Thinking with AI | Tony | Macro
Founder of @ThinkingWithAI | 专注 AI 辅助下的宏观博弈与 $VIX 交易。探索逻辑，而非新闻。AI-driven market insights & Geopolitics.
Kevin Kelly的AI预言：三种智能理论与投资框架
基于《失控》《必然》《2049》的深度解读
作者：Thinking with AI | Tony | Macro Trader 整理日期：2026年4月
前言
Kevin Kelly（KK），《连线》杂志创始执行编辑，硅谷最具影响力的科技思想家之一。他的三本书——《失控》（1994）、《必然》（2016）、《2049》（2025）——构成了一套完整的技术预言体系。本文整理自与AI的深度对话，将KK的核心框架与最新AI发展现状相结合，并延伸至投资逻辑。
第一章：KK的预言成真了多少？
《失控》（1994）——30年前的预言
1994年，互联网刚刚起步，没有社交媒体，没有智能手机。KK在这本书里做出了一系列令人震惊的预言。
命中的预言：
互联网的崛起：他准确预见了互联网将以去中心化、无政府主义的方式运作，以最少的管控提供海量信息——这正是今天互联网的样子。
群体智能与涌现系统：他提出"蜂群思维"——没有中央控制的分布式系统能产生高度复杂的集体行为。这在今天的AI神经网络、维基百科、社交媒体算法中都得到了验证。
AI将从进化机制中涌现：他预见了AI会从类似"进化程序"的机制中产生——这正是今天深度学习的底层逻辑。
人机融合：他的核心论点"制造物与生命体将变得无法区分"——在今天的AI、合成生物学领域正在发生。
值得一提：这本书甚至成为《黑客帝国》全体演员的必读材料，包括基努·里维斯。
没成真的预言：
- 实体信用卡会消失（还没有完全消失）
- 部分经济系统预测过于具体，已经过时
总体命中率：相当高，尤其是宏观技术趋势，30年后回看精准度令人震惊。
《必然》（2016）——12个不可避免的趋势
这本书写于2016年，预测未来30年（到2046年）的12个技术趋势，用12个动词命名：
| 趋势 | 含义 | 2026年验证结果 |
|---|---|---|
| Becoming（成为） | 一切产品变成永远升级的服务和订阅 | ? 完全命中：SaaS、云订阅模式 |
| Cognifying（认知化） | 万物智能化，廉价AI嵌入一切 | ? 最准：ChatGPT、Claude、AI嵌入一切 |
| Flowing（流动） | 实时流动，一切流媒体化 | ? YouTube、TikTok、Shorts |
| Screening（屏幕化） | 所有表面都变成屏幕 | ???? 进行中，AR眼镜方向 |
| Accessing（访问） | 从"拥有"变成"使用权"，订阅经济 | ? Netflix、Spotify、SaaS |
| Sharing（共享） | 大规模协作共享 | ? 开源软件、维基百科 |
| Filtering（过滤） | 极度个性化推荐，预判需求 | ? 抖音算法的极端化版本 |
| Remixing（重混） | 解构重组，一切内容可拆解再混搭 | ? AI生成内容时代 |
| Interacting（交互） | 沉浸式人机交互 | ???? VR/AR还在发展 |
| Tracking（追踪） | 全面追踪，监控换便利 | ? 完全成真，甚至超出预期 |
| Questioning（质疑） | 好问题比好答案更有价值 | ? AI时代更加凸显 |
| Beginning（开始） | 将所有人和机器连接成全球矩阵 | ???? 正在进行，未完成 |
KK 2016年的核心判断：这些趋势不是"会不会发生"，而是"已经在路上"，人类唯一的选择是如何与之共存。
第二章：KK最重要的AI判断——三种智能理论
这是KK最新（2025-2026年）思想的核心，也是理解AI未来发展的关键框架。
核心观点：当前AI只掌握了三种智能中的一种
第一种智能：书本智能（Book Smarts）
定义：通过阅读所有人类写过的文字获得的超级知识，能回答问题、做研究、解决数字任务。
