史诗级抄底再现，释放什么信号？
内容来源? | ? 本文摘编自中信出书集团书籍《硬科技浪潮：技术趋势、投资机缘与文明演进》米磊 著责编? | 柒 ??排版? | 拾零第 9716 ?篇深度好文：5548? 字 | 14 分钟阅读这个时代正在重新洗牌。AI 大模型正以周为单位迭代，DeepSeek-R1 仅用约 30 万美元训练本钱便实现对标 OpenAI 的推理能力，开源阵营与闭源前沿的差别已缩至 3 至 6 个月；人形机械人 Figure 02 已在宝马工厂完成恒久无宁静员值守的自主作业，累计加入数万辆汽车生产，从实验室原型正式迈入产线员工行列；核聚变商业化则多点突破：NIF 实现可重复燃烧，SPARC 磁约束装置焦点磁体就位、整体完工超 75%，Helion 聚变原型机更已锁定微软购电条约，目标指向 2028 年供电，将 " 永远的五十年 " 拉近至个位数年份。这些来自差别领域的信号，汇聚成同一个趋势——硬科技正在站上舞台中央。" 硬科技 " 这个看法在中国最早的提出者，是中科创星首创合资人米磊。十年前他在投资圈讲这个词时，大部分人觉得太冷、太慢、不值得投入。作为海内最早系统性结构硬科技的投资人之一，他领导中科创星在光子芯片、量子盘算、商业航天等领域连续结构，投出了智谱 AI、源杰科技、曦智科技、长光卫星等一批独角兽和上市公司。中创科星治理的资金规模已经凌驾百亿，而他当年的判断正在酿成共识：能界说下一个时代的，不是流量生意，而是那些需要恒久啃硬骨头的底层技术。如今，他把十年的视察与思考，写成了一本新书《硬科技浪潮：技术趋势、投资机缘与文明演进》。这本书从 138 亿年前的宇宙史展开，一路推演到文明演进的底层逻辑，最终落回一个离每个人都很近的问题上：在这种量级的变局里，个体如何找到自己的位置？面对这个问题，大大都人只会问 " 风口在哪 "，米磊却带我们退后一步，先看清一切变革的底牌。一、世界运行的真相许多时候，" 困住 " 我们的历来不是不敷努力，也不是运气欠好，而是我们没有搞懂一件最焦点的事——这个世界究竟是怎么运行的？我们无妨把世界看作一场无限游戏。这场游戏的焦点目标不是赢下某一场短暂胜利，而是在一轮又一轮的回合中 " 存活下去 "，不被淘汰。而要实现这一目标，要害在于我们要学会掌握并运用游戏规则，了解资源的爆发机制、积累路径与迭代逻辑，掌握稳步提升实力的要领，同时学会与其他加入者协作共赢、规避冲突。反之，若我们无视规则、盲目努力，或许率会在某一关卡停滞不前，甚至早早出局。米磊将世界的焦点运行规则总结为：庞大对抗熵增，宇宙的实质是熵增——杂乱、消散、归于寂静。而生命与文明之所以延续至今，恰恰是因为我们学会了用庞大来对抗这种宿命——构建秩序、积累知识、演化协作。所谓熵增，简单来说就是 " 一切都会走向杂乱 "。最直观的例子，莫过于我们日常居住的房间：房间住得久了，总会慢慢变得杂乱，并非有人刻意为之，而是每次取放物品时，哪怕只是稍微挪动其位置，都会在不经意间突破原本的秩序，增添一丝杂乱。这种细微的无序不绝累积，久而久之，整个房间便会陷入杂乱无章的状态。一个系统如果不连续输入能量和秩序，就会自然地从有序滑向无序。冰块会化，铁会锈，房间不收拾就乱。宇宙也在走同一条路：从高度有序的奇点开始，一步一步走向热寂。只要宇宙尚未走向寂灭，熵增的攻势便不会停止。那问题来了：既然宇宙的大偏向是越来越乱，为什么我们看到的是另一回事？生命冒出来了，文明生长起来了，都会越来越密，技术也越来越精。米磊的回覆是：生命和文明，是靠 " 构建庞大性"来对抗熵增的。从微小的细胞到庞大的人类社会，从原始的小乡村到现在的互联网，这个焦点纪律在种种事物中都能看到。也就是说，在普遍熵增的大趋势下，生命和文明是通过构建庞大性来对抗这一命运的。