基于“智能”的IT社会，2026年改造开始了----这个300万行AI代码的“浏览器”，事实上是一堆垃圾代码，跑不起来，Cursor吹牛了。IT智能化改造难度很高，不是很容易干1. 最近确实感觉到了人工智能真实的影响，不是看宣传文章。自己不断使用大模型、AI编程，就能琢磨出不少切身体悟。智能还是个IT概念，暂未扩散到其它行业，社会上还不太有直接认识。都知道AI不得了，但又没觉得和自己有太大关系，缺少直接体验。如看人形机器人，主要是看新鲜，不觉得它会威胁自己的工作。很多人用大模型查知识，是有帮助，但似乎就是一种更高效的搜索引擎。2. 我们已经身处IT社会，生活的IT改造完成了，大家靠APP生活。白领干活就是电脑处理信息，工作生活都离不开IT，这没疑问了。但现在这个IT社会，整体还不是智能的。我们说“智能手机”，其实有误会，标准低了。手机里面的程序基本都是代码实现一些渠道功能，最多有些深度学习算法做点模式识别。按现在的标准，这都不是智能，只是一些固定的算法。这些算法输入输出高度可控，里面也没什么复杂的架构，有点神经网络系数，只是在拟合一些简单的空间结构。这些算法谈不上对知识的理解，可以说毫无知识，全是死的算法执行。3. 我天天和大模型聊，提问，评估回答质量。可以断定，大模型已有真正的“智能”，相比之前有本质不同。它是真有对人类知识的理解，这种理解非常复杂，用上万亿个系数，和人脑一样建立了“足够复杂”的存储与推理体系。它为了回答不起眼的小问题，需要建立整个知识体系。海量token之间的关联，有真正的智慧，许多关联是人类都不知道的、说不出来的。这些关联到底有多厉害，人们还没有好好地评估。虽然有“幻觉”，有bug，但确实在许多情况下非常厉害，在多个领域知识水平超过专家没有问题，能说出很强的理解，在专家说“不对”之后，继续改进理解。一些专家的文史知识、语言知识还不如大模型。4. 我认为大模型对“token类知识”的理解，和人并无太本质的区别。许多词，如经济名词，人们其实不知道意思，也能扯很远，还不如大模型懂。炒股和股民聊，还不如问AI有收获。大模型对物理世界还不是太理解，其知识是token世界的，这是人类的优势。因此，人类基于物理身体的优势，还是比AI强，人形机器人不行。但大多数人的token知识，已经远远不如AI了。5. IT社会，其实就是token世界的，本来处理的就是信息，而不是物理实体。因此，显然的后续发展，就是从机械的简单算法构成的IT世界，变成基于智能的IT社会。例如，以前编程靠人类，以后必然会转到AI自动编码为主，人类负责一些关键环节。再如，现在是人们利用IT世界的工具去做需要多个步骤的事，而Agent就会把工具链串起来，完成得更快更漂亮。而这些事，就是有智能的，AI在思考如何做，并不是简单执行命令，按定死的套路跑，而是真的像人一样有思考、试探、修正的过程。6. 如果机器人理解物理世界了，那就不仅是IT变智能，全社会都智能了。现在还是先搞“智能IT社会”，这一步不是潜力而是在实现，但也不是水银泄地无可阻挡，IT智能化还不是很顺，经常出问题。例如AI编程，虽然能连续100多个小时干活，300万行代码弄出个浏览器，但真要按人类交付的标准，还有不少问题。7. 最大的困难是“生产环境”。其实许多公司不是从头开始，IT系统、老代码体系是遗留的，要把AI编程集成进去很困难，专业化和领域对齐方面存在不足。感觉这是许多人类程序员的饭碗所在，老板还不知道如何用AI把人换掉。如果是全新系统，全新程序，那AI从头开发可能性就高多了。再一个是AI代码的可维护性、可读性与潜在安全漏洞，都成问题，这方面暂时没有简单的办法，需要学习如何让AI调整，人机结合并不容易。再一个是"多莉效应"，AI编程现在还缺乏长期记忆与从错误中学习的能力，费劲调试对了，下次又不会了；而合格的人类程序员成长很快，学会了就是会了，可以放心接手。最后，是“信任危机”，开发者对AI生成代码的准确性与可靠性存疑，做DEMO是一回事，真的让干大活，真不行。8. 2026年不是预测，是真的开干了，IT社会要智能化。以前CPU的活，改成GPU干。算法不加思索简单执行干的，变成大模型Agent矩阵计算后思考着干。有些活，还是老算法简单干可靠、成本低，所以不是完全智能取代，老的IT基础还是在，不是推倒重来。但是会有全新的智能化IT业务，有智能化IT改造。这里会有大量的创业机会，新一波IT热潮来了。但是之前IT热潮，稍机灵一点的人学习编程不难；这次人机协作智能化改造运动，难度明显上升，不容易学。后面不知道会不会简单化，普通人也能有学习空间。
