一场关于 AI 究竟走向何方的理性对话 | Benedict Evans
A rational conversation on where AI is actually going | Benedict Evans
嘉宾：Benedict Evans
全文文稿 · 按对话顺序保留完整内容，深入理解上下文。
本篇目录1 章节
§01原文文稿 · 00:00–1:19:26§01原文文稿 · 00:00–1:19:26
我最具争议的观点是，我认为 AI 和互联网或移动互联网一样重要，而且也仅仅和互联网或移动互联网一样重要。
但你现在只是在谈即将到来的就业末日。
每当我们拥有一项新技术，它都会自动化掉一批工作。然后，这种自动化又会解锁一批新的工作。而且你不知道那些新工作是什么，因为它们此前还不存在。这个过程我们已经反复经历过很多次了。
就连看看最先进的 AI 公司，包括 OpenAI 在内，大家都在增加员工人数。
你去和 Twitter 上那些末日论者聊聊，他们会表现得好像每家大公司明天都会买下 ChatGPT，然后两周后就把所有员工都解雇一样。这些人太脱离现实了。你无法预测哪些事情会暴露在自动化面前。你不能看着一家律师事务所的高级合伙人说：“好吧，他 17% 的工作可以自动化。”这完全是胡扯。
我想知道你有没有关注反 AI 情绪。
这是一团模糊的大乱麻。是的，它会改变很多东西，我们也需要对此保持警惕，但这其实是一种常态。我们一直都在经历这种事。
你会建议人们做哪几件事，来让自己在这样的未来中更成功？
不要把头埋进沙子里说：“我讨厌这一切。”这会让你产生一种高高在上的优越感，你还可以去 BlueSky 对所有人夸夸其谈，讲什么邪恶的 AI，太好了，替你高兴。但那不会帮到你。真正有用的是深入了解这项技术，然后弄清楚你能用它做什么。
今天的嘉宾是 Benedict Evans。Benedict 曾长期担任 A16Z 的合伙人，作为他们的内部分析师和常驻思想家。在此之前，他长期从事股票研究工作。过去六年里，他一直是一名独立分析师，追踪最重要的科技趋势，并分享自己的发现。最近，正如你所料，他把全部时间都花在 AI 如何改变我们的生活上。用他的话说，“AI 正在吞噬世界。”在这场对话中，我们将深入讨论：关于 AI 将对我们的生活和工作产生的影响，还有哪些方面没有被充分计入；反 AI 情绪的兴起；它对就业的影响；价值链中大部分价值最终会在哪里沉淀；以及更多内容。如果你在担心 AI，或者只是对事情的发展方向感到困惑，这场对话会教给你很多东西，也会让你感觉好一些。（00:02:03）：在开始之前，别忘了访问 Lenny'sproductpass.com。Lenny 的 newsletter 订阅者可以在那里免费获得一年使用权，体验全球一些最出色、最热门、制作最精良的 AI 产品，而且这些产品只向 Lenny 的 newsletter 订阅者提供。下面，让我们开始 Benedict Evans 的访谈。（00:02:23）：Benedict，非常感谢你来到这里。欢迎来到这档播客。
谢谢你的邀请。
你刚刚发布了一份名为《AI 正在吞噬世界》的演示文稿。我想从另一个角度问这个问题：我们都知道这是一件大事。在此基础上，当人们思考自己即将经历的生活和工作变化时，你认为还有哪些东西没有被充分计入？
可以这样思考这个问题：去年我和一个人做播客时说过，我最具争议的观点是，我认为 AI 和互联网或移动互联网一样重要。而且也仅仅和互联网或移动互联网一样重要，因为科技行业里显然有一批人认为，不，这更像是工业革命之类的事情。下面还有一大群人会说：“他认为这和……一样大？他难道不明白这件事有多大吗？”我会说，智能手机是一件相当大的事，互联网也是一件相当大的事。如果没有互联网，我们根本不会进行今天这样的对话。（00:03:19）：但如果你深入思考这个类比，假设要拿互联网来比较，那我们现在就像处在 1997 年。这很令人兴奋。大多数东西还不能用。人们将要做的大多数事情还没有被构建出来，而且等它们真的能用时，究竟会如何运作也并不清楚。那些已经拥有它的人，不管他们已经吃下的是哪颗药丸，我忘了是哪一颗，会有点想当然地认为世界上的每个人都已经到了同一个阶段。事实是，你会看到一种非常宽的分布。有些科技行业的人买了一堆 Mac mini，现在已经不用 Google 了。然后你把目光移到科技行业之外，先不提那些认为这不是真的蠢人。大多数正在使用它的人，每周用一次，或者，呃，也许只是偶尔用一次。（00:04:12）：所以，你会看到这种采用程度的差异，以及这项技术成熟度的差异。在这个基础上，你可以进一步具体讨论：模型将如何运作？模型实验室有没有定价权？价值会在哪里产生？OpenAI 是不是已经赢下了全部竞争？还是 Anthropic 这周拿到了优势？于是你可以开始讨论这些赛跑，但这又像是在 1997 年说：“好吧，最终会是 Excite 还是 Yahoo？”而答案通常是：都不是。（00:04:46）：这里有一个分层的问题。最顶层是，这项技术将彻底改变一切。我不认为说“它比互联网大 20%，还是大 100%”特别有意义，这些都不是有建设性的对话。但它确实是那种根本性的变化，只是你不知道其中任何一部分究竟会如何运作。事实上，我刚刚发布了一份演示文稿。我每六个月做一次，而我昨天刚发布了最新一份。有人评论说：“Benedict，这 80 张幻灯片其实就是在说我们不知道。”这话有点夸张，但也确实有几分道理。
本期节目由本季冠名赞助商 WorkOS 提供。OpenAI、Anthropic、Cursor、Vercel、Replit、Sierra、Clay 以及数百家其他成功公司有什么共同点？它们都由 WorkOS 提供支持。如果你在构建面向企业的产品，就会感受到集成单点登录、SCIM、RBAC、审计日志以及大型公司所要求的其他功能有多痛苦。WorkOS 将这些阻碍交易的功能变成开箱即用的 API，并提供专为 B2B SaaS 打造的现代开发者平台。事实上，我投资的每一家开始向高端市场拓展的初创公司，最终都会和 WorkOS 合作，因为他们是最好的。无论你是一家正努力拿下第一个企业客户的种子期初创公司，还是一家正在全球扩张的独角兽，WorkOS 都是让产品具备企业级能力、解除增长阻碍的最快路径。它本质上就是企业功能领域的 Stripe。访问 workos.com 开始使用，或者直接去他们的 Slack，他们有真正的工程师在那里等着回答你的问题。WorkOS 让你能够借助令人愉快的 API、完整的文档和顺畅的开发体验更快地构建产品。今天就访问 workos.com，让你的应用具备企业级能力。（00:06:25）：所以，如果我们处在 AI 的这个 1997 年阶段，我知道你很多文章都在说我们并不知道它究竟会走向哪里。我不知道，你是否对时间线有某种感觉：什么时候事情会开始发生根本性变化？我们现在处在这个周期的什么位置？你谈过我们经历过的所有这些不同周期。距离那种“哇，一切都不一样了”的时刻还有多远？
毫无疑问，在软件领域，我们已经处在那个时刻了。接下来会有一个问题：智能代理和 AI 软件开发这三件彼此独立、又逐渐合并的事情，对软件行业的未来意味着什么？有一个没人真正相信的极端说法：“嘿，你只要用氛围编程就能创建自己的 Stripe。”其实没人真的相信这个，虽然你可能会在短时间内相信它。但显然，这里有很多问题：这对软件行业意味着什么？你能自己完成多少事情？软件的数量会增加多少？这是一个完整的讨论方向。但另一个极端是，如果你在一家律师事务所，这些都很有意思，可我们究竟要怎么使用它？我们要如何避免成为这样的新闻：因为提交的材料里有幻觉内容而出事？明年我们要招聘多少名律师助理？这对我们意味着什么？（00:07:40）：我在演示文稿里用了一个类比。想象一下，你是一名会计师，在 20 世纪 70 年代末第一次看到软件电子表格，这简直令人震撼。你在这里改变利率，其他所有数字就会跟着变化。它原本需要你一周完成的工作，能在大约 30 秒内替你完成。我们可以讨论这对会计行业意味着什么，但如果你是一名会计师，这显然令人震撼。可是，如果你是一名律师，或者一名记者，看到这个东西时你可能会想：“这很聪明，我的会计师应该看看。”但那不是我的工作。如果购买 Apple II、显示器和打印机来运行它要花 10,000 或 15,000 美元，按今天的价格换算也是这个量级，那么下周我也许会用它来做工时表，但这不是我做的事情。而且你还需要文字处理器，后者实际上很快就出现了。（00:08:26）：所以，我们现在就处在这样的时刻：软件开发者有点像那个看到 VisiCalc 的会计师。“天哪，这改变了一切。”在 VisiCalc 之前和之后，在 Claude Code 之前和之后，情况完全不同。许多其他人也在不同程度地接触和使用它，但仍然有些困惑。我在演示文稿里放了一些调查数据：即使你看的是 13 到 18 岁的人群，似乎也只有大约 15% 到 20% 的人是每日活跃用户，另有 20% 的人每周活跃使用。然后，在这个年龄段剩下的 60% 的人，你会怎么说？他们并没有使用这项技术。（00:09:09）：所以，不同人群对它的理解程度分布得非常广。我认为，这也对应着所谓的“锯齿状前沿”问题：它在哪里有效？在哪里无效？你能不能判断它会在哪些地方有效？你能否凭直觉知道它适合做什么？它发挥作用之后，你能判断结果是否可靠？你能否自己弄清楚应该用它做什么？（00:09:34）：这些问题都和软件开发者有关。还有很多其他人，他们可能已经经历了某种顿悟，也可能没有。总的来说，我们再次处在类似 1997 年的时刻：“好吧，这究竟是什么？”
