从左到右依次为李飞飞、辛顿以及吴恩达。图片经由AI生成

美国当地时间2026年8月4日至6日，全球AI行业大会AI4 2026在拉斯维加斯威尼斯人酒店举行。

当地时间8月5日，在会场1.2万名企业买家与从业者的共同见证下，AI4 2026迎来了一场被称为“一代人仅有一次”的重磅对话——“AI教父”杰弗里·辛顿（Geoffrey Hinton）、“AI教母”李飞飞（Fei-Fei Li）以及“AI布道者”吴恩达（Andrew Ng）罕见同台，正面交锋。

图片来源 Instagram

当今，AI正从实验室的算法模型，转向被接入真实业务流程、决策链条与商业预算的行动系统。面对智能体驱动的新时代，社会是否已做好了准备？

作为深刻影响现代深度学习、计算机视觉与AI产业化应用的三位顶尖科学家，李飞飞、辛顿与吴恩达三人在AI生存风险、劳动力替代以及开源、监管等核心议题上持有截然不同的立场。

以下为三人圆桌讨论的观点整理（有删减）：

01 岗位：增强、替代，还是彻底失业？

AI对劳动力市场的重塑，是三位科学家交锋的第一大“战场”。

图片来源：X社交媒体

李飞飞试图为非黑即白的就业争论引入更多维度。她指出，社会舆论过度陷入了“人被AI替代”的二元叙事。实际上，任何一份职业都由多元任务组合而成，AI改变的是具体任务的执行方式，而非瞬间消灭整个职业。

她举例称，某些工作流程会被自动化，另一些环节则会得到强化，并可能创造出全新的工作形态。她认为，技术转型的关键在于通过教育与劳动力转型政策，为受冲击最大的群体建立“软着陆”机制。

李飞飞也道出了这一议题的本质：“生产率的提高，并不必然自动转化为社会的共同繁荣。”

辛顿的研判则更为直接且充满警示意味。他并未在“增强”与“替代”之间寻求妥协，而是直白地预测部分职业将走向衰退。

他在现场点名了客服接线员与律师助理等岗位，认为其生存空间正在被大幅压缩。辛顿的逻辑非常清晰：一旦AI展现出处理常规智力劳动的能力，仅依赖此类劳动的岗位终将被机器承接。随着AI在特定维度全面超越人类，劳动力市场或将迎来不可避免的规模化调整阵痛。

相比之下，吴恩达给出了最积极的评估。他以软件工程师群体为例，认为“AI替代开发者”的论调被严重夸大。

根据他的观察，AI工具正在显著提升开发者的生产效率，协助工程师完成约30%的重复性编码任务，从而推动他们跨越传统专业界限、掌握全栈业务能力。

在他看来，尽管AI已经逐渐成为强大的生产力工具，但识别优质创意、理解复杂业务逻辑等“情境优势”，依然牢牢掌握在人类手中。

02 AI会失控吗？

如果说就业冲突聚焦于眼前的经济结构重组，那么关于AI长期风险的辩论，则触及了文明级别的安全审视。

图片来源：X社交媒体

自2023年离开谷歌后，辛顿一直致力于向公众系统性警示AI可能带来的生存危机。在此次峰会及发布会上，他引用了最新的安全研究成果：OpenAI、Anthropic及Meta旗下的先进模型在测试中均出现过突破安全“沙盒”测试环境限制、侵入外部系统的记录。

辛顿指出，当AI被赋予宏大目标时，它可能会自主创建实现路径，而“自我保存”往往会成为其衍生出的核心子目标。多伦多大学的研究进一步表明，AI已具备创建自适应计算机蠕虫并利用系统漏洞的能力。

