Vinod Khosla 对技术与丰裕未来的 12 项预测

原标题Vinod Khosla’s 12 Predictions for Technology and Abundance

Matthew Berman 回应这位风险投资家对 2035 至 2049 年的展望,话题涵盖 AI 专业服务、机器人、交通、能源和气候技术。

MBMatthew Berman讲者 · Forward Future
频道
Matthew Berman
发布
2024年4月22日
视频
21:48
阅读
7 分钟
幻灯片
2
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

2024 年 4 月,Matthew Berman 回顾 Vinod Khosla 对 2035 至 2049 年提出的 12 项乐观预测。他欢迎低成本专业服务、个性化服务和更清洁技术的前景,同时质疑机器人发展时间表、资源丰裕程度及对就业的影响。这些是预测和观点,并非已经实现的结果;视频简介推广了 Pinecone,但没有明确表明存在赞助。

  1. 1专业服务与工作Khosla 设想接近免费的 AI 医生和导师。Berman 期待知识更易获取,同时认识到岗位流失和实体自动化的困难。
  2. 2编程与娱乐两人展望自然语言软件创建和个性化媒体;Berman 推测程序员最终可能消失。
  3. 3充当互联网过滤器的智能体Berman 欢迎能行动和过滤信息的个人智能体,同时担忧过滤过程的偏见和不透明。
  4. 4交通与能源预测包括共享自动交通、5 马赫飞行以及聚变或地热能源。这些是可能性,而不是已具备的能力。
  5. 5预测面临的障碍Khosla 将监管、既得利益、技术失败、市场环境和意外事件列为可能造成延误的因素。

要点建议

  1. Khosla 的 12 项提议描述了 2035 至 2049 年可能出现的未来,并非这些结果必然发生的证据。
  2. Berman 预计 AI 会降低部分专业服务的成本,但也提出准确性、可及性和工作岗位流失的问题。
  3. 10 亿个机器人、个性化医疗以及主要由智能体中介的互联网访问,都是存在重大技术和社会不确定性的预测。
  4. 视频假设模型文件基本包含人类全部知识,夸大了模型权重所编码的内容及其可靠提供信息的能力。
  5. Tesla 的无人驾驶出租车概念于 2024 年 10 月亮相,晚于视频中提到的 8 月日期;发布展示不能证明大规模自主部署。
  6. 所描述规模的聚变发电、5 马赫飞行和碳移除仍需进一步的技术和经济发展。
全文

按章节阅读整理后的全文

只看原始文稿
01

风险投资家的乐观预测

Berman 介绍 Khosla 及其 2035 至 2049 年的预测范围。这些预测带有愿景性质,也存在不确定性。

风险投资家 Vinod Khosla 发布了关于技术和丰裕的 12 项预测。2024 年 4 月,我想逐一讨论它们,解释我赞同的地方、尚不确定的地方,以及可能存在的负面影响。Khosla Ventures 投资过 DoorDash、Stripe 和 OpenAI 等公司;这些财务利益是理解他乐观预测的相关背景。

Khosla 将这些描述为 2035 至 2049 年可能出现的未来,而非保证([Khosla Ventures](https://www.khoslaventures.com/posts/ted-12-predictions-for-the-future-of-technology))。我总体上也对技术持乐观态度,但每项预测的时间、成本、社会影响和技术可行性仍是开放问题。

02

专业服务、劳动与编程

预测包括近乎免费的 AI 专业服务、10 亿个机器人和更多使用自然语言编程的人。Berman 讨论岗位替代和自动化的局限。

第一,Khosla 预测专业服务将近乎免费,包括全天候 AI 医生和导师。我认为 AI 可能让某些知识和帮助更容易获得,包括软件和创意工作领域。但我暗示小型模型文件基本包含人类全部知识,这种说法过于夸张:模型输出可能不完整或有误,能够使用模型也不等于获得合格的临床或教学服务。

如果专业服务变得更便宜,人们可能解决以前需要专家处理的问题,而专业人员的工作也会发生变化。我仍然认为探索发现和前沿专业知识有其作用。AI 是替代还是辅助特定职业,取决于可靠性、责任、经济条件以及人们如何使用它。

我将知识工作与体力工作作比较。对机器人来说,灵活操作仍然困难,我想起 Elon Musk 承认 Tesla 过度自动化是一个错误。这个例子说明应谨慎看待特定工厂的自动化尝试;它并不能证明所有手工任务都不会被自动化,也不能证明所有知识工作都已被替代。

第二,Khosla 设想 10 亿个双足及其他机器人承担人们不愿做的工作。我怀疑十年内能达到这一规模,但对其预测期较晚阶段的可能性更开放。更高效的自动化可能提高产出,但机器人需要资本、能源、维护和监督;它们不会真正提供零成本劳动。

我想知道,更高生产率是否有助于解决包括美国公共债务在内的经济压力。这是一种可能性,并非已经证实的解决方案:财政结果还取决于分配、税收、支出及许多其他选择。我也不确定失业的劳动者会做什么,或人们将如何获得收入和目标感。

第三,Khosla 预测超过 10 亿人将使用人类语言编程,计算机也会适应人类。我认为自然语言界面可能扩大参与范围。我进一步推测,程序员最终可能不再被需要,由 AI 将请求转化为计算;这是我的预测,并非已确定的趋势。

我还设想机器使用人类难以阅读的高度紧凑内部表示,并通过翻译层供人理解。这是猜测。如果软件或智能体行为更难检查,理解、测试和问责可能会变得更加重要,而不是更不重要。

