AI未来五年：四大变量重塑行业格局

近年来，AI技术的迅猛发展超乎所有人的想象。然而，技术进步的快速步伐与实际应用之间的鸿沟，成为另一大挑战。

2026年2月18日，新德里举办了全球首次在发展中国家举办的顶级AI峰会，聚焦的核心议题：如何让AI真正落地。

Google CEO Sundar Pichai、诺贝尔化学奖得主兼Google DeepMind CEO Demis Hassabis、Google负责技术与社会研究的高级副总裁James Manyika，三位谷歌核心人物首次同台，他们讨论的不再是技术本身，而是技术之外的现实世界能否跟上AI的步伐。

这场对话揭示了未来五年AI发展的真正变量。

变量一：落地速度正拉开行业差距

过去几年，AI的竞赛在于模型实力的比拼；而未来五年，则是看谁能够最快将AI技术融入实际工作中。

谈到印度过去十年的数字化跨越，Sundar Pichai将其定义为“变革的起点”。AI不再是少数大厂的试验品，而是逐步进入普通的工作场景。医生用它整理病例，农民用它优化农业决策，学生靠它弥补理解上的断层。AI的价值不再局限于云端，而是体现在具体的工作岗位上。

这种从云端到泥土的转变，直接反映在商业数据上。

Pichai透露了一个关键细节：Google云业务的积压订单一年翻倍，达到2400亿美元。这不是单纯的技术指标，而是市场给出的实际反馈。企业已经开始为AI付费，并且支付的是长期账单。

在商业世界中，“增长速度”比功能更能说明方向。一个行业愿意提前锁定几十亿、上百亿的预算，只说明一件事：AI已经从“能不能用”，变成了“必须用”。

企业之所以愿意砸下重金，是因为AI已经开始切实改变工作流程。Pichai提到一个场景：病人输入症状，AI自动生成报告，让医生把精力放在真正需要判断的地方。医疗中的等待、重复、整理等隐形成本就这样被切掉了。教育、农业、物流、制造等领域都在经历相同的变化。率先完成这一步的与还没开始的，差距会越来越大。

更深的影响在于普及。Pichai说，AI再强，如果使用者不够多，其价值就无法发挥。谁能让更多人用得起AI，谁就能在未来五年占据优势。印度式的快速普及、跨语言支持、移动端入口，都是这种趋势的缩影。

“AI会重写每一个行业。”

未来五年，走在最前面的注定是那些让AI最快落到实际工作里的人。

变量二：三道短板决定AI能走多远

但AI的落地能走多远，还得看技术本身能否跟上。在这场对谈中，Demis Hassabis谈的不是成本和应用，而是更底层、更难跨越的三道短板：持续学习、长期规划、稳定表现。

这三道短板决定了AI的上限究竟能被抬到多高。

短板一：只能“学一次”，无法越用越聪明

Hassabis指出，今天的模型训练完就定型了。无论使用多久、遇到多少新情况，它都不会因此变得更聪明，也不会根据与用户的互动调整判断。

而在医疗、科研、制造、金融等专业领域，信息每天都在变。如果AI无法从实际场景中持续吸收经验，就只能停留在“能回答”，很难进化为“能协作”。

未来五年，这道短板能否补上，将直接决定AI在专业世界的参与深度。

短板二：规划跨度太短，无法完成复杂任务

抛开晦涩的评测跑分，Hassabis用一个现实场景精准刻画了这种“能力断层”：现在的AI可以很快解答一道数学题，却无法像人一样提前规划接下来三个月的项目推进。

回答一个问题，AI做得很好。但把一件事从头推到尾，中间涉及多个步骤和决策时，它就容易跑偏。

现实中真正有价值的工作从来不是一两步就能完成的。研发药物、制定供应链策略、运营大型医院等都需要跨越很长的周期。AI只有补上这块短板，才能真正接手这类复杂任务。

短板三：能力参差不齐，强弱落差太大

AI能解奥数题却可能在小学题上犯错；能写程序却可能在相似问题上给出截然相反的结果。企业把AI放进核心流程时最怕的不是偶尔出错而是无法预测何时会出错。

稳定性不足是当前大模型最大的不确定来源。这个短板一旦补上，AI的可信度和可靠性才能真正上一个台阶。

正是这三道短板让Hassabis给出了一个具体的时间窗口：AGI（通用人工智能）不是遥远的事5到8年内就可能发生。只要这三条短板被补上，AI的能力才算第一次接近人类的全面水准。突破点从来不在规模而在能力是否完整。

变量三：任务在重排技能和企业能否跟上

Pichai和Hassabis谈的是AI本身能走多远而Manyika关注的是更现实的一层：面对这股洪流人和组织该如何跟上？

他说未来五年最大的不确定不在于工作岗位会不会消失而在于组成这些岗位的任务会以多快的速度被重新组合。

1）岗位没消失但每天做的事正在悄悄换

工作从来不是整体而是由许多任务组成。有的任务会缩小有的会放大还有很多会被重新定义。

举一个最简单的例子：一个客服岗位以前一半时间在回答重复问题现在AI能把这部分自动处理掉。客服并没有消失但任务比例已经变了。

2）技能没跟上机会就成了别人的

任务一旦重排考验就来了。在这段时间里既没有旧任务可以依赖新机会也还没有完全打开。

3）反而是中小企业最有机会借势跑出来

这是Manyika最具洞察力的观点：AI第一次给了小企业一个机会用上以前只有大企业才用得上的东西。

变量四：走进物理世界AI才算真正开始做事

1）从“被动回答”到“主动做事”

过去的AI本质上停留在“等你发问”。无论是聊天、搜索还是写代码核心机制都是回应式的。

2）多模态叠加机器人AI首次真正“触碰”世界

“为什么走进物理世界会成为未来五年的大变量？”