2026-01-17 01:15
扫码打开虎嗅APP
本文来自微信公众号： 快刀青衣 ，作者：快刀青衣
划重点
AI不是在“替代人类”，而是重新定义“人类能做什么”。
我写这篇内容的时候，是2026年1月16日晚深夜。你可能是在1月17日的一早看到这篇文章。我之所以强调这个时间，是因为今天要和你分享的，就是过去这一天里我飞来香港，线下参加一场人工智能大会的真实感受——绝对第一时间、绝对真实。
在很多内容都线上直播化的当下，在高校林立的香港科学园里，线下聆听众多人工智能领域重磅嘉宾分享，又是另外一种感受。
不少朋友可能记得，去年我曾分享过上海举办的WAIC人工智能大会，这次香港的会议算是他们的年终盛典，邀请了多位嘉宾到场分享。
从上午10点半到下午6点，从嘉宾演讲与圆桌讨论密集轰炸，分享者从硅谷创始人到香港高校教授，从AI科学家到创业导师。我能感觉到，每个人都在试图回答同一个问题：AI到底在改变什么？
说实话，一整天听下来，我的脑子里塞满了震撼的数字和案例，比如“药物筛选比以前快100万倍”、“OpenAI估值8300亿美元”、“70%的人现在辨认不出AI客服”。但更让我印象深刻的，是这些惊人数字背后的一条暗线：AI不是在“替代人类”，而是在重新定义“人类能做什么”。
因为嘉宾分享了很多，我也带着我们的GetSeed录音卡，做成了一个这个大会的知识库。链接附在文稿末尾了，如果你想要听听里面某个嘉宾的分享，可以直接扫码查看我的笔记。
在这篇文章里，我想和你聊聊“人类能做什么”这条暗线是如何在五个不同维度展开的——从你的工作角色，到科研效率，到竞争维度，到信任关系，再到底层逻辑。每个维度都配上现场的案例和数据，也加上我自己的观察。
不是为了制造焦虑，而是希望帮你看清楚：这些变化对你意味着什么。我不会按照这些嘉宾的身份或者是演讲顺序来给你介绍，我只是抽取里面的一些片段分享给你。
01 AI正在改变“做事”的定义
下午第一场分享，硅谷Founders Space董事长史蒂夫·霍夫曼（硅谷人称Captain Ho）抛出一个判断：“未来五年内，每个人都将与AI代理协作工作，你的角色会从执行者转变为AI代理的管理者。”
其实这个判断对我们来说不算震撼，毕竟很多人现在已经在和AI协同工作了。不过，他强调的是AI直接进入工作流，而不是简单帮我们撰写几篇报告。
他举了两个例子。一款专门的AI市场营销Agent产品，能同时承担文案、设计、投放、优化等四五个角色的活儿，你只需提供一个亚马逊产品链接。另一款AI应用可监听销售电话，通话结束后告诉你刚才和顾客对话里，哪句话说错了，应该怎么说客户更容易接受，而使用这个应用的销售人员收入增长了70%。
听到70%这个数字，我先是震撼，随后恍然大悟：工作的核心能力正从“会做”转向“会管”“会判断”。这背后的商业逻辑很清晰：OpenAI估值已达8300亿美元，而且它尚未上市，很有可能上市的时候，估值会突破一万亿美元，这相当于亚马逊IPO时的2000倍以上。为什么？因为这轮AI革命正在重新定义“公司”和“劳动力”本身。
当工作角色从执行变成管理，那些真正在“执行”的领域会发生什么？科研就是一个典型战场。
02科研进入“AI密集型”时代
上午第三场分享，来自香港城市大学首席人工智能总监马维英教授。他的分享十分硬核，就是各种项目和数据的展示。
他表示，过去十年是“数据密集型”科研范式，现在正在进入“AI密集型”科研新纪元。这不是文字游戏，而是实打实的效率革命。
他举了三个例子，每个数字都令人震撼：
材料科学领域，他的团队开发的材料智能体，从252种候选材料中筛选出新型电池材料的最优配方，不仅容量提升了，还实现70%的成本降低。而且只需要30分钟，而传统方式要好几个星期。
生物学领域，上海AI实验室与南京大学合作的项目，能自动化完成从基因序列生成到突变分析的整个流程，集成200多种专业工具，耗时仅100秒。马维英原话是，“将原本需要人工数小时的工作，缩短至100秒——你还没来得及喝完一杯咖啡，AI已经把报告写好了。”
药物筛选领域的数字，更让我倒吸一口凉气，速度比现有虚拟筛选快100万倍。对你没听错，不是10倍，不是100倍，而是整整100万倍。他们团队本月在《Science》发表的研究显示，AI筛选药物候选化合物的速度，比现有虚拟筛选快100万倍。
