BRAIN / BRAIN × AI20 SEP 2026
脑科学与AI71｜十年后的人工智能长什么样：从大脑和约束里推出来的九个预测
这个系列写到第 70 篇，小明哥提了一个问题：读了这么多大脑，能不能反过来，预测一下以后的人工智能会是什么样子？
十年后的 AI 不会变成一个人脑，也不会只是更大的今天的大模型。更可能的样子是：一个大模型当"皮层"，外面接一个快速记事的"海马"，底下垫一层写死的"脊髓"规则，按"睡一觉再学"的节奏更新，一代代飞快迭代。它会在大脑和它解同一类问题的地方越来越像大脑（省电、按内容找记忆、分层控制），在约束不同的地方继续和大脑分道扬镳（可以复制、不会死、目标由人装进去）。
4条 01 会越来越像大脑 |
3条 02 会继续不像大脑 |
2条 03 说不准 |
预测未来是一件很容易出丑的事。第 ㉗ 篇讲过：能预测的是物理，难预测的是活的东西，最难的是会对预测本身做出反应的东西——AI 行业正好三样全占。所以这一篇不猜具体的产品和公司，只做一件事：用第 69 篇那把钥匙——"约束决定结构"——往前推。看清楚哪些约束会松、哪些不会松，结构会往哪里变，大致就有了方向。
每个预测都标上把握大小，并写清楚"出现什么情况就说明我错了"，方便以后对账。
一条弯路通向远山。预测未来看不清每一个弯，但能看清路被什么地形约束着。图片来源：Isak Fransson / Pexels
十年后AI的三类预测：会越来越像大脑的（省电、分层记忆、分层控制），会继续不像大脑的（可复制、不会死、目标外装），以及仍然说不准的（存算一体芯片、个人终身学习的模型）。
BRAIN / 01
一、方法：先看哪些约束会松，哪些不会
第 69 篇把大模型和大脑的差别归结为两套约束。往前推十年，这些约束各自会怎样？
会越来越紧的：
—电。训练和运行大模型的耗电在快速增长，电网、发电厂、芯片产能都要几年才能扩建。第 34 篇说过，电和芯片在 2030 年前后撞墙是高概率事件。"电可以买"这一条，正在变成"电很贵、而且不一定买得到"。—数据。人类写下的高质量文字快被读完了（第 34、35 篇）。"多读来补学得慢"这条路越走越窄。—搬运。芯片的计算能力涨得快，存储到芯片之间的搬运带宽涨得慢（第 12、35 篇）。
不会松的：
—可以复制。权重是文件，这一点不会变（第 13 篇）。—不必自己活下去。没有哪家公司有动力造一台"会死、会怕死"的机器。—要对人负责。AI 用得越广，出错的后果越大，监管和问责只会更严。
这个推法的意思是：大模型过去十年是在"电、数据、钱都够"的宽松条件下长大的；接下来十年，它要在越来越像大脑的约束——能量紧、数据少、搬运贵——下面长。约束靠近，结构就会靠近。
BRAIN / 02
二、会越来越像大脑的四件事
预测一：省电成为头号指标，模型越来越"稀疏"
内容：未来比较 AI，越来越不看"有多大"，而看"完成同一件事花多少电"。模型每次只动用很小一部分参数（今天的"专家混合"是开始），越来越多的任务交给小而专的模型在手机、电脑上本地完成，只有难题才送去机房里的大模型。
依据：大脑 20 瓦，靠的是任何时刻只有少数神经元在放电（第 31、63 篇）。当电变成硬约束，大模型会被逼着走同一条路。最近 Mistral 预告的新模型——总共一万亿参数、每次只用约 5%——已经是这个方向。
把握：高。
说明我错了的情况：如果十年后主流模型反而回到"每次都用全部参数"，而且没有人在意能耗。
预测二：记忆分两层——"海马"在外，"皮层"在内
