Marc Andreessen：真正的 AI 热潮其实还没开始
Marc Andreessen: The real AI boom hasn’t even started yet
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 · 00:00–1:44:08§01原文文稿 · 00:00–1:44:08
如果没有 AI，我们现在会因为经济将会发生什么而陷入恐慌。实际上，过去 50 年里，在人口增长率下降的背景下，我们一直处于技术变化非常缓慢的时期。时机奇妙地配合得恰到好处。我们会在真正需要 AI 和机器人时拥有它们。剩下的人类劳动力会变得更受重视，而不是更不值钱。
我们现在所处的这个时代，到底有多重要？
这是一个非常、非常具有历史意义的时代。AI 就是哲人之石。现在，我们拥有了一项技术，能够把世界上最常见的东西，也就是沙子，转化成世界上最稀缺的东西，也就是思想。
我最近花了很多时间和最前沿、最拥抱 AI 的创始人交流。
最前沿的创始人正在思考：能不能建立一家公司，让创始人一个人完成所有事情？
现在有很多人担心，年轻人将没有工作，AI 会取代他们。
大家都想谈论工作岗位的消失，但真正应该关注的是任务的消失。一个工作岗位会比其中的单项任务存在得更久。
你如何看待三个非常具体的职位的未来：产品经理、工程师和设计师？
这三个职位之间似乎正在发生一场墨西哥对峙。现在每个程序员都认为，自己有了 AI 也能做产品经理和设计师；每个产品经理都认为自己能做程序员和设计师；每个设计师也知道自己能做产品经理和程序员。他们其实都在某种程度上说得对。结果是，擅长两件事的叠加效果不只是两倍，擅长三件事的叠加效果也不只是三倍。你会成为这些领域组合中的、极具价值的专业人士。
人们还没有完全理解这件事带来的变化有多大。
在我看来，真正想提升自己、发展职业生涯的人，现在应该把每一小时空闲时间都用来和 AI 对话，说：‘好，训练我。’
今天的嘉宾是 Marc Andreessen，他是科技和商业领域最具开创性的人物之一。他发明了网页浏览器，建立了世界上最大的风险投资公司。他也是多次创业者，投资了几乎所有具有划时代意义的科技公司，同时也是一位对技术过去和未来都拥有清晰、横向且深刻见解的思想家。在这场特别的对话中，我们聊了我们所有人现在所处的时代有多独特、多重要，他正在教孩子哪些技能以适应 AI 时代，产品经理、设计师和工程师在未来几年会发生什么，AI 中的护城河在哪里，最 AI 原生的创始人在做什么不同的事，以及更多内容，而这些还只是这场深刻而重要的对话的表层。你会在这场聊天后更了解当下世界正在发生什么，以及未来将走向何方。（00:02:23）：非常感谢我的 newsletter 社群和 X 上的朋友们为这次对话推荐主题和问题。如果你喜欢这档播客，别忘了在常用的播客应用或 YouTube 上订阅和关注，这会带来很大帮助。如果你成为我的 newsletter Insider 订阅者，还能免费获得一年 20 多种出色产品，包括 Lovable、Replit、Bolt、Gamma、Innate、Linear、Superhuman、Dev、PostHog、Descript、Wspr Flow、Perplexity、Warp、Granola、Magic Patterns、Raycast、Chappy、RD、MOB 和 Stripe Atlas。前往 lennysnewsletter.com，点击 Product Pass。下面请在一段广告之后收听 Marc Andreessen。本期节目由 DX 赞助。DX 是由顶尖研究人员设计的开发者智能平台。要在 AI 时代蓬勃发展，组织需要快速适应，但许多组织的领导者很难回答一些紧迫问题：哪些工具有效？人们如何使用它们？什么真正带来了价值？DX 提供领导者在转型过程中所需的数据和洞察。Dropbox、Booking.com、Adient 和 Intercom 等公司使用 DX 深入了解 AI 如何为开发者创造价值，以及 AI 对工程生产力产生了什么影响。了解更多请访问 DX 的网站 getdx.com/lenny。（00:03:44）：如果你是创始人，创办公司最困难的部分不是想出点子，而是在不被后台工作压垮的情况下扩大业务。这正是 Brex 的作用所在。Brex 是面向创始人的智能财务平台，提供高额度公司卡、便捷银行服务、高收益资金管理，以及一组能替你处理手动财务任务的 AI agent。它们会按照你的规则完成你不想做的所有事情，例如提交费用、检查交易中的浪费并运行报告。借助 Brex 的 AI agent，你可以更快行动，同时保持完全控制。美国三分之一的初创公司已经在使用 Brex，你也可以在 brex.com 加入。Marc Andreessen，非常感谢你来到这里，欢迎参加这档播客。
太棒了，Lenny。谢谢你。很高兴来到这里。
我想先从一个宏观问题开始。我有十亿个方向想聊，但我觉得这个问题能给我们提供一点参照框架。我们现在所处的这个时代，到底有多重要？
这是一个非常、非常具有历史意义的时代。我觉得 2025 年可能是我整个职业生涯、甚至一生中最有趣的一年，而我预计 2026 年会超过它。
哇，这句话分量很重。
是的，我见过一些事情。所以现在感觉有两件事正在发生。第一，很多人一直以来对世界各地传统机构的信任，也就是你所说的遗留机构，我认为正处于全面崩塌之中。顺便说一句，有大量数据支持这一点。很多人长期依赖的结构、秩序和机构，已经证明自己无法应对当前的挑战。与此相伴的是，国家和全球层面的对话可以说已经获得了解放。我们在言论自由、思想自由，以及人们公开讨论几年前还无法讨论的事情方面，正在经历一场令人难以置信的革命，而且这种能力已经大幅扩展。（00:05:46）：我认为，这已经踏上了只会通向更广泛话语范围的单行道。与此同时，还有极其巨大的地缘政治变化正在发生。显然，美国、欧洲和中国都在发生巨大变化。顺便说，拉丁美洲也在发生巨大变化，那里的戏剧性事件此刻正在展开。世界各地的许多假设都被带到阳光下重新审视。然后，所有这些事情又同时发生了。各个国家和行业的局势都越来越动荡，而 AI 作为一种新技术，也将真正影响这些领域。同时，普通人能够充分参与，并能够把问题争论清楚。（00:06:27）：所以，三件重大的宏观事件正在同时碰撞。我认为它们都还只是刚刚开始。每一件事都感觉像历史时刻的转变，其规模也许可以和 1989 年柏林墙倒塌、第二次世界大战结束这样的时刻相比。确实就是这种感觉。
天哪，活在这样的时代。
是啊。
说到 AI，很多人都在努力弄清楚应该做什么。你认为 AI 对世界或正在听播客的人会产生什么影响，而市场还没有计入哪些因素？