到这里，硬科技的角色便已清晰，它是文明对抗熵增、维持秩序的焦点依托：谁先把信息处理拉到更高的密度（AI、光子芯片、量子盘算），谁先把能源供应拉到更高的密度（可控核聚变），谁先把物质革新拉到更高的精度（纳米技术、新质料），谁就在这个 " 杂乱—秩序 " 的循环里，真正握住了连续向上的主动权。二、" 庞大 " 应对时代变革在硬科技文明如潮流般涌来的时代，作为个体，我们往往容易爆发两种极端感受：一种是被裹挟前行的无力感，另一种是被时代抛弃的焦虑感。但其实只要想明白一点，就无须焦虑与紧张，因为应对时代变革的底层逻辑从未改变，即庞大对抗熵增。这里说的 " 庞大 "，包括三重意思。一是从知识系统层面去思考，要掌握更多元的思维模型，以拓宽认知界限、提升决策质量，为应对庞大问题筑牢认知基础。模型思维的实质，是对世界的高度拟合，熟练运用思维模型，能让我们用最少的算力，得出越发适应具体场景的解决计划，从而更好地行动。二是从经济系统层面去思考，要学会与庞大技术共生，主动适配技术厘革趋势。个人要获取财产，就需要多利用技术。例如，人工智能崛起后，只要更好地利用这项技术提升自己的效率、提升生产力，就能带来更好的收入回报。三是从社会系统层面去思考，要构建庞大的社会相助网络，突破相同壁垒，凝聚协作协力，提升社会协同效率与整体生长韧性，实现个体与社会的协同进步。由于目今许多问题都是庞大问题，而依靠 " 单打独斗 " 是无法高效、低成外地处理好这些问题的，这就要求我们将相助这个自古以来的 " 优势 " 继续发挥下去。如果我们把自己比作一个应对生活与事情挑战的工具库，那么要想从容应对层出不穷的难题、抵御无序变革带来的攻击，就必须想尽一切步伐富厚这个工具库的储备，即种种工具，实质上就是我们需要主动掌握的种种知识。三、我们需要畏惧量产的 " 智能 " 吗？已往几百年间，人类虽然历经多次科技与工业革命，也切实改变了世界，但这些进步始终受限于人类自身的认知与生理界限。人工智能则突破了这一桎梏：它的学习速度无须依赖数亿年的生物进化，仅需几小时、几天的算法迭代；它的知识不存储在需要代谢维持的神经元中，而存储在可以无限复制的硅基芯片里，这意味着其智能与知识能够实现无限复制与扩散。从大历史视角来看，人工智能的泛起，其意义绝不亚于当年智人进化出兴旺大脑，一个是人类生物层面的跃迁，另一个则是智能形态的全新突破。1 万个人工智能可以在几秒内通过参数平均共享所有知识，人类需要几十年才华把一位巨匠的工具传给下一代。一旦 AI 摸到了能自我革新的门槛，它就会进入一个自我加速的循环，几个小时跑完人类几百年的科研积累。这种自我加速的进化，正是 " 量产天才 " 的体现——不是培养个体杰出者，而是让整个智能系统连续涌现超常能力。那么，" 取代整个人类 " 就不再是科幻小说的情节，而是一个需要严肃面对的未来。今天，我们也看到人工智能取代白领事情、算法替代人类判断——这些正在爆发的破坏是真实的，并不是杞人忧天。但我们需要厘清，人工智能不是 " 更智慧的人类 "。人类劳动力可能不再被经济系统需要，人类可能会主动、被动地把越来越多的决策权让渡给 AI，到最后，当所有要害决策都由 AI 做出，人类实质上就失去了对自身命运的掌控。但这并不料味着人类的终结。也许，这是一个转型的开始。人类在其中饰演的角色，可能是创立者、见证者，也可能是最后的守护者——守护我们作为生物，在短暂的生命里所独吞的、无法被量产的情感、软弱和意义感。最终的结果，可能不是简单的 " 人工智能取代人类 " 或 " 人类控制人工智能 " 的二元对立，而是一个更庞大、更混沌的共生或更替图景。总之，人工智能正在改变世界，但它带来的不可是压力，更是普通人重新界说自身价值的时机。在人机共生的时代，机械可以将标准事情处理得又快又好，因此，我们要去培养那些非标准、非线性、非功利的能力。好比，创立力、同理心、庞大决策、情感连接。我们不需要去拼命地证明自己能够像机械一样高效，而需要坚持好奇、连续生长，努力成为一个机械无法复制的人。如果说人工智能是脑力革命，那么具身智能就是体力革命。