技术已经深度嵌入日常生活，持续改变人与人之间的关系、照护方式、工作模式、安全防护，甚至影响人们学习什么、何时学习。Amazon CTO Werner Vogels 近日对 2026 年后技术趋势作出展望称，未来一阶段的关键词将是“以人为本”和“安全”：一方面，技术将更多围绕人的需求展开；另一方面，量子安全、国防技术扩散等议题的重要性正迅速上升。

Werner Vogels 认为，下一阶段的技术变革不只是效率提升，更关乎如何修复超连接社会带来的副作用，尤其是孤独、照护缺口和教育不均等现实问题。在这一过程中，AI 将更深度融入社会运行，并在多个领域推动结构性变化。

陪伴机器人走向现实应用

在 Werner Vogels 看来，陪伴机器人正从概念走向实际落地。世界卫生组织已将孤独视为公共卫生问题。数据显示，孤独和社会隔离与更高的死亡风险、痴呆风险和脑卒中风险相关，而这一问题在老年群体中尤为突出。随着全球人口老龄化加快，照护体系承压，陪伴机器人正被视为潜在解决方案之一。

他指出，10 年前，人们与机器人建立稳定情感联系仍更接近科幻设定；但如今，老龄化趋势、AI 技术进步和全球孤独问题叠加，正在推动“陪伴机器人”进入现实场景。人与设备之间一次性的工具化互动，正逐步转向更长期、更具情感反馈的关系。

临床案例已显示出陪伴机器人的实际效果。加拿大多家长期护理机构和医院已引入 Pepper、Paro、Lovot 等机器人，用于心理健康和福祉支持。围绕 Paro 的研究显示，定期与该机器人互动的痴呆患者中，95% 出现积极变化，焦虑、抑郁和孤独感均有所下降，同时还伴随用药减少和睡眠改善。

陪伴机器人的适用场景也不限于老年群体。波士顿儿童医院对社交机器人“Huggable”的研究发现，儿科患者更愿意与机器人建立情感联系，其互动意愿也高于面对屏幕中的虚拟角色或医护人员。案例显示，一名在给药过程中高度紧张的儿童，在 Huggable 的陪伴下能够保持平静并集中注意力，从而让原本近乎创伤性的流程得以更顺利完成。

Werner Vogels 认为，机器人之所以能够在一定程度上缓解孤独，与人类对“可自主移动对象”的天然反应有关。MIT Media Lab 研究员 Kate Darling 的研究显示，人们往往不会像对待普通设备那样对待机器人，而更像是在对待动物：会为其命名、产生保护欲，并建立真实的情感联系。这种现象并不只发生在高度拟人化的机器人身上。以 Roomba 为例，50% 至 80% 的用户会给扫地机器人起“像家人一样”的名字。

在 Amazon 自身的产品观察中，Astro 也呈现出类似特征。相比传统智能家居设备，Astro 具备移动能力、可视化表达界面，并能够在家中主动寻找用户，用于提醒服药或确认家庭成员状况。Werner Vogels 表示，这类产品更容易与用户形成自然依赖。团队观察到，不少家庭会给 Astro 取名，并将其视为家庭成员；当它不在家中时，家人甚至会表现出明显的想念。这表明，部分用户已不再将机器人单纯视为工具，而是开始把它们看作“同伴”。

他还提到一个案例：某个有残障儿童的家庭购买 Astro，作为专业护工无法覆盖时段的补充陪伴者。机器人通过持续存在和互动，填补了关键照护空档，也在一定程度上减轻了家庭的情感和经济负担。

不过，Werner Vogels 同时强调，陪伴机器人并不是为了替代人类照护者，而是作为补充，形成“人机协同照护”的新模式。机器人可以承担日常监测和稳定陪伴的角色，让人类把更多精力投入复杂决策和深层关系建立。前提是，相关企业必须建立足够强的安全和控制机制，防止用户信任被滥用，避免技术影响用户决策或操纵其认知。

生成式 AI 不会取代开发者

围绕生成式 AI 是否会让开发者失去价值，Werner Vogels 给出的答案是否定的。他认为，技术工具的变化不会终结开发者职业，反而会推动一种新角色崛起——“文艺复兴开发者”。

类似的争论并非首次出现。早期汇编程序员曾担心编译器会让自己失业，但编译器实际带来的是更高层次的抽象，降低了开发门槛，也让更多人得以参与软件开发。云计算兴起时，运维工程师同样担忧自动化会削弱自身价值，但云计算最终扩大了实验空间，催生了更多项目、公司和新的工程岗位。

在 Werner Vogels 看来，技术演进的规律并没有改变：工具持续升级，工作流不断变化，系统复杂性同步上升，但决定优秀开发者价值的核心能力始终是创造力、好奇心和系统性思维。

