【摘要】
第一，凯文·凯利在2026年9月21日长江商学院CEO项目20周年论坛给出约15个AI预测，核心判断包括至少未来十年不出现真正AGI、未来是复数AIs而非单个通用模型、五年看空间智能、99%的AI在后台隐形协作、个人Agent与智能眼镜结合、人形机器人普遍可用约十年、AI医生两年成普遍入口、AI重组而非消灭工作。
第二，中国相关判断更值得国内团队拆解：开源模型与美国最前沿能力差距已不悬殊，未来五年中美前沿可能收敛，中国模型成本占优；约四年后全球最好AI芯片可能在中国制造，2030年中国可能做出全球最好自动驾驶汽车。这些不是确定结论，但是给国内AI落地提供了架构与采购时间表。
第三，企业可执行动作分四层：后台流程用隐形Agent和小模型替代人工流转，空间智能场景优先积累三维/视频/传感器数据，模型采购走国产开源权重加闭源旗舰混合，芯片与智驾按国产替代做三年POC、五年试点、十年规模替换。
一、为什么KK坚持用复数AIs而不是AGI
单通用模型叙事习惯把AI看成“一个越来越大的聊天入口”，所有任务都丢给同一个超级模型。KK这次明确说至少十年不会出现真正AGI，且未来是许多不同类型AI并存，逻辑上把企业AI架构从“找一个最强模型”改成“按任务分派多个专用系统”。
今天的进化不均匀体现在三点。语言、代码、检索、摘要进步快；空间感知、机械操作、长周期因果仍受数据和仿真制约。后台自动化大量是分类、路由、核对、下单，不需要通用推理。人形、医疗、驾驶对可靠性和责任链要求远高于聊天，不能用同一个基准衡量。
独特观点：国内企业做AI规划别按“AGI什么时候来”排期，按“哪类子任务先能无人化”排期。语言类Agent半年可试点，空间类两到三年可POC，机械与人因强耦合类按十年视野留预算，医疗与驾驶按监管分阶段放行。
二、隐形AI、空间智能、Agent眼镜的三条落地线
1.后台隐形AI与Agent协作
KK预测99%的AI可能不直接与人交流，在后台彼此协作；其他近期转述补充称大量token会在Agent之间流动，普通用户只面对少量总管Agent。国内落地优先做四类后台：
工单分类与派单用ModernBERT类小模型，延迟低、可审计。
采购询价、合同比对、发票核对用专用抽取加规则Agent，人工只审异常。
跨系统数据同步用事件驱动Agent，避免人人盯着仪表盘。
总管Agent只做意图理解、工具选择和汇总，不把全部决策权交给一个黑盒。
2.空间智能五年窗口
KK把空间智能列未来五年最重要突破之一。它对应三维场景理解、视频时序、传感器融合、机器人世界模型，不是单纯“看图说话”。国内团队应现在开始沉淀三类数据：工厂/仓库/门店的RGB-D与激光雷达、业务流程视频、机械臂和AGV轨迹。没有这些数据，五年后直接买空间模型也难以微调。WAIC相关KK转述也把空间智能、世界模型列为下一代AI底层能力，与人形机器人强相关。
3.个人Agent与智能眼镜
KK尤其看好个人Agent与智能眼镜结合，其他近期材料称始终在线Agent可通过眼镜看人所看、听人所听，并读取邮件消息位置。企业侧别只做消费炫技，优先三件事：
现场作业：巡检、维修、零售理货用眼镜做第一视角识别、SOP推送、异常上报。
销售与客服：眼镜加Agent做产品识别、话术提示、工单自动创建。
高管信息流：会议、行程、邮件、文档摘要进入个人Agent，输出到眼镜或手机，但敏感信息本地处理不上云。
表格对比不同AI形态的落地节奏：
| 形态 | KK时间判断 | 国内优先场景 | 主要风险 |
|---|---|---|---|
| 后台隐形Agent | 现在到五年 | 工单、财务核对、采购、IT运维 | 权限滥用、对账失败无人工兜底 |
| 个人Agent+眼镜 | 三年到五年 | 巡检、零售、售后、高管摘要 | 隐私、佩戴时长、第一视角数据合规 |
| 空间智能模型 | 五年重点 | 仓储、制造、机器人、数字孪生 | 三维数据少、仿真与真实差距大 |
| 人形机器人 | 约十年成熟 | 样板工厂、危化、重复搬运 | 可靠性、成本、安全认证 |
