凯文·凯利对话中国科技新势力，提出6个判断

2026年，所有人对AI都已不再陌生，大模型在数字世界跑出了足够惊艳的结果，技术更进一步赋予智能躯体，让它进入真实的物理环境。对于AI产业，这是一场突破人类局限的产业攻坚战。对于更广泛的受众来说，这是足以颠覆所有历史经验的新工业革命。

但AI的前进方向上，还有很多现实问题待解：

AI产业有泡沫吗？

具身智能真的能理解物理世界吗？

机器人会完全替代人吗？它能否与人共存，边界又在哪？

Token 成本能否决定AI的胜出者？

应该用什么态度对待AI的伴生风险问题？

9月21日，美国《连线》杂志创始主编、科技思想家凯文·凯利做客北京宸园139，与银河通用机器人创始人兼CTO王鹤、红杉中国合伙人郑庆生、锦秋基金副总裁石亚琼、36氪CEO冯大刚围绕AI展开一次长达近2小时的深度对话。世界模型的技术拐点、成本博弈、人机协作边界、风险治理、技术乐观主义等诸多现实问题，都在这次对话中被讨论，并留下了六个清晰的判断。

活动现场

判断一：具身智能已经突破AlphaGo时刻

2026年8月，世界人形机器人运动会上，中国银河通用机器人公司（Galbot）研发的一款人形机器人完成了无遥控全自主网球对战。机器人全场跑动、接发球、对抗，摔倒之后自主快速站起，预判球的轨迹，然后精准击球。

机器人打网球的视频在社交媒体上发布之后，Mechanism Capital 联合创始人 Andrew Kang评价说：Alpha Go for every sport is coming。马斯克也跟了一条评论：具身智能的AlphaGo时刻。

当研发这款机器人的银河通用机器人创始人兼CTO王鹤和凯文·凯利面对面，后者评论说，“当下最受热议的是几乎人人都在用的大语言模型，但大语言模型本身，对真实世界知之甚少，它不是在真实世界中训练，而是基于描述现实世界的文字、文本数据训练。现在，人们开始给 AI 赋予躯体，借助机器人，把AI接入物理世界。但如果直接把大语言模型接入机器人，让它在现实世界自主行动、应对环境，会非常困难。所以我们现在的目标不再只打造这种‘通晓书本知识’的智能，而是要研发通晓现实世界的AI。有时它被叫作世界模型。它的训练素材不再只是全世界的文本，而是全部物理规律，是描述真实世界如何运转的海量数据。这是下一次重大突破，整个行业都在朝这个方向发展。”

活动现场

从会做一个动作到掌握一项技能，AI是如何完成进化的？

王鹤透露了银河通用机器人研发的底层逻辑，“我们发现一只小鼠的大脑很小，神经元的数目相对我们人类也很少。但是它在野外寻找食物、逃跑，这些智能全都有，而并不需要拥有像人类一样这么大的大脑，才能生存下来。这种智能与文本模型背后的知识智能是一种不同的形态。在这条路上，我们也希望一步步去构建一个像人一样，能够把大脑、小脑和脑桥全部打通，既能够有高层的判断，又能够有低层的平衡执行的一套仿人的、仿生的脑系统，让我们的人形机器人真正拥有智慧。”

在全球视野上，谷歌 VLA、Open AI 世界模型代表两条主流技术路线，但二者各有短板。VLA 训练数据必须绑定机器人动作标签，海量公开视频无法复用；世界模型擅长环境预测，却不一定输出机器人可直接执行的动作指令。

为此银河通用提出World Action Model（世界行动模型，WAM），尝试融合两套范式，模型既预判环境演变，又直接输出机器人动作指令。这套技术路线被英伟达称之为“机器人的终局技术”。

王鹤

王鹤说，“过去的机器人跳舞，都是需要提前把人类的轨迹抽取出来，把它放到机器人身上，针对轨迹进行学习，调好了以后再部署。现在我们的通用小脑模型能够做到人跳一遍舞，我们的机器人立即就把这个舞在它面前也跳一遍。对街舞运动员动作的快速模仿，背后的智能甚至超越了人类对肢体动作掌握的能力。在两年前，这个路径还不太现实。但今天，正是我们行业包括银河通用这些乐观的人搭建了具身智能数据的金字塔，从互联网数据到人类的数据，到合成仿真的数据，到遥控机器人采集的数据，到机器人自主操作回流的数据，这样一个五层金字塔，在不断地做规模化落地，推动机器人的大脑和小脑变得更智能。”

面对这些新的突破，凯文·凯利说：“I think the next big breakthrough will be about actually finally getting robots to work. What we have been working on, there's a huge impact it will have. So that's where some of the excitement goes.

