他还举了个例子：“以前我们做手机，只要把硬件做好、系统流畅就行；现在做AI手机，得考虑‘AI怎么懂用户的习惯’——比如用户早上起床，AI自动调出天气和通勤路线；用户累了，AI自动推荐放松的音乐。这不是简单的技术问题，是要‘懂人’，懂人的生活方式、情感需求，这背后就是对‘人与技术关系’的思考。”
对这些年轻选手来说，这话的启发在于：别当“只会写代码的工具人”，要做“懂技术、懂社会、懂人的创新者”。只有这样，才能搞出真正有价值的AI技术，而不是“实验室里的玩具”。
四、不用怕“AI自我再造”：三十年之内，还是人说了算
有个年轻选手问了个很尖锐的问题：“如果AI发展到能自己‘再造’自己——比如自己写代码、自己优化算法，不用人管了，那人类还有立足之地吗？”这是很多人对AI的“终极担忧”，怕AI失控，怕人类被替代。
任正非的回答很实在，没有说“绝对不会”，也没有说“肯定会”，而是基于现实给出了判断：他也不知道AI的技术边界在哪儿，但至少三十年之内，“AI自我再造”是不可能发生的。
为什么这么说？他解释了两个核心原因：
第一，AI的“核心能力”是“学习人类的数据”，而不是“创造全新的东西”。比如AI能写文案，是因为它学习了大量人类写的文案；AI能画画，是因为它学习了大量人类画的画。它没有自己的“意识”，不会像人一样“突然想到一个全新的点子”，更不会“主动想‘再造’自己”。就像现在的AI能设计芯片，但它设计的芯片，本质上还是基于人类已经掌握的芯片知识，不会凭空创造出“人类完全不懂的芯片技术”。
这章没有结束，请点击下一页继续阅读！
第二，AI的“控制权永远在人手里”。不管AI多厉害，它的“开关”都在人类手上——人类可以设定AI的目标、限制AI的行为、修改AI的算法。比如AI在工厂里干活，人类可以设定“不能伤害人”“不能浪费原材料”；AI在医疗领域用，人类可以设定“必须经过医生确认才能出诊断结果”。只要把“规则”定好，把“监管”做到位，AI就不会“失控”。
他还补充了一句：“就算未来AI真的能‘自我再造’，那也是人类教它的——是人类先掌握了‘再造’的技术，再教给AI的。所以不管到什么时候，人都是‘主导者’，AI是‘辅助者’。”
这话不是为了“安抚情绪”，而是基于当前AI技术的现实。现在的AI，哪怕是最先进的大模型，本质上还是“数据驱动的工具”，没有自我意识，没有自主决策的能力。所以不用怕“AI替代人类”，反而要担心“人类会不会用不好AI”——比如用AI做坏事，或者因为过度依赖AI而失去自己的创造力。
他还在别的场合提到过一个观点：人工智能可能是人类社会最后一次重大技术革命（除非核聚变这种能源革命能突破）。这话听起来有点夸张，但背后的逻辑很清晰：AI的“渗透性”太强了，能改造所有行业——医疗上，AI能辅助诊断疾病；教育上，AI能个性化教学；农业上，AI能精准种植；甚至艺术领域，AI能辅助创作。它会重塑人类的生活方式、工作方式、思维方式，而且这种影响会持续几百年。所以年轻人现在扎进AI领域，不是选了一个“短期热门赛道”，而是选了一个“长期有价值的方向”，只要沉下心做，肯定有机会。
五、搞AI要“开放”：能借的力，千万别浪费
座谈会上，有个来自瑞典的选手问：“AI会不会让人们不用工作，有更多时间享受生活？”任正非在回答这个问题时，顺带提了一个很重要的观点：搞AI不能闭门造车，开放创新才是正道，能利用别人的先进成果，就别自己瞎较劲。
他说：“美国的技术、工具很好，为什么不用？一定要用。华为是没办法，被限制了不能用，才自己去制造工具的。”这话很实在，没有硬撑着说“我们什么都能自己搞”，而是坦诚地承认“能借外力的时候就借外力”。
为什么要强调“开放”？因为AI研究不是“一个国家、一个公司能单独搞定的”。AI需要海量的数据、复杂的算法、强大的算力，还需要跨学科的知识——比如数学、计算机、心理学、社会学。没有哪个国家、哪个公司能在所有领域都做到“世界第一”，所以必须靠“合作”。
比如美国在AI算法研究上有优势，欧洲在AI伦理规范上有经验，中国在AI应用落地（比如智慧城市、工业AI）上有场景，这些都可以互相学习。华为在波兰建研究所，就是想跟当地的大学、科研机构合作，吸收欧洲的技术和人才；华为也把自己的AI框架（比如昇腾AI）开放给全球开发者，让大家一起优化、一起创新。
他举了个例子：“我们以前做AI语音识别，一开始技术不如别人，就去学习国外的先进算法，再结合中国的语言特点做优化，最后反而做出了更适合中文的语音识别技术。如果当时我们关起门来自己搞，肯定要走很多弯路。”
他还提到：“科学研究是没有国界的，有国界的是工程与技术。”什么意思？比如数学里的“微积分”、物理里的“相对论”，这些理论不管在哪个国家，都是一样的，谁都能学、谁都能用；但怎么把“微积分”用到AI算法里，怎么把“相对论”用到实际设备里，这就是“工程与技术”，需要结合具体的场景、资源，可能会有国界限制。
所以搞AI研究，要分清“理论”和“技术”：对于无国界的理论，要多学、多借鉴，不管是哪个国家的成果，只要有用就拿来用；对于有国界的技术，要自己努力突破，但也不要排斥合作——比如跟国外的科研机构联合攻关，一起解决技术难题。