独家 | 凯文·凯利：忘掉乌托邦吧，未来是“进托邦”

近日，在中欧EMBA三十周年庆典上，《连线》杂志创始主编、《2049》作者凯文·凯利（Kevin Kelly）发表了主旨演讲，用他一贯的睿智与温度，为我们描绘了一幅关于AI（人工智能）与人类未来的全景图。从通用人工智能的不确定性到智能体经济的全新可能，从任务被取代到工作被重塑，从美国硅谷到“酷中国”的想象，他告诉我们，在充满不确定性的时代，保持乐观不是天真，而是一种责任；选择相信未来会更好，才能真正创造出更好的未来。以下为演讲实录，有删节。

重要观点

在充满不确定性的时代，最重要的不是预测未来，而是为未来做好准备。

我们需要“异人智能”，因为它们能以全新的方式看待问题，提出人类未曾想到的解法。

AI取代的是任务，而非工作。它让人类更高效、更具创造力，而非被动失业。人类与AI的关系不是竞争，而是互补与协作。

AI不是威胁，而是一面镜子。它让我们重新认识智慧的本质，也促使我们思考人之所以为人的意义。

所谓“进托邦”，并不是一个完美的世界，而是一个每天都在变得更好一点点的世界。

保持乐观并非天真，而是一种基于历史的理性判断。

乐观不仅是一种态度，更是一种道德担当。因为创新与进步，都需要建立在相信未来会更好的基础上。

未来不是“属于”乐观主义者，而是由他们创造的。正如当下由过去的乐观主义者所塑造，明天也将由今天的我们来延续。

未来最具竞争力的人，不是拒绝AI的人，而是能够与AI协作、共创、共进的人。

一个“酷”的人或国家，不是以力量压服他人，而是以创造力和魅力让他人想要模仿。

AI与不确定性

今天，我想分享的第一个主题是关于AI以及它的不确定性。

提到AI，人们立刻会想到它背后巨大的未知。这种不确定性并不是因为误解或信息不足，而是即便全球最顶尖的专家，对未来的判断也存在极大的分歧。

在我看来，关于AI的未来，有三个关键的不确定性：第一，通用人工智能是否可能实现？第二，未来计算的发展趋势是中心化还是去中心化？第三，AI将对就业产生怎样的影响？

不确定性一：通用人工智能是否可能实现？

换句话说，我们能否真正创造出一种具备广泛智能、能够像人类一样思考和学习的系统？

答案是：我们还不知道。

我们已经有了相关的理论，也投入了数十亿美元的研究经费，但结果仍然不确定。也许未来并不会出现真正意义上的通用人工智能，而是会出现成百上千种在特定领域中表现卓越的“弱人工智能”。

从能力的角度来看，一端是专用智能，另一端是通用智能。当前，大多数资金与资源都投入在通用智能的探索之中，许多大型公司都在押注这条路线。

然而，在我看来，我们应该关注“人工智能们”（AIs）。未来不会只有一种智能，而会有许多不同形态的人工智能。我们将看到各种潜在的智能形态、不同的“脑结构”和思维方式。

以DeepSeek、OpenAI为例，它们的模型其实都是由多个专业的弱人工智能系统组合而成。换句话说，我们今天所看到的，是由不同“智能模块”共同运作的集合，而非单一的“通用智能体”。

当我们谈论智能时，不能仅以人类的认知方式为标准。不同的大脑与不同的学习结构，会产生不同类型的智能。某些动物在特定任务中比人类更擅长，而机器的优势又体现在不同方面。由此可见，智能的多样性本身就是自然现象。

在这个广阔的“智能空间”中，人类智能只是其中的一种形式。

未来的AI，可能会出现许多“异人智能”（Alien Intelligences），它们以不同于人类的方式思考，但可能得出相同的结论。这种差异不是缺陷，而是一种优势。

我们需要“异人智能”，因为它们能以全新的方式看待问题，提出人类未曾想到的解法。

因此，我相信，人工智能的最终形态不会是一个单一的通用系统，而是一个由多种专用智能组成的复合网络。我们将生活在“智能的多样世界”中。

不确定性二：中心化还是边缘化？

第二个不确定性，是AI计算的发展方向。未来的人工智能计算，将主要依靠中心化的云端系统，还是更多地依靠边缘与本地设备？

目前，大多数公司都押注在中心化的方向上。这一逻辑源自“缩放定律”，即模型越大、参数越多、训练资源越充足，智能表现就越强。因此，我们看到大语言模型规模不断扩大，芯片数量持续增长，模型的性能也似乎越来越强。

