先说一个会让很多人不舒服的判断：这一轮 AI 的二级市场，很可能在 2029 年前后掉下来一次。
作出这个判断的是海银资本创始合伙人王煜全。他的身份有点特别——本科念生物，后来长期研究科技产业史，又在一线做早期投资。这三样东西交叉在一起，让他看 AI 的角度和大多数人不一样：别人盯着模型参数和融资额，他盯着“技术改造社会”这件事在历史上反复上演的那套节奏。
而按他这套节奏推演，现在最值得担心的，恰恰不是泡沫，是泡沫破之前那段“人人都觉得会更好”的日子。
泡沫为什么偏偏在最乐观的时候破
先把王煜全的泡沫模型讲清楚，因为后面所有判断都从这里长出来。
一项能改造社会的大技术出现时，人心会走一条固定的曲线。最开始是恐慌——大家只看到“我的岗位要没了”，看不到新机会在哪，情绪往下走。然后到某个转折点，人们突然反应过来新机会是怎么回事，情绪掉头往上，而且会冲过头——过度狂热。狂热刚起来的时候，人会严重高估未来兑现的速度。等实际好处没那么快到，巨大的落差就把市场拽了下来。
这里有一个反直觉的点：最恐慌的时刻，不是预期最暗淡的时候。预期暗淡时根本没有泡沫，也就无所谓崩。真正凶险的是“预期很好、但兑现很慢”的那一段——所有历史上的大泡沫都不是因为预期是假的，恰恰是因为预期是真的，只不过人性的贪婪让我们以为它明天就来，结果它要走五年十年。
对照今天：人工智能很热，但热度还锁在少数几个 IT 巨头手里。对社会上的大多数人来说，现在没有狂欢，只有“我会不会被替代”的恐惧，因为大部分人还没真正受益。王煜全的推演是——未来两三年，大家会慢慢看明白“其实多数人是会受益的”，那时情绪进入狂热期，2028 年很可能吹起一个很大的泡沫;但真实受益跟不上情绪，2029 年前后二级市场就会跌一次。
预期不假，时间差要命。这就是他给这一轮 AI 定的那个坐标。
被讲错的工业革命：主角从来不是瓦特
要理解王煜全对 AI 的整套判断，得先陪他把工业革命重讲一遍——因为他几乎每一个 AI 结论，都是从这段历史里“押韵”出来的。他很喜欢马克·吐温那句话：历史不会重复，但会押韵。
我们从小被教的版本是：瓦特改良蒸汽机，工业革命开始了。王煜全说，这个版本抓错了主角。
真正点燃工业革命的是另一个人——理查德·阿克莱特(Richard Arkwright)。他是个纺织厂主，干了两件改变世界的事。第一，他搞出了 Water Frame(水力纺纱机)，这是世界上第一台动力驱动、能自动连续运转的纺织机，不再需要人手一根根纺。第二，也是更关键的，他在 1771 年于英国克朗福德(Cromford)建起了世界第一座真正意义上的工厂——一栋专门为机器盖的厂房，而不只是把工人凑到一间大屋子里。历史学界至今把这座 Cromford Mill 当作现代工厂制度的起点，阿克莱特本人被称为“工厂之父”。
注意一个细节：阿克莱特工厂最早用的动力是水力，不是蒸汽。原因很简单——水流是当时最稳定的连续动力来源。这就带出了王煜全反复强调的一个概念：
工业革命的核心不是蒸汽机这台机器，而是连续动力——一种能不停歇、稳定输出、驱动整条流程运转的力量。
水力有它的死穴：只能沿着河边建厂，还有枯水期。蒸汽机后来慢慢补上了这个缺口，但这个替代过程极其漫长。而把“连续动力”的价值真正榨干的，是大洋彼岸的美国人——福特和他的流水线。
这里王煜全讲了一个很有画面感的历史场景。福特博物馆里存着一张照片：两三层楼高的巨型蒸汽机。福特一开始建了好几台这样的庞然大物，但它们不是直接驱动产线的，而是用来发电，再把电送到产线上。可不到十年，这套自备发电系统就被外部电厂取代了——与其自己烧锅炉发电，不如直接接电网的电。
为什么电能干掉蒸汽?因为蒸汽动力靠一根根轴承机械传导，效率低得可怕。而一条复杂的装配线，每一个工位都需要动力。如果动力只有一个点，蒸汽机够用;可当你要给几十个工位同时供能，一个点一个点地装蒸汽机根本不现实。 电解决的正是这件事——它能把连续动力，均匀、灵活地送到流程的每一个环节。
英国点了火，美国收了果实。这不是偶然。
大模型是电力，Agent 是流水线上的工位
把上面这段历史记住，王煜全对 AI 的判断就变得异常清晰了。
先解释一个正在被说滥、但很多人没真正搞懂的词：Agent(智能体)。它不是一个新模型，而是把大模型包装成一个“会自己跑完一段流程的数字工人”。举个具体例子：做一条短视频，过去要一整个团队——有人找选题、有人写脚本、有人拍摄、有人做封面保证画面连贯。现在，一个 Agent 负责盯最近什么火、找素材，另一个 Agent 根据素材生成脚本，再一个 Agent 生成画面，还有一个 Agent 统一整段视频的核心视觉。原来是一个岗位对应一个人，现在是一个岗位对应一个 Agent。
看出对应关系了吗?
