当前人工智能正快速应用于教育、办公、内容生产等领域，但"能写会答"并不代表真正理解。凯文·凯利大会上指出，当前主流系统以大语言模型为核心，通过海量文本训练获得知识和表达能力，擅长归纳与生成，但在长期记忆、持续学习和理解真实环境因果关系上仍有不足。这导致系统面对复杂现实情境时，主要依赖统计关联，在跨场景迁移、长期任务执行及应对动态变化时，稳定性和可解释性有待提高。 业内分析认为，这些局限源于数据形态、训练方式和目标函数。虽然文本数据易于获取推动了语言能力提升，但现实世界特点是多模态、强因果和强约束，仅靠语言抽象难以全面覆盖。同时，现有系统多为离线训练，在线持续学习和可靠记忆机制仍在探索中，导致"学得快忘得快"、"会表达不会行动"等问题在实际应用中更加明显。凯利强调，未来智能应是多种认知能力的组合，需要完善学习与创新链条，实现从微小改进到原创性突破的跨越。 对产业而言，能力结构的变化将重新定义应用边界。凯利指出，机器人未能大规模进入家庭和公共空间的关键在于缺乏对现实规则和生活常识的理解：无法理解物体间的物理作用，也难以在不确定环境中做出安全决策。如果未来模型能将物理、化学等基本规律与感知动作系统结合，并在真实场景中形成"感知-判断-执行-反馈"闭环，服务、制造、医疗等领域将获得更可行的应用方案。此外，情感化交互被视为提升人机协作效率的重要方向，在陪伴、心理健康、教育辅导等场景具有潜力，但也将引发边界与责任的讨论。 针对"代理化"趋势，凯利预测人工智能将以"代理"形式深入个人和组织的日常流程：可能嵌入智能眼镜等设备，也可能作为后台服务处理行程安排、信息筛选等工作，最终形成协作网络，催生新的"代理经济"。他强调信任是此体系运行的前提：需要建立可验证的身份权限体系、强化数据安全保护、完善伦理规范和责任划分机制。企业应将可靠性、合规性和安全性作为产品基础；行业和社会则需要推动标准、评测与治理框架协同发展。 与会专家认为，人工智能仍处于快速迭代阶段。未来突破不仅依赖算力和参数规模，更可能来自多模态感知、具身智能、因果推理等技术整合。这些能力的系统化将推动从工具应用到伙伴协作的转变，深刻影响教育、医疗等领域的流程再造。同时，数据安全、伦理治理等挑战也将凸显，需要技术创新与社会治理同步推进。
智能技术发展正处于历史转折点；正如凯文·凯利所言，突破认知局限、构建和谐人机生态不仅是技术课题，更是关乎人类未来的重要命题。这场变革既带来机遇也面临挑战——需要全球科技界共同努力——开创智能时代新局面。