凯文·凯利授课现场

1、关于AI的未来图景

感谢邀请，有机会跟嘉宾商学的企业家校友们面对面聊聊。大家这次访学行程很硬核——从拉斯维加斯CES到硅谷，接触了不少最新的AI技术和理论。所以今天的分享，想提供一个不太一样的视角：关于AI正在发生什么，以及接下来会发生什么。会用一种叫“情景规划”的方式来展开。

先说明一点：这不是远景猜想，而是相对短期的情景规划，时间跨度只有5到10年，也就是2030到2035年。也不是做精准预测——预测常常出错。不会说某件事一定会发生，而是说某件事可能会发生。两者差别很大。

情景规划，简单说就是在头脑中设计出多种可能的未来情形，提前预演。好比高明的棋手，总能清晰预见下一步甚至好几步的多种走法。这项技能非常实用，如果通过今天的内容能学会制定情景规划，那会成为你工具箱里的一大法宝。

2、AGI能否实现？

下面就用情景规划的运作逻辑，来推演AI的未来。

先从方法论入手。虽然不做预测，但可以在脑海中绘制一张想象的图景，努力推到最极端的极限位置。借此，我们就能知道：什么是可能的，什么是不可能的？

接下来的任务，是识别出那些推动世界朝不同方向（甚至极端版本）发展的驱动因素——某种力量、技术或文化。这些因素，称之为“关键不确定性”。如果能识别这些特定的变量，就有可能洞悉5到10年后世界的模样。

注意：Scenarios是复数形式，它描绘的不是单一的“未来”，而是多种“未来”的集合——因为我们并不知道未来会沿着哪个方向展开。

如果按照这个思路推演AI的情景，每个人都会得出自己的关键不确定性。我自己提炼出了三个。第一个也是最重要的——你去问硅谷那些正在开发人工智能的专业人士，他们自己也不知道答案。这个问题是：人类会创造出AGI（通用人工智能），还是只能拥有一堆擅长不同任务的专用智能？

这个问题难回答，部分原因在于人类大脑本身就包含多种不同类型的思维方式，我们甚至不确定自己是否真正具备“通用智能”。大脑可能由一整套不同类型的智能构成——规划、识别、判断、注意力、推理、演绎、归纳……这些智能的本质，我们仍然不清楚。

但有一点可能性较大：社会本质上是由不同类型思维和智能组合、连接在一起的。当我们还没完全了解自己拥有的智能时，人工智能的开发也就变得复杂起来。

附带一提，到目前为止，在所有不同类型的智能中，我们唯一成功合成并人工复制的，就是语言智能——大语言模型（LLM）。除此之外，还无法合成其他任何类型的智能。但如果它们确实存在，人类或许有一天能做到。

在追逐通用人工智能的过程中，已经经历了三代发展，研发成本对数级增长。第一代约1000万美元，第二代约1亿美元，现在OpenAI等公司正在研发的第三代，训练成本大约10亿美元。

核心逻辑是：如果通用智能确实可行，就可以通过不断扩大规模来持续提高性能，但代价是成本越来越高。这被称为“规模定律”。目前看，规模定律似乎仍在奏效，但无法确定它是否会一直有效、无限扩展。最近三四个月的一些证据表明，性能提升可能正在趋于平缓——这就是不确定性所在。

当前的人工智能系统由两个独立部分组成：一部分是训练模型所需的计算资源，计算量非常庞大；另一部分是在模型训练完成后，利用计算资源来生成回答。如果有数百万用户在使用模型，那就是大语言模型核心优化目标之一的推理（Inference）。其中涉及思维链推理——让模型先一步步推理自己的解决方案，再根据推理结果生成内容。它也表现出符合规模定律的趋势——模型越大，性能越好。同样不确定这种规律是否会一直持续。

很多人对人工智能的理解存在误区：他们认为智能像IQ一样，是单一维度的衡量标准。常说老鼠智商低、猴子高一些、人更聪明——但智能不是这样理解的。

智能，更像是元素周期表，或由不同元素组合而成的化合物。不同动物由不同的元素、以不同的比例，组成各自的“智能化合物”。在某些能力上，动物甚至超越人类。比如本地地松鼠，长期记忆能力比人类更强——能记住自己埋藏的上千颗坚果的位置，而且可以记很多年。这是人类做不到的。