- 工业革命：每个工位需要动力 → 大模型时代：每个 Agent 背后需要一个大模型在供能。
- 那个稳定、强大、被所有工位共用的电力系统 → 就是今天的大模型。
大模型就是这个时代的电力。 这句话不是比喻的花招，而是王煜全整套竞争分析的骨架。当年福特建流水线，谁家的电力系统持续稳定、功率够强，他就用谁的，而且电力系统天然排他——你不会同时接两家电厂。今天一模一样：你每个环节的 Agent 背后都要调大模型，一旦锁定了某一家，再换就得付额外的迁移成本。所以巨头们真正在抢的，不是什么“入口”或“流量分发权”，而是成为那家最好的电力公司。
这也解释了一个很多人看不懂的现象：美国的 AI 公司不光在本土砸基础设施，还跑到欧洲去，给英国、德国承诺建数据中心。翻译过来就是一句话——我来给你供电。
顺便说一句，王煜全对“公司还要不要靠人拼命”的看法，也是从这里推出来的。中国很多公司之所以强，靠的是一批能熬夜、肯加班、极其奋斗的顶尖人才。但他判断这不是未来最优的模式。未来最好的模式是：你的 Agent 很勤奋，人在旁边看着就行——不出事就休息，出事了介入一下。 流程只要顺，人就该去睡觉。以人为核心去堆流程，恰恰是现在很多公司最大的包袱。
中国那条被低估的路：从“内容大模型”到“行为大模型”
那么下一棒会不会交到中国手里?王煜全的回答是：不一定，别小看美国，美国大概率还会继续引领。但他紧接着补了一个多数人忽略的判断——中国手里握着一条被整个西方世界严重低估的路。
要讲清这条路，得先分清两种“数字化”。
美国走的是固定网络这条线：从 PC 到互联网，主体都是固定的，擅长把内容沉淀下来。后来的 AIGC(AI 生成内容，指用 AI 直接产出文字、图像、视频)之所以在美国率先突破，正是因为海量内容先在那里聚了起来——这是一脉相承的。
中国真正强的从来不是这条线，而是无线。而无线的价值，当年被所有人低估了，包括行业内部。王煜全给移动做过多年顾问，他记得那时人们对移动互联网的理解就是“把互联网搬到手机上，随时随地能上网而已”。连乔布斯 2007 年发布第一代 iPhone 时，给它的定义也只是三样东西：一个 iPod、一部电话、一个上网设备。
但手机的真正贡献，根本不是“让你随时上网”。
电脑记录的是你的思想和知识，是知识的数字化;而手机记录的是你的行为——而且是你不主动记的时候，它自动记下的。
人的行为第一次被大规模数字化、被记录、被聚集，这在人类历史上从未发生过。社会学里原本有个“测不准”的难题：你没法对海量用户做连续实时的观测。可手机每天做的，不就是对亿万用户的实时连续监测吗?以前不可能的事，手机悄无声息地做到了。
顺着这个逻辑往下推，结论就很硬：海量内容聚在一起，催生了 AIGC;那么海量行为聚在一起，就必然会催生行为大模型——一种对人的行为有深刻理解、甚至能预判你下一步动作的模型。
而行为大模型的商业价值，比内容大模型大得多。道理很朴素：你给我一个建议，还得我自己动手去干，我付费的意愿就低;可如果你能直接替我完成一个有价值的行动，或者准确预判我接下来要做什么，我就愿意为它掏钱。能预测，就能创造价值;能创造价值，就能收费。
王煜全讲过一个当年的例子。他给移动做顾问时建议接入“异地开关机数据”——你什么时候关机、又在异地开机?出差坐飞机的时候。知道你在 A 地关机、两小时后在 B 地开机，连你坐的航班都能推出来;掌握了所有人的飞行行为，帮你订票易如反掌。他当时对携程创始人说：要是移动来干这件事，你们就完蛋了。结果移动没干。
一个握在手里却没被兑现的金矿。这就是他说的、中国那条被低估的路。
数字革命才到中场，下一站叫“服务平权”
有人问王煜全，现在算第几次工业革命?他说这个划分法本身就不科学。
