1765 年，英国正值工业革命初期，位于革命中心的伯明翰，成立了一个名叫 " 月光社 " 的神秘组织。

组织由 14 名科学家、发明家和实业家组成，其中包括日后改良蒸汽机的瓦特、瓦特的合伙人博尔顿、发现氧气的普里斯特利，因为习惯在月圆之夜前后的周日聚会而得名 " 月光社 "。

" 月光社 " 聚会

聚会的目的在于搭建一个跨界交流平台，在此之前，科学家埋头理论研究，工程师指导生产全靠经验摸索，双方缺乏有效对话。

" 月光社 " 的出现，不仅提供了思想交流的平台，更形成了一个 " 产学研 " 闭环，直接推动了瓦特改良蒸汽机以及后续的商业化落地，其影响力证明，科学发现要转化为产业应用，需要产学界各方开放交流，紧密协作。

如今，我们同样正处于 AI 技术爆发初期，模型迭代持续加速，各类应用野蛮生长，花团锦簇的热闹背后，变现焦虑和商业化困境已如荆棘丛生，亟待各方协力，共同勾勒发展路径。

12 月 6 日，腾冲科学家论坛上，中国科学院院士、复旦大学原校长、科技愿景论坛主席杨玉良发布《科技预见与未来愿景 2049》报告，是中国首次系统地发布的对未来科技前景的预判。

《科技预见与未来愿景 2049》报告

编委会由腾冲科学家论坛中心、华为战略研究院、中国移动研究院、上海人工智能研究院、腾讯研究院、国电投创新中心等的顶尖科学家和行业专家组成，通过一年多的研讨与座谈，提出了 " 十大科技愿景 " 和 " 十大未来场景 "。

其中，" 十大科技愿景 " 包括人机共生、通用机器人、飞行汽车、虚实共生、量子计算、智能体互联网、常温超导、可控核聚变商业化落地、AI+ 分子医学、太空旅行。

在这当中，智能体互联网是当下正在发生的、也是最被产业被寄予厚望的愿景之一。

智能体的本质是通过嵌入持久记忆和迭代学习系统，使 AI 能够基于知识主动思考和规划、进而解决问题。未来，人们不必亲自执行工作中的每一个任务，而是通过智能体网络、管理 " 工种 " 各异的智能体更加高效地完成工作，一个人就是千军万马。

报告指出，到 2030 年全球智能体数量将突破 2000 亿个，2049 年全球智能体网络节点将突破数万亿，单一智能体甚至可以将多种能力分布在不同地方执行 ，并通过网络协议实现 " 浑然一体 " 的协作 ，成为数字世界与物理世界加速融合统一的 " 神经系统 "。

通用机器人则是当前海内外最炙手可热的赛道之一。

报告指出，通用机器人要真正走进人们的生产生活，仍然面临五大核心挑战：数据匮乏、触觉感知不成熟、灵巧手设计不完善、电机扭矩与散热不足、成本过高。

对于这些挑战，报告进行了逐一拆解，并判断，触觉感知、灵巧手软硬件设计、电机扭矩与散热等问题将在 2030 年前逐步解决；2030 年后，数据飞轮逐渐成熟，手部操作能力大幅提升，成本快速下降，最终在 2049 年左右，通用机器人便能走进千家万户。

" 十大未来场景 " 则囊括了生命健康、人才教育、科学研究、基础民生、未来交通、工业制造、经济金融、先进能源、城市与环境、空间探索，都将在 AI 的改造下迎来巨变。

例如未来交通，一方面，自动驾驶全域自主大势所趋，预计 2027 年底开启 L4 试商用，2030 年部分场景实现 L4 规模化应用，2035 年达成大部分场景 L4+，2049 年 L5+ 全面普及。

另一方面，通过配备传感器、边缘计算节点和动态信号系统，交通基础设施将进化为具备自我感知与调节能力的智能神经网络 ，到 2049 年，交通拥堵造成的时间损失将减少 70% 以上。

同时，出行模式将转向 " 移动即服务 " ，人们无需拥有汽车，便可通过统一平台即可调用自动驾驶出租车 、空中出租 车 ( eVTOL ) 、高速磁悬浮等立体化工具，城市空间因此释放。

杨玉良将这份报告形容为对 " 未来之门的第一次叩响 "，通过 " 对每一个特定的科技领域给出特别细致的对未来的预判 "，为全人类文明进步贡献中国思考。

报告的发布，给 AI 产业拨开了当前的迷雾，也让科学界和产业界拧成了一股绳，合力驶向 AI 技术浪潮的下一个标的：应用。

本月初，任正非参加国际大学生程序设计竞赛（ICPC）赛后座谈会，在交流中表示，AI 的终极价值不在发明，而在应用。"AI 发明顶多成就一家 IT 公司，应用却能强大一个国家 [ 1 ] 。"