然而，这种趋势是否可持续？我们并不确定。更大的模型意味着更高的能耗和更庞大的数据中心，也带来了集中化的控制问题。

与此相对，另一种趋势正在悄然兴起：边缘计算。

事实上，目前全球约70%的计算发生在边缘端：在手机、工厂、汽车、传感器以及家用设备之中，都存在大量的本地计算活动。

未来十年，随着硬件性能的提升和模型优化的推进，越来越多的AI运算将转移到边缘设备上。

这种转变带来了非常显著的优势，边缘计算响应更快，隐私保护更强，能耗更低，同时具有更强的独立性。

未来的智能设备如机器人、智能眼镜或自动驾驶汽车，将能够在本地实现智能计算，无须依赖云端实时指令。

因此，在我看来，未来的AI计算架构很可能呈现“混合式”的格局：中心化的云计算与去中心化的边缘计算共存，但主导力量将逐步向边缘侧转移。

这种分布式结构，或许才是智能社会的真正形态。

不确定性三：取代还是赋能？

人工智能究竟会提升人类工作的效率，还是会直接取代人类？专家们仍然没有一致的答案。

然而，从现有数据来看，人工智能带来的并不是失业，而是效率的提升。到目前为止，没有证据表明AI导致了大规模裁员。

实际上，在大多数情况下，AI帮助人们提升了生产力。研究显示，日常使用AI的员工平均效率提升约25%。

AI的引入改变了工作的结构，但并没有让工作消失。它让人们从重复、标准化的任务中解放出来，专注于更具创造性和判断力的工作。在这种意义上，AI不是替代人类，而是扩展人类的能力。

以客服行业为例，过去由人工接听的任务，如今由AI客服承担。AI系统可以全天候工作，而人工客服则负责监督、优化和处理复杂问题。

结果是服务效率提升，顾客体验改善，同时创造出新的岗位，如AI培训师、系统监管员、算法评估师等。

AI并没有减少工作岗位，而是改变了工作的性质。

正如一个工作是由多项任务组成的，AI可以取代部分任务，但无法取代“工作”本身。因为工作不仅仅意味着执行，更意味着责任、判断与创造。

AI擅长执行，却无法承担责任；能生成内容，却缺乏自我学习的意识。因此我们可以说：AI取代的是任务，而非工作。它让人类更高效、更具创造力，而非被动失业。人类与AI的关系，不是竞争，而是互补与协作。

面对这三大不确定性，我们无法给出确切答案，但这并不意味着我们应当恐惧未来。

相反，我们应该以开放的心态、灵活的策略去适应变化，拥抱更多的可能性。

人工智能的发展方向或许是多样的，甚至彼此充满矛盾，但唯一可以确定的是，AI将持续演化。它可能改变产业结构，重塑工作方式，也可能引发伦理、文化与社会层面的再思考。

在这种不确定的时代，最重要的不是预测未来，而是为未来做好准备。我们无法决定AI将成为什么样的存在，但我们可以决定自己以怎样的态度去面对它。

保持学习的能力，保持理解的深度，保持对未知的敬意，这是人类在智能时代最大的优势。

AI的前沿与未来方向

在理解了人工智能所带来的不确定性之后，我们更需要思考未来的AI将如何演进，接下来的5~10年它的发展重点会是什么。

我认为，未来AI的创新将主要体现在四个前沿方向上：符号推理、空间智能、情感智能以及智能体。

这些方向不仅代表技术的延伸，更意味着智能的多维化与专业化。未来的AI将不再是单一的模型，而是一系列不同类型智能的组合。

一

符号推理：结构化智能的回归

在人工智能的发展历史中，符号推理是最早出现的一类智能形式。它强调通过逻辑规则、因果关系和结构化表达来理解世界。

而如今，我们使用的大语言模型大多基于神经网络。这种模型虽然非常强大，但主要依赖海量的数据与统计学习。它们可以模仿语言，却并不真正理解逻辑，也不具备深层的推理能力。

