人工智能正成为全球权力与外交影响力的核心要素。
算法速度的提升可能压缩人类在严谨预见过程中不可或缺的分歧与认知不适感。
混合智能模型必须将人类判断置于首位，以防止战略想象力的萎缩。
人工智能正在改变我们思考未来的方式，以及谁有权塑造未来。对于战略预见这一学科而言——其核心在于描绘可能的未来图景，从而为当下决策提供依据——当前时刻既是机遇，也是考验。AI能够帮助从业者进行更广泛的扫描、识别新兴信号与趋势，并以前所未有的速度和规模探索各种可能的未来。但预见从来不仅仅是生成情景。其真正价值在于帮助领导者和政策制定者质疑假设、为不确定性做好准备，并构建确保长期韧性的战略决策。
随着AI迅速重塑经济、地缘政治、制度与社会，战略预见从业者必须提出一个更深层的问题：我们如何超越单纯的技术采用，实现真正负责任的使用？挑战在于以强化人类判断而非取代人类判断的方式整合AI，确保更快的分析不以牺牲更深层的思考、争论与战略想象力为代价。
AI如何重塑全球权力格局
在现代历史的大部分时间里，国际关系中的权力是显而易见的。它属于拥有军队、援助预算、储备货币、外交联盟以及在世界主要机构中占有席位的国家。AI正在改变这一切。在当前后霸权时代，它正成为权力的最清晰标志之一。掌控算力、芯片、模型、云基础设施和人才的国家与企业，将日益决定谁能被倾听、谁能获得资助，以及谁能构建未来。
旧有的权力标志不会消失——军队、资本和外交依然重要。但它们被一种新的权力货币所补充：算力。
AI之所以成为新的战略权力来源，是因为它依赖的不仅仅是模型本身。它需要芯片、云基础设施、数据中心、能源、人才、监管与信任。这正是近期AI基础设施项目的重要意义所在，例如阿联酋与美国联合宣布的"星际之门"项目，其意义超越了技术细节本身。它们指向一种有时被称为"AI时代基础设施外交"的新格局：数据中心和云计算区域开始类似于港口、管道或其他战略资产。旧有的权力标志不会消失——军队、资本和外交依然重要。但它们被一种新的权力货币所补充：算力。
这一转变正为中等强国创造新的空间，它们正利用这些基础设施需求来拓展全球影响力。例如，阿联酋正借助AI基础设施将自身定位为连接美国、海湾地区、非洲与亚洲的枢纽；新加坡则宣布到2030年前投入逾10亿新加坡元用于公共AI研究。
这也是AI开始呈现出"新型外国援助"面貌的领域。随着传统援助预算收缩——经合组织初步数据显示，2025年官方发展援助下降23.1%，创有记录以来最大年度降幅——AI基础设施和AI赋能服务正成为一种新的发展影响渠道。提供云计算区域、AI辅助教学工具、医疗模型或政府聊天机器人的国家，将获得曾经只有援助国才具备的那种影响力。AI外交不仅关乎模型，更关乎电网、水资源、债务、主权、合同，以及谁最终控制着基础设施。发展的未来，或许与其说是关于捐助方会议，不如说是关于数据中心。
第三个转变或许是最为奇特的：部分AI与大型科技公司开始呈现出准主权行为者的特征。它们不是国家，但日益表现得像非国家权力主体，因为它们掌控着国家所需的关键资源。微软对G42的15亿美元投资，包含少数股权、董事会席位以及向美国和阿联酋政府提供的安全保证。这并不意味着微软是一个国家。但它确实表明，前沿科技公司正日益成为国家之间的战略中介。
AI不仅改变着塑造国际关系的行为主体，也在改变这些行为主体的思维方式。当政府依赖AI扫描信息、总结事件、生成情景时，这些系统便开始塑造哪些内容会被呈报给领导者，哪些内容会被忽略。由此，AI影响着哪些未来看起来合理、哪些威胁显得紧迫、哪些选项出现在议程上。因此，尽管AI并未坐上谈判桌，它却已开始设定议程。
