当下，生成式 AI 正处在科技产业新一轮平台转移的关键节点，其未来走向既充满想象空间，也裹挟着诸多认知焦虑。文章整理了本尼迪克特·埃文斯、罗杰·彭罗斯、凯文·凯利三位专家的观点。在他们近期的文章、访谈、演讲之中，分别阐述了各自对于AI未来发展核心逻辑的思考，围绕着AI发展形态、AI意识演进的可能性以及我们如何面对AI发展的不确定性几个问题展开了论述。

在技术狂飙与认知焦虑交织的当下

不同领域的顶尖思考者

给出了各自的答案

希望能为大家在面对这场变革时

提供一个理性与乐观的视角

01

著名科技分析师本尼迪克特・埃文斯：

AI 正处平台转移期，技术落地分三阶段

原文：”当前AI处于平台转移关键期，发展形态仍存不确定性。技术部署需经历“吸收-创新-颠覆”三阶段，当前仍聚焦编程、营销等“吸收”场景，长期将重塑行业核心问题。”

技术部署分为三个层次：吸收（自动化明显的用例，将其作为功能集成）、创新（新产品、捆绑和拆分）、颠覆（重新定义问题）。到目前为止，大多数成功的用例仍在“吸收”阶段——编程、营销、客户支持、自动化。但真正的问题在于：“创新”和“颠覆”会是什么样子？

在埃文斯看来，AI 当前正处于类似从大型主机到 PC、从互联网到智能手机的平台转移关键阶段，其最终发展形态尚未确定。技术部署会经历 “吸收 - 创新 - 颠覆” 三个层次：目前 AI 还停留在 “吸收” 阶段，主要用于编程、营销、客户支持等自动化场景，这类应用还将持续二十年；而未来的核心看点在 “创新” 和 “颠覆”到创新” 层面，LLM 有望从 “相关性推荐” 转向 “意图理解”，重塑产品的捆绑与拆分逻辑；“颠覆” 层面，AI 或将像蒸汽机一样，在取代部分人力后，重新定义行业的根本问题，创造全新的产业形态。

同时他也指出，当前 AI 行业呈现 “冰火两重天”：科技巨头正投入巨额资本竞逐赛道，但产品形态、商业模式仍模糊不清，不过即便行业出现泡沫破裂，AI 带来的变革也已不可逆。

02

英国数学家、数学物理学家、科学哲学家 罗杰・彭罗斯：

AI 的本质是“可计算的模式识别”

”AI本质是“可计算的模式识别”，难获真正意识——现有AI仅能基于数据找模式、执行规则，无法理解规则本质。但从哥德尔定理与物理层面来看，现有计算机技术难以触及非可计算过程，无法产生意识。”罗杰·彭罗斯。

“首先，真正的智能必然涉及意识，而且我一直坚定主张，这些设备并不具备意识，除非引入其他要素，否则它们永远不会拥有意识。现在这些所谓的智能都只是可计算的概念，它所做的就是查看大量数据，然后寻找模式或者尝试以这种方式分析它，但智能其实依赖于意识。

哥德尔定理指出，数学体系中存在不可计算的内容，而要突破既定规则的限制，必须理解规则背后的深层原理 —— 这种理解能力需要意识的参与。计算机虽然能高效执行计算任务，却始终停留在规则应用的层面，无法真正理解规则为何成立，因而无法实现这种突破性的理解。也就是说，人工智能并不清楚这些规则是否为真，它们没有意识地去认知，无法理解这些规则，不能明白它们为何能导向真理。

彭罗斯从底层逻辑否定了现有 AI 产生意识的可能。他认为，现有 AI 只是基于海量数据做模式识别、执行既定规则，根本无法理解规则的本质。从哥德尔定理来看，数学体系中存在不可计算的内容，而突破规则需要意识参与的深层理解能力，这是 AI 不具备的；从物理层面而言，意识可能涉及量子领域的非可计算过程，而现有计算机技术完全基于可计算的数学结构，无法触及这一范畴。简言之，现有计算机驱动的 AI，永远成不了有真正意识的 “超人类智能”。

03

《连线》杂志创始主编凯文·凯利

未来是 “人工智能” 的时代，聚焦四大演进方向

未来不会只有一种形态的人工智能。未来AI技术演进将聚焦四大方向：符号推理（补逻辑短板）、空间智能（懂真实世界）、情感智能（具共情能力）、智能体。“ 凯利认为，未来不会出现单一形态的通用人工智能，而是会涌现出成百上千种各有所长的 “弱人工智能”，即 “人工智能们”，甚至会有思维方式异于人类的 “异人智能”，这种差异反而是独特优势。

原文：不确定性一：通用人工智能是否能实现？答案是：我们还不知道。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’。

不确定性二：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。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。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。

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：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……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。

对于 AI 的演进方向，他锁定四大前沿：补全逻辑短板的符号推理、能读懂真实世界的空间智能、具备共情能力的情感智能，以及可自主行动的智能体。此外，他预判 AI 计算架构将走向 “云边混合” 且逐步向边缘侧倾斜，同时 AI 不会造成大规模失业，而是解放人力去做更具创造性的工作。在心态上，他倡导以 “进托邦” 视角看待未来 —— 不求完美，但求每天都比昨天好一点。

三位专家从产业落地、底层智能本质、技术演进与心态应对三个维度，勾勒出 AI 未来的核心轮廓：AI 的产业变革是长期且不可逆的，但其颠覆价值需在 “创新 - 颠覆” 阶段才能完全释放；现有技术框架下 AI 难有真正意识，不必陷入 “超智能失控” 的极端焦虑；未来 AI 将走向多元专业化，且会以温和的 “重构” 而非 “替代” 的方式改变人类工作与生活，保持理性乐观才是应对这场变革的最佳姿态。

文章整理自：“红杉汇”   部分内容为个人观点 仅供参考