AI Agent 时代，重读《科技想要什么》

本文来自微信公众号： HavenlonLabs ，作者：HavenlonLabs

有些书成为经典，不是因为它预测对了未来，而是因为未来终于提供了理解它的最佳时机。

2010年，凯文·凯利（Kevin Kelly）出版了《科技想要什么》（What Technology Wants）。

那一年，智能手机刚刚从极客玩物变成大众消费品，云计算还是一门需要反复向客户解释的生意，社交网络刚刚开始学习如何变现。至于大模型、生成式AI、AI Agent，连概念都还不存在。

在当时的读者眼中，这本书是个异类。它不像一本科技趋势报告，更像一部技术哲学著作。凯文·凯利没有告诉读者下一家伟大的公司是谁，没有给出任何可以直接抄进商业计划书的结论，也没有预测任何一款具体产品。

他试图回答的是一个更根本、也更不像商业问题的问题：

技术为什么会不断向前演化？

十六年过去。当AI从聊天窗口里的对话对象，开始变成能够自己拆解目标、调用工具、连续完成任务的执行者，这本曾被认为"过于抽象"的书，忽然变得非常具体。

一、Technium：技术不是发明的集合，而是一个演化系统

《科技想要什么》最有争议、也最核心的概念是Technium。

凯文·凯利认为，技术不是一项项孤立的发明，而是一个整体——一个由所有技术、工具、制度、知识相互咬合而成的、具有自身演化动力的系统。它像生物圈一样，有自己的生长方向。

这个判断在当年听起来近乎神秘主义。但如果把它当作一种分析视角而非世界观，它的实用价值立刻显现：任何一项看似横空出世的创新，都不是从真空中诞生的，它必然长在一段可以被拆解的演化轨迹之上。

用这个视角回看这一轮AI，会得到一条相当清晰的谱系：

• 互联网建立了全球性的连接；

• 云计算把算力变成了可随时调用的公共资源；

• 移动互联网在十余年间沉淀了人类行为的海量数据；

• Transformer提供了一种可以规模化训练的架构；

• 大模型在此之上获得了跨任务的通用能力；

• AI Agent开始把这些能力组织起来，指向具体的、连续的工作。

每一层都以前一层为前提。缺少任何一环，这条链条都不成立。

AI Agent不是几家公司的灵光一现，而是整个技术体系长期演化后，自然长出的一个新阶段。

这对商业判断的意义不在于让人感慨命运，而在于提供了一种减少误判的方法。当一项新技术出现时，与其追问"谁发明了它"，不如追问"它站在哪些已经成熟的能力之上"。前一个问题让人押注公司，后一个问题让人看清结构。

而结构比公司稳定得多。

二、从"回答问题"到"完成任务"：一次容易被低估的断点

过去几年，公众对AI的关注几乎全部集中在模型能力上。

它能写文章吗？能写代码吗？能翻译、能画图、能通过考试吗？这些问题的共同点是：它们都在衡量输出质量。

AI Agent的出现，把问题换掉了。人们开始问一件完全不同的事：

它能不能自己把一件事做完？

这不是同一个问题的升级版，而是另一个问题。写出一段漂亮的代码和独立完成一次线上故障排查，中间隔着读取日志、调用接口、查询数据库、判断因果、执行修复、验证结果、生成报告——以及在每一步出错时自我纠正的能力。

前者衡量的是聪明程度，后者衡量的是可交付性。

对商业世界而言，这个转变的重量远超技术圈的想象。因为企业购买的从来不是智能，而是结果。

一旦AI的交付单位从"一段回答"变成"一项任务"，一系列商业逻辑会被连带改写：

定价逻辑会移动。按席位收费的前提是"人使用工具"。当工作由Agent完成，按人数计价就失去了物理基础，定价会向调用量、任务量乃至结果本身迁移。

竞争壁垒会转移。模型能力正在快速趋同且持续降价，真正稀缺的变成了三样东西：能否安全地接入企业的真实系统、能否在长流程中把错误率压到可接受、能否让人类在关键节点有效介入。