国际关系的未来将由一批新的参与者共同驱动——包括主权国家与国际秩序这一传统力量，以及科技巨头和技术本身等新兴行为者。领导层面临的问题不再是是否接受这一现实，而是如何构建具备预见力的制度与想象力，与之共同治理。
AI如何赋能战略预见方法
如果AI正在重塑预见所要理解的世界，它同样在改变从业者用于理解这个世界的方法。当AI不被视为先知，而是被当作一种强大但可能犯错的研究工具时，它将大幅拓展预见团队的研究能力。
AI融入预见工作流程主要有四种方式：
感知与综合信号。AI能够持续扫描海量数据，自主追踪比以往更多样的指标，最终使大量新信息向所有人开放。这些信号可以在无数不同且互补的框架中被综合与建模，每种框架都提供不同的可能解读。随后，我们可以根据所关注的未来议题进行相关性筛选，快速识别新的可操作洞察来源。
识别关键因素。AI能够扫描多种类型的多语言来源，识别可能影响某一态势的因素，超越最显而易见或最熟悉的驱动力。当然，仍需谨慎的人类判断，以避免仅仅复现数据中已占主导地位的内容。
个性化未来输出。预见团队可以利用AI定制其输出成果，使其与不同受众的需求、期望和关切相契合。这样一来，情景既可以植根于严谨的未来叙事，又能通过迎合最终用户的实际需求来放大影响力。
机器分析。AI工具可以识别大型数据集中的规律和非显性关联，评估每个因素的不确定性与影响力，并构建因果循环图。目前的早期实验正在探索：以代表真实专家观点为目标创建的AI智能体，能否参与德尔菲式流程，分析不同因素的相对重要性。这引出了一个引人深思的问题：情景团队能否构建专业知识本身的数字孪生？设想一下，以真实世界专家的已发表著作、访谈和假设为基础的AI智能体，每个都能参与关于关键因素相对影响力与不确定性的结构化交流。这类智能体不会取代专家，但可以让团队在人类进入讨论之前，预先演练专家之间的分歧、发现盲点并检验假设。
AI还能加速综合与情景开发。它可以帮助识别关键因素、梳理驱动力之间的关系、检验假设，并快速生成多个连贯的叙事。这些可被称为"第一轮未来"：可能性空间的早期图谱，能够支持更深入的人类审议。但重要的是，要将此类输出视为草稿而非结论。AI能提供结构、速度和广度，但预见团队仍须自行界定问题、设定质量标准、验证来源并判断何为战略意义。从这个意义上说，AI的价值不在于取代预见专业知识，而在于为从业者提供一个更丰富、更广阔的研究基础，使人类判断得以从中生发。
AI应用于预见的风险
让AI在预见中发挥价值的那些特质，同样构成其风险所在。AI的风险不仅是技术层面的，更是认知、制度和政治层面的。AI可能产生幻觉事实、复现主流叙事、压缩审议空间，并生成看起来比实际更具说服力的结果。
在企业战略团队、政府机构和国际组织中，生成式AI已经在重塑早期预见的开展方式，但速度带来了一个悖论。预见输出生成得越快，我们停止构建其背后思维的风险就越大。当AI生成的输出被视为可交付成果而非起点时，赋予情景战略价值的审议性工作——分歧、重新框架、认知不适——就会被压缩乃至完全跳过。
速度还会制造一种更为微妙的幻觉。随着AI系统处理海量数据并生成连贯叙事，它们可能给人一种未来变得更可预测的印象。这或许是最尖锐的风险：真正意义上的预见，其目的不是预测未来，而是扩展我们能够想象并为之做好准备的未来范围。挑战不在于是否使用AI，而在于如何使用而不掏空这一实践的内核。
为避免上述陷阱，以下四项原则值得坚守：
审视情景，而非仅仅审视输出。AI生成的输出内嵌了关于驱动力和不确定性的假设。挖掘这些假设不是质量控制步骤，而是核心分析工作。
