十年推演的方法论
第 20 篇用周期论的视角看过智能体行业的当前阶段——狂热、回调与沉淀的往复。本篇把时间轴拉到十年尺度做推演。先声明方法论上的谦逊：十年前的行业预言大多落空了，没有人准确预见到今天智能体的形态；十年后的世界大概率同样会超出今天的想象。推演的价值不在预言具体事件，而在给出一组结构性的变量与分支：哪些力量决定走向，不同剧本下各自的赢家与输家是谁。读者带走的不该是结论，是监测这些变量的仪表盘。
推演围绕三层展开：叙事层（关于通用智能的话语如何塑造资源流向）、能力层（天花板在哪里、以什么速度逼近）、结构层（生态终局的几种可能）。三层互相咬合：叙事决定资金，能力决定产品，结构决定分配。任何一层单独看都会失真——只看叙事会变成信仰，只看能力会变成工程乐观主义，只看结构会错过范式转移。
推演纪律上还有一个可操作的方法：给每个判断设「反方陈述」——写下它成立所需的前提与被证伪的信号。本篇的所有剧本都遵循这个格式：前兆信号既是剧本的论据，也是它的可证伪条件。当某个剧本的前兆信号连续两个季度反向运行，就应下调它的权重，而不是修补解释。推演纪律的核心就一句话：允许自己错，但不允许自己无法发现自己错了。
AGI 叙事的谱系与营销用法
通用人工智能（AGI）不是一个技术名词，是一个叙事工具箱。谱系上至少有三支。技术定义派以能力基准划线——有的前沿实验室提出过分级框架，从「新兴」到「超人类」逐级定义通用程度；独立评测组织则在推动用未公开题目测试通用推理，避免基准污染让定义失效。商业叙事派把 AGI 当作融资与招聘的旗帜——使命宣言里写上通用智能，估值逻辑就从工具公司变成平台公司；发布的每一代模型都被放进通往 AGI 的进度条，进度条的刻度由发布者自己掌握。怀疑批判派认为现有技术路线存在原则性局限，通用智能需要当前范式之外的东西，所谓时间表是营销构造物。
三支叙事在产业里各有用法，从业者需要一套识别语言。营销用法有几个固定句式：「这次和以前不一样」（每次能力跃升都伴随这句话）；「若干年内实现 AGI」（时间表随资金周期伸缩，融不到资的年份普遍延长）；「达到人类专家水平」（省略了任务范围、可靠性与成本三个口径）。反识的方法不是嘲笑叙事，而是追问三个维度：什么任务、什么可靠性、什么成本。任何省略这三个维度的通用智能宣言，都应按营销材料处理。
值得追问一层的是：为什么资本市场需要这个叙事？因为平台级投资需要一个足够大的市场故事——工具型产品的估值天花板撑不起前沿模型的训练开支，只有「通用智能」能把估值逻辑从卖工具切换成卖平台。叙事的真实功能是融资经济学，不是技术路线图。理解这一点，就能理解为什么通用智能的时间表总是与融资周期同频，也就能在叙事最热闹的时刻保持定价的清醒：叙事影响资金流向，但产品与收入从来只服从真实的需求与成本。
叙事影响资源流向是真实现象——从业者要懂叙事，但不必被叙事定价。会讲叙事的团队拿走了资金，会做产品的团队拿走了用户，两类能力不冲突，但把叙事当产品的团队通常两头落空。
能力天花板：保守与激进的两种估计
能力层的核心争论是天花板。激进估计的逻辑链：算力投入仍在指数增长；推理范式（让模型用更长的思考时间换取更准的答案）刚刚打开，把「训练时的智能」延伸到了「使用时的智能」；强化学习在可验证任务上的进展真实存在。三条曲线叠加，能力会在未来数年持续陡峭，多数知识工作被深度重塑。保守估计的逻辑链：公开高质量文本的总量有限，研究机构估算过其消耗速度，数据墙不是传说；能耗与芯片供给构成物理约束；模型在长程规划与持续学习上的缺陷看起来是架构性的而非规模性的——扩大规模不能自动修复的错误，才是真正的天花板信号。两条逻辑链都有一手证据。
物理约束值得多说一句：前沿算力的供给正在变成地缘议题——先进芯片的产能、出口管制的边界、电力与水资源的地方审批，每一个都不是技术问题，却都直接决定能力曲线的斜率。激进派的技术乐观主义，往往默认这些约束会自动解决；保守派最有力的论据，恰恰藏在这些非技术变量里。监测能力天花板时，芯片产能与电力审批的新闻，和论文榜单一样重要。
诚实的做法是并列监测变量，而不是选边站。监测清单有四项。单位智能的成本曲线：每年同样能力的推理价格降幅——这个趋势至今稳定，是激进派最好的证据。高质量数据的边际获取成本：授权语料市场的成交价与合成数据的占比——保守派的证据，合成数据能不能替代真实数据，是这条逻辑链最大的悬案。长程任务的可靠性：跨数小时、需要几十步工具调用的自主任务成功率——两条路线的分水岭指标，它不涨，智能体的商业边界就锁死在短任务上。可验证强化学习的适用范围：能自动判对错的领域（代码、数学）进展快，判不了的领域（开放对话、审美判断）进展慢——突破的领域分布由此决定，通用性其实是不均匀分布的。
