72岁硅谷精神之父凯文·凯利提出：人类对AI开发不足1%，当前技术仅触及冰山一角

2026年7月18日，在全球目光聚焦的世界人工智能大会上，72岁的科技界传奇人物、连线杂志创始主编凯文·凯利抛出了一个颇具冲击力的观点：人类对AI的开发，连1%都不到。今天所有看似热闹的技术突破，不过是人工智能这座巨大冰山露出水面的一角。此言一出，迅速在科技圈激起千层浪，成为本届大会上最具争议性，也最引人深思的论断之一。

从文本智能到具身智能：AI发展的三次认知跃迁

凯文·凯利这个判断，可不是随便说说的。它建立在对AI技术发展全景图的深度观察之上。回看人工智能这60多年的演进，人类对它的认知经历了三次关键的跳跃：1956年达特茅斯会议正式确立了AI这个概念；2012年AlexNet的出现则开启了深度学习时代；再到2022年ChatGPT引爆了生成式AI的普及浪潮。但凯文·凯利认为，这些突破，本质上解决的都只是AI在文本、图像、语音这些单一模态下的感知问题。距离我们真正想要的通用智能，那还有99%的未知领域等着去探索。

上海AI实验室主任周伯文在同期论坛上提供的数据，也从一个侧面印证了这个观点。他们联合了10个领域的100位科学家，建立了一套AI基准测试，结果发现，目前最前沿的大模型，得分都没能超过50分。而且，所有由AI产生的科学研究，都还停留在“增量发现”的层面，没有出现任何根本性的突破。自然杂志发表的研究更是直指核心：AI本质上还是在“重述已知”，并不具备创造全新科学理论的能力。

为什么说人类对AI的开发不足1%？三大未突破领域揭示真相

凯文·凯利的“1%开发论”，不是笼统地否定所有AI技术，而是精准地指向了当前AI体系中最核心的几个认知盲区。从技术架构、智能形态到应用边界，人工智能至少存在三大块、占比高达99%的尚未开发领域。

1. 从被动感知到主动认知：空间智能的缺失

当前AI最大的短板，就是缺乏空间智能——那种理解、推理三维物理世界的能力。斯坦福大学的李飞飞教授就指出，人类的世界本质上是三维的，但现在的AI只能处理二维平面数据，它没法真正理解物体的空间关系、物理属性和运动规律。凯文·凯利在演讲中说得更直白：“我们需要的不是能写诗的AI，而是能帮你修理漏水水龙头的AI。”

上海AI实验室的研究也显示，当前大模型的训练数据里，有70%的科学数据，比如地质光谱、物理实验数据这些，模型根本读不了。这就导致AI在科学研究领域只能做一些表面的数据拟合，根本无法深入理解底层的规律。阿里云创始人王坚启动的“021”科学基础模型项目，正是为了攻克这个难题，试图通过统一文本、代码、科学数据的多元表征，让AI真正开始理解物理世界。

2. 从逻辑推理到情感共情：社交智能的空白

AI的第二大未开发领域，是情感与社交智能。凯文·凯利认为，现在的AI虽然能通过大规模语言训练，把对话模拟得挺像那么回事，但它完全不具备理解情感、建立信任、进行复杂社交互动的能力。欧莱雅全球首席人工智能官安迪雅透露了一个细节：他们在美妆AI交互中发现，只有15%的用户愿意跟AI进行超过3分钟的深度交流，核心原因就是AI根本理解不了人类的情感需求。

清华大学人工智能国际治理研究院的研究则显示，90%的AI伦理问题，根源都在于AI缺乏共情能力。举个例子，AI在医疗诊断中能精准识别病灶，但它无法理解患者内心的恐惧；在教育场景里能生成个性化习题，但它感知不到学生的学习压力。这种情感上的缺失，导致AI在那些需要高度信任的场景里，始终无法取代人类。

3. 从指令执行到自主创造：通用智能的瓶颈

最核心的未开发领域，当然就是通用人工智能（AGI）了——那种具备自我意识、能自主决策、主动创造新东西的AI。现在的所有AI，本质上都是“数据拟合工具”，只能根据人类给出的指令去完成预设任务，没法主动设定目标、探索未知或者创造全新的知识。凯文·凯利打了个很形象的比方：“现在的AI就像一只只会背诵唐诗的鹦鹉，它根本不知道诗歌里表达的是什么情感。”

