01

这两年刷手机，估计不少人心里都拧巴着。

短视频里的科技发布会一个接一个，给人的感觉是人类马上就能“全自动躺平”了：今天这个大模型在奥数和编程赛上拿了第一，明天那个智能体就能订机票、写代码、出财报，后天人形机器人又在镜头前跑步、叠衣服、踢足球。

视频看多了，难免冒出一句：人还上班干嘛。可一打开银行App，余额纹丝不动，心情立刻跌下去。于是大多数人心里都卡着同一个问题：AI都聪明成这样了，怎么大部分企业没见着赚钱，普通人的工资也没怎么动？

前阵子，我们把一档专门聊AGI（通用人工智能）的节目《探寻人工智能2026》连着看了五期。

看完是个什么感受？

从“AI在屏幕里会做题”，到“企业在现实里赚到钱”，再到“普通人兜里分到钱”，这三步压根不走直线，中间横着好几道看不见的门槛。

先讲个有意思的。

第一期里，创新工场创始人李开复直接扔出一个大胆判断：按他对AGI的定义——AI在绝大多数脑力任务上的表现已经超过大部分普通人——那不用怀疑，AGI时代其实已经来了。

可到了第五期，人工智能领域泰斗、北京大学教授朱松纯泼了一盆冷水。他认为，如今被捧上天的大语言模型，离他心目中真正的AGI还差得相当远。

看到这里，估计不少人犯迷糊：连最懂行的专家都吵不出结果？到底谁说得对？

其实把两位大佬的底层逻辑掰开看，他们压根不是在否定对方，只是手里那把“尺子”完全不一样。

李开复拿的，是一把“实用主义的工程尺子”。

投资人和连续创业者的身份，让他盯的是“结果”：你脑子里怎么想的我不管，我拿人类的考卷和日常工作任务去量，写文章、做翻译、写代码、做总结、搞常见的数据分析。只要你干得比80%的白领又快又好，那在商业应用层面，你就是通用人工智能。

朱松纯拿的，则是一把“探求本质的科学尺子”。

他点出目前大模型的一个核心软肋：哪怕它能把全人类的百科全书倒背如流，它依然是个“没有自我意识的做题家”。它回答你的问题，是因为你给了它一段提示词；你不理它，它就永远安安静静躺在服务器里。

说白了，大模型不知道为什么要干活，也不知道干这件事对不对、好不好，只是靠庞大的概率统计去“猜”下一个最合理的代码。

哪位大佬说得有理，咱们先不下判断。他们的分歧恰恰是解开大家疑惑的那把钥匙：一个“超级学霸”却没有自主意识，一旦走进真实的公司、工厂和医院，究竟会怎么样？

02

李开复在第一期节目里讲了个特别接地气的例子：一家卖咸鸭蛋的企业。

假设你今天去清华北大招了个智商160、门门功课满分的绝对学霸。第一天上班，你把他扔进一家做咸鸭蛋的传统企业，跟他说：“来，小伙子，凭你的聪明才智，帮咱们厂把今年的利润翻一番。”

你猜这高材生会是什么反应？

他多半愣在原地怀疑人生。微积分他懂，量子力学他懂，用英文写万字长文也不在话下，可鸭子怎么养、鸭蛋怎么卖，他一概不知，连报销单找谁签字都摸不着门。

这就是AI进企业撞上的第一堵墙：通用能力再强，也不等于自动掌握了一家公司的具体业务。

一家企业真正能赚钱的东西，往往只有20%写在规章制度和公开文档里，剩下那80%，全散落在老员工的脑子里、互相扯皮的微信群里和酒桌上的默契中。大模型读过全网文章，可它没在鸭棚里待过一天。

所以李开复在节目里，直接朝企业老板们问了一个极其扎心的问题：“部署了这么多智能体、做了这么多炫酷的演示，那你把财务报表拿出来看看，到底哪一个数字变好看了？”

不少公司嘴里的“用上了AI”，无非是采购几十个账号、搞几场看着挺炫的演示。可真要把订单做大、把客户留住、把效率提上去，中间还隔着清洗业务数据、改造内部流程、反复试错这一大段路。

一家做咸鸭蛋的企业，光在电脑上调整流程都这么吃力。那要是让AI离开屏幕，去碰真实的物体，甚至进人命关天的医院，又会碰上什么麻烦？

这就得说到第三期聊的机器人，还有第四期聊的医疗了。

03

先看机器人。

第三期里，嘉宾程昊提到，他们团队最早切入具身智能，挑的场景是小型的足球机器人。

很多人头一回看机器人踢球，都会觉得热血往上涌：摔了能自己爬起来，能认出球门，还能跟队友打配合，运动能力一眼就能看出来。球都踢得这么溜了，那明年买一台回家，帮忙收拾屋子、洗碗、叠衣服，岂不是轻轻松松？

不过程昊在节目里说得很实在，这中间隔着一条鸿沟：在球场上完成一段漂亮展示，跟进了家门稳定干活儿，压根是两码事。

道理很简单，足球场这地方规则特别明确，环境高度标准化。草皮是平的，球是圆的，边界线画得清清楚楚，就算一脚踢上看台，或者摔个四脚朝天，大伙儿笑一笑也就过去了。这就是容错率高。

