科技界正在發生一些不尋常的事。
那些正在打造全球最重要 AI 系統的人，不再將 AI 描述為另一次軟體升級。他們談論的是智慧普及、自我進化的產品、消失的工作、每個人的 AI 助手、自主 Agent，以及 AGI 將在數年內而非數代內到來。
有趣的是，他們對於接下來會發生什麼事，並不完全認同。
Sam Altman 認為智慧將變得普及且價格大幅降低。Spenser Skates 相信智慧將越來越融入產品本身，創造出一代自我進化的產品。Dario Amodei 警告初階白領工作將受到嚴重衝擊。Jensen Huang 相信 AI 將增強人類能力，並創造全新的經濟機會。Satya Nadella 表示數十年的技術變革正被壓縮成短短幾年。Demis Hassabis 則認為我們已抵達人類歷史的關鍵時刻。
乍看之下，這些像是不同的預測。但我認為它們是同一故事的不同章節。
把它們放在一起，就能描繪出一幅關於未來可能樣貌的驚人清晰圖像——以及我們該如何為此做好準備。
SAM ALTMAN：智慧正變得普及
OpenAI 越來越常從「富足經濟學」的角度來闡述 AI。基本概念很簡單：當有用的智慧變得更強大且價格大幅下降時，那些過去需要昂貴人類專業知識的活動，突然間就能以巨大規模在經濟上變得可行。
這個概念遠比表面上看起來更重大。
在人類歷史的大部分時間裡，有用的智慧一直很昂貴，因為它存在於人腦中。如果你需要專業知識，社會必須先花費數年教育一個人，然後再競爭這個人有限的時間。一位優秀的律師只能服務有限數量的客戶，一個程式設計師只能撰寫有限數量的程式碼，一位科學家只能研究有限數量的假設。
AI 改變了這些經濟學，因為機器智慧可以被複製、擴展，並持續可用。
想像智慧逐漸變得更像電力。我們不會「僱用」電力，也不會跟它「開會」。我們只是在需要的時候，取得我們需要的量。
一個五人新創公司可能擁有過去需要跨國公司才能擁有的分析與技術能力。一個小企業可能擁有自己的研究員、程式設計師、設計師和策略師。科學家可以研究那些過去不值得投入數千小時人力去探索的問題。
我們建立了一個以智慧稀缺為基礎的經濟體系。AI 可能將智慧轉變為基礎設施。
而當某樣東西從稀缺走向富足時，經濟價值通常會轉移到別處。
SPENSER SKATES：產品將開始自我進化
接著，Amplitude 共同創辦人兼執行長 Spenser Skates 將這個論點更進一步。
當所有這些普及的智慧不再只是待在聊天機器人裡等待我們提問時，會發生什麼事？當我們把它放進產品本身時呢？
Skates 一直在談論一個自我進化產品的未來：這些產品能夠持續理解它們被使用的方式，發現問題與機會，實驗改進方案，從結果中學習，並將這些經驗回饋到下一步的開發中。
這個詞值得我們給予更多關注。
幾十年來，軟體開發一直透過一個相對緩慢的人類循環在運作。公司建立產品，客戶使用它，數據累積，分析師研究發生了什麼，產品經理決定該改變什麼，設計師創造替代方案，工程師建構它們，最終另一個版本到達客戶手中。
然後這個過程再次開始。
每個階段都依賴人類啟動下一個階段。AI 開始壓縮整個循環。
首先，產品建構得更快。 AI 編碼工具大幅減少了創建軟體和修改現有產品所需的時間。
接著，產品開始觀察。 AI Agent 可以持續觀察客戶的實際行為，而不是等待有人手動檢查儀表板。
然後，它開始理解。 這些 Agent 可以識別出摩擦點、異常行為、轉換問題，以及人類可能從未想過去調查的機會。
接著，它開始實驗。 新的體驗可以被創建和測試，速度之快是傳統產品團隊無法實際達成的。
然後，它開始學習。 行為數據會揭示某個改變是否真的改善了轉換率、參與度、留存率或其他重要指標。
最後，它開始改進。 系統學到的東西會直接回饋到下一步該建構什麼。
今天，人類仍然控制著這些轉變中的大部分。但想像一下，當這個循環變得越來越自主時會發生什麼事。
一個產品注意到某個特定客戶群反覆在入職流程中放棄。一個 AI Agent 調查他們的行為，識別出摩擦的可能來源，並提出幾個替代方案。實驗測試這些方案，行為數據顯示哪一個有效，而這個學習成果直接回饋到下一次的改進。
