2030 年回望 2026：把更强的智能接到值得解决的问题上

假设在 2030 年重新打开 2026 年的文件夹，我会先查一件事：今天借助 AI 完成的工作，是否改变了一个现实问题，并留下别人能够复验和继承的证据。

作者：Koutian Wu；GitHub: ktwu01

写完《他们为什么都去了 AI Lab？》，镜头也从他们转回我们。

前一篇解释了顶尖人才为什么向前沿实验室集中。那里有昂贵的算力、内部模型、人才密度和部署反馈。进入这样的组织，意味着一个人能够做以前做不了的实验，也意味着他离新一代认知基础设施的源头更近。

这一篇讨论能力到手以后，怎样进入能被现实否定的场景。靠近能力的源头，只能说明一个人获得了更大的行动空间。这个空间最后装进什么，仍然需要另一套判断。

我把日历拨到 2030 年，只为了给今天的选择加一条验收标准：四年以后，它留下了什么？

2030 年会先忘掉模型排行榜

如果我们在 2030 年重新打开 2026 年的文件夹，很多当年占满注意力的东西已经很难辨认。某个模型领先了两周，某种 prompt 写法多拿了几个百分点，某家公司在发布会上宣布了新的能力，这些信息在当时有用，寿命却很短。

能力会扩散。接口会变化。今天需要反复调试的功能，明天可能成为默认设置。一个人若只拥有几个月的信息差，下一次模型更新就可能把它抹平。

留下来的东西更朴素。一组别人仍在使用的数据，一项能够复现的实验，一个持续运行的工具，一段把失败原因写清楚的记录，都比“最早知道某个新名词”更容易穿过四年。

公司的名字和职位会影响资源。它们说明一个人当时进入了哪个房间，却不能说明他在房间里改变了什么。到了 2030 年，我们能够检查的是现实有没有因此改变，以及后来的人能否接着往下做。

两条坐标判断工作有没有进入现实

判断一项 AI 工作，可以先看两条坐标。

纵轴是它能调用多强的智能。越往上，越接近内部 checkpoint、大规模训练、稀缺算力和顶尖研究团队。人才进入前沿实验室，主要是在纵轴上快速移动。

横轴是它离现实反馈有多近。实验能否推翻结论，用户是否真的改变行为，系统运行几个月后错误有没有减少，出了问题能否追到原因，这些反馈把工作向右推动。

左上角最容易制造震撼。模型很强，演示很漂亮，外部世界却还没有获得否定它的机会。右下角经常缺少光环。有人用普通模型改进一次复核流程，连续记录半年误判，结果可能比热门 demo 留得更久。

右上角才是这轮人才迁徙最值得期待的地方。强模型进入科学实验或生产流程，现实能够指出它错在哪里，组织也愿意为结果负责。加入 AI Lab 只是向上移动。工作的意义取决于它能否继续向右。

能力越便宜，选题越贵

2026 年，生成文字和代码的成本还在下降。一个人一天可以试更多想法，一个小团队可以完成过去需要大组织才能完成的工作。这种速度很诱人，也会放大选错问题的代价。

AI 能够很快写出一百个答案。它无法单独决定哪一个问题值得占用几年生命，也无法凭空获得实验结果、用户拒绝和物理世界的限制。模型可以帮人推演，现实负责说“不”。

因此，我更在意那些机器无法自行评分的问题。它们可能来自一次测量异常，一个长期无人维护的科研流程，或者一个用户反复绕开产品的动作。人需要走到现场，承认原来的假设不成立，再把新的证据送回系统。

选择标准可以更严格。先找到正在承担可见成本的人或系统，再确认自己能接触到足以推翻方案的证据。最后检查这个问题是否会在模型更换后继续存在。若这些条件都说不清，就先把它当作一次探索，不急着宣称自己正在解决问题。

速度的红利应该用来缩短这个回路。若只是让输出数量翻十倍，我们会得到更多看似完整的内容。若把省下来的时间用于验证结果并修正假设，我们才可能得到更可靠的认识。

把 AI 带回自己长期接触的问题

2026 年 6 月，我在《为什么我一定要投身 AI 浪潮》里写过，我在 Geoscience 看不到未来，所以一定要投身 AI 浪潮。

现在再看，这句话只说对了一半。

我仍然应该理解 AI，也应该进入它正在形成的新工作方式。可如果“投身 AI”意味着丢掉长期接触的领域问题，和所有人一起追逐相同的模型指标，那么我也丢掉了自己最接近现实反馈的位置。

前沿实验室知道怎样让模型变强。地球系统科学仍然需要熟悉观测、物理模型和生产代码的人来定义问题。假如领域研究者都离开原来的问题，只去争夺模型中心的位置，智能中心会变得更拥挤，现实却失去了能够指出模型错误的人。