沿着这个方向，你最近写了不少关于专业服务、咨询服务和前置部署工程师这类意外投资的内容。至少两家最大的 AI 实验室 OpenAI 和 Anthropic，都在投资收购大型咨询公司和私募股权公司。请谈谈这里到底发生了什么，以及为什么会这样。
有意思的是，昨晚我写 newsletter 时一直在努力想一个笑话，但始终没能把它讲好。大概可以这样说：我们知道有个笑话，说机器学习科学家就是一个住在旧金山的统计学家。这里似乎也可以说，前置部署工程师就是一个住在旧金山，或者在旧金山工作的外包软件开发者。不管玩笑怎么说，如果你对专业服务有任何经验，就会知道，公司不会养着一大群人，让他们闲坐在那里等待去构建一个大型新项目，完成一项大型新分析，开发一项大型新技术或新产品，想办法重新设计门店，决定门店应该开在哪里，或者找出客户流失率为什么太高。这些问题都会成为你聘请 Bain、BCG、McKinsey 的理由；另一方面，也会让你聘请 Accenture、Infosys 或其他类似公司；你也可能聘请品牌代理商，或者建筑事务所之类的机构。（00:11:09）：通常人们会想：“我们可以雇一些建筑师，但为什么要让 15 名建筑师成为正式员工？我们直接聘一家建筑事务所不就好了？广告公司也是一样。”所以，现在我们要彻底重新构想公司内部的所有工作流程，并弄清楚哪些流程可以很快借助 AI 实现自动化。这本身就是一个项目。这是一个需要五到十个人坐下来，花一两个月研究清楚的项目。真正执行又是另一个项目。（00:11:39）：好吧，你需要把这三个纵向系统接入那两个横向系统，构建一批新的工作流程，再培训人们使用这些流程。那么猜猜谁来做这件事？因为你公司里并没有一群无所事事的人。对一些私募股权公司来说，这属于它们商业模式的一部分：它们会为旗下投资组合公司提供支持，帮助它们完成这些工作。另一方面，这就是为什么你会根据目标不同，去聘请 Bain、Accenture 或 Publicis，帮助你把这些事情理清楚。
这个趋势真正有趣的地方在于，你原本会以为咨询顾问要消失了。我们不再需要这么多人了，AI 会替他们完成工作。可结果却是，最前沿的 AI 实验室反而是最积极投资这些人的机构。我觉得这相当令人意外。
我的演示文稿里有一条主线。我把演示文稿分成了三个部分。第一部分讲资本，基本问题是：所有这些资本支出会流向哪里？模型实验室之间会形成差异化吗？然后是部署部分，基本问题是：这对软件行业意味着什么？第三部分是：这会如何改变各种事情？在关于变化的那一部分里，我试图串起的一条主线是：一份工作的难点究竟是什么？工作的难点是逐行写代码吗？是给你 SKU，还是制作 PowerPoint？还是其他什么事情？到底是任务，还是工作？（00:13:11）：把这个问题拆开来看，有时候任务就是工作本身。最经典的例子是电梯操作员。如果我住在一栋有电梯操作员的楼里，我们用的是手动电梯，所以没有按钮，只有一根操纵杆，由操作员把你送到所在楼层。这是一种垂直的速度控制，就像旧金山的那些缆车一样。他们把你送到商店所在的楼层。然后，20 世纪 50 年代之后，这些电梯都实现了自动化。现在你按一个按钮，而按按钮就是一份工作。所以，有些情况下，按钮就是任务，工作就是任务本身，而任务被自动化了。更常见的情况是，这也是为什么人们会谈论杰文斯悖论，因为这其实是价格弹性，或者说把价格弹性应用到了这里。如果让做某件事的成本变低，会发生什么？你会用更少的钱做同样多的事情吗？还是用同样的钱做更多事情？或者因为出现了新的投资回报，你会花更多的钱做更多事情？（00:14:00）：如果看看会计行业的历史，或者专业服务行业，我在 Twitter 还叫 Twitter 的时候发过一个玩笑：年轻人不会相信，但在 Excel 出现之前，初级投资银行家也要长时间工作。而现在，多亏了 Excel，高盛的助理们会在周五午餐时间工作。问题是，为什么现实没有变成这样？软件开发也可以用同样的方式来理解。在 IDE、代码库和操作系统出现之前，开发者必须自己编写所有代码。现在，如果你写一个 iPhone 应用，苹果已经替你写好了 90% 的代码。调制解调器驱动、图形驱动、文件系统都是苹果写的，这些都不需要你来写。所以，我们现在应该需要同样多的工程师吗？不，当然不是。于是，你必须研究一个行业，弄清楚它属于哪种情况，以及工作的难点到底是什么。（00:14:48）：我想到的一个类比，是电子商务的历史。Amazon 做的事情，是在你知道 SKU 的情况下帮你拿到这个 SKU。如果你知道自己想要哪个 SKU，比如你想要那个麦克风支架，知道它的零件号，就可以去 Amazon 买。如果你不知道该买哪种麦克风，可能就不应该从 Amazon 开始。（00:15:11）：把这个逻辑乘以许许多多的产品类别。Amazon 做的是帮你拿到 SKU，但知道你想要哪个 SKU 是另一份工作。Claude Code 可以替你写代码，但你想要什么代码？它可以帮你做出功能，当然可以，但你想要什么功能？你的客户是谁？适合那个客户的产品是什么？你要如何把产品推向市场？这也就从很长的角度回答了一个问题：为什么你要聘请 McKinsey？你聘请他们是为了得到一份 75 页的演示文稿吗？严格来说，Claude Cowork 可以做出一个非常非常糟糕的版本。你会看到 LinkedIn、Twitter 等平台上那些 AI 骗子说：“嘿，我用 Claude 做了一份 McKinsey 演示文稿。”你看完会想：“是的，这就是一堆文档垃圾。”你从 McKinsey 那里得到的不是这个。（00:15:54）：但即便真的是这样，也不是你付钱让他们做的事情。你真正付钱让 Bain 做的，是让他们走遍你的公司，弄清楚：是的，但你为什么没有自己做这些？这里面的政治因素如何运作？你实际上需要做什么？让我们去和你的客户交谈，弄清楚他们真实的想法，而不是只看 Google 第一页上的内容。真正重要的是其他所有事情。PowerPoint 只是任务本身，但那不是你聘请他们的原因。Amazon 和零售商的关系也是如此，软件开发也是如此。所以，你会看到这样的区分。（00:16:29）：我想到的另一个类比，是那些被互联网彻底碾过的行业，因为它们恰好拥有这两部分，而且可以把它们拆开。一个部分是实体制造或实体分发，另一个部分是其他东西，也就是它们真正提供的东西。典型例子是报纸和录制音乐。唱片公司不会认为自己从事制造小块塑料的业务，但那实际上就是它们做的事。而当这部分消失时，它们就陷入了困境。（00:16:58）：报纸也是一样。报纸不会认为自己从事制造业。卡车公司也是如此。当你把这两部分拆开，就会产生问题。但很多时候你无法拆开它们，或者那根本不是问题所在；又或者你让其中一部分变得便宜之后，其他事情也会随之发生。所以，所有这些都比“我们要把会计师自动化，或者要把咨询顾问自动化”复杂得多。我的演示文稿里有两张图，展示了会计从业人数的变化：人数一路增加到整个 20 世纪，并且从 21 世纪初开始再次增加。所以，你经历了加法器、打孔卡、主机、数据库、ERP、云、电子表格和个人电脑，而会计师的人数一直在增加。为什么会这样？因为事情比自动化更加复杂。
即使只看看最先进的 AI 公司，Anthropic、OpenAI，还有我刚刚请来 Every 的 Dan Shipper 做嘉宾的情况，大家都在增加员工人数。你原本会以为最不可能增加人手的公司，反而都在增加很多很多人。沿着你刚才的观点，这真的很复杂。你刚才基本上是在谈工作本身，以及即将到来的就业末日，比如 Dario 说所有入门级岗位都要消失，不再有工作，就像……
