核心观点 - 人工智能在软件开发领域的应用正经历从“辅助工具”向“协作伙伴”的根本性转变，智能体编码将在2026年成为企业的核心战略原动力 [1][9] - 软件开发的生命周期将被彻底重塑，从以周或月为单位崩溃缩短至小时甚至分钟级，工程师的角色将从代码编写者转变为智能体的编排者 [1][2][4] 智能体系统的崛起与开发周期的崩溃 - 2026年将出现结构性飞跃，从单一的AI智能体转变为协调协作的“智能体团队”，其核心是多智能体分层架构，由“编排者智能体”作为中心大脑进行任务分发和质量控制 [2] - 长效运行的智能体将能够连续工作数小时甚至数天，独立构建和测试整个应用程序系统 [3] - 日本乐天集团的案例显示，工程师利用Claude Code在拥有1250万行代码的庞大开源库中实施一项复杂变更，仅需7小时即可完成，精度达到99.9%，而传统方法可能需要数周 [3] 协作本质与工程师角色的重构 - 人工智能的转型本质是高度协作而非简单替代，研究发现开发人员在大约60%的任务中使用AI，但能“完全授权”给AI的任务比例仅约0-20% [4] - 未来的软件工程师核心价值将转移到系统架构设计、智能体协调、质量评估及将业务需求转化为技术路径的战略决策上 [4] - 借助AI填补知识空白，工程师变得更加“全栈”，能够更有效地覆盖前端、后端、数据库和基础设施等领域，将需要数周跨团队协调的任务压缩至单个工作会话中完成 [6] - 金融科技平台CRED利用Claude Code覆盖整个开发生命周期，在保持高标准的同时将执行速度提高一倍 [6] - 生产力的提升体现在“体量”和“广度”上，约27%的AI辅助工作由那些“具体不会行动”的任务组成，如清理技术债务、构建曾被搁置的工具及进行探索性原型设计 [6] - 加拿大电信公司TELUS的团队在将代码交付速度提高30%的同时，创建了超过13,000个定制的AI解决方案 [6] 技术民主化与安全挑战 - 智能体编码正在推动技术民主化，语言障碍将消失，COBOL、Fortran等传统语言及特定领域语言的门槛将降低，有助于企业对遗留系统进行现代化改造 [7] - 非技术团队（如销售、营销、法律、运营）的员工将获得构建自动化工作流和工具的能力 [7] - 自动化平台Zapier实现了全员AI普及，设计团队利用Claude在客户访谈期间实时创建原型，而过去需要数周 [7] - 某公司的法律团队通过构建自动化合同修订工作流，将支出审查的周转时间从大约两周缩短至24小时 [7] - 能力的普及带来“双重用途”风险，智能体编码在增强防御能力的同时，也可能被攻击者利用以扩大攻击规模 [7] - 企业需采用“安全优先”的架构，设计自动化的智能体防御系统以机器速度响应威胁，并将安全性嵌入到智能体系统设计之初 [8] 战略意义与未来展望 - 2026年，智能体编码将从提高效率的插件转变为企业参与竞争的核心战略原动力，早期采用者与落后者之间的差距正在迅速扩大 [9] - 企业领导者的当务之急是掌握多智能体协调、建立规模化的人机协作监督机制，并赋能整个组织的领域专家 [9] - 成功的关键在于通过智能协作让人类的智慧聚焦于最关键的决策点，而非将人类从循环中移除 [9]

公司及产品介绍 - 朱葛科技创始人、中国残联信息无障碍技术特聘专家朱清毅，是一位拥有26年编程经验的盲人软件工程师，其团队历时六年研发成功全球首个无需预扫图、无需人工遥控的AI look盲人助理机器人 [1][3] - 产品被正式命名为“AILOOK盲人助理机器人”，于2023年获得国家发明专利，是国内首个也是目前唯一实现无需预扫图、全自主实时导航的导盲机器人 [6][19] - 产品为轮式、带有扶手的机器人，集成多种传感器，核心特点是无需预扫描和人工遥控，能实时理解动态环境并使用自然语言与用户交流 [5][18] 产品研发历程与核心理念 - 研发动机源于创始人十年前参观智能工厂的触动，结合中国有1731万盲人的现状，认为盲人群体更需要专属的导盲机器人 [3][15] - 