判断二：机器人与人的底层认知截然不同

当机器人突破AlphaGo时刻，变得更聪明，能力更强，它会和人类竞争生态位吗？

凯文·凯利提醒：“当我们为 AI 赋予躯体，也就是机器人的时候，我们要明白：它们和我们不一样，它们不是人类。”他将机器人称为“异人智能”，或者“异类智能”。

王鹤解释了机器人与人的“底层”不同之处，“机器人智能与人类这种有高级的思考、判断、推理逻辑的智能很不一样，它是一种直觉的智能。而我们人类绝大多数的推理和思考呢，属于大脑里头的慢系统，或叫系统二system two。而人类的这些操作，属于大脑中的快系统，system one。快系统需要大量的练习，把能力变成一种与生俱来的一种不经意下意识反应。跟大模型用非常复杂的思维链，是非常不一样的智能。”

也就是说，AI 形成的认知组合与人类截然不同。

王鹤认为机器人会变得和人一样拥有智能，但“机器人本质是AI，它不是人。”AI也不会对人类的生态位产生根本性威胁，“它有繁殖的欲望吗？机器人繁殖能得到什么呢？它没有我们的基因，没有通过筛选去把自己的基因留下来的机制。我个人认为，我们今天想象的很多事情，把机器人太当人了，认为他会有欲望去替代人类。但我对机器人的未来是比较乐观的，在约束下，它会成为人的partner。”

凯文·凯利补充说，在机器人的世界内部，未来也是多元化的。AI产品会分化出丰富多样的品类，不同产品会在定价、成本、响应延迟、输出能力上形成差异化。最终，整个行业会演变成一个高度复杂的生态系统。“在我看来，这类拥有实体躯体的智能载体，是一种低成本的宝贵资源。我们将会构建一个社会，在其中，我们和这些‘异类’携手共事。”单靠AI无法解决所有问题，但人类+AI有很大的想象空间。

凯文·凯利

判断三：Token 成本正在重塑AI产业的生存逻辑

对于机器人，乐观的人预见了一个巨大的技术进步带来的想象空间。不过，目前还有两道坎横在现实与未来的乐观想象之间，一是从认知泛化能力到真正完成复杂环境中的物理交互，机器人还需要继续证明自己知道“怎么做”，并“做得到”；二是，目前支撑AI快速发展的是巨大的数据和算力投入，它还需要更便宜。

凯文·凯利观察到硅谷一个明显变化：过去工程师调用模型，很少核算 Token 开销。直到有竞争者可以做到百分之一的成本实现近似效果，整个行业才猛然惊醒。部分复杂推理任务单次就要消耗数百万 Token，算力开销将直接改写产品商业模式。

“我们正在进入一个差距巨大的时代，成本会变得愈发关键。”凯文·凯利认为，在很多场景下，价格至关重要。

成本压力已经传导到创投市场。锦秋基金副总裁石亚琼在圆桌中提供了一组产业观察：大模型大幅压低AI产品原型开发门槛，但用户获取门槛反而急剧抬升。2022—2026年AI应用增长约17倍，AI产品的获客成本普遍上涨50%以上。

竞争中谁能领先？技术能力，以及成本、规模奠定的先发优势都很重要。过去行业流传吉恩斯悖论的假设：成本降低十倍，使用规模提升十倍。但石亚琼认为，现实远比理论激进，AI带来的用量扩张不是百倍，代码生成场景人均代码产出已经出现万倍量级提升，“这带来了很多变化，让我们可以用coding的方式重新组装业务逻辑。”

