我们走过很远，但只站在开头。
作者｜甲小姐
今天，甲子光年九岁了。照例，每年今日，我会写一篇周年纪念文章，并定下年底甲子引力年终盛典的主题。
2026年，很多人经历过“恍惚”的感觉。我想先分享两个数字：
第一个数字：3小时。
2026年10月6日，OpenAI公开了一批由内部前沿模型生成的数学研究成果，首批包含722篇研究手稿，触及多个数学界长期悬而未决的难题。其中一项与准黎曼猜想相关结果，被数学家Alex Kontorovich评价为：如果由人类完成，足以获菲尔兹奖。尽管这些研究仍需学界进一步审查，但一个变化已经显现：AI不只是对人类已有知识进行检索、重组，而开始尝试将人类数学知识的“凸包”边界向外推。
这则新闻已铺天盖地，值得注意的是一个细节：OpenAI披露，平均每项结果消耗的计算资源，约相当于3小时ChatGPT Pro思考计算量。这当然不代表解决数学难题的全部成本，却将两个过去相隔甚远的概念放到了一起：推动人类知识边界向前一步，需要多少算力？
AI摸高至人类知识的“桂冠”，而“桂冠”变成了一门成本账，成为了工业流水线上的计量单位。
第二个数字：从不足1%，到26%。
2026年9月，Anthropic披露，按照其内部“研发自动化指数”，Claude达到“主导”级别的AI研发工作占比，从2月的不足1%升至8月的26%。AI for AI已经开始了——虽然AI还不能独立研发下一代模型，但它已成为研发下一代AI的生产力，已进入头部实验室的日常研发流程。
之所以选择这两组数字，第一个关乎“知识”；第二个关乎“智力”。
知识、智力，人类智能的两个根本维度——前者，是我们已经知道什么；后者，是我们怎样在未知中找到办法。
今天，“知识”与“智力”换了一种计量标准——探索知识，核算成本与规模；衡量智力，核算加速度而非绝对值。
从这两个维度看，2026是足以载入人类文明史册的一年。
很多人在今年经历了强烈的情绪反应，而一旦上头，就容易极限推演。于是，一派走向极度乐观的“速胜论”：大故事已经讲完，接下来只剩问题定义、扩张、兑现，即所谓“下半场”；另一派走向急于看衰的“泡沫论”：当技术进展撞上高昂的电力账单与无法闭环的ROI，某些领域被视为转瞬即逝的元宇宙。
两个观点显然都极端了。讨论问题的前提是明确其范畴——如果不理清这场变化的疆域，我们无法凭借眼前的速度，推算故事已经完成了多少，又何以判断赛程是刚刚开始、过半、逼近胜利还是速朽？
我更愿意把2026年称为：第二序章（the second prologue）。
“序章”原本是文学和戏剧中的概念，它不是故事的主体，却决定了故事如何展开。近几年，我们的确见证了技术能力的惊人跃迁，但它们只是为更宏大的故事铺设舞台。2026年的特殊之处在于，我们看到了第二个故事的开端。
要理解为什么是“第二序章”，我们不妨先回头看看AI的“第一序章”。
1.“第一序章”：
一个婴儿被按照它的定义“生”出来了
AI目前的发展捅破了我们的想象吗？没有。
1950年，图灵讨论让机器通过学习获得能力；
1956年，达特茅斯会议已将“自我改进”单列为研究方向，也讨论了随机性与创造性；
1965年，I. J. Good继续推演：机器若能设计更好的机器，这个循环可能引发“智能爆炸”。
换言之，自概念诞生之时，AI最初的雄心就指向了学习、创造、改进自身、智能爆炸。今天许多被称为“超预期”的进展，无论RSI还是continual learning，都已包含在AI最初的技术愿景之中。我们当然不应该被一个从设计出来就要这么生长的“怪物”吓住——这个“怪物”的基因是人们亲自写就的。
AI七十年，从单点能力（视觉、语音、语言、执行）开始积累，在数据与算力加持下加速爆发，走向今天的continual learning与RSI探索，并以AI for AI引发了智能爆炸，初步抵达了它被定义时的设想。
