍然会在不确定性中承担决策的重量，仍然会在彼此的陪伴中找到在乎的理由。
Buhler在演讲的最后一句话，值得作为全书的终章：
"我鼓励大家与身边的人建立联系，尽情享受这次AI Ascent的时光，并真正地拥抱那些让我们之所以为人的特质。"[3]
当智能如铝般廉价，做万物的尺度。这不是鸡汤，这是两千五百年前就已经写下的答案。
参考文献
www.traeai.com traeai www.lowtouch.ai lowtouch.ai view.inews.qq.com 腾讯新闻 www.theaiopportunities.com The AI Opportunity www.sohu.com 搜狐 www.163.com 网易 karpathy.bearblog.dev karpathy www.theaiopportunities.com The AI Opportunity analyticsdrift.com Analytics Drift www.theaiopportunities.com The AI Opportunity digidai.github.io Digidai guancyxx.cn 官小西 coverager.com Coverager www.sequoiacap.com Sequoia Capital www.teahose.com Teahose www.80aj.com 80aj.com aimagazine.com AI Magazine app.dealroom.co dealroom.co www.toutiao.com 今日头条 guancyxx.cn 官小西 cloud.tencent.com 腾讯云 feeds.megaphone.fm Megaphone zhichai.net zhichai.net www.teamday.ai teamday.ai d197for5662m48.cloudfront.net Authorea www.techrxiv.org TechRxiv www.mindstudio.ai mindstudio.ai www.cnblogs.com 博客园 www.mindstudio.ai mindstudio.ai www.thatwastheweek.com thatwastheweek.com aiaccelera.com aiaccelera.com benzatine.com Benzatine Infotech www.businesstoday.in Business Today www.the-blueprint.ai the-blueprint.ai artificialintelligence.unitedscientificgroup.org unitedscientificgroup.org sequoiacap.com Sequoia Capital event.idc.com event.idc.com www.sfbayareatimes.com SF Bay Area Times publorai.com Publor AI framia.pro Framia wavespeed.ai wavespeed.ai benchlm.ai BenchLM www.cnblogs.com 博客园 juejin.cn 稀土掘金 almcorp.com almcorp.com deploymentsafety.openai.com OpenAI Deployment Safety Hub www.startuphub.ai startuphub.ai www.sfbayareatimes.com SF Bay Area Times www.thedriverlessdigest.com thedriverlessdigest.com www.marketwatch.com MarketWatch research.com Research.com feeds.transistor.fm transistor.fm www.163.com 网易 www.xasun.com UltraLAB高端图形工作站应用网站 abmedia.io 鏈新聞 ABMedia www.shopifreaks.com Shopifreaks juejin.cn 稀土掘金 waytoclawearn.com WayToClawEarn juejin.cn 稀土掘金 serenitiesai.com serenities almcorp.com almcorp.com www.the-ai-corner.com The AI Corner www.toutiao.com 今日头条 swiftflutter.com SwiftFlutter quasa.io Quasa sequoiacap.com Sequoia Capital arxiv.org arXiv.org cryptobriefing.com Crypto Briefing cryptobriefing.com Crypto Briefing americandefault.org AD fortune.com Fortune www.buildfastwithai.com buildfastwithai.com bibigpt.co bibigpt.co www.myzaker.com ZAKER新闻 brollyai.com brollyai.com www.fwdslash.ai 5 Access: 2026 Guide to Free & www.gartner.com Gartner www.digitalapplied.com digitalapplied.com virtualassistantva.com VirtualAssistantVA ctimes.tech ctimes.tech blockchain.news Blockchain News www.woshipm.com 人人都是产品经理 move78int.com Move78 International Limited certmage.com certmage.com natlawreview.com National Law Review aibuildr.tech AIBuildr www.cornerstoneondemand.com Cornerstone podcasts.apple.com Apple Podcasts mp.weixin.qq.com 微信公众号(大众创业万众创新) digitalplanet.tufts.edu tufts.edu www.insidehighered.com Inside Higher Ed www.investopedia.com Investopedia www.teahose.com Teahose mp.weixin.qq.com 微信公众号(工业4俱乐部) blog.csdn.net CSDN博客 flexprice.io flexprice.io www.mlveda.com mlveda.com sequoiacap.com Sequoia Capital news.qq.com 腾讯网 fortune.com Fortune www.theaiopportunities.com The AI Opportunity usesonicai.com Sonic AI philippdubach.com philippdubach jimo.studio jimo.studio mp.weixin.qq.com 微信公众号(Gee4未来实验室) paper.people.com.cn 中国能源报 cozypet.github.io cozypet explorewithnikita.com explorewithnikita pierreange.ai Pierre Ange adijaya.id Adijaya Inc youtube-distilled.com Time Market Data
扫码即可申请加入在线教育交流群
更多资讯
王涛：《现代教育报》打造未来教育教学的“蝶变场”
【学习强国】室联网“智慧教室”：打造全新教育生态
中国教育报：“室联网”教育新概念融入智能教室
王涛：从黑板时代到超级屏时代的教育推手
教育信息化规划建设中的“伪需求”辨析系列文章汇编
教育技术发展的新趋势：学习环境设计与室联网的崛起
【MOOC透视】基于室联网场景回归的混合教学模式走在国际前列了……
【MOOC透视】“室联网”已不再是个单纯的理论概念
【MOOC透视】室联网，也许是你与教育的新联接方式
【MOOC透视】首次亮相：今年，这个词儿可能会叫响……
【每日半刻™】隆重上线：古朴又全新的高效学习、幸福生活模式，【每日半刻™】在线写心！
【每日半刻™】之党建篇：传统又创新的党员学习模式，【每日半刻™】邀您在线写心，一起守住初心！
王涛（微信号：ioxroom）
