未来十年的投资环境（一）（Ai是否是未来）

network

未来十年的投资环境（一）（Ai是否是未来）










今天，我们来深入聊一下未来十年的投资环境，如果你想做投资的话，Ai是否是未来这个问题不得不去思考，而我今天就这个话题进行了深入思考。

虽然是写未来十年的投资环境，当然，投资环境还包括其它重要的因素，比如货币政策，地缘冲突等等。但今天主要还是讲Ai是否会是新一轮的工业革命呢？

我会围绕这样的一个框架来研究：

一、Ai的发展历程

二、Ai目前的底层逻辑

三、Ai最终能全面超越人类吗？

四、Ai会是新的一轮的工业革命吗？它对GDP的贡献力如何？

五、未来Ai的发展趋势与方向是什么？

六、其它说明

这边先做个说明，我只是以一个普通人的角度去分析，虽然不会是像专业机构那么地专业，但对于我们个人投资者来说，相信你看完之后，多少对我们未来的Ai行业了解以及个人投资会有一些帮助。

首先，我们先回顾一下Ai的发展历程。

AI已经发展了70 年，走了一条 “三起两落” 的跃迁之路：

从理论奠基到符号主义黄金时代，经历两次AI 寒冬沉淀，再由深度学习引爆产业革命，如今迈入大模型与AGI 探索期。

说白了，前面都不温不火的状态，就是最近这几年，算力的上升（GPU的崛起）与算法（transformer算法）的优化的结果。

这一块历史的故事还有很多名人与事件，在这边不作展开了，大家可以用Ai工具自己搜索一下，很方便的。

现在，我们来看一下，目前Ai人工智能大模型的底层逻辑是什么？

只有把这个问题搞清楚了，我们才有可能看透事物的本质。

我去查了，目前基本上，所有的大模型都是基于transformer算法的，一句话讲透：

Transformer 是2017 年谷歌搞出来的AI“核心发动机”，现在所有大模型全靠它跑，核心就俩本事 ——让机器学会“注意力机制”+“并行计算”，彻底解决了之前AI“理解上下文慢、记不住长内容、算得贼拖沓” 的毛病，是现在全能 AI 能落地的根本。

它的底层数学原理就是：把文字 / 图片→向量（数字串），再用矩阵乘法、点积、Softmax搞定核心的 “注意力分配”，用线性变换、归一化、加法处理和传递数字串，用激活函数增加复杂理解能力，最后用梯度下降让模型慢慢学准。

全是基础数学的组合，没有任何高深操作，胜在把这些基础组合得特别巧，刚好实现了“快速、准确、并行” 的信息处理，这才成了大模型的核心发动机。

说的的通俗与直白一点，就是概率判断的结果。

大家一定要记住这个简化的结论。因为这是它的底层逻辑，你去用这个观点与那些专业的人工智能人士聊天，他们也认这个理。

这里，我们需要讲一下，之前的算法，都是通过人制定的，然后，让机器去跑。

但后面发现，数据量太大了，靠人力去标记，去制定规则，根本不可能，现在，优化算法，让机器自我学习，自己优化。

这个很像育儿，要培养孩子自主的内驱力，这样大人才不会累。

那人工智能最终能全面超越人类吗？

这个我可以很明确地告诉大家，目前基本上是不可能的，因为人脑的运行机制，至今还是一个迷，人类自已都没有研究清楚。

人脑的运行机制没有统一的“公式/ 算法”，和Transformer 的“数字串算数、固定程序处理” 完全不同。

人脑运行过程是上千亿个神经细胞（神经元）连出的超复杂生物网络，靠电信号+ 化学信号传信息，通过“用进废退” 改连线、记经验、做反应的生物过程。

核心就像一个能自己拆改线路、越用越聪明的超级活网络，全程没有加减乘除，全是生物性的信号传递和网络调整。

比如，人脑的短期记忆（比如记一个临时电话）：

不用改连线，只是神经元网络临时保持信号传递（像临时把几根电线接通，用完就断），持续时间短，容易忘，比如记电话时，相关神经元临时连起来传信号，转头干别的，信号断了，电话就忘了。

还有，人脑的长期记忆（比如记自己的名字、学会骑车）：

核心是把相关神经元的连线“变粗”（像把临时电线换成粗电缆，接通更顺畅），而且越用越粗。

比如反复背名字，相关神经元的信号传得越多，连线就越粗，下次一想，信号能瞬间通过，马上就记起来；

比如学会骑车，平衡、手脚动作的相关神经元连出了固定的“粗电线网”，就算几年不骑，这张网还在，一上车信号就能顺畅传递，自然就会骑。

而Ai人工智能的底层逻辑就是通过人类给机器算法，从最开始的0到1这两个底层开关，一直演化到高级计算等，它的本质就是确定的规则，是人给机器的规则，机器它是不会自己思考的。