自然杂志2026年6月发表的一篇论文指出，AI在科学研究中的贡献，只占人类总成果的0.3%，而且所有AI参与的研究，都需要人类先提供核心假设。上海AI实验室的周伯文主任也指出，当前AI的智能水平，还停留在“不知道自己不知道”的阶段，缺乏科学元认知能力，没办法主动去探索未知领域。

剩余99%的AI潜力如何解锁？三大核心赛道的机遇与挑战

凯文·凯利在抛出“1%开发论”的同时，也指明了AI未来发展的三大核心赛道。这些领域，正是解锁剩余99%潜力的关键突破口。

1. 人形机器人：物理世界的具身智能革命

凯文·凯利把人形机器人称为“人类迄今为止最复杂的人造产物”，其技术复杂度远超现有所有科技产品。2026年已经被公认为“具身智能元年”，全球人形机器人整机产量有望突破10万台。不过，真正能走入家庭的成熟产品，至少还需要10年时间继续打磨。

曦智科技创始人沈亦晨指出，人形机器人目前最大的技术瓶颈是算力与能源之间的矛盾。当前人形机器人的功耗是人类的5到10倍，充一次电只能工作2到3个小时。他提出的光电融合计算架构，预计在未来3到5年内，能把AI算力的功耗降低70%，为具身智能的普及打下基础。

复旦大学通用物理智能研究院院长苏昊则认为，人形机器人真正的挑战在于物理知识的全域聚合。人类婴儿是通过亲身跟世界互动，慢慢掌握物理规律的，但现在的AI只能通过文本学习一些浅层知识，缺乏对重量、摩擦力、平衡感这些物理属性的直观理解。他提出的六层递进式物理知识框架，目前已经被全球20多家实验室采纳。

2. 智能体（Agent）：数字世界的自主协作网络

2026年也被视为“智能体元年”，AI正从被动的问答工具，升级为能自主执行任务的单元。凯文·凯利预测，未来五年内，全球将诞生超过10亿个AI智能体，形成一个互联互通的智能体经济生态。单个智能体可以自动完成写方案、数据分析、邮件处理这些办公全流程；多个智能体协同起来，则能搞定大型项目规划、工业产线调度这些更复杂的任务。

不过，阶跃星辰创始人张祥雨也发出了警告：当前的Transformer架构，根本支撑不了智能体时代的需求。他指出，智能体需要具备长期记忆、自主决策和环境适应能力，而Transformer的注意力机制在处理长序列任务时，效率实在太低了。他的团队正在研发基于非线性递归网络的全新架构，虽然已经在小规模实验里取得了突破，但要想实现规模化落地，至少还需要3到5年时间。

基流科技创始人胡效赫则关注智能体之间的协同问题。他直言：“十万卡级的智算中心虽然已经有了硬件基础，但90%的算力都浪费在了数据预处理和跨层调度上。”他提出的超节点通信标准，正在被中国算力联盟采纳，预计能把智能体的协同效率提升40%以上。

3. AI for Science：科学研究的范式革命

凯文·凯利认为，AI对人类社会最大的贡献，最终会体现在科学研究领域。目前，AI已经在新药研发、材料科学等领域展现出了一定的潜力，但还只是一个辅助工具的角色。未来，AI会成为科学研究的核心引擎，帮助人类去攻克癌症治疗、气候变化、暗物质探测这些重大科学难题。

上海AI实验室的研究显示，AI已经把部分新药研发的周期从10年缩短到了2年，但在复杂疾病机理的研究上，仍然毫无进展。周伯文主任指出，AI在科学研究中的核心瓶颈，是缺乏“失败数据”。人类发表的科学成果里，只包含了成功的数据，而AI恰恰需要从失败案例中学习，才能真正理解科学规律。

阿里云启动的“021”科学基础模型项目，正在尝试解决这个问题。这个项目已经整合了全球20PB的多模态科学数据，包括地质光谱、天文观测、物理实验等非文本数据，试图建立一个能理解复杂科学规律的AI模型。王坚院士表示：“我们的目标是让AI成为科学家的同事，而不是助手。”

QA：关于“AI开发不足1%”的三大热点问题解答

Q：凯文·凯利的“1%开发论”是不是有点危言耸听了？AI明明已经改变了我们的生活，为什么还说开发不足1%？

A：这个观点并不是在否定AI现有的价值，恰恰相反，它是在强调AI潜力的广阔性。当前AI主要解决的是感知层面的问题，比如语音识别、图像生成这些，这些可能只占它全部能力的1%。而在认知层面，比如理解物理世界、情感共情、自主创造这些领域，AI几乎还是一片空白，这才是剩余99%的待开发领域。

