哈萨比斯最新震撼预言：留给旧世界的时间，不到 2000 天

作者：老贾

来源：笔记侠（ID：Notesman）

2026年5月29日，斯坦福校园。

刚结束谷歌I/O开发者大会的谷歌DeepMind CEO德米斯·哈萨比斯没有回伦敦，而是坐在了斯坦福一场对话的台上，台下坐满了学生和年轻的创业者、技术人。

在这场对话中，哈萨比斯说了三句重要的话。

第一句，让全场安静了两秒。

第二句，让所有人开始算日子。

第三句话，其实跟所有创业者都有很大的关系。

这篇文章，会把这三句话彻底讲透，然后提醒中国创业者容易犯的3个错误，最后给4个具体行动建议。

希望今天的内容，对你有所启发。

01

哈萨比斯的3句话，

每一句都值得展开读

第一句：“人类正站在奇点的山脚下。”

注意他的用词，“山脚下”，不是“山顶上”也不是“半山腰”。如果他觉得奇点已经到了，他会说“我们正在翻过山脊”。如果觉得还远，他会说“远处有座山”。

“山脚下”的意思是：已经走到了山下，还没开始爬山，但你抬头已经能看见坡度在变陡。

这不是一个比喻。哈萨比斯是那种把精确当信仰的人，他是国际象棋大师、神经科学博士、诺贝尔化学奖得主。他选“山脚下”这三个字，是经过掂量的。

他之所以用“奇点”这个词，是因为他看到了AGI(通用人工智能，下同)，距离我们只有4到5年时间。

“奇点”在指人工智能领域，特指技术发展的一个转折点，到达奇点后，人工智能等技术的智能水平超越人类智能，进入“智能爆炸”阶段。

随后，技术增长会变得不可控和不可逆，人类社会将面临根本性变革。

第二句：“AGI大概在2030年前后到来，前后误差不超过一两年。”

这句话的信息密度极高，拆开看有三层：

第一层，他说的是AGI，不是“更强的AI”。AGI意味着机器能在绝大多数认知任务上达到或超过人类水平，这是质变。

第二层，他给了时间锚点：2030年。距离现在大概3到4年。哈萨比斯作为全球AI行业顶尖人物，这都是他看过训练数据、算力曲线和模型架构之后，愿意公开押注的时间。

第三层，“前后误差一年”。这比说“2030年左右”要大胆得多,他在收窄不确定性的区间。

第三句：“最重要的，是牢牢掌握自己的主动权。未来的剧本还没有写好，不要听信任何人说未来已经注定。”

这句话读起来像鸡汤，但它真不是。

想想看：哈萨比斯站在“奇点的山脚下”，刚告诉你AGI可能在3-4年内降临，他比谁都知道AI有多厉害，所以他建议大家去拥抱、去探索AI工具的能力，但他更强调的是抓住你自己的能动性。

他把这句话放在整场对话的收尾位置。不是随口一说，大概是他想了很久的结论。

“奇点山脚下”和“2030年前后AGI到来”这两件事，到底有多大的冲击力？

我们先把这两件事聊透，不然，第三句话的分量就落不下来。

02

前两句话拼出的图景

1.10倍影响×10倍速度，等于什么？

哈萨比斯说：“（AI的）影响是工业革命的十倍，而速度则是十倍。它将在10年内发生，而不是100年。”

工业革命改变了什么？

生产方式，从手工到机器；

城市形态，从村镇到都市；阶级结构，从封建到资本；

全球权力格局，从农业帝国到工业强国。它重塑了人类社会。

10倍于工业革命的影响，意味着人类社会将出现翻天覆地的变化。

10倍速度，又是什么概念？

英国的工业革命从1760年代算起到19世纪中叶初步完成，用了将近100年。

现在，100年压缩到10年，这个变化的速度，会让大部分人喘不过气。

一个英国纺织厂主，从第一次听说蒸汽机到整条产线用上蒸汽动力差不多要经过15-20年，他们有整整一代人的时间观察、试错、转身。

现在，你没有一代人的时间，你大概只有两三年的窗口期。

这就是“奇点山脚下”的真实含义：AI带来的变化量级是工业革命级别的，但留给你反应的时间，只有工业革命时代的十分之一。

哈萨比斯敢下这个判断，不是凭空拍脑袋。

他看过AlphaFold在几个月内解决了一个困扰生物学界50年的蛋白质折叠问题；他看过AI在材料科学、气象预测、芯片设计里以肉眼可见的速度吞掉过去需要人类团队数年才能完成的工作。