现在，站在技术从业者的角度看，很明显这项技术真的已经开始发挥作用。三年前出现了 ChatGPT 时刻。顺便说，那其实只有三年前。那时最大的问题是：好吧，这非常有趣、富有创造力。现在的机器可以写莎士比亚十四行诗和说唱歌词，这太惊人了。但接着出现了一个大问题：能不能把这项技术用于推理和解决真正重要领域的问题，比如医学、科学、法律等等？事实证明，答案是可以。过去 12 个月，尤其是过去 3 个月，已经充分证明 AI 确实能做到很多事情。我的意思是，现在你已经到处都能看到了。AI 正在开发新的数学定理。（00:07:53）：假期期间，AI 编程似乎真正达到了临界规模，世界上最优秀的程序员，包括 Linus Torvalds，第一次基本上都说：‘是的，现在 AI 编程比我们更好。’这股力量非常强大。我认为我们都在假设，AI 现在会在所有存在可验证答案的领域中变得非常擅长推理，而这会覆盖许多非常重要的领域。所以，这项技术似乎正在快速发展，而且会运行得非常好。我认为人们还没有充分理解的一点是，行业中许多人有一种我称为一维的看法：既然技术现在有效，AI 就会席卷世界并改变一切。（00:08:41）：我认为这是一种错误的框架，因为它基于对我们所处世界，或者过去 80 年所处世界的不完整理解。我尤其想指出两点。第一，在美国和西方，我们过去 30 或 50 年里一直感觉自己处于技术剧烈变化的时代。但如果你真正寻找证据，无论是统计证据还是分析证据，基本都找不到。经济学家有一种衡量经济技术变化速度的方法，那就是生产率增长。我们可以讨论它的含义，但它基本上是技术对经济影响的数学表达。（00:09:24）：过去 50 年的生产率增长其实非常低，并不高。我们都觉得它很高，因为技术变化很多，但实际情况是增长很低。事实上，美国的生产率增长速度，在我们这一代人的一生中，大约只有 1940 到 1970 年间速度的一半，大约只有 1870 到 1940 年间速度的三分之一。因此从统计上看，美国和西方的经济技术进步，以及技术对经济的影响，实际上已经大幅放缓。所以 AI 会进入这个环境，但它进入的是一个实际经济长期几乎没有技术进步的环境。我们可以继续讨论这一点。（00:10:11）：接下来还有一件令人难以置信的事情：人口崩溃。这一现象最初像是西方现象，但正越来越成为全球现象，也就是人类繁衍率正在迅速下降。世界上有许多国家，包括美国，繁衍率已经低于 2；这意味着，世界上许多国家，包括中国这个非常重要的国家，实际上会在未来一个世纪人口减少。于是，我们面临这样的前提：世界实际上没有多少技术进步，而人口将会减少。因此，AI 将进入一个同时具备这两个条件的世界。我认为这极其重要，因为我们确实需要 AI 发挥作用，以提高生产率增长，而这正是提高经济增长所需要的。我们也确实需要 AI 发挥作用，因为未来 100 年里，地球人口会减少，我们需要机器来完成那些将没有足够人口去做的工作。所以我认为，这些因素之间的互动会比很多人想象的更有趣，也更复杂。
我想沿着孩子这个话题继续。我知道你有一个孩子，而我理解人们如何思考、重视什么的最喜欢的切入点，就是看他们在教孩子什么，以及在引导孩子走向什么。你有没有在引导孩子学习某些具体技能，甚至选择某些职业？
我们家有一个 10 岁的孩子，而且我们实际上在家教育，所以经常思考这个问题。我认为，思考 AI 对个人，尤其是对具体个人的影响时，很多人只关注一种非常直接、或者说过于简单的观点，也就是工作岗位会消失，这一点我们可以之后再谈。但在一个人或一个孩子的层面，有两件具体的事。很明显，AI 会让那些擅长做事的人变得非常擅长做事。因此，它会成为一种全面提高平均水平的工具。你已经能看到这一点正在发生：任何需要写东西、设计东西、写代码之类的人，如果今天本来就做得不错，使用 AI 后突然就会变得非常出色。（00:12:21）：这是其中一个方面。我认为，整个教育系统未来教授 AI 的方式，希望也会很大程度建立在这一点上。但还有另一件正在发生的事，我们也已经开始看到，尤其是在编程领域：真正优秀的人正在变得出奇地优秀。你可以把它称为‘超级赋能的个人’。一个人如果非常擅长编程、拍电影、写歌、做艺术，或者做播客，甚至希望是做风险投资，那么只要他本来就很优秀，又能真正驾驭 AI，就能变得卓越到惊人，并拥有极高的生产力。我相信你也有很多属于这一类的朋友，真正顶尖的程序员现在正经历这种变化。（00:13:19）：我的那些优秀程序员朋友会说：‘我的天，我突然不只是比过去好两倍，而是好十倍。’所以我认为，对于一个具体的孩子，也就是 N=1 的个体，问题是如何让他成为这样一个超级赋能的个人：在未来要做的事情上真正深入，而且这种深入能让他充分利用 AI 的力量，不只是做到优秀，而是做到极其出色。我认为这才是真正的机会，至少这是我们努力追求的方向，也是我建议父母努力追求的方向。
所以，当我听到‘能动性’这个词时，它现在在 Twitter 上经常出现，大家都在说要培养能动性，也就是不要等别人告诉你该做什么，而是自己找出该做什么。
是的，是的。‘能动性’这个词在过去几年变得非常、非常、非常流行，至少在加州是这样。它很有意思，因为一开始我很难理解：‘能动性？好吧，他们到底在说什么？’他们大概是在说主动性，也就是你可以自己做事。还有一个很好的词叫‘活跃参与者’，意思是你可以成为事件的主要参与者。起初我想：‘这不是很明显吗，当然如此。’后来我想：‘其实，现在这并没有那么明显。’因为正如你所说，我们的社会有很多规则，大家从默认意义上都会被教导要遵守这些规则。一旦违反规则，所有人就会惊慌：‘天哪，他违反规则了。’（00:14:51）：所以从心理和社会层面，我们似乎逐渐进入了一种状态：很多人自然会认为，应该训练孩子去遵守所有规则。比如你可以说，K 到 12 年级的学校系统随着时间推移越来越重视这一点。回到你孩子这个 N=1 的个体，当然也不能走向另一个极端。我昨晚刚和 10 岁的孩子谈到一个概念：要领导别人，必须先学会服从；要发号施令，必须先学会执行命令。我在努力让他的生活保持一定程度的结构，而不是只有纯粹的能动性。（00:15:40）：当然，有些规则很重要。但人生确实高度奖励那些能够充分承担责任、完全接手一件事、运行一个组织、领导一个项目、创造新事物的人。过去 30 年，我们的文化也许稍微削弱了这种品质。现在这个词重新流行起来，是件健康的事。对于孩子和 AI，我的看法是：对一个有能动性的孩子来说，AI 应该成为作用于世界的终极杠杆，让他能够说：‘好，我可以成为主要贡献者。无论是开辟新的物理学领域、写代码、成为艺术家，还是写小说，只要是那件事，我都能充分参与这个世界，真正改变一些事情。’这个理念和这项技术结合起来，在我看来非常健康。
那句‘给我一个支点，我就能撬动世界’的名言，原话是什么？
‘我就能撬动世界。’对，正是这句。你提到它其实很有意思。早期科学家，包括艾萨克·牛顿，都对炼金术这个概念极其痴迷。牛顿发展了牛顿物理学、微积分和很多其他理论，但他真正痴迷的是炼金术，因为那是他始终没能成功的事情。炼金术是把铅变成金，也就是把一种非常常见的东西铅，转化成一种非常稀有而有价值的东西金。他花了几十年试图找出所谓的‘哲人之石’，那应该是一台机器或一套过程，能把普通之物转化成稀有之物，把铅变成金，但他始终没有成功。这令人极其沮丧，也从来没有人真正做到过。而现在，我们借助 AI，确实拥有了一项能把沙子转化为思想的技术，对吧？
这真让我大受震撼。