Q：如果AI真的只开发了1%，那未来十年会发生哪些碘伏性的变化？

A：根据凯文·凯利和众多科学家的预测，未来十年AI将实现三大突破：1000万台人形机器人会走入家庭，成为人类的生活助手；每个人都会拥有一个专属的AI智能体，实现真正的个性化服务；AI将协助人类攻克至少5项重大科学难题，比如治愈某种癌症，或者实现可控核聚变。

Q：作为普通用户，如何把握AI剩余99%的发展机遇？

A：对于普通用户来说，可以重点关注三个方向。一是具身智能相关的技术，比如人形机器人、智能驾驶等；二是AI原生应用，也就是基于智能体框架开发的下一代办公、教育、医疗产品；三是AI技能培训，掌握与AI协作的能力，将成为未来职场的核心竞争力。欧莱雅全球AI官安迪雅透露，他们已经开始启动全员AI技能培训计划，目标是在2027年实现100%员工AI持证上岗。

从技术焦虑到创新机遇：如何看待AI的99%未知领域？

凯文·凯利的“1%开发论”在科技圈引发了不小的争议。有人觉得这是对当前AI技术的否定，也有人认为这是对创新机遇的提醒。但事实上，这个观点恰恰揭示了人工智能发展的本质：未知不是风险，而是创新的最大源泉。

1. 从技术恐慌到协同进化：重新定义人机关系

当大众还在担忧AI会取代人类工作时，科学家们已经在思考如何与AI实现协同进化了。复旦大学苏昊教授提出的物理智能框架，就把AI定位为“人类的协作伙伴”，而不是竞争对手。他认为，AI会接手养老照护、高危作业这类重复性工作，把人类从体力劳动中解放出来，让我们能更专注于创造、陪伴和情感交流。

清华大学刘子鸣教授则从技术架构层面提出了解决方案。他创立的KAN网络（Kolmogorov-Arnold Networks），把符号逻辑和神经网络融合在一起，让AI既能处理大数据，又能保持推理的可解释性。这个架构已经在医疗诊断、金融风控等领域实现了应用，将AI决策的可解释性从30%提升到了90%以上。

2. 从全球竞争到共同治理：AI发展的新秩序

凯文·凯利在演讲中强调，AI的未来不是一场零和游戏，而是需要全球协同的宏大工程。目前，全球AI发展呈现出三大格局：北美掌握着基础大模型和前沿算法，欧洲侧重伦理与安全监管，而中国则拥有全球最大的应用市场和完整的制造业场景。

图灵奖得主、中科院外籍院士约翰·爱德华·霍普克罗夫特指出，人才是AI时代的核心国力。中国的“101计划”已经覆盖了全国1300多所高校，统一了计算机课程体系，推动高校评价从科研导向转向育人导向。他建议，各国应该减少对应用型课题的约束，给科研人员更多自由探索的时间，这样才能开辟出全新的AI研究领域。

3. 从技术突破到伦理构建：AI治理的紧迫课题

随着AI向未知领域探索，伦理与安全问题也越来越凸显。凯文·凯利警告说，AI的99%未知领域虽然蕴藏着机遇，但也包含着巨大的风险。当前AI已经出现了深度伪造、数据隐私泄露、算法偏见等问题，而未来具身智能和自主智能体的普及，会带来更复杂的伦理挑战。

上海AI实验室已经启动了全球AI治理合作计划，与20多个国家的科研机构共同制定AI伦理标准。周伯文主任提出的“AI科学元认知”框架，试图让AI具备自我反思、自我校准的能力，从技术层面解决AI的幻觉和偏见问题。欧盟最新出台的AI法案，则从法律层面明确了AI的责任主体，要求所有高风险AI系统都必须进行透明度检测，并接受人类监督。

结语：在99%的未知中，创造AI的未来

凯文·凯利的“人类对AI开发不足1%”这个论断，既是对当前技术局限性的清醒认知，也是对未来创新机遇的热切召唤。当我们还在为AI生成的诗歌、画作惊叹不已时，科学家们已经在探索如何让AI理解物理世界、感受人类情感、创造全新的科学理论了。

未来十年，人工智能将从文本智能走向具身智能，从被动工具走向自主伙伴，从数据拟合走向科学发现。这99%的未知领域，既是技术攻坚的战场，也是人类重新定义智能、重塑文明形态的机遇。正如凯文·凯利在演讲结尾时所说：“预测未来最好的方法，就是创造未来。”在AI的99%未知中，每一次微小的探索，都可能成为改变世界的关键一步。