七十载怀胎，一个母体里的婴儿被按照他的定义“生”出来了。他带着新鲜的大脑、眼睛、四肢，进入了一个与母体全然不同的世界，开始发育成长。
过去，AI是人类设计出来解决问题的工具；现在，AI开始参与设计下一代工具，参与决定如何解决未知问题，从被改进的对象，成为改进的参与者，从宾语变成主语。
这是第一序章的结笔。
2.“第二序章（the second prologue）”
的八个朴素问题
“第二序章”的含义是：这个婴儿打开的未知，远多于它解决的问题；AI展开的空间，远远未被它探明。
“第二”，意味着的确发生了实质变化，我们不能把今天简单说成“一切才刚开始”；“序章”，意味着这些突破开启的是更大的问题——自我加速能持续多久，机器怎样进入物理世界，数学与科学还有多少未知，人愿意托付多少权限，资本会把资源推向哪里，AI安全究竟如何解决——没有人可以看到全貌，衡量它们的尺度也在变化。
AI进步越大，可能性空间越大。更强的能力会打开更多问题，一次加速遇阻或撞墙，也可能恰好是新技术的起点。所以，“第二序章”远远不到“下半场”。
我们抵达了过去想象中的一些远方，但远方离终点更远了。
以下，我会用八个朴素的问题解释为什么是“第二序章”。
2.1 指数、双指数与无限：AI的空间有多大？
科技行业和投资人最喜欢的词是“指数增长”。指数增长回答“有多快”，但另一个问题是“有多大”。
在《甲小姐对话董彬：AI for Math，无尽的前沿》里，董彬说：“数学空间是‘双指数’的，但人类对数学的理解是线性的——差了两个log。数学家在千年历史中所发展的，连冰山一角都不算，人类在数学空间里面的探索可能只是一个零测集。也许AI能给我们拿掉一个log？这对数学将是巨大的提升。”
2026年10月1日，数学家Kevin Buzzard发布了一篇文章，文末一段描述很动人：“对于那些面对‘机器今天还做不了X’这一观察，只用‘人类根本不理解指数增长是什么样子’来回应的人，我请你们考虑以下事实。目前的进展确实是指数式的，而且很可能还会持续一段时间；但我们不能指望指数式进步无限持续下去（恰恰因为指数增长本身的性质）。此外，数学是无限的，而无限轻而易举就能胜过指数增长；不相信这一点的人，只是不理解无限是什么样子。”
“无限轻而易举就能胜过指数增长。”
用指数增长想象AI，很容易脑补它将所向披靡。但问题是：AI提高的速度，能否持续超过问题变难的速度？能否持续超过问题变多的速度？
事实上，AI每突破一层边界，都会迎来更大一层的复杂度。在无限面前，增长永不指向故事的结束。
2019年春节假期，我写下《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。
美国哲学家詹姆斯·卡斯（James P. Carse）在1986年出版《有限与无限的游戏》一书，提出了“有限游戏”与“无限游戏”（Finite and Infinite Games）的概念：
有限游戏以赢得游戏为目的，无限游戏以让游戏继续进行为目的。
世界是一个无限游戏。显然，以benchmark为标志的有限游戏已经接近饱和，而我们的使命本应是让无限游戏继续。
这是“第二序章”的第一层含义。
2.2 “智能爆炸”会停下来吗？
和上一个问题看似有点相反的问法是：AI for AI的“智能爆炸”会停下来吗？
今天不会，明年也许也不会，但终有一天可能会。“更聪明的AI可以制造更聪明的AI”，并不保证反馈会无限增强。我们目前没有证据判断智能爆炸一定会在哪个水平停下。如果停下，它大概率不会来自算法的枯竭，而是来自现实的硬约束。
智能爆炸可能会遭遇的现实缓冲垫有几种：
其一，能自动化的部分无限加速，不能自动化的部分却卡住整体提速的空间。
假设一项工作有90%可以被无限加速，剩下10%始终不变，整体最多提速10倍。代码生成加快之后，人类审查成为新的瓶颈；数学批量放成果，审核、理解与知识的内化成为新的瓶颈；AI迅速生成大量实验方案，但判断哪个有效，仍需现实实验；更多智能体同时研究，不意味着成果同比增加，它们可能重复探索，或因一个细小谬误走向偏移和误判。
