科技史能回答今天的问题吗？

随着人工智能的兴起，我们毫无疑问正处在一个巨大变革的时代，作为普通人，我们也常常有很多焦虑和疑惑：在科技快速更新迭代的时代背景下，我们的工作会被 AI 取代么？AI 能否给我们带来新的机会呢？

本期的《科技早知道》中，嘉宾深入的解析了科技变革的周期性发展——从蒸汽机到当今的大模型 AI。我们探讨了这些通用技术给社会与商业模式带来的颠覆性变化，也谈到了人工智能技术将改变普通人生活的创新应用模式。希望我们能借助对科技历史的回顾，找到预测与拥抱未来的机会与视角。

回顾过去的科技发展有哪些历史案例能帮助我们更好地理解科技发展的周期性和演进规律？

科技史上这样的例子有很多，比如 UPS 的创始人 Jim Casey，他在汽车和电话普及的早期，就敏锐地发现「送信」这种业务会逐渐被淘汰，但「送货」会成为永恒需求。他迅速用福特 T 型车取代了马车队，开创了现代物流业。这说明科技的革新并不只是替代旧模式，而是催生全新业务模式。

亨利·福特为什么能改变世界？不是因为他造了一辆更好的车，而是他让车进入了大众的生活。福特在 1908 年推出了 T 型车，但真正的转折点是 1913 年他引入了 「流动流水线」，让生产效率大幅提升，从「人动车不动」变成了「车动人不动」。这一改变使得生产成本大幅降低，到 1913 年，T 型车的价格从 800 多美元降到了 360 美元，一个普通工人只需要 72 天就能买到一辆车。这背后的意义不仅是技术进步，而是规模化生产的逻辑——通过降低生产成本，把技术普惠到每个人。

另一个例子是瓦特蒸汽机。虽然最初只是用来替代纽康门蒸汽机进行煤矿抽水，但几十年后，高压蒸汽机推动了火车和轮船的应用，彻底改变了交通和物流格局。这类科技从基础突破到全面普及，往往需要多个配套技术完善，以及商业模式的逐步成型。

技术的突破只是第一步，真正改变世界的是找到新的业务模式。福特通过流水线让车走进千家万户，蒸汽机通过结合配套技术走向运输行业，这些创新才是真正的颠覆。我们今天看 AI 也是一样，技术本身已经成熟，但它的核心价值要通过新的应用场景和业务模式体现出来，比如将 AI 用在哪些领域、如何普惠大众，这才是值得深思的关键问题。

关于 AI 的进展，很多人既期待又担忧。AI 会不会像工业革命时期的机器一样，大规模替代人类劳动？

这种担忧很常见，但如果放在更大的历史视角下看，科技从来不是「让人失业」的故事，而是「让人升级」的故事。我们可以从历史中找到很多类似的例子。比如工业革命时期，纺织厂的机械化确实让手工纺织工人失去了工作，但新的纺织厂却雇佣了大量儿童和妇女，这在当时意味着就业门槛的大幅降低。原来必须是熟练工才能完成的工作，因为机器的加入，变成了人人可做。这不是机会的减少，而是机会的重新分配。

类似的例子还有汽车替代马车。马车夫确实失去了工作，但新的汽车行业从司机、维修工到制造工人创造了更多岗位。而且，这些岗位提供了更高的收入和更好的社会地位。换句话说，科技的升级必然伴随着某些职业的消亡，但也必然带来全新的就业和社会需求。

那么 AI 呢？确实，AI 会替代一些重复性、单一技能的劳动，比如司机、外卖员等。这些职业本身是「青春饭」，无法提供长期的价值积累。但更重要的是，AI 的出现也会创造新的岗位，甚至是新的行业。所以我们不应该把重点放在「什么会被替代」上，而是要关注「什么新的机会会被创造」。问题的核心是，我们如何更快、更有效地帮助被替代的群体转岗，进入那些有更高价值的新领域。就像我之前提到的，每一次科技革命都会经历一个适应期。从蒸汽机到电力，从互联网到今天的 AI，这个过程看似让人恐慌，但最终它让我们的社会变得更高效、更公平，让普通人有机会进入新的产业、获得更好的发展空间。归根结底，科技的发展不是为了消灭工作，而是为了释放人类的潜力。如果我们能用这个视角去看 AI，会发现它是一个巨大的机遇，而不是威胁。