世界上最常见的东西是沙子，世界上最稀有的东西是思想，而 AI 把前者转化成了后者。所以 AI 就是哲人之石，它就是，确实就是。它是一种力量极其强大的工具，这正是让我如此兴奋的地方。我们对 10 岁孩子做的事情也是如此：首要任务是确保他完全知道如何利用并从哲人之石，也就是 AI 中获益。这当然是我们教给他的一切的核心。（00:18:04）：现在有一个流行的说法，说硅谷的人不让自己的孩子使用电脑。可能确实有少数人这样做，但我不知道。我觉得实际情况更可能相反：你越深入参与硅谷的事情，就越有必要确保自己的孩子真正理解这项技术，并知道如何使用它。这正是我们的做法，也是我建议父母考虑的方向。
我之前不知道你的孩子接受的是家庭教育。这非常有意思，几乎像是在说明今天的教育状况。也许你对此有什么看法？对于那些可能不在你这个收入阶层、但想帮助孩子取得成功的人来说，无论选择家庭教育还是不选择，你有什么建议？
这正是难点。它也回到你最初的问题：思考教育有两种完全不同的方式。通常人们思考和谈论教育时，是站在国家层面。教育是国家层面，或者在美国是州层面的议题，也就是如何教育所有孩子。当然，这非常重要，也当然需要某种大规模系统，例如全国性的 K 到 12 年级学校体系。但还有另一个问题：对于一个具体孩子，也就是 N=1，你能为这个孩子做什么？我可以直接给出这个问题的最终答案：几个世纪以来，人们一直知道，在 N=1 的层面教育孩子，最理想的方式远远是进行一对一辅导。（00:19:36）：如果你只有一个孩子，目标是让这个孩子达到最大潜力，那么一对一辅导会带来最好的结果。这是历史上每个王室都知道的事，也是每个贵族阶层都知道的事。历史上有许多惊人的例子：亚历山大大帝由亚里士多德辅导，后来征服了世界。几个世纪以来，许多伟大的国王、女王、王室和贵族都采用了这种方式。还有统计和分析证据证明它确实有效。教育领域有一个巨大的问题：如何改善教育结果？事实是，除了一个方法之外，改善教育结果非常困难。这个方法叫布卢姆的 2 Sigma 效应：有一种教育方法能持续将学生的成绩提高两个标准差，把一个处在第 50 百分位的孩子提升到第 99 百分位，那就是一对一辅导。回到 N=1 的问题，如果一个孩子和一位导师处在非常紧密的反馈循环中，孩子能够一直处于自己能力所及的前沿，快速前进，并得到实时纠正，就会获得更好的结果。但正如你所问，过去除了社会中最富有的人，其他人从来无法在经济上负担孩子的一对一辅导。AI 提供了真正实现这一点的可能，因为现在，如果一个孩子对某件事非常感兴趣，他可以和一个 LLM 对话，提出无限多的问题，并获得即时反馈。你甚至可以告诉 LLM：‘教我做下面这件事。’如果你说：‘我不太理解你的意思，请讲得简单一点。’（00:21:15）：‘好，现在考考我，看我是否真的理解了。’人们今天就能做到这些。因此我认为，许多不同生活背景的父母，只要投入一点时间并集中注意力，就拥有巨大的机会，可以说：‘好，我的孩子可能仍然会接受传统教育，但我要用 AI 辅导来补充。’当然，许多初创公司已经在尝试围绕这一点构建产品和服务。非营利机构方面，Khan Academy 也在大力推进。因此，我的宽泛答案可能是混合方式：学校教育加上通过 AI 实现的一对一辅导。你可能听说过一个很棒的新私立学校体系，叫 Alpha。它的教育理念正是我刚才描述的一切：由线下学校和教师组成，同时高度依赖 AI 和 AI 辅导。（00:22:04）：所以我认为，这里面存在一种将更广泛适用的神奇公式。对这件事感兴趣的父母，现在正是认真思考并研究各种选择的好时候。
这很有意思，因为人们一直担心年轻人将没有工作，AI 会取代他们。另一方面，正如你刚才描述的那样，如今开始学习的人似乎会进步得非常快，学到的东西也多得多。对于‘年轻人会陷入巨大困境’和‘年轻人最终会成为赢家’这两种观点，你处在这条分界线的哪一边？
是的。所以，工作替代、工作消失这种说法非常片面，我认为它是一个过于简单的模型。这又回到了我一开始说的：过去 50 年里，我们实际上一直处于经济技术变化非常缓慢的阶段。正如我说过的，这个速度只有前一个时代的一半，只有 100 年前的三分之一。因此，我们正在走出这样一个阶段：经济几乎没有技术进步，而由此产生的工作流动也相对于历史上任何时期都少得惊人。所以，即使 AI 让经济中的生产率增长提高三倍，这也会是极其重大的事情，但它只会把我们带回 1870 到 1930 年间的工作流动水平。（00:23:17）：如果你回头阅读 1870 到 1930 年间的记载，会发现人们认为那个世界充满了机会。在那样的技术变革速度下，年轻人能够在经济的新领域发展新的职业，构建新类型的产品和服务。现代世界中大量事物，正是在那段时期被发明并扩散开来的。因此，即使 AI 让经济变化速度提高三倍，它也只会转化为更高的经济增长率和更快的工作增长率。确实会出现某种任务层面和岗位层面的替代，但宏观层面的经济增长和创新效果会压过它们。而且相应地，我认为各处都会出现招聘热潮。（00:24:02）：再回到另一点：这一切发生在人口增长下降、并越来越多地转向人口收缩的背景下。因此，在未来 10 年、20 年、30 年里，许多国家的人类劳动力会越来越稀缺，字面意义上就是因为人口规模在缩小。我们不必特别讨论政治，但世界大体上似乎会扭转过去 50 年的移民速度。随着民族主义抬头、对移民速度的担忧，这似乎是一个广泛发生的趋势。历史上，美国等国家的移民状况会随着国民情绪变化而起伏。因此，如果把美国或欧洲任何国家的人口下降与更少的移民结合起来，剩下的人类劳动者会更受重视，而不是更不值钱。（00:24:57）：所以我认为，更快的生产率增长、更快的经济增长，加上更慢的人口增长和更少的移民，这个组合实际上意味着‘没有工作’的反乌托邦情景会远没有人们想的那么严重。我只是认为，这种担忧可能完全偏离了方向。
这非常有意思。所以我的理解是，你并不特别担心工作消失。关键是不是时机恰好配合了？人口减少以及其他因素必须同时排列到位，才不会因为 AI 出现大规模失业？
是的。如果没有 AI，我们现在会因为经济将会发生什么而陷入恐慌。因为我们面对的将是一个人口减少的未来。没有新技术的人口减少，只会意味着经济收缩，经济本身会随着时间推移而缩小。机会减少，没有新工作，没有新领域，也没有新的消费需求来源去购买商品。因此，你会非常担心进入一个严重衰退、停滞的时期。你面对的基本上会是一个非常反乌托邦的场景：经济随着时间推移自行安乐死。你会极其担心人们以为自己正在担心的事情的反面。我们之所以不担心那件事，唯一原因是现在知道自己拥有这项技术，它既可以替代人口增长不足，也可以替代未来可能减少的移民。（00:26:16）：所以我想说，时机配合得奇妙地好：我们会在真正需要 AI 和机器人的时候拥有它们，以防止经济真的收缩。我认为这从根本上说是一个好消息。（00:26:31）：至于人们担心的另一种大规模失业，你需要看到远远更高的生产率增长率，比如每年 10%、20%、30%、50% 的生产率增长。这比地球经济历史上曾经出现过的任何速度都高出几个数量级。这种情况有可能发生。我和其他人一样也有乌托邦式的期待。如果 AI 一夜之间彻底改变一切，那么也许我们可以推演一下乌托邦式的情景——