现状：已经大幅超越人类。
比喻：一个读完了人类所有书籍的天才——他知道"杯子松手会掉在地上会碎"，因为他读过几百万篇描述这件事的文章。但他不知道为什么——不知道重力是9.8米每秒平方，不知道距离越近冲击力越小，不知道瓷杯比塑料杯更脆。
代表：ChatGPT、Claude、Gemini等所有大语言模型。
局限：只能处理见过的情况；只知道结论，不理解背后的物理规律；遇到没见过的新情况就容易出错。
第二种智能：空间智能（Spatial Intelligence / World Sense）
定义：训练于真实物理世界而非文字描述的智能，理解物体在三维时空中如何运动，知道物理规律。
现状：正在突破，是2026-2028年的最大爆发点。
比喻：不只是知道"杯子会碎"，而是真正理解：
- 重力让杯子下落
- 距离地面越近，冲击力越小
- 瓷杯在大理石上比在地毯上更容易碎
- 塑料杯不会碎
有了这种理解，AI能正确处理从未见过的新情况——因为它懂规律，而不只是记结论。
为什么没有满街机器人？ 因为机器人需要空间智能——它需要知道抓一个杯子需要多大力度，需要感知三维空间中物体的位置和重量。这是现在的大语言模型做不到的。
代表公司：
- 英伟达 Cosmos（已上市，NVDA）
- 李飞飞 World Labs（未上市，关注IPO）
- Google DeepMind Genie 3（通过GOOGL投资）
这种智能为什么重要：空间智能是通往持续学习的必要前提——AI首先需要理解真实世界，才能从真实世界的经验中学习。
第三种智能：持续学习（Continuous Learning）
定义：在使用过程中不断从经验中学习、持续进化的能力。
现状：AI最致命的短板，目前尚未解决。
为什么是最大短板？
用交易员来理解：
| 维度 | 当前AI（交易员A） | 人类（交易员B） |
|---|---|---|
| 知识量 | 读完所有书，碾压人类 | 有限 |
| 记忆机制 | 每次对话结束归零 | 永久积累 |
| 错误学习 | 永远重蹈覆辙 | 亏过一次刻骨铭心 |
| 成长轨迹 | 永远停在训练完的水平 | 越做越好 |
为什么AI不能保存记忆？
这是一个深层的技术问题：
-
训练完成即冻结：AI训练的过程就像烧制陶器——烧制过程中泥土是软的，可以调整；进窑烧完之后，形状永久固化。你跟AI对话，只是在"用"这个陶器，不是在重新塑形。
-
灾难性遗忘：强行让AI从新对话中学习，它在学新东西的同时，会把旧知识覆盖掉——就像一块只有一面的黑板，写新东西就必须擦掉旧东西。
-
计算代价极高：重新训练一次GPT-4级别的模型，要花几千万美元、几个月时间。每次对话结束都重新训练，根本不可能。
-
人类大脑的优势：人类大脑通过睡眠巩固记忆，海马体协调新旧记忆不互相覆盖，这是进化了数百万年的生物系统。AI没有对应机制。
关键结论（KK原话）：
"2026年AI agents无法替代人类工人的主要原因，是它们永远不从错误中学习，而人类哪怕没那么聪明，也能在岗位上每天进步。"
第三章：三种智能的完整路线图
【现在】第一种：书本智能
已实现，超越人类
知道所有结论，但不懂背后规律
↓
【2026-2028】第二种：空间智能
正在突破
真正理解物理世界，能举一反三
↓（空间智能是持续学习的前提）
【2028+】第三种：持续学习
尚未解决
从每次经历中真正成长，像人类一样进化
↓
真正意义上的通用人工智能（AGI）
KK的核心判断：
"30年后回头看2026年，会说那时候根本没有AI。我们现在在Day 1。"
第四章：空间智能战场——谁在领跑？
全球空间智能竞赛格局
第一梯队：美国
英伟达 NVDA（已上市）——基础设施垄断者
- Cosmos：用2000万小时真实世界视频、9000万亿token训练的世界模型，已被下载超过200万次
- Isaac机器人仿真平台：让机器人在虚拟世界训练，成本是真实世界的百分之一
- Omniverse数字孪生：整个工厂、城市的数字复制
- 投资逻辑：不只是卖GPU，而是整套Physical AI基础设施的垄断者
李飞飞 World Labs（未上市）——最受关注的创业公司
- 2026年以50亿美元估值完成5亿美元融资
