人类给ai设定目标、评价结果，机器人行业可能在2027年迎来临界点，十年后纯靠人工制作的视频可能赶不上ai。这次乌镇峰会上，王兴兴和陈睿的判断，把几种尚在争论中的未来直接摆到了台前。
11月4日，宇树科技创始人王兴兴在互联网企业家论坛上，还把人的价值指向“评价AI模型”和为AI设置目标。机器人能够接手更多执行任务以后，人究竟留下什么工作，被这句话直接推到了眼前。
知乎创始人周源把这轮变化概括为“人类历史上最大规模的知识迁移”。蔚来创始人李斌谈到智能驾驶时，强调减轻人的驾驶负担、减少事故。丁香园创始人李天天则提醒，医疗行业的低容错率决定了创新需要审慎推进。几位企业家谈的是不同生意，发言里却都绕不开人的位置。
这组发言里，既有对突破速度的大胆预判，也有对行业底线的谨慎坚持。把预测、产品目标和已经发生的变化分开，才能看清各家公司期待的机会，以及它们还没有解决的难题。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
王兴兴乌镇发言
王兴兴把机器人临界点指向2027年
王兴兴判断，2027年很大概率会成为具身智能行业或相关模型的临界点。这个预测之所以有分量，是因为它把技术突破放进了一个很近的时间表。他此前描述过一个目标：在约80%的陌生场景中，通过语言或文字指令完成约80%的任务。相比为固定工位反复训练，这种泛化能力会让机器人接触更广泛的工作。
但他也谈到了尚未解决的困难。固定工位的任务成功率可以很高，效率仍需要提升；抓取和简单搬运之外，拆装、穿针引线等动作涉及更细的控制。模型的输入输出与真实世界之间，还存在精细操作上的距离。2027年因此是他的技术判断，不能直接等同于所有客户开始集中采购的日期。
工厂已经给出了另一套观察尺度。Figure在宝马工厂的项目以钣金零件上料为任务，公司在2025年11月的复盘中披露，机器人累计运行超过1250小时，装载超过9万件零件，参与了3万多辆汽车的生产。这里的“参与”对应一个具体生产环节。
Figure 02宝马工位
比总量更能说明问题的是验收要求：总作业周期84秒，其中上料时间37秒；每班放置成功率目标高于99%；人工干预目标为每班零次。这套考核把速度、质量和人工介入一起纳入了项目目标。
同样是把零件拿起来放下去，工厂要同时考虑速度、准确度和连续作业。动作成功之后，如果下一道工序仍要等，或者工作人员经常需要暂停、重置机器，整条产线的效率就不能只用单次任务成功率表示。机器人承担了操作，人可能仍然承担着异常处理。
回到王兴兴关于人的那句话，目标设定和评价并不轻松。客户要决定让机器人干什么，确认它能否稳定完成，还要处理部署、运行和维护中的问题。泛化能力决定有多少任务值得尝试，验收结果决定客户愿意为多少任务付钱。2027年的预测最终需要通过这些具体项目来检验。
李天天强调医疗创新必须审慎
同样是评价AI，放进医疗场景，代价会明显不同。丁香园创始人、董事长李天天在乌镇强调，医疗行业容错空间很小，创新需要稳健迭代。与机器人临界点的预测相比，他的发言更克制：医疗流程里的复杂和谨慎，背后关联着患者的生命安全。系统可以迅速生成建议，医生还要判断它能否用于眼前这个患者。
丁香园今年公布的一项医生调查提供了更具体的变化。调查基于平台4150份医生有效问卷，近八成受访医生已经在工作中使用AI。与此同时，近六成受访医生经常遇到带着AI生成的诊疗建议前来咨询的患者。这是平台受访群体的情况，反映出一种已经出现的就诊行为。
AI因此可能同时改变问诊的两端。医生用它查找信息，患者也用它整理疑问。双方都获得了更多材料，沟通却未必自然变得简单：两份建议可能使用不同的前提，患者可能把一般性的回答理解成适用于自己的结论。医生需要解释建议与实际病情之间的差别。
这一变化包含真实的收益。患者能够提前了解术语、形成更清楚的问题，医生也有机会更快查到资料。但当患者带来的内容存在误读，澄清又会占用时间。同一次咨询里，信息获取成本下降，判断与沟通的工作可能增加。AI是否让人更轻松，要看这些变化合起来的结果。
丁香园的用药助手面向医药专业人员提供临床决策支持，这种产品定位也说明了分工：工具帮助检索和理解信息，具体判断仍在真实诊疗过程中完成。医生的工作不会因为屏幕上已经有一个答案，就自动结束。
周源：把人类知识搬进AI，还需要专家
周源在乌镇以《人类历史上最大规模的知识迁移》为题发表演讲。他把人类知识从书本、互联网走向AI的过程放在一起讨论，并强调各学科专家对AI发展的作用。医疗场景恰好说明，这场迁移需要持续输入专业经验：知识进入模型之后，适用条件、遗漏信息和评价标准仍然要有人辨认。
