哈薩比斯最新震撼預言：留給舊世界的時間，不到 2000 天

作者：老賈

來源：筆記俠（ID：Notesman）

2026年5月29日，斯坦福校園。

剛結束谷歌I/O開發者大會的谷歌DeepMind CEO德米斯·哈薩比斯沒有回倫敦，而是坐在了斯坦福一場對話的臺上，臺下坐滿了學生和年輕的創業者、技術人。

在這場對話中，哈薩比斯說了三句重要的話。

第一句，讓全場安靜了兩秒。

第二句，讓所有人開始算日子。

第三句話，其實跟所有創業者都有很大的關系。

這篇文章，會把這三句話徹底講透，然后提醒中國創業者容易犯的3個錯誤，最后給4個具體行動建議。

希望今天的內容，對你有所啟發。

01

哈薩比斯的3句話，

每一句都值得展開讀

第一句：“人類正站在奇點的山腳下。”

注意他的用詞，“山腳下”，不是“山頂上”也不是“半山腰”。如果他覺得奇點已經到了，他會說“我們正在翻過山脊”。如果覺得還遠，他會說“遠處有座山”。

“山腳下”的意思是：已經走到了山下，還沒開始爬山，但你抬頭已經能看見坡度在變陡。

這不是一個比喻。哈薩比斯是那種把精確當信仰的人，他是國際象棋大師、神經科學博士、諾貝爾化學獎得主。他選“山腳下”這三個字，是經過掂量的。

他之所以用“奇點”這個詞，是因為他看到了AGI(通用人工智能，下同)，距離我們只有4到5年時間。

“奇點”在指人工智能領域，特指技術發展的一個轉折點，到達奇點后，人工智能等技術的智能水平超越人類智能，進入“智能爆炸”階段。

隨后，技術增長會變得不可控和不可逆，人類社會將面臨根本性變革。

第二句：“AGI大概在2030年前后到來，前后誤差不超過一兩年。”

這句話的信息密度極高，拆開看有三層：

第一層，他說的是AGI，不是“更強的AI”。AGI意味著機器能在絕大多數認知任務上達到或超過人類水平，這是質變。

第二層，他給了時間錨點：2030年。距離現在大概3到4年。哈薩比斯作為全球AI行業頂尖人物，這都是他看過訓練數據、算力曲線和模型架構之后，愿意公開押注的時間。

第三層，“前后誤差一年”。這比說“2030年左右”要大膽得多,他在收窄不確定性的區間。

第三句：“最重要的，是牢牢掌握自己的主動權。未來的劇本還沒有寫好，不要聽信任何人說未來已經注定。”

這句話讀起來像雞湯，但它真不是。

想想看：哈薩比斯站在“奇點的山腳下”，剛告訴你AGI可能在3-4年內降臨，他比誰都知道AI有多厲害，所以他建議大家去擁抱、去探索AI工具的能力，但他更強調的是抓住你自己的能動性。

他把這句話放在整場對話的收尾位置。不是隨口一說，大概是他想了很久的結論。

“奇點山腳下”和“2030年前后AGI到來”這兩件事，到底有多大的沖擊力？

我們先把這兩件事聊透，不然，第三句話的分量就落不下來。

02

前兩句話拼出的圖景

1.10倍影響×10倍速度，等于什么？

哈薩比斯說：“（AI的）影響是工業革命的十倍，而速度則是十倍。它將在10年內發生，而不是100年。”

工業革命改變了什么？

生產方式，從手工到機器；

城市形態，從村鎮到都市；階級結構，從封建到資本；

全球權力格局，從農業帝國到工業強國。它重塑了人類社會。

10倍于工業革命的影響，意味著人類社會將出現翻天覆地的變化。

10倍速度，又是什么概念？

英國的工業革命從1760年代算起到19世紀中葉初步完成，用了將近100年。

現在，100年壓縮到10年，這個變化的速度，會讓大部分人喘不過氣。

一個英國紡織廠主，從第一次聽說蒸汽機到整條產線用上蒸汽動力差不多要經過15-20年，他們有整整一代人的時間觀察、試錯、轉身。

現在，你沒有一代人的時間，你大概只有兩三年的窗口期。

這就是“奇點山腳下”的真實含義：AI帶來的變化量級是工業革命級別的，但留給你反應的時間，只有工業革命時代的十分之一。

哈薩比斯敢下這個判斷，不是憑空拍腦袋。

他看過AlphaFold在幾個月內解決了一個困擾生物學界50年的蛋白質折疊問題；他看過AI在材料科學、氣象預測、芯片設計里以肉眼可見的速度吞掉過去需要人類團隊數年才能完成的工作。

