《奇点更近》：当机器智能追上来，我们该站在哪一边

作者：肖利华，阿里巴巴集团原副总裁、阿里云研究院院长，智行合一创始人

来源：本文整理自作者10 月17 日在“美好生活•书香中国” 城市行活动【第三季】杭州站上的领读分享

今天和大家分享《奇点更近》这本书。说实话，读过这本书的人并不算多；它的姊妹篇《奇点临近》，知晓和阅读的人会更多一些。

一、为什么推荐这本书

先做个现场小调研：觉得AI提升了自身工作效率的，请举手——现场不少朋友举手；使用 AI 之后反而倍感焦虑的，也请举手——人数并不多。于我而言，真切感受到技术日新月异，我每天早上醒来第一件事，就是关注有没有全新的大模型发布，有没有性能强悍的新模型问世。雷・库兹韦尔确实眼光独到，他早年做出的诸多预判，如今大多已经成为现实。

我之所以推荐这本书，核心在于它把 “奇点” 的概念讲解得十分透彻：何为奇点，人类技术又已经走到了哪一步。书中提出三个核心判断：所谓奇点，是数学、物理层面旧世界规律无法解释的临界点；从技术维度看，智能跃迁与自我迭代会持续加速，发展速度会超出人类的预判；从范式维度看，这是一场非线性的爆发式变革。前面分享嘉宾的很多观点我十分认同，而这三点思考，也让我重新审视人与机器之间的差异。

今年上海一位 AI 领域的业内人士预判，人工智能的进化速度还会进一步加快。由此我引申出两个思考：第一，世界本质是否由信息、物质、能量三者构成？第二，信息与能量层面迭代飞速，可物理世界却往往几十年、上百年鲜有改变，一快一慢之间，二者是否已经出现错位？

昨天，我带着中国人民大学的师生走访杭州的“AI六小龙”企业，去到宇树科技，真切感受到，距离技术真正大规模落地实际应用场景，还有非常大的差距。

在座不少朋友读过千卷、万卷书籍。据说毛主席一生阅读书籍一万五千余本；而截至 2024 年底，人类绝大部分图书、互联网沉淀的海量知识，都已经被大模型吸纳。比拼记忆、比拼算力，人类本就比不上机器：人的一生从零认知起步，生命落幕时一切归零，过程中还会疲惫倦怠。在这个维度上，人类和机器本就不在同一个赛道。

二、这本书带给我的启发

所以这本书最大的价值，不在于给出标准答案，而是教会我们转换提问的视角：当机器日趋 “全知”，属于人的独特空间，或许恰恰藏在机器提不出来的那些问题之中。

之前有人问我：“肖博士，读完这本书，和智行合一的业务有什么关联？” 此前我尝试让 AI 生成相关内容，产出效果超出预期。AI 已经不只是简单的工具，也不局限于内容营销，它能够把整套商业逻辑融会贯通。经过长期交互，它仿佛能够理解我的思路，会自然把我 11 月 1920 日将在阿里巴巴举办的《全球数智化增长和 AI 新商业领袖峰会》相关主题，以及 AI、产业融合、全域增长等要素整合到内容里。昨天我还和团队调试豆包，现场不少人也都在使用。为什么取名豆包？逗你开心，包你省心。它会在一次次交互当中积累反馈：你认可的输出方向，它就会持续靠拢；不被采纳的表达，它就逐步修正优化。

比尔・盖茨 1995 年在《未来之路》当中的论断，放到今天依旧适用：人们往往对一两年内的短期变化过度乐观，却严重低估十年尺度下的颠覆性变革。相信大家也深有体会：短期之内总觉得行业即将天翻地覆，实际却波澜不惊；可把时间线拉长，颠覆性变革往往会不期而至。放到当下，绝大多数人对 AI 长期发展的预判，很可能远远跟不上它真实的迭代速度。

回顾 AI 发展史，更能体会这一点。1956年达特茅斯会议，人工智能概念正式诞生，距今已有 70 年，发展历程中几度遭遇行业寒冬。2005 年《奇点临近》出版，很多人只当是天马行空的畅想；2011 年 Siri 问世，AI 才慢慢走入大众视野；2016 年 AlphaGo 战胜顶尖棋手，大家也仅仅把它当作新奇技术；直到 2022 年 ChatGPT 爆火，人工智能才算真正走进普通大众的生活。早期 AI 只是计算机、统计学、数学等领域专家的研究课题，和普通大众相隔绝，这也是它长期难以普及的核心原因。