研发起点是回归人机协同本质，将机器人设计为感知与行动能力的延伸，而非替代人 [4][17] - 技术攻关分三步：首先训练模型识别物体，然后通过增加深度相机和激光雷达解决距离判断问题，最终突破无需预扫图建模、实现全自主实时导航的瓶颈 [4][5][17][18] - 产品设计基于盲人真实需求，避免以健全人视角想象需求，例如盲人腿脚完好，核心需求是获取台阶的精准信息而非让机器爬台阶 [7][20] 产品性能与竞争优势 - AILOOK重量仅为12斤，待机时间8-12小时，价格控制在3-5万元人民币 [8][21] - 相较于四足导盲机器狗（重量30-80斤，待机2-3小时，价格8-15万元），AILOOK在重量、续航、成本和安全性（上下台阶无需关闭避障）方面具备明显优势 [8][21] - 在复杂真实场景（如烟台高铁站）测试中，产品能成功引领避障，并主动播报如“前方3米有楼梯，共12级”等详细环境信息，验证了其实用性 [5][18] 技术前景与行业影响 - AILOOK背后的“人行通道视觉大模型”是机器理解物理世界的“眼睛”，该技术可赋能千行百业，例如使未来的配送机器人摆脱固定轨道，或推动具身智能机器人融入日常生活 [9][22] - 该技术将引发人机交互革命，使机器从“命令与服从”的工具转变为能感知情境、自主决策、与人“对话与协作”的智能体 [9][22] - 技术有望重新定义“残疾”边界，视障可能从一种“缺陷”转变为不同的“感知方式”，其目标是创造一个让每个人都能平等、自信、安全参与的社会 [9][22] 市场洞察与研发启示 - 研发过程揭示了一个关键陷阱：以健全人的视角去想象残疾人的需求，容易导致产品脱离真实使用场景 [7][20] - 核心启示是：最好的导盲产品未必是技术最炫酷的，但一定是最理解盲人真实生活场景、最尊重人机协作本质的 [8][21] - 由盲人工程师为盲人群体研发的产品，被证明是最适合该群体的，强调切身体验和真实场景在产品设计中的根本重要性 [10][23]

公司技术突破 - 开普勒K2大黄蜂人形机器人完成全球首例“人机协作”高空焊接作业 [1] - 机器人由操作员通过VR头显远程操控，在20米高空以毫米级精度复刻操作员动作，双臂负载达30公斤 [1] - 在连续8小时作业中保持稳定，全程无卡顿与偏差 [1] 核心技术系统 - 成果依托于开普勒自主研发的沉浸式全身遥操作系统，融合动作捕捉、低时延通信与力反馈技术 [1] - 系统实现人类对机器人的1:1全身远程控制，操作员动作可被机器人同步响应 [1] - 力反馈系统能在焊接遇阻时实时传递压力感，视觉信息如火花飞溅同步呈现在VR头显第一视角中 [1] 系统智能化功能 - 系统具备长时间作业下的多模态运动数据高保真记录功能，涵盖负载变化、路径偏差、力控调节等 [1] - 通过真实世界与仿真环境的双向映射，使机器人在重复遥操中自主优化动作策略 [1] - 在首次处理特定工件需人工精细引导，但经过3至5轮重复训练后，机器人即可自主适应工件公差范围，降低人工干预频率 [1]

AI整合对团队协作的潜在负面影响 - 尽管引入AI工具以期提升效率，但整体团队绩效可能不升反降，成员开始陷入自我怀疑，信任正以难以察觉的方式流失 [1] - AI的“自信”错误不仅浪费资源，更会悄然瓦解成员间的信任，让团队陷入自我怀疑，问题的根源在于错误地将团队融合挑战当成了技术问题 [1] - AI工具可能引发“工作垃圾”现象，即AI生成的产出无法推动项目进展，反而让同事承担额外的认知与情感劳动来修正重做，这不仅损害效率，更侵蚀同事间的信任 [1] 信任模糊性与团队学习中断 - 当AI提供自信但错误的信息时，会产生“信任模糊性”，即人们认为应当信任AI，却缺乏实际信任感，且这种不信任往往难以言说 [3] - 长期使用AI会削弱专业人士挑战AI建议的信心，即使他们具备相关专业知识，这种模糊性直接威胁到团队学习与绩效的基石——心理安全感 [3] - 与人类犯错不同，AI的“黑箱”特性使团队无法进行协作式意义建构，难以质疑其前提假设或理解推理链条，导致归因不确定性和不断扩散的怀疑循环 [4] AI导致的协作失调与动态破坏 - 最新研究表明，含AI成员的团队因人类成员努力程度下降而出现更多协作问题，导致整体表现降低 [5] - AI的存在可能损害沟通协调等重要集体流程，同时影响努力程度与责任归属，导致成员间互动效能下降 [5] - AI无法捕捉情境线索、不会根据团队动态调整沟通方式、也不能通过非正式关系建立有效连接，且不会为错误承担后果，与按不同规则运作的“成员”协作可能产生持续累积的隐性成本 [5] 领导者应对策略：重构认知与建立学习文化 - 解决方案是将已验证的组织行为原则应用于AI整合，将其本质上视为团队学习挑战，而不仅是技术实施问题 [8] - 领导者应清晰传递理念，将AI整合视为持续的实验与动态学习过程，团队发现AI的局限性并非失败，而是宝贵的情报来源 [8] - 通过表彰发现AI错误的成员（而非盲目接受AI输出者），将质疑AI塑造为良好判断力的标志而非抗拒创新 [8] 实践案例：3M公司的AI整合方法 - 在3M研发部门开发生成式AI应用案例时，团队邀请志愿者参与早期试点，明确传递出团队处于学习模式而非部署模式的信号 [9] - 团队特别展示根据用户反馈进行的改进，彰显学习型思维，不仅讨论节省时间或自动化任务，更通过反馈与实证激发他人信心 [9] - 3M团队经常通过内部渠道分享新发现、意外洞见与遇到的AI局限，旨在改变技术社群对该工作的认知，让他们清晰看到工具开发团队正在与他们共同积极学习 [10] 构建智能容错机制与强化人际连接 - 团队需明确区分不同类型的AI失误，鼓励“探索性失误”作为学习契机，而对“基础性失误”则需通过流程优化加以系统性防范 [12] - 3M通过建立可见的“失败-改进”循环和分阶段谨慎扩展（小型专家团队测试、志愿者试点、区域及全球推广）来捕捉失败并从中学习 [12] - 成功的AI整合需要有意识地维护人际连接，领导者需要为团队成员开辟专属的讨论空间，让纯粹的人类智慧得以充分探讨团队协作动态与AI整合过程中的核心挑战 [13] 未来成功整合的关键衡量标准 - AI整合的成功不仅应以AI性能指标衡量，更应考察整体团队效能、学习速度及优化利用人机智能的能力 [15] - 有效的人机协作需要组织刻意培养的新能力，适用于人类团队的协作原则（如心理安全感、清晰沟通机制以及从探索性失误中持续学习）同样可延伸至人机协作场景 [15] - 未来工作的关键不在人类智能与人工智能间二选一，而在构建能让两者充分发挥潜能的团队 [15]

实验概述与目标 - 一项由11位全球顶尖数学家发起的AI实验，旨在探索“AI+数学”的能力边界，检验当前AI系统是否具备独立解决研究级数学问题的能力[1][6] - 实验名为“First Proof”，让AI在规定期限内解决10道由数学家从其真实研究过程中产生的“研究级”难题[1][6] - 实验设计模仿了高斯时代保护优先权的做法：人类已证明出答案但先不公布，待合适时间再公开，以避免AI在训练中“偷看”答案[2][3] 实验设计特点 - 设计了10道研究级数学问题，覆盖代数组合学、谱图论、代数拓扑、随机分析、辛几何等多个数学分支[10] - 问题筛选标准严格，最初有20道题，最终根据AI能理解问题表述、无隐藏公开答案、作者同意按要求发布证明、每位团队成员仅贡献1道题这4个标准筛选至10道[10] - 问题均来自作者自身的研究过程，是未来发表成果中的小型核心引理，未在任何公共渠道发布，从根源上避免了数据污染[17] - 每道题的人类证明不超过5页，以适配当前AI的技术限制，且加密存储于指定网站[18] - 最终答案将于2026年2月13日统一公开，在此之前全球用户均可使用这10道题测试AI[21] 与现有基准的差异 - First Proof区别于聚焦于竞赛题的现有数学AI基准，其问题与真实的数学研究存在本质差异[9] - 