对我来说，ESM-bench就是一个具体起点。它测试 AI Agent 能否修改 Noah-MP 等生产级地球系统模型代码，同时保留代码里的物理逻辑。现有代码和专家定义的任务提供参照。补丁若改错子程序、写反通量符号或破坏守恒，即使能够编译也算失败。

我希望它在 2026 年留下可复现的任务数据、评测程序和失败补丁。模型版本可以更换，这些记录仍能检查下一代 Agent 是否少犯了同一种错误。

这也解释了为什么一个没有 AI title 的领域研究者，可能在 2030 年留下更耐久的工作。他没有训练最大的模型，却让一种新能力通过了现实的检验。

权力在模型进入流程之后出现

上一篇文章讨论了 AI 与权力的关系。站到 2030 年回看，这个判断需要再精确一点。

一段模型输出已经能够影响判断。当它反复进入招聘、科研经费、诊疗或生产调度流程，这种影响会固化为持续分配机会和资源的权力。模型可以提出建议，组织决定是否采纳。组织还要决定它能读取哪些数据，出错后由谁叫停。

制造更强的模型只是权力链条的一部分。定义目标的人掌握一部分权力。批准部署的人也掌握一部分。受到影响的人若没有申诉入口，权力就会集中在看不见的接口里。

如果一项 AI 工作到 2030 年仍值得信任，它在 2026 年就应保留失败记录，注明何时退回人工流程，并让最终签字的人能够解释决定。能力越强，这些安排越需要提前建设。

个人也面临同样的问题。我们可以把查资料、写初稿和运行常规实验交给 Agent，判断标准仍要留在自己手里。一个人若无法解释为什么相信结果，他调用的智能越强，错误扩散得也越快。

不会被下一代模型清零的资产

具体的 prompt 会折旧，简单的 wrapper 会被平台吸收，模型品牌也可能更换。问题定义、带来源的数据和符合真实后果的评测方法，寿命通常更长。

决策记录能够穿过模型更新。到 2030 年，模型或许可以重写一段 2026 年的代码，却无法自动还原团队当时为什么放弃另一条路线，哪一批传感器曾经漂移，哪个看似漂亮的指标后来误导了实验。把这些背景留下来，下一代工具才有可能站在真实的起点上继续工作。

公开写作也可以成为这种资产。一篇文章把判断交给别人检查，记录作者当时掌握的证据，也让后来的读者看出错误从哪里开始。这样的文字能够活得比当天的流量更久。

有意义的工作不一定规模很大。一个能够复用的脚本，一份注明失败条件的数据集，一套减少团队误判的测试，都可能降低后来者的起步成本。四年后仍有人能够从那里出发，这项工作就没有被时间清零。

信用是一种慢变量

技术变化越快，人与人之间的信用越难被替代。

AI 可以生成介绍邮件，维护联系人，提醒我们按时 follow up。它无法补写一段共同承担风险的历史，也无法替一个人兑现承诺。到了 2030 年，一段关系的分量可以用一个具体结果衡量：多少人愿意再和你做第二件事。

这会让一些看似很慢的行为重新获得分量。认真回复一个年轻研究者，公开给合作者署名，在判断错了以后尽快修正，这些动作不会立刻出现在模型排行榜上。它们会决定几年后谁愿意把还没有公开的问题交给你。

人才密度可以通过加入组织获得，信任密度只能在一次次合作中积累。前者让人更快接触能力，后者决定一个人能否把能力带出单个职位。

四张带到 2030 年的收据

我想给 2026 年的每一个项目留下四张收据。

第一张来自现实。项目开始前有一个基线，完成后有一个外部结果。实验可能失败，用户也可能不用，但世界必须拥有说“不”的机会。

第二张来自继承。如果我明天离开，别人能否看懂数据、重现实验并继续维护？如果模型供应商更换，验证方法是否仍然成立？

第三张来自判断。我需要写下为什么选择这条路线，什么证据会推翻它，以及看到新证据后改了什么。结果正确值得保留，能够定位错误同样值得保留。

第四张来自合作。和我一起承担结果的人，是否愿意再合作一次？如果答案是否定的，再高的短期效率也可能透支了未来。

把有限的时间接到可验证的未来

从《颠覆性创新者的思维模式》，到顶尖人才为什么进入 AI Lab，再到这一篇，我始终关心同一个问题：一个人怎样看见更远，并让看见的东西进入现实。

远见无法通过猜中某个模型名称来证明。它最终会变成一组今天可以开始的动作：选择一个值得放大的问题，让现实持续纠正答案，再把过程留下来供别人检查。

到了 2030 年，我希望能沿着记录回答四个具体问题：现实中有什么因此改变，证据留在哪里，后来的人能否继续，一起承担结果的人是否愿意再合作一次。

这些答案会告诉未来的我，2026 年的智能究竟进入了现实，还是只增加了当时的速度。