生成式 AI 确实可以在几秒钟内生成代码，但这并不意味着人类开发者可以被替代。“垃圾进，垃圾出”的原则依然成立，只是现在更需要警惕“看起来像正确答案的错误内容”。AI 无法代替人类参与成本、性能和可用性之间的权衡，也难以真正理解业务方口中的“尽快上线”究竟意味着优先追求速度、成本，还是可维护性。

Werner Vogels 指出，很多关键技术决策背后都涉及复杂的现实约束，包括预算、组织政治、隐性优先级以及不同利益相关方之间的取舍。这些内容并不只是代码问题，而是需要真正理解业务目标、用户需求和付费逻辑的人来判断。

他因此提出，未来更具竞争力的开发者，将是兼具技术、业务、沟通和跨学科理解能力的“文艺复兴开发者”。这类开发者不仅理解服务、API、数据库和基础设施之间的关系，也理解这些系统最终如何影响人；不仅能与机器协作，也能与团队和业务部门有效沟通；不仅会写代码，也要对质量、安全和意图负责。

随着 AI 生成内容越来越流畅、越来越“自信”，开发者的责任不会减轻，反而会进一步提高。Werner Vogels 认为，未来开发者需要具备更强的领域知识、更完整的系统视角以及持续学习能力。生成式 AI 改变的是开发方式，而不是开发者存在的意义。

“量子安全”将成为安全基线

除了 AI，Werner Vogels 还将量子安全列为未来几年最紧迫的技术议题之一。他表示，随着量子计算持续进步，组织不能再假设自己还有足够长的准备窗口。过去几年，纠错技术和算法效率持续改善，正在压缩行业应对时间。

风险的核心在于，现有大量数字安全体系依赖公钥密码。传统计算机难以破解的 RSA 和椭圆曲线密码（ECC），在具备足够能力并运行 Shor 算法的量子计算机面前，可能不再安全。对称加密尚可通过增加密钥长度增强强度，但公钥密码体系若想跨入量子时代，则需要全新的数学基础。

Werner Vogels 提到，恶意行为者早已开始采取“先收集、后解密”的策略，持续囤积个人信息、金融记录和敏感通信，等待量子计算能力成熟后再集中破解。这意味着，即便真正可用的大规模量子计算机尚未到来，相关风险也已开始形成。

近期量子硬件和架构层面的进展进一步强化了这一判断。AWS 发布 Ocelot 芯片，并表示其实现了更具硬件效率的量子纠错，相比既有方式最高可将开销降低 90%；Google 的 Willow 芯片显示，随着码距增加，错误率可呈指数级下降；IBM 则表示计划在 2029 年前构建容错量子计算框架。

与此同时，研究机构对破解时间表的预测也在加速提前。Werner Vogels 引述今年 5 月发布的一项研究称，2048 位 RSA 整数分解所需的噪声量子比特数量已显著下降，较 6 年前的估算减少近 95%。按这一进展速度，未来约 5 年内，削弱当前互联网通信、金融交易和敏感个人数据保护体系的量子计算机并非没有可能。

基于这一判断，他认为组织必须立即行动，至少从三方面推进：其一，在可行场景中尽快部署后量子密码（PQC）；其二，对无法直接升级的设备和系统，提前制定物理基础设施更新或替换计划；其三，加快培养支持迁移的量子相关人才。

在软件和云环境层面，PQC 已具备落地条件。主要科技企业正围绕 NIST 标准推进部署。例如，Microsoft 推出面向 Windows 和 Linux 的 PQC 工具，Apple 在最新 iOS 和 macOS 中集成量子安全协议，Google 也在推动 Chrome 迁移至抗量子加密。AWS 则已在 KMS、ACM、CloudFront、Secrets Manager 和 AWS-LC 等产品中部署相关标准，并制定迁移计划。

真正复杂的难点更多存在于物理世界。大量智能电视、温控器、联网冰箱、酒店门禁系统、智能电表以及电网、水处理、交通等基础设施中的嵌入式设备，虽然采用现有加密标准，但其算力不足以支撑后量子算法。一旦涉及数百万级别设备的更换或改造，问题就不再只是软件升级，而是工程、物流、制造和运营层面的系统性挑战。

Werner Vogels 因此判断，未来企业会更多采用混合方案，例如在现有设备前端部署量子安全网关，或通过分阶段硬件替换，在不中断关键服务的前提下完成迁移。量子安全不再是单一的 IT 安全议题，而是覆盖整个组织的转型工程。

人才短缺同样值得关注。英国量子技术任务组预计，到 2030 年量子计算相关岗位将新增 25 万个，到 2035 年增至 84 万个。Werner Vogels 认为，提前布局量子教育和培训的组织，将在未来获得显著先发优势。对企业而言，问题已经不是要不要准备，而是如何尽快建立激励机制，吸引更多人进入量子相关领域。

军用技术向民用场景扩散将提速

Werner Vogels 还认为，未来几年另一个不容忽视的趋势，是国防技术向民用领域扩散的速度将显著加快。随着战争形态变化，技术迭代速度明显提升，这些在高压环境中验证和打磨出来的能力，正更快进入基础设施、应急响应、医疗等民用场景。