- 核心产品Marble：让AI从单张图片就能重建完整三维空间
- 李飞飞的历史：ImageNet（2012）直接引爆深度学习革命，她有从数据基础设施改变整个行业的先例
- 关注IPO时间表
Google DeepMind Genie 3（通过GOOGL投资）
- 第一个真正的实时交互通用世界模型
- 能从文字提示以每秒24帧生成可导航的3D环境
- 物理规律从观察中学习，而非硬编码
第二梯队：中国
字节跳动 Seedance 2.0（未上市）——你注意到的那个
用户的判断完全正确：Seedance 2.0是目前最先进的AI视频生成模型之一。瑞士咨询公司CTOL测试后认为它超过了OpenAI的Sora 2和Google的Veo 3.1。
核心能力：
- 接受最多9张图片、3段视频、3个音频作为参考输入
- 最长20秒视频，比前代快30%
- 达到好莱坞大片质感，Hollywood编剧看完后评价"好莱坞即将被革命/摧毁"
- 背后依赖的是Douyin（抖音）积累的海量真实世界视频数据——这是空间智能的核心训练数据
快手 Kling 3.0（港股 1024.HK，已上市）——唯一可直接投资的中国AI视频纯标的
- Kling AI视频在2025年12月单月收入超过2000万美元，商业化已经启动
- 过去一年股价上涨超过50%
- 人脸细节和人体动作方面被评为"最自然的人体运动"
腾讯 HunyuanVideo（港股 0700.HK，已上市）
- 视觉质量评分高达96.4%，超过Runway Gen-3
- 完全开源，积极维护
阿里巴巴 RynnBrain（纽交所 BABA，已上市）
- 专门为机器人设计的开源AI模型
- 依托阿里云算力平台，有完整的变现通道
第五章：持续学习——最新突破方向
KK认为解决持续学习是AI发展史上最重要的未解难题。目前有以下进展：
Google Nested Learning（嵌套学习）——2025年底最重要突破
在NeurIPS 2025发表，核心思路：
把AI模型不看作一个连续的处理过程，而是一系列以不同速度运作的嵌套学习层。
用开车来理解：
- 快速层（几秒）：教练说"踩刹车"，立刻执行
- 中速层（几小时）：练习几小时后，开始有距离感
- 慢速层（几个月）：倒车、并线变成肌肉记忆，永久刻入
人类学会倒车，不会忘记怎么踩刹车。这三层互不干扰，同时存在。
Nested Learning就是给AI造了多块速度不同的黑板——快的写今天的新消息，慢的存多年积累的深层规律，新知识不再覆盖旧知识。
这是第一次从数学架构层面真正接近解决灾难性遗忘问题。
斯坦福+英伟达 TTT-E2E
让模型在推理过程中通过预测下一个词来持续学习，把当前上下文压缩进模型权重。训练时模型学会了"如何更新自己的权重"——端到端的方案。
预测时间表
| 时间 | 预期进展 |
|---|---|
| 2026年 | 可靠世界模型+持续学习原型突破年 |
| 2027年 | 具备持续记忆的统一世界模型 |
| 2028年后 | 可能出现自主改进循环 |
第六章：开源 vs 闭源——AI竞争的本质
当前格局
性能排名（2026年4月）：
第一梯队（顶尖闭源，性能差距已压缩到1%以内）：
- Gemini 3.1 Pro（Google）
- GPT-5.4（OpenAI）
- Claude Opus 4.6（Anthropic）
第二梯队（开源追赶）：
- DeepSeek V4：性能媲美顶尖闭源，价格仅为Claude Opus的1/50
- Qwen 3（阿里）
关键数字
DeepSeek V4 vs Claude Opus 4.6:
- 输入token价格：DeepSeek便宜约50倍
- 输出token价格：DeepSeek便宜约68倍
- 性能差距：不到5%
这意味着什么：开源用百分之几的成本做到了九成以上的性能。
开源的四大优势（结构性，闭源无法复制）
- 全球贡献：几十万工程师一起优化，速度远超任何单一公司内部团队
- 数据主权：企业自己部署，数据不经过任何第三方服务器
- 价格接近零：一次性部署，边际成本极低
- 生态粘性：全球开发者围绕它建工具，形成Linux式的不可替代生态