……彻底改变一切。那么我们可以推演一下乌托邦式的情景。生产率增长率大幅提高，技术变化程度也大幅提高。相应地，经济会出现巨大的繁荣，经济规模大幅增长。然后，价格会崩塌。因此，那些受到 AI 影响、或者说被 AI 商品化的商品和服务，价格都会下降，会出现价格通缩。价格通缩的结果是，人们现在购买的一切都会便宜很多。这相当于整个社会的财富大幅增加，对吧？（00:27:39）：可以这样理解。这件事值得讨论，因为我认为人们在这个问题上容易走偏。如果 AI 真会像乌托邦主义者、反乌托邦主义者或其他人设想的那样改变经济，那么必然的经济计算结果就是生产率大幅增长。生产率大幅增长，从机械意义上说，就是用更少的投入获得更多产出。因此，你用更少的投入得到更多的经济产出，也就是用 AI 或其他东西替代人类劳动者。结果是产出大幅繁荣，而投入成本大幅降低。这会导致受影响行业的商品和服务出现过剩，过剩又会导致价格崩塌。价格崩塌意味着今天售价 100 美元的东西可能变成 10 美元，再变成 1 美元。这相当于给所有人一笔巨大的加薪，因为他们突然拥有了更多消费能力。更多消费能力又会转化为经济增长和新领域的发展。每个人的物质状况都会很快变得好得多。（00:28:41）：顺便说，如果这种情况最终确实导致失业，那么提供社会安全网的成本也会低得多，因为福利项目必须支付的商品和服务价格都在下降。医疗价格下降，住房价格下降，教育价格下降，其他所有东西的价格都下降，因为 AI 产生了如此巨大的影响。（00:29:04）：所以在这种人们设想的乌托邦或反乌托邦场景中，不存在所有人都只是变穷的情形。事实上恰恰相反：价格崩塌会让所有人变得富裕得多。对于那些因为某种原因找不到工作的人，也会更容易为他们提供社会安全网。也许我们最后会进入那种情景。我乐观的一面会说：也许 AI 就有这么强大，也许其他经济领域真的能够适应，也许这一切会发生。但结果会比人们想象的好得多。顺便说，我刚才描述的一切，只是非常基础的经济学的直接推演，并没有做什么大胆预测。如果生产率增长率更高，而更高的技术增长率必然会带来更高的生产率增长率，那么这个机械过程就会发生。（00:29:51）：所以我认为，我们面对的世界可能不会像乌托邦主义者或反乌托邦主义者想象的那样被彻底改变。我认为变化会更加渐进，原因我们可以之后讨论。但无论变化多么渐进，我认为这个过程总体上都会带来好消息。即使变化快得多，也会带来好消息，只是会通过我刚才描述的另一种方式带来好消息。
我很喜欢听到乐观和好消息。我还想补充，你在预测世界走向方面已经多次判断正确。我在这次聊天之前研究了你的经历，所以特别期待和你交谈。我列出一个简短清单，想必还有很多。第一，你正确判断了互联网和网页浏览器会变得重要。你正确判断了软件正在吞噬世界。没错。2011 年，你说 10 年后会有 50 亿人使用智能手机，我记得实际数字最后是 60 亿。还有一次我看到你和 Peter Thiel 的辩论，你们讨论技术是会停止进步，还是新技术会继续出现。你认为还会进步，而他说：‘不，我认为我们已经没有酷技术了。’你是对的。（00:31:05）：我想你还有很多正确的判断。所以，我很喜欢听你的预测，因为我觉得它们真的可能最终成为现实。
我本来想先说，我在很多事情上都错过，但我把那些错误都埋在棚子后面了。
把它们从互联网删除。没有浏览器能把它们找出来。
是的，是的。我已经把它们从互联网档案里彻底清除了，所以它们再也不会被看到了。我也经常犯错。但你看，我认为其中一些判断确实对了。顺便说关于 Peter 那次，我现在已经更多地认同 Peter 的观点。如果今天再讨论，我可能会用完全不同的方式论证，也会给他的观点更多肯定。这其实和我们刚才的讨论有关。Peter 真正想说的是，我们在比特层面有很多进步，但在原子层面几乎没有进步。这才是他论证的核心。我当时可能没有理解这一点，或者稍微忽略了它，因为我太专注于让人们明白：不，比特层面确实仍然在进步。（00:32:11）：但我认为，他关于原子层面缺乏进步的许多批评是有道理的。这又回到了一个问题：他已经谈了很久，过去 50 年里，经济的大多数领域都几乎没有技术创新。尤其是涉及原子的领域，技术创新非常少。现实世界的技术变化很少，确实如此。今天的实体世界和 50 年前相比并没有那么不同。（00:32:48）：如果你比较 1870 年和 1930 年，那是一个截然不同的世界；比较 1930 年和 1970 年，也是一个截然不同的世界；但比较 1970 年和今天，变化并没有那么大。你只要四处走走就能看到：这里有一批 1960 年建的建筑，那里有一座 1930 年建的桥，还有一座大约 1910 年建的水坝，甚至有一座 1880 年建立的城市。那我们到底做了什么？我们的新城市在哪里？新的水坝在哪里？加州高铁在哪里？到底发生了什么？（00:33:55）：所以我认为，他在很多方面是对的。这也是为什么我认为 AI 不会如此迅速地带来变化，不会变成那种一夜之间一切改变的乌托邦或反乌托邦场景。我认为这不可能发生，因为正如 Peter 所说，世界的运行方式有太多东西被红 tape 捆住了：官僚流程、规则、限制和政治。顺便说，还有工会、卡特尔、寡头垄断等。世界上存在各种经济、政治和监管结构，基本上都在阻止事情发生变化。（00:34:56）：举个很好的例子：AI 对医疗系统的影响。按理说，AI 会对医疗系统产生巨大而且非常积极的影响。但如今医疗体系的很大一部分就是卡特尔。医生是卡特尔，护士是卡特尔，医院也是卡特尔。然后还有推动医疗系统国有化的力量，这样一来就有了政府垄断。卡特尔或垄断最不喜欢什么？它们不喜欢快速变化。于是你作为一个年轻人出现，说：‘哇，我有一种用 AI 做医疗的新技术。’他们会说：‘它会威胁医生的工作吗？如果会，我们就阻止它。’顺便说，许多消费者可能也看到过这种情况。我在生活中感受到这一点，你大概也会：ChatGPT 几乎肯定比你现在的医生更好的医生，但 ChatGPT 无法获得行医执照。因此它不能取代医生，不能开药，也不能进行医疗操作。（00:35:36）：总之，Peter 很久以来都非常清楚地指出，经济和政治系统中确实存在真实的结构性障碍，它们阻止变化速度接近过去的水平。我们也可以乐观地说，也许 AI 这项新的魔法技术出现，会让我们几十年来第一次重新审视许多假设，认真问自己：我们真的想生活在这样的世界里吗？我们难道不希望更快抵达未来吗？也许这就是乐观的看法。
有人曾经说过，‘是时候建设了。’我甚至把这句话放在日历里，作为每天开始工作时的提醒：‘是时候建设了。’
是的。
这是我每天早上的工作时间块。谢谢你。好，我喜欢你从宏观一路讲到 N=1 个体的方式，我也想进入 N=1。很多听众是产品经理、工程师和设计师，也有很多创始人，但同样有大量非创始人。很多人都在构建产品，却不是创始人。显然，很多人担心自己的职业将走向何方：‘这些职位中的某一个会消失吗？’‘某一个职位会发展得特别好吗？’‘我该如何跟上变化？’（00:36:01）：你和很多团队、很多产品团队关系密切。你如何看待三个非常具体的职位的未来：产品经理、工程师和设计师？
我认为这是一个非常有趣的问题。这三个职位显然是科技公司构建产品的核心职位。我一直这样描述它：你知道‘墨西哥对峙’这个概念，对吧？就是电影里两个人用枪指着彼此的脑袋。
嗯。