军用需求带动民用创新并非新鲜事。Grace Hopper 为海军开发 Mark I 计算机的研究，后来推动了 COBOL 的发展；DARPA 的研究催生了互联网和 GPS；英国在 20 世纪 30 年代发展的雷达技术，后来不仅演变为航空交通管制系统，也间接促成了微波炉等消费技术；EpiPen 的起点也可追溯到冷战时期围绕神经毒剂解毒剂的研究。

不过，Werner Vogels 指出，过去这类技术从军用走向民用通常需要 10 到 20 年，周期长、成本高，还必须经过制造优化和商业验证。但这一模式正在改变。

变化不仅在于资金规模上升，更在于创新方式本身的改变。以 Anduril Industries 和 Shield AI 为代表的新一代企业，其运作方式更接近科技创业公司，而不是传统军工承包商。这些公司从研发初期就按“军民两用”思路设计产品，把民用应用视作核心商业路径之一，而非后续附加选项，从而大幅压缩了技术转化周期。

在全球冲突地区，高强度环境正在不断加快技术迭代。自主系统的软件更新节奏已从按年计算转向按周计算，基于真实数据训练的 AI 算法甚至可能在一夜之间完成优化。Werner Vogels 认为，这使得军用技术与民用技术之间的边界正在快速模糊。

这种扩散已经在多个领域出现。过去主要用于特种部队的夜视技术，如今已用于救援直升机导航和野生动物保护；为断联环境作战而完善的战术边缘计算，也可用于基础设施不足地区的远程医疗和工业运营；服务于军事物流的自主系统，则正在进入农业、发电厂、风电场、搜救和港口安保等场景。

在他看来，医疗系统、应急服务机构和基础设施运营方，不能再按 20 年周期看待技术转化，而应在未来 2 年内就开始为国防投入带来的能力外溢做好准备。能够理解这一加速节奏的组织，将在灾害响应、粮食安全和偏远地区医疗可及性等问题上占据更有利位置。

AI 个性化教育将更广泛普及

教育是 Werner Vogels 预测中的最后一个关键领域。他认为，AI 正在推动个性化教育从少数人的特权，逐步走向更大范围普及。

长期以来，高度个性化的教学主要依赖稀缺的优秀教师资源，对大多数学生而言，这始终是一种奢侈品。传统学校体系更强调标准化和效率，往往难以充分适应学生在理解方式、学习节奏和兴趣方向上的差异。

Werner Vogels 认为，AI 的价值就在于，它可以根据不同学生的思维方式持续调整解释路径，对“为什么”的追问给出更及时反馈，并为学生提供一个允许反复尝试、低压力提问的学习空间。这种能力并不局限于 STEM，也可扩展至艺术、语言、音乐和人文学科。

从市场进展看，这一趋势已经开始加速。Khan Academy 的 Khanmigo 在首年吸引 140 万名学生，达到原预测的 1400%；Anthropic 在冰岛启动全国级 AI 教育试点；UCAS 在英国的调查显示，使用 AI 工具的学生比例已从去年的 66% 升至今年的 92%。与此同时，Physics Wallah 已服务 4600 万名学生，收入增长 250%；联合国教科文组织的 CogLabs 借助学生已有的智能手机在 35 个国家运行；Amazon 也启动了 1 亿美元规模的 Education Equity Initiative，帮助弱势学生掌握 AI 技能。

Werner Vogels 提到，年轻一代对 AI 的理解已与成年人明显不同。对许多成年人而言，AI 仍然只是工具；但对新一代学生而言，AI 更像思考过程的延伸。这也是为什么 AI 辅导在提升学生学习意愿方面开始展现出更直接的作用。数据显示，学生在使用 AI 工具后，挑战困难任务的意愿提升 65%；Duke University 的研究也显示，AI 支持的干预可使自闭症儿童的 IQ 最高提升 17 分。

他同时强调，AI 的普及并不意味着教师会消失。真正会变化的，是教师在教育体系中的工作重心。当前全球许多地区都面临教师短缺，教师不应继续把大量时间耗费在阅卷、行政和重复答疑等难以规模化却可自动化的事务上。研究显示，使用 AI 工具的教师平均每周可节省 5.9 小时，相当于每学年节省约 6 周时间，这也有助于资源紧张的教育环境覆盖更多学生。

案例方面，Werner Vogels 提到，在 NextGenU 体系内、入选 AWS Now Go Build 项目的 CTO fellow，已将符合文化语境的教材制作成本降至传统方式的 1/100，并在 18 个月内把课程数量从 12 门扩展至 605 门。这种扩张速度在传统教育体系中通常需要数年时间。

Werner Vogels 预计，到 2026 年以后，定制化 AI 辅导将像智能手机一样日益普及，学生将能获得更贴合自身学习风格、节奏、语言和需求的指导。教育的核心始终是人，而 AI 的作用，在于帮助更多学生获得过去只有少数人才能拥有的支持条件。