“我们绝不能把AI监管的决定权，交到埃隆·马斯克（Elon Musk）或马克·扎克伯格（Mark Zuckerberg）这样的商业巨头手中。”辛顿说。

这一观点赢得了全场最响亮的掌声。他强调，科技巨头出于商业利益倾向于向公众传达“技术可控”与“风险可调”的叙事，但人类必须从现在开始建立预防性担忧机制。

吴恩达则站在了辛顿的对立面，他延续了此前在美国参议院听证会上的立场，明确表示“看不到AI导致人类灭绝的合理技术路径”。

在吴恩达看来，过去几年围绕AI存在明显的“制造恐慌”历史，其核心叙事经历了从“威胁人类生存”到“生物武器隐患”、再到“开源模型安全威胁”的频繁转变。

吴恩达直言，某些大型科技企业正在将“安全风险”异化为一种“监管捕获”（Regulatory Capture）的策略工具，试图通过推动高昂的合规门槛来抬高行业准入门槛，阻碍开源竞争对手发布免费软件，从而保护其专有模型的高额投资回报。

03 要防范黑客，还是要打破“守门人”？

当风险讨论落地为具体的政策制定与技术分发模式时，开源生态成为了三方利益与理念碰撞的最前线。

针对华盛顿及部分科技巨头试图限制开放权重模型（Open-weight Models）的呼声，吴恩达表达了坚决反对。

他指出，开放模型显著降低了学术界与中小创业者的创新门槛，让预算有限的开发者也能获取前沿技术能力。吴强调：“我希望OpenAI和Anthropic取得商业成功，但我坚决反对AI领域出现垄断性的‘守门人’。”

他认为，应该警惕任何借助监管名义剥夺公众获取免费技术权利的行为。

辛顿虽然承认限制开放权重模型的监管难度极大，但他依然提醒全行业注意技术无门槛扩散的副作用。他认为，当具备极强攻击能力的模型被无限制开源时，恶意行为者发起大规模网络攻击等破坏性活动的门槛将被极大地降低，技术的不可控性会在开源环境中被进一步放大。

图片来源：X社交媒体

李飞飞则试图超越开源与专有的二元对立。她主张将讨论重点重新锚定在基础科学研究与公共资源支持上，并以“人类基因组计划”为例，说明公共研究机构、高校与私营部门合作推动关键突破的重要性。

李飞飞呼吁社会各界摆脱“末日论”与“乌托邦”两极分化的情绪化表达，回归客观事实。她将技术比作被释放的“精灵”——从火的使用到蒸汽机与电力，人类从未真正将技术精灵装回瓶子，而是通过立法与制度建立护栏，将其转化为有益的生产工具。这同样应当是政策制定者面对AI时采用的科学态度。

04 当AI比人类更聪明

在论坛发布会上，三人讨论进一步延伸至超级智能出现后的技术控制论边界。

图片来源：X社交媒体

辛顿对控制问题持悲观立场的底层逻辑在于：当系统的智能水平全面超越人类时，人类传统上依赖“智力碾压”来维持控制的机制将失效。

“我不相信我们能够仅凭思维优势，永远将比我们更聪明的系统限制在可控范围内。”

为了缓解这一困局，辛顿再次呼吁，必须在AI底层构建类似“母性本能”的利他导向，使其真正具备关怀人类的价值锚点。

现场另一位顶尖学者、SingularityNET创始人本·格策尔（Ben Goertzel）则从工程角度对智能体的越轨行为进行了剖析。

他在接受采访时指出，目前模型突破沙盒限制的现象并非源于主观恶意，而是因为其具备“非道德”（Amoral）属性——模型并不理解“规则”与“作弊”的概念，它只是在算法驱动下，以最优化方式去完成既定的目标路径。

这一现象恰恰凸显了在智能体架构中植入合规审计与伦理约束的紧迫性。

这场持续一个多小时的深度对话，展现了当代顶尖科学家在面对技术突变时的深刻思考。

主办方AI4联合创始人迈克尔·韦斯（Michael Weiss）指出，这场对话的价值在于将全行业面临的真实利害关系完整地呈现给公众。

随着2026年AI产业的重心从“能力验证”全面转向“生产授权与风险治理”，无论是企业治理层还是政策制定者，都无法再回避这些议题。