王坚：以年轻人的方式思考AI与可持续发展

“这是人类历史上年青人最多的时候，但是差不多快被忘掉了。”

在一场公开演讲中，相关领域专家分享了他对人工智能与人类未来的思考。这场演讲没有围绕大模型参数、算力规模或是具体应用落地展开，而是将话题锚定在他长期关注的可持续发展议题上。在他看来，人工智能以及其他前沿技术，正在成为解决人类可持续发展难题的关键变量。

他提出，人工智能的载体不只是单一的科技产品，更应该是承载绝大多数人类生产生活的城市本身。由此，他再次抛出了十年前提出的“城市大脑之问”：能不能只用10%的资源，就让我们活得很好？

在他的理解中，人工智能真正值得期待的方向，并不只是完成更多任务、替代更多人类工作，而是用更少的自然资源，完成过去需要大量资源才能达成的目标，进而让人类拥有更多资源去开展创新。

而要实现这样的目标，恰恰需要“年青人的方式”——不害怕不完美，不迷信已有的标准答案，也不必等到把所有风险都计算清楚之后才开始行动。用这样的方式思考人工智能，就不该把自己局限在“所有人都认为AI应该是什么样”的框架里，恰恰相反，那些被大众视为理所当然的AI形态，可能正是最大的认知误区。这个世界上真正值得思考的事物，远比我们平时接触到的要多得多。

人类历史上年青人最多的时代，也是挑战最大的时代

他首先将人工智能技术放置在更宏大的全球发展背景中审视。根据联合国近期发布的可持续发展报告，距离2030年目标实现仅剩不到5年时间，但目前全球仅有约15%的可持续发展目标已经完成，另有15%的目标出现了严重倒退。联合国秘书长也曾指出，解决这一问题的唯一手段就是技术，没有其他备选方案。

但问题的另一面在于，过去几十年的科技发展，本身伴随着资源消耗的快速增长。1950年至今，是人类科技发展速度最快的时期，但与此同时全球碳排放也持续攀升。作为一名科技工作者，他坦言自己有时会感到内疚，因为过去科技发展的一个重要结果，就是让人类拥有了大规模、毫无节制地使用自然资源的能力。

因此，如果未来几十年要实现碳排放的快速下降，科技需要解决的问题已经不再是简单的“如何发展”，而是一个更具挑战性的命题：如何在降低碳排放的同时，不需要占用过多的自然资源？这意味着科技发展的逻辑需要发生根本性转变——过去的科技往往帮助人类获取更多资源、消耗更多资源，而当下及未来的新技术，则需要帮助人类减少资源消耗本身。

他认为，过去人类习惯于讨论“如何获得更多资源”，却很少追问一个更基础的问题：我们为什么需要消耗这么多资源？

十年前他在思考“城市大脑”概念时，就曾提出过类似的疑问。他曾在一场英国的环境展上了解到，英国普通家庭每天的用水量相当于17个汽油桶，而东埃塞俄比亚的普通家庭日均用水量仅约2个汽油桶。由此他延伸思考：如果一个家庭实际上只需要6桶水就能生活得很好，那么即便把17桶水全部净化后交给这个家庭，也未必是一件真正具有社会责任的事情。

这样的问题并不只局限于水资源。他举例说明，两台装机容量和发电能力基本相同的核电站，建设过程中使用的水泥量可以相差60%至70%，电缆、管道等其他资源的消耗也存在类似的巨大差异。这也让他再次明确了“城市大脑之问”：我们能不能只使用今天人均消耗10%的资源，也依然让人类活得很好？

数据是数字时代的自然资源，AI可能成为节约资源的工具

他认为，这个十年前提出的命题，在今天和人工智能产生了直接的联系。他给出了两个核心判断：第一，数据是数字时代的自然资源；第二，最有机会用好数据的，就是人工智能。

在传统城市中，大量的资源消耗隐藏在复杂的基础设施和运行系统中。水管的漏水、电力系统的损耗、交通系统的低效率，都很难依靠人工进行实时判断和优化调整。但进入数字时代之后，城市会产生海量的数据，如果能够真正将这些数据利用起来，就有机会重新计算一座城市究竟需要多少资源，以及资源究竟浪费在了哪些环节。他曾参与相关国际报告的撰写，初衷就是探讨人工智能如何帮助城市解决资源消耗问题。

这也是他看待人工智能的一个重要视角。当下行业讨论人工智能时，经常围绕音箱、手机、机器人、办公软件等具体产品展开，但在他看来，还有一个更大的“载体”常常被忽略——城市本身。这也解释了他为什么反复强调，人工智能不应该只被理解成一个“替代人类做事”的工具。

“世界把最困难的问题留给了年青人”

在他看来，“10%的命题”最终会落到当下的年轻人身上。他说，世界有意无意地把最困难的问题留给了年轻人，未来20年、30年，人类能否找到一种新的发展方式，需要今天的年轻人来给出答案。这也是他发起“2050”科技活动的重要原因之一。

从2018年开始，他发起“2050”科技活动，希望让年轻人聚在一起，不只是听一场演讲，而是在现场连续待上两天半、共计60个小时。他曾表示：“不待在一起，永远不会有新的想法。”

在他的理解中，所谓“年青人的方式”，并不只是年龄层面的定义。年轻人就像没有伞的孩子，他们觉得雨下到身上不是个问题，如果雨下到身上都不算问题，那刀子下到身上也不会是问题。如果每一件事情都先被定义成“问题”，那么这个世界最终所有事情都会变成问题。