人工智能像 " 超等大脑 "，具身智能就是给这个大脑配的 " 四肢和躯干 "。如今特斯拉的 Optimus 已经在工厂里做分拣了，3 到 5 年内，消费级的版本可能就会进入普通家庭。当机械人开始在你身边做饭、照顾老人，你已往理解的 " 事情 " 和 " 生活 " 这两个词，可能都需要重新界说。所以比起纠结 " 我的事情会不会被替掉 "，更值得想的问题是：" 在新的生态里，我在哪里能创立价值。"硬科技文明的到来，必将对当下的世界进行一场大洗牌。无论是个人、企业照旧国家乃至文明，谁能率先适应，甚至主导这些焦点力量，谁就能抓住跨越式生长的机缘�？辞宄绷鞯牡撞懵呒�，然后决定自己要站在哪，这是每个人面前的事。四、给普通人的 3 条实操路径原理讲完了，具体怎么做？米磊在书中给出 3 个思路：你需要向外看，重新审视自我与情况；向内看，看清自己的热爱与擅长；向上看，用高维破局。第一，向外看，建立 " 边沿视角 "。所谓 " 边沿 "，就是 " 非主流 "，也意味着 " 新时机 "。地球位于银河系猎户座旋臂，距中心约 2.5 万光年，恰利益于宜居环带内，避开了焦点区频繁的超新星爆发，这才为生命降生筑牢了屏障。再如，恐龙泛起前的巨虫时代，翼展达 70 厘米的巨脉蜻蜓是空中霸主，体长 2.3 米的节胸虫称雄陆地。一场含氧量下降的情况剧变，大幅挤压了这些巨型生物的生存空间，却为恐龙崛起创立了条件。而我们的祖先哺乳动物，在恐龙时代同样是边沿生物，默默蛰伏，最终抓住契机崛起。择业和人生选择也是这个原理。突破只盯着焦点领域、主流市场的惯性，把目光投向行业边沿、跨界领域、新兴场景和小众需求，才可能从多元情况中捕获新机缘。许多人迷茫，正是因为总盯着已往和当下的热点，随着别人的脚步扎堆，从没静下心思考自己真正擅长什么、热爱什么，没想过开辟一条没人走过的路。所有人都挤在同一条主流赛道上，相互消耗，没有差别化优势，最终只能越努力越迷茫，错过藏在 " 边沿 " 里的全新可能。米磊本科学的是机械专业，结业时没选本专业，也没选其时最热的金融、盘算机，而是加入了中国科学院西安光机所，因为其时冷门的光学偏向有很好的潜在前景。读博期间，他再次跳出深耕学术的主流通路，选择了一条边沿路线，投身科技结果转化，让实验室的科研结果真正落地。这两次要害选择，每次都跳到了其时无人问津的边沿地带，避开了主流赛道。而这些曾被视作小众、冷门的偏向，厥后都生长为炙手可热的主流。从人生选择的角度看，这让他避开了内卷，获得了自己的 " 相对最优解 "。第二，向内看，找到热爱与擅长的交集�；诩� · 柯林斯的 " 刺猬模型 "，我总结出一个 " 人生最优解模型 " ——以热爱为内核、以擅长为支撑、以国家或社会需求为导向。结业后刚步入社会，难免焦虑迷茫，因为书本知识很难直接套用在庞大多变的社会里。我也是在那段迷茫期开始主动反思，剖析自己的性格特质与擅长领域，最终发明对前沿技术、未来趋势等新鲜事物有浓厚兴趣，同时在推动科技结果转化、让实验室里的立异技术落地效劳现实需求方面有奇特优势。这份清晰的自我认知，让他的职业偏向越来越明确：从科技结果转化到坚定地走上硬科技投资，每一步都遵循自己的擅长与热爱。做好 " 内观 " 之后，下一步是找到并匹配自己的 " 适应度岑岭 "。好比，你真正擅长且热爱的是技术，那就去视察当下市场、行业乃至社会另有哪些痛点能用技术更好解决。你可以以此为偏向创业，或加入志同道合的企业深度加入。经济回报与社会认可，都会是自然而然的结果。若有更大理想，希望解决国家乃至人类文明层面的问题，也完全可以在稳住人生基本盘的前提下，勇敢去闯。纵然没有 " 雄心向 "，也无须焦虑，只要认清自我、掌握局势，总能找到属于自己的生态位。第三，向上看，学会升维思考。" 向上看 " 的焦点，是跳出当下的认知局限和固有框架，用更高维度解决问题。刘慈欣在《三体》中写道，太阳系在二向箔的降维攻击下崩盘——低维保存面