是的。这里有一个比较狭窄的观点：我会把……我不喜欢诉诸权威的论证。我也不认为你经营一家 AI 实验室，就突然让你拥有了……或者说，如果你要诉诸权威，那这个权威应该和讨论的领域相关。所以，我很关注 Dario 对未来六到十二个月模型将走向何方的看法。我对他在劳动力、市场价值和比较优势方面的看法不太感兴趣。是的，也许他在大学里上过相关课程，我也上过。所以，我认为人们需要对 Dario 的话保持一点谨慎。当然，这还不包括那种愤世嫉俗的看法：他只是在做部门股票交易。我完全不相信这种说法。（00:18:50）：这又回到了我关于平台转型的观点。每当我们拥有一项新技术，它都会自动化掉一批工作。然后，这种自动化，不管是价格弹性，还是自动化带来的赋能，都会解锁大量新工作。所以，回到 1800 年，当时我们 90% 的人都是农民，我们最主要的担忧是：庄稼会不会歉收？因为那样我们就会挨饿，甚至更糟。从那以后，我们一直在自动化工作，同时创造新的工作。你总是能看见即将消失的工作，却不知道新工作是什么，因为它此前并不存在，而且它听起来通常还很蠢。比如铁路工程师：铁路是什么？为什么会有这种工作？谁会想跑那么快？所以，这个过程我们已经反复经历过很多次了。任何一个大一经济学学生都会告诉你这些。自 1800 年以来，我们一直经历着这个过程。（00:19:41）：每次经历这个过程，都会出现一批摩擦性痛苦和失序，一批人失去工作，一批城镇被掏空，整个过程都很糟糕。但当你走到另一边时，我们整体变得更富裕了，也不再担心庄稼歉收。过去 200 年就是这样一个过程。那么问题是，是否存在某个根本原因，使这次和之前的情况不同？互联网消除了一批工作，个人电脑也消除了一批工作。现在已经没有多少人从事排版工作了，也没有多少电话接线员或打字员了。互联网消除了许多工作。一般来说，事后回看，那些消失的工作都是糟糕的工作，而新的工作会更好，因为 GDP 还在持续增长。（00:20:19）：所以，AI 有什么不同？对此大概有几种回答。一种理论是，这次会快得多。AI 的确比以前的技术采用得更快，但部分原因是我们站在巨人的肩膀上。你不需要再等每个人购买昂贵的硬件，购买电话或个人电脑，也不需要再等电信公司部署宽带，因为这些基础设施已经在那里了。所以，ChatGPT 能获得 9 亿聊天用户并不奇怪，因为互联网上已经有 9 亿人。当 Mark Andreessen 在 1993 年还是 1994 年推出 Netscape 时，地球上大约只有 5,000 万到 1 亿台个人电脑。所以当时不可能立刻拥有 9 亿用户。但重点在于，他不需要再等待电话网络或微芯片。在更早之前，你也不需要等待电力，不需要等待大规模生产。所以，我们总是站在巨人的肩膀上，技术一直会产生复合效应。所以，是的，这次更快，但互联网当时也更快。（00:21:11）：我认为另一个答案又回到了专业服务这个问题。你去和 Twitter 上那些末日论者聊聊，他们会表现得好像每家大公司明天都会买 ChatGPT，然后两周后就把所有员工都解雇。这些人就是悲观主义者。这也是为什么他们是悲观主义者的诸多原因之一：他们完全不理解世界是如何运转的。这是他们不理解其他任何事情的起点。你只要看一家大公司的企业软件销售周期，就会比我更清楚：企业软件的销售周期，顺利的话也要 18 个月。这一直是个问题。企业销售周期比风险投资支持的融资周期还短。更准确地说，是更长。拿下一个企业客户所需的时间，比你从一轮融资走到下一轮融资还长。而且这一直支撑着基础设施建设，特别是在航空航天、医疗保健之类的行业。（00:21:57）：所以，我知道人们不会立刻拆掉 SAP 换成某个 X、Y、Z。也许三年、五年、十年之后，会的，整个系统版图会看起来完全不同，那些工作也会发生变化。但这需要两年、三年、四年、五年甚至十年，需要一个行业接一个行业地推进，也需要人们花时间想清楚：“原来你可以用这个东西做到那件事。”（00:22:19）：我一直记得在 Andreessen Horowitz 工作时研究过的一家公司，叫 Frame.io，它做视频编辑和视频协作。其实里面没有什么事情是至少五年前做不到的，甚至十年前也许就能做到。虽然这不是一个特别好的例子，因为它依赖一些尖端的 Web 技术。但如果你随便挑选 10 家在 ChatGPT 发布前一天成立的 SaaS 公司，其中有多少家其实在过去 15 年中的任何时候都可以创立？（00:22:54）：延迟来自某个人意识到：“这个行业内部存在这样一个问题，而这就是我们解决它的方式。”这些事情并没有在 Google Docs 出现的第二天全部发生。人们花了大约 10 年、15 年、20 年，才发明出所有这些东西，并弄清楚原来你可以用这个东西做到那件事。所以，所有这些归根结底都说明：是的，变化会很快，但实际上，人们需要一段时间，才能想清楚如何彻底改变业务的运作方式。
你的看法让人非常安心，因为基本上它是在说：好吧，这是一件大事，但我们以前经历过许多次转型，而且一切都会没事的。
我的演示文稿接近结尾的地方有一张幻灯片，我记得标题大概是：“这会和其他一切完全不同，就像其他一切一样。”下一张幻灯片是一则 20 世纪 50 年代的 IBM 广告，画面里是一片白人男性组成的海洋，他们穿着白衬衫、打着领带，每个人都举着计算尺。广告的标题是一则 IBM 广告语，上面写着：“IBM 电子计算器……”那时它还不叫计算机，“……是一台冰箱那么大的电子计算器。”这就像多了 150 名工程师。听听这期节目的公司里，有多少家的公司口号基本上是“我们将为你提供 150 名额外工程师”？我的意思是，这不就是 Claude Code 的全部宣传语吗？免费提供 150 名专家工程师。或者也不是免费，毕竟那要花很多钱。没错，这就是我给你的东西。（00:24:18）：所以，是的，我们一直反复经历这种过程，只是为了让它变得具体可感。我的意思是，显然，如果没有互联网，我们不可能进行今天这样的对话。我的演示文稿里有一张图，我们也许可以聊聊它：这张图展示了自 20 世纪 50 年代以来，美国超市上架的商品数量。它想说明的是，条形码让超市能够上架更多商品，因为它们可以追踪库存。但为了制作这张图，我必须知道有一个叫 Food Marketing Institute 的机构，还必须找到他们每年发布的超市 SKU 数量。然后我必须意识到，这个机构从 20 世纪 50 年代就存在。如果我一直查下去，也许能做出一整套时间序列，从而画出一张完整的图。（00:25:03）：现在想象一下在 1994 年做这件事。首先，你根本不知道这类资料存在。你需要去找一个会出版这项数据的图书馆，而且还要知道他们确实发布了这个数字。你完全不会知道那份报告里有这些数字。然后你还需要找到收藏这些报告的图书馆。所以，你可能要花三天打电话，再花大约 50 美元打长途电话，去找到一家拥有这些资料的图书馆。或者，你打电话给 Food Marketing Institute，他们说：“我们每份卖 500 美元。”然后你就要出发了，也许你住在纽约，或者要去找一个拥有这些资料的人。两周后，你终于拿到了这张图，仔细一看。问题在于，分析师的日常就是花一整天做一张图，做完后看着它说：“这其实没什么意思。”所以你花两周做图，最后看着它说：“算了，我不会用这张图。”（00:25:47）：而对我来说，这只需要在 Google 上花两个小时。所以，我们忘记了互联网究竟是一件多大的事。说了这么多，其实是想说明：我们已经经历过这些极其巨大的变化，但我们没有意识到，因为那已经变成了世界本来的样子。
这一次潜在的不同之处是什么？就像你引用的那句话：它会和其他一切不同，就像上一次一样。显然，最大的不同是 AGI 可能会出现，甚至可能出现超级智能。人类能够完成的工作，它能替我们完成很多，甚至真的可以取代工作岗位。对于我们正在经历的这次转型，你怎么看这部分？
我不知道。这是我写 AI 时感到困难的地方之一：至少在 2023 年和 2024 年初，所有问题都是你在 2022 年 12 月就可以提出的问题。问题并没有真正改变，策略也没有真正改变。我认为 AGI 的问题也是一样。我们能观察到的是，我们没有人类智能是什么的理论；我们没有这些模型为什么表现得如此出色的理论；也没有它们还能变得多好的理论。所以，我们都只是在凭感觉预测未来。然后你会看到一群嗑嗨了的 20 岁哲学学生讨论：“嘿，这是不是意识？”“也许我们也没有意识，只是以为自己有。” “好极了，谢谢你们。”（00:27:10）：我认为今天唯一能观察到的一点是：我们完全不知道。我们不知道事情最终会走向哪里。我们可以猜，但并不真的知道。我认为今天可以说的是，很多术语正在被重新定义。我在去年年底的演示文稿里引用过 AI 科学家 Larry Tesler 的一句话：“AI 就是机器还不会做的事情，因为一旦机器会做了，人们就会说：‘那只是你的软件。’”所以，我确实会时不时在社交媒体上发起投票，问：“机器学习还是 AI 吗？”因为我确实听人说过：“那不是 AI，那只是图像识别。”“那不是 AI，那只是情感分析。”所以，AI 有点像“技术”这个词：如果它是新的，它就是技术。但在 20 世纪 60 年代，喷气式航空是技术；现在，喷气式航空可不算科技。（00:27:57）：所以，AI 有点像一个不断移动的目标，指的是最近才开始奏效的东西。（00:28:09）：那么，AEI 的定义现在是什么？大概是：它能完成某个比例的具有经济价值的工作。可这和“它有灵魂、它真的活着”完全是两回事。因为数据库也可以做到这一点。1975 年的 IBM 主机就能够完成之前由人来完成的、具有经济价值的工作中的很大一部分。结果证明，它还有很多做不到的事情，而那些事情当时我们还没有做，也不知道它们存在。所以，这里有大量创造性的重新定义。超级智能到底是什么？我不确定超级智能是比 AGI 更强，还是比 AGI 更弱。因为去年我认为超级智能就是非常好，但还没有好到真正的 AGI。现在却变成了：“不，不，我们已经有 AGI 了，但超级智能非常难。”（00:28:52）：有意思的是，我今天早上还在 Hacker News 上争论。你记得那种争论，当然，争论从来不是使用时间的好方法，但你应该记得人们会争论加密货币是不是区块链，或者区块链是不是加密货币。这没有正确答案。我们要先说清楚你使用这些词时的含义，但不存在一个唯一正确的答案。我们会不会得到具有人类水平智能的东西？不知道。我不认为我们有任何办法回答这个问题。也许会，也许不会。你可以从两个方向分别提出论据。同时，我们已经拥有了这种显然具有彻底变革性的技术。也许这里真正重要的一点是：即使模型明天就停止变好，即使这就是全部能力、明天就撞上了一堵墙，这仍然是一项极其有用的技术，会改变你的世界，并在未来十年里逐步部署。所以，你不需要相信上述任何一种说法，也能相信这是一件天大的事。
