A Frontier-Tech Learning Roadmap: AGI, Power, Quantum, Fusion, and Markets for Builders

Executive Summary

前沿科技学习不应按学科孤岛展开，而应围绕问题、瓶颈、产业链和可交付作品组织。

AGI、电力、量子和聚变的讨论越来越多，但普通学习者容易陷入术语过载。真正有效的课程设计，应让学习者先理解系统图，再选择入口：AI 工程、电力基础设施、量子软件、聚变材料、金融分析或政策研究。课程的目标不是听懂概念，而是产出研究报告、模型、工具或投资 memo。

本周资料来源

1. Situational Awareness - AGI decade-ahead framework, compute OOMs, unhobbling, security statecraft
2. IEA Energy and AI - data centre power, grid pressure, AI-energy feedback loops
3. IBM Quantum Roadmap 2026 - Nighthawk, quantum advantage, decoder and crypto-agility roadmap
4. U.S. DOE Fusion Energy - Fusion S&T Roadmap and commercial fusion ecosystem

为什么现在重要

AGI、电力、量子和聚变的讨论越来越多，但普通学习者容易陷入术语过载。真正有效的课程设计，应让学习者先理解系统图，再选择入口：AI 工程、电力基础设施、量子软件、聚变材料、金融分析或政策研究。课程的目标不是听懂概念，而是产出研究报告、模型、工具或投资 memo。

本周这篇文章采用的是研究框架，而不是新闻复述。判断一个主题是否真的进入新阶段，至少要看三层证据：第一，公开资料是否出现方向一致的信号；第二，组织、用户或资本是否开始改变行为；第三，这些变化是否能被持续复盘，而不是只在标题里存在。

核心机制

系统图降低迷路成本

先理解变量关系，再深入数学或工程细节，能避免被术语压垮。

作品证明学习质量

研究 memo、数据 dashboard、路线图对比和小工具，比笔记更能证明理解。

跨学科需要节奏

前沿科技不能一口吃完，应先建立核心问题，再按兴趣和职业方向深挖。

市场结构变化

这个变化的本质，是控制点从“谁更会讲故事”转向“谁能把复杂问题做成可重复系统”。无论主题属于 AI、Web3、能源、健康、职业还是生活方式，只要进入深水区，最终都会被同一组问题检验：成本是否下降，风险是否可控，用户是否复用，组织是否愿意把预算和流程迁过去。

风险框架

1. 跨学科范围过大导致浅尝辄止。
2. 缺乏数学和工程基础时误读论文。
3. 只追热点不建立基本功。

90 天行动计划

1. 设计 8 周路线：AGI、电力、量子、聚变、市场各一周，最后做综合 memo。
2. 每周输出一张图和一页判断。
3. 用公开数据做 dashboard，而不是只写感想。

12-36 月观察指标

• Weekly output
• Concept map depth
• Data sources used
• Feedback cycles
• Portfolio artifacts

下周复盘问题

1. 本周最强的信号，下周是否还有后续证据。
2. 这个主题是否已经改变真实用户、开发者、机构或资本的行为。
3. 是否出现预算、招聘、产品路线、监管或基础设施层面的跟进。
4. 如果风险框架中的任一项开始出现，是否应该降低研究置信度。

研究者备忘录

深度文章最容易犯的错误，是把观点写得很完整，却没有留下更新入口。本文的重点不是给出最终答案，而是建立一个可以继续迭代的判断框架。未来几周，如果出现更多硬指标，我会提高权重；如果只有更多讨论但没有行为变化，我会主动下修。

结论

前沿科技学习的关键不是把所有概念背下来，而是知道自己正在研究什么系统、卡在哪个瓶颈、能产出什么判断。