所以人类制造出的智能，也是拥有不同智能元素排列、不同复杂性的“智能化合物”。AI已经能模仿部分人类的认知能力，但还无法完全复制大脑中的所有智能元素。这种局限性使得AI在某些任务中无法超越人类。据此，未来可以根据智能元素的新组合方式，设计AI来完成不同任务。

也就是说，要实现通用人工智能，人类还需要合成许多其他类型的智能——比如制造机器人所必需的。目前已有不少专家在研究基于规则和模糊逻辑等其他形式的AI，尽管成熟程度远不及神经网络智能。

空间智能是另一个描述物理智能的术语——一种能理解物理现象的智能，比如重力、远近、上下。现有的大语言模型在这方面表现并不理想。我们希望拥有像婴儿（比如3岁孩子）身上的智能——他们天然懂得远近、上下和重力的概念。

为此，已有团队尝试训练AI神经网络去理解物理世界。像埃隆·马斯克这样的人，正利用汽车行驶过程中收集的数十亿小时视频数据来训练AI系统，使其“理解”物理世界，从而实现导航——更像是以小孩的方式学习。这与语言处理截然不同，所需数据类型也完全不同。对机器人和自动驾驶汽车等技术来说，掌握这种“物理智能”或“空间智能”尤为必要。因此，未来5到10年，无论最终进入哪一种情景，物理智能或空间智能都会是首要目标之一。

“Agent（袋里）”也将是未来的重要趋势。目前没人能给“袋里”一个准确定义，但最好的理解方式是将其看作一种接口。你跟AI对话时，它就像一个袋里。不过，袋里并非单一存在，而是形成一个袋里网络。你跟一个袋里对话，它可能与其他袋里交流，后者负责其他任务。这些袋里在一个网络中协同工作，各自执行专门任务并互相配合。你可能只直接跟其中一个袋里交流，但它会与其他袋里保持联系，共同完成复杂任务。

这种袋里网络不仅能回答问题，更能处理复杂的任务链。比如，你不仅希望对方告诉你票务信息，更希望它能帮你订票；如果订错票，还能自动换成正确的。这就要求袋里具备处理非常复杂任务链的能力——分解并传递责任，完成高度专业化的操作。构建这种责任链非常困难，但一旦实现，威力不容小觑。这正是Nvidia、OpenAI、Google等公司正在努力的方向。到目前为止，还没有看到成熟的袋里系统，但它们很可能在未来5年内出现。

总之，需要特别关注“复数形式”的人工智能——AIs，而不仅仅是单一的AI。因为人工智能本身存在多种不同类型。事实上，我们已经看到各类智能正逐渐走向专用化——未来5到10年，会涌现出更多不同类型的智能系统。

这些智能的思维方式，可能和普通人不一样，甚至不在同一个层面，反而更接近人类中的天才——这正是我们如此需要它们的原因。比较偏好将这些人工智能看作是“人工外星人”——仿佛它们来自另一个星球。

所以，第一个关键不确定性问题：究竟通用智能能否存在，还是只会拥有多种专用智能？目前答案尚未明确，而不同的答案必将带来完全不同的未来。

3、AI是否会由大公司主导？

第二个关键不确定性是：这种人工智能主要出现在哪里？

这个问题可以从两个维度来探讨：AI主要出现在像OpenAI、Google、百度、腾讯、阿里巴巴等大型中央化公司内部，还是分布在边缘设备上——比如手机、智能眼镜或其他设备？它会出现在你的手机上吗？

先想一个问题：你使用互联网时，大部分计算在哪里发生？答案是：70%的计算发生在本地设备上——你的手机、电脑、汽车等；剩下30%在云端或中央服务器。这种模式会继续适用于人工智能吗？

可能大部分计算发生在大型服务提供商那里，通过通信将信息传递给你，但这会带来延迟问题。或者大部分计算在本地设备完成，用一些小型的AI来搞定各种任务。为什么AI必须做得非常庞大？也许可以开发出小型AI，也能发挥相同作用，甚至达到相同智能水平。关键是，是否做得到？

技术成功往往依赖于其“隐形化”——用户甚至不会觉察它正在交互。就像管道系统，不会去注意电线和管道的存在，只要它们正常工作，大多时候会忽视它们。人工智能的运作可能也会变得如此隐形，我们甚至不会意识到它究竟存在于哪里。