其二，找到改进，不等于改进能在下一代系统上成立。
正反馈并不自动通向无穷。每一轮获得的收益，必须能被保留、迁移，才能成为下一轮的起点。
其三，技术仍能进步，但继续投入可能已不值得。
模型可以连夜改代码，电网、芯片与工厂不能连夜建成。软件可以热更新，硬件建设却往往以年计。
国际能源署（IEA）在2026年4月16日发布的报告中预计，全球数据中心用电量将从2025年的485太瓦时，升至2030年的约950太瓦时。电力与设备供应，已成为扩张必须穿过的关口。此外，如果进一步提高能力的成本增长得比收益快，资金和算力可能转向其他用途。
以上三点之外，安全要求、政策限制也可能放慢迭代。
当然值得说明的是，停止自我加速与停止进步是两回事。与此同时，AI本身也在寻找对抗缓冲垫的方法——设计更高效的算法、找到更可靠的验证方法、改进芯片与实验流程；模型帮助研究，研究改进模型；工程降低成本，成本下降又允许更多试验……限制与突破，在相当长的未来中，会反复交手。
如果智能爆炸可以持续很久，AI面临的问题空间仍是无限的；如果智能爆炸不能持续，哪怕此刻AI立刻刹车（几乎不可能），也足以让全世界消化十年，甚至更久。
这是“第二序章”的另一层含义。
2.3 数字、物理、科学、社会，智能放量了多少？
智能不是单一物种。AI正面向数字、物理、科学和社会四类环境发展，而它们面向“四种世界规律”：数字讲程序与语义，物理讲接触与运动，科学讲实验与证据，社会讲信念与规范。
四类智能的成熟速度相差甚远。
数字智能相对进展最快；科学智能因为拥有实验反馈，正走向闭环雏形；物理智能受制于真实世界的长尾和失败归因，虽然火热，依然刚刚开门；社会智能最难，因为社会状态不可完全观测、行为具有反身性，还受制度和伦理约束。
数字智能只是前菜，物理智能、科学智能和社会智能刚刚开始。当AI真正需要跨越实验室的无菌环境，去处理非结构化、充满摩擦与不确定性的现实空间，并进一步介入社会运行，从而改变组织、企业与政府的决策范式，真正的挑战才刚刚显现。
这是“第二序章”的第三层含义。
2.4 Personal Agent的本质是什么？每个人都需要一个“人生后台”
机器消耗算力，人类消耗注意力，这是AI时代两个最重要的“成本”。
当下的事实是，机器生成得越多，人要判断的也越多，看似节省的时间，往往会在另一个窗口里“还回去”。
因此，我越来越觉得，每个人都需要一个“人生后台”——这是我理解的Personal Agent的本质。
“人生后台”要回答的是，AI怎样真正接住一个人生活的背面，接住那些没有在一次对话里完成，却一直占着心神的事：一项迟迟没推进的计划，一次需要反复比较的选择，一段跨越几个月的安排，更重要的——那些你记不住、理不清却不能忘的人和事。
归还注意力、释放执行力，让我们不被绞在数字洪流的齿轮里，真正被AI加持而不是困扰，这是Personal Agent最基本的使命。
9月开始，Personal Agent再次成为风口，但无论Muse、Instinct或其它同类产品，其产品定义离“人生后台”还很远——如果把“人生后台”作为一个赛道，它才刚刚开始。
这是“第二序章”的第四层含义。
2.5 AI的账本：金融问题、资源问题与技术问题，谁更能影响技术的走向？
资本的算法、技术的算法，哪个对技术本身的影响力更大？
AI的方向，写在论文里，更写在账本里。
从账本视角看，AI早已是一个金融命题。算力背后是电，再背后是资本。数据中心投资规模已难以只靠企业自身资产负债表支撑，资本因而愈发关键，而技术扩张也更受资本回报预期与融资条件牵动。
2026年8月25日，SemiAnalysis创始人Dylan Patel在一场访谈中，提出了一个值得关注的推演：
如果前沿AI实验室能够持续从新增算力中获得高额回报，它们就可能承受更高的融资成本，并在全球资本市场上与其他借款者展开竞争——包含企业、政府乃至普通家庭。