这些神经网络是“扁平的”系统，内部缺乏明确的结构与层次。它们能够生成流畅的语言，解决部分问题，却无法像人类那样进行“推理”或“规划”。

因此，许多研究者认为，人工智能要实现更高层次的认知，必须引入结构化推理机制。

换句话说，未来的AI需要结合自下而上的神经网络学习与自上而下的逻辑推导，让这两种智能模式形成互补。人类大脑正是这种多重智能机制的复合体。

我们拥有注意力、归纳、演绎、长期记忆、情绪调节与规划等不同的认知系统。AI若要向更复杂的智能迈进，也必须整合这些不同的能力。

因此，未来的AI研究，不仅要追求更大的模型规模，更要探索如何在“推理”“学习”“规划”“情绪”等不同智能模块之间建立平衡与协同。

我们可以把智能想象为一种复合物，由多种元素构成：推理、模拟、学习、语言、感知、记忆……这些能力的合理组合，才可能构成真正的“通用智能”。

每个智能体都需要在速度、准确性、记忆和能耗之间做出权衡，无法面面俱到，这正是未来AI研究的关键挑战，即如何在复杂性与效率之间取得平衡。

二

空间智能：让AI理解真实世界

目前的大语言模型在知识层面非常强大，但它们对现实世界的理解是很有限的。这些模型通过阅读文本学习，而非在真实世界中体验。它们知道“人类说了什么”，但不知道“世界是怎样的”。

因此，我们需要让AI具备“空间智能”，具备能够在真实世界中行动、感知、理解的能力。

空间智能是让AI真正脱离文本的关键。未来的AI不仅要能“说”，还要能“做”；不仅要能“计算”，还要能“观察”。

例如，自动驾驶汽车需要理解道路结构、物体距离与物理规则；机器人需要三维空间识别、物体感知、理解力等。这类能力无法仅仅通过语言模型来获得，必须通过与现实世界的互动来学习。

未来的AI训练，不仅会基于文字，还会基于物理、化学、生物等多维的数据。我们可能会拥有“大物理模型”“大化学模型”“大生物模型”，它们不再只是语言专家，而是“世界专家”，能够通过真实数据理解世界运作的方式。

这种趋势也将催生新的交互方式。比如“智能眼镜”，它能够在佩戴者的现实视野中叠加虚拟信息，为人提供导航、提醒或反馈。通过增强现实（AR）与混合现实（MR），AI将不再局限于屏幕之中，而是会进入我们的日常环境。

这种与现实的融合，将推动AI真正进入“空间化”阶段。

此外，AI还可以构建“数字孪生体”，在虚拟空间中复制现实世界的环境、流程与系统。未来的家庭、工厂乃至城市，都可能拥有自己的数字孪生体，由AI进行监测与管理。

这样一来，我们不仅能预测现实中的问题，还能在虚拟世界中提前优化解决方案。

空间智能的核心，是让AI真正理解世界的运行方式。只有当AI掌握了物理世界的规律，它才能安全地与我们共存。

三

情感智能：让AI具备共情能力

长期以来，人们认为情感属于人类的专属特质，而智能只是理性计算的结果。

但事实上，情感与智能密不可分。情绪是人类决策的重要依据，也塑造了我们的社会行为。

未来的AI，也必须具备理解与回应情感的能力。机器完全可以被编程来识别人的情绪，甚至表现出情绪。

AI可以通过语音语调、面部表情、文字内容来判断一个人的情绪状态是惊讶、悲伤、愤怒还是恐惧。

它可以据此调整自己的语气与行为，展现出共情式的回应。

例如，一个AI玩具可以察觉到孩子的情绪变化，在孩子伤心时安慰他或者问：“今天上学怎么样？”这种人机互动，会逐渐建立情感联结。

这种关系并不是虚假的。正如人类与宠物之间的情感是真实的，即使动物不具备语言；未来，人类与AI之间的情感联结也将是真实的。我们可能会像对待宠物一样，对AI产生情感依附。AI可以成为伙伴、咨询师甚至“数字朋友”。

这类情感交互，将在人类社会中产生深远影响。AI将参与到教育、心理健康、陪伴、康复等领域，成为人类情感网络的一部分。人类的孤独，或许会因此得到某种缓解。

但与此同时，这也将引发新的伦理问题，当机器能“理解”我们的情感时，我们该如何定义真实与虚拟的界限？

四

智能体：从工具到伙伴

智能体不同于传统的软件程序，它能够代表人类执行任务，甚至与其他智能体协作。它们可以是具象的，如机器人、虚拟助手，也可以是隐形的，如自动交易系统、后台数据分析引擎。未来可能会存在数以万亿计的智能体在全球范围内运作。