這個產品不再只是人們使用的軟體。它變成了學習如何成為更好軟體的軟體。
這改變了競爭格局。
AI 編碼正迅速讓每個人都能更容易地建構東西。如果每家公司都能更快地推出產品，那麼單純地生產更多功能就不再是優勢。優勢從你建構的速度轉移到你學習的速度。
這裡有一個重要的區別。AI 可以生成軟體，但創造出某樣東西和知道人類是否真的想要它，是完全不同的問題。
前者需要智慧。後者需要理解人類行為。
這可能就是為什麼下一代偉大的產品不僅僅是內建 AI。它們將擁有一個持續的反饋迴路，將智慧與實際的人類行為連結起來。
最好的產品不一定會贏。
學習最快的產品才會。
DARIO AMODEI：階梯的第一階會發生什麼事？
Anthropic 執行長 Dario Amodei 看到了能力日益增強的智慧所帶來的更令人不安的後果。
他警告，AI 可能在短短幾年內顛覆大量的初階白領工作。無論最終的具體數字是多少，他的警告背後所隱含的結構性問題值得我們認真關注。
職業階梯的第一階會發生什麼事？
公司僱用初階分析師，部分原因是需要有人研究競爭對手、操作試算表、準備簡報。律師事務所僱用年輕律師來審查大量資料。軟體公司將相對簡單的編碼任務交給初級開發人員。
但這些工作有兩個功能。它們為公司產出工作成果，同時也產出有經驗的人。
分析師最終會培養出判斷力，成為總監。審查文件的年輕律師最終會處理複雜的談判。修復無聊錯誤的程式設計師會逐漸了解真實系統在出錯時的行為。
如果 AI 變得極其擅長初階工作，公司就有明顯的經濟誘因去僱用更少的初階員工。
這造成了一個我們尚未解決的矛盾：AI 可能移除人們傳統上用來學習如何做那些 AI 尚無法勝任的工作的過程。
我們可能在還沒弄清楚下一代如何爬到頂端之前，就先自動化了階梯的底部。
JENSEN HUANG：每個人都獲得超能力
NVIDIA 執行長 Jensen Huang 看到了這個等式的另一面。
他的預測簡單而精彩：「每個人都會有一個 AI 助手。」
Huang 更廣泛的論點是，AI 不會只是取代人類勞動。它將放大個人所能達成的成就，隨著智慧和生產成本的下降，可能創造出全新的需求。
歷史為這個論點提供了一些可信度。
試算表並沒有消滅會計師。電腦並沒有消滅辦公室職員。網路摧毀了一些職業，同時創造了過去不可能存在的產業。
因此，AI 可能消滅大量的工作，但不會消滅相同數量的職位。
如果軟體的創造成本降低十倍，也許社會並不需要十分之一的開發者。也許人類決定建造五十倍的軟體。如果科學研究變得極其便宜，也許我們不需要更少的科學家；也許科學家會嘗試數百萬個過去在經濟上不可行的實驗。
這意味著 Huang 和 Amodei 可能都是對的。某些職業可能急劇萎縮，同時全新的經濟活動類別會爆炸性增長。
技術革命很少在毀滅與創造之間做選擇。它們通常兩者都帶來，但不一定同時發生在同樣的人身上。
SATYA NADELLA：真正的問題可能在於速度
Microsoft 執行長 Satya Nadella 用一句我認為特別重要的話來描述當前的平台轉變：
「三十年的變革被壓縮成三年！」
壓縮這個詞可能比這場辯論中幾乎任何其他東西都更重要。
人類社會過去已經歷過巨大的技術轉型。電力改變了工廠和家庭。汽車重新設計了城市。電腦改變了辦公室。網路重組了通訊、商業和媒體。
但社會有時間去適應。人們退休，而年輕一代學習不同的技能。大學改變課程，政府制定法規，公司成立與倒閉，整個職業逐漸演變。
AI 可能創造一個不同的問題，因為技術適應的速度可能快於人類適應的速度。
想像一個人今天開始攻讀一個四年制大學學位，而這個職業的經濟學在畢業時可能已經徹底改變。或者考慮一位 45 歲的專業人士，花了二十年時間在某項任務上變得卓越，而這項任務突然間幾乎可以即時且零成本地完成。
最大的危險可能不是技術變革本身。而是機器改進的速度與人類、公司和機構自我改造的速度之間日益擴大的差距。
DEMIS HASSABIS：這可能變得比軟體更重大
然後我們來到 Google DeepMind 執行長 Demis Hassabis。