如果你看过 John Woo 的电影，他很喜欢三方墨西哥对峙：人们站成三角形，而且在 John Woo 的电影里，他们两只手里都有枪，于是每个人都瞄准另外两个人，形成对峙。所以我一直这样描述：产品经理、设计师和程序员这三个职位之间正在发生一场墨西哥对峙。具体来说，现在每个程序员都认为自己有了 AI 也能做产品经理和设计师；每个产品经理都认为自己能做程序员和设计师；每个设计师也知道自己能做产品经理和程序员。因此，这些职位中的每个人都知道，或者相信有了 AI 之后不再需要另外两个职位，因为 AI 能替自己完成那些工作。当然真正讽刺的是，他们三个最终都会意识到，AI 也可以成为更好的经理。于是他们会把枪口转向组织结构更上方，但那是下一阶段。我觉得这场墨西哥对峙最有趣的地方在于，他们其实都有一定道理。AI 确实是很好的程序员，也确实是很好的设计师，同样也是很好的产品经理。它确实能做好这三类工作，至少能完成这三种工作中的很多任务。（00:37:41）：这又回到了‘超级赋能的个人’这个想法。如果我是程序员，第一步就是确保自己真正理解 AI 编程、它意味着什么，以及编程未来会怎样变化。我需要具体理解如何从完全手写代码的程序员，变成能够协调十几个编程机器人实例的程序员。编程这份工作的实际内容正在变化，而且变化就在现在发生。但另一方面，问题是：我如何成为那个超级赋能的个人？我怎样成为一个既能写代码，又能驾驭 AI，从而成为优秀产品经理和优秀设计师的程序员？产品经理也一样：我怎样确保自己现在会使用编程工具，也会做基于 AI 的设计？设计师也一样：我怎样使用 AI，同时成为程序员和产品经理？（00:38:32）：这样一来，这些具体职位也许会改变，也许不再是过去 30 年那种彼此隔离的岗位。但任何一个岗位中的优秀人才会得到超级能力，擅长完成这三件事。这样的人会极其有价值，因为他们能从零开始构建和设计新产品，而这就是最有价值的事情。所以我认为，这就是机会。
我很喜欢这个回答。我的理解是，只要你在这三个职位中的任何一个上都很出色，你就会发展得很好。
第一，如果你在这些职位上很出色，那当然很好。但出色的一部分，也包括充分驾驭新技术的能力。如果你今天是编程大师，却始终没有学会如何利用 AI 放大编程能力、完成更多事情，那么你最终会遇到问题。（00:39:28）：经济学家还有一种说法：工作并不是职场发生的一切的原子单位，职场发生的一切，其原子单位是任务。经济学家认为，一份工作是一组任务。大家都想讨论工作的消失，但真正应该关注的是任务消失，也就是任务发生变化。（00:39:52）：任务改变的经典例子是，曾经高管不会自己使用打字机或个人电脑。如果你在 1970 年左右是一家公司的副总裁，你的桌上没有打字机或电脑，也不会自己打字。你会把备忘录口述给秘书。后来电子邮件出现了，秘书的工作就发生了变化：从寄送贴邮票的信件，变成和其他行政人员收发电子邮件。秘书会打印出邮件送到高管办公室，高管读纸质邮件，写下回复，再把信息交给秘书，秘书回到自己的电脑前，把回复输入电脑，然后发送成电子邮件。（00:40:38）：快进到今天，这一切都不存在了。高管现在自己处理所有电子邮件。他们仍然有秘书或行政助理，但这些人做的是不同的任务，比如规划出行、协调活动，以及优秀行政助理会做的其他事情。讽刺的是，高管的任务集合反而扩展了，他们现在自己承担了更多文书工作，例如坐在那里亲自打字写备忘录，而 50 年前他们从来不会这样做。高管职位仍然存在，秘书职位也仍然存在，但任务发生了变化。我认为编程会发生同样的事，产品管理和设计也会发生同样的事。任务会变化，而一项工作会比其中的单个任务存在得更久。等任务变化得足够多时，职位才会发生变化。（00:41:28）：所以在个人层面，你应该这样思考：我有一份工作，这份工作是一组任务。我需要确保自己擅长替换任务，真正适应新技术。比如，学会 AI 编程。然后你要增加技能：我也能做好设计，也能做好产品管理，因为我有了这个新工具。你要不断扩大自己的职责范围。十年后，你的职位名称还是程序员，还是程序员/设计师/产品经理？还是‘我构建产品’？或者只是‘我告诉 AI 如何构建产品’？没人知道未来职位叫什么，但它会极其重要，因为做这份工作的人会协调 AI。（00:42:10）：这就是优秀人才会走的道路，也是我认为应该全力投入的方向。
我觉得人们还没有完全理解，尤其是软件工程以及它正在发生多大的变化。很明显，我们很快会进入一个工程师实际上不再写代码的世界。我认为一年前我们还不会这样想，而现在很清楚，这就是发展方向。未来坐在那里写代码会变成一种手工艺体验，真难以想象这份工作会改变这么多。
是的。这里我又要回到历史，也许请原谅我讲历史，但我想从编程说起。最初，你知道‘calculator’这个词原本的定义吗？它原来指什么？
不知道。
它指的是人。在电子计算器、电脑或这些设备出现之前，人们真正进行计算的方式是怎样的？比如保险公司如何计算精算表，军队如何计算部队后勤公式之类的。那时的做法是拥有一整间装满人的房间，而且房间很大，可能有几百、几千甚至几万人在做计算。房间最前面的人负责某个数学方程，然后把单项计算分配给坐在桌前的人，由他们手工完成。这些人的职位名称就是 calculator，也就是计算员。（00:43:35）：所以，我们从一个真的有人手工计算数学方程的世界，进入了第一个计算机出现的时代。当然，最初的计算机没有编程语言，只有机器码。第一批计算机用 1 和 0 编程。因此，程序员的任务变成了处理 1 和 0，后来又变成打孔卡。直到今天仍有一些人，他们早期的程序员工作就是制作打孔卡。之后出现了一个重大突破，叫汇编语言，本质上是用加入了一定英语表达的方式来编写机器码。最优秀的程序员开始使用汇编语言。等我成长起来时，出现了 C 这样的高级语言，它们会编译成机器码，这就是程序员的工作。后来我还记得脚本语言兴起的过程：我们在 Netscape 开发了 JavaScript，之后 Python、Perl 和其他脚本语言也发展起来。（00:44:27）：2000 年代脚本语言兴起时，技术社区爆发了一场争论：脚本算不算真正的编程？因为这好像是在作弊。真正的程序员写的是能编译成机器码的代码，真正的程序员自己管理内存，完成用 C 写代码的整套工艺，而 JavaScript 或 Python 程序员只是做一些轻量的事情，这算编程吗？当然算，而且非常算。如今大多数代码都用脚本语言编写，而脚本语言已经……（00:44:58）：你明白我的意思了。脚本语言把下面五层细节抽象掉了，而过去人们需要手工完成这些细节，现在已经不用了。就你的观点而言，AI 编程是下一层。AI 编程实际上把编写脚本代码的过程本身也抽象掉了。从某种意义上说，这由于显而易见的原因是一件大事。但另一方面，这只是程序员这份工作中任务定义的下一层变化。那程序员现在的工作是什么？正如你所说，如果你问昨天世界上最优秀的程序员，他们会说：我的工作是坐在这里，协调 10 个并行运行的代码机器人。（00:45:39）：他们真的会在浏览器或终端之间切换。他们现在的日常工作是和 AI agent 争论，让它们写出正确的代码，然后调试、修复问题、把某处改回来，并完成所有类似事情。因此，程序员现在的工作是和编程机器人争论。但如果你不知道如何自己写代码，就不知道如何评估编程机器人给你的结果。你问到 10 岁孩子，他非常喜欢电脑和编程。他在使用 Claude、ChatGPT、Copilot 等工具。他喜欢 vibe coding，经常在 Replit 上写游戏。他坐在那里，非常有趣：一个 10 岁的孩子花两个小时在晚餐时和 AI 争论，而且是为了好玩。（00:46:27）：但我告诉他：你仍然需要充分理解并学习如何写代码、理解代码，因为编程机器人给你的是代码。如果代码不能运行、没有完成你想做的事情，或者速度不够快，你需要理解 AI 给出的结果。就像使用脚本语言写代码的人，最终仍然需要理解微处理器如何工作一样。所以这是一种能力升级：你希望拥有足够深的知识，可以深入理解事物实际做了什么，即使你不再每天亲手完成那些工作。（00:47:04）：我看着这一切，觉得程序员的生产力将会变成过去的 10 倍、100 倍甚至 1,000 倍。这总体上是好事。任务确实在变化，工作的性质也在变化，但人类是否还会参与编程、监督 AI 编程以及相关过程？答案当然是，绝对会，毫无疑问。