使用者的经验也会影响这笔时间账。熟悉业务的人，可能很快发现答案漏掉了关键条件；刚接触这个领域的人，则要先学会判断结果。生成工具降低了动手尝试的门槛，验收所需的知识仍然要逐步建立。同一个产品交到不同人手里，能够节省的时间因此可能不同。
专家的作用也不限于在最后一道关卡挑错。哪些材料值得学习，一个任务应当怎样定义，怎样设计有效的评价，都需要领域经验。随着生成答案越来越容易，提出一个有价值的问题、辨别一个看似完整的答案，反而更难用统一的标准处理。
陈睿看好AI技术，也押注人的表达
陈睿的发言里，有两个需要一起理解的判断。他认为AI在视频制作的技能、技术上会超过人类，并预测十年之后，人工制作的视频可能在技术上赶不上AI；与此同时，他强调“最好的内容一定由人类主导创作”。前一句谈制作能力，后一句谈作品价值。对B站而言，工具让更多人能够制作视频，平台仍需要创作者贡献自己的观察、故事和审美。
这也是我最近高强度使用AI做内容时的直接感受。任务发起后，AI可以很快交出大段文字和各种文件。可一旦质量不符合要求，后续就是人工检查、提供返修意见、等待修改，再检查。多轮下来，人有时比过去更累。
困难往往出在解释判断上。自己动手修改一个段落，可以直接完成取舍；把修改交给AI，还要先说清楚问题在哪里、为什么有问题、哪些部分不能动。如果下一轮又引入新的偏差，验收就要继续。工具节省了输入和执行时间，沟通与检查却成为新的工作量。
一个技术错误还比较容易定位。更难的是材料虽然都对，文章却没有把真正重要的事情说清楚；文字流畅，判断却没有依据；例子很多，彼此之间缺少关系。这些问题需要编辑理解整篇内容，无法靠扫描几个关键词完成检查。
陈睿这番话也要接受创作实践的检验。技术表现更强，并不自动让作品更有表达；强调人的主导，也不能解释每一次低效返修。创作者需要把观察、材料和取舍变成明确的作品，工具则要准确执行这些要求。两者衔接得怎样，决定了AI视频和AI文章能否持续产出值得看的内容。
这种分工还会继续移动。有些评价本身就可以自动化，成熟流程中的重复检查也能交给工具。人的工作会继续变化。现阶段需要辨认的是，哪些环节已经足够可靠，哪些环节还必须投入人的注意力，行业的容错程度、结果是否容易检查，都会改变这条分界线。
李斌把AI的价值落在轻松与安全上
李斌在乌镇谈智能驾驶时，把减轻驾驶负担、减少事故放到了前面，并提出要“让人的工作更轻松、更安全”。这句话给产品设定了一个具体目标：系统接手足够完整的一段工作，用户才能真正少花时间、少耗精力。它也留下了一个必须面对的追问——节省出来的时间，最后归谁？
但产品目标与整个行业的就业变化，是两个不同的问题。一项技术希望服务人，不等于采用这项技术后，岗位数量和工作内容都会保持原样。企业怎样配置人员、怎样制定工作目标，仍会影响技术红利由谁获得。把价值愿望直接当成结果，会省略最需要讨论的经营选择。
即使暂时不讨论岗位消失，工作负担也可能变化。假如生成工具把初稿生产速度提高了，企业同时提高交付数量，而每份初稿的检查成本没有下降，审核人员就要处理更多内容。个体动作更快，团队并不一定更从容。增加的产出可以创造价值，也可能把压力集中到最后的验收者身上。
这与机器人进工厂的情况存在相通之处。能否稳定运行、何时需要人介入、介入之后能否继续，影响着人究竟可以离开多长时间。把一个动作自动化，与让一个人真正腾出手，是不同层次的产品能力。两者之间的差距，要通过连续使用来消除。
对企业而言，评价AI项目需要更完整的工作账：从提出任务到最终采用结果，总共占用了多少人力，多少时间花在解释要求和处理异常上，错误是否更容易发现和修正。只统计生成速度，容易漏掉最贵的那部分劳动。
这份工作账还需要考虑注意力怎样被占用。一次人工介入只有几分钟，但如果人随时需要等着接手，就很难安排其他完整工作。反过来，当系统能明确告知进度，在遇到异常时保留已完成的部分，并准确说明需要哪项帮助，人的介入就更容易控制。即使模型能力暂时相同，这些产品设计也可能带来不同的使用感受。
这次乌镇峰会，几位企业家留下了不同类型的判断。王兴兴给出了时间预期，陈睿判断制作技术会继续突破，周源把知识迁移与专家经验联系起来，李天天和李斌则从医疗、出行出发，强调技术应当给人带来的结果。预测需要等待验证，价值主张需要产品兑现；每句话背后，都有一家企业接下来要交出的答卷。
对我这样每天使用AI做内容的人来说，检验这些判断的办法很直接：交代清楚任务后，能否放心去做下一件事，回来时拿到可以继续使用的成果。王兴兴谈的评价、周源谈的知识、陈睿谈的表达，最终都会落到这一次交付里。大胆预测能够吸引注意力，企业更难交出的答卷，是让使用者真正少做一些收尾工作。
