金年会,金年会体育,金年会体育app,金年会体育官方网站,金年会注册,金年会最新入口,金年会APP

　　这几年 AI 进步之快，超出所有人预期。但速度快是一回事，能不能真正落地，是另一回事。

　　2026 年 2 月 18 日，新德里。全球顶级 AI 峰会第一次在发展中国家举办，议题只有一个：怎么让 AI 真正用出来

　　如果说过去几年，AI 在比谁的模型更强；未来五年，要比谁能最快把 AI 用进实际工作里。

　　谈及印度这十年的数字化跨越，Sundar Pichai将其定义为一场真正“变革的起点”。AI 不再是某些大厂的试验品，正在进入最普通的工作场景。医生用它整理病例，农民用它优化农业决策，学生靠它补上理解上的断层。AI 的价值不再藏在云端，开始落在一个个具体岗位里。

　　Pichai 透露了一个关键细节：Google 云业务的积压订单一年翻倍，达到了 2400 亿美元。这不是技术指标，是市场给出的实际反馈。企业已经开始为 AI 付费，并且付的是长期账单。

　　在商业世界里，“增长速度”往往比功能更能说明方向。一个行业愿意提前锁定几十亿、上百亿的预算，只说明一件事：AI 已经从“能不能用”，变成了“必须用”。

　　而企业之所以愿意砸下重金，是因为 AI 已经切实开始改写工作流程。 Pichai 提到一个场景：病人输入症状，AI 自动生成报告，让医生把精力放在真正需要判断的地方。医疗里的等待、重复、整理，这些隐形成本就这样被切掉了。教育、农业、物流、制造，都在经历相同的变化。率先完成这一步的，和还没开始的，差距会越来越大。

　　更深的影响还在于普及。Pichai 说，AI 再强，用的人不够多，价值就出不来。谁能让更多人用得起 AI，谁就能在未来五年占据优势。印度式的快速普及、跨语言支持、移动端入口，都是这种趋势的缩影。

　　但落地能走多远，还是得看技术本身能不能跟上。在这场对谈里，Demis Hassabis 谈的不是成本，也不是应用，而是更底层、更难跨越的三道短板：持续学习、长期规划、稳定表现。

　　Hassabis 指出，今天的模型，训练完就定型了。无论用多久、遇到多少新情况，它都不会因此变得更聪明，也不会根据和用户的互动慢慢调整自己的判断。

　　偏偏医疗、科研、制造、金融等专业领域，信息每天都在变。AI 如果无法从实际场景中持续吸收经验，就只能停在“能回答”，很难进化为“能协作”

　　抛开晦涩的评测跑分，Hassabis  用一个现实场景精准刻画了这种“能力断层”：现在的 AI 可以很快解答一道数学题，却无法像人一样提前规划接下来三个月要怎么推进一个项目。

　　回答一个问题，AI 做得很好。但把一件事从头推到尾，中间涉及多个步骤和决策，它就容易在过程中跑偏。

　　现实里真正有价值的工作，从来不是一两步就能完成的。研发药物、制定供应链策略、运营一个大型医院，每一件都要跨越很长的周期，中间环环相扣。AI 只有补上这一块，才真正有能力接手这类复杂任务。

　　AI 能解奥数，却可能在一道小学题上犯错；能写程序，却可能在相似问题上给出截然相反的结果。

　　企业要把 AI 放进核心流程时，最担心的不是偶尔出错，而是无法预测何时会出错。稳定性不足，是当前大模型最大的不确定来源。这个短板一旦补上，AI 的可信度和可靠性才能真正上一个台阶。

　　正是这三道短板，让 Hassabis 给出了一个具体的时间窗口：AGI已经不是遥远的事，5 到 8 年内就可能发生。只要这三条短板被补上，AI 的能力才算第一次接近人类的全面水准。突破点从来不在规模，而在能力够不够完整。

　　Manyika 关注的是更现实的一层：面对这股洪流，人和组织究竟该怎么跟上？

　　他说，未来五年最大的不确定，不在于工作岗位会不会消失，而在于组成这些岗位的任务，会以多快的速度被重新组合。

　　工作从来不是一个整体，而是由许多任务组成的。有的任务会缩小，有的任务会放大，还有很多任务会被重新定义。

　　举个最简单的例子：一个客服岗位，以前一半时间在回答重复问题，现在 AI 能把这部分自动处理掉。客服并没有消失，但任务比例已经变了。企业会把更多注意力放到投诉、升级、挽回这些更需要判断的场景上。