所以你认为，学习编程仍然是一项有价值的技能？
当然。如果你只是想让自己进入自动驾驶状态，说：‘我懒得管了，让 AI 写代码吧，它生成什么就算什么’，如果你的目标是成为一个平庸的程序员，那就让 AI 做吧。AI 完全可以无限生成平庸的代码，没问题。如果你的目标是成为世界上最优秀的软件人才之一，构建真正重要的新软件产品和技术，那么你当然仍然要一路深入。你的技能应该一直深入到汇编语言和机器码，要理解整个技术栈的每一层，深入理解芯片、网络等等层面的运行方式。（00:48:06）：顺便说，你也要非常深入地理解 AI 本身如何工作，因为理解 AI 的人显然能比不理解的人从中获得更多价值。使用机器时，如果知道机器如何工作，你总是会更有生产力。因此，那些想利用新技术做出伟大事情的超级赋能个人，确实要一直理解到整个技术栈底层，因为你要能理解它交给你的东西。一旦某件事不工作或不正确，你要能快速理解原因。（00:48:38）：这又回到了教育。AI 是帮助你学习这些东西的最好朋友。比如：‘我需要理解这个，但速度不够快。’作为程序员，我需要采用不同的内存管理方法。你可能会想：‘我不太知道该怎么做。’那就说：‘好，AI，我们花 10 分钟，你教我怎么做，告诉我这一切是什么意思。’这样一来，你会和 AI 形成一种极其协同的关系：AI 在替你完成大量工作的同时，也在帮助你变得更优秀。
顺便说，我正想提到，我以前是一个很喜欢 Perl 的程序员。我做了 10 年工程师，Perl 是我选择的语言。
你还记得吗？我不知道你当时什么时候用 Perl，但在早期，你有没有遇到过 C 程序员居高临下地对你说——
当然。他们会说：‘这太慢了，无法扩展。你为什么把时间都花在这个东西上？’
对，完全正确。当然，一开始他们在某种程度上是对的，也就是 Perl 当时不够快，或者存在其他问题。但到最后，他们肯定错了，因为 Perl 变得更好、更快，并席卷了全世界。如今大多数代码都是用脚本语言编写的。（00:49:42）：而且，在这个过程中，真正理解脚本语言、同时也理解所有底层系统的人，才有能力让脚本语言真正运行得很好。这是适应变化的绝佳例子。它的结果是，用脚本语言写代码的人数远远超过了曾经使用底层语言写代码的人。我认为 AI 只会把这个过程演变成更剧烈的版本。
我喜欢 Perl 是语言学家设计的。我不知道你是否记得这一点，这也是它写起来很舒服的原因。
这很有意思，因为 Perl 恰恰以难以理解而闻名。
多么讽刺。
是的。
本期节目由 Datadog 赞助，现在 Eppo 也加入了 Datadog。Eppo 是领先的实验和功能标记平台。世界上最优秀的公司的产品经理使用 Datadog，而工程师每天依赖同一平台，把产品洞察和产品问题连接起来，例如 bug、用户体验摩擦和业务影响。它从产品分析开始，产品经理可以观看回放、查看漏斗、深入研究留存率，并探索增长指标。其他工具停止的地方，Datadog 还会继续：它能帮助你诊断漏斗流失、bug 和用户体验摩擦的实际影响。确定重点后，实验可以证明什么有效。我在 Airbnb 工作时亲眼见过这一点，当时我们的实验平台对分析什么有效、什么出错至关重要。而在 Airbnb 构建实验平台的正是创建 Eppo 的团队。Datadog 还能通过会话回放超越数字：用热力图和滚动图观察用户究竟如何互动，从而真正理解他们的行为。所有这些都由与实时数据绑定的功能标记驱动，因此你可以安全发布、精准定位并持续学习。（00:51:25）：Datadog 不只是工程指标，也是优秀产品团队更快学习、更聪明思考、充满信心发布产品的地方。访问 datadoghq.com/lenny 申请演示，网址是 datadoghq.com/lenny。（00:51:39）：回到这个三角关系，我越来越常听到的另一个要素是品味、设计和用户体验的技能。它们似乎很难学习。对我来说，这意味着设计在未来会更有价值。
是的，正是如此。这又是一个很好的例子。就任务层面而言，‘设计完美的图标’会变成：好吧，AI 会全天候做这件事。如果让它提供 1,000 个图标设计，它会做得很好，会非常出色。但仍然会有一定程度的人类图标设计，而 AI 会非常擅长这一点。不过，我们真正要做的是大写 D 的设计：这个东西是用来做什么的？它在人类世界中如何运作？人们使用它时会开心吗？会对自己感觉良好吗？它能融入他们的其他生活吗？它会以正确的方式挑战他们吗？这些都是优秀设计师一直在思考的更高层问题。（00:52:40）：设计师的工作会更多涉及这些更高层、更重要的部分，而 AI 会承担更多底层任务。可以这样想象：世界上最优秀的设计师，比如 Jony Ive。假设我今天是一名设计师，25 岁，并希望 10 年后成为 Jony Ive，突然之间我多了一条抵达那里的道路。因为 Jony Ive 当年什么都亲自做，而且没有 AI。现在，年轻设计师可以想：如果我在十年里充分驾驭 AI，我将成为世界上前所未有的最优秀设计师，因为那不只是我，而是我加上这项技术赋予我的超级能力，让我能完成更多事情。我的时间和注意力也能更多集中在那些大多数设计师根本没有机会接触的高层问题上。（00:53:29）：我认为这会是另一个很好的例子。
所以我理解的是一种 T 型策略：如果你想在这三个职位中的任何一个上取得成功，就要在自己的具体领域上非常、非常、非常出色，无论是产品管理、工程还是设计；同时在另外两个领域做到足够好。
我认为这是很好的总结，也非常相关。顺便说，Scott Adamson 刚刚去世，这是一场真正的悲剧。但多年来，我一直引用 Scott Adams 给人们的著名职业建议，我认为它很有道理。它和你刚才说的内容很一致，也就是——