在收敛之前为发散而设计。AI倾向于产生连贯但相似的输出。开展并行探索——不同团队、不同提示词和不同框架假设——有助于发现共识会掩盖的内容。
保护叙事的所有权。一个领导者无法用自己的语言解释、也无法在挑战下捍卫的情景，当条件发生变化时不会影响战略。AI可以加速起草，但无法替代创造责任感的审议过程。
将激励机制与学习而非速度挂钩。如果预见主要以生产速度来评价，快速预见将占主导。如果以准备程度和其开辟的战略选项质量来评价，AI就会成为能力的加速器，而非其替代品。
混合智能：人类判断不可或缺
AI可以成为情景流程中非常有用的协作者，但人类依然不可或缺——因为情景不仅仅是对可能未来的描述，更关乎改变人们感知不确定性、围绕选择展开争论以及决定下一步行动的方式。因此，我们应当有意识地区分：哪些事情可以更快进行、更多依赖AI，哪些事情应该更慢进行、更多依靠人类。
AI看似在将预见权力分散给非专业人士，但实际上，它可能以隐蔽的方式集中认知权威，并使由此得出的结论变得不可更改。
当一个小群体控制着问题的框架方式时，AI不仅仅是反映他们的假设：它会放大并赋予这些假设合法性，生成看起来既分析严谨又全面周到的输出——恰恰是因为其结构表述如此流畅。本应由可识别的人类判断承担的责任，悄然弥散于工具本身之中。在没有任何具名个人或机构能够提出质疑的世界里，这些结论在实践中变得无可辩驳：不是因为它们正确，而是因为根本没有地方可以反驳。这就是"预见捕获"，而且它格外诱人，因为掌控提示词的人，最终便宣称拥有了对我们如何理解未来的解释权。
领导者应当追问的，不是他们的AI工具是否足够先进，而是他们的预见流程是否能让组织内部的人员真正参与、提出挑战，进而产生信任。
这一点因获取渠道与信号质量之间的张力而愈发尖锐。AI可能使预见工具更广泛可及，但更多人生成情景并不自动意味着更好的预见。如果各组织依赖相同的模型、提示词和主流假设，AI可能在扩大参与的同时收窄想象力——以精致、看似合理的形式复现熟悉的世界观。
因此，诸如代际预见的呼吁，不仅仅关乎代表性，更关乎信号质量。那些将最长时间与今日决策共存的人，与未来的关系较少受到沉没成本和既有制度承诺的束缚；而年长的领导者则带来经验、记忆以及对后果更深刻的关照。其价值在于双方之间的对话。AI能快速生成输出，但无法创造使这种对话有意义的信任、师徒关系以及隐性知识的传承。
驱动混合智能的三项规则
随着对AI的共依存度不断提升，依托能够兼顾智能体AI研究能力与人类判断优先地位的混合模型的重要性与日俱增。以下三项规则可以驱动混合智能：
第一：在提示之前明确意图
在启动提示之前，我们需要确立意图。这意味着要清楚地知道：我们在回答什么问题、为谁而答、何时需要答案，以及什么样的内容形式最为有用。
为有效落实，这一意图必须界定三个具体要素：
范围：议题、地域、时间跨度、关键利益相关方，以及有意排除的内容。
决策背景：本次分析旨在为何种战略决策提供支撑。
质量标准：优质输出的形态，以及利益相关方据以做出决策的依据。
陷阱在于：看起来"全面"且"结构良好"的内容——这是AI的默认输出——未必等同于高质量。对数据要求、最低三角验证标准和使用来源的具体规定，才是驱动质量的关键。在打开AI工具之前先撰写一份简报，可以显著提升答案质量；要求AI工具提供一份优质提示词模板，也是一种行之有效的做法。
第二：验证并校准每一项AI输出
每一件AI生成的产出都应带有一个隐性标签：草稿，待验证。
最重要的三项检验：
事实准确性：AI在引用文献和数据方面会产生看起来权威的幻觉；专家审查和来源可追溯性不可妥协。运行额外的提示词对引用准确性进行检查，是识别薄弱环节的有效技巧。