有一件确实发生变化的事。我曾请你以前的老板 Mark Andreessen 来上播客，虽然我们在正式对话中没有谈到这一点，但录音前他提起过，我后来一直没机会问。他有一个洞见：现在公司的机会集合大得多了。过去我们没有一家万亿美元公司，而现在我们将会有几十家万亿美元公司。公司能够成长到的规模大幅增加，估值也会随之上升。他的观点是，人们还没有真正理解现在的公司究竟可以变得多大。每家公司都在五六个月内达到一亿美元的年度经常性收入。你怎么看这件事？
是的。这其实就是他 15 年前，不管具体是哪一年，提出的“软件正在吞噬世界”理论。TAM 会逐步变大，因为你能够触及经济中越来越大的部分。如果用经典的平台转型框架来思考，主机的情况是，我记得主机安装基数的峰值大概是 7 万到 8 万台。这个说法有点模糊，因为究竟什么算一台主机，一台主机在什么情况下会变成两台，我也说不清。但大概就是这个数量级。然后互联网兴起时，正如我刚才说的，地球上也许有 5,000 万到 1 亿台个人电脑。今天大概有十几亿台，也就是 10 亿到 15 亿台，但其中显然有很多是企业电脑。全世界面向消费者的个人电脑大约有 7 亿到 8 亿台。全世界大约有 55 亿到 60 亿部智能手机，这就是为什么 ChatGPT 可以拥有 9 亿周活跃用户。（00:31:16）：五年前有一种说法：“我们已经没有更多人了。所以，下一项技术不可能再扩大一个数量级。”这在一定程度上是对的，但那是错误的模型，因为现在显然正在发生的是：你转向了另一个方向，开始向外延伸，把经济中很大一部分工作自动化。（00:31:33）：回到你关于就业的观点，你可以说，好吧，我们要用 AI 替代所有人，所有钱都会流向 Sam Altman。Mark 还可以再买一架 Gulfstream，继续扩大他的机队。我认为另一种答案还是回到了“劳动总量谬误”，以及过去 200 年的历史：每一项技术都会消除一批工作，创造一批新工作，创造一批新价值，为我们所有人释放繁荣。这个过程很痛苦，但它总是会创造更多价值。对此，你当然可以类比电力行业。一个有用的类比是：电力如何成为几乎所有事物的一部分。软件也一直在慢慢向外扩展。另一个类比是工厂里的电力，然后电力逐渐向外扩散。所以，这再次说明，它会慢慢扩展到越来越多的事情上，给经济带来越来越多的价值和越来越大的贡献。（00:32:36）：当然，它也会消失在其他事物内部。我在演示文稿资本部分的另一个重点，是引用了 Sam Altman 的一句话：“我们会像销售水或电一样，按计量表销售 AI 智能。”你看到这句话会想：“我亲爱的孩子，看来需要给你解释一下公用事业行业的利润结构。”因为你看电视时，电视公司不会把月费的一定比例支付给电力公司。你洗衣服时，博世也不会把洗衣机售价的一定比例支付给电力公司。显然，这也是目前更具体、更战术性的问题：最终我们甚至会不会只有三个大型模型？还是会出现数百个模型、开放模型、本地模型等等？（00:33:26）：即使最终我们假设会有三到六到十个大型基础模型，每年成本高达数千亿美元，好吧，它们会拿走全部价值吗？我的职业生涯起步于电信分析，所以我至今仍然会关注这个行业。全球移动行业每年的收入大约是 1 万亿美元，现在可能还要多一点。它每年大约花 2,000 亿美元进行资本支出。整个电信行业大约是 3,000 亿美元，移动业务大约是 2,000 亿美元。每年资本支出约占收入的 15% 到 20%。如果你看移动数据消费量的图表，那是一条指数曲线，几乎是一条完美的向上扩展曲线。我记得现在全球移动数据消费量大约是 2010 年的 1,500 到 2,000 倍。（00:34:11）：但这些公司的股票 25 年来几乎毫无变化，因为它们是一个毛利率低、以规模增长为主的商品化公用事业。它们销售的是一项客观上令人惊叹的全球技术基础设施，复杂程度和精密程度都极高，但所有真正酷的东西都是你们做的，是正在听这档播客的人做的，是其他人做的。曾经有一个关键时刻，电信公司以为自己会完成你在 iPhone 上做的所有事情。结果不仅它们没有做到，苹果也没有做到。（00:34:47）：所有价值都在更上层。所以，现在围绕基础模型的根本问题是：模型会完成全部事情吗？你只要去聊天机器人那里，让聊天机器人把整件事做完吗？模型公司能不能继续构建各种“面向某个领域的 Claude”或“面向另一个领域的 Claude”？在我看来，这非常像你在 Excel 里点击“文件、新建”时看到的东西。它们就像模板，但所有这些模板实际上也都是价值十亿美元的公司。如果不是这样呢？是不是所有东西都必须是“应用”？不管应用这个词究竟是什么意思。如果所有东西都必须是应用，那谁来构建这些应用？它们不可能全部由模型实验室构建，就像它们不可能全部由 Microsoft 构建一样。如果这些应用都由其他公司构建，那么模型公司在更上层会不会拥有类似 Windows 的杠杆？还是说，这更像 AWS：假设你是一家工程公司或律师事务所，要购买一款软件，你并不在乎它运行在哪个云上？（00:35:37）：你不需要因为所有软件都在 AWS 上，就统一采用 AWS；开发者也不会因为所有客户都使用 AWS，就统一采用 AWS。这不是它的运作方式。这才是 Windows 或 iOS 的运作方式，但 AWS 不是这样。所以，在我看来，如果聊天机器人不是用户体验，而一切都需要变成应用，模型公司又不打算构建这些应用，并且模型本身基本上是商品，至少从用户的角度看是这样，那么模型公司为什么会拥有定价权？所有价值不应该都在更上层吗？你最终是不是会得到三到六家公司，以边际成本销售一种商品？当然，那些半导体分析师会说：“不，不，不，不。它们会永远拥有无限定价权。”抱歉，我有点夸张了。（00:36:18）：但我认为你必须非常重要地区分两个问题：我们现在处于什么位置，以及最终会处于什么状态。现在存在巨大的价格失衡，还有一些极端的案例。比如那位 OpenClaw 的人，这个人叫什么来着？他上个月在 token 上花了 150 万美元。但这就像 2010 年有人一个月花 5 万美元使用移动数据一样。这是暂时的。最终的稳定均衡点是什么？也就是图表上的所有线最终排成一条线，不再出现这种奇怪、疯狂的情况。到那时，你会拥有定价权吗？还是会有三四五家公司都在销售相同的东西？如果是后者，价格就应该下降，利润率也应该降低，而价值会位于更上层。
我非常兴奋地向大家介绍本季支持赞助商 Vanta。Vanta 正在帮助包括 Cursor、Ramp、Duolingo、Snowflake 和 Atlassian 在内的超过 15,000 家公司赢得客户信任并证明自身值得信任。得益于 AI，团队正在以前所未有的速度构建和发布产品。但结果是，产品和业务中引入的风险也比以往任何时候都高。我交谈过的每一位安全负责人，都感受到了保护组织、业务，更不用说客户数据的日益沉重的压力。因为变化太快，他们总是在被动应对，不得不猜测优先级，还要勉强使用过时的解决方案。Vanta 可以自动化合规与风险管理，支持超过 35 种安全和隐私框架，包括 SOC 2、ISO 27,001 和 HIPAA。这能帮助企业快速实现合规，并持续保持合规。信任比以往任何时候都更有能力决定你的企业成败。访问 vanta.com/lenny 了解更多。作为本播客的听众，你可以获得 Vanta 1,000 美元的折扣。网址是 vanta.com/lenny。（00:38:12）：这里一个非常有意思的结论是，你认为随着时间推移，基础模型公司，包括 Anthropic、OpenAI 以及其他公司，利润率会受到挤压，不会像今天这样成功；而更大的机会在应用层，也就是那些基于模型构建产品的人，那些包装层。