但也有一些确定性成分。调查显示，最早采用AI技术的公司通常是非常年轻的小型企业，而非大型传统公司。这些年轻公司更灵活，能迅速将AI技术融入自身业务。

为了充分利用AI，企业通常需要经历一系列转型步骤：首先，把传统的模拟业务——比如化学品、卷筒纸、房地产、运输、制造等——转变为数字化，把业务流程带到互联网上，进行数字化管理和追踪。至今仍有大量企业还在努力完成这一转型。

其次，是从“数字化”向“AI化”转型。但如果想转型为AI公司，想让人工智能在公司中正常运作，必须先转型为“云公司”——只有当公司具备一定程度的分布式能力，才能真正从AI中获益。

回到关键点：人工智能会集中在某个地方，还是分布在多个地方？一种回答方式是：AI具备“递归网络效应”。使用AI的人越多，它就越聪明，越来越多的人也会开始使用，形成良性循环。所以大部分AI可能偏向集中在云端——这是支持云计算的一个理由。

但支持边缘计算的观点也很有说服力。比如最近在中国，AI公司DeepSeek成功将训练所需的芯片减少了10倍，通过更小的版本实现这一点，证明了可以把事情做得更小。因此，边缘计算可能发展出的情形是：未来不是让模型变得更大，而是变得更小、更强。

还有一个相关技术例证：增强现实（AR）——称之为“镜像世界”。如果你戴上智能眼镜，就能看到眼前的虚拟世界，周围的人也会活灵活现地出现在视野中，数字世界覆盖在真实世界上。增强现实之所以能实现，是因为眼镜中有内置的AI。眼镜本身必须能够处理大量AI任务，否则无法实现“镜像世界”的显示效果。这也是一个边缘计算的例子——AI不仅发生在云端数据中心，也可以嵌入智能眼镜这样的设备，在本地完成计算任务。

回到第二个关键不确定性：未来会走向哪个方向？AI是运行在手机、眼镜、电脑等本地设备，还是通过大型公司控制的云端来运行，再通过通信将计算结果传输过来？

至此，通过情景规划得到四种不同的排列方式。一个主要维度是边缘计算与集中式计算的选择，另一个维度是通用智能与专用智能的区分。每个选项指向不同的“象限”，可以在这些象限中构建不同的未来世界。

右上角象限：本地计算与通用智能结合。右下角象限：集中式计算与通用智能结合。左下角象限：专用智能与集中式计算结合。左上角象限：专用智能与边缘计算结合。每个象限代表一个不同的世界。

给这些世界取名字。右下角象限叫“预期世界”——这是AI公司所憧憬的未来，像OpenAI、Claude、DeepSeek等科技公司正在向此努力，希望进行大规模计算，并设想能实现通用智能。

右上角象限：像特斯拉所设想的动力式增长——通用智能并非发生在远程云端，而是发生在本地设备。AI将内嵌到汽车、智能机器人等设备中。比如特斯拉正在研发的智能汽车，未来也可能是智能机器人。AI将发展到能够在设备本身上运行的程度，很多任务不再依赖远程大型数据服务器——称为“动力世界”。

左上角象限：像Waymo这样的“机器人世界”。Waymo设想的未来并非让一切发生在边缘计算上，而是将其高度专用化。它的智能不会做其他事，只专注驾驶——不是通用智能，而是极为专用的智能系统，只擅长驾驶，无法与人对话或执行其他任务。这个世界有各种各样非常不同的AI，有的专注农业，有的专注蛋白质折叠，有的专注化学分析……各种智能系统非常专用。

左下角象限：“袋里世界”。像Meta这样的公司，虽然仍依赖云计算，但目标是打造一个大型云平台，不只做一个AI，而是通过中央计算机上的云平台运行多个专用的AI。Meta的目标是成为这些AI的袋里，成为一个运行众多专用AI袋里的平台。

通过对两大关键不确定性的思考，构建出四种不同的未来场景，分别代表不同的发展路径。每一种都展现了AI在不同方向上的可能性，可以据此进一步探讨未来的走向和潜在影响。

4、未来人类还需要工作吗？

第三个关键不确定性，其实是一个非常简单的问题：AI将如何影响失业率？

这个问题并不容易回答。许多研究人士的争论主要集中在两种可能性上：一是AI会成为“增强型”工具——辅助和提升人类生产力，作为工作中的补充；另一种是AI将取代人类生产力。