开源模型怎么盈利？
| 公司 | 开源动机 | 真正的钱在哪里 |
|---|---|---|
| DeepSeek | 幻方量化副业，主业是对冲基金 | 量化交易收益 |
| Meta Llama | 打击OpenAI/Google闭源护城河 | Facebook广告生态 |
| 阿里Qwen | 引流到阿里云 | 云服务算力收费 |
核心逻辑：开源模型是一把钥匙，打开的是云服务、生态控制、人才吸引，或者完全不相关的主业。
长期趋势预判
最好的模型：会继续在闭源阵营诞生（资源最多，最先解决持续学习）
用的最多的模型：很可能是开源模型
历史规律：
- Windows从来不是技术最好的操作系统，但用的最多——因为生态
- Android不是性能最好的手机系统，但占全球80%份额——因为开放
- Linux不是最好的服务器系统，但驱动了全球90%的服务器——因为免费+生态
第七章：估值逻辑——闭源AI公司值多少钱？
你的判断是对的
当开源追赶闭源，性能差距越来越小，闭源AI公司凭什么值那么多钱？
这已经发生过一次： 2025年1月DeepSeek发布当天，英伟达单日市值蒸发6000亿美元。
闭源AI公司现在的估值逻辑
他们靠四个护城河支撑估值：
- 数据飞轮：用户越多→数据越多→模型越好→吸引更多用户（正循环）
- 企业合同锁定：大企业把业务流程建在某个AI平台上后，迁移成本极高
- 品牌信任：企业宁愿多花钱用OpenAI，因为出了问题有人负责
- 垂直整合：微软投OpenAI，整合进Office/Azure，这个生态无法复制
但每个护城河都在被侵蚀
- 数据飞轮 → 开源社区也在积累数据
- 企业锁定 → 开源部署成本越来越低
- 品牌信任 → DeepSeek已证明开源可以信任
- 垂直整合 → Google/Meta/亚马逊都有自己的生态
估值本质
OpenAI现在估值接近3000亿美元，用传统财务指标根本算不出来。这是纯故事估值，赌的是：
在持续学习问题被解决之前，现在的领先者能否建立足够深的护城河，让后来者追不上？
解决持续学习 = 重新洗牌
谁先解决持续学习问题，谁就重新拉开与所有竞争者的差距。而这个突破最可能发生在资源最雄厚的闭源公司（或Google DeepMind）。
第八章：投资框架——基于Kevin Kelly三种智能
下一个爆发顺序
? 已爆发：书本智能（LLM）
→ 2020-2025年的AI浪潮
→ NVDA、OpenAI生态受益
???? 正在爆发（2026-2028）：空间智能
→ 机器人、自动驾驶、工业数字孪生
→ 视频生成AI是入口
? 下一个拐点（2028+）：持续学习
→ AI从工具变成智能体
→ 那时候才是真正的AGI时代
可投资标的梳理
已上市，值得关注
英伟达 NVDA
- 逻辑：Physical AI时代的基础设施垄断者
- 不只卖GPU，Cosmos+Isaac+Omniverse是整套空间智能基础设施
- 风险：估值已经很高，需要等待合理买点
Google / Alphabet GOOGL
- 逻辑：唯一一家在三种智能全部有领先布局的上市公司
- 书本智能：Gemini 3.1 Pro（当前benchmark领导者）
- 空间智能：DeepMind Genie 3（第一个实时通用世界模型）
- 持续学习：Nested Learning（NeurIPS 2025最重要突破）
- 相比NVDA，估值更合理
快手 Kuaishou 1024.HK（港股）
- 逻辑：中国AI视频唯一上市纯标的，已商业化
- Kling 12月收入超2000万美元，过去一年股价+50%
- 风险：字节跳动Seedance是最强竞争对手（但未上市）
腾讯 0700.HK（港股）
- 逻辑：HunyuanVideo在视频生成领先+游戏+云
- 体量更大，AI只是其中一部分
- 更适合作为中国AI大盘配置
阿里巴巴 BABA（纽交所）
- 逻辑：Qwen语言模型+RynnBrain机器人AI+阿里云算力变现
- 地缘政治风险需要考虑
值得关注的未上市公司（等IPO）
- World Labs（李飞飞）：空间智能最受关注创业公司，50亿美元估值
