"你们想做的，也许是孵化'天才群体'。"7月17日，在上海尚思自然科学研究院的"达芬奇"会议室里，被中国读者昵称为KK的凯文·凯利，对着在座的鲁白、王立铭、洪波等中国一线科学家说出了这句话。

这位《失控》《必然》的作者、硅谷精神之父此次来华，目的很明确——寻找中国创新中已经领先世界、但尚未被广泛看见的实践，同时与本土科学家探讨一个更尖锐的问题：当单纯技术追赶成为过去，中国科技创新的下一阶段瓶颈究竟在哪里。

一、KPI驱动的科学，长不出原创性

鲁白开宗明义地指出了中国科研体制的两个根源性问题。

第一是体制机制问题。 现行大学和研究机构是为KPI驱动的工作设计的。"只要告诉我什么是指标，我一定能完成得很好"——中国人特别擅长解决问题，但不太善于提出问题。长期下来，KPI变成了指挥棒，创造和发明的空间被严重挤压。所有大学追逐CNS（Cell、Nature、Science）论文和头衔，真正驱动科学的应该是好奇心、想象力、解决问题的渴望，甚至拯救人类的愿景，但今天很多中国科学家的KPI循环是：发论文→评职称→拿经费→更大利益→更多论文。"这就是为什么在今天的科研体制下，很难做真正原创、高风险的研究——这套体制没法让你花五年时间死磕一个问题，还不用为经费发愁。"

第二是深层文化问题。 几千年的文化传统强调服从、尊师重道、等级观念，而非挑战权威、批判性思维和质疑。"这在欧美没有这么突出。"

尚思研究院的创办初衷，正是想改变这种现状——找到像古希腊哲人一样纯粹以寻找真理为志趣的学者，给资金、给空间、给机制，评估标准是："如果你的研究从这个世界上消失，现实会不会毫无变化。" 真正突破性的成果，不能靠追热点。

凯文·凯利补充了一个常被忽视的维度：学会拥抱失败，甚至分享失败。 "科学杂志不会发表失败的结果，但人们可以从失败中学到很多。我们需要学会'在失败中前进'（fail forward）——不断试错，不断往前走。还要学会分享失败，甚至在某种程度上庆祝失败。当你说出'虽然没成功，但我们学到了很多'的时候，你会发现，面对失败其实没什么可尴尬的。"

二、"天才场域"与Serious Play：创新需要"无用的玩心"

凯文·凯利提出了一个关键概念——Scenius（天才场域），区别于指代单一个体的Genius。Scenius指的是一个场景、一群人——一个能让所有人发挥出最好水平的场域。核心在于，在场每个人都想用自己的表现打动同行，这种彼此激励最终催生出群体性的创造力。

要在文化上建立这样的场域，需要三点：敢于质疑权威、拥抱失败，以及Serious Play——带着跨学科的玩乐心去探索，只因为一件事很酷就去尝试，而不是因为它能被认可、能出名或能赚钱。

鲁白坦言："中国很多科学家很有使命感，渴望完成目标，但我们确实缺那种以'乐趣'为导向的人——相信一件事有趣，所以才去研究它。其实不需要人人如此，团队里有5%，甚至1%这样的人，也许就够了。"

凯文·凯利举了几个例子：信息论奠基人克劳德·香农造过一台"无用机器"——一个小盒子，你打开开关，机械臂就伸出来把开关关掉。看似滑稽，其实在琢磨控制论的反馈机制。理查德·费曼也是出了名的爱玩。MIT媒体实验室一位艺术家朋友80年代把摄像机装手推车上拍科罗拉多阿斯彭街道再拼接——这个点子后来变成了谷歌街景。分析显示，那些最有价值的专利背后，团队里往往有艺术家的一席之地。

他还提到两种值得借鉴的机制：泰尔奖学金（Peter Thiel资助大学辍学者创业）、涌现创投（Tyler Cowen设立，Stripe创始人资助，快速批复、低额度、不查背景，专门支持"从零到一"的疯狂想法）。以及新冠期间诞生的快速资助（Fast Grants）——原本期望资助年轻人，结果来申请的竟是资深科学家，他们解释：自己有很多好想法却一直在主流体制里拿不到钱，之前只是在做"能申请到经费"的事。

王立铭点出一个现实困境："各大国都在举全国之力推动特定高科技领域，这在某些路径和目标清晰的领域当然有效，但视野必然狭窄，会极大扼杀多样性。中国绝大部分资金都来自官方体系，能不能在体制外做点事，去支持那些不一定被传统体制认可、但在各自领域做得很好的人？"

三、多样性：从科研到AI都需要"异类"

王立铭抛出一个判断："多样性"（Diversity）正成为中国追赶美国科技发展中的瓶颈。 由于外部竞争压力和自上而下KPI指标的不断聚焦，无论是基础研究、技术开发还是创业者，其品味和行为目标都越来越趋同。