简言之，核心在于：未来究竟是AI替代人类，还是补充和增强人类？当然两者可能混合存在，但还不确定最终会如何演化。

已有初步研究数据显示：许多每天使用AI的人反映，原本需要完成的任务中，大约50%已无需亲自操心——AI可以替代完成；剩下50%的任务中，AI显著增强了工作效率。某种程度上，任务分担可能是“50%被替代，50%被增强”。

此外，研究发现程序员使用AI工具后变得更高效，作家写作速度明显提升。对律师、顾问和行政人员的调查显示，他们的工作效率提升了20%到80%不等。至少在某些领域，AI并未完全取代人类，而是作为增强工具出现。

有趣的是，最大效率提升往往出现在表现较一般的普通工人身上，而不是顶尖人才。这再次暗示在某些情况下，增强效应可能比替代效应更明显。不过，对这个问题仍存在很大不确定性。

针对AI对就业的影响，提出了一种“1+1”模型。这个模型源自“半人马”的概念——希腊神话中半人半马的生物，象征着二者的结合。核心思想是：人类与AI可以组建成一个团队，形成整体，实现1+1大于2。换句话说，未来的工作者可能不再是单纯的人，而是人机协作的整体单位。

举个例子：在医学领域，即使到2025年，最好的医疗服务依然来自人类医生。虽然也有AI医生，但水平远不及真正优秀的人类医生。实际研究发现，最出色的医生往往是那些能有效利用AI辅助的医生——最好的医疗服务并非纯粹依赖人类医生，也不是单靠AI，而是二者结合。当然，缺乏医生的地区，AI医生总比没有医生好。但最佳照护方式无疑是1+1组合——人类医生加AI。

这个思路在其他职业同样适用：最优秀的教师往往不是单纯的教师，也不是仅依靠AI，而是教师与AI协同工作；最好的程序员也不是纯粹依靠人类智慧，而是通过与AI工具配合达到最佳效果。

事实上，“人类+AI”组合已经成为目前看到的最佳工作模式。可以把这种人机协作视为合作伙伴关系、队友关系，甚至将AI看作是副驾驶、引导者、助手，或者一名实习生。未来的工作环境中，人类将拥有一个由“副驾驶、助手和实习生”组成的团队——这种“加1”模式将成为常态。

所以，未来5到10年，薪资水平将部分取决于与AI协作的能力。未来招聘年轻人才时，用人单位会更关注你是否具备与AI高效合作的技能，是否受过相关培训，是否懂得如何向AI发出恰当指令。

总的来说，不大可能完全失去工作，但可能会失去原有的职位描述——以前负责的一部分任务会被AI接管，而被赋予新的任务，但整体工作内容可能基本保持不变。不会完全被AI取代，但有可能被一个善于利用AI的人取代——这就是“加1”的概念。

最近有项研究探讨了将AI引入某个行业的影响。问题是：世界上有多少人因为AI失去了工作？答案显示失业人数非常有限，且大多数集中在帮助台岗位——主要在菲律宾等地区工作的员工，原本负责解答技术问题的客服人员。随着AI发展，一部分人失去了工作，但总体上只有一小部分岗位被替代。

保留下来的员工，工作性质发生了变化——转而变成监督和管理AI。服务质量因AI辅助大幅提升，使得以前无法提供的客户服务成为可能。比如一家年轻小公司，原本因成本问题无法承担24小时人工客服，但有了AI辅助客服，完全可以负担。这种情况并非纯粹替代人工，而是在开拓那些原本因人力成本高而无法涉足的空白服务领域。

综上所述，AI可能不会完全取代人类，而是更多增强人类的能力。但问题仍然存在——这种看法也可能是谬见，AI未来也有可能取代人类生产力。尽管目前证据显示AI更倾向于增强人类，但分歧导致未来仍有巨大不确定性。

基于这一个关键不确定性，可以在现有情景规划模型中加入一个额外轴线——人类是被增强还是被取代。按照这个思路，原本可以构想出八种不同的未来场景，涵盖未来5到10年的各种可能性。但实际上这种模型太复杂，所以简化为四个主要世界，同时保留人类是被增强还是被取代这一问题。