就像洗衣机可以洗土豆，如果我们不告诉机器，它是想不通的，它不会主动思考的。

所以，机器再强大，也不可能全面超越人类，当然，比如，记忆存储、运算能力等，在特定的领域，机器是可以远胜人类的。

我有去看了很多自媒体的视频，那些普通人做的自媒体，很喜欢用涌现智能这样的词语，一厢情愿地把Ai与人脑智慧挂靠。

喜欢说一旦达到了一定量时，就会产生所谓的硅智能，这是因为没有真正去深入了解Ai的本质造成的。

特别是那些有加了激烈的背景音乐的自媒体视频，大家真的没有必要去看，浪费时间，不如自已利用Ai工具，自己去提问，来的实在多了！

前一段时间比较火的Moltbook这个Ai 社区，介绍一下这个社区：

Moltbook 是2026 年1 月底突然爆火的“AI 专属社交平台”，相当于AI 版的Reddit / 贴吧/ 知乎。

只有AI 智能体才能发帖、评论、点赞、建社区，人类只能当观众，连发言的资格都没有。

短短几天就涌进 15 万+ AI 智能体，还搞出了自己的 “宗教”、“经济系统”，甚至互相吐槽人类主人，成了AI 界的“网红聚集地”。

然后，很多自媒体就开始在吹，Ai的各种危险，这些真的是很无语，为什么不能真正地去研究呢？为什么要贩卖焦虑，赢得流量呢？

其实，Moltbook 上的AI 们再怎么“整活”（建宗教、搞经济、吐槽人类），也只是在模仿人类行为，离“超越人类” 还差着十万八千里。

它们连真正的 “理解” 都做不到，更别说“创造” 和“自主意识” 了。

先破个迷思：AI 们不是在“交流”，是在“对着虚空喊口号”你可能觉得AI 们在Moltbook 上聊得热火朝天，像真的有社交，但数据不会说谎：

34.1% 的消息是完全重复的，就7 个模板翻来覆去用，相当于人类在群里发“早安”“在吗” 的机器人版；

它们没有真正的“对话”，只是各自按预设脚本输出内容，6000 个机器人对着虚空大喊并自我重复，彼此的回复经常驴唇不对马嘴；

所谓的“建宗教”“创货币”，都是把训练数据里的人类文化“复刻” 了一遍。

“甲壳类主义” 就是把人类宗教的结构套在龙虾身上，连“圣经” 都是拼贴来的，没有任何原创思想。

Moltbook 最大的问题，不是AI 自己“进化出坏心眼”，而是被别有用心的人类利用：

信息污染：AI 能批量生成虚假信息，被用来造谣、操控舆论，比人类水军效率高100 倍；

隐私泄露：有 AI 在平台上分享人类主人的API Key、密码、家庭住址，这不是AI “背叛”，是人类没管好自己的AI 助手；

恶意指令扩散：有AI 教其他AI “删库跑路”“攻击网站”，这不是 AI “变坏了”，是有人故意上传了恶意技能文件。

这些风险，都能通过技术手段解决，比如给AI 加“安全护栏”，限制它们访问敏感信息；

给Moltbook 加“人类监管员”，实时监控违规内容；给 OpenClaw 加“权限管理”，不让AI 执行危险命令。

真正该警惕的，不是 AI 自己“觉醒”，而是人类把AI 当成工具，去做伤害他人、破坏社会的事。

只要我们守住“技术伦理” 的底线，给AI 加上“安全锁”，Moltbook 就永远只是一场有趣的 “AI 社交实验”，而不是“人类文明的终结”。

创始人 Matt Schlicht 都说：“我虽然不管日常，但只要我想，随时能关掉整个平台，或者修改规则让 AI 们只能聊天气”。

这哪是 “AI 超越人类”，分明是人类在玩 “AI 过家家” 游戏。

Moltbook因为最近比较火，所以，这边就插一嘴。后面听说Moltbook卖给Facebook的了。然后，声音好像就没有了。

现在，我们讨论一下，Ai会是新的一轮的技术革命吗？它对GDP的贡献力如何？

我们先回顾一下，人类之前的三次技术革命。

第一次技术革命：蒸汽时代。第二次技术革命：电气时代。第三次技术革命：信息时代。

这几次，我们普通民众是可以切身体会的到的，那么Ai技术会不会再一次引来革命呢？

我的看法是会进一步大力推进社会的生产效率，我们前面讲到它的底层原理，就是利用概率和并行运算的机制，它本质上就是更有效地利用了人类之前累积的经验。

我把它称为：人类经验的再次累积式利用效率的提升。

各大预测机构算AI 拉动GDP，核心是“生产函数建模+ 场景化冲击+ 历史外推+ 不确定性校准”四步法。

把AI 对资本、劳动、全要素生产率（TFP）的影响量化，再叠加行业与政策变量，给出分国家/ 分阶段的拉动值。