内容：AI 的记忆会像大脑一样分成快慢两套。快的一套在模型外面：你说过的话、你的文件、你的习惯，随时记、随时查，像海马（第 58、68 篇）。慢的一套在模型里面：隔一段时间，把外面攒下的东西挑一挑，"睡一觉"整合进模型，像皮层（第 30、33 篇）。第 ⑲ 篇说的"白天记文件，夜里炼适配器"，会成为个人 AI 助手的常见形态。
依据：一边用一边改模型，会"学新忘旧"，而且一个模型服务千万人，没法人人都改（第 69 篇）。大脑用"快记慢学"解决了这个问题；AI 被同一个问题逼着，很可能走到同一个答案。
把握：高。这个方向今天已经很明显，十年里会成为默认做法。
说明我错了的情况：有人找到了便宜、可靠、不会忘旧的"边用边学"方法，模型可以直接每时每刻改自己。
预测三：AI 系统变成"分层神经系统"
内容：未来一个 AI 系统不会是"一个大模型单干"，而是像神经系统一样分层：
—最底层是写死的规则，像脊髓反射：不可撤回的操作一律停下、涉及钱和安全的动作一律要人确认。这一层不靠模型"判断"，而是硬编码（第 65 篇"把稳定放在最底层"）。—中间层是"默认刹住"的选择器，像基底节：多个想法同时冒出来，只放行一个，其余压住（第 51 篇）。—还有一个"总闸"，像丘脑：决定哪些信息进入大模型的"注意"（第 37、42 篇）。
依据：AI 被用来真正"办事"之后，最大的风险不是答错一道题，而是做了一件撤不回的事。大脑几亿年的经验是：最要紧的安全，不能交给最聪明但最不稳定的那一层。
把握：中到高。
说明我错了的情况：十年后主流做法是"让一个足够强的模型自己判断一切"，而且事故率可以接受。
预测四：从"读文字"走向"在世界里试"
内容：AI 学习的重心，会从"读人类写下的文字"慢慢移到"在环境里动手、看后果"：在模拟环境里训练机器人，让 AI 自己写代码、跑代码、看报错，在可以自动判对错的领域（数学、编程、科学计算）大量自我练习。
依据：文字快读完了；而大脑的本事本来就来自"动了，看后果"（第 61、64 篇）。凡是能自动对答案的领域，AI 会进步得最快——第 ⑯ 篇说过，"能对答案的走样会收敛"。
把握：中。方向很确定，但进度分两种：数字世界里会很快；真实物理世界会慢得多，因为现实不能复制、不能加速，摔坏一台机器人要真花钱。这和「有意思的生物学进展」第 8、9 篇讲的 AI 制药是同一件事：电脑里的那一段会飞快，碰到现实的那一段还是慢。
说明我错了的情况：十年后机器人在家庭和工厂里的通用能力，进步速度和聊天模型一样快。
BRAIN / 03
三、会继续不像大脑的三件事
预测五：AI 会一代代飞快进化，但单个模型仍然"不长大"
内容：模型的更新换代会越来越快，AI 越来越多地参与设计下一代 AI（第 43、45 篇）。但你手里那一个模型，主要的本事仍然是"出厂时定好的"，加上外挂的记忆。
依据：可以复制这一条不会变。能复制，就不如冻住、靠下一代重新训练来进步（第 69 篇）。人正好相反：一辈子在长，却传不下去。
把握：高。
说明我错了的情况：十年后主流 AI 产品是"每个用户一个、权重随使用持续变化、越用越不一样"的模型。
预测六：AI 不会有"自己的"价值，目标仍然由人装进去
内容：十年内，主流 AI 的目标仍然是外面设定的：公司定规则，用户提要求。AI 会越来越会"揣摩"人想要什么，但它不会因为"怕死""会痛"而长出自己的价值。
依据：第 46、67 篇讲过，大脑的价值是从"会痛、会死、要付代价"里长出来的。没有人有经济动机去造一台会死的机器；没有身体代价，价值就只能装进去（第 40 篇）。
把握：高。
一个推论：所以"让 AI 和人的价值一致"会一直是人的工作，而不是 AI 自己能解决的事。最终拍板，要留给为后果买单的人。
说明我错了的情况：出现了被广泛使用、目标主要由自身"生存需要"驱动的 AI 系统。
