第二序章2026甲子引力年终盛典

Scaling Law的内涵正在发生根本性迁移——从扩大模型参数，转向扩大智能的产生过程（test-time compute、inference scaling、agentic reasoning chains）。智能的“单位产出”不再由训练阶段决定，而由推理阶段的搜索深度、工具调用链路和自我验证轮次决定。

AI的思考范式正在从“给定问题，推理答案”转向“给定目标，规划行动”。以智能体为核心的Agentic AI，让AI从“回答者”变成“执行者”。JEV（Joint Embedding-Visitation）等新范式模型，正在为“思考-行动闭环”提供理论框架。

AI时代的“操作系统”不再是Windows/iOS，而是Harness——编排模型、工具、数据、上下文的中间层。Harness决定了AI能力的调度效率、记忆管理和工具协同。下一阶段看点是“自优化Harness”——Harness本身具备学习和自适应能力，能根据任务自动调整编排策略。

真实人类数据的增长已接近极限，合成数据正在成为AI训练的主要燃料。更深层的变化是：AI不再只是消费数据，而是在“制造训练世界”——通过世界模拟、自我博弈、课程学习，AI自己生成训练场景和任务，实现数据生产的自循环。具身智能领域同样受益：机器人可以在仿真世界中完成百万次训练后再迁移到物理世界。

传统AI的“训练-部署-冻结”周期正在被Continual Learning（持续学习）打破。模型不再在训练完成后就“定型”，而是在运行中持续学习、持续更新。这重新定义了“训练周期”的概念——训练不再是一个阶段，而是一种持续状态。

Recursive Self-Improvement（RSI，递归自进化）正在从理论走向早期实践。AI不仅在自己改进自己（如AI辅助的AI研发占比从<1%升至26%），更开始改进“改进自己的方法”——元学习层面的自进化。这是第二序章最深刻也最危险的变化：进化的主体从人类变成了AI自身。

Vision-Language-Action（VLA）模型让机器人有了“看-说-做”的能力，但缺少“预测”层——无法预判行动后果。World Action Model（WAM）正在补上这一层，让机器人从“反应式执行”走向“预测式决策”。这是物理AI从“能动”到“会想”的关键一跳。

第一序章的叙事是“AI爆炸进行时”——智能以指数级甚至双指数级增长。第二序章的判断是：AI爆炸会停下来。不是因为算法或数据不够，而是因为物理世界的限制——算力能耗、芯片制造、数据中心建设、散热物理——这些物理约束终将让智能爆炸减速，从指数曲线走向S曲线。

传统操作系统管理的是计算资源（CPU、内存、存储），Agent OS管理的是智能资源（模型、工具、上下文、记忆）。Agent OS正在成为AI时代的新基础设施层——它决定了智能体如何被调度、如何协同、如何记忆。操作系统的定义正在被改写。

工厂原生Agent（Factory-Native Agent）不是“给工厂用AI”，而是“工厂为AI而设计”。新一代智能工厂从规划阶段就将Agent作为“劳动力”纳入生产流程，人机协作的边界从“人操作机器”变成“Agent调度机器，人监督Agent”。制造业进入“AI原生”时代。

“AI云”的概念正在过时。下一阶段，AI基础设施加速走向一体化——算力、模型、网络、存储不再是分离的层级，而是融合为“Token生产与编排系统”。能力重心从“提供多少算力”转向“每秒生产多少有效Token、Token的编排效率多高”。AI基础设施的本质从“算力供给”变成了“智能供给”。

网络的服务对象、价值锚点、架构原则正在根本性重构。传统网络连接的是人和信息，智能体原生网络连接的是Agent与Agent。当Agent成为网络的主要“居民”，网络的设计原则从“高带宽低延迟”变成“可信任、可协商、可协作”。网络从“连接网络”变成“智能体网络”。

AI for Science正在从“用AI预测蛋白质结构”的辅助阶段，进入“用AI重构科学发现过程”的闭环阶段。AI不再只是科学家的工具，而是开始成为“科研合作者”——提出假设、设计实验、分析数据、修正理论。但“关键一跳”尚未实现：从“AI辅助发现”到“AI自主发现”的跨越，仍需突破。

2019年春节假期，甲子光年写下《天才灭绝纪元》，提及近几十年科学发展的尴尬：科学树的攀爬正越来越难。在诺奖早期，科学家做出获奖成果时的平均年龄是37岁，后来，这个数字上升到平均47岁。随着人类知识大厦逐日增高，人们需要用更久时间来学习，而每当一块新大陆被发现，下一处发现总要走往更偏远之处，真理之岛甚至远到了超越很多人生命的长度。而现在，局面被AI反转了。如果AI能帮我们拿掉问题空间里的一层log，数学与科学终于可以向更辽阔的大海出发——一边向上摸高，一边成为普惠千行百业的基础设施。这不一定是数学家或科学家最好的时代，但这是数学与科学最好的时代。

个人机器人正在从“实验室原型”走向“消费级产品”。驱动力不是机器人本身变强了，而是AI大脑变强了——大模型让机器人有了“常识”，世界模型让机器人有了“预判”，Continual Learning让机器人有了“成长”。物理AI的C端拐点，取决于“大脑”而非“身体”。