石亚琼

放到具身机器人赛道，成本逻辑会进一步变化。王鹤表示，文本大模型可以容忍一定推理延迟，但人形机器人、自动驾驶属于强实时边缘系统，完全依赖云端调用Token风险极高，网络、推理延迟超标，就可能造成机器人摔倒、操作事故。云－边－端混合部署，会成为行业必然选择。

判断四：AI创造无上限的世界

经历过移动互联网周期的投资人，很容易拿互联网经验直接套用AI赛道。红杉中国合伙人郑庆生在圆桌上提出警示：这套参照框架已经失效。

移动互联网时代，行业增长存在硬约束，天花板来自人类总注意力。物理世界变迁节奏缓慢，城市、生产模式几十年不会发生颠覆性重构。互联网无论如何迭代，本质是在人类固定的时间池子里做分配，总用户时长存在明确边界。

但AI正在打破这套增长逻辑，它在创造一个无上限的世界。郑庆生将AI类比于蒸汽、电力等基础能源，但它又和历史上所有能源革命有着本质区别。

郑庆生、凯文・凯利

传统能源受矿产储量、装机、传输网络约束，供给存在明确物理上限。而AI核心原料是算力与数据，理论上可以持续扩张。我们可以同时调度成千上万个AI Agent并行开展任务。

“石油和电力实在是有上限的，但我觉得AI没有。”郑庆生说，AI既可以作为能源本身，也可以创造自己，具备自我增殖能力，这是之前从来没有出现过的。

判断五：技术风险需要新技术 + 制度共同消化

随着人形机器人硬件出货量走高，安全与责任划分已经从理论探讨，变成了产业迫在眉睫的现实议题。

王鹤以已经落地的药房机器人举例：工厂、药房这类确定性封闭场景，权责相对清晰。银河通用国内落地近百个机器人药房点位，承担夜间取药工作。为规避错发药品风险，团队没有完全依赖大模型通用推理，额外叠加确定性校验程序，药品必须同时完成文字、图像、条码三重核验，才允许打包出库。过去一年半累计处理近百万盒药品，实现零错发。这类场景中，机器人故障带来损失，责任主体指向厂商。

家庭则属于完全开放的复杂场景，充满不可预判的干扰因素，风险复杂度成倍上升。机器人可能碰倒水杯造成短路起火，事故甚至发生在无人在家的时段。机器人尚无法独立处理事故带来的连锁后果，是现阶段行业不会向普通家庭销售无人值守人形机器人的核心原因。

凯文・凯利认为，在短期内，AI 企业必须承担对应责任，也可以配套保险机制等。反过来说，能够存活下来的AI企业，一定是能处理好责任问题的企业。

但解决问题，并不等于不允许问题发生。王鹤提出，绝对安全本身并不存在，时至今日飞机依旧存在空难事故，但不妨碍它成为主流长途出行工具。人形机器人大概率会复刻相似路径。允许在可控范围内试错，在不断处理极端案例中压低事故概率，通过明确责任、建立机制、技术进步，去解决问题。在部分场景中，需要允许机器人像孩子一样不断去触碰一些东西，不断提升学习能力、收敛出问题的概率。

判断六：乐观的人创造未来

整场对话贯穿凯文・凯利的理性乐观主义，乐观看待问题，乐观想象未来。但这种乐观，并不是无视隐患的乌托邦幻想，而是一种理性乐观，就是充分看见风险之后，仍然相信人类解决问题的能力。

凯文・凯利说：想要去完成艰难甚至看似不可能的事，第一步就是想象。想象这件事可行，设想最好的情景，想象它真的成功会是什么样子。25年后，人们热议的产品，如今尚未诞生，但想象力，是把构想落地的关键。我们如今身处的世界，到处都是乐观者创造的产物。灯泡、飞机、智能手机，这些东西都不是偶然诞生的，都是那些相信它们能够诞生的人所发明的。

放到具身智能赛道，今天仍处在早期，数据缺口、成本瓶颈、硬件短板在前，但全球工程师、创业者、资本都在参与解题，都在汇聚力量推动下一个技术顶峰的到来。