这条整合后的轴线左侧代表多个专用的边缘计算设备，右侧代表一个单一的中央通用智能。这样便可以用一个简单的轴线来概括两种概念。

基于这一轴线，可以构造出四种可能的未来方向。

为这四个方向的世界分别取名为：“大科技”、“末日”、“剧变”和“袋里人之地”。下面分别详述：

（1）大科技世界

在这个世界中，存在一个单一、中心化的通用智能，主要作用是增强人类能力，而非取代人类。这正是OpenAI、Google、Meta等公司正在努力实现的未来。如果目前的“规模化”发展继续推进，且能不断提高这些模型的智能和性能，那么这个世界就有望实现。在这种情景下，工作效率大幅提升，裁员现象十分有限，大多数人还能保住工作。同时，那些花费数十亿美元建设的大型数据中心也会转亏为盈——通用智能是可能的。

每个世界里都有赢家和输家。在“大科技”世界里，大科技公司是毫无疑问的赢家，普通工人和政府等也能从中受益——因为一切处于集中化运作之下，他们喜欢这种集中化。但集体思维的风险也随之而来——所有问题的答案都来自少数几家主导公司，它们将有能力塑造公众如何看待世界。在这个世界里，集体思维占据主导，真正竞争被削弱。如果大科技公司垄断了信息和决策，独立思考将愈加困难。试想，如果你拥有一个比任何人都聪明的AI，无论它给出什么答案，都会潜移默化地影响你的思维方式。同时，版权将不再有效——AI在源源不断生成内容，而我们尚未建立完善的框架来处理这些问题。好莱坞电影可能遭遇困境——你完全可以自己拍影片，无需依赖传统影视工业；文书工作面临巨大冲击；标准化测试失去意义——AI无所不知，知识储备远超人类。这就是“大科技世界”中赢家与输家的基本态势。

（2）剧变世界

这个象限的情景正是许多人担忧的。中央化的通用智能不仅增强了人类能力，更逐渐取代了人类生产力。随着AI变得日益聪明，它最终可能在大规模范围内取代人类工作，导致裁员数量大幅增加。同时“规模化”持续推进，AGI的控制权不断集中。人们担心，AI与算法将越来越多地介入并决定日常生活——它们将左右你能否获得贷款、能否进入理想学校，甚至决定你在法庭上的有罪或无罪。社会或将经历大规模动荡和重构。

谁会成为赢家？大科技公司，因为它们通过生产力巨大提升而获益，科学技术也会取得飞跃性进展。同时，人们不再工作，休闲时间增多，休闲产业、旅游等行业可能迎来大繁荣。群体思维将异常强势——所有答案来自同一来源；但对个人创业者来说，则是大机遇——可以依靠AIs独立完成各种任务，无需雇佣大量员工。在这种情景下，个人将变得异常有能量，几乎可以自行完成拍电影、写作等各种工作。相反，那些依赖纯知识技能的人可能面临淘汰——AI对知识的掌握远超常人。无论哪个领域，普通打工人也会受到冲击，需要掌握某些特殊技能来适应新时代；否则，没有技能、无法适应变化的人将成为输家。好莱坞电影、传统文书工作以及标准化测试等领域，也可能因AI普及而走向衰落。

（3）袋里人世界

在这个情景下，世界不再以中央化的通用AI为主导，而是由多个专用的边缘设备AI与人类协作，共同提升工作效率。一个明显迹象是：“规模化”发展趋于停滞，模型不再持续变得更聪明，而是达到瓶颈——需要采用其他类型的AI来弥补。事实证明，那些可以适配到手机、智能眼镜、汽车或机器人中的小型AI，性能可以媲美甚至优于大规模AI。

同时，将拥有类似“袋里互联网”的结构——每个人都有自己的个人AI和“网站”，不再依赖一个大型服务器。换句话说，大家可以在自己的设备上运行AI，无需支付高昂费用给大公司。这是一种全新的互联网文化：机器人真正开始崭露头角——需要将智能集成得更为紧密和迅速，从而催生大量机器人、袋里以及机器人程序。

谁会成为赢家？军事行业将极为受益——他们乐于采用智能机器人、坦克、无人机等装备，因为这些设备的智能水平已媲美甚至超越人类。还会出现许多专用AI系统，如智能眼镜等技术产品。除了Nvidia等芯片制造商，其他公司也会在这一去中心化、互联网化的世界中大展拳脚。对于独立创业者来说，这种去中心化模式提供了巨大机会。