是的。这是一种非常确定性的理论。关键在于，模型公司，尤其是我刚才说的，模型似乎没有网络效应。因此，似乎不会出现赢家通吃的效果，不会有某一家模型公司远远领先于其他公司。所以，你应该会无限期地拥有竞争。如果竞争无限期存在，就不会出现产品本身极其根本的差异化。那为什么会有定价权？与此同时，如果你需要数千个由不同人构建、彼此各不相同的应用，这些应用就不可能全部由模型公司构建。所以最终的形态应该更像云，而不是 Windows。（00:39:10）：当然，这可能完全错了。我在演示文稿里提出的观点之一是：想象一下，假如我们在 1997 年讨论互联网，你能猜对什么？或者在 2000 年讨论移动互联网，你会猜对什么？你几乎会错过一切。你肯定会说，一家来自某个无名地方、已经过气的个人电脑公司会赢下全部竞争。但没人会这么说。你也不会想到，一家拥有奇怪标志的搜索公司会赢，因为你会说：“搜索？这和移动有什么关系？”“不，算了，你真是个傻瓜。”所以，我们应该假定自己并不知道答案。但这里确实有一些基本的逻辑：模型公司为什么会拥有定价权？我不知道。1999 年我还是一名初级分析师时，去英国拜访过一家网络公司，他们试图在线销售电脑配件。他们有完整的模型和完整的品牌故事。我们去拜访了他们，回程时坐在从伯明翰开出的火车上，一位名叫 David Tate 的资深银行家也在。（00:40:07）：我们坐在那里讨论这件事，Tate 说：“这就是一个低利润率的转售商，一次性销售。”“你可以随便说它是网络公司，但它就是一个低利润率的转售商。”我认为这正是问题的核心：它们是缺乏差异化的商品化基础设施供应商。这里面有很多科学，但移动行业里也有很多科学。你买平板屏幕要花多少钱？平板屏幕领域也有诺贝尔奖级别的研究，但它仍然是低利润率的商品。我期待有人证明我是错的，但至少目前看起来就是这样。
这太棒了。所以，我知道你不是投资人。我知道你虽然为 A16Z 工作，但其实没有在 A16Z 做投资。
合伙人。
合伙人。就是那种整天坐在那里高谈阔论的合伙人。现在有没有你愿意投资的公司？如果现在有几家公司值得你投资，它们会在那份名单里吗？或者甚至可以说，哪些类别的公司值得投资？
我刚才简单提到过，我以前是一名分析师，是卖方股票分析师。我不是一名特别出色的卖方股票分析师，部分原因是我没有兴趣和客户交谈，部分原因是我对股价不感兴趣。作为股票分析师，这听起来似乎足以让我不合格。正确和提前之间有巨大的差别，正确的公司和正确的价格之间也有巨大的差别。现在，从确定性的角度，你可以看看整个市场，然后说，好吧，这就像钟形 IQ 曲线，IQ 为 50 的人和 IQ 为 200 的人都会说：“Jeff Bezos 是个聪明人，我买他的股票。”你当然可以把这些事情想得过于复杂。你也可以看看 Google、Apple、Facebook、Amazon，然后说：“很难看出它们真的会遇到什么问题。”当然，你可以为每家公司都找到问题，其中一家可能会失手，但记住移动互联网发生过什么很重要。（00:42:03）：互联网就是一次显而易见的大型平台转型。移动互联网有意思的地方是，有些公司完全错过了它，而对其中一些公司来说，它实际上什么都没改变。对 Google 来说，它没有改变什么。对 Meta 来说，这太棒了。相比个人电脑，手机是更好的社交方式，因为你有摄像头、有通知，而且手机始终在你身边。Amazon 呢？这改变了什么？它没有改变一切。当然，我这里极度简化了，但重点是，与此同时，Yahoo Mail 没能完成转型，有些本来就快要消亡的公司也没能完成转型，也许 eBay 就是一个例子。具体公司可以另行争论。重点是，我们经历了那次转型，但它对一半的互联网行业什么都没改变。所以，我认为这里也可能存在一部分类似的情况。（00:42:47）：A16Z 的 Steven Jay Sinofsky 曾经负责 Windows，他总是说：“在位者总是试图把新事物做成一个功能。”有时候他们是对的，有时候它确实只是一个功能。
实际上，沿着这个方向，我想听听你的看法。有一条贯穿许多嘉宾讨论的观点是：随着软件越来越容易构建，分发正在成为越来越大的护城河。每个人都在发布产品，每个人都在争夺注意力，这件事越来越难。获取人们的注意力一直很难，但现在市场上的噪音简直疯狂地增加了。这让我觉得，分发正在成为越来越有价值的能力和资产。这也让我觉得，在位者会更成功，因为他们已经拥有分发渠道，而初创公司还要努力突破重围。
是的。这有点像 Drake 表情包的一个版本：他说：“我不喜欢那个，我喜欢这个。”换成这里就是：“我不喜欢 GPT 包装器，我喜欢 harness。”去年年底做演示文稿时，我确实花了一些时间讨论这个问题：如果产品是商品，那么重要的就是分发。今年早些时候，我还写过一篇关于 ChatGPT 和 OpenAI 如何竞争的文章。很多人做过一个明显的比较，就是拿它和 Web 浏览器作比较。这里我认为需要区分 Web 浏览器这个产品和浏览器渲染引擎：渲染引擎可能有好有坏，但浏览器产品只是渲染引擎外面很薄的一层包装。它有一个输入框和一个输出框。还有什么呢？（00:44:24）：浏览器设计上一次真正的创新是什么？标签页浏览，大概是 20 年前、25 年前的事了。每隔一段时间就有人试图创新浏览器设计，但从来没有成功，因为你已经找到了柏拉图式的理想形态。就像试图创新智能手机设计一样，它就是一块玻璃矩形，没有什么可做的。所以，接下来发生的事情当然是，Microsoft 利用分发渠道打了进来。再后来，撇开诉讼不谈，事实证明，最终哪款浏览器胜出根本不重要，因为价值在更上层。所以，Microsoft 让我们使用浏览器五六年，但这并没有给它带来任何东西。（00:44:57）：显然，现在 Google 正在利用分发渠道推广 Gemini。Gemini 和 Claude 有什么区别？如果你整天使用这些东西，你当然知道区别，但对普通人来说，它们没有区别。Meta 也是一样。如果你看人们使用哪些 AI 模型的调查数据，即使在“新闻”那件事、Llama 那件事之前，Meta 也已经落后了，排在 ChatGPT 和 Gemini 之间。对科技行业的人来说，大家已经完全不把它当回事了，但 Meta 把它铺到了所有服务的表面。它其实没那么糟，表现还可以。所以，当产品基本商品化时，一个够用的产品加上分发和品牌，就会变得很重要。你可以从战略中看到这一点：去年年底，OpenAI 的战略就是人们所谓的“Everything, Everywhere, Yesterday”。（00:45:47）：他们只是尝试一切办法，想弄清楚怎样才能获得分发。我们怎样才能找到突破口？怎样才能获得分发？怎样才能找到某种能够留下来的东西？怎样才能让人们先于 Google、Meta 和 Amazon 使用我们的产品，让这些公司把产品铺得到处都是，让所有人都开始使用它？一旦形成惯性，默认选项就会产生力量，人们为什么要切换呢？显然，Apple 是这里最后一块要落下的拼图。之前有一个有点奇怪的开场想法，现在甚至出现了更奇怪的说法：OpenAI 想起诉 Apple。祝他们好运。（00:46:18）：Apple 那笔交易有意思的地方在于，如果你回头去看 2024 年的 WWGC，整个下半场都是 Apple Intelligence。那是对个人 AI 助手最有说服力的愿景，仍然是我见过最有说服力的愿景。他们后来没能发布，但其他人也一样。你重新看一遍，就会想：“好吧，所以你想要的是一款在设备上运行、能够使用工具的智能代理 AI，不受提示注入影响，也不会产生幻觉，还要在 10,000 个应用之间提供一套完全标准化的 API 系统，并且所有意图都能完美运行。”我会说：“听起来很棒，但我并不惊讶他们没能发布。”但其他人也没有发布这样的东西。不过那个愿景确实很棒。我真的想看看一个月后的 WWGC 会发生什么。他们会不会真的发布它，只是这次由 Gemini 提供支持？（00:47:03）：但这也说明了另一个问题：Android 上会有 AI 智能，不管我们把它叫什么，也许叫 Gemini 智能；iOS 上会有 Apple Intelligence，而它由 Gemini 提供支持，但两者不会是同一套产品。模型就像底层那个愚笨的东西。换一种有趣的说法，它是支撑某项功能的底层愚笨组件。模型是商品，用来支持不同的产品决策：功能应该是什么，以及不同的分发渠道应该是什么。在这种情况下，Apple 有 10 亿台可以在本地运行它的设备。Google 则有一句很棒的营销口号：“即将登陆我们最强大的设备”，意思是它会在那些 Android 手机上运行。所以，这又回到了分发问题。
有意思。Google I/O 就在下周，所以我们会看看他们发布了什么。
不，他们已经发布了 Android，它只是展示了模块化程度有多高——
就是今天这样吗？
不，他们上周就发布了。这恰恰说明我们有多么开始关注 Android 和 iPhone。Google 上周做了一整场大型发布活动。他们要用 Google Books 取代 Chromebooks，还推出了由 Gemini 驱动的新 Android Intelligence，这项功能会向那五个买了 Pixel 手机的人陆续推出。你又不在 Google 工作。
