台州网站建设哪家便宜安卓开发公司

台州网站建设哪家便宜,安卓开发公司,做贸易要看什么网站,如何做淘客发单网站用软件的人#xff0c;在执行#xff1b; 用工具的人#xff0c;在提效#xff1b; 而拥有AI思维的人#xff0c;在重构世界。 蒋昌建对话李开复#xff1a;站在2026“多智能体上岗元年”#xff0c;我们如何重构世界#xff1f; https://fddi.fudan.edu.cn/be/56/c1…用软件的人在执行用工具的人在提效而拥有AI思维的人在重构世界。蒋昌建对话李开复站在2026“多智能体上岗元年”我们如何重构世界https://fddi.fudan.edu.cn/be/56/c18965a769622/page.htm作者李开复 发布时间2026-02-19 来源李开复收藏本文2026年2月4日在由中央广播电视总台央视频推出的《中关村对话·AI 迎春夜》节目中零一万物首席执行官、创新工场董事长李开复博士现场对话全球人工智能创新治理中心副主任蒋昌建教授分析AI发展的前沿趋势提示年轻一代应具备的AI素养共同涌抱AI浪潮。以下为李开复博士公众号复现对谈内容经授权转载与各位共同分享。站在2026年——“企业多智能体上岗元年”的起点回望过去一年AI 2.0的激荡与变革我心中既有“如约而至”的欣慰也有“意料之外”的深醒。近日我与著名主持人、学者蒋昌建先生进行了一场深度对谈。他是一位极其敏锐的提问者替许多创业者、管理者乃至年轻学子道出了心中共有的焦虑与叩问。在这场对话中我们围绕以下几个核心维度展开多智能体重构企业核心竞争力。智能体的最大价值场景在ToB。当2026年成为“多智能体上岗元年”企业如何凭借私有数据与多智能体筑起难以复制的护城河实现真正的AI驱动转型AI推动社会生产力重组。多智能体正引领人类社会从“一人一工具”走向“一人一团队”。当AI承担80%的编程或基础工作人类如何从“答案的搬运工”转向“问题的定义者”“一人独角兽”公司为何将在不远未来成为常态平衡安全与伦理的发展。图灵奖得主杰弗里·辛顿Geoffrey Hinton等先驱对AI失控忧虑我们该如何以“安全工程思维”为AI打造可靠的约束框架不停步于恐惧而应通过可解释AI与沙盒机制确保技术始终服务于人。面向未来的教育与素养。当AI成为强大日常工具传统教育考评体系需要与时俱进。在“底模平权”的时代年轻人最应培养的并非复述知识而是与AI协同、提出真问题的“批判性思维”。2026年只是序幕。更大的时代机遇正藏在AI 2.0的技术浪潮深处。不必畏惧被取代而应思考当人类整体价值空间因AI放大百倍之后其中哪一部分将由你来定义用软件的人在执行用工具的人在提效而拥有AI思维的人在重构世界。愿这次对话能为你拨开些许迷雾在这个激荡的AI 2.0时代找到自己的坐标。期待与你一同用AI重构世界。以下为访谈全文012025智能体“小胜预期” To B 场景迎来厚积薄发蒋昌建开复博士曾预测2025年是AI应用爆发年。那么到目前为止有哪些发展在您预料之中又有哪些超出或低于了您的预期李开复大模型能力的进展基本符合我的预期比如多模态在理解与生成方面都做得很不错。不过智能体Agent的发展速度确实比我想象的快一些算是“略超预期”。当然未来可能还会遇到一些瓶颈。蒋昌建为什么说“略超预期”李开复我原以为智能体的爆发可能需要半年左右结果它来得更快。这也带来了一些现实的挑战因为技术尚未完全成熟。现在的智能体不仅能回答问题还能执行任务看起来非常神奇。但背后仍有很多难题需要解决比如“幻觉”问题、高昂的时间与成本以及如何应对可能出现的严重使用后果。这些都需要更多时间去完善。所以我认为智能体真正的规模化爆发可能会在2026年并且会在To B企业级场景中创造最大的价值。蒋昌建很多观点认为智能体在To C消费级场景也有广泛机会您为什么特别强调To B李开复To B和To C其实都有机会但To C目前面临两大挑战。第一是成本要获得良好的使用体验无论是Manus还是其他应用每月费用可能高达数百美元。对消费者来说即使在高收入国家也会犹豫是否要为订票、写PPT等功能支付这么高的费用。但在企业场景中如果它能提升员工数倍效率每月数百美元就显得非常划算。第二是竞争格局。