……他给人们的建议，我认为非常有道理，也和你所说的相吻合。他过去常说：‘我本来可以成为一个相当不错的漫画家，也可以成为一个相当不错的商人，但因为我是一个理解商业的漫画家，所以我在创作《呆伯特》方面变得出奇地出色。’因为即使是世界上最好的漫画家，如果不懂商业，也不可能创作出《呆伯特》；而世界上最好的商人如果不会画漫画，也不可能创作出《呆伯特》。必须同时具备这两种技能，才能创作出《呆伯特》，这部作品是历史上最成功的漫画之一。（00:54:32）：Scott 总是这样描述：从职业发展角度看，擅长两件事的叠加效果不只是两倍，擅长三件事的叠加效果也不只是三倍，因为你会成为这些领域组合中的、极具价值的专业人士。这种情况在整个经济中都能看到。举个例子，电影业中有很多编剧不会导演，但他们可以成为非常成功的编剧；也有很多导演不会写剧本，但他们可以成为非常成功的导演。但娱乐行业的超级明星，是那些既能写又能导的人。他们没有一个特别统一的称呼，有人叫他们 auteur，而他们才是真正推动这个领域的创作力量。（00:55:20）：顺便说，关于好莱坞，我最近花了很多时间和好莱坞的人讨论 AI。好莱坞现在也在经历和科技行业同样的墨西哥对峙。以电影为例，参与者是导演、编剧和演员。导演会想：‘有了 AI，我不再需要编剧，因为 AI 能写剧本；我也不需要演员，因为可以使用 AI 演员。’编剧会说：‘我不需要导演，因为我可以导演电影，让 AI 来做演员。’演员会说：‘这两个人我都不需要，我可以让 AI 来导演和写作，我只要出现并表演。’（00:55:53）：所以这是同样的三角结构。最棒的是，他们都有道理。这三个领域中的每个人都能横向扩展、获得额外技能，于是会有更多人能够写作和导演、写作和表演、导演和表演，或者三者全会。（00:56:13）：我认为，正如你说的 T 型策略，这基本会适用于整个经济。如果你想象 T 的结构，T 的横向顶部代表你熟悉多少个领域，熟悉到足以使用 AI 工具完成真正出色的工作；T 的竖线部分代表你至少在一个领域能深入到什么程度，真正深刻地知道自己在做什么。如果你在编程上非常深入，同时能用 AI 做设计和产品管理，这就是你的 T：顶部让你成为三项能力兼备的人，下面则有扎实的技术根基。（00:56:50）：到这个程度，你就是超级赋能的个人，能施展近乎魔法般的能力，例如设计和构建产品，做到我们这一代人根本无法想象的程度。所以我认为，这是一套适用于整个经济的普遍理论。
我现在要发明一个新框架。好，先忘掉 T 型框架。我想象的是一个横向的 F，或者一个 E，不知道，下面有两三个向下的部分。所以我的理解是，至少要在两三个领域上变得出色。
是的，我认为你说得对。组合很重要。我的朋友 Larry Summers 对 Scott Adams 的说法有另一个版本。他过去会告诉人们：‘职业规划的关键是，不要成为可互换的人。’他是经济学家，所以用了经济学的说法。实际上，这意味着不要变得可替代。不要成为一个齿轮。不要只会一件事。如果你只是一个所谓的设计师、一个产品经理或一个程序员，理论上你可以被替换进来，也可以被替换出去。（00:57:52）：但如果你拥有这个横向的 E 或 F，拥有这种实际上非常稀缺的技能组合，那么你就不再是可互换的。你不仅不可替代，而且会极其重要，因为你是世界上少数真正能完成这组技能组合的人之一。与过去任何时代相比，AI 都极大增强了你不成为可替代者的能力。
这很有意思，因为我和那些擅长两项技能的人共事过，他们在公司里总被称为独角兽。她既会编程又会设计，天啊。我从这里听到的是，这就是你需要成为的人。你至少需要把其中两项技能练得非常好。我记得你用了‘烟囱’之类的词，一个是产品经理、一个是工程师、一个是设计师；而我听到的是，你至少要擅长其中两项。这两种职位之间的隔离正在消失。
没错。对于正在听的人，我不能过分强调下面这件事：我认为人们还没有充分从 AI 中获得的好处之一，就是 AI 会教你。这是一项惊人的技术。过去从未有过一种技术，你可以问它：‘教我如何做这件事。’人们太多关注如何使用大语言模型：‘我想让它替我做什么？’这当然很重要，但另一方面是：我能让它教我做什么？它在这方面同样出色。这就是一种潜在的超级能力。（00:59:19）：在我看来，真正想提升自己、发展职业生涯的人，现在应该把每个空闲小时都用来和 AI 对话，说：‘好，训练我，让我获得超级能力。训练我，教我怎样从程序员变成产品经理。’它会很乐意这样做，也知道如何做。让它给你出题、布置作业，再评价你的结果。它会像替你做工作一样乐意做这些事。
我听过两个相关的技巧。一个是观察 agent 的输出，观察它在工作时做什么、怎么思考。如果你不是工程师，就坐在那里看它思考和做决定。学习如何理解 agent 的行为和思考，几乎成了学习编程之上的一层，因为这会教你架构。另一个是，一些播客嘉宾提到过：当你卡住、后来找到解决办法时，问它：‘我本来可以做什么不同的事？我本来可以说什么，来从一开始就避免这个错误？’
是的。第一点正是我在和 10 岁孩子做的事情。如果你让 AI 写代码，它写完后结果不能正确运行，而你只知道‘我问了，它给了我一个不好用的东西’，那你怎么办？你不理解它为什么给出这个结果，也不知道该告诉它什么，才能让它尝试别的方式。但如果你确实观察它在做什么，同时拥有 E 或 F 的那条技术根基，你就能说：‘我看见它在做什么，也看见它在哪里犯了错，哪里偏离了方向。’然后你就可以介入，说：‘不，不是这个意思，改成另一种方式。’这种理解是建立真正协同关系的重要部分。（01:01:06）：顺便说，我们现在谈的也和与人合作完全一样。如果你和我是同事，我让你做一件事，而你带回来完全不同的东西，我需要了解你脑中发生了什么，才能给你反馈。如果我只说‘错了’，不会有任何进展。我需要理解你的想法，也就是拥有心智理论，才能给出正确反馈。AI 的好处是，它会很乐意整天解释为什么这样做，也很乐意自我批评。（01:01:45）：你还可以让一个 AI 批评另一个 AI：一个 AI 写代码，另一个 AI 拆解代码。你可以让它们相互竞争，让它们彼此争论。这些技能会变得极其有价值。
我想人们把这种方式叫作 LLM 评审团——
是的。
……让它们彼此对话。
对，正是这样。
我确实觉得，如果我是一个没有设计背景的人，我一直想学设计、成为优秀设计师。和这三个领域中的其他领域相比，设计似乎最难通过观察和对话来学习，因为人们所说的‘接触小时数’很重要。怎样学会成为优秀设计师，似乎会非常困难，但也非常有价值。
坦白说，我一直有点想成为漫画家，但我没有任何艺术技能。不过谈到这里，我想，也许是时候了。
Marc，时机到了。
是的。
我想转向创始人，也许这是你最熟悉的领域。你花了很多时间和最前沿、最拥抱 AI 的创始人交流。我很好奇，你看到他们做了什么、以什么方式运作，有哪些事情让你对未来创业方式、AI 原生公司的未来感到震撼？