Personal Agent（个人智能体）正在从概念走向产品。与上一代AI助手不同，Personal Agent的核心不是“回答问题”，而是“理解你的人生上下文，主动帮你做事”。它不是工具，而是“数字分身”——持续学习用户偏好，跨场景协同，从被动响应走向主动规划。

AI正在从“偶尔使用的工具”变成“全天候运行的人生后台”。Personal Agent、智能家居、个人机器人构成的“AI生活金字塔”，正在接管人类生活中的“琐事层”——日程管理、家务劳动、消费决策、健康监测。当琐事被AI接管，人类的时间被释放——但释放出来的时间用来做什么，是第二序章的终极问题之一。

AI接管“工具属性”的工作后，人的工作价值正在发生根本性迁移——从“拥有技能”上移到“定义问题与选择方案”。当AI能写代码、做设计、写报告、做分析，“技能”不再是护城河。人的价值在于：定义什么问题值得解、选择哪个方案更对、判断AI的输出是否可信赖。工作的本质从“执行”变成了“裁判”。

Token工厂的竞争正在从“成本效率”（每瓦Token数）升级为“质量确定性”（Token确定性）。当AI从消费级应用走向企业级和工业级，Token的“可用性”比“便宜”更重要——确定性意味着每次输出的可靠性、一致性和可预测性。Token确定性将成为产业定义的争夺点。

AI原生工厂不是“工厂用AI”，而是“工厂为AI而建”。当工厂从设计阶段就将AI Agent作为“劳动力”纳入生产体系，制造业的成本结构、生产流程、管理模式都在被重写。AI劳动力的边际成本趋近于零，这意味着制造业的规模经济逻辑发生根本变化。

AI对量子计算的改变，不只是利用量子计算加速AI，而是开始从底层重构量子计算机的控制、纠错、编译与运行方式。传统量子计算面临的核心瓶颈之一，是量子比特极易受到环境噪声和控制漂移影响，系统需要反复校准，量子纠错也需要持续处理复杂的错误信号。随着机器学习、强化学习与量子纠错系统结合，AI正从量子计算外围的辅助工具，进入量子计算机的运行闭环。

AI原生组织不是“组织用AI工具”，而是“组织为AI而设计”。当Agent成为组织的“成员”，组织架构从“人-人”协作变为“人-Agent-人”协作。管理层级被压缩，决策链条被缩短，组织边界被重新定义。管理科学正在经历从泰勒制以来的最大范式转移。

AI的真正账本不是“模型训练成本”，而是“算-云-网-电-能源”协同一体化的系统成本。AI已变成重工业——全球在GPU和Transformer路线上砸下数千亿，算力预定到数年之后，沉没成本本身成为护城河。AI账本的核心不是“省多少钱”，而是“算清这笔大账”：算力、电力、网络、能源的协同效率，决定了AI产业的终局格局。

One-Person Company（OPC，一人公司）正在从“自由职业者”进化为“新型经济节点”。当AI Agent承担了原本需要一个团队才能完成的工作（研发、营销、运营、客服），一个人+一组Agent就能构成一个完整的经济实体。OPC不是“小公司”，而是“新物种”——它的效率比传统公司高，灵活性比大公司强，正在成为经济网络中的新型节点。

AI发展的本质不只是技术演进，更是一场金融游戏。全球资本以空前速度向AI领域集中，形成“虹吸效应”——非AI领域的资本被抽离，导致金融资源错配。这种错配的后果不是立即显现的，而是在AI投资回报的“验证窗口期”到来时集中爆发。AI不是在分配资本，是在重新定义资本应该流向哪里。

AI安全正在成为“最热但最无力”的话题。第一序章的AI安全是“理论讨论”，第二序章的AI安全是“现实困境”——RSI让AI开始自我进化，Agent让AI开始自主行动，但安全方案远落后于风险演进。看到风险但看不到解决办法，不是悲观，是诚实。AI安全将成为下一个十年最热的话题，但“热度”不等于“解法”。

AI正在从“模拟社会”走向“预测社会”。社会模拟器能模拟个体行为和群体互动，社会世界模型则能预测社会的下一个状态——经济波动、舆论传播、政策效果。当社会的下一个状态可被推演，决策就有了“预演场”。但“可预测”也意味着“可操纵”——社会世界模型是工具，也是武器。

数字智能、物理智能、生物智能、社会智能——四类智能正在从平行演进走向系统耦合。AI不再以单一能力竞争，而是以“智能生态”竞争。谁能率先实现四类智能的耦合，谁就定义下一个阶段的“智能范式”。这是从“单兵作战”到“生态战争”的升维。

Agent正在从“工具”变成“社会角色”。当Personal Agent持续陪伴用户、当AI同事参与团队协作、当AI伴侣提供情感支持，人与AI之间形成了新的“社会关系”。这种关系不是人与物的关系，也不是人与人的关系——它是第三种关系，正在被社会默认接受，但尚未被社会规则定义。

AI正在从“人的延伸”走向“文明的再定义”。当AI构建“长期个人系统”，将“自我”多维扩展；当AI成为文明的参与者而非工具；当知识与智力不再以人类为上限——我们面对的不再是“AI改变了什么”，而是“文明变成了什么”。AI构建的“长期个人系统”将“自我”从生物性存在扩展为“生物+数字”的双栖存在。这是第二序章的终极命题：不是AI如何改变世界，而是AI如何改变“人”。