一、我见过一次"不可能"的破产
三十年前，我刚踏入职场的时候，如果有人说"中国企业会大量进入世界500强"，会被当成笑话。那时的共识是：中国企业也许能挤进去几家，做做代工、卖卖资源，但大量企业进入，甚至达到100家以上？那是任何人都不敢想，更不敢说出来的话。真实数据是：1995年发榜时，中国只有三家企业上榜，一直到2001年：也仅有12家企业上榜。
2026年的《财富》榜单摆在这里：中国122家上榜，前十里中国企业已是常客。当然，数据也毫不留情——美国企业平均利润112.4亿美元，中国企业只有45亿；高科技领域美国18家上榜企业平均盈利348亿美元，中国大陆6家平均只有85亿。数量追上了，质量的差距还赤裸裸地摆着。
但请注意这个事实的另一面：三十年前那个"不可能"的论断，不是错在逻辑上，而是错在时间尺度上。当时所有支撑"不可能"的理由——技术差距、管理差距、品牌差距——每一条都是真的。错的是那个隐含假设：这些差距是静态的。
我把这个教训称为："不可能"是有保质期的。
二、又一个"不可能"刚刚出炉
几乎同一时间，谷歌DeepMind发表了论文《LLMs can't jump》，Hassabis——一位诺奖得主——给出了一个漂亮的判据，"爱因斯坦测试"：把1911年之前的全部人类知识喂给AI，看它能否独立发现广义相对论。他的结论是：今天的系统显然做不到。缺的是"溯因跳跃"（Abductive Jump）——从有限观察中凭空跃迁到全新公理的能力。
这篇论文写得严谨、诚实，我尊重它。但我读完的第一反应是：这个论证结构，我三十年前见过。
"LLM做不了顶级科研"，每一条论据可能都是对的——就像当年"中国企业进不了前十"的每一条论据都是对的一样。问题出在同一个地方：它把一个动态系统当成了静态对象来审判。
三、真正的错误：把"AI"缩写成了"LLM"
这里有一个被绝大多数人忽略的偷换概念——包括很多聪明人。
论文审判的对象是"LLM"，但公众和媒体接收到的结论是"AI做不了科学发现"。这两者之间隔着一个巨大的逻辑跳跃。这就好比1995年有人论证"拨号上网撑不起视频通话"——完全正确，然后呢？没有人会因此断言"互联网做不了视频通话"。
三个事实值得放在一起看：
第一，LLM自己就不是静态的。架构在变（从纯Transformer到混合架构）、训练在变（从预训练为王到后训练、强化学习占比越来越重）、推理在变（测试时计算让模型学会了"多想一会儿"）。今天的LLM和三年前的LLM，除了名字一样，内核已经换了好几轮。
图：Kimi K3模型用上了目前最新的技术成果
第二，AI是一个复合体，不是一个模型。DeepMind论文自己给出了答案：需要"世界模型"。那么世界模型、神经符号系统、具身智能、AI科学家智能体——这些和LLM融合之后的东西，还叫LLM吗？不重要。它叫AI，它能不能跳跃才重要。人类的科学发现从来也不是"一个大脑裸奔"完成的——爱因斯坦需要黎曼几何、需要迈克尔逊-莫雷实验、需要同行通信。我们凭什么要求AI用单一模型完成人类用整个文明系统才完成的事？
第三，"跳跃"可能被工程化蚕食。科学史上的顿悟，事后看往往是"超大规模搜索+极强剪枝"的结果。AI不需要复现爱因斯坦的浪漫，它只需要用另一条路径抵达同一个山顶。AlphaFold没有"理解"蛋白质折叠的诗意，但它解决了问题。
四、更锋利的一个问题：科研会不会反而是"容易"的？
现在说一个可能冒犯很多人的判断。
我们默认"顶级科研"是生产力金字塔的塔尖，是最难被AI攻克的堡垒。但换个角度看：科研恰恰是全人类活动中，环境最干净、反馈最明确、知识最结构化的领域。它有公理体系、有可验证的实验、有形式化的语言。相比之下，让一个县城的中小企业主做对一次经营决策，涉及的是模糊的人性、缺失的数据、混沌的博弈——这才是真正的"复杂系统"。
所以完全可能出现一个反直觉的未来：AI攻克数学猜想和新材料发现，早于它真正搞定"帮助普通人过好生活"这件事。前者是封闭规则下的深度搜索，后者是开放世界里的无限游戏。
而这恰恰引出了价值排序的问题：让地球上更多人过上更好的生活，其难度与意义，丝毫不亚于发现下一个相对论。财富500强那122家中国企业做的正是这件事——把引领者的"跳跃"成果，转化为几十亿人用得起的产品和服务。这不是"低端的追赶"，这是文明的另一条腿。跳跃开辟可能性，普及兑现可能性——缺了任何一条腿，文明都走不远。
五、给企业家、创业者、投资人的三个判断
1. 给"不可能"标注保质期，是这个时代最重要的认知能力。
每当听到"AI做不了X"，训练自己追问三个问题：这个论断针对的是今天的哪个具体系统？支撑它的瓶颈是原理性的，还是工程性的？如果是工程性的，全球有多少资本和天才正在冲击它？三十年前看空中国企业的人，输给的不是逻辑，是复利。今天看空AI科研能力的人，很可能输给同一个东西。
2. 押注"AI复合体"，而不是押注某一条技术路线。
DeepMind的论文对投资人其实是一张藏宝图：它明确指出了当前范式的缺口（世界模型、溯因能力），而缺口就是下一轮超额收益的位置。具体来说：AI+科学的交叉地带（药物、材料、气候）会最早需要"世界模型"能力；支撑任何范式的底层设施（算力、能源、数据）是无论谁赢都要买的"铲子"；而纯粹依赖"LLM规模再大一点"的叙事，边际收益正在收窄。不要All in任何单一路线——1995年押"拨号上网"的人错过的不是互联网，是宽带。
3. 追赶者的终局考题已经变了。
中国企业用三十年证明了归纳和演绎层面的世界级执行力——把已验证的模式做得更好、更快、更便宜。但高科技领域85亿对348亿的利润差距说明：下一个三十年的考题不再是"跑得更快"，而是"敢不敢在无人区跳跃"。对创业者，与其在红海里争一张"500强"门票，不如问自己：我的团队在哪个细分领域有完成一次"溯因跳跃"的可能？对投资人，看的不再只是营收曲线，而是这家公司是否在积累"引发范式变革的底层能力"。
结语
1996年，"中国企业大量进入世界500强"是不可能的。 2026年，"AI做出诺奖级科学发现"是不可能的。
历史不会重复，但历史会押韵。"不可能"从来不是对未来的描述，只是对当下认知边界的坦白。真正的机会，永远埋在"不可能"的保质期到期之前——被那些既敢于跳跃、又愿意把跳跃的果实分给更多人的人挖走。
追赶与引领，从来不是两条路，而是同一个文明螺旋上升时，左脚和右脚。
