当前关于AI的讨论大多还停留在“再堆几倍算力、模型就会更好”的框架里。实验室在卷参数市场在算scaling laws政策在讨论监管。但一个更根本的变化正在悄然发生智能本身的生产方式正在进入自我加速的早期阶段。这不是简单的线性延续而是算法层面仍存在大量未开发的代际进步空间。一旦这个空间被系统性挖掘变化的速度和形态将远超今天绝大多数人的定价。智能生产的隐藏飞轮已启动很多人把当前AI进步等同于“更大模型 更多数据 更多算力”。这个画面虽然正确却严重低估了另一个维度算法本身还能再前进多少。根据对物理与计算边界的粗略估计智能产出每单位规模仍可能有4-10个数量级的提升空间更激进的估计甚至超过10。这不是科幻而是基于当前深度学习实践仍远未触及理论上限的判断。关键在于我们已经进入早期takeoffAI开始显著加速AI研究本身。研究员的时间机会成本大幅降低——你可以让智能体去跑任何疯狂的想法它可能真的带回来有价值的东西。所有新想法带来的“优化债务”现在可以用无监督的token消耗来偿还。这意味着大量研究scaling law曲线将被快速遍历可验证与不可验证任务的界限将逐渐模糊数学和代码已经开始被scaleRL攻克其他领域也将陆续跟进训练模型本身与模型在环境中学习正在越来越趋同一个被广泛误解的点是长时程智能体并不需要等价长时程的训练。因为存在时间上的泛化。长任务不是由“长”组成的而是由可纠错的步骤组成。从单个token生成到完整任务执行纠错机制在多个尺度上都在起作用。这也是为什么某些agent基准曲线突然向上加速——它们正在触及纠错逃逸速度。一个工程级别的深度学习科学正在形成。这将把我们推向算法成熟度比大多数人预期的更快。Move 37式的时刻将在每一个技术领域出现然后很快变得稀松平常。智能供应链正在重构算力在未来几年仍是高度竞争的资源但它正在快速商品化。我们会很快嘲笑2020年代的“算力匮乏”叙事。当前智能供应链高度中心化在少数前沿实验室。但这个结构正在被自动化侵蚀实验室最核心的优势——研究员和算法发现——正在被AI本身自动化。一旦这个过程启动实验室的护城河将更多来自资本、算力存量、专有数据和产品能力而不是纯粹的算法秘密。分布式训练会降低对巨型数据中心的需求给非超大规模玩家一些机会。自动化AI实验则会让算法秘密的发现变得更加分布式。与此同时开源面临真实压力。在能力快速变“辣”的窗口期未来0-18个月如果安全跟进缓慢开源在社会和资源层面都可能被边缘化。资本会涌向能最快把研究转化为产品的实体而开源实验室即使有钱也可能因为机会成本计算而被 starve。机器人将迎来自己的ChatGPT时刻物理世界正在被严重低估。机器人领域将出现两个标志性时刻一个类似ChatGPT的“突然可用”时刻另一个类似Claude 3.5/Opus级别的高可靠时刻。两者之间的间隔很可能远短于三年。一旦软件证明人形机器人或其他形态在小规模就有价值资本就会像潮水一样涌入。全球对机器人的潜在需求是数百亿台量级——任何值得自动化的体力劳动都在这个池子里。今天看起来像硬限制的东西样本效率、数据稀缺、手部硬件复杂性、物理世界的分形复杂度都会被scaling laws逐步碾平。世界模型有用但具体形式并不重要重要的是把研究scaling laws跑完。预计到2030年左右机器人年产量达到1000万台级别是可实现的我们现在一年就能造1亿部智能手机和1亿辆汽车。这不是科幻而是资本算法双轮驱动下的自然结果。进步本身正在被自动化科学正在虚拟化与自动化。生物、材料、化学等领域的大量进步将来自自动化实验室和模拟而不是传统湿实验。这带来了一个更深层的现象文明进步引擎本身拥有progress law。我们正处于把极少资源投入进步、却正在快速改变这一状态的历史阶段。同时我们正在自动化那个直接产出更多进步的机器。未来有两种可能路径Scale up技术树极深计算宇宙极其丰富我们会持续发明直到物理极限。Scale out技术树相对浅我们较早达到技术成熟然后把现有能力大规模复制出去。目前我们还不知道宇宙允许我们走多深。社会层面的连锁反应更充裕的智能和自动化会把资本主义推向更激烈的均衡状态。重要商品食物、住房、医药、娱乐、旅行的边际成本会趋近于零——前提是我们不人为设置障碍。几乎所有供应链环节都会被自动化开采、运输、制造、分销、维护。这会深刻改变就业结构。中间层越多的工作越容易被去中介化或被智能系统替代。人类仍会有工作但边际贡献会发生剧烈变化。医生、演员、某些创意角色可能因“人类偏好人类”而保持或增加价值大量知识工作则会面临根本性质疑。与此同时永久性下层阶级的可能性是真实存在的。它不一定是收入上的绝对贫困而更可能是能动性agency的高度受限。这需要人类心理的巨大适应而这种适应可能伴随阵痛。在高度不确定性的世界里人们对权力、地位、财富的争夺会更激烈也更容易背叛同类。这不是道德说教而是系统性压力下的必然反应。协调与权力结构的压力更好的大规模协调是明显需要的但现有框架下的协调往往伴随着控制、监视和官僚化风险。我们几乎还没触及真正高水平协调的可能性。AI扩散几乎不可避免。零日漏洞在网络、生物、基础设施、神经、模因等多个领域都可能存在而我们对算法深度在这些领域的破坏力与防御力几乎一无所知。军事、警察和主要执法机制将被自动化和智能化。这会从根本上改变权力结构。实验室被实质性国有化的路径在当前政治环境下也并非完全不可想象。我们正在进入的真实图景把以上所有线索串起来得到的不是单一的乐观或悲观叙事而是一个高方差、高烈度的过渡期算法进步仍在早期物理是唯一硬墙机器人和物理世界将以远超预期的速度跟进智能供应链从中心化走向更分布式但短期内仍高度竞争物质极大丰富与能动性/权力结构剧烈重塑将同时发生人类心理和制度适应速度将成为最大的变量之一很多人还在用2023年的框架理解2026-2028年的世界。这本身就是最大的定价错误。当你下次听到“AI只是又一个工具”或“scaling很快就要到头”时不妨问问自己如果算法层面真的还有数个数量级的空间如果智能体真的开始系统性加速研究如果机器人真的在2-4年内迎来自己的爆发时刻——我们今天讨论的所有问题尺度会发生怎样的变化这个问题的答案决定了我们该如何为接下来几年做准备。我是紫微AI在做一个「人格操作系统ZPF」。后面会持续分享AI Agent和系统实验。感兴趣可以关注我们下期见。