是的。我想换个方向。我很好奇你有没有关注正在增长的反 AI 情绪。如果你看过这些调查，就会觉得 AI 比 ICE 还不受欢迎，人们试图阻止数据中心建设。我想 Eric Schmidt 最近做了一场毕业典礼演讲，每次提到 AI 都有人嘘他。你觉得发生了什么？你觉得这种情绪长期会走向哪里？
这很有意思。我认为这是一大团不同事物组成的模糊集合。有些是具体的，比如“我的电费上涨了”。这实际上只适用于很少数地方，但确实发生了，所以这是一个问题。用水的问题很奇怪，因为它完全是假的。我解释一下我的意思。数据中心用水来冷却，主要是闭环系统，但和美国总用水量相比，数据中心的数量非常少。（00:49:13）：我确实去深入研究过这个问题。Livermore 实验室在 2024 年底做过一项研究，估算美国数据中心的用水量，结果约占美国用水总量的 0.017%。当然，如果你住在一个小镇上，那里只有一口井，而他们把所有水都分配给数据中心，你当然会非常生气。但那是规划问题，不是数据中心问题。总体来说，数据中心占美国能源消耗的比例大概是 5%，未来五年可能每年增长 1%，也就是每年增加一个百分点，但关于水的说法就是胡说。（00:49:51）：然后你会进入一些更具体的问题：这到底发生了什么？它是不是正在夺走工作？你可以看一大堆经济学家互相交谈三个小时的播客，而他们的主要答案是：我们真的还不知道。很多图表似乎在说是，很多图表似乎在说不是。很明显，18 到 24 岁人群的就业有所放缓，但没有学位的人和有学位的人似乎都一样；处在看起来容易受到 AI 影响的领域的人，和处在看起来不容易受到 AI 影响的领域的人，似乎也一样。（00:50:25）：围绕这个问题有很多计量经济学争论。其实，这里还有一个更广泛的问题，或者说另一个不同的问题：我们几乎没有关于 AI 正在发生什么的可靠数据，任何人手里都没有。模型实验室什么都不告诉我们，也不提供有意义的使用信息。他们会给出一些奇怪的研究，告诉你有多少人把它用于某件事、某件事，但他们不会给出日活跃用户数。我们甚至没有 ChatGPT 的日活跃用户数，这很疯狂。所有数据都来自试图从美国劳工统计局调查中反推结论的学术经济学家，或者来自咨询公司和营销机构：他们花一大笔钱调查 20,000 个人，然后问：“你们拿这些东西在做什么？”（00:51:05）：我们没有关于到底发生了什么、究竟有多少人真正使用这些产品的好数据。至于就业问题，所以很多人正在翻看美国人口普查收集的所有资料，试图弄清楚：“我们在哪里能看到它？能看到生产率吗？还能看到什么？”我认为目前的答案是：没有明确共识表明我们已经看到了 AI 对就业的影响。但从政治角度看，这并不重要。如果你是一名学生，却找不到工作，那显然就是一个问题，至于原因是 AI，还是 Trump 和关税，则是另一个问题。（00:51:32）：然后还有一些很小众的情况，比如那些为成人爱情小说绘制封面的人非常生气，因为现在你可以得到一幅“一个裸体女人骑在龙的背上飞过火山”的图片，却不用付他们钱。抱歉，我故意说得刻薄了一点，但确实存在这种情况。尤其是小说作者、写电子书的人，对于使用 AI 是否合适，已经形成了一场巨大的文化战争。这就是所谓的“AI 垃圾”问题。你当然也可以拿出数据说，你播客里有 30%、40% 的内容是 AI 生成的。这里面有很多模糊而庞大的问题。（00:52:06）：我认为，其中一部分有点像我们当年对社交媒体的反弹，只是这一次压缩得多得多。就像社交媒体一样，其中一些反弹是真实的，一些有几分道理，还有一些并不真实。最典型的例子就是“Facebook 出卖你的数据”这件事：第一，这不是真的；第二，相信这件事的人极其坚定，当然会认为它是真的，而你如果提出相反观点，显然就是疯子。这就像 Jonathan Swift 的那句话：你无法把一个人从一个他并非通过理性得出的想法中，用理性说服出来。（00:52:38）：所以，你会看到一大批不同的观点，就像当年的社交媒体一样。大概有 20 件不同的事情，其中一些确实非常真实，一些根本不真实，还有许多介于两者之间、非常模糊的东西。这一切意味着，与此同时，Trump 说他想发布一项针对危险模型的新行政命令，但我其实不认为那是引发反弹的原因。我不觉得人们担心“神话”或网络攻击是美国普通民众的讨论话题，但这却是再次引起 Trump 对这件事兴趣的因素。
让我换个有点旁支的方向。我喜欢问那些带孩子上播客的嘉宾，尤其是那些对未来走向思考得非常深入的人：既然你知道世界正在走向哪里，知道 AI 将如何改变未来，那么你是如何改变养育孩子的方式的？你有没有在教育他们一些不同的东西，可能会帮助他们应对未来？
我不知道。我认为这里存在一条曲线：如果你的孩子明年或后年就要进入就业市场，那么一切都悬而未决，没有人知道事情会如何发展。如果你的孩子五年后才进入就业市场，那谁知道呢？不过到那时，很多事情大概已经以无法预测的方式稳定下来了。所以，如果我有一个 21 岁的孩子，我可能会担心很多。我没有，我的孩子才十几岁出头。这些问题的答案会变化。（00:54:05）：还有很多在 ChatGPT 之前就存在的问题，比如守门人的崩塌：“你真的应该相信 TikTok 上那个网红说的话吗？”“你究竟从哪里获得对以色列正在发生什么的理解？”还有所有这类社交媒体、互联网和媒体消费方面的问题。（00:54:32）：我不知道。有些人对孩子生活中的每一分钟都安排得极其有意识，我不是这样的人。我会想到 George Carlin 的那句话：开得比你快的人都是疯子，开得比你慢的人都是傻子；这当然也适用于育儿。每个人都以为自己处在中间位置，但我没有一个非常系统、全面且连贯的计划，去规定“我的孩子在三个月、六个月、12 个月、18 个月后应该做什么”。如果他别再把 Chromebook 弄坏，我就满足了。
我喜欢你整体的感觉：“各位，一切都会没事的。一切都会没事的。”
是的。我不知道，也许这是因为我是英国人，而我们已经 500 年没有经历过政治暴力了。如果我来自伊朗，也许我对保持未来的平静会有不同态度。我认为这里有一层意思：是的，它会改变很多东西，我们需要对此保持警惕，但这其实是一种常态，我们一直都在经历这种事。我记得社交媒体引发全面恐慌的那一波时期，我翻出过一些资料：20 世纪 70 年代末有很多关于数据库的书，当时也有过一场围绕数据库的全面恐慌。同样，其中一半是对的。如果所有人的警方记录、所有警方记录和政府记录都在网上，那确实是不一样的。比如说到深度伪造色情内容的问题，有一种愚蠢的反应是说：“你没听说过 Photoshop 吗？”这话没错，但一个 15 岁的孩子无法用 Photoshop 在一个下午里制作出全校每个女孩的露骨色情图片，再把它们发给整个学校。
还有视频。
没错，而且更严重。是的，甚至更严重。现在它们确实可以做到。所以，这一点不同。它有点像社交媒体带来的挑战。20 世纪 90 年代人们会说：“这太棒了，你可以找到村子里唯一的同性恋者，可以找到其他同性恋者，可以找到属于自己的群体。”结果呢？你也可能是村子里唯一的纳粹分子，或者唯一的恋童癖者，或者是想看儿童色情内容的人。是的，现在你可以找到其他喜欢看儿童色情内容的人，他们还会告诉你这很棒。糟糕，我们把所有人都连接起来了。不幸的是，这意味着我们也把所有坏人、我们最糟糕的本能和社会中的每个问题都连接了起来。所以，AI 也会再次发生这种事。深度伪造色情内容是我们现在能看到的显而易见的事情。以后还会出现更多这类东西。（00:57:11）：但还有一件技术受众应该了解的事。你知道英国的邮局丑闻吗？
不知道。
好，那我们插播一个旁支故事。在英国，邮局大多是由小企业经营者运营的加盟店。典型的经营者是药房老板，而且经常是印度人、印度移民或第二代印度移民。大约 15 年前，邮局推出了一套新的销售点电脑系统。他们在店铺后面有一个独立柜台，那里是邮局柜台。邮局推出的这套新电脑系统由 Fujitsu 为他们构建，其中存在一系列漏洞，会显示现金短缺。邮局看了之后说：“啊，我们就知道这些人一直在偷钱。”数百人入狱，很多人自杀，很多人破产，有人失去了自己的房子。（00:57:56）：与此同时，邮局和 Fujitsu 的人上法庭发誓说系统没有漏洞，没有其他人遇到过这个问题。这是 20 世纪 70 年代的技术。重点就在这里：每一轮技术变革都会带来一些方式，让你可以故意或意外地毁掉别人的生活。中国的大规模监控就是故意的。人们是否应该因此入狱，也许应该，也许不应该，但每项技术都会出现这种问题。我们会获得许多毁掉他人生活的方式，必须对此保持清醒，同时也不能因此陷入恐慌。
那么，顺着这个问题，再回到孩子和就业的话题：有没有哪种工作，你会引导自己的孩子远离？有没有哪种工作，你会觉得应该引导他去做？
这我还说不好。现在可能还太早了。他还没到那种“我想当消防员”的阶段，不过……
那可能是一份很棒的工作。