还有一条中间路线值得单列：能力未必在「通用性」上突破，可能在「可靠性」上突破。把模型从「聪明但偶尔离谱」推进到「稳定且可审计」，对产业的意义可能大于通用能力再上一个台阶——第 32 篇分析过，企业采购卡的正是可靠性这一关。十年后回头看，「让模型变可靠」这个不那么性感的命题，可能比「让模型变更聪明」创造了更多经济价值。
生态终局的三种剧本
结构层的推演给三个剧本，概率上并非互斥，真实未来可能是三者的混合。
剧本一：平台寡头。少数握有模型、算力、分发与资本的巨头把智能体做成云服务：开发者在平台上构建，用户从平台入口进入，数据沉淀在平台。收益是体验统一、能力前沿；代价是应用层的议价能力持续走低，租金随地位上升。此剧本的前兆信号：入口级产品的整合加速、算力的独占协议、开源与闭源的能力差距重新拉大。
剧本二：碎片共存。开源模型追平闭源前沿的时滞缩短到数月，端侧小模型承担日常任务，垂直行业由深耕数据的本地玩家占据。生态像今天的网页世界：没有单一入口，无数独立站点与服务并存。收益是多样性、韧性与区域自主；代价是碎片化的标准与重复建设，用户体验的方差大。前兆信号：开源模型在企业部署中的份额、端侧推理的份额、区域与主权模型项目的资助规模。
剧本三：协议联邦。智能体之间通过开放协议互联——模型层、工具层、身份与支付层各有标准，任何一家的智能体都能调用另一家的能力，价值分配按协议中的结算规则进行。这个剧本的前身是今天正在推进的互联协议（前文散篇讨论过互操作标准），如果它们成为事实标准，生态会像互联网本身的架构：没有主人，只有节点。前兆信号：跨平台智能体互调的真实流量、协议治理组织的权威、支付与身份协议的采用率。
三个剧本对从业者的含义不同：寡头剧本里要抢平台生态位，碎片剧本里要深耕垂直与区域，联邦剧本里要占协议关键节点。聪明的仓位是三者兼容的：拥有私有数据与流程嵌入的业务，在哪个剧本里都有谈判筹码。这也是本系列反复出现的主题——租来的能力在哪个剧本里都是租来的，攒下来的资产在哪个剧本里都能兑换。
三个剧本还有各自的时间结构：寡头化在平台入口层最先发生，碎片化在垂直应用层最持久，协议化最难但一旦发生最稳固——协议是锁定效应最强的资产，因为它靠网络效应自我强化。对时间敏感的角色要按层错配策略：入口层的窗口以年计，垂直层的窗口以十年计，协议层的窗口以关键标准的确立为界。押错层比押错剧本更常见——在以年计的窗口里做十年的准备，或者在以十年计的市场里用一年的节奏焦虑，都是常见的错配。
给不同角色的十年行动框架
把推演落成三类角色的行动框架。
开发者：赌注不要全押在单一平台的接口上——抽象层与可替换性是廉价保险；复利资产选数据、评测与工作流嵌入，这三样不随模型代际贬值；技能栈上，对模型能力的判断力（什么任务该用什么档位、边界在哪）比任何框架的使用技巧更保值。十年尺度上，模型接管的是执行，判断仍留给人——工程判断力的稀缺度会上升而不是下降。
企业：把智能体采购当成能力建设而不是工具采购——数据治理、流程数字化与审计基础这些前置工程，决定未来十年能否用上新能力；供应商结构上保持多模型可替换，避免单点依赖；人才上，最稀缺的不是会写提示词的人，是能把业务翻译成可验证任务的人——验收标准的制定者，永远比标准的执行者稀缺。
投资者：警惕以通用智能叙事定价的资产——叙事驱动的估值在周期反转时没有地板；关注穿越周期的收租位：推理基础设施、数据授权与结算、评测与安全审计、垂直行业的流程嵌入；对应用层，用留存与毛利过滤叙事，这两项指标在十年尺度上从未失效过。周期的教训从来不是「别投」，是「别用叙事定价已验证的东西，也别用已验证的标准否定叙事期的东西」。
十年很长，长到具体预测必然出错；十年也很短，短到结构性变量——成本曲线、数据边界、协议之争——现在就已在运行。行动框架的意义不是猜对终局，是让自己站在每个剧本里都受益的位置。
小结
十年推演的三层仪表盘：叙事层看通用智能话语的口径，任务、可靠性、成本三问是识别营销的通用工具；能力层看单位智能成本、数据边际成本、长程可靠性与可验证强化学习的适用范围四个变量；结构层看寡头整合、开源追平与协议采用的三组前兆信号。
三种终局剧本不是选择题而是配比题，混合形态是大概率结局。对从业者，唯一穿越所有剧本的仓位是私有数据、流程嵌入与可验证的业务价值——这些资产在寡头、碎片与联邦三种世界里都能兑换，而租来的能力在任何世界里都受制于出租方。
给三类角色的建议可以压成三句话：开发者保可替换性、攒判断力；企业做能力建设、防单点依赖；投资者用留存与毛利过滤叙事，盯住收租位。三句话的共同底层是同一件事：把注意力放在变量上，而不是结论上。
最后一句话收束这个系列的第一季：生态的终局没有人知道，但生态的变量人人可以监测。预言会过期，仪表盘不会——十年后回看，你会感谢今天没有把世界观抵押给任何一份预言，而是给自己的判断装了刻度。
读者留言
COMMENTS 暂无还没有留言，来说第一句？