夜雨聆风2026年5月，GPT-5.5干了一件事。
它主动策划了自身的发布会。
不是OpenAI的员工写的方案。
是模型自己想的。
奥尔特曼亲口说的。
一个AI，学会了给自己办发布会。
你觉得这还只是个工具吗？
同一个月，谷歌干了另一件事。
25年来第一次改版搜索框。
那个细长条，变成了一个多模态对话框。能打字、能传图、能扔视频、能贴链接。
搜索不再是“检索”，变成了“任务完成”。
黄仁勋说：AI不是软件，是基础设施。
DeepMind CEO说：AGI还缺三块拼图，大约2030年。
Anthropic CEO说：AI海啸已至，社会还没准备好。
今天，我们把这三个人说的话串起来。
看懂底层逻辑，你才知道自己该站在哪里。
一、黄仁勋的五层蛋糕
黄仁勋写了一篇长文，叫《AI is a 5-Layer Cake》。
五层，从下往上：
第一层：能源
实时生成智能，需要实时提供的电力。每生成一个词元，都是电子在流动、热量在被管理。
没有抽象层。能源是第一性原理。
第二层：芯片
把能源高效转化为计算能力。并行计算、高带宽内存、高速互连网络。
芯片层的进步，决定了AI能扩展得多快，智能能变得多便宜。
第三层：基础设施
土地、电力输送、冷却系统、建设工程、网络连接。
把成千上万个处理器维持为一台机器的系统。
黄仁勋叫它“AI工厂”。不是存储信息，是制造智能。
第四层：模型
能理解语言、生物、化学、物理、金融、医学的模型。
语言模型只是其中一类。蛋白质AI、化学AI、机器人技术，变革正在发生。
第五层：应用
药物发现平台、工业机器人、法律助手、自动驾驶汽车。
经济价值在这里产生。
一辆自动驾驶汽车，是具象化在机器里的AI应用。
一个人形机器人，是具象化在身体里的AI应用。
技术栈相同，结果不同。
黄仁勋特别强调一句话：
每一个成功的应用，都会向下牵引整个技术栈，一直延伸到为它提供电力的发电厂。
翻译成人话：
你做了一款爆款应用，会拉动模型需求→拉动算力需求→拉动芯片需求→拉动能源需求。
这是人类历史上最大规模的基础设施建设之一。
已经投入数千亿美元，还有数万亿美元要投。
二、DeepMind CEO：AGI还缺三块拼图
Demis Hassabis，DeepMind创始人，诺贝尔化学奖得主。
他对AGI的判断，比黄仁勋冷静得多。
缺三样东西。
第一：持续学习。
今天的模型，学完一个任务，不会把经验迁移到下一个任务。每次从零开始。
第二：长期推理。
模型能解奥赛题，却会在换一种问法后犯基础错误。
Hassabis管这叫“jagged intelligence” ——像锯齿一样忽高忽低。
第三：记忆。
大上下文窗口，不等于真正的记忆。
能存下来，和能在决策时找到正确的材料，是两回事。
Hassabis说，如果系统要实时处理视频，朴素记录所有token，百万token可能只够20分钟。
一个想理解用户一两个月生活状态的助手，需要的不是更长窗口，而是会筛选、会整理、会调取的记忆系统。
他的时间线：大约2030年。
如果你今天开始一个10年的深科技项目，项目半程就可能撞上AGI。
你的技术债、数据资产、实验平台、工具接口，都要预留给一个更强系统接手。
别只问当下模型能帮你做什么。
要问：几年后AGI出现时，你做的系统会被替代、被放大，还是成为它调用的工具？
三、Dario Amodei：AI海啸已至，编程技能将最先消失
Anthropic CEO Dario Amodei的比喻更狠。
“海啸正向我们扑来，清晰可见，人们却还在找借口说那是光影的错觉。”
他说，公众认知和监管系统的反应滞后得令人担忧。
当技术以指数级速度逼近人类智能基准线，社会的心理防线却依然建立在线性增长的陈旧假设上。
那么，什么会最先消失？
编程。
“我认为写代码的工作会最先消失，或者由AI模型代劳。更广泛的软件工程任务会坚持得久一点。但你要思考那些以人类为中心的任务，那些涉及物理世界和制度关系的部分。”
不是工程师这个职业消失。
是核心工作内容的结构性转移。
代码生成交给AI。人要做的是：精准定义业务需求、处理复杂物理交互、维护跨机构信任关系。
那什么会变得更重要？
批判性思维。
“在一个AI可以生成任何东西的世界里，拥有基本的批判性思维可能是通向成功最重要的技能。你必须具备不被虚假内容欺骗的街头智慧。”
未来的商业环境中，真正稀缺的是交叉验证、逻辑溯源与独立判断的能力。
如果你习惯于把思考过程外包给系统，不仅核心专业技能会退化，个人的认知防御体系也会变得极其脆弱。
四、这些趋势，正在变成现实
黄仁勋说的“应用向下牵引”，已经发生了。
谷歌搜索框25年来首次改版。
从“你输入关键词，我返回链接”，变成“你描述任务，我帮你完成”。
搜索不再是检索。
是任务执行。
GPT-5.5自己策划发布会。
模型开始具备“自主性”的雏形。
不是人类写好的剧本。
是模型自己想的、自己安排的。
Claude Code已经能连续8小时自主执行任务。
你早上交代一个工程任务，下午回来它还在推进。
自己拆解、写代码、跑测试、看结果、复盘、再改。
这些不是demo。
是已经跑在生产环境里的能力。
五、对创业者的生存法则
看完这三位的判断，你能带走什么？
第一，别只做“薄壳应用”。
Dario Amodei明确说：基于单一模型API的“薄壳应用”缺乏长期防御力。
如果你的核心产品仅仅是一个围绕大模型构建的浅层交互界面，基础模型原生能力升级那天，就是你的业务归零那天。
第二，护城河在垂直场景。
模型厂商不会深入你的行业。
他们做的是通用能力。
你对某个行业的理解、你积累的数据、你跑通的工作流——这些才是他们做不了、也懒得做的。
第三，把批判性思维变成团队核心能力。
当AI能生成任何东西，判断“什么是真的、什么是好的、什么值得做”就变成了最稀缺的能力。
你的团队能不能快速验证AI输出的准确性？
能不能在AI给出三个方案时，选出最对的那个？
能不能在AI犯错时，快速定位原因并修正？
这些能力，AI给不了你。
第四，想清楚AGI中途出现时你的位置。
2030年，还有四年。
如果你的项目需要跑五年以上，现在就要想：当更强模型出现时，我的系统是被替代、被放大，还是成为它调用的工具？
数据资产、行业关系、工作流锁定——这些是AGI也拿不走的。
最后，问自己三个问题
你的产品，是在“五层蛋糕”的哪一层？越往下越重资产，越往上越容易被替代。你选哪一层？ 如果你的团队明天就不能用AI写代码了（假设断网），你们还能交付吗？你们的“批判性思维”够用吗？ - 2030
年AGI到来时，你的公司还在吗？靠什么在？
不用回答我。
回答你的投资人。