前面几次所谓的“工业革命”加在一起，本质上是物质的革命——是生产实体产品的革命。可从 PC 开始，人类进入的已经是另一场完全不同的革命了，他称之为数字革命。它的核心不是造实体产品，而是数字经验的累积、提取和使用;而数字经验就两种——内容的经验，和行为的经验。
关键判断在这里：我们现在不是数字革命的尾声，而是它的中场。
还是用工业革命来押韵。工业革命真正波澜壮阔的部分，不是从英国开始的，而是从福特开始的——那才是它的中场。想想看：蒸汽机从英国诞生后很多年，它改造世界最主要的战场其实不是工厂，而是火车和轮船，也就是运输。而火车轮船那时运的大多数东西，还是农产品。直到福特和流水线出现，美国冒出大量新工厂，什么都能规模化生产，远洋货轮上装的才换成了工业制成品。
农产品和工业品有一个致命区别：农产品没法持续增长，工业品可以。 你买了电视还想要冰箱，买了冰箱还想要洗衣机，还能不断发明新东西让你买。需求无止境，增长才有空间。
而流水线思想真正深入人心，靠的是二战。战时各行各业都被拽去搞军工，都要规模化。这时最懂规模化的其实不是福特——福特只懂自己那辆 T 型车怎么量产。真正的高手是通用汽车，它收购过一大堆汽车产业，极擅长帮别人把生产变成流水线。于是美国战时生产委员会专门请通用的高管当顾问，挨个指导：你去把造坦克变成流水线，你去把造军舰、造飞机、造枪炮全变成流水线。战争结束，这套能力整体转民用，枪炮变成冰箱彩电，美国经济才真正大爆发。
现在轮到 AI 走这条中场之路——各行各业深度使用，靠编程去改造。而这一次，王煜全点出了一个工业革命从来没做到的东西。
工业革命哪里都好，只有一个硬伤：它是集中式的。电力赋能工厂，远大于赋能个人——工厂用电来生产，个人用电只是消费。但这一次会不一样。他给这个时代的核心机会起了个名字，叫**“服务平权”**。
工业革命的成就叫“物质平权”：汽车原本只有富人坐得起，福特用流水线把成本压到极低，让穷人也买得起车。你有车，我也有车。这个逻辑从阿克莱特那天起就没变过——把原来只有富人能享受的东西，通过规模化生产，让穷人也用得上。
那今天该做什么?不是再去找“富人有什么产品穷人没有”——那早被想遍了。要琢磨的是：富人有什么服务，是穷人还没有的? 因为 AI 能把人类的专家级经验固化下来，规模化地送到每个人面前。以前专家稀缺、只有富人用得起：富人的理财顾问一定比穷人的好，穷人甚至根本没有理财顾问;富人有家庭医生、私人医生，穷人没有。而未来，富人和穷人可以用同一个 AI 理财系统、同一套 AI 健康服务。不是要打压富人，而是让穷人和富人在服务面前第一次平等。
王煜全自己现在创业做可穿戴健康设备，赌的就是这件事：活得长不长，不该再由钱包厚度决定。
从赋能企业到赋能个人：每个人背后站着整个文明
“服务平权”再往前推一步，就是王煜全整场谈话里最动人的那个判断——从赋能企业，转向赋能个人。
他讲过一段亲身经历。前段时间他和 ChatGPT 一起讨论未来，聊到最后让 ChatGPT 总结一个词，结果那个词让他起了一身鸡皮疙瘩：“每个人都拥有了文明级的认知能力”。
细想这句话的分量：每一个普通人，身后都站着整个人类文明。这是过去任何时代都不曾有过的。
而它的对立面，是一个我们身处其中却很少被点破的处境。王煜全借用了一个很重的词——数字封建主义。互联网给了我们巨大便利，同时也把我们牢牢锁住了。你活在一个个数字帝国里：美团帝国、腾讯帝国、阿里帝国。平台为什么非要自建支付、自建商家体系、自建广告平台，明明可以共用别人的?因为它要你在它的高墙里把一切都办齐，然后永远别出去。用户成了数字平台里的佃农——你的行为天天在替平台创造价值，却没有半点讨价还价的余地。
技术的问题，最终还得靠技术解。当每个人都被 AI 赋能到“文明级认知能力”，他就第一次有了对抗任何一个平台的底气——因为他能自己解决信息不对称。我有我的 AI 助手，我养的智能体，就不再是任人宰割的散沙。