一个智能体可以招募另一个智能体，共同完成任务，就像人类的分包体系一样。它们形成网络，相互协作、相互支付，构成一个庞大的智能体生态系统。

智能体的理想状态，是无形的智能。也就是说，它们默默地工作于后台，自动完成任务，而人类几乎察觉不到它们的存在。正如电力或互联网，只有当系统出现故障时，人们才意识到它的存在。

成功的科技往往是隐形的，而AI也将走向这种透明的存在状态。

更重要的是，未来的智能体之间将形成一种新的经济体系——智能体经济。

智能体可以彼此签约、分工、支付。在这个体系中，最有可能成为它们交易媒介的是稳定币，因为稳定币能够支持安全的小额支付，并适应机器之间的自动交易。

但随之而来的，是信任问题。一个智能体如何信任另一个智能体？如何防止欺诈、核验任务完成情况？这些问题都需要新的信任机制来解决。

这将是一个巨大的创新机会，未来谁能发明出适用于智能体世界的信任技术，谁就可能掌握AI经济的基础设施。

当AI技术逐渐成熟，它将像电力一样，成为一种可自由流通的资源。未来我们将按需购买智能，就像购买电力、水或网络带宽一样。AI会无处不在，廉价且易得。

真正的竞争焦点，将不在于AI本身，而在于人与AI之间的界面。谁能让AI使用得更自然、更直观、更个性化，谁就拥有了未来的优势。界面的易用性将成为新的创新前沿。

AI的普及不会一蹴而就，而是一个渐进式的变革过程。

从现在开始，AI的发展将经历长达十年的吸收与整合期。在这段时间，人类将逐步学会与AI共事、调整组织架构与文化体系。我们的工作方式、管理逻辑、绩效指标，都必须重新设计，以适应这个人机共生的新环境。

AI的出现，不只是引入一个工具，更意味着一次文化重构。它将改变我们对生产力的定义，也将改变企业和社会的运作方式。真正的挑战不在技术层面，而在于人类如何重新学习与智能共处。

AI与就业、产业和组织变革

人工智能的发展，正在以一种深刻而渐进的方式重塑人类的工作与组织形态。它不仅改变了任务执行的方式，更在重新定义工作的本质与价值。AI的到来并非一场突然的革命，而是一场持续的演化。理解它的节奏与逻辑，才能更好地与之共生。

一

AI的扩散节奏：从探索到整合

AI的应用不会在短期内全面取代传统体系，而会以渐进的方式渗透进社会的各个层面。未来十年，将是人类与AI相互适应的关键阶段。

这场转变不仅涉及技术层面，更是组织与文化的变革。为了有效引入AI，企业必须重新设计工作流程，调整绩效体系，重构决策结构。

我们过去的工作系统是为人类员工设计的。而在未来的组织中，AI将成为团队成员，需要在文化与结构上为它预留空间。

这种调整并非易事，但正如工业革命时期电力改变了生产结构，AI也将推动管理与协作方式的根本转变。

在这场转型中，小型和初创企业往往走在前列。它们规模灵活、结构扁平，能够快速试验与调整。相较之下，大型企业因流程复杂、层级较多，对AI的吸收速度会更慢。

但无论企业大小，AI的融入已是不可逆的趋势。

二

AI的两种应用形态：产品与能力

在企业内部，AI的应用可以分为两种类型。第一种是AI产品，即公司直接生产或销售基于AI的产品和服务；第二种是AI内部应用，即企业在自身的运营与决策中使用AI，提升效率与创新能力。

现实中，AI的内部应用往往发展得更快。许多公司并不直接生产AI，但已在流程管理、客户服务、市场预测、风险分析等环节中广泛引入AI工具。这种看不见的AI正在成为新的生产力来源。

类似的情形，曾经在电力革命中出现过。当电力被发明时，最初并未立即改变工厂结构，但当工厂开始重新布局以适应电动机的分布时，整个工业体系发生了质变。

AI正处在类似的阶段，它不仅带来了新产品，而且会引发组织形态重构。当知识与智能被系统化嵌入企业，部门边界会逐渐模糊，协作将更加灵活，创新速度将显著提升。

三

AI的行业影响：知识密集领域首当其冲

AI首先影响的，是那些以知识为核心的行业。软件开发、市场营销、医药研发、教育、金融与保险等领域，已经成为AI渗透的前沿。

这些行业具有一个共同特征：信息密集、语言驱动、逻辑清晰，正是AI擅长的领域。

以客服为例，AI客服的出现并没有造成岗位的大规模消失。相反，AI系统承担了大量重复性的沟通任务，而人工客服则专注于处理复杂问题与客户关系维护。

AI的加入，使企业能提供更长时间、更高质量的服务，同时催生出新的职位，如“AI客服监督员”“交互体验优化师”。这种趋势在翻译、内容创作、教育辅导和金融分析等行业中同样明显。