我推荐这本书有两点理由：一是书中的判断经受住了时间检验，多数预言已经落地，具备很高参考价值；二是它带给我们指数思维这一重要认知工具。人类本能习惯线性思考，在拐点来临之前，很难预判爆发式的增长，这本书恰好能够帮我们跳出固有的思维定式。

本书作者库兹韦尔本身也颇具话题度，拥有多个荣誉博士头衔，斩获过美国国家技术奖章。他坚持每日服用大量营养补充剂，希望以此延长寿命，还提出了 “长寿逃逸速度”：人类肉体不断衰老，但技术迭代的速度，有可能持续推迟死亡到来的时间。他的核心预判是：2029 年 AI 达到人类同等智能水平，2045 年实现深度人机融合。人机融合这个大趋势我表示认同，但对于这一终极走向，我仍持保留态度。人类在浩瀚宇宙中何其渺小，我们凭什么笃定人类会永远占据主导地位？又如何能够假定AI会始终严格恪守人类设定的规则？

但技术持续加速迭代，是毋庸置疑的客观事实。当下正是跨学科融合的大科学时代，物理、化学、生物与 AI 不断交叉渗透，伴随着算力的持续突破，变革还会不断提速。再说 “2029 年 AI 达到人类智能水平” 这个观点：如今全球 83 亿人口，加上古往今来上千亿人类分散、独立沉淀下来的智慧，而大模型可以汇聚海量知识，拥有极强的算力优势。在不少专业领域，AI 其实早已超越普通人。我们大多深耕单一领域，AI 却通晓百科，单纯拿个人能力和 AI 比拼，其实并没有多大意义。

我在河南参观过一些脑机接口设备，只需要视线看向目标，设备就能够自动完成信号传递、输出字幕。我们人类抬手、动手的动作看似简单，可把这套能力复刻到机器人身上，内部线路信号传导，就要消耗极高能耗。对比历经数亿年演化形成的人脑，以及人体精妙的协同能力，机器人还差得很远。

大家要注意：大语言模型学习了古今中外几千年的书籍与知识储备，在文本认知层面已经十分强大；但面向真实物理世界的感知建模，目前几乎还是空白。一件物品该不该丢弃、一个物件能否安全操控，诸如此类现实问题，当前的 AI 尚且无法做出有效判断。

人类的能力，都是从零开始，在真实世界感知、实践、逐步习得的；机器人却缺少这样的成长过程，也没有足够对应的训练语料。因此十年之内，人形机器人想要实现大规模通用场景落地，并不现实。

宇树科技上市当天，创始人王兴兴全程心态平静，甚至有些忧虑。原因很简单：他心里清楚，现阶段的产品某种意义上更像大型玩具。节日舞台空中表演、集体跳舞都可以完成，跳舞本质上只是预设动作的串联。但要真正走进千家万户，就会遇到重重难题。每个家庭的环境各不相同，就算同一个家，物品摆放早晚都会发生变化。比如拿杯子需要控制恰到好处的力度，小孩子很容易就能做到，机器人却很难实现，因为缺少对应的训练数据。这也是这类机器人现阶段主要客户是各类学校，多用于教学、演示，还无法真正形成生产力的原因。

马斯克也经常宣扬机器人的潜力，他和宇树属于两条不同的技术路线。宇树机器人的控制、平衡能力确实很强，但马斯克同样认为，机器人只能在固定局部环境完成相对重复的工作。有人会问：自动驾驶汽车上路运行却已经实现？汽车本质任务单一，只是完成从 A 点到 B 点的移动，遇到障碍物进行避让即可；但家庭场景的任务复杂多变，机器人落地依旧困难重重。

算力值得我们重点关注：算力不断提升，又反过来迭代算法，实现进一步优化。黄仁勋的 CUDA 架构是不是最优解？未必。算力一定会迎来爆发式增长。美国如今举国投入 AI 赛道，背后的原因在于，制造业短期之内很难实现回流。