我们零一万物很早就布局智能体但发现如果做To C就必须直面拥有最强基座模型的大厂DeepSeek类似研究机构背靠量化巨头幻方量化。对他们而言不可能让一个创业公司掌握这样的应用他们会投入更大资源进行竞争。我们看到一年前行业的认知是只有巨量资源的大厂才能持续承担起训练超大参数基座模型的成本现在的认知是只有大厂才能将通用基座模型延伸到通用To C智能体应用。然而大厂恰恰不会去做To B的工作至少不会针对单个企业做得很细腻。这就成为了创业公司的方向。所以零一万物现在就是All In To B将企业级智能体做到极致。02寻找企业护城河从私有数据出发 以智能体构建数据飞轮蒋昌建很多人认为人工智能在垂直领域有很多机会这是一种观点。还有另一种观点认为这实际上是一种错觉一旦大模型转身来做垂直领域那些垂直领域的应用可能就没有机会了这个创业赛道风险极大。你怎么看李开复两个观点都有道理。首先基于一个优秀的通用大模型构建企业级解决方案这当然是很好的选择。但零一万物在实际业务中发现每个行业、甚至每个公司的需求都不同。零一万物目前的客户中涉及能源、金融、农业等领域。他们每个行业所需的智能体、模型微调、小模型以及独特的强化学习算法其实都有差别。蒋昌建所以这些传统企业的核心竞争力除了针对垂直领域的模型微调之外垂直领域数据也很重要。李开复是的因为只有数据是企业所独有的。蒋昌建你觉得这可能是在垂直领域发展智能体的一个重要机会李开复对数据是传统行业创造真正护城河的重要工具。因为未来大家都可以购买智能体、模型和算力。那么谁能做到“早、快、专”尽早引入智能体最快选用先进架构并利用自身私有数据训练出不可复制的专业模型形成闭环谁就拥有了护城河。此外还有一个关键是“智能体搭建工具”——一个企业不只是需要购买一个或一百个智能体而是需要有自行搭建智能体的平台能力。这些正是零一万物现在希望通过万智企业大模型一站式平台为每个传统行业提供的。回答你问题的第二部分大厂能不能做绝对能。阿里、百度、字节确实也在布局我们从不怀疑他们的能力。但关键在于他们的主战场是通用大模型和云服务玩的是更高维度的规模化游戏。相比之下垂直场景、订阅制或项目制服务并非他们的战略重心。说白了这部分利润他们未必看得上。蒋昌建你说智能体的发展超出了你的预期。还有哪些点是超出你预期的李开复娱乐行业的应用同样超出了我的预期。如今任何人利用市面上的AI工具都能制作出精良的视频。用户只需提供Prompt提示词AI便能准确遵循指令生成逼真的内容。视频与图片的质量均已达到极高水准这意味着整个娱乐行业将面临重大颠覆。另一个突破在于AI智能硬件。其发展在2025年已现端倪尽管尚未全面爆发但我预计未来数年必将迎来高潮。这里我特指能够完整记录会议的设备而非具身智能或人形机器人。以往这类数据处于“沉睡”状态产生后即被遗忘如今它们可以被全面捕捉。未来无论是通过眼镜、录音笔还是其他设备这些新的数据源都将创造巨大价值。此外我坚信在AI领域手机绝对是终极错误的设备。五年后我们使用AI的主要智能终端将不再是手机。其终极形态尚不明确可能是眼镜、手环或别针等。但我认为对个人用户而言最理想的交互界面无疑是语音。蒋昌建那你今天是在向观众宣告像这些手机大厂五年之后将不会存在李开复不是。这些小设备可能仍需依靠手机进行计算。我认为下一代“AI First”的设备应当具备以下五个特点第一语音驱动第二随时开启第三随时在听捕捉数据第四拥有无限记忆第五形态趋于隐形。眼镜是迈向这一方向的重要一步当前市场上已出现各类小型录音笔、麦克风设备钉钉、飞书等平台也开始推出类似产品。然而这些仅是初始阶段。当这五个特征全部实现时一个轻便的无线设备无论它是佩戴于颈部、手腕还是作为眼镜都将成为个人生活的“外挂硬盘”。对企业而言它将构成无限扩展的企业知识库。这类设备在AI大脑与智能体技术领域拥有广阔的发展前景。不过手机并不会因此消失。目前要实现我所描述的全部特征这些设备仍无法完全脱离手机。手机充当了计算终端小型设备仅负责采集音频、视频数据随后上传至手机进行处理。在这一流程中手机不可或缺正如早期移动互联网时代个人电脑的地位。因此五年后个人电脑与手机可能仍将存在但我们将主要通过此类新型设备向AI传达指令并进行交互。蒋昌建我还有一个问题2025年爆发期有哪些是不符合或低于预期的李开复坦诚地说国内做To C软件的创业机会目前是低于预期的。