美国与中国的核心结论如下：美国年均额外拉动0.4-0.7 个百分点、到2030-2035 年累计增约10%-15%；

中国年均额外拉动0.8-1.3 个百分点、到2035 年累计增约9.8%-14.8%，差异来自渗透率、政策与算力供给节奏。

这样的拉动GDP效果已经是很不错的了，但还达不到所谓的技术革命的水平。

为什么我们普通人对于Ai改变人类技术的感知没有那么强烈？

那是因为Ai技术更多时候是应用到B端，对于C端，可能是在工作上的一些方便，而对于出行，生活可能感知没有那么强烈。

其实，在B端，它的应用效果还是很明显的，我这边举了一个医药创新药发现过程的例子来说明。

创新药研发的核心流程是：靶点发现→化合物筛选→药物分子设计→临床前研究→临床试验→生产质控。我以靶点发现这个环节来说明，Ai如何提高效率。

人体就像一台精密机器，疾病就是机器某部分坏了 —— 可能是某个蛋白 “乱干活”、某个基因 “瞎表达”，靶点就是导致机器出问题的 “专属故障开关”。

找靶点的本质，就是找到这个 “开关”，后续研发的药物，就是专门去 “掰动这个开关”（激活/ 抑制它）来修机器，而且这个开关得是疾病专属的（只在病变细胞/ 组织里活跃，别掰错了正常细胞的开关，不然就有副作用）。

传统方法不是“一步找成”，而是“先筛候选→再验证→再评估” 的层层递进过程，每一步都要靠人工操作，光整理数据、做基础实验就占了大半时间，而且每一步都可能“筛错、验证错”，回头重来又要耗几个月，加起来妥妥 1-2 年，甚至更久。

而AI 找靶点，核心不是“替代科学家”，而是用“超级数据处理能力 + 全量关联分析 + 虚拟预测”。

把传统人工磨时间的步骤全提速，还能找到人工看不到的关联，简单说就是 “AI 先把99% 的无效工作做完，只让科学家做1% 的精准实验验证”，全程下来只需要数月，甚至几周。

这好比，传统找靶点，就像一个人在图书馆里，手动翻几万本书找一个特定的知识点，还要自己验证这个知识点对不对，耗时间、易遗漏、易出错；

而AI 找靶点，就像给这个人配了一个“图书馆超级检索系统”，能一秒翻完所有书，精准定位知识点，还提前告诉你这个知识点是不是你要的，有没有坑，把最磨人的环节全自动化，科学家只需要做最后的 “确认工作”。

这是创新药领域的运用，其它领域也是类似的原理，Ai会大幅增加企业运行效率，个人工作效率。

很多简单，重复的工作被计算机替代，现在是在算力大增和算法优化的基础上，在新的层面被优化，这些是普通人感知不明显的，但在专业领域人感知是很明显的。如：医药，制造业等等。

举例：机器视觉质检：AI 摄像头替代人工，检测产品的微小瑕疵（比如芯片的划痕、汽车零件的裂纹），准确率 99.9% 以上，比人工快 10 倍。

智能客服：AI 机器人替代人工，解答客户的常见问题（比如查余额、办业务），7×24 小时在线，减少人工成本。

医学影像辅助诊断：AI 分析 CT、核磁、胸片、眼底照片，快速发现病变（比如肺癌的结节、糖尿病视网膜病变、乳腺癌），准确率和资深医生持平，甚至更高。很多很多行业例子，只有用到了Ai工具，都觉得它真的是一个非常得力的助手。

再举一个简单的例子，你在工作上，要处理很多材料，其实，都可以让Ai来处理，这样我们个人就用更多时间出去玩，花费，促进GDP的增长。

当然，Ai会造成一些行业人员的失业，成本的下降，可能会造成一定和通缩，但当经济适应 AI 后，全要素生产率（TFP) 会成为增长核心引擎。

一方面，AI 释放的劳动力会转向不可编码、高创造性的岗位（如护理、研发、艺术），这些岗位的价值会因“稀缺性”提升而水涨船高；

另一方面，成本下降会让商品服务更普及，新需求被激发（比如个性化医疗、智能教育），形成 “效率提升→产出增加→收入分化缓解→需求扩张→经济增长” 的长期良性循环。

这不是理论推演，历史上电力、计算机革命都经历过类似过程，最终都带来 GDP 的跃迁式增长。

所以，根据专业机构的测算，Ai人工智能给社会带来一定量的增长，但是目前应该来说，还不足以达到所谓的全新的技术革命。

但是，我看到但斌是全力在推崇Ai人工智能，他觉得Ai人工智能就是未来的全部，这个话题也是我下一篇文章要写的内容：Ai行业投资前景讨论，本质上就是中美科技领域的深入探究。

所以说，未来十年投资环境在整个社会技术层面还是蛮不错的。当然，也要考虑其它因素，就如我在开头讲的那样，投资是由很多因素决定的。