- Physical Intelligence（PI）：机器人基础软件，Sequoia/Lux Capital投资
- 字节跳动：Seedance是最强AI视频，但上市路径不明朗
投资时间维度
| 时间段 | 主题 | 标的 |
|---|---|---|
| 现在-2027 | 空间智能基础设施 | NVDA、GOOGL |
| 2025-2027 | 中国AI视频商业化 | 快手1024.HK |
| 2027-2030 | 持续学习突破 | GOOGL（Nested Learning领先） |
| 2030+ | AGI时代 | 届时重新评估 |
第九章：KK最反主流的判断——投资者必须理解
判断一："训练数据10年内不重要"
DeepSeek用OpenAI百分之几的训练成本，做出了接近GPT-4的效果，证明了：聪明的算法设计可以抵消数据和资源差距。
这直接打击了"谁拥有最多数据谁赢"的主流叙事——而OpenAI、Google、百度都在疯狂囤数据。如果KK是对的，这些囤数据的策略将来价值大幅缩水。
判断二："2026年只是Day 1"
KK在2026年2月说：30年后回头看2026年，会说"那时候根本没有AI"。
含义：现在关于AI的所有激进预测，可能都还是低估了。但同时，短期内被高估的可能性也很大。KK的立场是：
"人们倾向于高估AI的速度，严重低估AI的长期影响。"
判断三："AI不能被一句话定义"
KK说："你可以把当前AI理解为——我们在制造某种盐，但我们甚至不知道它是由什么组成的。"
智能不是单一的力量，而是多种认知能力的复合体，我们尚未完全理解。
含义：那些自信说"AI会/不会做什么"的人，其实都在盲人摸象。包括那些给AI公司做出天价估值的投资银行。
判断四：三大不确定性
- AGI是否真的可能实现？ 不确定
- 算力会走向集中还是去中心化？ 决定行业垄断格局
- AI将如何从语言智能进化到空间智能和情感智能？ 决定下一个投资爆发点
第十章：总结——Kevin Kelly框架的核心启示
对理解AI的启示
-
现在的AI是"背答案的学生"，不是"懂原理的学生"——它只有书本智能
-
空间智能是下一个拐点——让AI真正理解物理世界，这是机器人和自动化时代的前提
-
持续学习是最终分水岭——解决这个问题的那天，AI从工具变成智能体，整个行业重新洗牌
-
开源会赢得普及战——就像Linux赢得服务器市场，不是因为最强，而是最便宜+生态最大
对投资的启示
-
书本智能阶段的股票已经贵了——NVDA已经price in很多，需要等合理买点
-
空间智能阶段刚刚开始——这是现在最好的投资时机窗口
-
中国公司在空间智能上不落后——字节跳动Seedance已是世界级，快手Kling已商业化
-
Google是最均衡的AI投资标的——三种智能全覆盖，估值相对合理
-
持续学习突破=最大催化剂——一旦发生，所有AI公司重新估值，Google因Nested Learning可能最受益
附录：关键概念速查
书本智能：通过文字数据训练的AI能力，知道结论但不理解规律
空间智能（Physical AI / World Models）：理解三维物理世界的AI能力，是机器人时代的基础
持续学习：AI在使用过程中持续从经验中成长的能力，目前尚未实现
灾难性遗忘：神经网络学习新知识时覆盖旧知识的根本缺陷
Nested Learning：Google在NeurIPS 2025提出的持续学习新范式，多速度嵌套学习层
Cosmos：英伟达的世界基础模型，用2000万小时真实世界视频训练
Genie 3：DeepMind的实时交互通用世界模型
Seedance 2.0：字节跳动的AI视频生成模型，目前被评为最先进
Kling 3.0：快手的AI视频生成模型，已商业化，月收入超2000万美元
DeepSeek：幻方量化出品的开源大语言模型，用极低成本做到顶尖性能
本文整理自2026年4月与AI的深度对话，基于Kevin Kelly《失控》《必然》《2049》及最新公开演讲整理而成。
作者：Thinking with AI | Tony | Macro Trader X：@tonymao2016 | YouTube：@ThinkingwithTony