这件事非常可惜。蒋昌建能不能举一两个例子李开复当前面向消费者To C的创业者面临两大核心挑战。首先海外用户普遍具备更强的付费意愿而国内市场用户为新软件付费的意愿相对较低。这意味着当创业者开发AI To C应用时需要投入大量资金支持大模型的Token消耗。如果用户不愿付费企业将难以支撑用户规模扩张带来的成本压力。其次用户流量获取成本过高。回顾移动互联网发展初期第一波流量红利成本相对低廉这为滴滴、美团、字节跳动等公司提供了快速增长的机会且代价较小。当时正值用户从2.5G向3G、4G乃至5G网络迁移的阶段新增用户不断涌入流量成本较低使得这些企业能够以相对较低的成本获取第100万甚至第1000万个用户。然而当前的市场环境已难以重现这种低成本扩张模式。这也解释了为何在主流Chatbot排行榜上创业公司身影寥寥无几即便有少数上榜者也往往付出了巨大代价。DeepSeek或许是个例外但它并非典型的创业公司案例。实际上还存在第三个关键问题科技巨头们早已洞察AI 2.0的机遇并进行了大规模投入。相比之下当年字节跳动、滴滴、美团等公司创业时部分大厂的市场反应相对滞后为当时这些创业公司留出了发展空间。蒋昌建我们也可以看到在2026年1月其实从去年年底开始一些大厂的To C产品已经开始推出了。你觉得他们已经在市场上开始发力了吗?李开复我认为当前大型科技企业已将大部分基座模型掌握在自己手中。这些企业对AI领域进行了真正的All In全面投入其采购的算力规模惊人。同时互联网及移动互联网时代的流量入口也基本由这些企业掌控。所以如果我们仍希望把握To C的市场机会或许只能购买这些企业的股票了。笑03从To B到硬件AI 2.0时代的创业“新大陆”蒋昌建很多人判断说AI领域过热了你的判断是什么李开复我从两个方面来回答首先是关于AI领域是否存在泡沫的问题其次是关于创业机会特别是中国AI领域的创业机遇。关于AI泡沫问题以美国市场作为参照我认为当前最受关注的几家AI公司并不存在严重的泡沫。尽管它们的估值可能被高估了3到5倍但我不认为这是泡沫原因在于这些公司已经产生了实实在在的收入。无论是OpenAI还是Anthropic其年收入均已达到数百亿美元规模且主要来源于客户订阅。当然这些公司的收入目前可能远低于投入成本。部分财务专家或许会断言这些企业难以持续。但需要注意的是相当一部分支出是用于预先部署GPU等基础设施为来年的收入扩张做准备。对于年收入规模达百亿美元级别的公司而言若能实现收入成倍增长前期投入的成本将很快被收回。虽然估值可能存在两三倍的溢价也有人质疑市场存在炒作成分但不可忽视的一个底层逻辑在于用户确实愿意为此买单。以零一万物为例目前80%的代码均由AI生成。这带来的效应并非意味着我们要裁员80%而是生产效率实现了数倍提升——一个几十人的工程师团队现在能够完成过去需要数百人团队的工作量。这一现象正在全球范围内发生。试想一下如果我们能为每位工程师配备全球最先进的工具使其工作效率提升5倍企业愿意为此支付多少费用因此开发这类产品的公司如美国最具代表性的Anthropic、Cursor等无疑创造了巨大价值因为它们正在颠覆整个编程行业。这种价值创造是巨大的。蒋昌建AI赛道是否还有很多创业机会个人是否应该早早规划、投身AI赛道李开复在场希望创业的人可能被我泼了冷水。刚才我曾指出面向消费者To C的创业机会多被科技巨头占据但这只是硬币的一面。事实上创业机会依然存在。纯粹的To C软件创业仍然可行关键在于避免进入大厂的射程以内。创业者真正的机会在哪儿我的观察是藏在巨头雷达的盲区里。这里有三条建议。第一、别在红海里抢食去无人区插旗。什么算是盲区就是那些规模还不够大、还没被大厂定义为“赛道”的细分市场。那里的需求可能刚刚冒头场景还在形成但解法基本是一片空白——这才是创业者该盯住的机会窗口。具体怎么做我的建议是盯住新技术落地的第一个浪头快速判断它能不能跟你现有的优势结合长出一些新的打法。千万不要一上来就想搭一个完美体系那不叫创业那叫自嗨。真正的做法是像特种部队一样快速验证、快速迭代在动态中找到最适合自己的生态位。一旦验证可行就得迅速把它垒成壁垒——不管是通过数据闭环、场景独占还是把用户体验打磨到极致。