根据SemiAnalysis的模型，2024年至2029年，全球AI基础设施累计投资可能达到约11万亿美元，其中约6万亿美元由现金流支持，另外约5万亿美元需要债务融资。
如果这一预测成为现实，AI基础设施建设就不再只是科技公司的资本开支问题，而是影响全球资金价格的重要变量。当扩建算力的预期回报更高，AI企业就能承受更贵的贷款利息，而这会推高社会整体融资成本。这不再局限于芯片、模型和电力，也可能延伸到整个社会的资本配置。
试想：假如Anthropic愿意支付20%的借款利率，资金会在AI债务、国债与住房信贷之间重新选择——华尔街可能宁愿借钱给Anthropic，也不愿意贷款给普通人买房子。这可能会成为一个深刻的社会问题。
另一方面，AI已经成为了重工业。
2026年5月，一场名为《Transformer vs. Post-Transformer》的技术辩论，讨论了一个尖锐问题：Transformer成为主流，究竟因为它是通向智能的最佳架构，还是因为它恰好适应了GPU的计算特性？
两位Transformer的共同发明者参与了这场辩论，他们持不同观点。深层的问题在于，全球科技产业已经围绕GPU、Transformer及其软件生态投入数千亿美元，并持续规划更大规模的基础设施建设。算法、芯片、数据中心、基础设施正在形成相互强化的路径依赖。即使未来出现“理论上更优”的智能架构，面对数千亿美元的路径依赖和庞大的基础设施，这条路容易回头吗？我们究竟是已经找到了通向智能的最佳道路，还是因为在一条道路上投入了太多，所以越来越难以转向？
社会需要什么、资本最容易从什么上获得回报，二者并不总是一致；能迅速收费的产品，和需要多年验证的公共价值，也不共享一套时钟。
资本会帮助一些可能性提前到来，却也让另一些可能性迟迟得不到试验。AI的主线叙事将何去何从？是“第二序章”的第五层含义。
2.6 AI安全已是“房间里的大象”，但什么是好的解决方案？
AI安全已是“房间里的大象”，却依然被远远低估了。
上个月，一位Neo Lab创始人和我分享他的愿景，在完整介绍技术图景后，他半开玩笑地说：“我们很期待我们的愿景快点到来，但也有可能AI safety的问题会更早到来，使得我们等不到那一天。”
昨天，美国新闻媒体Axios发布独家报道，披露Anthropic、OpenAI等公司高管正私下推演一场重大AI安全事故发生后的局面，包括公众舆论、政治监管可能出现的反应，以及企业应采取的应对措施。这项内部讨论被称为“the day after”（灾难发生后的第二天）。推演的重点并非AI产生意识等科幻情景，而是AI可能引发的大规模网络攻击及其连锁影响，例如金融服务中断、互联网瘫痪，以及电力、供水等关键基础设施遭到破坏。报道援引多位行业内部人士的判断称，未来6至12个月内可能发生此类重大事件。
进一步，当Personal Agent开始快速渗透，不仅读邮件、动文件，也接管账号、账户、密码，并参与人际关系，当AI真正成为我们的“人生后台”，安全会成为生存级问题。
关于AI安全，行业并没有找到根本性的解决方案：当成千上万个自主Agent在后台相互博弈，产生非预期行为时，谁来解决这个问题？问题不只是“它会不会答错”，还包括：它把谁的话当成指令？一次授权能沿着任务链走多远？几个智能体彼此委托后，谁还看得见全程？
安全的难处，在于它的解决方案很容易把成本重新还给人。事事确认，智能体就难以自主；放手执行，又必须确保能发现、叫停、追责。那么谁来完成AI安全的解决？模型公司？部署系统的企业？独立机构？谁付钱，谁担责，谁有权看到必要的证据，谁来为AI的风险定价？
AI安全本身，是尚待建设的大片白区。
这是“第二序章”的第六层含义。
2.7 未来属于少数人还是多数人？
AI不缺宏大叙事，缺具体。未来不可能被少数人定义，这不是一个“应然”的价值选择，更是一个“实然”的客观规律。