我有一个思考：地球到底是平的还是圆的？五百年前多数人认为地球是平的，如今大家都知道地球是圆的。那我们可否思考，地球是不是“斜的”？再看制造业成本的转移规律，整体持续由高向低流动：从美国流转到日本，再到中国沿海，继而向国内西部转移。放到宇宙尺度，地球甚至渺小得如同一个点。地球究竟是圆、是平、是斜，抑或是宇宙中的微末小点，完全取决于我们观察的视角与站位。看待问题的角度和高度，至关重要。

三、未来必将走向人机融合

对于人机融合，我的判断是：未来一两百年，将以人机融合为主要趋势，再往后，人类大概率会演化成为多星球物种。去往遥远星际，人类飞行动辄需要上千年，人还没抵达就会走向死亡；但机器人可以做到，搭载核电池，抵达星球就能开展作业，甚至可以实现自我再生产。遥远星球之上，未必一定需要人类实体存在。

人机融合还有几个核心方向。人类寿命存在上限，有专业机构预测未来人类寿命可以达到 120150 岁，这个观点我比较认同。当人体器官出现衰竭，我们可以培育再造器官，比如心脏、肺，以此实现人机协同，起搏器这类设备已经是现实案例。

我认同这样一种说法：我们这一代人，很可能是碳基文明的最后一代，承担着接引下一代文明的使命。陈行甲曾说 “你是孩子的前传”，某种程度上，我们或许就是硅基文明的前传。但大家不必过度悲观，几百年、几千年后的事情，距离我们十分遥远。就像彼得大帝，传说离世时双手置于棺木之外，纵然伟大如斯，离世之后依旧两手空空。

四、《奇点更近》核心内容解读

科技并非线性增长，而是指数级增长，价值回报同样遵循这一规律。可人类大脑习惯用线性逻辑推演未来，这恰恰是最危险的认知错配。书中还介绍信息技术各个板块，同时探讨基因、纳米、机器人三大技术方向。过去大家认为 AI 属于软件，主要解放知识劳动者；机器人属于硬件，主要替代蓝领工人。如今二者正在深度融合，相当于为硬件载体装上智能大脑，再搭配图像识别与各类传感器，二者的边界正在消融。

这本书带给我最重要的启发，是把 “预测未来” 转变为设计未来。德鲁克有一句名言：“预测未来最好的办法，就是创造未来。” 阿里云就是很好的例子：早期我们全部采用 IBM 服务器、Oracle 数据库、EMC 存储，采购成本居高不下，被逼无奈才走上自主研发的道路，实现异构服务器集群的统一托管。人还是要有梦想。

书中还介绍坐标体系、循环推演等分析工具，相关内容争议较多，这里就不展开细说。我的思考是：过去四十年高速增长，二战之后八十年同样是高速发展周期，那么未来的经济是增量时代、存量时代，还是缩量时代？经济总量或许整体保持平稳，但世界一定会走向 K 型分化：行业之间、企业内部、个体之间，分化会愈发显著。

中国制造业地位举足轻重，产品力是根基，要努力打造爆品；但仅有产品远远不够，如今产能普遍过剩，渠道能力同样关键，线上、线下、跨境渠道缺一不可。品牌最终面向用户，成交依托于人，因此内容至关重要；而内容创作恰恰是 AI 的强项，我们团队就在利用 AI 生产内容；品牌服务用户，终究要依靠团队落地执行。我的结论是：单一的竞争力很难立足，多重能力要素叠加，才拥有未来，这和指数增长的逻辑相通。基于这一理念，我们也研发了智能宝、视频宝、主播宝等工具，大家有兴趣可以进一步了解。

再分享几个有意思的观点。第一，人类不只是工具的创造者，我们自身，也可能成为接引下一代工具文明的载体，走向人机结合。第二，真正的高级智能，是吃透不同领域底层逻辑，并且把能力迁移到全新场景。第三，技术和人类并非彼此割裂，技术是延伸人性的组成部分。第四，生物大脑负责情感与感知，能耗极低，譬如人类简单的笑容，算法就很难完整复刻；云端承担超算任务。二者协同，才构成完整的智能，人与机器的边界会越来越模糊。未来每个人身边，都会拥有大量智能体与机器人，多智能体协同会成为核心。过去我们探讨人与人、人与自然的关系，接下来，人与智能体、人与机器人的互动会越来越普遍。