其特点包括：问题来自数学家当前研究中的真实疑问，答案需人类专家评分；问题公开但答案无任何公开记录，供社区验证但不可重复使用，彻底消除数据污染；允许AI无限制使用网络搜索等外部资源，贴近真实研究场景[16] 初步测试结果与观察 - 数学家们邀请GPT 5.2 Pro和Gemini 3 Deepthink对10道题进行了一次性作答测试[23] - 实验结果显示，在当前公开可用的最佳AI系统仅有一次作答机会的情况下，它们难以解答提出的多数问题[24] - 实验仅聚焦于数学研究最后且最明确的阶段，即在问题表述和研究背景已清晰的前提下，检验AI完成严谨数学证明的能力，不评估其提出研究问题或构建新理论的能力[23] - 作者预计，如果允许人类与AI反复对话、追问和引导，则很有可能让AI给出更好的答案[25] 未来计划与行业意义 - 计划在数月内设计第二套问题集，并在实验设计上进一步收紧变量，例如在与模型方达成协议后，先让前沿AI系统完成测试再统一公开问题与答案，旨在将First Proof发展为一个可复用、可比较的研究级数学能力基准[28] - 未来实验设置将逐步“去人工化”，例如放宽对证明长度、表达形式等人为限制，并引入来自不同数学分支的问题，以覆盖更广泛的研究场景[28] - 该实验的价值在于第一次使用真实、未公开、研究级的问题来试图界定AI当前所能触及的能力边界，即使AI只完整解出一道题，也足以成为AI数学研究史上一个值得记录的节点[29][30] - 该实验符合人机协作的未来趋势，其意义不在于给AI下“及格或不及格”的结论，而在于探索边界[29]

人工智能重塑职业生态 - 人工智能正在加速重塑职业图景 催生了AI训练师 AI产品经理 AI伦理审核员等新职业 [1] - “一人公司（OPC）”借助AI工具完成内容生产与运营的创业新范式正在兴起 并加速走向主流 [3] - 人工智能技术深刻重构就业生态与职业图景 推动劳动者技能结构升级 形成以人机协同 智能赋能为特征的就业新范式 [2] 行业需求与市场趋势 - 普华永道2025年全球AI就业晴雨表显示 全球几乎所有涉及AI应用的岗位数量都在增加 [2] - 拥有AI技能的从业人员平均工资溢价达56% 是上年的两倍 [2] - 58同城报告指出 平台已涌现近50类“人机协作”新岗位与40种智能新服务 [2] - 具身智能 世界模型等技术方向加快突破 人工智能正从语言处理走向对物理世界的理解与建模 [2] - 人形机器人产业的规模化发展 将在设计研发 生产制造 检测认证 保养维修 场景应用等全产业链各环节创造大量新就业岗位 [3] 人才与能力要求 - 行业对复合型 应用型人才的需求不断扩大 [2] - 在人机协作背景下 人类的想象力 判断力 审美能力 批判性思维和情感互动能力将成为不可替代的核心竞争力 [4] - 未来人才培养应强化交叉学科素养和综合能力 同时加快完善AI新职业培训体系 [5] - 青年一代需建立以“AI思维”为核心的认知范式 提升驾驭AI的能力 并建立动态演进的知识体系 提升“跨学科融合+伦理引导”的未来竞争力 [5] - 为提升抗风险能力 应避免单一技能依赖 “斜杠”可能成为未来主要生活方式之一 AI的出现大大缩短了人们从新手到专家跨领域学习的过程 [5]

公司概况 - 公司名称为Uplifeting，是一家聚焦“混合智能”与智能硬件的初创公司 [2] - 公司于2024年初成立，核心团队平均年龄约二十七八岁，团队核心成员线上线下共十余人 [1][6] - 公司总部位于上海市杨浦区，团队分布在中国、美国、英国三地，形成微型全球化协同网络 [2][6] 创业历程与战略转型 - 创业起点源于2024年初创始团队（佘汀涛、蒋越、袁林萍）对AI与设计结合的探讨 [2] - 团队最初设想构建“万物皆可设计”的通用AI平台，但很快将战略收拢至智能硬器的创新设计流程，避免“泛化” [2] - 团队经历了从学术思路向产品思路、技术主导向需求主导的转型，共同研判未来1-3年的技术方向 [7] - 2025年，公司曾婉拒一笔与“智能硬件”核心赛道不符的战略投资 [7] 核心技术 - 