03

娱乐、智能体与医疗

Khosla 设想个性化媒体、由智能体中介的互联网访问和精准医疗。Berman 权衡潜在收益、偏见和不确定性。

第四,Khosla 预测个性化音乐、娱乐和设计将十分丰富,同时认为名人与粉丝的关系会延续。我设想为单个观众动态生成游戏或电影等内容。对于名人关系我不那么确定:共同关注的明星可能仍然重要,个性化角色也可能改变观众与他们的关系。

第五,Khosla 预计互联网访问将主要由执行任务、过滤营销人员或机器人的智能体中介。我能理解让助手整理海量信息的吸引力,但担心过滤器本身可能引入偏见。开放模型可以让部分组件接受检查,但开放本身并不保证系统易于理解或没有偏见。

我将 Rabbit 设备视为面向任务界面的早期一瞥,而不是它能可靠完成所有任务的证据。我的更广泛预测是,智能体将越来越多地代我们检索信息和采取行动。人们究竟会委托多少事务,以及由谁控制这些智能体,仍未确定。

第六,Khosla 设想根据个人生物数据提供精准医疗,包括模拟治疗和剂量。我喜欢个性化研究和护理的想法,但尚未想清楚细节。临床验证、隐私、公平获取和专业监督仍然必要;这一预测并不能证明完整的虚拟患者模型已经能够安全地开具治疗方案。

04

食品、交通与能源

预测涵盖替代蛋白、共享自动交通、更快的航空旅行和新能源。Berman 区分了自己的热情与了解较少的领域。

第七,他预测替代蛋白和肥料会得到改善。由于传统肉类生产会影响环境,我愿意尝试植物基、培养肉或其他替代品,但在我尝过的产品中,我仍更喜欢肉的味道。未来替代品能否在口味、营养、成本和可持续性方面超越传统产品,仍是开放问题。

Khosla 的自动交通预测
幻灯片 1 / 2Khosla 的自动交通预测幻灯片展示了他关于共享按需交通取代城市中许多汽车出行的设想。

第八,Khosla 认为共享自动交通将取代城市中许多汽车出行。我认为提高车辆利用率可能有用,并提到 Waymo 在旧金山的服务。我还提到原计划于 2024 年 8 月举办的 Tesla 无人驾驶出租车发布会;该活动后来延期,Cybercab 于 10 月亮相([美联社](https://apnews.com/article/a00d063f2ffc67125889a6635a0a607e))。概念车亮相本身不能证明已经实现安全、广泛的无人驾驶服务。

第九,Khosla 预测使用可持续燃料的 5 马赫飞机能在 90 分钟内从纽约飞抵伦敦。我欢迎更快的旅行,但对其可行性了解不足,无法判断。协和式飞机退役提醒我,速度还必须与成本、燃料、噪声和其他运营限制一起权衡。

第十,Khosla 预计到 2050 年会出现清洁、可调度电力,包括聚变锅炉和增强型地热。我预计 AI 数据中心需要更多电力,并推测附近可能建设小型模块化核电站。这些都是预测:聚变点火实验本身尚未证明商业并网电站可行,部署还取决于工程和经济条件([劳伦斯利弗莫尔实验室](https://lasers.llnl.gov/sites/lasers/files/2024-06/the-bridge-fusion-ignition.pdf))。

05

资源、气候与障碍

Khosla 预测更多资源和气候技术,同时列出可能减缓进展的因素。Berman 最后分享对技术乐观主义和创业的看法。

第十一,Khosla 预测人类发现的资源将超过消耗量,包括锂、钴和铜。我对此存疑,因为发现和开采都有成本及环境影响。电池和储能需求使这个问题很重要,但这一预测本身并不必然意味着供应充足或短缺不可避免。

第十二,Khosla 预计企业家将开发并扩大水泥、钢铁、农业、交通、电力和直接空气捕集领域的减排方案。我乐观地认为技术可以帮助解决问题,同时也认识到电动汽车和其他替代方案有各自的问题。部署规模、成本和速度仍不确定。

可能使预测延迟的因素
幻灯片 2 / 2可能使预测延迟的因素Khosla 列出实现其未来愿景可能面临的制度、金融、技术和社会障碍。

Khosla 列出可能的障碍:现有企业的抵制、政治激励、技术挫折、市场环境、反技术情绪、AI 带来的不良结果、意外事件以及企业家不足。我认为现实的预测应当已经将失败纳入考虑,而不是只把它视为延误。监管和公众担忧可能影响采用,但其影响取决于具体规则和风险。

我看好创业,并鼓励人们追求能够创造价值的想法。整个讨论展望的是可能发生的事情,并不是可以将任何特定结果视为必然的时间表。

同频道的其他文章

12 张幻灯片34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构,并质疑 AI 快速发展与安全之间的张力。AnthropicAI Safety企业 AI+2
0:26EN → 简体中文
Matthew Berman· 2026年10月25日Sam Altman 谈 AI 世界中的人类价值与问题解决Sam Altman · OpenAI在一段简短的访谈摘录中,Altman 思考解决难题的乐趣,以及人在解读结果时的作用。Human-AI CollaborationFuture of WorkAI Strategy
2 张幻灯片0:36EN → 简体中文
Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原,并对 Kimi K3.1 的测试给予积极评价。评估编程智能体Open-weight models
2 张幻灯片0:21EN → 简体中文
Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表,随后发现图中的数字只是示意性占位值。Benchmarks评估Generative media
6 张幻灯片25:50EN → 简体中文
Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测:3D 演示出色,表现不一,价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力,并比较基准成绩与价格。Open-weight modelsBenchmarksAI cost & performance+1
2 张幻灯片32:20EN → 简体中文
Matthew Berman· 2026年10月23日本地 AI 究竟适合谁?成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权,与硬件成本、设置复杂度及推理速度之间的关系。Local inferenceOpen-weight modelsAI cost & performance+1