这种“不把问题当成问题”的心态，同样体现在创新领域。他回忆起2018年“2050”活动期间，云深处创始人朱秋国曾带着初代机器狗来到现场。当时的机器狗还远没有今天这么成熟，但团队并不介意将一个“不完美”的作品展示给众人。

“什么叫年青人？年青人就是明明知道这个东西有问题，他也不在乎给别人看。”他认为，当下很多活动和创新环境，都越来越追求展示“完美的东西”，但事实上，没有任何事物从一开始就是完美的。不完美，是完美不可分割的一部分；失败和成功加在一起，才构成年轻人的定义。

“年青人是这个世界的发动机，青春的热爱是这个发动机的燃料”

他还分享了几个亲眼见过的年轻人故事。2018年，他在“2050”活动中遇到一位年轻人，当时对方正在分享主题为《下一站，太空》的内容。这个年轻人当时没有财富积累，也没有所谓的成功经验，却认定自己的下一站就是太空，并且真的开始付诸行动。几年后，这个创业团队开始尝试可回收火箭项目。

他认为，今天我们看到的技术成果，并不是因为“有人告诉我们应该做什么”，而是因为此前已经有人在没有掌声、没有鲜花、甚至没有多少人关注的时候就开始了行动。

他还提到另一位年轻人吴晓飞，在“2050”活动现场，吴晓飞曾将一个小型喷气发动机装到自行车上，让自行车的时速达到约60公里。他曾亲自体验过这辆改装自行车，停下来之后才知道，这辆车当时只花了100元就改装完成。

“有韧性才叫年青人。”在他看来，当一个人把所有风险和可能性都认真计算完以后，反而已经不再是年轻人的状态了。年轻人的特点恰恰是：知道有风险，但仍然愿意去做。他用一句话总结这种状态：“年青人是这个世界的发动机，青春的热爱是这个发动机的燃料。”

他还特别强调了“见面”的意义。在“2050”活动现场，他曾放置过一个路标，上面标注了几个距离数字，其中一个是100公里——人类距离太空的距离。但他后来将这句话改成了：“不是人类离太空只有100公里，每一个人离太空的距离都是100公里。”这个距离不取决于财富和身份。

而比100公里更近的，是5米。他认为，一个人距离真正去做一件事情，有时候只有5米的距离，只要和一个真正让你产生兴趣的人见面，就可能发生原本没有预料到的变化。从2018年至今，“2050”已经吸引来自全球517个城市的年轻人参与。对他来说，这种面对面的交流，本身就是创新发生的条件。“天天在线上聊天聊到最后，把自己聊得找不到北了”，不如去见一个从来没有见过的人。因为一个来自不同地方、不同背景的人，可能恰恰会让原本固化的想法发生改变。

年青人不知道自己的未来，却天天操心人类的未来

演讲最后，他再次定义了什么叫年青人：“就是一群自己的未来不知道在哪里，天天操心人类未来的人。”

这也构成了他理解人工智能的另一层逻辑。为什么需要用年青人的方式思考AI？因为未来本身并不存在一个现成的“需求清单”。他用贝多芬《第五交响曲》的例子来解释：在贝多芬创作之前，没有人提出过“我需要一首《第五交响曲》”这样的需求。但作品出现之后，人们才知道，原来世界可以拥有这样一种音乐。因此，未来不是简单从需求中推导出来的，而是被创造出来的。

在这个意义上，人工智能也不应该只是对现有需求的响应。更大的机会，可能藏在那些今天还没有被提出、甚至没有被认为是“需求”的问题里，比如让城市只消耗10%的资源，也能让人类拥有足够好的生活。

演讲现场，有观众向他提出了一个尖锐的问题：如果人工智能本身正在消耗越来越多的电力，那么用AI解决能源和资源问题，会不会反过来制造新的能源问题？他的判断是：“如果我们在人工智能技术上投入一度电，这个世界可能在别的地方可以少用10度电。”

在他看来，现在人工智能的高能源消耗，很大程度上是因为这一技术仍处于发展的早期阶段。就像早期的灯泡本身也很耗电，但照明系统整体的能源效率最终还是不断提高。因此，他仍然认为，AI能源问题是一个“可解的问题”。

面对现场关于“AI是否最终会产生自主意识、甚至取代人类”的问题，他没有直接给出证明式的回答，而是认为需要先改变一个认知：AI既不会、也不能，更不应该取代人。在他看来，人类历史上的每一次技术进步，往往不是简单地把人的能力拿走，而是重新定义人的能力边界。因此，当AI替代一些人类熟悉的工作时，人类需要看的不仅是“我失去了什么”，还包括：技术是不是正在帮助我们发现自己此前没有意识到的潜能？

结语：AI真正的价值也许不是“做更多”

从“城市大脑之问”到今天的人工智能议题，他真正关心的似乎始终不是某一项技术最终能做到什么，而是技术究竟应该把人类带向哪里。当下的AI模型越来越强，算力越来越大，智能体开始进入越来越多的工作和生活场景。但在这些发展之外，或许还应该多问一句：这些能力究竟要解决什么问题？

这也是他反复强调“用年青人的方式思考AI”的意义所在。年青人并不一定知道答案，但愿意去问那些还没有答案的问题；不一定看得清未来，但愿意先迈出第一步。对于仍处在早期阶段的AI来说，这种“不急着接受现成答案”的能力，也许比预测AI最终会变成什么更加重要。

真正值得期待的AI，或许不是把今天的一切都做得更快、更大、更复杂，而是让我们重新思考一些过去习以为常的事情，我们真正需要什么，又为什么一定要按照过去的方式去获得它。而这，可能才是“以年青人的方式思考人工智能”留给今天AI产业最重要的问题。