从DeepSeek到通义千问，从OpenHarmony到openEuler，再到越来越多企业参与的人形机器人开源社区，开源正在从一个软件行业的技术理念，快速进入AI产业的核心地带。未来真正决定竞争力的，越来越可能是能否建立一个开放的生态，让更多开发者参与进来，让更多企业重复利用，让不同技术持续协同。这也是为什么，今天讨论AI竞争，不能只看谁的模型更强、谁的芯片跑得更快，还要看谁能够形成更大的开发者

从DeepSeek到通义千问，从OpenHarmony到openEuler，再到越来越多企业参与的人形机器人开源社区，开源正在从一个软件行业的技术理念，快速进入AI产业的核心地带。未来真正决定竞争力的，越来越可能是能否建立一个开放的生态，让更多开发者参与进来，让更多企业重复利用，让不同技术持续协同。这也是为什么，今天讨论AI竞争，不能只看谁的模型更强、谁的芯片跑得更快，还要看谁能够形成更大的开发者

从DeepSeek到通义千问，从OpenHarmony到openEuler，再到越来越多企业参与的人形机器人开源社区，开源正在从一个软件行业的技术理念，快速进入AI产业的核心地带。未来真正决定竞争力的，越来越可能是能否建立一个开放的生态，让更多开发者参与进来，让更多企业重复利用，让不同技术持续协同。这也是为什么，今天讨论AI竞争，不能只看谁的模型更强、谁的芯片跑得更快，还要看谁能够形成更大的开发者

另一个AI应该专门找风险；最近，孙宇晨在一篇文章中写到，面对这笔5000万美元的决定，他没有自己做判断，而是去问Claude，得到的回答是“No”。它不只是要解释模型内部为什么这样计算，更要让用户理解一个结论背后的依据、假设、不确定性，以及哪些条件发生变化之后，答案可能跟着改变。AI真正成熟的标志，也许不是它越来越像一个什么都知道的人，而是它越来越像一个愿意把自己的判断摊开来让你检查的顾问。但对于

另一个AI应该专门找风险；最近，孙宇晨在一篇文章中写到，面对这笔5000万美元的决定，他没有自己做判断，而是去问Claude，得到的回答是“No”。它不只是要解释模型内部为什么这样计算，更要让用户理解一个结论背后的依据、假设、不确定性，以及哪些条件发生变化之后，答案可能跟着改变。AI真正成熟的标志，也许不是它越来越像一个什么都知道的人，而是它越来越像一个愿意把自己的判断摊开来让你检查的顾问。但对于

另一个AI应该专门找风险；最近，孙宇晨在一篇文章中写到，面对这笔5000万美元的决定，他没有自己做判断，而是去问Claude，得到的回答是“No”。它不只是要解释模型内部为什么这样计算，更要让用户理解一个结论背后的依据、假设、不确定性，以及哪些条件发生变化之后，答案可能跟着改变。AI真正成熟的标志，也许不是它越来越像一个什么都知道的人，而是它越来越像一个愿意把自己的判断摊开来让你检查的顾问。但对于

他认为，当企业大量使用AI和机器人替代人工后，劳动相关税收可能减少，但失业保障、职业培训等社会支出却可能增加，因此可以讨论对AI Token或机器人征税，为社会转型提供资金。今年1月，盖茨就已经指出，未来几年AI将进一步冲击就业，软件开发等领域已经开始受到影响，而仓储、客服等行业一旦技术成熟，也可能出现更直接的变化。未来医生可以让AI整理病历、分析资料，老师可以让AI辅助教学，护理机器人也可以承担

我们生活的世界，不是词语拼出来的。比如伸手去抓一杯水，语言模型能告诉你“伸手、抓取、拿起”，但现实中你需要判断力的大小，调整动作的角度，还得防止水洒出来。”她点出的残酷现实是——语言模型再强大，依然困在词语的牢笼里，看得到世界，却永远摸不到世界。更重要的是，它需要工程师和科学家有勇气，承认“光靠语言是走不通的”，然后重新搭建通往世界的桥梁。这不是把模型参数翻倍、语料扩展到互联网全部数据就能解决的，

正确路径是投资新人，让他们与AI深度融合：系统培训AI技能，保持完整梯队，用AI解放重复劳动而非消灭创造岗位。AI热潮下，企业高管们争相宣称“AI取代低端岗位”将带来效率革命，裁员潮此起彼伏，仿佛裁得越多越显“前卫”。今天大举裁掉年轻力量，三五年后将面临青黄不接：组织全是老员工，知识传递中断，新技术来袭时反应迟钝，创新力枯竭。更讽刺的是，AI在复杂场景中仍漏洞百出，企业往往需保留更多资深员工补漏，

大模型再规模化，也仅是更好模仿者，永难超越人类。总体，类脑以低功耗、小样本、快适应、强实时、易部署、可解释六优势，开辟不同于算力堆叠的新范式。它助AI跳出语言牢笼，如松鼠般直接与物理世界交互试错，构建可靠模型。训练推理一体，在线学习，形成快速感知-决策-执行闭环，响应极短，适合自动驾驶、工业机器人、医疗急救等高实时场景。模型越大，模仿越精，却离真智能越远。更糟的是，能源与数据双重天花板已现：训练需