情境契合度：一份完美起草的趋势报告，可能遗漏使其在特定情景中失效的因素——例如目标市场中的某项监管约束，使组织无法推出在其他地方已取得成功的创新。
合理性与不确定性：AI对某一制胜战略举措的前景及其影响时间线往往过于自信。评估隐含的因果关系并与历史类比相互印证，需要人类的批判性思维，尽管有针对性的提示词可以帮助对这些假设进行压力测试。
需要避免的陷阱是格式可信度。一份结构整齐的报告，即便推理单薄，读起来也显得严谨。结构应被视为有用的默认设置，而非质量的证明。
第三：管理AI输出的生成过程
第三项活动讨论最少，却最为关键。吞吐量是AI输出生成的过程。以下三种做法有助于在此阶段提升分析质量：
文档记录：要求AI工具提供其推理过程的完整说明——这一过程往往能揭示令人失望的逻辑漏洞。
输入参数：建立清晰的参数，例如指定需要纳入的关键报告、扫描的最低来源数量，或确认某一趋势所需的证据门槛。
方法论界定：指示AI使用特定的分析框架处理信息。由于模型很少默认应用复杂方法论，必须在提示词中明确列出精确的分析方法，以确保得出严谨的结果。
混合智能的挑战并不止于更好的提示词或更强的验证。AI在预见中的使用也会改变围绕这一实践的领导力条件：谁来框架问题、谁来接受答案、谁来挑战假设，以及谁最终拥有未来情景的所有权。
结语：在机遇与局限之间寻求平衡
AI对战略预见与未来思考领域的影响，既非纯粹的善，也非纯粹的恶。这项技术有能力促进情景创建和数据分析的某些环节，但也潜藏着以精致却通用、缺乏洞察的输出取代深思熟虑的人类分析的风险。
因此，预见从业者面临的挑战，既不是拒绝AI整合，也不是不加批判地全盘拥抱，而是批判性地评估AI系统与科技公司作为全球政治与未来规划中具有影响力的非国家行为者的演变角色。
人类判断必须始终贯穿预见过程，与AI协同合作，共同构建更为合理、细致与负责任的未来图景。在AI驱动的颠覆使未来日趋复杂与不确定之际，战略预见比以往任何时候都更为重要。通过在AI带来的机遇与对其局限性的清醒认知之间寻求平衡，预见能够持续支持领导者为广泛可能的未来做好准备。
Q&A
Q1：AI是如何成为一种新的全球权力货币的？
A：AI成为新权力标志，是因为它依赖芯片、云基础设施、数据中心、能源、人才等一整套战略要素。掌控这些资源的国家和企业，将决定谁能被倾听、谁能获得资助、谁能构建未来。阿联酋、新加坡等中等强国已在借助AI基础设施拓展全球影响力。与此同时，随着传统援助预算大幅缩水，提供云区域、AI教育或医疗模型的国家正获得曾经只有传统援助国才具备的影响力，"算力"正成为继军队、资本和外交之后的新权力货币。
Q2：AI在战略预见中主要有哪些应用方式？
A：AI在战略预见中有四种主要应用方式：一是感知与综合信号，持续扫描海量数据并识别新兴趋势；二是识别关键因素，跨语言扫描多类来源以发现潜在驱动力；三是个性化未来输出，针对不同受众定制情景内容；四是机器分析，识别数据规律、构建因果循环图，甚至探索用AI智能体代表真实专家参与德尔菲式分析流程。AI可加速情景开发，但其输出应被视为草稿而非结论，人类判断仍是不可或缺的核心。
Q3：如何防止AI在战略预见中造成"预见捕获"？
A：当少数人控制AI提示词框架时，AI会放大并赋予其假设合法性，使结论看似客观却难以被质疑，这就是"预见捕获"。防范措施包括：提示前明确意图与质量标准；对AI输出进行事实准确性、情境契合度和合理性三项验证；管理AI生成过程，要求其记录推理逻辑；并设计发散优先的流程，引入不同团队和框架假设，避免共识遮蔽多元视角。最终，领导者应确保预见流程能让组织内部人员真正参与和挑战，而非被AI输出所主导。