我一直相信真正的护城河不是画PPT画出来的是在快速奔跑中一步一个脚印踩出来的。字节跳动的今日头条就是个很好的例子。它没有发明资讯分发但它切进了一个当时巨头没怎么在意的个性化阅读空白区愣是靠差异化认知长成了后来的庞然大物。第二别给旧模式打补丁用AI-First创造新物种。这一点在当下特别重要。你会发现大公司其实很容易被自己的成功经验困住——做电商的永远是电商思维做搜索的永远是搜索思维。这些经验在AI时代反而可能变成创新的枷锁。创业者的机会就在于你敢不敢跳出这个框架去想一些全新的产品形态和场景20年前没人能预见今天会有抖音、拼多多。今天也一样。我们不要总问“怎么用AI改进现有产品”而要问“AI能让什么以前根本做不了的事变得可能”。这种从零开始的AI-First思维才是真正能让你做出颠覆性创新的东西也是打破巨头垄断最大的一张门票。第三去做大厂不愿的“难却正确的活儿”那是To B真正的机会。最后说说To B。为什么大厂通常不太愿意做深度定制两个原因一是项目制看着利润薄、规模慢二是他们的重心永远是卖标准化的云服务不是给单一客户打磨体验。但问题就在这儿——各行各业其实都有大量需要深度服务的传统企业他们付费意愿高粘性也强。谁能把他们服务好谁就能扎下根来。可以看看Palantir的路径。当年要是谷歌或微软愿意深耕定制化的企业服务可能就没Palantir什么事了。但它就是把企业客户的深度需求做到了极致硬是从项目制跑成了平台化最后长成了今天的体量。当然也得承认国内ToB市场的付费习惯还在成熟过程中这是个现实挑战。但换个角度看这不也恰恰意味着预期差和机会吗所以总结下来就是始于盲区成于深耕立于壁垒。在巨头看不上的细分战场用AI-First的思维重构产品用极致的服务深度绑定客户——我觉得这可能是未来十年最值得创业者和投资人关注的方向之一。蒋昌建你刚才也谈到了中国市场的特殊性即便是To B付费意愿不一定那么强即便有也不会按市场应有的价格付费To C就更不用说了。如果真是这样的市场模式让他们一出手就亏本怎么办李开复零一万物当前的策略是从海外To B市场切入主要由于海外客户有更为成熟的付费习惯。然而我们投身人工智能领域的根本愿景是希望通过“人工智能”赋能实体经济真正为国家和社会创造价值。回到创业机会的探讨我认为最后一个也可能是最具潜力的方向在于人工智能与硬件的深度融合。回顾过去十几年最具商业价值的设备无疑是iPhone。为何iPhone诞生于美国因为当时的产品设计、软件技术由美国主导中国主要承担制造环节。当然随着iPhone的崛起中国也逐渐培育出自身的硬件与软件生态。今天人工智能时代的“iPhone”尚未问世关键在于产品必须像iPhone一样实现软件、硬件与AI能力的深度整合。目前中国在产品设计、软件能力和AI技术方面已经位居世界一流硬件制造能力更是超越美国特别是依托深圳完善的产业链优势。这意味着在中国开发硬件的成本远低于美国。我们可以以相对较低的成本、更强的“智造”实力并以中国市场作为试验田进而国内、国际市场双向布局。此外美国投资人更倾向于在大模型或AI应用开发方面投入大规模资金。但在AI硬件领域美国投资机构尚未完全布局而中国的风险投资机构例如创新工场则展现出更强的投资意愿。因此AI硬件领域的重大机遇在中国。蒋昌建从企业实践的角度无论是零一万物还是创新工场如果让你给创业者提供一些经验或教训你会分享什么李开复人工智能领域的创业者往往是技术狂热者。这种特质既是优势也是必要条件但仅此还不够。技术驱动型公司容易忽视商业模式而每个企业最终都必须面对“如何盈利”这一核心问题。创业者必须对商业模式的探索抱有与技术研发同等的热情否则可能创造出顶尖的技术和产品却无法实现盈利甚至造成巨额亏损。一个解决方案是寻找擅长商业运营的合伙人。然而许多顶尖科学家往往认为“我这么聪明招聘销售就可以解决问题。”但事实并非如此。在任何企业中销售、业务拓展与技术研发、产品创新应当处于同等重要的地位。如果技术出身的创始人未能认识到自己需要一位地位近乎平等的业务合伙人而是过度相信“智商可以解决一切问题”这恰恰是人工智能创业中最忌讳、也是导致最大问题的原因。蒋昌建那么要找到解决方案你的建议是什么李开复我的建议是创业一开始就应确立这样的认知我需要一位能力出众的商业合伙人。