输家之一是网络安全——当系统重新走向去中心化和分布式，保障安全将异常艰难。传统的AI公司以及大科技企业在这种环境下可能力不从心——要实现统一的治理标准和法律框架变得极其困难。每种AI都需要采用不同的监管方式，它们就像不同的物种，必须以各自独特的方式管理，各国之间也会有差异。将所有AI整合在一起十分棘手。

（4）末日世界

末日世界是袋里人之地的极化版本。在这个世界中，信任将极其脆弱，保障难以建立。缺乏中央集权的承诺，使得许多曾经稳固的机构面临崩溃风险——比如曾经权威的五大会计师事务所可能因为AI袋里的广泛应用而失去地位。事实上，任何依赖于人类袋里的人，在这个由多个专用袋里AI主导的剧变世界中，都可能迅速被取代。随着“规模化”增长停滞，各种不同类型的AI大量涌现，这些小型机器人虽然能适应狭小空间，但正因如此，监管变得异常复杂——难以像监管大公司那样形成统一规则，这无疑会引发广泛反对，其破坏性也会导致很多人失业。

这将是一个充满混乱与挑战的世界。军方、超级袋里人、自动化机器人等表现出色；硬件制造商和太阳能创业者迎来发展良机；而大规模的SaaS公司、办公地产行业、工会甚至中央政府在财务管理和监管方面都可能面临前所未有的困难，甚至被迫解体。

关于AI毁灭人类的可能性：未来5年内发生概率为零。放长远看或许会出现，但今天主题是未来5到10年，这期间大可不必过于担心。从长期来看，可能还是需要保持警惕。

总之，在这个去中心化的世界中，赢家与输家的界限异常明显，整个生态系统充满不确定性与风险。

5、窥见未来的线索

接下来需要关注一个重要问题：早期信号。如何知道未来5到10年会走向哪一种未来？答案在于观察一些早期的警示信号，来窥见未来的发展方向。

如果未来几年内，看到像ChatGPT 5.0这样的产品按时发布，失业率保持平稳，Nvidia这样的公司持续增长——那就意味着正朝着大科技公司主导的增强型未来迈进。

如果ChatGPT 5.0比预期还要好，且裁员开始发生——那么将在五年内进入末日世界。

反之，如果ChatGPT 5.0发布延迟、技术进展停滞，同时开始看到类似Poe的袋里人市场迅速崛起，以及机器人开始大规模融入各领域——那么可能正进入以边缘专用智能为主导的未来。

如果Waymo业务迅速扩展，最优秀的模型继续开源，再加上工会对此做出积极反应——那么这些也都表明未来正朝着剧变的方向发展。

在接下来的六个月到一年内，将逐步看到这些信号，从而判断未来究竟走向哪个方向。对于独立创业者来说，在上述四种未来情景中，至少有50%的机会在其中两个或三个世界中找到不错的发展机遇。换句话说，独立创业者将在预测的四个世界中的至少三个世界中占据重要位置。

最后，讨论中没有过多提及“情感”，因为目前还没找到足够的相关内容——但这将成为下一个震撼我们的惊喜。未来，可能会赋予这些AI情感，让它们表现出惊讶、关切、恐惧、愉快以及爱的情感反馈。甚至可能给AI机器人赋予“痛感”，以便避免自我损害。这样的情感能力不仅会使AI和机器人更具亲和力，也会让操控它的实用性大大提高。这远远超出现阶段的预期，而对此准备明显不足。这将是另一个巨大的惊喜——只是想让大家提前了解这一点。

30年后，当人们回顾今天时，他们可能会说：“那时根本没有真正的AI专家，你们根本不了解AI是什么。”与30年、25年甚至10年后的知识相比，我们今天知道的非常有限。现在对AI的认知，将远远不及未来10到15年人类的水平。全球顶尖AI专家与未来普通人相比，也是天差地别。

但另一方面，我们正处在AI发展的起点——就像处于第一天的开始，一个里程碑式的历史性时刻。再过25年，人们会回忆道：“一切都始于2025年。”希望自己能活到那时，亲身参与并见证这个过程中的种种奇迹。到那时，一切都将无比新鲜和令人惊叹，充满无限可能。

与过去相比，如今是从事AI工作的最佳时机——拥有最先进的工具、最大的市场、最低廉的资金和最小的门槛。与未来相比也是如此——那时将没有专家，一切都是低垂的果实，答案唾手可得。总之，最想强调的一点是：今天正是投身AI领域的最佳时机，绝不算晚。

感谢大家的倾听，谢谢！