AI的角色，不再是“人力替代”，而是“人力增强”。它接管了任务，却保留了工作的价值。这种“任务替代—工作重组”的逻辑，正成为AI时代劳动结构的核心特征。

四

技术转型的经验法则：三次试验

企业在引入AI的过程中，常会经历一个“三次试验”规律。第一次尝试通常代价高昂、失败率高；第二次尝试成本降低，但效果仍很有限；直到第三次尝试，成本显著下降，应用才会真正成熟。这种规律不仅适用于企业，也适用于个人。

在AI应用的早期阶段，失败几乎是必经之路。要想真正掌握新技术，必须通过反复试验与学习。

因此，“先失败，再成功”是AI时代的必修课。

五

工作的重组：任务消失，工作犹存

AI不会让工作消失，但会让任务消失。

每一份工作都是由若干具体任务构成的，AI接管的是那些规则明确、可预测、可重复的部分。但一个完整的工作往往包含责任、判断、创造和人际互动，这些仍然是人类独有的能力。

医生、教师、律师、设计师、程序员等职业将经历同样的演化，AI将成为他们的协作伙伴，而不是替代者。

人类与AI的结合，将远比单一的人或机器更强大。例如，AI医生能够快速诊断疾病、检索文献、提供治疗方案，但真正的医疗判断仍需人类医生来完成。

最理想的模式，是“人类医生+AI医生”的组合：AI提供知识支持，人类提供伦理判断与同理心。

同样，在教育领域，“教师+AI助教”的形式将成为主流。AI可以提供个性化的教学反馈，而人类教师负责引导学生思考、激发创造力。

未来的理想团队，不是全人类团队或全AI团队，而是“人机协作团队”。这种协作将重塑职业结构，使人类的核心竞争力回归创造、判断和情感领域。

六

AI与责任：人类的不可替代性

人类在工作中承担三项职能：执行任务、承担责任、持续学习。AI目前仅能承担任务执行。它可以生成内容、完成计算，但无法承担责任，更缺乏持续学习的能力。

当AI出错时，它不会道歉，不会补偿，也不会感到内疚，责任始终属于人类。因此，随着AI的广泛应用，人类承担责任的价值反而会被重新强调。

与此同时，AI的学习是间断的。它依赖定期训练和模型更新，而不是实时的、自我导向的学习。人类的学习则是持续的、动态的、基于情境的。

未来AI研究的一个重要方向，就是探索持续学习的可能性，但目前这仍是一个尚未解决的难题。

正因如此，人类的自我学习能力和责任意识，仍然是AI无法企及和拥有的核心特质。

这也意味着，在可预见的未来，人类不会被AI淘汰。我们不会因为AI而失去工作，但可能会因为不会使用AI而失去竞争力。

七

AI与创造力：登山与造山

创造力是人类智慧的最高体现。

在AI领域，我们可以把创新分为两种：一种是“登山式创新”，即在既有的框架内不断优化，追求更高的效率。

另一种是“造山式创新”，即创造出全新的领域和问题。AI擅长“登山”，在既定问题中寻找最优解；但“造山”仍是人类的领域。AI可以在数据中发现模式，却无法提出全新的问题。而人类的创造力，恰恰体现在打破旧有框架、建立新秩序的能力。

科学史上，从DNA双螺旋的发现到量子力学的诞生，每一次重大突破，都来自这种“造山”的创造力。

AI或许能在未来的某一天实现这种能力，但至少目前还远未达到。在可预见的时代，人类仍是意义与创造的源泉。

总体而言，人工智能带来的未来不是被取代的未来，而是被赋能的未来。任务会被重新定义，职业会被重新组合，组织会被重新塑造，但人类不会被淘汰。

相反，我们将因为AI而更加聪明、高效和具有创造力。

AI不是威胁，而是一面镜子。它让我们重新认识智慧的本质，也促使我们思考人之所以为人的意义。

未来最具竞争力的人，不是拒绝AI的人，而是能够与AI协作、共创、共进的人。

正如电力点亮了工业时代，AI也将点亮智能时代。这场变革已经开始，而我们每个人都是参与者。

乐观主义与“进托邦”