拿著這個判斷，作為創業者，你該做什么假設？顯然，就是提前準備。

只有提前準備好了，你的效率才會比別人高，你的團隊才會比別人早一步找到了AI和自己業務的結合點。

如果你按“還早著呢”來準備，突然有一天你會發現，整條賽道被重做了，而你沒有入場券。

歷史上有過太多這樣的教訓。

2007年，史蒂夫·喬布斯舉起那部iPhone，諾基亞的高管覺得觸摸屏只是玩具。四年半之后，諾基亞手機業務賣給了微軟。

2015年，很多人都聽過“人工智能”這個詞，但真正開始用深度學習重構業務的公司鳳毛麟角。

等到2022年底ChatGPT發布，那些提前準備了七年的人，和那些剛剛聽到“大模型”三個字的人，已經不在同一條起跑線上了。

人類有一個系統性偏差：總是低估技術變革的速度。不是因為愚蠢，是因為過去的經驗告訴你，變化總是慢慢來的。

但這一次，變化不是慢慢來的。

2.從恐慌到行動

所以，如果你接受了“奇點山腳下”和“2030年前后AGI到來”這兩個前提，你會面臨兩種本能反應：

一種是恐慌，“5年？我什么都來不及做。”

一種是躺平，“反正AI什么都能干了，我做什么也沒用。”

哈薩比斯的第三句話，就是對著這兩種反應說的。恐慌沒有用，因為恐慌不是行動。

躺平更沒有用，因為AGI不是世界末日，是舊世界的重寫，而哈薩比斯告訴你，這重寫的權力還在你手上，你唯一值得押注的東西，是你的能動性。

03

能動性到底是什么？

先說它不是什么。

不是“你要努力”，這是一句廢話。不是“執行力”，執行力是把已知的事做好，但AGI時代，很多時候你根本不知道該做什么。

那它是什么？拆開來看，三件事。

第一件：你得能做選擇，而不是只做優化。

假如你是一家餐廳的老板。

過去十年，你的核心競爭力是什么？可能是菜品好、位置好、翻臺快。這些能力有一個共同點：它們都在回答“怎么把已有的事做得更好”，這就是優化。

AGI最擅長的就是這個，它能把你的供應鏈成本砍15%，把翻臺率提到極致，把菜單根據季節和客流動態調整到最優。這些你花10年摸索出來的經驗，它一個月就能算出來。

但有一件事它算不出來：你的餐廳要不要改成只做外賣？要不要上預制菜？要不要跟另一個品牌合并換賽道？

為什么算不出來？因為這些問題的答案不是“更優”，是“不同”。

優化是在一個框架里做事，選擇是換框架。AGI可以在你給的框架里做到極致，但“給什么框架”這件事它干不了，只有你能干。

在AI把優化做到極致之后，剩下的那件事是什么？是選擇。選擇做什么，比選擇怎么做，值錢得多。

第二件：你得真的下場，而不是一直看。

很多時候，一件糾結了三個月沒動手的事，一旦動手了，三天就全想通了。

這不是因為你突然變聰明了，是因為坐在那里想，你腦子里跑的全是模擬。

模擬不花成本，也不產生真實信息。你只有真的干了，真投了錢、招了人、見了客戶、被拒了，現實才給你反饋。

AGI能幫你模擬一萬個市場策略，但它不能替你挨那一刀，也不能替你承受賠錢之后的心痛。但恰恰是那個心痛，才能讓你下次判斷的準度往上提了一檔。

這也是為什么“等等再看”是最危險的策略，等著的人以為自己在觀察，其實自己在錯過。真正值錢的信息只有做了才有，等兩年再動的人，不是從零開始，是從負數開始，因為他的競爭對手已經迭代了好幾輪。

在信息爆炸的時代，靠行動得來的信息反而是最稀缺的，它是用真金白銀換來的，不是用搜索引擎搜來的。

第三件：你得知道自己是誰，而不是讓市場替你決定。

一個創業者，AI+醫療和AI+金融，兩個方向數據都支持。他選了醫療。為什么？你可以說是直覺。

但直覺是什么？

是他過去幾十年攢下來的所有經驗、價值觀、失敗、偏好、對“什么值得做”的信念，這些東西攪在一起，形成了一個無法拆解的整體。你沒法把它寫成prompt（提示詞）喂給大模型，因為連他自己都說不清楚每一層權重是什么。