| AI医生入口 | 约两年普遍 | 分诊、影像初筛、慢病问答 | 医疗责任、处方边界、数据出境 |
三、工作重组与AI医生入口
KK判断AI不简单消灭工作，而重组工作。落地要避免两个极端：一是把所有岗位都喊成“AI替代”，二是只把AI当聊天机器人挂网页。重组路径更实际。
重复认知劳动拆成“小模型预审+大模型复核+人工终审”：例如合同初审用抽取模型标风险，大模型写说明，律师只处理争议条款。
现场工作用Agent增强：眼镜给步骤，后台给知识库，人工按异常介入，工作量不降但错误率下降。
管理岗位增加Agent运营职责：模型效果、数据质量、权限审计、成本账单都由人负责，这部分是新工作而不是旧岗位消失。
AI医生两年成普遍入口，国内应定位为分诊与辅助而非独立诊断。可先做三档：症状自查和用药常识用合规大模型；影像、病理、检验单初筛用专科微调模型；处方、诊断、复诊方案必须医生确认。医疗数据按医院内网、脱敏训练、审计留痕处理，不把患者主诉直接送境外通用API。
四、中国开源模型、芯片与自动驾驶的时间表
1.开源模型成本优势怎么用
KK称中国开源模型发展快，与美国最前沿差距已不悬殊，未来五年中美前沿可能收敛，中国成本占优。第三方材料可作旁证：斯坦福2026指数称中美顶尖前沿综合性能差距约2.7%，国内八周五连发材料称同等负载部分国产调用成本可低至闭源旗舰1%，DeepSeek等开放权重可私有化部署。人工分析类材料称KimiK3单次任务约0.84美元、ClaudeFable5.1约3.69美元，价差约4.4倍，但该对比受任务集和模型版本影响。开源生态方面，平台报告称中国模型全球下载与春季大模型下载占比提升，Qwen、Kimi、DeepSeek等权重可自托。
采购架构建议：
高并发、数据敏感、规则明确任务用Qwen/DeepSeek/GLM/Kimi等开源权重自托管。
长上下文编程、复杂推理、多模态疑难任务用国产旗舰API加少量闭源旗舰对照。
所有模型前加路由层，按长度、模态、保密等级、价格上限分流，避免“所有问题都调最贵模型”。
2.约四年中国最好AI芯片
KK预测约四年后世界上最好的AI芯片可能在中国制造。行业材料显示不能把“最好”简单等同制程第一。大摩估计中美AI GPU系统级差距未来四年可从1.5到2倍缩到约1倍，关键在先进封装、光互连、系统软件和软硬件协同；Gartner预测2030年中国本地AI基础设施80%采用本土芯片，当前约20%；摩根士丹利估计2030年中国AI芯片自给率可到86%，但制程仍可能落后约两代，靠多芯片、封装和系统优化补推理成本。
企业芯片策略分三档：
现在：推理业务对昇腾、寒武纪、海光、壁仞等做模型适配和性能基线，不押单一厂商。
三年：把非核心批处理、向量检索、小模型服务迁到国产卡，建立功耗、吞吐、故障率报表。
四年：核心训练逐步做国产集群POC，关键业务保留异构备份，避免制裁或单供应商断供。
3.2030中国最好自动驾驶
KK称2030年中国可能制造全球最好自动驾驶汽车。参照行业预测，摩根士丹利预计中国L2+渗透率2030年超50%，L4 Robotaxi加速；山西证券材料预计中国智能汽车2030年渗透率近100%，地平线征程6、黑芝麻A2000等国产智驾芯片向L3/L4推进。小鹏等车企材料强调VLA、世界模型、自研芯片全栈优化，但“最好”取决于安全、成本、法规和真实接管率，不只看算力TOPS。
五、结论
KK这组预测对国内企业的价值不在“十年后谁赢”，而在把AI预算从追逐单个超级模型转到多模型、多形态、多时间轴并行。后台隐形Agent现在可降本，空间智能和未来五年数据建设决定机器人红利，个人Agent与眼镜先从现场作业试点，人形按十年可靠性预留，AI医生做入口不做独立诊断；模型侧用国产开源权重压成本、用闭源旗舰补长尾，芯片按四年国产系统级替代做适配，智驾按2030限定场景规模化做数据闭环。所有预测都应标注为专家判断而非确定SLA，正式立项以自有业务数据、合规要求和POC指标为准。