AI的终局到底是什么？

是更聪明的大模型，还是能走进每个家庭的机器人？

是取代人类，还是与人类共生？

在2026世界人工智能大会上，凯文·凯利给出了他的答案。

这位曾准确预言云计算、物联网和虚拟现实的科技先知，这次将目光投向了三个更远的前沿：

至少还需十年才能成熟的人形机器人、将颠覆认知的AI情感能力、以及一个由个人智能体构成的全新经济生态。

以下是凯文·凯利在WAIC期间的演讲与访谈全文整合，值得每一个关心AI未来的人认真读完。

今天，我重点谈谈AI行业未来的发展走向与潜在机遇。

首先我想说，目前人工智能领域仍存在大量核心未知与不确定性：

AI的终极发展形态尚未定论、行业格局会走向集中化还是去中心化、人工智能是否会大规模取代人类就业、技术生态会走向开放还是封闭。

这些核心问题，未来一两年内都无法得到解答，甚至五年后依然会处于探索阶段。

但恰恰是这种不确定性，蕴藏着前所未有的创新机遇。

我接下来要阐述的行业方向，虽充满未知，却也是在座各位创造全新产业、打造颠覆性成果的绝佳契机。

未来五年，AI行业将迎来三大充满机遇与挑战的核心前沿赛道，分别是现实世界智能、人形机器人、AI情感能力

个人智能体与智能体经济：

你的“外延自我”