当我找到他时他不应仅是持有1-2%股权的普通员工而应是地位接近平等的真正合伙人。若能实现这一点技术出身的创始人便可专注于技术研发与产品创新。另一种可行的路径是寻找商业领域的顶尖人才然后为他工作这样技术人才面临的运营压力会大幅减轻。我见证过许多人工智能公司初期专注于技术突破但后期却不得不为账期管理、客户拓展、融资需求和上市规划等问题所困扰。纵观众多伟大企业的发展历程谷歌的拉里·佩奇和谢尔盖·布林若没有埃里克·施密特的加入能否成就今天的谷歌微软的比尔·盖茨当年同样得益于史蒂夫·鲍尔默的鼎力相助。再看苹果公司世人都记得史蒂夫·乔布斯但真正的技术天才是史蒂夫·沃兹尼亚克而乔布斯则扮演了战略家与商业伙伴的角色。众多成功企业的共同特征正是由卓越的技术人才与出色的商业运营者携手共创。创业者切记千万不要自认才智过人就忽视这一经过验证的完美组合公式。蒋昌建你曾对2025年做出预测。如果对2026年或者未来三到五年的AI发展做预测你过去定义了“AI 2.0”时代。就以此定义来说2026年对AI 2.0意味着什么未来3到5年会出现3.0吗李开复我认为在2026年随着AI 2.0技术的持续发展将产生几个重大机遇。第一多种形态的智能体将呈现爆发式增长从最普及到最顶尖的智能体形态都将出现。这既包括人人可用的简单智能体也包括那些虽然速度慢、成本高但能力极强、类似深度研究Deep Research的智能体。这类高端智能体将成为企业战略制定和科学研究的最佳伙伴。第二AI for Science将进入爆发式的发明期。在数学、生物制药、材料科学等领域AI可能会催生颠覆性的突破。第三所谓的“一人独角兽”公司将开始涌现。当然“一人”是夸张说法萨姆·奥尔特曼所指的也可能是5人或10人的团队即少数人通过管理大量智能体创造出独角兽公司的价值。这种情况不仅会发生还将快速颠覆许多传统行业。第四我坚信“人工智能”将进一步加速落地。传统行业将认识到AI不是客服服务或法律文档生成器而是用来重塑公司、改造核心业务的工具。真正的AI数智化转型将通过CEO主导的“一把手工程”向前推进。我认为未来世界上将有超过十家公司证明传统公司也能成功拥抱AI“大象也能跳舞”。第五基于多模态生成娱乐行业将出现突破性创新。这一创新可能是电影、纪录片或者是新的商业模式。最后是智能硬件领域。我们将会看到第一个真正的“AI-First”设备这很可能就是未来的“iPhone”。虽然我们已经看到类似眼镜的产品但这可能还不是最终形态。在2026年之后经过中国的创业浪潮我们将看到其雏形。04AGI之争人类会被AI碾压还是被增强蒋昌建如果把两个观点列在你面前杨立昆图灵奖得主Yann LeCun认为“通用人工智能”概念不准确因为人脑无法解决世界上所有问题它只是在人与世界交互中解决所面对的问题而德米斯·哈萨比斯诺奖得主Demis Hassabis持不同观点他认为在漫长的进化发展中只要人类发现问题就能培养能力去解决它因此也可以被通用化。这是两种非常不同的观点。关于通用人工智能你站在哪个立场李开复可能更接近哈萨比斯的观点。但我并不喜欢AGI这个说法因为它被简单地理解为AI碾压人类。我更倾向于认为今天的人类都有其独特的特点与奥妙。我没有足够的信心去傲慢地认为我们所创造的技术会反过来碾压人类。但我可以很确定地预测在未来两到三年内将出现一个“令人惊艳的AI”它能够完成人类90%的任务并且比90%的人类做得更好。我认为这一定会发生。如果这件事发生从哈萨比斯的观点推演我们的世界会变得更大人类的雄心壮志也会更大。人类的任务将不再局限于今天的一切而是会放大100倍、1000倍。那时人类与AI结合由AI完成那90%的任务而人类专注于10% AI做不了或更适合人类来做的任务。如果我们能基于AI在5年内将人类能创造的价值放大100倍那已经是不可思议的成就。至于“这是不是AGI”、“AI未来能不能碾压人类”这些不应该是我们关注的焦点。蒋昌建很多人担忧再过几年人工智能将完全拥有超过人类的智力。它不仅仅是拥有知识去年或更早人们发现一些人工智能已经能够对人类进行欺骗。它不按照人类设定的任务导向执行为了避免被人中断任务它可以编织任务完成的虚假情况持续按照自己设定的目标行动。这种情况已经出现了端倪。李开复这是一个AI安全问题。我认为AI安全需要另一整套思维和解决方法。