在理解人工智能的不确定性之后，我想谈谈第二个主题：保持乐观的重要性。

我们正生活在一个充满剧变的时代，AI正在重塑世界的规则，也引发了人们的焦虑与担忧。

但在我看来，保持对未来的乐观，不仅是一种选择，更是一种道德责任。只有相信未来可以更好，我们才有动力去创造它。

一

为什么要保持乐观

每天，我们都被各种坏消息包围。新闻报道、社交媒体、影视作品，几乎都在传递一种共同的情绪：未来正在变糟。

而在所有描绘未来的科幻作品中，AI几乎总是反派角色，它控制人类，毁灭文明，取代创造者。这样的叙事长期影响着我们，让人们在潜意识中将AI与危险、失控、阴暗联系在一起。

但现实并非如此。在科技史上，很多重大创新都曾被质疑、恐惧、反对，无论是电力、印刷术、互联网还是基因技术都是如此，但它们最终却极大地推动了人类文明的进步。我们需要新的叙事，需要一种关于希望的想象力。

人类必须先想象出一个美好的未来，才能真正去创造它。这就是乐观的重要性：它不是盲目相信，而是主动设想一个更好的世界。因为只有这样，才有可能实现它。

二

从乌托邦与反乌托邦到“进托邦”

长期以来，人类在想象未来时总是在两个极端之间摇摆：乌托邦与反乌托邦。乌托邦（Utopia）是完美无瑕的理想世界，但是静止的、封闭的、无聊的。它不可能实现，也不值得实现。而反乌托邦（Dystopia）则充满绝望，机器统治，人性泯灭，社会崩坏。

这种极端的悲观叙事，虽然在文学与影视中令人震撼，但它削弱了我们的想象力，让人们失去了改造未来的勇气。因此，我提出一个新的概念——“进托邦”（Protopia）。所谓“进托邦”，并不是一个完美的世界，而是一个每天都在变得更好一点点的世界。

“进”代表进步、前进、演化。它意味着世界并不完美，但每天都比昨天要好一点。如果我们能够让世界每天进步1%，让创造多一点，破坏少一点，那在十年、二十年、五十年后，我们将生活在一个截然不同的文明之中。

这种缓慢但持续的改进，就是进托邦的逻辑。

三

渐进的希望：1%的力量

进托邦不是幻想，而是一种统计学意义上的现实，人类过去两百年的发展已经证明了这一点。

我们的寿命变得更长，教育被普及，疾病减少，能源效率提高，信息传播速度之快前所未有。而在中国，这种进步更为显著。过去四十年，中国以令人惊叹的速度实现了社会与经济的跃升。

这些事实告诉我们，持续进步是人类文明的常态。即便未来步伐会放缓，即便存在周期性的波动，从长远看，世界仍在向前。所以，保持乐观并非天真，而是一种基于历史的理性判断。

从概率上讲，未来继续改善的可能性远大于全面倒退的可能性。乐观并不是忽视问题，而是相信问题可以被解决。悲观只会带来退缩，而乐观会驱动创造。

正如投资复利的奇迹，1%的持续进步，最终将带来指数级的改变。

四

想象力的力量：从《星际迷航》到智能手机

没有想象力的未来，不会自动变好。乐观不是被动等待，而是主动想象。

举一个例子，在20世纪的科幻剧《星际迷航》中，角色使用的通讯器，启发了后来硅谷工程师设计早期的智能手机。当时那只是虚构的道具，但它激发了现实世界的创造。

无论是飞机、计算机、互联网还是灯泡，它们都不是偶然诞生的，而是源于某个人心中的设想。人类的每一次伟大发明，都是由乐观主义者推动的。因为他们相信不可能的事可以实现。

想象力与乐观，是所有创新的前提。正如历史由过去的乐观主义者塑造，未来也将由今天的乐观主义者创造。

五

乐观是一种选择，也是一种责任

乐观不是天生的性格，而是后天的决定。我们可以选择恐惧，也可以选择希望。乐观，是我们面对未知时做出的积极选择。

更重要的是，乐观不仅是一种态度，更是一种道德担当。因为创新与进步，都需要建立在相信未来会更好的基础上。如果没有人相信未来可以变好，就不会有人去发明新技术、改进制度、探索科学。

