读任正非与 ICPC 选手座谈：站在时代脉搏上的三个判断
读完任正非与 ICPC 主席、教练及获奖选手的这篇座谈记录，第一感受不是“振奋”，而是“清醒”。
它没有太多宏大的口号，也没有对 AI 未来做过度渲染。更像是一群真正在做事的人，围坐下来，聊年轻人怎么选路，AI 到底怎么落地，一个国家的创新能力又靠什么支撑。
很多话听起来朴素，但背后是几十年产业实践沉淀出来的判断。我把它拆成三条主线：青年与人才，AI 与产业，开放与分工。最后再落回一个问题：我们怎么知道自己有没有站在时代的脉搏上。
青年与人才：能摸高，就不要过早摸低
这篇座谈里，最值得记住的一个词，是“摸高”。
任正非说，每个人的人生道路不同，有人摸高，有人摸低，都是社会贡献。但如果一个人有能力摸高，就不要过早摸低。
这句话很容易被理解成“年轻人要奋斗”。但我觉得，它的重点不在奋斗，而在选择。
人在年轻的时候，体力、脑力、学习能力都处在比较好的状态，最应该去接触难问题、前沿问题和不确定的问题。这个阶段如果过早选择一条很安全、很稳定、很快能兑现收益的路，表面上看是聪明，实际上可能是提前锁死了未来的上限。
当然，不是每个人都必须去做科学家，也不是每个人都适合站在最前沿。社会需要不同层次、不同类型的人才。任正非举到现代工业里的高素质“工人”，其实也很重要。芯片生产、精密制造、复杂设备运维，都不是传统意义上的简单劳动，而是需要高等教育支撑的新型产业岗位。
但对真正有能力的人来说，过早商业化，过早追求稳定，过早根据眼前收益做选择，可能会让人错过更高处的风景。
这里面有一个很朴素的人才观：不要太早把自己卖给确定性。
职业选择要顺应时代潮流。二十岁左右的人，不必过度关心别人选了什么，也不必把短期薪酬、短期成败看得太重。真正重要的是，自己有没有站到一个正在上升的浪潮里，有没有进入一个能不断扩大能力边界的场景。
质疑也不是坏事。科学突破和产业创新，初期几乎都会伴随质疑。傅里叶、希格斯、爱因斯坦质疑量子力学，产业里 5G、Polar 码、Massive MIMO，也都经历过类似过程。
如果因为被质疑就停下来，很多事就不会发生。
说白了，摸高不是保证成功，而是把自己放到更高难度的问题里，让能力被问题牵引着生长。
AI 与产业：不是模型竞赛，是产业组织能力
第二条主线，是 AI。
今天很多人谈 AI，容易从模型出发：参数规模、榜单排名、推理能力、上下文长度、谁又发布了什么新模型。这些当然重要，但任正非的视角明显不一样。
华为关注的是未来三到五年，大模型、大数据、大算力怎么在工业、农业、医疗、交通、消费等现实场景里产生价值。
这个视角很产业，也很华为。
AI 的价值不只在模型本身，而在它能不能进入真实生产系统。高炉炼铁提升 1%，无人挖煤降低安全风险，洗煤精选提升 0.1%，港口物流无人化，远程医疗，远程教育——这些例子都不性感，但都很真实。
真正的产业进步，很多时候不是一个宏大的概念，而是一个环节一个环节地改，一点效率一点效率地抠。
任正非有一句话很关键：没有网络的算力是信息孤岛，孤岛化的 AI 无法实现真正智能。
这句话点破了 AI 竞争中很容易被忽视的一层：AI 不是孤立的大模型，而是一套系统能力。
它需要网络，把场景连接起来；需要算力，把复杂问题跑起来；需要数据，把真实世界表达出来；需要工程系统，把模型嵌入流程；还需要组织协同，让人、设备、流程和算法重新配合。
所以，AI 最后比拼的，不只是模型能力，而是产业组织能力。
美国在探索 AGI、ASI，讨论“人是什么”“人类未来是什么”。中国更关注 AI 怎么解决现实问题，怎么创造更多价值。两条路未必有高下之分，但问题意识不同。
前者更像科学与哲学问题，后者更像工程与发展问题。