是的。当然，如果看看我的职业生涯，我一开始是股票分析师，后来去了一家公司工作，再后来成了咨询顾问。以前你似乎很早就知道自己的职业会是什么，有些人会说：“我想当建筑师，我想当软件工程师，我想做 X 或 Y。”我不知道。我目前唯一的想法是：你会慢慢弄清楚自己拥有一批技能，也有一批能让你做得很好的工作，然后还有一批别人愿意为你付钱的事情。你至少要找到其中两项，最好三项都找到。
好，我们再稍微拉远一点。我想问你一个关于 Meta 的问题。关于 AI，有没有什么问题是你认为还没人提出，或者没有足够多的人提出，但我们其实应该问自己的？
当然。我们谈过价值捕获的问题。显然，这是一个完整的问题：我不确定有多少人会问模型实验室是否拥有定价权。我认为，很多人只是默认今天的情况会继续下去，或者默认它们当然会拥有定价权。所以，这可能是一个没有得到足够重视的问题。（00:59:52）：我在演示文稿结尾提出的问题，也是我们之前谈过的：什么是任务，什么是工作？什么东西只是会变成一个按钮，或者变成一个 SKU？人们真正雇你来做的是什么？这是不是一种有用的思考方式？显然，有些工作确实只是任务，因此这份工作会被自动化掉。但还有很多工作，问题并不是这样。（01:00:15）：我在演示文稿最后真正把这个问题串起来的方式，是放了一张全球录制音乐收入的图。你可能知道，这条曲线大致呈 U 形。从 2000 年到 2015 年左右，收入下降了约一半；从那以后，按通货膨胀调整后又恢复到了峰值的大约 75%。我的理解是，这一过程由流媒体推动。于是我想：图表的前半段是在问，如果我不需要花 15 美元买一张 CD 来获得那首歌，会发生什么？图表的后半段是在问，如果每月 15 美元就能获得全部音乐，会发生什么？所以，这其实是完全不同的问题。你也可以用这种方式理解 Google、Airbnb 以及所有类似的公司。（01:01:03）：一开始，你做的是旧的事情，但做得更多；或者说，你借助新技术，在新的地方做更多的旧事情。你把 Flickr 搬到移动设备上，打印出 Google，然后再创造一些只有借助新事物才能做到的新东西。再往前一步，你可能会完全重新定义问题，做出一个根本不一样的东西。Spotify 不是在线音乐商店，它是另一种东西。现在，只有在问题已经被提出，并且你已经构建出一家被很多人使用的十亿美元公司之后，你才知道当时究竟应该问什么，因为显然 Spotify 当初看起来很疯狂，很多人看起来很疯狂，Airbnb 也看起来很疯狂。但我认为，理解这一切意味着什么，就要超越“我们把旧的事情做得更多”，并进一步问：因为这项技术，我们能做什么不同的事情？它改变了什么？什么是以前不可能做到的？它释放了什么？而不仅仅是把旧事情做得更多？
是的。为了支持你反复强调的这个总体主题：我们不知道会发生什么，一切都是前所未有的。如果把视角拉回几年前，大概三四年前，工程和编码可能是你最不认为会被自动化的职业。你会觉得，那是最难的事情，我们需要人来构建这些东西。现在，它却成了变化最大的工作。人们从编写所有代码，变成代码里几乎没有一行不是由 AI 写的。
这就像你此前没有意识到，那其实是可以被自动化的枯燥手工劳动，而你以为它是别的东西。很有意思。我最近在研究一件事：美国政府有一个叫 ONET 之类的数据集，试图分析每一份工作，然后有人给它打分，说：“这个职业有 X% 或 Y% 暴露在 AI 之下，AI 今天能完成其中 Z%。”我认为这是一堆最荒谬、最稀释的胡扯。原因有两个。第一，讽刺的是，这正是逻辑系统问题，也就是专家系统的问题。对于不了解的人来说，专家系统的问题是：你想识别一张猫的图片，于是开始建立一系列逻辑步骤。（01:03:14）：你先做一个边缘检测器，然后做第三个检测器，再做一个眼睛检测器，再做一个耳朵检测器。15 年后，你已经有了 700 个步骤，但系统还是无法工作。（01:03:25）：当你试图观察一个职业，把它拆分成哪些部分可以自动化、哪些部分不能自动化时，就会发生同样的事。你无法这样描述一个职业。事实上，我们做不到。你不能看着一家律师事务所的高级合伙人说：“好吧，他 17% 的工作可以自动化。”这完全是胡扯，你做不到。（01:03:43）：但我认为，这个谬误的另一面是谈论出租车司机。假设我们在 1997 年进行这场对话，这就像 Uber 测试。想象我们身处 1997 年，互联网会摧毁什么？报纸应该没事，因为它们可以节省印刷成本。这虽然像个笑话，但当时确实有人这么说：互联网会对报纸有利，它们的印刷成本会下降。是的，但又不是这样。另一方面，人们会说，出租车司机显然不会受到影响，你不可能用互联网实现自动化，这和互联网没有关系。也许可以用互联网预订，但这不会改变任何事情。当然，互联网彻底改变了整个行业。我前几天看到的一个例子是：个人教练不会受到 AI 影响。好吧，我把 iPhone 放在金属片上，让摄像头对着我，然后让 AI 为我制定训练计划、观察我，并告诉我动作是否正确。我为什么还需要个人教练？这也许完全是胡说，但事情就是这样运作的。你无法预测哪些事情会受到影响。很多大公司之所以存在，恰恰是因为原本看起来它们不可能成功，看起来也不会受到影响。这个问题的另一面，当然是我演示文稿结尾的一张图，用来比较 Uber 和 Airbnb。这就是 Mark Andreessen 那句老话：Uber 不向出租车公司销售软件，Airbnb 不向酒店销售软件。好，现在让我们看看市场影响。（01:05:16）：很多城市的出租车业务被 Uber 摧毁了，但出租车市场也因此变得大得多。TAM 变得更大，每个人都完成了迁移。Airbnb 对酒店的影响，如果你真的去看数据，其实相当有限。Airbnb 开辟了另一项完整的业务，也许稍微放慢了酒店的增长，但我的妻子下周要飞去 Milwaukee。她晚上 8 点抵达，想住酒店，想要客房服务，需要一个浴缸，早上 6 点要去健身房，早上 7 点要开车去客户那里。她不会住 Airbnb，绝对不可能住 Airbnb。酒店业务有一半是商务旅行。一旦你真正深入任何一个具体问题，事情就会变得复杂。（01:06:01）：我记得有人在社交媒体上说，Benedict 的问题在于，他对所有问题的回答都是“视情况而定”。我当时想，是的，确实视情况而定。所以，这又回到了我关于 1997 年的观点。你可以说出其中一部分，但必须保持这种谦逊。
回到你使用的那个说法，“假定存在根本性的不确定性”，这似乎是这里的一个核心论点。既然我们知道这些，既然很难判断，既然我们不知道它究竟会走向哪里，既然事情会发生很大变化，但总体上可能会没事，那么对于很多担心自己工作和职业、担心世界会发生多大变化的听众来说，你会建议他们做哪几件事，让自己在这样的未来中更成功？
我应该先回到你刚才说的话。正如 Kim 告诉我们的，从长远来看，我们都会死。所以，平均而言，第一次世界大战中没有人死亡。很好。但如果你是 1914 年的一名 19 岁年轻人，你有三分之一的概率无法回来。所以，是的，显然有一批职业会面临重大问题。尤其是如果你是一名律师助理，或者原本考虑成为律师助理，这就是一个重大问题。这些职业最终会如何发展，非常不清楚。专业服务的金字塔结构会发生什么，也非常不清楚。我认为唯一的答案是：不要把头埋进沙子里说：“我讨厌这一切。”因为这会给你带来一种很棒的道德优越感。你可以去 Bluesky 对所有人大喊大叫，彼此聊天说 AI 多么邪恶。很好，我替你高兴，但那不会帮到你。（01:07:48）：真正有用的是彻底投入其中，把自己完全浸泡在这项技术里，然后弄清楚你能用它做什么，它如何改变事情，以及你怎样成为一个很好的招聘对象。这仍然可能帮不了你。但如果你去一家律师事务所，而他们说：“我们去年招了一百名律师助理，今年只招 50 名。”这时你走进面试说：“我认为 AI 是什么什么，而且我永远不会使用它。”这可能不是正确的态度。所以，这可能不太令人安心，但我不认为有其他选择。你必须深入了解它、吸收它、把它内化，并思考它意味着什么，就像你我当年思考移动互联网和互联网一样。
我认为这确实是非常可执行、而且在这档播客里非常一致的建议：去做事情，去构建东西，不要只是坐在那里高谈阔论，对正在发生的事情感到愤怒。最后，我们进入 AI Corner，这是播客里一个固定的环节。我的问题是：你在工作或生活中使用过 AI，或者正在使用 AI，有没有什么特别有趣的方式，可能会给其他人带来启发？
我不知道。我很难回答这个问题，因为我会想到那个看着 ChatGPT 的律师。我要做的、希望自动化的事情，是那种精确的信息检索任务，而这恰恰是目前 AI 不太擅长的事情。这不是批评，只是观察。我希望机器替我做的事情，正是 AI 目前还做得非常非常不好的事情。我用它校对，用它生成图片，还用它重新装饰我的公寓，效果非常棒，你也知道。我给它一张房间的照片，让它按这样的光线、这样的桌子和这样的地毯重新粉刷。不要改变地毯的颜色。有一类事情，它确实能做好。但几年前有人说过，AI 擅长计算机不擅长的事情，却不擅长计算机擅长的事情。（01:09:49）：我很难找到很多自己真正需要它来做的例子。不过，我的工作有点独特、也有点奇怪。我整天坐在桌前，试图把很多其他东西综合成一大批新想法。这并不是大多数人打发时间的方式。我很难找到 AI 的使用场景。我就像那个看到电子表格的会计师，心想：“这很聪明，显然会彻底改变一切，但我其实不是每天都在制作电子表格。”