一句话点出了当下产业界迷茫的根源：技术快速迭代，应用创新却没有跟上，陷入价值困境。

当前，" 万模大战 " 仍然如火如荼，无论是年初的 Deepseek 还是几个月前 Gemini-3 的发布，都在进一步提升大模型内卷的速度和强度，迭代频率从 " 年更 " 演变为 " 月更 " 甚至 " 周更 "，一周内可以诞生数款针对特定任务优化的新模型。

ArtificialAnalysis.ai 网站截至 11 月 18 日的各大模型评分

同时，技术范式不断迎来突破。大模型上下文窗口正从数万扩展到 200K（约 30 万汉字），从理解对话发展到能完整处理一本小说或一份百页报告，这个过程中，AI 的形态也从单纯的对话模型，快速进化为能规划、使用工具、执行多模态任务的智能体。

然而，与技术端的围绕 " 更大、更快、更强 " 的竞赛相比，应用端的热闹却大多浮于表面。

根据麦肯锡最新发布的 "2025 AI 报告 "（《The state of AI in 2025》），在其访问的全球近 2000 家不同行业的企业与组织中，有 88% 已经开始使用 AI 技术，但只有 36% 表示改善了盈利能力，33% 表示带来了即带来实质性的收入增长 [ 2 ] 。

受访企业对于 AI 在公司业务各个层面上改善程度的反馈；来源：麦肯锡

思科前 CEO John Chambers 亲身经历了互联网时代由极盛转衰的过程，其在 10 月接受媒体采访时表示，AI 的发展速度是互联网时代的五倍，一家初创公司一个月甚至一周就能开发出产品，然后在一两个季度内将其推向市场。

那么，无法将技术转化为可持续竞争优势的公司，投入巨额资金后又该如何盈利？Chambers 认为，" 鉴于当前市场的变化速度，你必须能够自我革新，然而，大多数 CEO 和商业领袖并不知道如何做到这一点，尤其是在 AI 领域 [ 3 ] 。"

这里的核心症结在于，技术端与应用端各自为政，尚未形成有效的沟通机制和合作模式，导致技术迭代与应用创新脱节，技术路径与市场需求错配。

类似的尴尬，在电动车发展早期也曾经发生。其诞生早于燃油车，并且凭借安静、易启动等优点，一度占据了美国市场 38% 的汽车市场份额（1990 年 [ 4 ] ）。

爱迪生（左）与 1910 年款的 "Bailey Electric" 电动汽车合影

然而进入 20 世纪，美国社会对长距离、低成本出行产生了更大的需求，当福特 T 型车凭借流水线将燃油车的价格打到 600 美元（仅为当时电动车价格的三分之一），伴随着加油站网络的普及，电动车因续航、成本和补能网络的致命短板迅速被淘汰。

这表明，技术优势若脱离了对主流市场需求和基础设施的适配，终将被市场抛弃。

近二十年电动车的复兴，本质上是技术迭代与产业应用、大众需求系统性适配的结果。

例如，针对长距离出行的要求，以特斯拉为代表的电动车厂商联手电池厂开发了长续航电池，并兴建充电网络；同时，全球化的电池产业链推动电池成本十年下降 90%，各地拔地而起的超级工厂让电动车开进寻常百姓家。

从科学原理到产业规模化，从来不是线性直达，迷茫，是技术范式变革中的必然阶段。回溯过往的技术革命，大部分殊途同归。

任何一项革命性的技术要从实验室走到千家万户，都需要产业链各方围绕着一个共同目标，在技术、产品、成本、基础设施等多个维度上建立起桥梁，这些桥梁从来不是自然形成的，而是一个需要主动设计、艰难构建的系统工程。

对于 AI，如今也应该把视角从技术迭代扩大到俯瞰整个产业图景，在技术和应用之间建立起坚韧的协同纽带和交流通道，劲往一处使，才能有效地将技术的好处落到人类福祉。

1813 年，在欧洲各地爆发的战火声中，" 月光社 " 结束了历史使命。从结成到解散，" 月光社 " 只存在了不到半个世纪，但对于人类历史进程的影响却延续至今。

除了瓦特成功改良蒸汽机之外，组织成员中，普里斯特利发现了氧气、发明了苏打水，韦奇伍德推动陶器制造工业化、引发 " 陶瓷革命 "。一种说法是，" 在 18 世纪的科学或技术活动中，很难找到一项活动没有月光社成员参与其中。"

从伯明翰月光下的思想碰撞到今天的 AI 协作共创，推动历史前进的力量从未改变：唯有当最顶尖的智慧跨越藩篱，共同拥抱实践，一个新时代的产业革命才能真正到来。

参考资料

[ 1 ]   华为创始人任正非：AI 重在应用，网界

[ 2 ]   The State of AI in 2025，麦肯锡

[ 3 ]   Silicon Valley leader who navigated the internet ’ s boom and bust sees another wild ride with AI, AP

[ 4 ]   起起伏伏一百多年 最终只能做配角，老车资料库

[ 5 ]   好奇心改变世界：月光社与英国工业革命， 杨枭译 / 詹妮厄格洛著

编辑：李墨天

责任编辑：何律衡

封面图片来自 ShotDeck