在 2026 年 8 月，Hassabis 將當前時期描述為「人類歷史的關鍵時刻」，並表示，在整個職業生涯中致力於 AGI 之後，他相信它現在「近在咫尺」。
這將對話遠遠帶離了工作場所生產力。
一旦 AI 能夠在實質上幫助人類推進數學、生物學、化學、材料科學、工程學和醫學，AI 就不再只是另一個科技產業。它變成了能夠加速其他技術的技術。
AI 可以改進機器人技術、幫助發現藥物、設計新材料、編寫軟體、協助科學研究，並幫助工程師設計更好的電腦，而更好的電腦反過來又能運行更好的 AI。
這創造了一個反饋迴路：更好的 AI 幫助人類建造更好的技術，更好的技術幫助人類建造更好的 AI，而這個循環不斷加速。
這就是為什麼將 AI 與智慧型手機相比，可能嚴重低估了正在發生的事。智慧型手機改變了人類獲取資訊的方式。
先進的 AI 可能改變人類發現新事物的速度。
他們可能都是對的
乍看之下，這些領導者似乎在告訴我們不同的故事。然而，將他們的論點按順序排列，它們開始顯得驚人地相容。
Altman 說智慧變得普及。 過去昂貴的能力現在幾乎人人都能取得。
Skates 說產品本身開始學習和改進。 普及的智慧被嵌入產品開發循環，將建構、觀察人類行為、實驗、學習和改進連結起來。
Amodei 說普及的智慧顛覆了知識工作。 尤其脆弱的是那些傳統職業所依賴的初階任務。
Huang 說 AI 極大地增強了個人的能力。 更低的成本創造了新的需求、新的公司和全新的工作類別。
Nadella 說這一切發生得異常迅速。 社會獲得的調整時間遠比過去任何技術革命都少。
Hassabis 說 AI 最終會加速發現本身。 智慧開始幫助人類發明下一代技術。
這些不一定是六個相互競爭的預測。它們可能是同一場轉變的六個層面。
追隨稀缺性
如果這些人的看法即使只有部分是對的，那麼對於任何思考自己職業生涯、公司或投資的人來說，都有一個驚人實用的教訓：
不要把你的價值建立在 AI 正在使其變得普及的事物上。而要建立在因為 AI 普及而變得稀缺的事物上。
注意力變得稀缺。 當內容變得實際上無限時，捕捉真正的人類注意力變得更加困難，因此也更有價值。
判斷力變得稀缺。 當分析可以即時產生時，困難的問題不再是你能不能獲得分析。而是你是否知道哪個分析值得信賴。
方向變得稀缺。 當 AI 可以產生數百個點子和策略時，再多一個點子不一定有用。知道哪個問題值得解決，這本身就成為了優勢。
原創思想變得稀缺。 當稱職的文章、圖像、軟體和簡報幾乎任何人都能產生時，擁有真正與眾不同的觀點就變得更有價值。
信任變得稀缺。 機器將越來越有說服力地溝通，同時合成內容變得更容易製造。因此，人類的可信度變得更有價值，而非更少。
品味變得稀缺。 AI 可以創造無限的可能性。但還是得有人決定哪一個是真正好的。
而自我進化的產品創造了另一種可能至關重要的稀缺性：知道系統應該優化什麼。
機器可以變得極其擅長達成一個目標。產品可以變得極其擅長改善一個指標。但這是正確的目標嗎？這是正確的指標嗎？
這不再只是一個技術問題。
這是一個人類判斷的問題。
不要試圖跑贏機器
幾十年來，管理者告訴人類該執行哪些任務。明天，領導者可能越來越需要為人類、Agent 和自我進化系統的組合定義目標。
那麼，領導力就不再是監督執行，而是定義方向、限制條件、激勵機制和意義。
我不會把未來十年花在試圖讓自己變得比那些正以指數級速度改進的機器稍微好一點。我會學習如何指揮它們，同時刻意強化那些正因為智慧本身變得普及而更有價值的能力：判斷力、好奇心、勇氣、人際關係、領導力、責任感和品味。
AI 時代的贏家可能不是最了解 AI 的人。他們可能是那些理解當智慧本身不再稀缺時，該用智慧做什麼的人。
數千年來，智慧賦予人類非凡的力量。現在，我們正在建造可能讓智慧無處不在、隨時可用的機器，而我們周圍的產品也開始觀察、學習和改進。
也許 AI 時代的決定性問題，不是機器最終是否會像我們一樣思考。
而是一個更令人不安的問題：
當擁有智慧不再足以讓我們與眾不同時，人類應該成為什麼？