第一个核心前沿，是个人智能体与智能体经济生态的构建。

未来每个人都将拥有全天候在线的专属个人智能体，它可内置在智能眼镜、手持终端等各类设备中，始终伴随用户、深度感知用户的一切行为与需求。

久而久之，这些智能体对你的了解，会远超你对自己的认知，我将其定义为“外延自我”，它独立于本体，却与用户高度共生，是人类能力的延伸载体。

未来，海量的个人智能体将形成互联互通的全新智能体经济生态，智能体之间可自主对接任务、完成交易、建立信用体系。

智能体时代的到来，也催生了一系列全新的行业命题与巨大机遇。

我们需要重新界定智能体的归属权：

智能体究竟归研发企业所有，还是归使用用户所有？

同时，跨智能体的信任体系构建，是目前完全空白的技术领域，如何实现不同智能体之间的安全交互、可信协作，是未来必须攻克的核心技术课题，也蕴藏着海量创新机会

人形机器人：

人类最复杂的人造产物

人形机器人将是人类迄今为止研发过的最复杂的人造产物，复杂度远超人类现有所有科技产品。

这款产品的落地成熟，需要全球无数顶尖人才协同攻坚。

它不仅搭载最复杂的人工智能系统，还融合了精密硬件结构、专属能源供给体系，三者高度集成的技术难度极高。

因此，能够真正走入家庭、适配各类场景的成熟人形机器人，将是人类科技史上最难突破的工程难题之一。

目前我们的技术仅仅处于起步阶段，当下主流的大语言模型存在明显短板，不具备自主学习能力，也没有长效记忆机制——

而这两点正是人机协同、智能迭代的核心基础，也是未来技术突破的关键。

我们并非要淘汰大语言模型，这类技术依然具备极强的实用价值，但单一的文本认知智能远远不够，行业需要全新的认知体系，补足大语言模型的短板。

现有AI模型大多基于文本知识训练，只具备知识智慧，却缺失现实智慧。

未来的核心方向，是研发能够适配三维现实世界、感知物理规律的空间智能与世界模型。

这类AI不再依托文字数据学习，而是深度研习现实世界的物理、化学、生物规律，精准认知物体平衡、流体运动、空间结构等真实场景逻辑。

目前全球包括中国大量实验室都在攻坚这一前沿领域，空间智能、嵌入式现实世界模型，将成为下一代AI的核心底层能力，也是人形机器人的核心刚需。

人形机器人的落地，离不开三大核心技术攻坚：

第一，空间感知智能。

摆脱纯语言认知局限，适配三维真实场景；

第二，仿生机械手研发。

人类手部是极致精密的器官，兼具压力、温度感知能力，远超普通机械夹具，高精度仿生柔性机械手的工程研发难度极大，需要大量工程师与AI技术加持；

第三，超低功耗能源技术。

人类大脑作为超级算力载体，功耗仅25瓦，人体整体功耗也仅有300瓦，而现有人形机器人的能耗效率远远达不到人体标准。

与此同时，服务人类的人形机器人，需要达到99.999%的极致可靠性。

目前全球自动化程度最高的机器人工厂，任务自动化准确率也仅99%，每提升一个精度量级，都需要突破巨大的技术壁垒。

现阶段，工业级、农业级专用机器人技术已相对成熟——

比如精准农业机器人，可针对每一株农作物精准供水、施肥，实现精细化种植，落地难度远低于通用人形机器人。

但全自动驾驶汽车这类机器人领域，至今仍未实现完全无人化，99.9%的场景可自主运行，剩余0.1%的极端场景仍需人类接管。

而攻克最后0.1%的难题，所需的资金、技术、人力成本，等同于突破此前99.9%的全部难度。

由此可见，通用人形机器人的全面成熟，至少还需要十年的深耕研发

AI情感能力：

最颠覆大众认知的突破

未来，人工智能在人类世界中究竟扮演什么角色？

若让我谈谈人工智能未来10到15年的前景，可能会更为稳妥。

我认为在未来10到15年，人工智能的角色会更像伙伴、教练、向导与副驾驶。

我们目前看到的关系模式是“人类人工智能”，既不是人工智能单独运作，也不是人类独自行动，而是二者协同合作。

我们未来的方向就是如此，无论是解决问题还是推进工作，都将以团队协作的形式展开。

人类与人工智能拥有两种截然不同的思维模式，一种是人类思维，另一种是人工智能思维。

而这两种思维结合在一起，其力量会远超这两者单独运作的效果。

正是在这样一个人机协同的大背景下，AI情感能力的植入与落地将成为未来人工智能最颠覆大众认知的突破。

情感是贴合人类尺度的能力，无需复杂训练即可被人类感知、理解，也是人机深度连接的核心纽带。

当前的AI已经可以通过摄像头精准识别人类的开心、惊讶、恐惧等情绪，并做出对应反馈。

比如感知到孩子情绪低落时，主动给予陪伴与安抚，这类场景已经可以落地实现。

未来更进一步，AI将实现宠物拟人化沟通、情感互动等场景。

我坚信，具备完整情感感知与共情能力的AI和机器人，将与人类建立真实、深刻的情感羁绊。

人与智能体之间的联结，并非虚假的人机互动，而是真实存在的情感关系，这也是未来AI产品的核心竞争力。

AI如同人造外星生命，即便能复刻人类多数特质，也无法拥有某些独特人性。AI不会取代人类，但人机共生的时代已经到来

结语

人形机器人技术突破、AI情感融合、全域智能体生态构建，是未来五年AI行业最大的不确定性，也是最核心的创新机遇。

在这个过程中，我们需要保持开放的心态，去尝试身边出现的新事物，而且需要反复尝试，因为目前这些新技术还不够完善。

像人工智能、虚拟“镜像世界”眼镜这类新技术，都还不够好。

如果现在试用，你很可能会不喜欢它们。它们或许无法满足你的需求，或许根本不值这个钱，但你还是得坚持去尝试。

这正是“在失败中前进”的理念。因为如果忽视、禁止、封杀或否定这些新技术，我们就无法掌控其发展方向。

要让这些技术最大程度地扬长避短发挥作用，唯一的方法就是使用它们。

所以当你听说某项新技术时，不妨多给它几次机会。

延伸阅读：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。

01 .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。

02 .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。

03 .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。

04 .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。

05 .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。

06 .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

凯文·凯利：未来5年，盯紧这3个赛道