　　这就是任务重排。它比宏观的“岗位裁撤”发生得更早，影响也更直接。AI 最先动的，就是每个人每天在做的那些具体工作。

　　任务一旦重排，考验马上就来了。在这段时间里，既没有旧任务可以依赖，新机会也还没有完全打开。能不能撑过去，全看技能跟不跟得上。

　　AI 的发展速度超乎以往。从数据整理到运营统筹，从分析挖掘到内容产出，原本需要几年才能完成的行业迭代，现在可能几个月就走完了。

　　对个人来说，主动学习、持续更新能力，已经是基本要求。对企业来说，能不能让员工快速掌握 AI 工具，会直接决定效率和竞争力。技能更新越快，AI 越像一种增长放大器；更新越慢，受到的冲击就越大。

　　这是 Manyika 最具洞察力的观点：AI 第一次给了小企业一个机会，用上以前只有大企业才用得上的东西。

　　Manyika 描述了几个很生活化的场景：一个卖手工艺品的商户，一家两三人的小作坊，一个没有 IT 部门的零售店，都能靠 AI 完成以前需要团队才能做的事情。说出需求，AI 把工具搭起来；描述一个想法，流程自动生成。

　　这种方式“凭感觉写代码”，让普通人不需要懂技术，只要能说清楚自己要什么，AI 就能把剩下的事做完。

　　这意味着未来最大的增长红利，很可能来自那些以前被数字化浪潮落在后面的中小企业群体。只要 AI 的使用门槛被压得足够低，中小企业将迎来一轮真正的能力跃升。

　　如果说前三个变量讨论的是 AI 在“比特世界”（屏幕与软件）内的进化；那么 Hassabis 则将视野推向了更宏大的终局：未来五年最大的跳变，将来自 AI 真正跨入“原子世界”（物理现实）。

　　过去的 AI，本质上都停留在“等你发问”。无论是聊天、搜索还是写代码，核心机制都是回应式的。

　　Hassabis 看到的新趋势，是 AI 将从回应变成主动执行：能自动拆解复杂任务、规划先后步骤、调用外部工具，并根据每一步的反馈持续推进。这种转变一旦形成，软件的形态、工作的节奏、服务的提供方式，都会随之改变。

　　Hassabis 对机器人赛道展现出了前所未有的信心。原因很简单：如今的多模态大模型，终于帮机器“看懂”这个世界了。

　　过去的机器人之所以笨，硬件不是瓶颈，算法才是。它们看不懂画面里发生了什么，不懂物体之间的关系，也理解不了人类的动作。但当能理解语言、图像、视频的模型装进机器人身体时，它们就不再只会重复指令，而是可以真正执行任务。

　　Hassabis 给出了一个清晰的时间窗口：两三年内，机器人领域将迎来“突破性时刻”。

　　他认为，下一轮真正的竞争增量，很可能不在屏幕和对话框里，而在仓库、医院、餐厅、工厂，甚至是日常家庭。谁能率先把 AI 融入物理动作，就可能率先打开新的增长空间。

　　因为 AI 一旦能够真正进入物理世界，就不再只是生产内容，而是能创造结果。

　　今天 AI 能写出一份采购计划，但最终的下单、跟进、验货、入库，依然需要人去完成。如果未来 AI 能接手这些执行环节，效率的提升将是指数级的。

　　再往前发展，当机器人接管了产业链中搬运、分拣、组装、质检这些物理环节，AI 能参与的事情就彻底不同了。它不再停在给人提建议的位置上，开始真正成为把事情做完的那个角色。

　　走到这一步，企业之间的竞争逻辑就变了。用 AI 用得顺手，只是起点；能跟上这个节奏，才决定能不能继续留在牌桌上。

　　落地速度、能力短板、任务重排、物理世界，四个变量指向同一个现实：AI 的竞争，已经从实验室移到了真实的行业、真实的企业、真实的工作里。