家里呢？环境完全是另一回事。

今天沙发上丢着一件真丝衬衫，明天茶几上搁了个滑溜溜的玻璃杯，地上说不定还有只哈士奇到处乱窜。机器人不光得看懂这些复杂环境，还得长期、稳定地把活儿干对。它在实验室里做100次家务成95次，够发一篇顶级论文了；可搁在你家，5%的失败率意味着热汤泼到了孩子身上，几千块的衣服一把扯烂。

再看医疗。

机器人进家，卡在物理环境的复杂和可靠性上。第四期徐济铭聊的医疗AI则不同，除了容错率极低，还得面对数据安全、算力成本，以及最要命的可追溯性。

可追溯性到底是啥？

说白了，医生看病是要签字担责的。AI一眨眼甩出五种可能，真出了错，你找谁说理去？

比方说一位主任医师要给患者下诊断、定手术方案，他没法跟病人和家属讲：“大模型算出来概率是85%，所以这一刀我决定切。”医生得明明白白知道，AI给的每条参考意见，究竟依据的是哪张化验单上的哪项异常指标，又对上了哪本临床指南的第几页。中间只要有一个环节是黑箱猜出来的，医生就不敢落笔签字——最后担责任的是人，不是代码。

医院那边也得算经济账：砸这么多算力下去，究竟能帮医生提多少效率？又能给医院省下多少成本？

所以节目里谈的实际落地场景，并非让AI去当神医，而是把它拆成一个个极具体的辅助环节。比如患者进诊室之前，先帮忙把零散的病情自述收集整理好；问诊结束以后，再辅助医生理出规范的病历草稿，供医生核对参考。

程昊讲的机器人也好，徐济铭讲的AI医疗也罢，其实说的是同一件事：AI想在真实世界里变成生产力，光靠在发布会上秀肌肉远远不够。它得熬过漫长的环境适配，把可靠性磨到极致，还得老老实实嵌进人类原有的责任链条和工作流程里。

04

最后聊聊大家最关心的经济账。

第二期节目里，经济学家管清友提到一个很现实的温差：一头是模型、算力和相关产业热火朝天，另一头是普通人看看自己的工资，好像没什么动静。

那“AI提效”为啥没马上变成“全员涨薪”？

把资本流动的路径拆开看，一下就清楚了。

第一步，钱先流向基础设施。资本得先掏真金白银去买算力、买芯片、做研发、建模型。这会儿钱还在卖铲子的人手里，没变成终端消费，企业也就没赚回来。

第二步，企业正处在投入期。就像前面说的咸鸭蛋企业和医院，想把AI用好，得先花钱买算力、改流程、做培训。财报上这叫当期成本增加，老板先掏出去一大笔，哪来的余地给员工普涨工资？

第三步，也是最关键的一步：效率真提上来以后，省下来的这笔钱又该怎么分？

企业怎么分利润，其实跟技术没多大关系。经营状况、市场竞争有多激烈、劳资双方怎么博弈，这几样加在一起才说了算。要是你所在的行业本来就很卷，大家都在打价格战，那企业靠AI省下来的成本，头一件事往往不是给员工发奖金，而是拿去降价抢客户。到头来这波红利落到了消费者手里，员工一点没沾上。

另一种情况是，企业把利润留住了，那些能驾驭AI、一个人能顶过去一个团队的人，议价能力会明显上升。但原本只做机械搬运、简单处理、可替代性很强的岗位，等来的不是涨薪，而是大规模的职场优化。

说到底，生产效率提高只是收入增长的「可能来源」，它不会自动、同步地变成每个人银行卡里的余额。当然，有个问题大家也很关心：企业用了AI，难道就只有裁员缩编、存量内卷这一条路？

节目里还聊到另一种可能：一个员工或者一个小团队借助AI，把原本极其耗时的基础工作压缩之后，省下来的精力可以去做以前根本顾不上的事情——提供更好的定制服务、开拓长尾市场，甚至创造新的业务品类。

不过管清友也提醒了一句，新机会当然要去盯，但也不能把还在探索中的可能，直接当成已经到手的普遍红利。

多说一句。

把这五期节目全看一遍，会发现李开复和朱松纯其实是一左一右：李在提醒我们别傲慢、别迟钝，朱在提醒我们别盲从、别焦虑。短期内，一家咸鸭蛋厂能不能赚钱，真正起作用的还是那个懂鸭子、懂市场、懂怎么跟上下游打交道的人；一台手术成不成，真正起作用的还是那个敢于担责、懂患者冷暖的职业医生；而你在工作中最核心的护城河，恰恰藏在AI看不见的现场场景里，比如跨部门的沟通协调、对复杂局面的价值判断，以及敢于为结果兜底的责任心。

往后碰上那些吹得天花乱坠的AI大新闻，不妨翻出这五期节目比对一番。想看清AI走到了哪一步，考试分数、舞台上的跟头都不算数；真正该盯的是它能不能在真实的泥潭里把具体问题稳稳解决掉，以及它造出的价值最后经由什么机制，落到每一个具体的人身上。

风浪确实很大，但越是风浪大的时候，越要看清潮水的方向、守住自己脚下的船，这比跟着岸上的人一起惊叹要重要得多。

此文完。