怎么落地?眼下最大的障碍是国内平台大多不开放 API 接口(应用程序接口，即让外部程序调用平台功能的通道)，还隔着一层墙。但王煜全判断这堵墙一定会被捅破：你不开，总有人开，谁先开谁先得利，何况这几家平台彼此还在竞争。据他透露，去年底就有一款试图把大模型内置进操作系统、打通各家超级 App 的工程机，悄悄出了几千台试用，很快被叫停——因为几乎所有超级 App 都不希望大模型从系统层击穿它们的高墙。
但现实是，这堵墙其实已经被击穿了。谷歌把 Gemini 直接嵌进了 Android;小米也早在系统里放进了自己的 AI，只是不吭声。大家都在偷偷做——因为谁不做谁傻。**一旦大模型进了操作系统，就等于把权力交还给了用户：**你可以跨任何平台比价，跨任何平台调用任何功能，选最优的那个。打车凭什么只能用一家?为什么不能一键综合比价?
这里还藏着一个反转：对平台来说，用户所有的行为原本发生在各自的 App 高墙里，可一旦这些行为都通过系统层的大模型来完成，最懂用户的就从超级 App 变成了操作系统本身。以前系统只知道你打开了微信，却不知道你在微信里干什么;而当你在微信里做事都由系统层的 AI 代劳，手机终端就全知道了。
唯一剩下的问题是：终端厂商守不守信，能不能“看破不说破”——服务可以做，但绝不能把数据转手卖掉。王煜全说他从不相信谁会天生做好人，但他相信人会出于利益去守规则，因为破坏规则的代价太大。
再把镜头拉远，他给未来的智能画了一个更彻底的样子。迄今为止的人工智能像是集中制——所有能力挤在一个系统里。但你看人的大脑，它不是集权体制，而更像共和体制：不同的子系统各管一摊，权重各不相同。大模型也该如此。二十年前他花过很多时间研究社交网络会不会自己涌现出智能，当时那个概念叫群体智能(Collective Intelligence);今天我们谈的是人工智能(Artificial Intelligence)。他判断这两者终将交融，变成人工群体智能(Artificial Collective Intelligence，ACI)——真正强大的智能，不会待在某一个系统里，而是蕴含在一个分散式的网络中。
为什么分散式反而更强?他举了个例子：人类能登上月球，但没有任何一个人掌握着登月所需的全部知识——物理、化学、机械、计算机、生物……没有一个人能全懂，可当这些知识聚到一起，人类就完成了这个壮举。文明真正惊人的地方，就在于它超越了任何一个个体所能达到的极限。 一个分散式的智能，同样会超越今天最强的那个中心化 AI 系统。
而这也是他把权力从少数人手里往外分的理由。哪怕造出最强模型的是 Anthropic、OpenAI 这样的好公司——但好人就一定做好事吗?未必。他直言 Anthropic 对中国就带着偏见。人工智能是一种极其巨大的能量，坏人拿到会作恶，好人拿到会行善，可无论落到谁手里，都无法保证一定行善——任何个人都经不起这种考验。 唯一的解，是分散化。
世界模型还差得远：AI 是偏科生，不是全才
聊到技术本身能走多远，王煜全泼了盆冷水。
如果说语言模型现在能打 100 分，那世界模型——也就是让 AI 真正理解物理世界如何运转的模型——现在大概只有二三十分，基本还不能用。但他说这么比其实不公平：100 分是语言这门课的分数，而世界模型这门课的难度要大得多。人到今天还能好好活着，正是因为在应对复杂现实这件事上，人类比 AI 强太多了——毕竟我们本就生活在一个复杂世界里。今天的 AI 是“一百件事里只会干十件，另外九十件完全抓瞎”，人可不是这样。