现在 AI 是不是已经到了可以是一个像是底层的，像基础设施一样的东西，已经被所有大家都可以来使用的条件

AI 目前还在迈向成为底层基础设施的路上，但并没有完全到达这个条件。

现在的大模型技术已经非常强大，它具备了通用技术的潜质，但要成为真正的基础设施，还需要几项关键的配套技术进一步成熟。第一是记忆功能，AI 要与人进行深度交互，就需要记忆用户的历史信息，从而实现真正的个性化服务。现在的技术解决方案是通过百万级 Token 存储大量交互记录，但这还只是简单粗暴的方法，未来还需要更高效的技术来完善记忆功能。第二是AI 代理（AI Agent），未来 AI 的核心不是单纯生成内容，而是能够帮助用户完成各种实际任务，比如管理日程、规划出行、甚至与其他应用程序协同完成复杂行动。行动智能是下一阶段的关键，这需要技术上的互联互通，以及更强的执行能力。第三是逻辑推理能力，AI 要真正成为基础设施，就必须具备强大的逻辑推理能力，尤其是人类式的软性推理和模糊判断能力。比如，它需要理解潜台词、处理不完全信息，并进行多步骤的推理，以支持复杂的决策。

从历史的规律看，任何通用技术的普及都需要技术成熟和新的业务模式相辅相成。现在，AI 正在从「性能优化」阶段向「复杂服务」阶段过渡，我们预测两年内，这些配套技术将逐渐完善，新的应用模式也会逐步涌现。到那时，AI 才会真正具备作为基础设施的条件，并全面融入到各个行业中。

所以我的判断是：我们正站在这个条件出现的前夜，它离真正成为普惠型的底层技术，只差最后一公里。

那在 AI 发展的下一阶段，哪些领域会率先实现突破？

我认为健康管理将成为一个非常重要的方向。AI 的价值不只是替代传统的健康监测手段，而是重构整个健康管理的范式，从「关注疾病」转向「关注健康」。

AI 和可穿戴设备结合，可以实现对人体的实时、连续监测，不再是单点式测量，而是完整的健康曲线。这种动态的数据捕捉，能够真正帮助我们理解一个人的健康状态。例如，苹果手表的体温监测虽然绝对值不精确，但它的温度变化曲线却非常有价值，因为它能反映身体的波动趋势。人本身是一个动态调节的系统，很多时候身体的异常会自行恢复，只有当偏离曲线太远且不可逆时，才会演变为疾病。

未来，AI 将通过多个生物指征（Bio Markers）的综合分析，比如心率变异指数、血糖变化等，帮助我们更早、更准确地识别健康风险。这不仅是技术的改进，更是一种全新的健康观。

我认为，AI 健康管理的核心不在于替代医生，而在于提供「专家级、个性化、持续性的服务」。它不仅能让普通人像专家一样理解自己的健康，还能持续跟踪和干预。例如，当药物效果开始减弱时，AI 可以通过数据变化提前发现问题，提醒医生调整方案，避免药效浪费或不必要的副作用。

更重要的是，AI 能让每个人都负担得起这种「专家级」服务。就像工业革命用流水线让每个人都买得起车，AI 将通过技术的规模化和普惠化，让所有人都能享受到高质量的健康管理。所以，AI 的目标不是取代医生，而是赋能每个人，帮助我们重新理解健康、管理健康。

有没有什么学习或者分析的一些小技巧，能够今天给我们再分享一下？

关于学习和分析，我的建议是：不要只关注具体的知识点，而是要去看规律、总结底层逻辑，用历史的韵脚来帮助判断未来。

比如，我常说「历史不会简单重复，但会押韵」。这是什么意思呢？就是技术、商业模式的变化往往有相似的规律可循。你需要从过去的成功和失败中找出本质——比如工业革命的规模化生产逻辑、互联网时代的网络效应，甚至 AI 的发展路径，这些底层规律往往比表面的技术更重要。

另一个技巧是切换不同的视角。大多数人只从自己的行业或专业出发思考问题，但很多创新其实来自跨界。如果你能从生物进化、物理学甚至艺术中找到规律，再回到自己的领域去验证，往往会有意想不到的启发。学习的关键不是记住更多，而是连接更多，找到那些可以迁移到不同领域的核心逻辑。

所以，学习的本质不是累积信息，而是寻找规律，用规律来理解过去，判断未来。

以上对话整理自

声动活泼旗下播客「科技早知道」

想更多了解科技史

欢迎点击收听

也可在各大音频、播客平台搜索本期节目

监制/徐涛

审校/Babs

编辑/雅娴

排版/Riley

运营/George