施密特与李飞飞的一场对谈，留下五个关于未来的判断

就在不久前，一场关于“数字超级AI”的公开对谈，把两个看似相反的人放在了一起：一边是长期强调算力、规模和超级AI前景的谷歌前 CEO埃里克·施密特；另一边，是把“以人为中心的 AI”带入全球公共讨论的斯坦福教授、World Labs 联合创始人兼 CEO李飞飞。

他们讨论的不是“某个模型还能多拿几分”，而是一个足以影响未来十年的问题：AI 到底会变成什么，人类又该把自己放在什么位置？

两人的语气并不相同。施密特更关注超级智能、效率和经济增长；李飞飞则不断提醒人们，智能不是单一刻度，技术能力也不等于社会结果。整场对话整理出以下五个值得普通人认真思考的共识：

第一，AI没有我们想的那么神。

施密特认为，人类有可能创造出能够完成几乎所有人类认知任务的系统，甚至向超级智能迈进。但他也承认，行业并不知道准确时间，真正跨越现有边界，或许仍需要新的算法突破。

李飞飞的反问更直接：AI 能不能成为牛顿、爱因斯坦或毕加索？今天的 AI 在记忆、计算、翻译和跨领域知识覆盖上，早已在许多维度超过单个人类；可“知道很多”，并不等于能从纷繁现象中抽象出一个前所未有的解释框架。

她举了一个关键例子：即使把大量天体运行数据交给今天的 AI，它也未必能够独立推导出牛顿运动定律。因为科学发现不只是从数据中找相关性，还要提出问题、改变目标、跨越领域并形成可解释的新概念。

所以，更准确的说法不是“AI 永远不会创造知识”，而是：现有系统已经很会压缩、组合和调用知识，但能否稳定完成真正原创的科学发现，仍没有公认答案。AI 很强，但它的边界远比营销口号复杂。

第二，机器人距离成熟还很远。

当主持人把话题转向机器人时，李飞飞没有跟随硅谷最乐观的节奏。语言模型生活在相对整洁的数字世界里，机器人却要面对摩擦、遮挡、重力、碰撞，以及随时变化的人类环境。

抓起一个杯子、避开桌边、走上楼梯，看起来只是日常动作，背后却需要视觉、空间推理、触觉、控制和身体协调同时工作。人类几乎不用思考就能完成，机器却必须把大量自由度在真实时间里配合起来。

因此，“机器人马上会像人一样灵活”仍是过度乐观。若把成熟理解为能在开放环境中长期、稳定、安全地完成复杂任务，它更像一个十年以上的长周期，而不是两三年内就能兑现的承诺。这是一种方向判断，不是精确倒计时。

真正值得关注的，也不是舞台上的一次精彩演示，而是系统能否在不同家庭、工厂、医院和街道里重复成功，发生意外时能否被人接管，并且成本低到足以持续部署。

第三，AI会让底线更高，但上限更远。

李飞飞认为，AI 有能力让医疗、交通和知识服务覆盖更多人。一个偏远地区的患者可以更早获得辅助筛查，一个普通孩子可以拥有全天候的学习助手，一位行动不便的老人也可能得到机器协助。

这可以理解为“底线平权”：过去昂贵、稀缺、依赖地理位置的基础服务，因为智能成本下降而变得更容易获得。它并不意味着所有人的结果相同，而是让更多人有机会跨过最低门槛。

但李飞飞也反复强调，生产率提升不会自动变成共同繁荣。真正掌握模型、芯片、算力、数据、资本和分发渠道的人，能够更快地放大收益。于是，社会底线可能被抬高，财富和能力的上限却同时被拉得更远。

这就是 AI 时代最容易被忽略的矛盾：同一种技术，既可能扩大公共服务，也可能重排权力。AI 不是自动平均分蛋糕，它只是在改变生产蛋糕的方式；分配仍然取决于制度、教育、基础设施和公共政策。

第四，财富差距将急剧拉大。

施密特提醒，AI 具有明显的网络效应和规模效应。越早拥有芯片、数据中心、能源和人才的国家与公司，越容易训练更强的系统；更强的系统又会吸引更多客户、数据和资本，形成自我强化的循环。

这可以称为“智能马太效应”：强者因为掌握智能基础设施而继续变强，落后者即使能使用产品，也未必拥有决定规则、控制成本和分享主要利润的能力。赢家通吃不是必然结局，却是必须正视的结构风险。

对普通人来说，真正的分界线不会只是“会不会用某个聊天工具”。更深的差别在于：能否提出好问题，能否把 AI 接进真实工作流，能否验证结果，能否在专业领域对机器的建议负责。

未来最危险的状态，不是暂时不会使用 AI，而是把判断全部交给 AI。工具会越来越普及，稀缺的将是定义问题、组织资源、承担后果和建立信任的能力。换句话说，AI 不是简单分蛋糕，而是在重新定义谁能设计厨房、控制烤箱，以及谁只负责按下按钮。

第五，AI的未来必须以人为中心。

对谈最后回到了一个根本问题：如果 AI 能自动研究、自动设计、自动决策，人类还有什么意义？李飞飞的回答并不是与机器比速度，而是把评价标准重新拉回人。

她强调，除非人类准备放弃自身这个物种，否则未来世界就必须以人为中心。无论自动化还是人机协作，技术都应该服务人的尊严、能动性和福祉，而不是让效率成为唯一目标。

“以人为中心”不是一句温柔口号。它意味着医院里的 AI 必须让医生和患者保有知情与决定权；学校里的 AI 应该帮助孩子形成判断，而不是只替孩子完成答案；企业里的 AI 应该把人从危险、重复和低价值劳动中释放出来，而不是把人变成被算法监控的附件。

科技的终点，不是替代人，而是理解人。

但理解人，也意味着理解“脆弱”。AI 或许能陪伴人工作、驾驶、创作，甚至能够生成恰到好处的安慰；可真实关系的价值，从来不只在一句话是否正确，还在于对方是否与人共同经历时间、承担关系并付出关心。

这也是为什么，一只猫、一条狗在主人难过时静静靠近，会带来完全不同的感受。它们未必理解语言，却以身体、时间和依恋参与了人的生活。这里的猫和狗，是本文对“陪伴”的延伸表达，并非李飞飞或施密特在访谈中的逐字原话。

情感、共鸣、怜悯、创造，并不是几个可以轻易打分的参数。更重要的是，它们提醒人类：人的价值不应只由效率、智商和产出来证明。

所以，真正的问题从来不只是 AI 会不会越来越像人。

真正的问题是：当机器在更多任务上超过人类，我们是否还能守住提问的勇气、负责的能力、对弱者的体谅，以及与另一个生命建立真实关系的耐心？

AI 的方向，最终取决于人类把什么写进目标、制度和日常选择。

当AI越来越像人，人类，还能保持“像人”吗？ 评论区见。

核验说明与主要来源