他把 AI 的这个特点概括为领域智能。AI 的早期突破，恰恰是从视觉开始的——李飞飞主导的 ImageNet 让机器第一次能大规模“看懂”图像。就像猫狗有了视觉、对环境形成理解，不需要语言和高级智力也能在自然界活得很好。但视觉系统的局限也在这儿：一个单领域的系统解决不了所有问题。任何单一领域的数据，AI 都能处理得极好，甚至在领域内秒杀人类;可一旦要综合处理，就得靠另一套机制。
今天的 Agent 模式，做的正是“综合处理”这件事。一个能干的人运转一家公司——不是最好的会计，但账能管;不是最好的产品经理，但产品能出;不是最好的销售，但单能签——他是个多面手。AI 做不到这样，它需要一个 Agent 专管生产、一个专管销售、一个专管财务，每一个都是领域智能，在自己那一亩三分地里所向披靡，然后再由另一套系统专门负责把它们综合起来。一个系统包打天下，不行。
所以人形机器人还差着十万八千里。因为我们其实不生活在纯物理世界里，而生活在文化世界里，这需要的不只是 Physical AI(理解物理世界的 AI)，更是 Cultural AI(理解文化含义的 AI)。区别在哪?看着一张桌子，Physical AI 会说“这是桌子，材质是大理石”;而 Cultural AI 得知道——这块大理石是哪种文化的象征、哪个民族偏爱它、旁边摆上另一样东西会不会冒犯主人。在有些国家，如果那是件观赏品，你随手拿它挂衣服就是失礼。Physical AI 尚未攻克，而就算攻克了，不懂人心的机器也当不了人的仆人。
这里还有个反常识的技术细节。王煜全说，跟 AI 专家交流时对方告诉他：如果把训练语料清洗得过于干净，只把你认为最好的语料喂进去，AI 反而不会最聪明。得把好的坏的混在一起。 因为 AI 的本质是模式识别——如果它从没见过“坏的模式”，它对“好”的归纳就是片面的。好坏并存，坏模式对应坏结果、好模式对应好结果，它才能拼出正确的判断。
这跟人类文明其实是一个道理：得允许做点没效率的事，允许犯点蠢，允许存在一些谬论，整体才有可能继续进化。
达尔文和华莱士都错了，但错得不一样
王煜全为什么如此笃定 AI 会走向“赋能每个人”?不是因为哪家公司做了多强的模型，而是因为他一路把历史总结到了人类自身的起源。这段是全场最硬核、也最见他底色的部分。
进化论的核心是“物竞天择、适者生存”，这没错。但王煜全说，唯独人不适用这条。
自然选择理论其实是两个人几乎同时发现的：达尔文，和比他年轻的华莱士(Alfred Russel Wallace)。华莱士的论文用了更少的证据却得出更简洁的结论——这在学术上反而更受推崇，因为它意味着更强的分析能力。两份成果一同公布，一部厚重、一部极简，两人一度享有同等声誉。达尔文性格内向，太太又是虔诚的天主教徒，他不愿因学说伤了夫妻感情，所以对外相当低调;而华莱士年轻、口才好，一度声望还盖过了达尔文。
可后来华莱士渐渐从历史中淡出了。原因是他在一个问题上栽了跟头——人到底是怎么来的。
问题的关键在这：自然进化有一个基本特征，叫相互制约。非洲草原上，狮子再快也不可能比羚羊快十倍，捕食者与猎物彼此牵制、谁也不会一骑绝尘。可人呢?人早已挣脱了这种制约，持续进步，直到今天还在进步，自然界再没有任何物种能制约人类。是什么制约了人?没有。这就是难题所在。
达尔文试图用另一套理论来补——性选择，也就是异性选择。可这里他犯了个本质错误：性选择选出来的性状，大多是中性甚至有害的。比如某些鸟，雌鸟专挑羽毛最艳丽的雄鸟，可艳丽恰恰招天敌、更容易被吃掉。孔雀拖着的大尾巴、麋鹿顶着的大角，全是累赘。如果人真是靠性选择进化的，那人应该越来越蠢才对，怎么会越来越聪明? 达尔文专门写了一本《人类的由来及性选择》来解释人从何而来，但整本书的逻辑，王煜全认为是错的。
华莱士不认同性选择，但他也找不到答案，最后干脆说：自然界万物都符合进化规律，唯独人是被某种超自然力量造出来的。他晚年皈依唯灵论，断然否认人类的心智是进化而来。一旦引入了科学之外的“神来之笔”，学术界就无法再容忍他——华莱士于是被边缘化。