AGI可以幫你做更好的醫療AI，也可以幫你做更好的金融AI。但“為什么是醫療”這個問題，它回答不了，因為這個答案不在它數據里，在這個人的經歷里。

你選什么，你就是什么，你的選擇定義了你。

三層合起來，一句話：AGI越強，能動性越貴。

因為AGI把“怎么做”這件事拉到了幾乎免費——執行、分析、優化，滿大街都是。但“做什么”“干不干”“我是誰”這三件事，供給永遠有限。

04

最容易犯的3種錯誤

三種錯，一種比一種隱蔽。

第一種：把省錢當戰略。

比如，裁掉客服上AI。響應時間降了，工單關得快了。老板看著報表，覺得對了。幾個月后，續費率開始掉。客戶也說不出哪里不對，就是“不像以前那么近了”。

這種死法最冤：所有看得見的指標都在漲，死因卻藏在看不見的地方。

信任感、在場的溫度、簡單而且可以依賴，這些東西都不在報表上，但它們才是續費的理由。

不是不能降本，是不能在動刀之前先回答一個問題：客戶付的錢，到底在買你的什么？但大部分企業根本沒想過這個問題，就動了刀。

第二種：把能力交出去，還以為自己有。

一個團隊用AI寫代碼、做分析、出方案，速度確實快了三倍。但幾個月后你發現：離了AI，沒一個人能獨立完成一個完整判斷。他們判斷力被外包給了模型，但模型不在你組織里。

降本是砍掉你覺得不重要的東西，這是誤判；能力外包是砍掉你以為自己還擁有的東西，這是自欺。

誤判可以糾正，自欺很難醒。

比爾·蓋茨說AI不會取代醫生，但會用AI的醫生會取代不用AI的醫生。這話只說對一半，更準確的說法是：會判斷什么時候該用AI，什么時候不該用的醫生，才會取代所有人。

因為你把判斷全交給AI的那一刻，你就不是醫生了，你是AI輸出的分發終端。分發終端不需要10年的醫學訓練。

一個組織如果把核心判斷流程全AI化了，它不是在升級，它在空心化。人在真風險面前做的取舍，才是核心能力。你把這個過程外包了，人就只剩個殼。

第三種：等看清楚再動。

這一種最體面，也最致命。

“不是不想動，是還沒看清楚。”多好聽，潛臺詞是：等我看清楚了，我一定比誰都快。真相呢？你不會快。因為絕大多數的事，不是靠看清楚的，而是靠做明白的。

你在岸上看人游泳，看一百年也學不會。你得跳進去，嗆幾口水，才能學會。

柯達1975年就造出了數碼相機。管理層說等市場成熟再看。等到了嗎？等來了別人定義的市場。

三種錯的根子是一個：你都在用舊世界的節奏應對新世界的速度。省錢是舊世界的效率邏輯，外包是舊世界的分工邏輯，等待是舊世界的決策節奏。但舊世界的保質期，已經過了。

05

建議你現在就做的4件事

第一，做一次“AGI審計”

把你公司現在做的每件事列出來，逐條標三個顏色：

綠色=AGI干不了；黃色=不確定；紅色=AGI，三年內大概率能干。

紅標過半，說明你的生意建在冰面上。

標綠的那些，再問一句：這是因為客戶真需要，還是因為客戶還不知道AI能干這個？后者的綠是假綠，信息差消失的速度，比你想象的快。

這個審計大概率會讓你不舒服，不舒服就對了，舒服的審計是自欺欺人。

第二，找到你公司里，真正在用AI的人

現在大部分公司都有這種人：每天都在用AI、罵AI、在試探AI到底能干到什么程度。他們可能不是技術最強的，也可能不在管理層，可能就是公司角落里的某個人。

找到他們，作為標桿，讓他們對AI的研究探索，成為全公司學習的榜樣。這樣，才能帶動更多的人，去學習AI，擁抱AI。

第三，做實驗

選你最核心的一項業務能力，投真資源，做一個AI增強版。不是PPT，不是調研報告，是實際跑起來、面對真實用戶、允許真實失敗的那種。

重點不在成功。在“可證偽”，要從結果里學到東西。“AI會改變一切”這種判斷永遠對，但永遠沒用，你需要具體的、能被推翻的判斷。

比如：“AI能把我獲客成本砍一半的臨界點，是它能在不降轉化率的前提下獨立完成需求診斷。”這個判斷可能是錯的，但錯了你就知道了，知道了就能調。沒錯過的人，往往什么都學不到。

第四，不要經常坐在辦公室里，要去“看見”

你在辦公室里讀AI相關的新聞，和你在一線親眼看到會用AI的人怎么做，產生的判斷力是完全不同的。前者只能給你信息，后者才能給你直覺。

中國企業家現在最缺的不是信息，是那種“親眼見過之后心里有數”的判斷力，所以，你得多出門，把自己放進能激活能動性的場景里。

THE END