公司核心技术为“混合智能”，强调人与AI优势互补 [3] - 在该模式下，人负责创意、决策与关键把控，AI承担数据挖掘、方案生成与重复劳动 [3] - 该模式旨在降低AI幻觉，提升复杂任务解决能力，实现更平滑高效的人机协作 [3] 商业模式与客户案例 - 公司业务聚焦于智能硬件的创新设计流程 [2] - 客户案例分为两类：一类是“0—1的创新”，为初创企业打造全新品类；另一类是“1—2的创新”，为已有产品提供迭代升级服务 [3] - 公司已为多家出海企业提供智能硬件的数据分析与设计优化服务 [3] 融资与市场规划 - 公司计划在春节后（报道时间为2026年1月）启动新一轮融资 [7] - 融资目的为打造更具代表性的案例并开始布局海外市场 [7] - 公司长期战略是结合中国工程师人才红利、国内供应链能力与“混合智能”平台，在人工智能时代创造更多人机协同作品 [7] 行业背景与政策支持 - 公司通过参加2024年“春晖杯”中国留学人员创新创业大赛并获奖，精准对接了上海市杨浦区的产业政策与人才支持 [5] - “春晖计划”平台帮助公司完成了从海外研究到国内创业的关键落地，并为其连接了跨领域合作伙伴 [5] - 公司正与通过“春晖杯”结识的民族乐器创新团队合作，探索“智能民乐”项目，以技术赋能传统文化创新 [5]

人工智能重塑职业图景与就业生态 - 人工智能正在加速重塑职业图景 对劳动者的从业素质提出了新要求[1] - 人工智能技术正在深刻重构就业生态与职业图景 推动劳动者技能结构升级 向更高附加值方向演进 形成以人机协同、智能赋能为特征的就业新范式[2] 新兴职业与岗位涌现 - 从AI训练师、AI产品经理、AI伦理审核员等新职业涌现 到“一人公司”等创业新范式兴起[1] - 从事数据标注的AI训练师、借助AI生成内容的动画师、统筹AI产品全流程的产品经理等新岗位持续出现[1] - 平台已涌现近50类“人机协作”新岗位与40种智能新服务[2] 人才需求与技能溢价 - 对复合型、应用型人才的需求不断扩大[1] - 拥有AI技能的从业人员平均工资溢价达56% 是上年的两倍[2] 人工智能技术范式变革 - 当前 具身智能、世界模型等技术方向加快突破 人工智能正从语言处理走向对物理世界的理解与建模[2] - 行业技术范式正发生深刻变化[2] “一人公司”创业新范式 - AI降低了创业门槛 “一人公司（OPC）”逐渐兴起——一个人借助AI工具即可完成内容生产、产品运营和服务交付[2] - 从苏州提出打造OPC创业首选城市 到多地推出相关社区和支持政策 “单人+AI”的创业模式正加速走向主流[2] - OPC正从个体创作转向具备规模化能力的‘超级个体’ 未来五年 这一形态有望成为数字经济的重要组成部分[2] 人机协作下的核心竞争力 - 在人机协作背景下 人类的想象力、判断力、审美能力、批判性思维和情感互动能力 将成为不可替代的优势[3] - 让AI不仅“懂治病” 更要“懂人”[1] 未来职业与生活方式趋势 - “斜杠”可能是未来人们主要的生活方式之一[4] - 为提升抗风险能力 就要避免单一技能、单一职业依赖 提升综合能力[4] - AI的出现让人们可以快速地进入不同领域 大大缩短从新手到专家的过程[4]

文章核心观点 - 人工智能正在加速重塑职业图景，创造新职业与新就业机会，同时对劳动者的复合型、应用型技能提出新要求，推动形成以人机协同、智能赋能为特征的就业新范式 [1][3][4] AI催生的新职业与新岗位 - AI训练师、AI产品经理、AI伦理审核员、借助AI生成内容的动画师等新岗位持续出现 [1][3] - 普华永道2025年全球AI就业晴雨表显示，全球几乎所有涉及AI应用的岗位数量都在增加 [3] - 58同城报告指出，平台已涌现近50类“人机协作”新岗位与40种智能新服务 [3] - 人形机器人产业的规模化发展，将在设计研发、生产制造、检测认证、保养维修、场景应用等产业链各环节创造大量新就业岗位 [5] AI带来的就业质量与薪酬变化 - 拥有AI技能的从业人员平均工资溢价达56%，是上年的两倍 [3] - AI通过赋能传统行业、催生新业态，为提升就业质量提供新支点 [4] AI驱动的创业与工作模式变革 - AI降低了创业门槛，“一人公司（OPC）”借助AI工具即可完成内容生产、产品运营和服务交付的模式逐渐兴起 [7] - 多地推出OPC相关社区和支持政策，“单人+AI”的创业模式正加速走向主流 [7] - OPC正从个体创作转向具备规模化能力的“超级个体”，未来五年有望成为数字经济的重要组成部分 [8] - “斜杠”可能是未来人们主要的生活方式之一，AI让人们可以快速进入不同领域，缩短从新手到专家的过程 [10] AI时代对人才能力的要求 - 对复合型、应用型人才的需求不断扩大 [3] - 人类的想象力、判断力、审美能力、批判性思维和情感互动能力，将成为人机协作中不可替代的优势 [8] - 未来人才培养应强化交叉学科素养和综合能力，同时加快完善AI新职业培训体系 [8] - 青年一代需建立以“AI思维”为核心的认知范式，提升驾驭AI的能力，并建立动态演进的知识体系，提升“跨学科融合+伦理引导”的未来竞争力 [10] - 应警惕过分依赖AI，在青少年教育阶段不宜过早使用AI，应优先锻炼独立学习能力，培养独特的想象力和视角 [10] AI技术发展趋势 - 具身智能、世界模型等技术方向加快突破，人工智能正从语言处理走向对物理世界的理解与建模 [3] - 北京智源人工智能研究院发布的《2026十大AI技术趋势》认为，行业技术范式正发生深刻变化 [3] - 具身智能推动人形机器人向更高自主性和更强人机协同能力发展，逐步进入真实应用场景 [5]

AI发展时间线与技术变革预测 - 2026年是AI发展的奇点之年 预计2026年达到通用人工智能(AGI) 2030年AI总智能将超越全人类智能的总和 [7] - 手机将在未来5-6年内变成古董 被意识交互接口所替代 设备可能退化为仅显示AI生成内容的屏幕 无需操作系统或APP图标 [9][11] - 脑机接口技术将直接在大脑与外部设备间建立通信与控制通道 实现意念操控设备 未来人类可以上传思维甚至下载知识 [15][16] AI对就业市场与职业结构的冲击 - 白领工作将在1-2年内大规模消失 任何涉及点击键盘、移动鼠标的数字工作 AI都能做 AI生成内容已超过人类创作 知识搬运类工作正在归零 [12] - 自动驾驶成熟与机器人量产后 司机、货运、快递员等职业将迅速消失 [14] - 未来社会将分层为三类人：设计AI创造新现实的人 与AI协作发挥人类独有价值的人 被AI替代需要社会供养的人 [22] 当前教育体系面临的挑战与未来方向 - 当前教育体系仍在训练孩子记忆可被瞬间调取的信息 使用即将被淘汰的人机交互方式 为可能消失的岗位准备技能 [17][19] - 教育方向应从知识容器转向问题解决者 每周与孩子解决一个真实问题 经历从发现、分析到解决的完整过程 [23][25] - 培养孩子使用AI工具完成复杂任务的能力 未来"一人公司"创业模式将因AI普及而兴起 每个人都需要懂得与AI协作 [25] - 培养孩子的提问能力 在AI可处理标准化任务的时代 能提出好问题的能力比找到标准答案重要十倍、百倍 [28][30] 未来需要投资的核心资本与能力 - 投资人际资本 包括真实社交能力、团队领导力、面对面的感染力 [30] - 投资体验资本 培养感官敏锐度、情感深度与美学鉴赏力 例如走进自然、看展览、去博物馆 [32] - 投资意义资本 与孩子探讨哲学问题、参加志愿者服务、支持艺术创造 这些可能是未来极大的生产力 [33] - 建立人机协作思维 而非人机竞争 教孩子使用AI 让孩子思考AI未想到的问题与角度 人类作为有温度的决策者 [34] 宏观经济与长期社会趋势 - 商品和服务的产出增速在三年内将会超过货币的供应增速 可能带来通缩 传统职业的回报率将急速下降 [20][21] - 培养意识扩张而非信息吸收 减少"是什么"的知识灌输 增加"为什么"的宇宙追问 以提升意识水平理解宇宙本质 [34]