书中还提到 “长寿逃逸速度”：每过一年，科学技术为人类增加的寿命，超过时间流逝消耗的寿命，技术延寿的速度跑赢人体衰老的速度。所以祝愿各位好好生活，未来人类的寿命会持续提升。当 AI 解决生存疾病与重复劳动，留给人类的，便是体验与表达。至于人类生物躯体载体是否必不可少，我持怀疑态度；拉长时间维度来看，我们很大概率就是文明的接引者。

我个人也出版过十余本数智化相关著作。回归商业视角，文一教授的观点十分值得重视：商业是发展的根基。过去我们依靠投资、消费、出口三驾马车拉动经济，如今三者都遇到不同程度的挑战；而 AI，将会是未来最大的变量。

凯文・凯利的几个观点让我印象很深。第一，现阶段的大模型本质更像 “书呆子”，主要基于文本训练，吸纳互联网海量知识，这点毋庸置疑。第二，它底层运行逻辑和人类完全不同，某种意义上，AI 就像是诞生于人类世界的 “外星生命”。第三，AI 智能体相当于你的另一个数字分身，时刻在线，甚至比你更了解你自己。和它交互，经常会收获超出预期的输出。

五、对于这本书的深度思考

大家刷短视频的时候，平台往往比你自己更懂你。你没有直接告知喜好，但停留时长、滑动操作这些行为，已经传递出你的偏好。有几个判断我十分认同：不确定性恰恰是普通人的机遇窗口；人形机器人在十年甚至更久之内，很难实现通用场景落地，在小范围环境承接重复、简单的工作是可行的。AI 是工具，并非人类的替代者；AI 越是进化，人的内心、人的主观价值就愈发珍贵。

重点谈谈我理解的 AI。第一，在我看来，AI 的定义是：沉淀人类文明成果的数字化动态知识库，搭配经过优化的推理模拟器。第二，它把人类文明沉淀的知识、思维模式做数字化封装，本身并不具备原生意识。

既然 AI 能力如此强大，那我们还要学习什么？很多家长都会问我，孩子未来应该选择什么专业。首先，学会和 AI 对话、学会高质量提问的能力十分关键。千亿量级的人类知识全部可供调用，但如果你不会和 AI 交互，依旧一无所获。你的认知里没有相关知识储备，就根本提不出对应领域的问题，认知源头在人的脑海当中。AI 给出的输出本质基于概率，结果需要人甄别对错。同样一个大模型，无论是豆包、ChatGPT 还是通义千问，不同人使用，效果天差地别，核心就在于人和 AI 的连接、运用水平。你的提问宽泛空洞，得到的答案自然浮于表面。我们要把 AI 视作协作伙伴，而不是万能机器，它擅长检索、推演，是高级助理，不能全权托付。至于 AI 幻觉问题，这里不做过多展开。

再聊聊 “涌现”。很多人把涌现现象直接等同于机器觉醒，这其实是误区。拿中医望闻问切举例：望，图像识别，AI 很容易实现；闻，气味识别同样不难；但问症、切脉，我可以负责任地说，部分 AI 在这方面的能力已经超过不少普通老中医。老中医一辈子能够积累几千份脉象案例已属难得，机器却可以不间断监测；古人归纳的脉象不过几十种，AI 却能够总结出成百上千种。涌现，只是模型训练后诞生出原有训练集不具备的新能力，只是一种技术现象，不能过度解读为机器产生意识。

最后，期待人与 AI 形成良性闭环：人类提出高质量问题，AI 快速生成方案，再经由人完成校验、迭代。AI 是数字化动态知识库，人既是提问者，也是最终的把关人。

还有一个值得深思的问题：世界可以划分为能量、物质、信息三大要素。信息与能量迭代飞速，物理世界却变化迟缓，二者会不会发生撕裂？杭州 AI 产业热火朝天，但放眼国内中西部，放眼广大第三世界国家，数字鸿沟会不会越拉越大？虚拟世界日新月异，物理世界却受限于制造周期、建设周期、能源瓶颈、安全红线，变革缓慢。比特与原子，发展节奏截然不同。生物科学或许会成为下一个重要方向，比如人类大脑，至今仍有大量未解之谜。

落到当下，和我们每个人息息相关的现实是：会不会使用 AI，会成为造成个人、企业、组织 K 型分化的一条硬性分界线，这一点毋庸置疑。