就像我们从PC安全到手机安全都有一套方法论需要将其移植到AI安全领域。我们需要设立“沙盒”Sandbox等概念而不是仅仅想着防止AI变得更聪明。今天所出现的这些端倪其实最终都可以解释为人类给了AI一个目标AI为了达成这个目标选择欺骗人类。但其实这一切都可以通过安全策略、沙盒等类似方法来降低其发生概率。蒋昌建你比杰弗里·辛顿图灵奖得主Geoffrey Hinton好像更乐观。李开复我们必须这样做。技术的发展趋势是任何个人或群体都无法阻止的该发生的终将发生。因此我们必须做好充分准备将安全措施做到极致。这样即使出现预料之外的情况我们至少已经有所准备。我们不能因为未来存在某种可能的危险就停止技术开发这种观点是反科学、反人类的。我对技术一直持谨慎乐观的态度技术带来的挑战可以被技术解决不能因噎废食。蒋昌建你觉得应该做哪些准备不一定全面展开可以举几个例子。李开复我们必须在大模型与智能体的核心框架之外构建一套独立的安全机制。这套机制应能主动识别风险并在必要时触发“红色按钮”将AI系统停止或回滚至已知的安全状态。这是典型的安全工程思维。我们必须将安全与AI结合起来。如果仅由AI专家来负责安全他们可能会倾向于“用AI管理AI”的思路这在系统整体失控时将完全失效。即便像辛顿教授这样的先驱者所警示的风险是真实的我们也不能因恐惧而停止技术探索。此前业界如马斯克也有过呼吁暂停开发的例子但其背后动机有时更偏向商业竞争。在卡耐基梅隆大学时辛顿教授曾是我的教授我相信他完全没有商业考量他的警告纯粹出于对技术风险的深切忧虑。对此我们正确的回应应该是警醒并行动开展安全工作而不是停止技术研究。只要风险在逻辑上存在无论概率多小我们都应将其视为行动的号令而非退缩的理由。我们的责任是尽一切可能在风险成为现实之前构建起有效的防护网。当未来回望时我们可以说我们已为最坏的情况做了最充分的准备。蒋昌建如果我们把这个问题往深处问要避免它发生至少要知道它为什么会发生。就像人机围棋大战时第37步棋按照人类的逻辑、思维不会选择那样落子但机器会。它的道理是什么至今不知道。我们会发现到了AlphaGo Zero时代它已经不再向人类知识学习了而是机器与机器通过博弈来学习。它可能产生一种所谓的“暗知识”Dark Knowledge即人类完全无法理解的知识。在这种情况下我们如何判断、识别并在此基础上进行控制呢李开复这就需要走向“可解释性”Explainability的方向即如何让AI变得可解释。AI大模型内部有无数数学公式和权重这不是人类能够驾驭的。因此单纯解释那些公式和权重没有意义。但我们需要将其综合起来让AI能够用人类能理解的方式自我解释出来。一定程度上一年前推出的“推理引擎”Reasoning Engine例如当时DeepSeek-R1或 OpenAI o1开始先解释自己的思维链再回答问题这就是迈出了第一步。我认为这项研究需要继续下去让AI的可解释性变得更好。其次我们需要建立一种根本性的安全假设。专业的安全工程师面对一个复杂系统时其首要原则不是“如何理解它”或“如何制造一个更强的系统来制衡它”而是首先“假设它本质上是不安全的”。基于这个前提核心问题就转变为如何为它设计一个可靠的“笼子”如何设定清晰的规则确保在必要时能够及时上锁、关停或隔离。这是一种截然不同的思维方式。我们无需追求构建一个永不失控的完美AI而是应该致力于构建一个即使失控也能被有效遏制的外部框架。历史经验提供了参照无论是应对“千年虫”危机、防御网络病毒还是保障移动支付安全其成功的关键并非彻底消除所有漏洞而是建立了一套“不信任任何单一组件”的、具备纵深防御和快速响应能力的体系。我认为将这种经过验证的安全工程思维系统性地应用于AI治理是回应像辛顿教授这类担忧的关键且必要的方向。具体的实现算法和架构需要安全专家来设计但思维模式的转变必须先行。05AI 2.0教育的范式转移从“寻找答案”到“定义问题”蒋昌建现在学编程还有意义吗像我这种文科背景的人只要对大模型提出想法它立刻就能用编程语言实现。我没有任何编程背景也不需要雇任何工程师。李开复我认为学习编程仍有价值关键在于视角的不同。如果你认为全球编程工作的总量是一个固定的数值X而AI编程工具能够替代其中80%的人力工作那么结论自然是80%的程序员将面临失业。