开源生态、边缘AI以及无数深耕垂直领域的分布式创新，正在筑起一道防线。事实上，创新从来都是分布式的，想法和创造从来不属于少数人，而AI让普通人有机会可以同时拥有技术、产品、运营、设计等能力，那么，哪些过去做不起、做不到，甚至从未想过的事情，现在值得尝试？
AI被广泛看见，与它的潜力被充分实现，是两件相距很远的事，这也是2026年「甲子光年」发起「甲子Builders」品牌的初心：
AI时代，人人都可以成为builder，千千万万个builders才能让创新如热带雨林般丰富，共同定义AI原生究竟意味着什么。
这是“第二序章”的第七层含义。
2.8 “无知之幕”：什么是真正的好规则？
另一道远未回答的问题是AI的“正义”。
罗尔斯在1971年的《正义论》中提出“无知之幕”：假如你不知道自己将拥有什么身份、财富，不知道自己会成为能力的拥有者、使用者，还是代价的承担者，你愿意为这个世界定下什么规则？
把这道题放到智能时代：假如不知道自己会站在变革的哪一侧，你会为AI定下什么规则？谁能参与，谁能拒绝，谁有机会重新开始，谁能获得研究工具，谁有权收回数据，谁承担试错的代价，谁能参与决定？
我们正在走入“无知之幕”，而规则依旧极为模糊且混乱。
这是“第二序章”的第八层含义。
3.The End of the Beginning
1942年11月，二战已经打了三年。北非传来胜利：第二次阿拉曼战役中，蒙哥马利指挥的第八集团军突破德意军队防线，迫使对手撤退，拉锯多时的战局终于出现重要转折。
11月10日，丘吉尔在伦敦市长官邸演讲。他说，胜利的光芒照到了士兵的钢盔。但在这个足以庆祝的时刻，他留下了一句话：
Now this is not the end. It is not even the beginning of the end. But it is, perhaps, the end of the beginning.
现在，这不是结束，甚至不是结束的开始。但它或许是开始的结束。
战役赢了，战争还长。
今天，先不论2026年的AI进展是谁的胜利，我想借用的，是这份尺度感——最初的探索已经把我们带到一个门槛，真正深远的变化还没有展开。
无论“速胜论”或“虚无论”，根源都在于用旧地图线性外推。乐观派看到了“速度”，却忽视了智能爆炸背后的物理边界、能源短板与金融游戏；悲观派看到了“阻力”，却低估了双指数空间和物理、社会、人生后台等庞大需求。当我们将视线从参数跑分和资本炒作中抽离，落向更深层的科学、经济与社会结构时，AI的前方仍是一片空白。
九年前，我们以《站在两个世界之间》起笔。一边是以AI为代表的科技，一边是产业。九年间，两者都在向前走，距离却忽近忽远：每次AI摸高让人兴奋几个月，产业的地心引力又把评判拽回现实。我们经过周期，也对夸张祛魅。九年里，我们不断练习的只是同一件事：把模糊的变化看细，把眼前的事情看远。
回顾历年甲子引力年终盛典主题：
2019年，“突围”
2020年，“命运与共，大道不孤”
2021年，“行至水深处”
2022年，“心有所护，不畏远行”
2023年，“致追风赶月的你”
2024年，“万千流变，一如既往”
2025年，“轰然成势，万象归一”
每个名字是我们留给那一年的一页手记。2025年的“轰然成势，万象归一”，是第一序章的落笔。
2026年，这份手记是“第二序章”。
AI声势已如此浩大，进程却如此早期。一切认为看懂AI的人，都值得被怀疑；一切笃定宣称向何处去的观点，都值得被划上问号。有些窗口转瞬即逝，有些价值十年方成。面对前方错综复杂的技术齿轮、社会命题与未知的深水区，我们此刻置身其中的正是那张正在掀开的“无知之幕”——在这片迷雾前，丢掉非黑即白的终局幻觉，保持敬畏与清醒，才是迎接这个时代最好的姿态。
人工智能七十载，甲子光年方九岁。浩荡如斯，不过起笔。
欢迎来到AI的“第二序章”。
（封面图来源：AI生成）
END.