但马维英没有停留在数字层面。他说了一句话，让我瞬间读懂这一趋势的本质：“我们现在已经把这套科研AI系统（Science Power AI）提供给香港城市大学的3000名博士生使用，让他们用AI做科研作业。”
3000名博士生，如果这个工具真有前面案例中那么出色，那就不只是一款科研工具的推广，更是一场科研教育的革命。
你想想看，这意味着什么？过去一个博士生可能要花三年时间验证一个假设，包括设计实验、跑数据、分析结果、撰写论文。现在30分钟、100秒就能完成一轮验证。科研的瓶颈不再是“想法”，而是“谁更会用AI验证想法”。
这就是马维英所说的“AI密集型”时代：不是AI辅助科研，而是AI重新定义科研流程本身。科研竞争的维度，正从“谁更聪明”转变为“谁更会管理AI科研代理”。
科研效率在跃迁，那么竞争的战场又在哪里？答案是生态系统。
03生态系统比单点技术更重要
霍夫曼的PPT里有一张图，是中美AI在争夺霸权。
分享中有一个问题是：“美国的OpenAI、Google、微软、Claude，中国的Kimi、Qwen、豆包、DeepSeek，谁会赢？”
他给出的答案是，“获胜的公司将是那些构建最丰富、最深层次生态系统的企业——不仅包括大语言模型，还涵盖整个平台、行业集成、开发者与消费者连接。”
但什么叫“生态系统”？我听完他举的案例，突然明白了OpenAI的真实野心。
OpenAI推出“Groups”功能，允许用户在ChatGPT内和朋友讨论，这是在布局社交领域。它还宣布支持直接在ChatGPT内购买产品，这是在打造电商入口。同时，OpenAI从苹果挖来大量设备人才，计划推出可穿戴设备，用于监听用户所有对话、追踪位置，这是在做“AI时代的操作系统”。
OpenAI的目标很清楚：控制你的社交（Groups）、购物（电商入口）、甚至你的所有对话（可穿戴设备）。它要成为一切活动的“运营商”。
科技巨头们早已洞察这一点。亚马逊阻止OpenAI访问自身数据，甚至考虑提起诉讼，核心就是担心OpenAI抢占电商入口。霍夫曼虽是美国人，但是对中国AI领域发生的所有事情都非常清楚。他提到，腾讯和阿里联手阻碍豆包AI手机的发展，本质是害怕失去经济领域的主导地位。
霍夫曼说：“大公司深知，如果无法控制AI接口，就会被淘汰。当前正在进行的是一场AI控制权战争。”
这让我想起当年的微信。微信能脱颖而出，不是因为聊天功能最出色，而是构建了涵盖支付、小程序、公众号的完整生态。一旦用户的社交、支付、内容消费都集中在微信，就很难再脱离这个平台。
OpenAI正在走同样的路。要是用户的搜索、购物、社交都能在ChatGPT内完成，其他公司就会从“平台”降级为“供应商”。
听到这里，咱们已经聊了工作角色、科研效率、竞争维度的变化，但接下来两个趋势，会呈现一些更微妙、甚至有点反直觉的改变。
04 AI的“可信度悖论”
霍夫曼分享的两个案例，让我心情复杂。
第一个是AI呼叫中心，Phonely公司不仅让AI拥有和人类一样逼真的语音，还在数据中心配备定制芯片。而其他同类公司多采用云端服务，常出现两三秒延迟，而这家公司通过本地部署，将响应速度提升70%，让AI回应速度和真人一模一样。结果怎么样？目前70%的来电用户认为自己在和真人交流。霍夫曼预测，一年后这个比例会超过90%。
第二个案例更令人震撼。一家做AI医生的公司，在诊断患者的测试中，发现很多患者认为AI更诚实、更关心自己，也愿意花更多时间倾听。有患者表示，“我觉得AI医生比真人医生更在乎我。”
听到这里，我突然意识到一个问题：人们为什么会觉得AI“更关心自己”？
不是AI真的有感情，而是它能做到“稳定的关注”。它不会因疲惫、情绪、偏见改变态度，不会因今天心情不好就对人冷淡，不会因为你是第50个病人就敷衍了事，也不会因为你问了太多问题就不耐烦。
这背后暴露了一个更深层的问题：我们对“被关心”的定义，是不是已经太低了？
我们是不是早已习惯了“不被好好对待”，以至于AI只要做到“不敷衍”，就能赢得信任？当冰冷的算法比真人更能让人感受到“被在乎”，这到底是AI足够出色，还是我们对人际关系的期待已经跌到谷底？
这个悖论的背后，藏着现代社会人际关系的某种缺失。我们被效率驱动、被KPI压迫、被各种指标推着向前，“稳定的被关注”反而成了奢侈品，而AI恰好提供了这种稀缺的体验。
霍夫曼还提到，硅谷有初创公司专门开发AI面试工具，HR会让AI先筛选候选人，分析语音语调和回答内容后，给出“通过”或“淘汰”的评价。他说：“未来很多人找工作，第一关不是面对HR，而是面对AI。”
