凯文·凯利十年前的五个 AI 判断，对了几条

十年前写的几句话，今天读起来像预言，也像提醒。最有意思的不是他对了多少，是他错的那条错在哪。

一、发生了什么

Taylor Town 近日发了一篇文章，把凯文·凯利 2016 年出版的《必然》里关于 AI 的判断摘出来，逐条对照十年后的 2026 年。

他挑出的五条大致是：到 2026 年，谷歌的主产品将不再是搜索而是 AI；未来的 AI 格局会由两三家大型通用云端智能形成寡头；AI 更像亚马逊云服务——便宜、可靠、藏在一切背后；大部分商业 AI 会是只做一件事的专用系统，人们接触到的 99% 都属于这种狭窄专家；最后一条是，人们会用日常语气向云端提任何问题，每个答案的成本低到「纳美元」级别。

写这些的时候，Transformer 还没被发明（2017 年才发表），谷歌正靠搜索贡献约八成收入，每天处理约 30 亿次查询。把五条摆在一起看，比单条对错更有意思。

逐条对照：两条全中，一条半中，一条错了

寡头那条，几乎全中。 今天的前沿格局基本是 OpenAI、谷歌、Anthropic 三家领跑。凯利当时还补了一句期待：这种智能最好不只是便宜，而是免费。前半句兑现了，后半句没有。

「AI 像 AWS」那条，全中。 模型按 API 卖、按 token 计费、藏在各种产品背后，用户根本不知道自己在调哪个模型。这是过去三年最准确的一个比喻。

「用对话问任何问题」那条，也全中。 只是他没料到答案会以「胡说八道」的方式出现一部分。答案确实便宜到接近零，验证答案的成本反而上来了。

「谷歌的主产品不再是搜索」这条，半中。 搜索仍然是谷歌的现金牛，但它已经被 AI 改写：摘要占了首屏，点击流被截走，用户的行为从「找链接」变成「要答案」。产品还在，形态变了。

错得最彻底的是「99% 是专用专家」这条。 现实走的是相反方向：一个通用模型同时写代码、翻译、做表格、陪聊、看图片。「苦涩的教训」在这十年里又赢了一次——能堆数据、堆算力的通用方法，反复压过精心设计的专用系统。

二、跟你有什么关系

每天看 AI 新闻的人：把「方向」和「时点」分开看。凯利的方向判断命中率很高，时点几乎都偏早。看到「三年内实现」这类说法，默认往后推。

做产品的人：他错的那条最有参考价值。如果你的产品假设是「专用小模型会更懂垂直行业」，要小心，通用模型每升级一次就会吃掉一层。护城河要建在数据、流程和场景里，不在模型本身。这是过去两年最贵的教训之一。

普通用户：AI 会像水电一样便宜、随取随用，这个判断已经成立。但这不意味着它可靠。便宜的答案是常态，可靠的答案仍然要花钱、花时间，也仍然需要你自己判断。

三、怎么用：三条校准期待的方法

1. 把「方向」和「时点」分开记。 凯利的五条方向基本成立，时点普遍偏早。看到「三年内实现」这类说法，先在日历上往后挪两三年，再决定要不要下注。

1. 用「哪条可能被推翻」当检查项。 每读一份新预测，问一句：如果它错了，最可能错在哪一层——是技术路线，还是成本曲线。路线错了会全盘皆输，成本算错了只是慢一点。

1. 十年太长，先做三年对照。 把今天听到的判断记下来，标注时间和可验证的结果，三年后回看。这比争论谁更懂 AI 有用得多。

四、三个别信的说法

「预测对了就是神。」 凯利五条里对得最准的，是「云端按量供应」这种结构性判断，这类判断在 2016 年的技术圈并不罕见。真正稀缺的是他敢把时间点写出来——写出来才会被检验，也才会错。

「预测错了就没有价值。」 错的那条恰恰信息量最大。他按当时的直觉认为专用系统会赢，结果通用模型赢了。这条错误提醒所有人：不要用今天的工程常识去推十年的技术路线。

「AI 会便宜到可以忽略不计。」 电费便宜，但没人因此不看电表。按 token 计费的模式已经证明，成本会随着使用量线性增长。真正变化的是单价下降的速度，不是账单消失。

五、一句话结论

十年前那份清单里，最值钱的不是命中的四条，是那条被现实推翻的、关于「专用」的直觉。

信息来源

• Taylor Town《Kevin Kelly's 2016 AI Predictions, 10 Years Later》，2026：https://taylor.town/kk-ai-2026

功能与价格以官方公告为准。本文写于 2026 年 10 月 17 日。