AI之后，下一场科技革命在哪里？

十多年前，当资本市场聚焦移动互联网时，中科创星创始合伙人米磊却提出“硬科技”理念，并将投资目光投向光子、量子计算、商业航天等尚未成熟的技术方向。在他看来，技术发展并非简单的线性演进，而是沿着一条条创新S曲线不断跃迁。当一轮技术红利逐渐接近顶部，新的技术周期便会开始孕育。

如今，人工智能正在成为新一轮科技革命的重要引擎，但他认为这并不是终点。信息、能源、物质、空间和生命等多个维度的技术演进正在相互交织，共同推动人类进入一个新的技术时代。

在这场对话中，我们与米磊讨论了几个关键问题：AI之后，下一轮技术浪潮将走向哪里？中国如何从技术追赶迈向原创创新？企业和个人又该如何在快速变化的时代找到自己的位置？

中科创星创始合伙人 米磊

下一轮技术浪潮，不只属于AI

哈佛商业评论：十多年前你提出“硬科技”时，移动互联网正处在快速发展的阶段，资本市场关注的更多也是软件和互联网。为什么会在那个时间点提出硬科技？

米磊：现在回头看，硬科技的提出既有偶然性，也有必然性。

2008年金融危机之后，社会大众对于中国产业升级的讨论愈发热烈。我当时在中国科学院西安光机所做科技成果转化，看到国家投入了大量科研经费，也产生了很多成果和人才，长远来看，这些成果完全可以通过产业化支撑国家的产业升级。但可惜的是，这些成果很多都被“束之高阁”。另一方面，改革开放以来，中国经过了几十年发展，尤其是在入世之后，下游制造和组装已经十分强大，但在上游核心材料、芯片等技术仍然薄弱。

与此同时，从更大的周期看，当时也接近上一轮互联网创新的“顶部”。众所周知，上世纪60年代以来，集成电路、光纤通信推动了信息化革命，截至21世纪初互联网时代来临，信息革命带来的红利已经逐渐“消退”，而以人工智能为代表的下一轮科技革命开始萌芽。

哈佛商业评论：你在《硬科技浪潮》里其实提供了两套分析工具：一套用来理解信息、能量、空间、物质、生命五大技术浪潮，另一套涉及技术周期、经济周期和投资决策。真正判断一个项目时，你会怎么使用这两套工具？

米磊：我首先会判断大的技术趋势和技术浪潮。这本书有一个基本出发点：从宇宙演化到生命、再到人类创造文明以及技术，本质上是一套不断演化的体系。

在我看来，生命和技术的演化逻辑是相通的。人类可以理解为碳基技术体系的“终极形态”，所谓生命演化，就是利用和整合的自然界的材料、能量和信息，但任何一项技术都是有极限的。发展到智人阶段，碳基生命这条创新S曲线已经逐渐接近顶部。而人类从制造和使用工具开始，又创造出了一套外部技术体系，形成了另一条创新S曲线。

当然，几次工业革命爆发以来，人类利用技术带来了巨大的能力提升，实现了跃迁；但正如前面所说，信息革命的红利基本“耗尽”。但是，人工智能出现以后，这条曲线开始进入更快的增长。

所以我把生命和技术统一放进信息、能量、空间、物质和生命五个维度里理解。先判断大的技术趋势，再看具体技术处在S曲线的什么位置，最后落实到投资决策。

未来很难说五个方向中哪一个会单独主导，我更倾向于认为它们会共同演进。比如 AI发展起来以后，很快会遇到能源问题；如果能源技术不突破，AI本身也会受限。文明本质上是一个系统，任何一个方向成为明显短板，都会拖累整体进展。

我也在书中做了几个长期判断：信息的尽头是量子，能量的尽头是聚变，物质的尽头是原子制造，空间的尽头是星际移民，生命的尽头是人机融合。

从追赶到原创

中国需要换一套方法

哈佛商业评论：现在中国科研已经从追赶逐渐走到接近前沿。进入0到1创新阶段以后，科研支持和治理机制应该发生哪些变化？

米磊：过去，中国属于后发国家，处在追赶阶段，跟随往往是最有效的方式。但现在很多领域已经接近前沿，再单纯跟随就不再是最优解，需要逐渐从追随走向引领。这意味着科研支持机制也要增加对“非共识”项目的包容度。现在一些资助体系已经开始做这方面的探索。

除此之外，还可以通过科学公益基金、市场化投资等方式，支持更高风险、更个性化的0到1研究。只要这些项目真正做出成果，就会吸引更多资源跟进，创新生态也会逐渐改变。

哈佛商业评论：你在讨论中国为什么需要从跟随走向原创时，也提到过李约瑟难题。中国当年错失工业革命，最值得今天警惕的是什么？

米磊：我后来借用了“创新者的窘境”来理解这个问题。中国当时并不是没有技术基础，但一个在旧体系里非常成功的“大公司”，往往更擅长延续性创新，却很难主动推动可能颠覆自身优势的新技术。柯达发明了数码相机，却没有完成向数码时代的转型，就是一个典型例子。