AI正在成为“可信的中介”，它并不完美，但稳定、可预测。这种稳定性，正在重新定义我们对“信任”的认知。
既然连信任关系都在被重构，AI的底层逻辑又在发生怎样的变化？硅谷创始人给出的回答，出乎我的意料。
05物理学思维重塑AI
这场大会的开场分享，也是时间最长和最重磅的，就是硅谷人工智能研究院创始人皮埃罗·斯加鲁菲（Piero Scaruffi）的分享。
说实话，这位白发老爷子的分享偏学术，但有一个核心观点让我印象深刻：当前AI的发展，更多从物理学中汲取灵感，而非神经科学。
很多人认为AI在“模仿人脑”，但斯加鲁菲指出，人工神经网络和大脑神经元完全不同。大脑神经元通过多种神经递质通信，复杂程度远超人工神经元。AI不是在学人类怎么思考，而是在用数学和物理的方式，逼近“智能”这个结果。
他用了一个类比让我豁然开朗：天气预报不是模仿气象学家的大脑，而是用物理公式计算气流、温度、湿度的变化。AI也是如此，它用的是扩散模型、微分方程等物理学原理。
他举了具体例子：物理学家约翰·霍普菲尔德（John Hopfield）基于物理学中的“自旋玻璃理论”，开发出循环神经网络。用于图像生成的扩散模型，也源自物理学中的扩散过程。
这个趋势为什么重要？因为它意味着，AI的进化路径可能和我们想象的不同。我们不是在复制人脑，而是用物理学方式逼近智能。斯加鲁菲说：“AI通过近似整个世界的概率密度函数来工作，这和人类的思维方式根本不同。”
他还提到，未来10年AI将是不同技术的混合体，包括量子计算等硬件层面的突破。量子计算曾不被看好，但2025年的研究进展显示，它在降低误差、提升计算能力方面取得重大突破。老爷子甚至风趣地说，自己也是到去年才真正相信，量子计算不是骗局。你看，即便是最前沿的科学家，也可能看不清未来方向，但当趋势迹象显现时，他们往往能真诚承认自己当初的判断失误。
他最后说的一句话，我觉得特别有启发：“人工智能可以完成人类需要数十年才能完成的工作，那这些工作让AI去完成了，人类大脑就应该专注于深度思考。AI是工具，帮助我们成为更优秀的数学家、科学家。”
06写在最后
当然，除了这些趋势之外，每一场分享里，都有非常多的闪光点。
例如香港大学的汪扬教授在说到香港AI科研的时候，对比跟国内高校研究不一样的地方，突然冒出来一句“例如我们的电费，是内地电费的三倍，这对于AI研发就很重要。”
例如穹彻智能的联合创始⼈卢策吾教授，他的分享非常硬核，讲得是具身智能领域的数据问题，明显感觉我身边的不少人，完全像听天书一样，然后卢教授突然放出了一个视频，用来证明机器人不但要角度灵活，还要能感受得到具体的力量。
他那个视频是让机器人给自己刮胡子，我看着机械臂手里锋利的刮胡刀，内心不得不感慨，这做科研真的要有点儿玩命精神。
从香港科学园出来，天已经黑了。我脑子里反复回想这五个趋势，发现它们其实都在讲同一件事：AI不是在“替代”人类，而是在重新定义“人类能做什么”。
这五个趋势对咱们普通人意味着什么？我想和你分享三个对应的行动建议：
第一是学会“管理AI代理”。你的核心能力，正在从“会做”变成“会管”、“会判断”。具体来说，就是判断什么任务该交给AI，什么决策必须自己做。别只盯着某个工具本身，要学会领导多个AI代理协同工作。
第二是要适应“AI中介”的新常态。未来你可能要先和AI打交道，再接触真人——从AI面试到AI客服到AI医生。现在我们当然可以吐槽，但是大概率趋势不会逆转，那么我们需要学会和AI有效沟通，也要学会从AI的角度去思考自己的特色。当然，如果你是引进AI的企业管理者，那么就需要思考：什么场景下你更信任AI，什么场景下你坚持要人类介入？
第三是永远保持深度思考的能力。AI可以处理大量信息，可以用物理学的方式逼近智能，但人类大脑应该专注于那些需要创造力、判断力、洞察力的事情。不要让AI替你思考，要让AI帮你思考得更深。
关于这块，我有一个小建议，就是下次你让AI给你干活时，别管是ChatGPT，是Gemini，还是豆包、元宝，你描述完任务后，都加上一句“如果我需要让这个任务完成得更好，你可以先问我一些问题。”每次都这么深度沟通的话，其实非常有利于我们自己的思考训练。
最后，我想说，我在香港这个人生地不熟的会场，居然碰到了六个咱们得到AI学习圈的同学。哪怕AI已经非常强大了，却永远无法取代人和人面对面时，产生的一见如故的感觉。希望未来在很多地方，都能见到咱们AI学习圈同学的身影。
附：知识库地址