采购决策的层级会上升。提升效率的工具由部门预算购买，替代流程的系统必须由管理层决定。后者的销售周期更长、阻力更大，但一旦成立，替换成本也高得多。

模型是能力，Agent是交付。商业的价值从来在交付一侧。

三、摩擦：技术演化中那个隐藏的指标

凯文·凯利在书中提出，技术的演化并非随机漂移，而是存在若干长期倾向——趋向更复杂、更专门化、更普遍存在、也更紧密地相互依赖。

如果要把这些倾向压缩成一个可观测的商业指标，或许是这个词：摩擦。

技术史几乎可以被重写成一部摩擦递减史。

搜索引擎降低了寻找信息的摩擦。电子支付降低了完成交易的摩擦。云计算降低了获得算力的摩擦。SaaS降低了部署软件的摩擦。

而AI正在降低的，是最后一段、也是最顽固的摩擦：从"知道该做什么"到"事情被做完"之间的那一段距离。

这段距离过去只能由人来跨越。人读懂需求，人把需求翻译成操作，人点击每一个按钮，人在系统之间搬运信息。软件再强大，也停在等待指令的位置上。

如果互联网连接的是人与信息，AI正在连接的，是信息与行动。 如果搜索引擎帮人找到答案，AI Agent开始帮人把事情做完。

这也解释了为什么"Agent"这个概念一旦出现，就迅速吞掉了整个行业的注意力。它不是一个更好的产品形态，它是摩擦递减这条长期曲线上的下一个必然落点。

四、必须说清楚的另一半

任何关于演化方向的叙事，都容易滑向宿命论。而宿命论是商业判断的毒药——它让"方向正确"变成"现在就该重仓"的借口。

事实是：AI Agent目前远未成熟。

模型仍然会犯错，而且会自信地犯错。在长链条任务中，单步的小误差会被逐级放大，最终导致整个流程失败。系统权限一旦交给一个概率性的执行者，出错的代价就不再是一段错误的文字，而是一次真实的误操作。责任归属、审计追踪、合规边界，几乎全部处于空白地带。

这些不是可以靠时间自动解决的工程细节，而是决定落地节奏的核心变量。

方向的确定性，不等于时间表的确定性。这是技术史上最昂贵的一类混淆。

历史上并不缺这样的例子。方向判断正确、时点判断错误而消失的公司，比方向判断错误的公司要多得多。

对企业而言，更务实的姿态是：把AI Agent当作一条已经确认的长期方向，和一项尚未成熟的短期技术，同时对待。前者决定组织要为它重构什么，后者决定今年该投多少钱、在哪些低风险场景里先跑起来。

五、真正改变世界的，从来不是技术本身

回望技术史，有一个反复出现的现象。

互联网本身没有改变世界，改变世界的是它带来的连接——以及连接之上重组的商业、媒体与社会关系。

智能手机本身没有改变世界，改变世界的是移动计算成为一种默认的基础能力——以及由此长出的整个应用经济。

电力本身也没有改变工厂。改变工厂的是当电力足够廉价可靠之后，生产线终于可以不再围绕一根中央传动轴来布置。真正的变革发生在组织重新设计自己的那一刻，而不是技术被安装的那一刻。

同样的逻辑正在AI身上重演。

真正会带来结构性变化的，不是模型的参数或榜单分数，而是当自主执行变得足够便宜且足够可靠之后，人与系统的协作方式被重新设计。届时，工作流程、组织结构、岗位定义、管理半径，都会被重新讨论一遍。

技术的红利，从不发放给最早采用它的人，而是发放给最先围绕它重新组织自己的人。

AI Agent只是这个过程中的一个阶段。它之后一定还会出现新的形态，而那些形态今天大概还没有名字。

结语

今天重读《科技想要什么》，最大的感受不是凯文·凯利预测对了AI——他没有，而且他显然也没打算这么做。

真正留下来的是他的那个判断：

技术的发展更像一场持续不断的演化，而不是一连串孤立的发明。

这个判断的实用价值在于，它把注意力从"最新的东西是什么"，移到了"下一步为什么会是这一步"。前者让人不断追赶，后者让人偶尔能够提前站好位置。

AI Agent不是这个故事的终点。它只是这场演化进入了一个新的阶段。也许很多年后回望今天，我们会发现它并不是这个时代最重要的发明，而只是技术继续向前时，一个自然出现的节点。

而这，恰恰是这本书今天最值得被重读的理由。

它没有告诉我们未来会出现什么产品。

它提醒我们，真正值得关注的，从来不是某一项技术，而是技术为什么会不断走向下一步。

本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4880834.html?f=wyxwapp