拿着这个判断，作为创业者，你该做什么假设？显然，就是提前准备。

只有提前准备好了，你的效率才会比别人高，你的团队才会比别人早一步找到了AI和自己业务的结合点。

如果你按“还早着呢”来准备，突然有一天你会发现，整条赛道被重做了，而你没有入场券。

历史上有过太多这样的教训。

2007年，史蒂夫·乔布斯举起那部iPhone，诺基亚的高管觉得触摸屏只是玩具。四年半之后，诺基亚手机业务卖给了微软。

2015年，很多人都听过“人工智能”这个词，但真正开始用深度学习重构业务的公司凤毛麟角。

等到2022年底ChatGPT发布，那些提前准备了七年的人，和那些刚刚听到“大模型”三个字的人，已经不在同一条起跑线上了。

人类有一个系统性偏差：总是低估技术变革的速度。不是因为愚蠢，是因为过去的经验告诉你，变化总是慢慢来的。

但这一次，变化不是慢慢来的。

2.从恐慌到行动

所以，如果你接受了“奇点山脚下”和“2030年前后AGI到来”这两个前提，你会面临两种本能反应：

一种是恐慌，“5年？我什么都来不及做。”

一种是躺平，“反正AI什么都能干了，我做什么也没用。”

哈萨比斯的第三句话，就是对着这两种反应说的。恐慌没有用，因为恐慌不是行动。

躺平更没有用，因为AGI不是世界末日，是旧世界的重写，而哈萨比斯告诉你，这重写的权力还在你手上，你唯一值得押注的东西，是你的能动性。

03

能动性到底是什么？

先说它不是什么。

不是“你要努力”，这是一句废话。不是“执行力”，执行力是把已知的事做好，但AGI时代，很多时候你根本不知道该做什么。

那它是什么？拆开来看，三件事。

第一件：你得能做选择，而不是只做优化。

假如你是一家餐厅的老板。

过去十年，你的核心竞争力是什么？可能是菜品好、位置好、翻台快。这些能力有一个共同点：它们都在回答“怎么把已有的事做得更好”，这就是优化。

AGI最擅长的就是这个，它能把你的供应链成本砍15%，把翻台率提到极致，把菜单根据季节和客流动态调整到最优。这些你花10年摸索出来的经验，它一个月就能算出来。

但有一件事它算不出来：你的餐厅要不要改成只做外卖？要不要上预制菜？要不要跟另一个品牌合并换赛道？

为什么算不出来？因为这些问题的答案不是“更优”，是“不同”。

优化是在一个框架里做事，选择是换框架。AGI可以在你给的框架里做到极致，但“给什么框架”这件事它干不了，只有你能干。

在AI把优化做到极致之后，剩下的那件事是什么？是选择。选择做什么，比选择怎么做，值钱得多。

第二件：你得真的下场，而不是一直看。

很多时候，一件纠结了三个月没动手的事，一旦动手了，三天就全想通了。

这不是因为你突然变聪明了，是因为坐在那里想，你脑子里跑的全是模拟。

模拟不花成本，也不产生真实信息。你只有真的干了，真投了钱、招了人、见了客户、被拒了，现实才给你反馈。

AGI能帮你模拟一万个市场策略，但它不能替你挨那一刀，也不能替你承受赔钱之后的心痛。但恰恰是那个心痛，才能让你下次判断的准度往上提了一档。

这也是为什么“等等再看”是最危险的策略，等着的人以为自己在观察，其实自己在错过。真正值钱的信息只有做了才有，等两年再动的人，不是从零开始，是从负数开始，因为他的竞争对手已经迭代了好几轮。

在信息爆炸的时代，靠行动得来的信息反而是最稀缺的，它是用真金白银换来的，不是用搜索引擎搜来的。

第三件：你得知道自己是谁，而不是让市场替你决定。

一个创业者，AI+医疗和AI+金融，两个方向数据都支持。他选了医疗。为什么？你可以说是直觉。

但直觉是什么？

是他过去几十年攒下来的所有经验、价值观、失败、偏好、对“什么值得做”的信念，这些东西搅在一起，形成了一个无法拆解的整体。你没法把它写成prompt（提示词）喂给大模型，因为连他自己都说不清楚每一层权重是什么。