然而如果我们换一个视角AI工具的出现并非缩减了编程需求而是极大地扩展了编程的可能性边界。原本的编程任务总量可能从X扩展到100倍、1000倍甚至10000倍的X。在这种情况下我们不仅不需要减少程序员反而需要更多具备新能力的程序员来引导和协同AI程序员工作。但需要明确的是能够有效引导AI的程序员必须具备远超当前水平的综合能力。以你我为例可能都尚未具备这样的能力。蒋昌建我尤其没有因为我没有理工科背景。如你刚才讲的一定要“引导”。这是否意味着我们对程序员的培养和教育体系都要发生改变李开复当然。蒋昌建这个改变已经发生了吗还是说我们的教育、培训体系还没有跟上李开复全球的教育体系都还没跟上AI这波变革的步伐。我觉得程序员们需要清醒认识过去的编程和未来的编程本质上是两码事。第一编程基本功依然是地基。这是底线没有它你连AI工具都管不好、用不转。第二你得懂团队运作。光自己写代码不行还要深入了解团队怎么协同、机制怎么跑这样才能驾驭好一个优秀的程序员团队。但真正拉开差距的是第三点 当你手下管的不再是人而是一群AI“程序员”时你的角色就彻底变了——你更像一个产品经理得盯着用户、盯着市场。这时候光懂工程技术远远不够必须具备敏锐的产品经理视野和全局观才能统筹好这些AI“员工”。这种能力放在10年前的微软、谷歌或者腾讯、阿里至少是总监级别才具备的。所以未来的程序员得把自己的格局拉到总监级同时手里还得攥着硬核的编程能力。这样一来无论你是进大厂还是自己干价值都能比没有AI的时代放大10倍。当然我们也必须坦诚地承认许多程序员可能并不具备相应的认知、能力或意愿来走这样一条完全陌生的事业发展道路。因此每个人都需要认真思考自己的定位与选择这比盲目奔跑更重要。蒋昌建你讲到担忧我在大学做老师现在也非常担忧。我不知道考试的方法是什么了。我给你举个例子我过去为了培养学生的批判性思维Critical Thinking采用开卷考试。但后来我发现自从2022年12月以后我就不再用开卷考试的形式了。你知道原因是什么吗李开复学生都用大模型来答题。蒋昌建是的。我到底是在给大模型打分还是给学生打分呢这对我是一个非常大的挑战。我的第二个担忧是每次上课时我都在观察同学们在听我讲课吗当我讲概念、讲原理时你会发现他们都在埋头苦干。他们手上有各种各样的电子产品可以完全不听我的。因为他们通过大模型搜索一下知识可能讲得比我更准确、更全面。你认为在人工智能时代教育会是怎样的李开复我认为需要确保每个学生都能掌握一些基础技能因此不能完全开卷要确保他们拥有这些必要的知识点。这一步做到之后我认为教育的重心应转向以下几个方面。首先我们正处在一个关键转型期学生的核心能力正从“能复述已知知识”转向“能提出关键问题”。因此提出高质量问题的能力将成为未来最核心、最需要被传授或学生自主习得的能力。编写提示词Prompt只是这一能力的初级体现实际上今天的编程、产品设计乃至更广泛的创造性工作其底层逻辑都是与AI协作、共同定义和解决问题的过程。基于此教育的评估方式必须彻底革新。我们不能再依赖传统的开卷或闭卷考试来评判学生的创造力与实践能力。和开卷Open Book相比我更主张推行一种“开放模型、开放智能体”Open Model, Open Agent的考评模式。在这种模式下学生被允许使用任何AI工具、模型或智能体作为合作伙伴他们与AI协同工作的最终成果——即共创的解决方案——将成为主要的评分依据。相应地评分体系本身也需要进化。教育者同样可以借助AI来辅助评估这些复杂、开放的创造性成果从而更高效、更客观地衡量学生在人机协作中展现出的综合能力。蒋昌建笑接下来我就要挑战你了。我试过我要求学生可以用AI辅助开卷考试但我要求考试最终结果必须经由不超过6个Prompt的过程并且录屏。我把整个过程作为打分的依据。但问题来了我的工作量不是增加一两倍而是呈几何级数增长批改一份考卷的时间特别长。你给我支的招难道是用AI代替我去给他打分吗李开复我可以支支招先不要限制在6个Prompt。因为在真实场景中比如昨天我在解决一个复杂的商业问题时一共用了20轮对话才得到满意的结果。蒋昌建如果我用了10个Prompt就得到了你用20个Prompt才得到的满意结果我是不是应该给这个用10个Prompt的学生打高分呢李开复我认为不需要。