世界需要乐观者。他们是社会的建设者，是推动文明前行的力量。

我们今天所享受的一切，都源自过去那些对未来充满信念的人。他们在当时也面临质疑、挫折、风险，但他们选择了乐观，选择了去创造。

而我们现在所要做的，就是继续这场信念的接力。我们要成为好的祖先，为子孙后代留下一个更好的世界。

未来几代人将生活在我们今天创造的现实之中，他们或许会感谢我们，因为我们在一个充满不确定的时代，仍然选择了乐观。

六

乐观的复利：成为塑造未来的人

我相信，未来的历史学家回望今天时，会说：“21世纪20年代的人们，仍处在AI发展的初期。”

我们才刚刚开始。

就像25年前，人们还未曾想象智能手机、社交网络或云计算会彻底改变生活一样，今天的AI也才刚刚踏上征途。真正的未来，尚未被书写。而书写未来的笔，仍握在人类手中。

所以，不要害怕不确定性。不确定性不是威胁，而是机会。它提醒我们，未来并非命定，而是可以被设计、被改进、被创造的。

乐观不是天真，而是一种勇气。它让我们在面对未知时，仍愿意前行；让我们在失败后，仍敢于尝试；让我们在变化之中，保持创造的激情。

未来不是“属于”乐观主义者，而是由他们创造的。正如当下由过去的乐观主义者所塑造，明天也将由今天的我们来延续。

乐观并不能保证成功，但悲观几乎注定失败。在充满不确定性的时代，选择乐观，就是选择成为推动历史向前的人。

中国的未来与“酷中国”

在演讲的最后，我想谈谈中国的未来与前景。

在全球范围内，人们常常以竞争的视角看待AI的发展：谁会成为最后的赢家？中美之间的科技竞赛谁将领先？但我不想从这个角度去讨论。我更关心的是另一个问题：中国能否引领潮流？换句话说，中国能否变得“酷”？

一

何谓“酷中国”

所谓“酷”，是一种无须炫耀的吸引力。一个“酷”的人或国家，不是以力量压服他人，而是以创造力和魅力让他人想要模仿。“酷”意味着自信与从容，它是一种柔性的影响力。一个“酷”的国家，拥有别人想学习、想靠近的特质；它能够激发世界的想象力，让人们愿意走近、理解甚至融入。

在我看来，中国完全有机会成为这样一个国家。

未来的“酷中国”，将通过三种方式展现自己的吸引力：卓越的产品、强大的文化输出以及具有魅力的城市。

二

卓越的产品：创造世界想要的“中国制造”

首先，中国可以继续创造全世界都想拥有的卓越产品。这种产品不仅意味着高质量，更意味着创新与设计的领先。它们能让全球的消费者主动攒钱购买，就像人们曾为iPhone排队一样。

设想一下，未来25年，中国有可能推出一些改变世界的新技术：全球最优秀的自动驾驶汽车、最具突破性的广谱抗癌疫苗、最先进的智能工厂系统。中国拥有庞大的工程师群体、完整的制造体系与强大的数据资源，这些都是支撑创新的基础。

比如，中国未来或许不仅出口商品，还会出口“工厂”本身。当中国的工厂实现全自动化后，它们可以被打包输出，运往世界各地，实现就地制造。这将意味着从“制造产品”到“制造生产力”的跃迁。

在我看来，在2030年之前，中国很可能生产出世界上最顶尖的AI芯片。而在太空探索方面，中国也有极大机会率先重返月球。这些突破不仅会改变科技格局，更将重塑全球对中国创新的认知。

三

文化的输出：软实力的崛起

除了产品，中国还可以通过文化塑造影响力。美国曾凭借好莱坞电影、爵士乐、摇滚乐、流行文化，赢得了全球的心。同样，中国也完全具备成为文化输出大国的潜力。

当中国的故事、中国的美学、中国的生活方式被世界理解和欣赏，中国的软实力将真正崛起。这种文化影响力并不依赖政治或经济，而是通过创造力与情感的共鸣来传播。

未来，也许会有越来越多的人被中国的创意、审美与叙事吸引。那时的中国将是一个“酷”中国，一个让人们自然而然地想要了解、学习和模仿的中国。

四

魅力都市：科技与人文的融合

第三种让一个国家变“酷”的方式，是打造具有全球吸引力的城市。

一个城市的魅力不仅来自建筑和经济活力，更来自它能否激发人们的好奇与归属感。我相信，未来25年，中国将继续建设一批引领世界的“魅力都市”。这些城市将以绿色科技、开放文化和高效治理为特征，它们将吸引着世界各地的游客、创作者和企业家前来。