AGI可以帮你做更好的医疗AI，也可以帮你做更好的金融AI。但“为什么是医疗”这个问题，它回答不了，因为这个答案不在它数据里，在这个人的经历里。

你选什么，你就是什么，你的选择定义了你。

三层合起来，一句话：AGI越强，能动性越贵。

因为AGI把“怎么做”这件事拉到了几乎免费——执行、分析、优化，满大街都是。但“做什么”“干不干”“我是谁”这三件事，供给永远有限。

04

最容易犯的3种错误

三种错，一种比一种隐蔽。

第一种：把省钱当战略。

比如，裁掉客服上AI。响应时间降了，工单关得快了。老板看着报表，觉得对了。几个月后，续费率开始掉。客户也说不出哪里不对，就是“不像以前那么近了”。

这种死法最冤：所有看得见的指标都在涨，死因却藏在看不见的地方。

信任感、在场的温度、简单而且可以依赖，这些东西都不在报表上，但它们才是续费的理由。

不是不能降本，是不能在动刀之前先回答一个问题：客户付的钱，到底在买你的什么？但大部分企业根本没想过这个问题，就动了刀。

第二种：把能力交出去，还以为自己有。

一个团队用AI写代码、做分析、出方案，速度确实快了三倍。但几个月后你发现：离了AI，没一个人能独立完成一个完整判断。他们判断力被外包给了模型，但模型不在你组织里。

降本是砍掉你觉得不重要的东西，这是误判；能力外包是砍掉你以为自己还拥有的东西，这是自欺。

误判可以纠正，自欺很难醒。

比尔·盖茨说AI不会取代医生，但会用AI的医生会取代不用AI的医生。这话只说对一半，更准确的说法是：会判断什么时候该用AI，什么时候不该用的医生，才会取代所有人。

因为你把判断全交给AI的那一刻，你就不是医生了，你是AI输出的分发终端。分发终端不需要10年的医学训练。

一个组织如果把核心判断流程全AI化了，它不是在升级，它在空心化。人在真风险面前做的取舍，才是核心能力。你把这个过程外包了，人就只剩个壳。

第三种：等看清楚再动。

这一种最体面，也最致命。

“不是不想动，是还没看清楚。”多好听，潜台词是：等我看清楚了，我一定比谁都快。真相呢？你不会快。因为绝大多数的事，不是靠看清楚的，而是靠做明白的。

你在岸上看人游泳，看一百年也学不会。你得跳进去，呛几口水，才能学会。

柯达1975年就造出了数码相机。管理层说等市场成熟再看。等到了吗？等来了别人定义的市场。

三种错的根子是一个：你都在用旧世界的节奏应对新世界的速度。省钱是旧世界的效率逻辑，外包是旧世界的分工逻辑，等待是旧世界的决策节奏。但旧世界的保质期，已经过了。

05

建议你现在就做的4件事

第一，做一次“AGI审计”

把你公司现在做的每件事列出来，逐条标三个颜色：

绿色=AGI干不了；黄色=不确定；红色=AGI，三年内大概率能干。

红标过半，说明你的生意建在冰面上。

标绿的那些，再问一句：这是因为客户真需要，还是因为客户还不知道AI能干这个？后者的绿是假绿，信息差消失的速度，比你想象的快。

这个审计大概率会让你不舒服，不舒服就对了，舒服的审计是自欺欺人。

第二，找到你公司里，真正在用AI的人

现在大部分公司都有这种人：每天都在用AI、骂AI、在试探AI到底能干到什么程度。他们可能不是技术最强的，也可能不在管理层，可能就是公司角落里的某个人。

找到他们，作为标杆，让他们对AI的研究探索，成为全公司学习的榜样。这样，才能带动更多的人，去学习AI，拥抱AI。

第三，做实验

选你最核心的一项业务能力，投真资源，做一个AI增强版。不是PPT，不是调研报告，是实际跑起来、面对真实用户、允许真实失败的那种。

重点不在成功。在“可证伪”，要从结果里学到东西。“AI会改变一切”这种判断永远对，但永远没用，你需要具体的、能被推翻的判断。

比如：“AI能把我获客成本砍一半的临界点，是它能在不降转化率的前提下独立完成需求诊断。”这个判断可能是错的，但错了你就知道了，知道了就能调。没错过的人，往往什么都学不到。

第四，不要经常坐在办公室里，要去“看见”

你在办公室里读AI相关的新闻，和你在一线亲眼看到会用AI的人怎么做，产生的判断力是完全不同的。前者只能给你信息，后者才能给你直觉。

中国企业家现在最缺的不是信息，是那种“亲眼见过之后心里有数”的判断力，所以，你得多出门，把自己放进能激活能动性的场景里。

THE END