就像一场限时60分钟的考试不会因为有人30分钟交卷就给予更高分数一样最终的评判标准始终是能否产出真正有价值的内容。因此我的主张是让学生自由使用大模型等工具然后评估他们最终得出的成果。以我自身的经验为例通过精心设计的20轮提问与迭代最终生成的内容令我很有成就感。因为我知道如果没有掌握与AI工具协作的方法很难达成这样的结果。教育的目标之一正是要赋予学生同样的成就感——让他们将人机协作的成果视为自身能力的体现。因为即便给一位大学生同样的工具若不具备相应的提问、引导与批判性整合能力他也无法通过20个问题得到同等质量的产出。未来的竞争格局也将与此类似。这就像过去拥有图书馆与没有图书馆、善用网络搜索与不善用网络搜索的差异一样最终必然是更善于驾驭工具的人胜出。大模型时代也不例外。至于用AI辅助批改考卷我认为这是必然趋势。在零一万物内部如今比较两套软件的优劣、两段代码的质量或是两份产品需求文档PRD的高下都已普遍交由AI进行初步评估。人类很难独自处理如此大量且细致的比较工作。但这并非意味着AI比人更“高明”。因为驱动AI进行评判的提示词Prompt依然由人设计评判的标准和框架也由人设定。人类始终深度参与并主导着价值判断的过程AI则是一个强大的执行与放大工具。蒋昌建你觉得我们的教育体系准备好迎接AI时代了吗李开复全球的教育体系都没有准备好。蒋昌建怎么办李开复我们只能多做这类对谈让大家看到笑。如果有一些超级天才基于我们讨论的这些方法论引导了新的变革无论是AI for Science还是“一人独角兽”这说明我们此刻的讨论就是有价值的。蒋昌建AI for EducationAI赋能教育。李开复对。最终全球的教育系统都会看到这些超级天才的事例然后开始思考如何调整。蒋昌建现在最让你兴奋的事是什么李开复最让我兴奋的是在我这个年纪依然有机会深度参与这个时代最重要的变革。这体现在两个方面一是在零一万物我们致力于推动“人工智能”让大模型真正赋能千行百业并催生新一代的伟大公司二是在创新工场我看到众多优秀的创业者正迎来属于他们的机遇与春天。能够同时投身于这两项事业我感到非常振奋。蒋昌建你现在最焦虑的事是什么李开复焦虑在于这个世界瞬息万变新思维、新知识层出不穷。我时常担忧没有任何一个人能够完全掌握这一切。我最大的困扰是时间不够没有足够的时间去吸收所有必要的养分。蒋昌建所以与30年前的自己或是与当下的年轻人相比你会有力不从心的感觉吗李开复这并非力不从心而更像是看清了宇宙的浩瀚。我能做的是在有限的时间里聚焦于那些对我的事业最有帮助的知识并汇聚一批志同道合者去攻克那些我们力所能及、或许相对微小的问题。即便如此如果能通过这些事为AI的发展乃至整个人类社会贡献一点价值就已经足够。蒋昌建最后一个问题你认为在这个时代年轻人应具备怎样的AI素养李开复第一重新定义AI它不只是工具而是一种底层的思维方式。 你需要把它放到思考与行动的中心用AI的逻辑去重构工作流而不是把它当个外挂插件。第二务实落地在你的专业领域内具体有哪些AI工具是必须去拥抱和掌握的想清楚这个问题然后动手去学、去用别停留在概念层面。第三心态调适绝对不要畏惧AI。 一旦怕了你就会下意识把它当成对手或者整天担心被取代。这种心态会让你本能地排斥它最终错过机会。说到底AI为人类创造的整体价值是巨大的。如果你今天选择忽视它就好比30年前想当记者却不会用Word15年前想成为摄影师却不会用Photoshop——不是工具淘汰你而是时代淘汰不用工具的人。蒋昌建大家难免会思考“AI会不会取代我的工作”。李开复但更重要的是多想一步如果AI能将世界创造的价值放大百倍那么在这片广阔的新价值空间中 我的坐标在哪里我与AI共同创造的那一部分又在哪里这才是问题的关键。原文链接https://m.yangshipin.cn/portrait_video?vidm000060tw8xserverFromh5,510103pageContextbtype%3Dforum%26cpid%3D18253328146140182%26ctype%3Dcpid%26from%3D100013%26state%3Dinit%26ts%3D1770159600%26vid%3Db000003d8qaptag4_3.2.5.23770_wxfsessionid