预测七：能力越来越便宜，"不可复制的部分"越来越贵
内容：凡是能写成文字、能被压进模型的能力——查资料、写初稿、翻译、编程、标准分析——价格会持续下降，接近电费。相反，在场的判断、为后果负责的资格、长在一个人身上的经验和信任，会越来越值钱。
依据：第 ⑬ 篇："可复制的能力，价格向复制成本靠拢；一个人的身价，只剩不可复制的部分。"
把握：高。这是这九条里对个人最有用的一条。
说明我错了的情况：十年后"判断和担责"也能像软件一样被复制、并且被社会接受由机器承担。
BRAIN / 04
四、说不准的两件事
预测八：存算一体的芯片——会出现，但不会取代显卡
内容：芯片会越来越把存储放到计算旁边，减少搬运；类脑芯片会在小设备、传感器、低功耗场景里有用。但十年内，训练大模型的主力仍然是显卡这一路。
依据：第 32 篇说过，类脑芯片做到了"像大脑的硬件"，但"配得上这套硬件的学习方法"还没有成熟到能训练大模型。硬件彩票（第 50 篇）也说明：已经跑得通的路，有巨大的惯性。
把握：中低。这是技术上最可能出现意外突破的地方。
预测九：会不会出现"像人一样终身学习"的个人 AI
内容：技术上可能出现，但经济上难以普及。一个人一份、越用越不一样的模型，意味着放弃"复制"这个最大的优势，还要承担难以审查、难以保证安全的风险（第 ⑰ 篇）。
把握：低，两种结果都可能。可能先在少数人、少数专业场景里出现。
BRAIN / 05
五、把九条收在一起
会越来越像大脑（约束靠近，结构靠近）
—省电成为头号指标，模型越来越稀疏、越来越多在本地运行；—记忆分两层：外面快记，里面慢学，"睡一觉"再更新；—系统分层：底层写死规则，中层默认刹住，上层大模型，外加注意力总闸；—学习从读文字走向在环境里试，能自动对答案的领域最快。
会继续不像大脑（约束不同，结构不同）
说不准
BRAIN / 06
六、对我们意味着什么
—别和 AI 比"可复制的本事"。能写成文字的知识，十年后几乎免费。把时间花在只能长在自己身上的东西上：判断、经验、信任、担责。—把 AI 当成一套神经系统来用。让它当皮层（想和写），自己给它配海马（整理好的笔记和资料），再给它垫一层脊髓（哪些事它绝对不能自己做）。—看 AI 新闻，先问约束。一家公司说它的 AI 有多强，先问三件事：它省不省电？它的数据是不是别人拿不到的？它在不在真实世界里被验证过？—预测本身也要对账。这一篇写下了"说明我错了的情况"。过两三年回头看，哪些对了、哪些错了、错在哪个假设上——这本身就是一次学习。
BRAIN / 07
七、边界
—这是基于本系列各篇内容的推理，不是对具体公司、产品或股票的判断，不构成投资建议。—"把握高、中、低"是作者的主观判断，不是统计出来的概率。—技术预测最容易错在"意外突破"和"社会选择"两处；第八、九条就是最可能出意外的地方。—十年是一个大致的时间框，不同预测的兑现速度会差很多。
BRAIN / 08
八、自测：合上文章回答
—这篇预测用的是什么方法？哪些约束会越来越紧，哪些不会松？—为什么说 AI 的记忆会分成"外面快记、里面慢学"两层？—未来的 AI 系统为什么要把最要紧的安全规则放在最底层、写死？—为什么 AI 在数字世界里进步快，在真实物理世界里进步慢？
BRAIN / 09
九、三行，留着复习
```
推法 电、数据、搬运越来越紧，可复制、不必活、要问责不会松；约束靠近大脑，结构就靠近大脑
像大脑的四件 省电稀疏、外快记内慢学、分层控制底层写死、从读文字到在世界里试（数字快、物理慢）
不像和说不准 代际飞快个体不长、目标外装、能力降价而判断升值；存算一体芯片与个人终身学习AI待定
```