凯文·凯利的建议分两层：

对人类人才的多样性，他认为美国保持多样性的原因之一正是移民。"中国需要付出什么才能真正拥抱外部世界？一个长期的解决方案是中国也开始欢迎国际移民。伴随技术发展，比如每个人都戴上可穿戴翻译器，语言障碍是可以被克服的。"虽然这需要巨大的政策转向，但引入完全不同背景的人确实能迫使你产生不同想法。

对AI的多样性，他提出了一个更反直觉的观点："人工外星人"（Artificial Aliens）。"业界有一种强烈趋势，试图让AI尽可能像人类一样思考。但我更感兴趣的，恰恰是那些'不像人类'的AI。我们应该通过工程手段刻意设计它们：'去思考这个数学问题，但绝不要用人类的方式。只要你的思考方式不同，你就能获得额外奖励。'"

他把AI视为团队里一个特别的伙伴——就像《星际迷航》里的斯波克（Spock），聪明、知道很多、听不懂你的笑话，但能提供完全不同视角的异类观点。"这正是我们所需要的多样性。"

四、决定AI走向的，不只是能力和成本

聊到中国AI发展，凯文·凯利判断：明年整个AI行业将出现一个基于"成本"的格局转变。 随着大模型使用量激增，成本将对企业级应用产生决定性影响。"这时候，可能中国的优势就体现出来了：这里可能会推出便宜10倍的模型。即使它不是最顶尖的'神话级'模型，但它足够便宜且能把活儿干好。这种可访问的、开源的、低成本的算力，会引发一次微小的权力转移。"

鲁白补充："但只要我们试图解决的是那些最前沿、最困难的科学问题，成本往往不是首要考量，模型本身的极致能力（Capability）才是关键。"

凯文·凯利认为决定AI走向的还有第三点常被忽视的维度：可用性（Usability）。 "很多时候人们愿意用昂贵的顶尖模型，是因为它配了更简单好用的工具。就像苹果，未必每项单项技术都最强，但把产品做到了极致好用。怎么让智能体真正融入工作流？这不只是砸钱做大模型的问题，还需要很强的设计感和用户体验创新。美国有不少公司在这个层面发力，中国其实完全可以在可用性和设计创新上大有作为，而不只是打价格战。"

洪波从脑机接口的角度提供了一个观察："中国的科技演进更像是一种'工程上的持续改进（1到N）'，然后逐渐把它做大；那种更基础的'从0到1'的创新仍然比较缺乏。比如我们做的半侵入脑机接口，不去刺穿大脑皮层，而是将电极放在硬脑膜外，虽然信号不如插入式强，但极大降低了手术风险和成本，更快进入临床。这就是一种工程迭代。"

凯文·凯利直言："中国有着极高的效率，能将成本控制得极低，但在那种'无中生有'的（从0到1）原创性创造上却相对较少。这其实引出了一个非常宏大的社会实验问题。"

五、中国是否愿意为创新支付"混乱税"

对话中最锋利的一段，是凯文·凯利抛出的那个问题：

"一个高度创新的社会所付出的隐性代价，可能就是为了'试错'而不得不忍受的'混乱'。创新需要不断挑战权威，需要容忍失败。这种为了创新而支付的'混乱税'，可能表现为社会不平等、某些秩序的失控（比如旧金山之前面临的问题）。中国目前享受着极低的犯罪率和高度的秩序，那么问题来了：中国是否愿意为极具破坏性的创新，去支付这种'混乱'的代价？目前看，中国可能还不太愿意。"

但他依然是乐观的"进托邦主义者（Protopian）"："我不认为明年就会出现AGI，那是一个漫长而缓慢的过程。世界上可能有49%的事物是糟糕透顶的——可怕的灾难、棘手的挑战、极度的混乱。但只要我们创造的比破坏的多出那微小的1%，那就是进步。AI不会为错误承担责任，人类依然需要去获取数据、开展实验、承担责任并主导方向。只要有这1%的微小优势，长远来看，AI带来的净收益必将远大于它制造的问题。"

整场对话的核心落点，其实不在AI发展速度或产业成本这些具象问题上，而在更底层的一件事：如何重塑适配原始创新的科研文化——学会拥抱试错、保留无目的的探索乐趣、打破同质化发展困局。

中国拥有高效的工程转化能力和广阔的应用场景，海外沉淀了长期支持自由探索的成熟机制。两边各有长短，真正稀缺的不是某一项技术突破，而是能够容纳多元研究思路、允许科研试错的创新环境——以及愿意为"天才场域"支付代价的耐心。

毕竟，那个扬言35个月超越瑞幸的T97死了，但瑞幸活下来了——不是因为它喊得响，是因为它用前期的巨额亏损换来了供应链、数字化和单店模型的闭环。原创性也一样，没有人为"无用的探索"买单之前，所有的"全面超越"都只是喊麦。