那人到底怎么来的?王煜全采信的是文化人类学这一派的解释：进化不是单靠生物这一条线，而是文化与技术的双向选择。他把人类进化拆成四步：
第一步，技术优势。 某个群体先在某方面占了上风，而这优势通常来自技术——可能是发明创造，甚至可能是偶然。
第二步，制胜策略。 光有技术还不够，得把技术用好、把它的价值兑现成实实在在的胜利和利益。
第三步，赢家集团。 最先拿到利益的人成了赢家，更容易生存、更容易繁衍。
第四步，也是人类独有的一步——文化扩散。 我看你是赢家，我就跟你学。为什么全世界的商务场合都穿西服?因为西方商业发达，大家跟着学;那为什么现在又开始不穿了?因为发现硅谷那批人更领先，而他们不穿西服。
文化的厉害之处在于它的包容性：它会把一切有用的技术和文化特征吸纳进来，揉成一套先进文化，再向外扩散。
把这四步套到 AI 上，结论就水落石出了：AI 只是第一步——技术优势。 真正决定胜负的是后三步，而这个时代的制胜策略，王煜全给的答案是智能服务——规模化地提供服务。它分两种：一种是“给予型”，直接替你把事做了;另一种是“赋能型”，帮你变得更强，成为你的 AI 顾问、你思考的一部分。谁最先用好智能服务，谁就先受益;别人效仿的，将不只是“用 AI”这个动作本身，而是从你身上归纳出的一整套特征——更开放、更重兴趣导向、更不标准化。这些特征沉淀下来，就成了新的文化。
过去工业革命的文化，是规模化、标准化;而未来的文化，一定是百花齐放的——强调差异化、目标导向、就事论事地解决问题。
人被挤出的不是世界，是执行
聊到最后，绕不开那个让无数人焦虑的问题：AI 把活都干了，人往哪儿去?王煜全从三个层面给了回答。
先说单个的人——打工还有意义吗? 他反问：工作的本质，不就是别人替你定义“你该干什么”，再付你一份薪水吗?那你为什么非要出卖服务去换薪水，而不能自己做一个服务、直接为别人创造价值、让别人心甘情愿地付你钱?在他看来，未来每个人都该是创业者，打工只是一种过渡形态。
再说人与人之间——AI 配合得这么丝滑，人和人的协作会消失吗? 不会。而且坦白讲，人机协作眼下并没有那么丝滑：机器把相对固定的那部分干掉，人去填补灵活的部分。真正大规模的协作，依然得靠人。有专才 Agent，有负责综合调度的 Agent，但最后拍板的，还得是人。人的作用不会减少，反而会越来越重——只不过不再是去做具体的事，而是做选择、做安排、做结果的校验与修正。当机器什么都能干时，人反而能站得更高，在更系统的层面上思考。
最后是整体的人——如果 AI 真把所有活都做了，人被挤出了世界，人往哪去? 王煜全的回答很干脆：人被挤出的不是世界，是执行。 这在历史上早就发生过一次了——人被挤出了工厂，就去当工厂主。未来的业务核心是流程，而不是结构。“一个人管七个人”是结构化的组织，可未来的公司是流程化的：功能变成一段流程，能不能解决问题，和“谁管着谁”的层级结构无关。AI 不需要被管理、不需要科层结构，需要被一层层管着的，从来是人。
那被挤出执行的人，该干嘛?他说，该放飞自我，去做真正想做的事。人类还有多少领域没探索过?而 AI 恰恰又给了我们一件礼物——探索能力的空前增强。
他讲了一个刚刚亲眼见到的场景作为收尾。前不久他参观了美国一家著名的长寿研究院，那里的实验室已经用上百万美元的自动化设备，把生物实验全部自动化了。疫情期间人进不了实验室，可研究员在家写好程序，实验室就照着指令，把整套生物实验一丝不苟地跑完。
这件事对王煜全的触动格外深，因为他自己就是做生物实验出身的——他太清楚那是怎样一种纯粹的体力活：跑胶、插枪头，全是重复的手工劳动。人本该是用来思考的，却被这些执行牢牢拴住了几十年。
而现在，手工劳动不再需要人了。
你，终于可以只负责思考。