人们会说：“我想让我的城市像上海、深圳、杭州那样。”他们会愿意一次又一次地回来，因为这些城市不仅现代高效，更具创造力与人文温度。

五

工程师之国：数据驱动的优势

我一直认为，中国的一个重要特质，是它是一个“工程师之国”，而美国则是一个“律师之国”。这两种结构的差异，意味着在AI时代，中国拥有独特的优势。

工程师文化强调试验、执行和问题解决，而不是争辩与推诿。在一个以信息为基础的社会里，这种文化尤其重要。

中国在政策制定、技术落地和产业整合方面，能够以数据为依据，以证据为导向，而不是依赖意识形态或直觉。这将帮助中国更快地建设一个“AI驱动的社会”，一个通过数据理解自身、通过反馈优化决策的社会。

六

信息社会的挑战与平衡

当然，一个以AI和数据为基础的社会，也将面临新的挑战。

未来的设备与屏幕，将记录我们的每一次操作、每一个眼神、每一个选择。你在看屏幕的同时，也在被看。

我相信，未来的技术趋势将是“凡可追踪之事，皆会被追踪”。这是一种无法避免的技术演进。关键不在于是否可以停止，而在于如何建立平衡与信任。

我们需要让信息流动成为双向的。在个体的数据被搜集的同时，个体也应有权审视系统，去监督那些监督者，去追踪那些追踪者。

只有当监控与监督形成互相制衡，个体才能在信息社会中保持安心，这是建立数字信任与社会公正的基础。

七

隐私与个性化的权衡

在未来的智能社会中，隐私与个性化之间的矛盾将越发突出。如果你想获得高度个性化的服务，就必须提供更多个人数据；但如果你想完全保有隐私，就只能接受标准化的对待。这是我们无法回避的权衡。

如今，人类社会正在向“个性化与透明化”的方向倾斜。人们越来越愿意牺牲部分隐私，以换取便利与精准体验。这种趋势正在推动着社会更加数据化、可观察化。

我们需要建立清晰的规范，让数据的使用既安全又有益，让个体知道自己所提供的信息用于何处、被如何使用、是否被滥用。只有当数据流动变得透明、可追责，个体才能真正受益于技术，而非被技术控制。

八

AI赋能的公正社会

我相信，在AI赋能的未来，中国有机会构建一个更加公正、廉洁、高效的社会。AI的应用可以帮助社会更精准地识别问题、更快速地做出决策、更公平地分配资源。

中国在绿色能源、智慧城市和社会治理方面，已经展现出强大的创新能力。

未来25年，中国完全有机会在这些领域继续领跑世界。

一个以AI为核心、以人本为原则的社会，将成为新的“中国模式”，一个科技与人文并重、理性与温度并行的社会。

九

成为“酷中国”

“酷中国”并不是一种理想化的幻想，而是一种现实的可能。它意味着一个充满活力、自信开放、具有创造力的国家。它的“酷”，来自创新的产品、独特的文化与包容的城市，也来自它在技术伦理与社会公正方面的平衡。

中国完全可以选择这样一条道路：既快速发展，又坚守人文精神；既拥抱AI，又坚持以人为本。

一个既高效又公正、既现代又温暖的社会，将是21世纪最令人向往的中国形象。未来的“酷中国”，将不靠权力赢得世界，而靠吸引力赢得世界。它的影响力不会来自强制，而来自共鸣；不会来自对外扩张，而来自内在的创造力。

十

愿景与责任

我所谈的，并非对未来的预测，而是一种可能的方向。

未来是可以被创造的。“酷中国”的实现，并不依赖运气，而取决于选择。

未来25年，只要中国能够坚持以创新为驱动，以开放为姿态，以责任为底线，塑造一个让世界尊重、信任甚至羡慕的“酷国家”，它就能够在未来全球格局中成为引领潮流的文明力量。

封面和文中图片由POOK AI生成。本次论坛为“中欧话未来”系列讲座之一，由中欧校友企业运连网提供支持。

编辑| 岳顶军

点击咨询中欧课程