我去看过 Pete Holmes 的单口喜剧演出，不知道你认识他吗？他开了一个玩笑：我们希望 AI 去清理街上的狗屎，去做所有没人愿意做的困难事情，但它却说：“哦，让我帮你写作，让我帮你创作图像。”这很波西米亚。它的意思是：“不，我不想做这些丑陋的事情。我想发挥创造力，创作艺术。”
是的。关于这一切有很多不同说法。我的意思是，我不想让 AI 做我为了乐趣而做的事情，我想让它做那些无聊、而我做起来并不开心的事情。找到这种匹配很难。不管玩笑怎么说，这会回到我关于聊天机器人的观点：聊天机器人是一块空白屏幕，也处在锯齿状前沿上。我要做什么？什么会奏效？这是一个大问题。解决这个问题的办法，就是用具体使用场景把它包装起来。还有一点是，AI 会直接消失。现在我写的大多数东西都是口述的。我像发语音留言一样口述，然后它会自动转录。那这还算 AI 吗？还是只算语音识别？里面可能有一个大语言模型。好吧，那也许算 AI。但又怎样？到了某个阶段，它就只是自动化。
你用什么做语音转录？
其实我觉得 Apple Notes，也就是那个应用，或者 iPhone 自带的那个功能，就很好用。我的意思是，我知道有人想要其他工具，但我就是口述，它就在那里，而且能正常工作。所以我很满意。
好。在进入非常精彩的闪电问答环节之前，最后一个问题：还有什么想分享的吗？还有什么想留给听众的吗？
没有了。我想我已经说了很多，也把演示文稿里的很多内容都讲了一遍。去读那份演示文稿，再订阅我的 newsletter，这样你就会收到更多期精彩的 Benedict Evans 智慧，其中有些甚至可能有用。有人取消订阅我的 newsletter，还说：“你没有给我任何可以直接执行的股票建议。”我想：“从某种角度说，这完全正确；但从另一个角度说，也许并不完全正确。”
那么，Benedict，我们来到了非常精彩的闪电问答环节。我有五个问题要问你。准备好了吗？
当然。
第一个问题：你最常向别人推荐哪两三本书？
这对我来说很难，因为我读了大量书，然后又想不起自己读过哪些。我有时会开玩笑说，19 世纪末有一部经典的英国喜剧，叫《三人同舟》，它就像我的《易经》。我们正为怎么把一幅画挂起来而烦恼，书里有一段就是讲这个的。我们正为怎么做某件事而烦恼，书里也有一个关于这个的故事，而且都非常好笑。所以，《三人同舟》就是我的《易经》。（01:12:53）：我记得 William Cronon 写过一本关于芝加哥经济史的书，非常有意思，而且和科技高度相关，因为它基本上谈到了标准化、分组化、物流、渠道冲突、网络动态和网络中立。比如芝加哥的肉类加工商到了这样一个阶段：把一头牛从纽约运到芝加哥，在那里宰杀、包装，再运回纽约，比直接在纽约宰杀还便宜；还有冷藏车厢的定价。这读起来完全像是在读宽带的历史，所有事情都是同一种模式。所以，这些商业问题非常有意思。（01:13:27）：我还读过什么？我不知道。读书，读不同的书，通常读给成年人看的书。如果你要再给另一家公司命名，请读点《指环王》以外的东西。我看到某家公司，想起好像是 Peter Thiel 最近成立的那家公司，就想：“再读一本书吧。”所有东西都以这一本书里的角色命名。世界上不止一本书，不止科幻小说这一类书。去读不同的东西，读你不了解的东西。
沿着这个话题，你最近有没有特别喜欢的电影或电视剧？
我不知道。我已经完全掉出当下媒体的节奏了，大部分时间都在看经典作品，而且都是那些大家认为你应该看过、看起来又很有压力的作品。然后你真的看了，会想：“哦，原来真的很好。”我最近看了《第七封印》，那种伍迪·艾伦式、令人害怕的无聊电影之一，结果它很棒，非常有意思，而且好像只有一个小时。所以，去看一部你应该看过却还没看过的电影。
最近有没有发现什么特别喜欢的新产品？可以是设备，也可以是应用。
本周早些时候，不对，是上周，我在一家公司的合伙人会议上发言，见到了那家公司的创始人。公司 CEO 的名字很有名，我很欣赏他的鞋子，但什么都没说。半小时后我去 Google 搜了一下：“好吧，我要买一双这样的鞋。”
你想透露品牌，还是想保密？好吧，那我们保密。
我不知道。我觉得新产品总是一波一波出现，人们会进入一波新事物。上一次出现很酷的应用是什么时候？iPhone 应用，那些所有的空白空间都已经被填满了。我的意思是，这部分是产品迭代和平台迭代的结果。所有适合酷新应用的空白空间都消失了，而我们现在还没有完全得到……其实，这又回到了之前的观点：我们还没有出现真正突破性的消费者 AI 应用，但我认为这主要是因为边际成本。你不能让产品免费，然后获得 5,000 万用户，再想办法建立收入模式。但我们还没有看到那种突破性的产品。
面向消费者的？
面向消费者的，没有。我总是看到一些语音录音设备的广告。有人在销售名片大小的硬件语音录音器，但我没买。我手机上已经有录音功能了。
是的。还有各种很酷的东西会出现。好，再问两个问题。你有没有一句最喜欢的人生格言，在工作或生活中经常会想起？
我想，前面提到的两件事都算。看来我最常说的是“视情况而定”。
这就会成为标题。
大概会没事的。
是的，好吧。这就是我的感觉。我喜欢。我喜欢。大概会没事的，但也不是确定会没事。好，最后一个问题。我看到有人说你收藏了很多旧手机。是真的吗？
是真的。我以前是电信分析师和移动行业分析师，所以曾经把自己的手机保存到某个阶段。现在这些东西有点无趣了。但你可能还记得，在 iPhone 出现之前，尤其是在美国以外，手机外形经历过巨大的创造和扩展，因为所有人基本上都在围绕一个很小很小的灰色方块进行创新。于是每个人都在尝试和其他产品区分开来，直到最后形成现在的结果。其实这有点像汽车。在街道出现、风洞测试出现之前，汽车的样子都不一样。每个人都围绕同样的四个轮子和同样的发动机进行创新，试图通过形状来实现差异化。然后所有东西逐渐收敛成一种形状，手机也是如此。一切都收敛成一种形状。在那之前，有过大量创新。所以，是的，我有一大堆 PDA、智能手机之类的东西。
我们说的是多少部手机？
不知道，大概 20 部或 30 部。
好，好。也没有那么疯狂。最旧的是哪部？你拥有的最旧的是哪部？
我有一部那种手机。本来应该提前告诉我，我就能把盒子拿下来。我有一部 1998 年左右的 Ericsson 鲨鱼鳍翻盖手机，非常时髦。还是那个道理，硬件设计、视觉设计，大家都在尝试实现差异化。我还有一部 2001 年的 i-mode 手机，以及一部 2001 年带摄像头的 J-Phone 手机。2001 年我从日本回来时，我的手机有彩色屏幕和摄像头。后来我参加了没完没了的客户会议，所有人都只想看看这部有彩色屏幕的手机，觉得不可思议。但它在日本之外无法使用。前几天我把它插上电，它居然还在充电。当然，我什么也做不了。我觉得这里也有一个类比：我们曾以为会出现各种不同形状和尺寸的设备。（01:17:52）：在 iPhone 出现之前，人们想象的是：“有些人会用小型掌上电脑，有些人会用带键盘的设备，还有折叠设备……”关于设备应该长什么样，有过各种各样的想法。但我们没有意识到，最后所有东西都会收敛成一台设备。
Benedict，这太棒了。我学到了很多。聊完之后我感觉好多了。最后两个问题：大家可以在哪里在线找到你？在哪里可以找到这份演示文稿？听众怎样才能对你有帮助？
你可以 Google 我，就像我总说的，我的父母很懂 SEO。所以，搜索 Benedict Evans。我的网站上有我做过的所有演示文稿。再订阅我的 newsletter，每周都会发一期。至于听众怎样才能帮到我？我一直在努力理解各种事情，也一直在尝试提出不同的问题。科技行业最糟糕的事情，就是继续反复谈论同一件事。你真正理解某件事的那一刻，就是必须继续推进、去思考别的事情的那一刻。所以，我总是在想：“我是不是只是在一遍又一遍地谈同一件事？”去年我可能花了太多时间说：“但这些模型仍然会产生幻觉。别再告诉我它们不会产生幻觉。”它们确实会，直到现在仍然会。你再把它们逼得更深一点，再多问一个问题，它们仍然会告诉你：“不，那不是真的。”但这不代表它们没有用。所以，我必须不断推动自己。（01:19:06）：这一直是我的挑战：我要如何继续推进？如果你想让我去加勒比海，在你的董事会面前做演讲，那就联系我。
顺便说一下，如果大家想了解你，你的网址是 bend-evans.com，还有 evans.com。Benedict，非常感谢你来到这里。
非常感谢。
再见，各位。（01:19:27）：非常感谢大家收听。如果你觉得这期节目有价值，可以在 Apple Podcasts、Spotify 或你喜欢的播客应用上订阅节目。另外，也请考虑给我们评分或留下评论，这会帮助其他听众找到这档播客。你可以在 lennyspodcast.com 找到往期所有节目，或了解更多关于这档播客的信息。我们下一期再见。