未来需要什么样的人——《未来呼啸而来》

序

《未来呼啸而来》曾经是一本畅销热门书，英文原版出版于 2020 年。对我们而言，那是一段不容易熬过的日子。在我的印象里，后来几年，关于这本书的讨论才更多地进入了视野。

当时间到了 2026 年，再回看两位作者对这十年的预想，我觉得有些变化已经超出了书里的预期，有些则还远远达不到他们构想的蓝图。十年还没有走完，但不同技术之间的速度差，已经很明显了。

彼得·戴曼迪斯和史蒂芬·科特勒在书中描绘了他们对未来技术发展的设想。他们相信，几种技术一旦融合，就会彼此加速，把原本看起来很遥远的事情推到眼前。到了今天，我最能感受到这种变化的地方，是人工智能。

AI在呼啸——《未来呼啸而来》

书里重点讨论了九大技术：量子计算、人工智能、网络、机器人、虚拟现实与增强现实、3D 打印、区块链、材料科学与纳米技术，以及生物技术。

按作者的设想，指数型技术的融合会带来七大加速力量——从更多可用的时间和资金，到全新的商业模式和更长的寿命——并将重塑零售、教育、医疗等八个领域。

作者并不是没有谈到风险。水资源、气候与能源、生物多样性、技术性失业，乃至关乎人类能否继续存活的风险，都在这幅未来图景里。读下来，强烈的感受依然是：技术会加速，机会会变多，未来会比我们想象中来得更快。

这些技术确实都有不同程度的进步，这是毋庸置疑的。书里谈到的飞行汽车，也可以放到今天低空飞行器的发展里去看。然而我最直接感受到的变化是，除了人工智能，其他许多领域离书里的设想都还差得很远。

区块链、3D 打印、增强现实当然不是没有往前走。至少现在，我家里也摆上了一台拓竹的 3D 打印机。可一件东西进入家庭，和它全面改变商业与社会，并不是一回事。在我的日常感受里，它们还没有带来与人工智能同等程度的革命性变化。

从我的角度而言，如今这本书似乎没那么火热了，或许也是因为大家已经把更多的关注和期待，集中投向了人工智能。

科学和工程之间，还有多远

有时候我也在思考，量子计算听起来很重要，但它真的有那么重要吗？这很难说。至少，它什么时候能变成我们日常生活里绕不过去的东西，我还看不清楚。

就像 ENIAC 这样的早期电子计算机，其研制有计算弹道的需求。后来又经历了很长一段时间，才逐渐有了如今繁荣的计算机应用生态。很多概念和方法，其实几十年前就已经提出，而工程和科学之间的鸿沟，并不是简单用几年或十年八年就能缩短的。

人工智能也是这样。以 1956 年的达特茅斯会议为起点，这个领域已经走了七十年。过去当然有过重要突破，但对我这样的普通使用者而言，真正感到它大规模进入日常工作，并不断改变自己对机器能力的判断，确实就是最近这几年。新的成果和纪录接连出现，快得让人来不及消化。

如果把时间调回到 2021、2022 年，即便 OpenAI 已经拿出了 GPT-3，谁又能确定它接下来会走到哪里？今天回看，好像一切都有迹可循；可身处当时，要相信它还能不断往前跨，又是另一回事。我觉得，对人工智能的质疑里，始终有一种判断：这次能做到，也不意味着下一次还能有更大的飞跃。

新的成果还是不断被拿了出来。就在 9 月 8 日，OpenAI 公布了针对纳维–斯托克斯（NS）存在性与光滑性问题的证明，连同论文和 Lean 形式化证明一起公开。按他们的说明，提出证明的是一个比 GPT-6 Astra 更强的内部模型，GPT-6 Astra 则参与了后续的形式化与验证。这项结果还有待数学界进一步检验，但 AI 已经把手伸向了困扰人类多年的千禧年难题。这个进步的速度，确实超过了我的想象。

还有哈萨比斯和团队做出的 AlphaFold2，在蛋白质结构预测上取得的成果。过去需要极高专业能力才能推进的一些工作，如今 AI 已经能够参与，甚至在其中承担关键任务。对我来说，这些实实在在的成果，已经足以打破很多关于它“做不到”的判断。

人手不足，还能解释多少事情

社会是多维度的，科技也在不断发展，但总有一些更基础性的技术和理论，会全面影响整个世界的发展。我认为，人工智能正是这样的技术，它的能力正在向社会的每一个角落延伸。

这种基础性技术，可能会在每一个细分领域带来革命性的创新。以前总说缺少人手、缺少经验，而随着 AI 能力变得更容易获得，一个被掩盖已久的问题会浮出水面：很多时候，真正缺的不是人手，而是远见和架构。这种状况将越来越难维持。潮水很快褪去，裸泳者很快就会被看见了。

尤其现在，我们的工作都离不开计算机。MCP 等协议让 AI 可以连接工具和数据，Computer Use 等技术则让它能够直接操作计算机界面。当前主流的大语言模型，正在从回答问题走向实际做事。AI 作为中间的思考和执行力量，无论是在科研、应用、广告还是零售，每一块都可能迎来巨大的进步。

人的创造力也会因此变大。这一点，我并不怀疑。但如果原来需要一群人完成的事情，现在少数人借助 AI 就能完成，那些原本需要的岗位，又会到哪里去？

能力变得容易获得之后

这个世界会继续发展。

很多技术本来就是在默默无闻、悄无声息中慢慢变化的。然而，有一种隐忧也在慢慢浮出水面——有人称之为“技术封建主义”：当关键能力的获取越来越依赖少数人控制的基础设施时，技术带来的究竟是解放还是新的依附？

如果做什么都得依赖几家公司的模型和算力，那么我们获得了更强的能力，会不会也变得更离不开它们？

以前，我们更习惯把获得能力这件事，理解为读书、学习、积累经验。如果今后越来越依赖硬件、算力和资金，那么设备由谁拥有，模型由谁提供，就会深度影响商业和社会结构。

AI 带来的平权，和对少数基础设施的依赖，很可能同时发生。

传统的工业大生产需要分工合作，许多人的工作，就是支持整个生产流程完成。能够在其中承担一个环节，就有获得报酬的机会。工业化以来，教育也越来越多地承担起为这种生产方式培养人才的任务。我们读书、掌握技能，然后到分工体系里找一个位置。

而如果现在事情发生了转变，许多工作可以通过调用模型、增加算力来完成，那么一些环节需要的从业者，就可能迅速减少。这里让我在意的是，使用一个现成模型，可能就能让小团队完成过去需要更多工程师才能做成的应用。我们普通人的大部分工作，会不会也遭遇这样的技术性失业？这也是不好说的。

再往下，人工智能给社会带来的好处和影响，还会不断被资本放大。算力、芯片、内存和相关基础设施会吸引多少资金，又会让谁拥有更强的议价能力？我担心的是，当越来越多的生产依赖这些东西时，普通人能分到多少好处，会不会也越来越取决于自己能不能接近、使用和负担这些资源。

结语

人和 AI 协同，听起来像是一个很自然的方向。人的创造力固然因此变大，但减少人力也变得很现实。

如果一件事情仍然有用，却已经不需要雇人来做，那么做这件事的人，还能靠什么获得报酬？

究竟未来需要什么样的人？做什么样的工作？提供什么样的价值？价格体系又如何去评判？

我不确定答案，但有一点越来越清晰：未来需要的，可能不是能做某件具体事情的人，而是知道该做什么、为什么要做的人。能力可以借助工具获得，但判断力和方向感，至少目前还长在人身上。