对中国来说，AI 的核心命题可能不是“谁最先做出超级智能”，而是能不能把 AI 放进千万个真实场景里，让工业更安全，让农业更精准，让医疗更普惠，让教育资源更平衡，让社会总财富真正增加。
但这也带来另一个问题：当 AI 提高社会总财富时，很多岗位会被重构，很多人需要重新学习、重新上岗。
这不是技术公司的问题，而是整个社会的再教育问题。
如果只谈效率提升，不谈人如何转型，AI 的叙事就不完整。
开放与分工：大学探索 0 到 1，企业完成 1 到 N
第三条主线，是开放与分工。
任正非反复讲，中国要更加开放，要向世界所有文明国家学习优点，容纳世界文明进来，不能闭关自守。
这句话放在今天，分量很重。
越是外部环境复杂，越容易产生一种心理：既然别人卡我们，那我们就关起门来自己干。但真正的创新从来不是闭门造车。数学没有国界，理论没有国界，科学共同体的积累也不是哪个国家可以完全独占的。
自力更生很多时候是被逼出来的能力，但开放学习才是长期竞争力。
一个国家要强，不是拒绝世界，而是有能力吸收世界，把世界已有的文明成果、科学成果、工程经验，变成自己的能力。
然后是企业与学校的分工。
任正非说，企业的属性是创造商业价值，学校的属性是探索人类未来。企业是把学校创造的理论变成工业现实，大学其实是研究探讨“0 到 1”。
这句话很简单，但很重要。
大学如果只追求短期转化，就会牺牲那些不确定、慢变量、短期看不到回报的基础探索。企业如果只想摘现成的果子，又不愿意承担工程化、产业化的长期投入，理论也很难真正变成现实。
一个健康的创新体系，需要有人愿意做 0 到 1，也需要有人有能力做 1 到 N。
前者探索边界，后者穿越泥泞。
学校、企业、国家、市场，各自的位置不能错。位置一错，很多事情看起来热闹，实际上很难沉淀能力。
网络与 AI 对教育公平的意义，也在这个框架里。过去资源必须物理集中，好老师、好医院、好知识都集中在少数地方。网络让资源可以逻辑分散，边远地区的孩子也有机会接触更好的课程、知识和医疗资源。
这不是简单的技术乐观，而是基础设施改变机会结构。
怎么判断自己是否站在时代脉搏上
读完这篇座谈，最后落到个人和组织，其实可以问几个问题。
第一个问题：我们做的事情，是在创造新增价值，还是只是在分配已有价值？
创造价值的事情，通常更慢、更难、更不确定。做技术，做产品，做组织能力，做长期服务，都不容易立刻兑现。但它们会增加社会总财富，也会让一个组织有更厚的根。
第二个问题：我们所在的领域，是在享受网络、算力、数据带来的复利，还是正在被它们重构甚至侵蚀？
如果一个行业的工作方式和十年前没有本质区别，就要警惕。不是这个行业不重要，而是它迟早会被新的基础设施重新组织。
第三个问题：我们积累的能力，是越来越稀缺，还是越来越容易被替代？
AI 会替代很多具体技能，但它更会放大那些能定义问题、整合资源、做复杂判断、把技术放进真实场景的人。
说白了，不是每个人都要去做模型，但每个人都要理解模型正在改变什么。
不是每个组织都要成为 AI 公司，但每个组织都要回答：AI 会怎样改变我们的客户、流程、成本结构和人才要求。
这才是站在时代脉搏上的含义。
不是喊几句趋势，也不是追几个热词，而是把自己放进真实的问题里，判断技术、产业、人才和组织之间的关系。
这篇座谈最有价值的地方，也在这里。
它没有把未来讲得很玄，而是把未来落在了人、产业、教育和开放这些基本问题上。
青年要摸高，企业要落地，国家要开放。
这三句话放在一起，其实就是一个时代的能力结构。一个人、一个组织、一个国家，如果还能持续摸高，持续落地，持续开放，就还有机会跟上下一轮变化。
真正需要警惕的，不是外部变化太快，而是自己已经习惯站在岸边看浪。