放到文明尺度上，农业时代的中国就像一个非常成功的“大公司”，原有体系高度成熟，也因此形成了更强的路径依赖。于是，到了工业文明，古代中国就很难“掉头”，但西方国家却没有历史负担，凭借海洋贸易和文艺复兴、启蒙运动开启了工业革命。

今天又处在从工业文明向智能文明切换的阶段。中国在工业文明中是后发者，反而可能拥有更小的路径依赖和更强的后发优势。所以这一次，更重要的是抓住人工智能和新一轮科技革命的窗口。

哈佛商业评论：具体到AI竞争，中国哪些基础条件可能成为优势？

米磊：我认为能源是中国的一个重要优势。AI未来需要大量电力，可以理解为“电力+模型”，最终持续输出Token，也就是“词元”。在这方面，中国也有优势，未来，词元可能会像水、电一样成为一种基础设施。

如果中国的模型和芯片进一步做好，电力基础会成为一张重要的牌。但要更多依靠新能源支撑快速增长的算力需求，还需要时间。我认为至少还需要5到10年，同时也需要继续扩大新能源和电力基础设施建设。

哈佛商业评论：世界模型目前有多条技术路线，有的强调真实数据，有的依赖大规模仿真，也有的希望通过理解物理因果关系获得更强泛化能力。你怎么看这些方向？世界模型真正走向具身智能和现实场景，最关键的瓶颈是什么？

米磊：世界模型会是AI下一阶段的重要方向，但目前技术路线还没有收敛。核心还是能不能获得高质量、低成本、足够大规模的数据，并形成可持续扩展的Scaling Law（缩放定律）。只有数据和模型能够不断扩展，通用世界模型才有可能出现。

从这个角度看，中国在物理世界的数据上有一定优势。制造业和大量真实产业场景，都可能成为未来物理 AI 发展的重要基础。

哈佛商业评论：现在中国在大模型的工程设计和训练方法上已经进展很快。继续往AGI（通用人工智能）走，沿着今天的技术路线做工程优化就够了吗，还是仍然需要新的范式和架构？

米磊：我认为往AGI走，还会经历一条条新的创新S曲线。

今天的方法会继续进步，但最终会接近上限，到那时就需要新的架构和技术路线继续把能力往上推。所以很难说今天这一套架构能够直接走到AGI，更可能是不同的创新S曲线不断接续。这也意味着未来还会出现新的探索、新的路径和新的机会。

哈佛商业评论：具身智能既需要像人一样的身体，也需要足够聪明的大脑。现在真正制约它走向大规模应用的，是算法和数据，还是触觉、电机等硬件能力？

米磊：我觉得具身智能现在还处在“婴儿期”。我们不会要求一个婴儿马上工作，而是要先让它学习、成长。现在它能做的事情确实还比较有限，但这并不意味着未来做不到，关键还是持续积累数据和训练经验。

而且AI有一个优势：学到的东西可以不断累积，不像人类每一代都要重新学习。所以现阶段更需要给它时间成长，而不是因为今天能力有限，就否定这条技术路线。

AI时代

企业和个人都要重新找位置

哈佛商业评论：过去常说中国更擅长应用层创新，美国更擅长基础创新。进入硬科技时代以后，中国的创新范式会不会发生变化？对企业家的能力结构又会提出什么新要求？

米磊：一个很明显的变化是，既懂科技又懂商业的人正在变得越来越重要。

如果用ESK框架来看，农业时代更偏向社会系统占主导，因为土地和劳动力是核心生产资料；进入工业文明以后，经济系统的重要性上升，商业、信用和资本成为更重要的力量。

但现在，随着人工智能和硬科技的发展，我认为正在进一步走向知识系统和科技能力更重要的阶段。这个时候，如果一个人只懂商业，而另一个人既懂科技又懂商业，后者的竞争力会越来越强。

所以未来科学家、工程师和掌握核心技术的企业家，价值都会继续提升。资本也会逐渐从过去相对主导的位置，转向更多为科技和创新服务。

哈佛商业评论：这种变化会不会进一步改变企业的组织形式，以及资本和人才之间的关系？

米磊：会。生产关系最终都要适应生产力的变化。

AI带来的生产力变化，正在冲击过去商业文明形成的一些组织和激励方式。现在最前沿的AI人才变得非常稀缺，薪酬和议价能力都在快速提高，这本身就是生产关系变化的一种体现。

据说硅谷甚至有一些创业者会选择关闭公司，加入最领先的AI企业。对他们来说，获得的不只是更高的财务回报，更重要的是能够接触最前沿的AI认知。

所以我认为，未来知识回报的重要性可能会越来越超过单纯的资本回报。谁能够接近最前沿的知识、技术和认知，谁就更有机会获得新的资源和发展空间。

哈佛商业评论：如果人工智能让生产力不断提高，未来钱和认知之间的价值关系会发生什么变化？

米磊：人工智能时代到来之后，钱的重要性可能会逐渐下降。

过去人类长期处在短缺经济中，资源有限，所以钱很重要，因为钱能够帮助你换取资源。但如果未来生产力极大提升，单纯拥有更多钱，未必还能换来同样多的稀缺资源。

相反，最前沿的知识和认知会变得越来越重要。只有掌握新的认知，才有可能进一步获得新的资源和机会。所以从这个角度看，未来认知的价值可能会逐渐超过单纯的资本价值。

哈佛商业评论：随着AI越来越深入科研和知识生产，人类认知和AI认知未来会形成什么关系？AI有没有可能反过来颠覆人类已有的认知体系？

米磊：我认为未来不是AI单独取代人类，而是硅基和碳基不断结合。碳基生命自身的创新曲线已经逐渐接近顶部，AI可以帮助人类进一步提升认知能力。但单纯依靠AI也不够，因为人的一个重要优势是适应性，能够面对不断变化的复杂环境。

所以未来更可能是“人+AI”形成一个更加复杂的适应系统。脑机接口、脑互联再和 AI结合起来，会进一步增强人类的认知和适应能力。从这个角度看，我并不认为AI会简单取代人类，它更可能成为人类继续增强自身能力的一部分。

哈佛商业评论：有一种观点认为，未来新的增长主要会来自硅基世界，比如算力、存储和能源，而随着人口减少，围绕碳基生命的增长空间会越来越有限。你认同这种判断吗？

米磊：至少从短期看，这个趋势是比较明显的。现在围绕硅基世界的需求增长更快，而碳基世界的增长相对放缓。

但从长期看，任何一条技术S曲线都有天花板。今天硅基发展更快，所以资源更多流向硅基；未来如果这条曲线逐渐接近顶部，其他技术路线也可能重新起来。

历史上类似的情况很多。比如电动车早期就出现过，后来被内燃机汽车取代；一百年后，随着内燃机技术逐渐接近瓶颈，电动车又重新发展起来。所以技术演化并不是一条路线一直占据主导，而是不同S曲线不断迭代。

哈佛商业评论：对普通人来说，除了判断未来趋势，更现实的问题是每天应该怎么面对AI带来的冲击？

米磊：其实可以把它理解成生命演化。过去之所以能够生存得很好，是因为适应了过去的环境；当环境变化以后，只有新的变化能够匹配新的环境，才能继续生存。

企业也是一样，创新就像 “基因突变”。外部商业环境和技术环境不断变化，企业必须让自己的创新速度跟得上环境变化。普通人也是如此，如果心理上拒绝变化，就很难适应新的时代。

哈佛商业评论：那在这种快速变化的环境里，企业还值得追求“百年老店”吗？

米磊：要看所处的技术周期。

在延续性创新阶段，一家公司可以沿着原有技术曲线持续积累，成为百年企业。但当颠覆性创新出现以后，如果原来的技术S曲线已经接近顶部，还继续固守旧路线，就很危险。

所以关键不是为了“百年”而百年，而是要判断自己所在的技术曲线处于什么位置。如果还在增长，就继续深耕；如果已经接近拐点，就要尽快寻找下一条曲线。

哈佛商业评论：听说你经常根据对未来五大技术浪潮的判断，给身边朋友的孩子提供专业选择建议。你怎么看年轻人的专业选择和学习方向？

米磊：我觉得选专业一定要把时间尺度拉长，至少按照20年去看。

今天最热门、已经充分落地的方向，未必是最好的长期选择。因为等你读完本科、硕士、博士，再工作几年，尽管可能形成该领域的专业能力，但那时候的行业可能也已经进入另一个阶段。

相反，一些今天还比较冷、没有完全产业化，但长期趋势比较明确的方向，可能更值得关注。比如量子、聚变、光子、太空、脑机接口等。

我前些年也会建议一些人学习硅光。当时这个方向还不像今天这么热，但等他们真正毕业，市场需求已经起来了。所以不能简单追今天的热点，而要思考十年、二十年以后，哪条 S 曲线仍然处在上升阶段。

哈佛商业评论：如果把时间再拉长50年，今天的AI和硬科技究竟处在什么阶段？普通人最值得投资什么？

米磊： 如果把时间尺度拉得足够长，今天看到的这些技术可能只是刚刚浮出水面，真正的高速增长才开始。技术迭代速度可能越来越快，人类也可能逐渐从长期的短缺状态走向更加丰裕的时代，经济和社会形态都会随之发生变化。这也是为什么我认为今天接近“奇点时刻”。

对普通人来说，我觉得最值得投资的还是自己，尤其是认知。未来需要的不只是知道更多东西，而是建立更加复杂的知识结构。一个必然的趋势是，世界本身会变得越来越复杂，如果一个人的知识结构过于单一，就很容易只能跟随别人的判断。只有提高认知的复杂性，才能在技术和产业快速变化的时候形成自己的判断，找到下一条真正适合自己的S曲线。

对谈人：刘之源，清智量子合伙创始人

麻震敏，哈佛商业评论中国新媒体主编、新增长学院发起人

小垚 | 文

联系方式

投稿、广告、内容和商务合作

newmedia@hbrchina.org