这是一个非常及时、也非常有现实意义的话题，正在前沿实时展开。我认为有三个层次。第一层是：AI 如何重新定义产品本身？这就是技术转型中长期存在的问题，也是很多风险投资建立的基础：出现一种新技术，可能是个人电脑、iPhone、互联网，现在是 AI；它会作为新能力加入现有产品吗？（01:03:35）：于是你会有一个现有软件业务，先有 PC 版本，再有 iPhone 版本，新技术作为现有配方中的另一个成分加入。很多技术确实如此。比如闪存出现时，并没有重新定义软件行业，人们只是从硬盘换成闪存。但互联网出现时，旧式本地部署软件大部分被杀死，取而代之的是 Web 软件。技术有时只是增加到既有事物上，有时则会重新定义整个产品类别和行业，甚至让公司本身更替。（01:04:19）：你提到 Nano Banana，这是一个很好的例子。以 Adobe 为例，Photoshop 在图像编辑领域建立了大约 40 年的业务。AI 是 Photoshop 的一个功能，用来进行 AI 图像编辑，还是说你会完全停止编辑图片，因为使用 Nano Banana 直接生成新图像更容易？科技领域很多地方都在问这个问题，答案会因领域而不同。作为风险投资公司，我们押注很多类别会被完全重新发明，许多优秀创始人也在努力弄清楚如何做到这一点。（01:05:16）：第二层是我们已经谈过很多的：AI 改变工作。如果我是公司的创始人，预算足够雇 100 个程序员，我该如何让他们成为超级赋能的 AI 程序员，而不是过去那种程序员？如果他们都变成超级赋能的 AI 程序员，我还需要 100 人吗？也许只需 10 人；或者我仍然想要 100 人，但他们现在能做多 10 倍的工作。很多最优秀的创始人正在研究这个问题。（01:05:48）：第三只靴子还没有落地，但可能是最重要的：拥有一家公司的基本概念会改变吗？超级赋能的个人可以监督一支 AI 机器人军队，也许一家公司能完全由创始人一个人完成。我们这个行业长期存在一个圣杯：能否出现一家由一人创造十亿美元结果的公司。（01:06:21）：历史上偶尔有这样的例子，比特币可能是最壮观的一个，Ethereum 紧随其后，虽然不是一个人而是一个很小的团队。Instagram 和 WhatsApp 也以很小的团队取得了巨大成果。偶尔会有某件事突然成功，只有极少数人参与。但大多数软件公司最终显然会拥有大量员工。（01:06:46）：因此最前沿的创始人正在思考：如何重新定义拥有公司的概念？公司能否基本上全部由 AI 构成？如果做的是现实世界的事情，这很难；但软件领域在某些情况下似乎可行。（01:07:08）：最终极的例子是，能不能出现一种自主运行的 AI 经济：区块链上的 AI 机器人作为企业运作并赚钱，AI 自己完成全部工作，然后只给我发红利。也许这是最终的极端结果。我们有一些创始人正在追逐这种可能性。这就是我看到的最佳创始人正在研究的后一个方向。
非常有意思。一个人做出十亿美元公司的想法，取决于你如何定义它。我可以想象一种结果：我一个人经营 newsletter，找一些承包商，但仍有大量烦人的事情要处理，例如支持工单和 bug。即使 AI 处理很多支持工作，我也很难想象真正的一人十亿美元公司，因为总会有很多随机的边缘情况。也许取决于是否有承包商、这些是否算在内，但我就是看不见它发生。
是的，比特币的中本聪做到了。
但现在的开源社群算不算？我不知道。
是的。
我想应该算。好吧。
没错。所以我不打算在这里给出答案，只是说，我认识的最聪明的人，或者说许多最聪明的人，都在认真思考这个问题。
你怎么看护城河？这是 AI 中持续被问到的大问题：一切都在变化。你们对 AI 护城河的理论是什么？它到底存在吗？你们在乎吗？
根据我经历重大技术转型的经验，尤其是我亲历互联网转型并观察其发生，真正重大的技术转型需要很长时间才能展开，并且会不断产生结构性影响。人们一开始急于下结论：显然 X、Y、Z；显然这种公司是未来的公司，另一种不是；显然某个现有公司能适应，而另一个不能；显然某种初创公司有经济机会；显然技术护城河在这里，不在那里。（01:09:25）：大家会带着极其强烈的自信陈述这些结论，听起来像掌握了所有答案。随后，这些想法会充斥媒体，因为媒体天然偏爱确定答案，而不是开放问题。CNBC 邀请嘉宾时，希望嘉宾说：‘是的，方向就是这样，结果会是 X。’而不是说：‘这是个好问题，我们从八个角度讨论。’（01:09:51）：但回头看几年后的预测就会发现，几乎所有预测通常都错得很严重。你可以找出 1993 到 1997 年、甚至到 2005 或 2010 年间关于互联网的报道，看看人们在最初 10 到 15 年里多么自信地预测。我的判断是，AI 会带来大规模技术变化，随着时间推移会出现五六层结构变化。（01:10:26）：产品的定义、公司的定义、工作的定义、行业的定义都会变化。国家层面和全球层面会怎样？它和政治、工会、战争如何交叉？中国会怎么做？未知数极多，所以预先判断这些事情非常危险。（01:11:02）：做一个思想实验：AI 模型本身是否有可防御性？AI 模型有护城河吗？一方面，似乎应该有。因为构建模型需要数十亿美元、计算和数据的临界规模，世界上只有一定数量的工程师懂这件事，而且他们拿着明星 MBA 的薪酬。这些公司还要应对政治、媒体、声誉、监管和法律问题。（01:11:40）：因此可能最终有两三家公司占据大部分市场份额，比如 50/50、30/30/30 或 90/10 的结构，获得相应利润，形成典型的寡头垄断；也可能一家公司彻底获胜成为垄断。软件行业过去多次出现过这样的结果。（01:12:05）：但另一方面，如果你在 ChatGPT 诞生时告诉我，一到一年半内会有另外五家美国公司拥有基本同等能力的产品，五家中国公司也有，此外还有几乎一样的开源模型，我会觉得不可思议。原本像黑魔法的东西很快就商品化了。GPT-3 发布一年内，就出现了在一小部分硬件上运行、免费提供的开源 GPT-3。现在 Google、Anthropic、xAI、Meta 等都全面参与，中国也有 DeepSeek、Kimi 等公司。所以即使在 LLM 或 AI 模型层面，两种判断都说得通。（01:13:05）：应用层也是如此。一种观点认为应用不重要，因为模型会完成一切；另一种观点认为，适配模型、让它进入由人参与的具体领域、让它适用于医疗、法律、编程等行业，会极其重要，价值会转移到应用层。聪明人对两种观点都有支持。（01:13:41）：我的诚实答案是，我们正处于一个随时间发现答案的过程。从结构上看，这是一个复杂的适应系统：技术是一个输入，法律和监管是另一个输入，创业者的选择、经济状况、投资资本的可用性都很重要。结果还不知道，我们需要对结构层面的意外保持开放。（01:14:19）：这对风险投资很令人兴奋，因为我们现在就可以在每种策略上下注，看看事情如何展开。也许有一个特别聪明的对冲基金经理已经想明白了，但如果他存在，我还没见过。
所以我的理解是，现在不要过度纠结护城河，因为我们完全不知道最后会是什么。现在看起来 OpenAI 不可能失去领先，但显然竞争已经很多。GPT wrapper 一年前还是带贬义的词，好像‘你只是 GPT wrapper’，现在这类公司却成了世界上最大、增长最快的公司。
是的。就像这次假期，三年前是假期里的 ChatGPT 时刻，而这个月则是 Claude，尤其是用于编程的 Claude Code。令人惊讶的是，Claude 本身当然是伟大的成就，但 Claude Code 是一个应用，是 Claude 的 wrapper，是一个 agent harness。然后他们又做了一件很惊人的事：推出了什么来着，Cowork？
Cowork。
Cowork。还记得他们怎么说吗？Claude Code 一周做出了 Cowork。
对，一个半星期，完全正确。
对此可以有两种看法。一方面，一个半星期做出 Cowork 显然非常令人印象深刻。太棒了。另一方面，Cowork 只花一个半星期开发，说明它可能没有多少复杂性，进入壁垒也不可能太高。而且它同时非常有功能、非常有价值，全世界的人每天都在说：‘我不敢相信这东西能做什么，它像是最神奇的产品。’但另一方面，它只花了一个半星期。（01:16:16）：因此你可以预期，其他模型公司都在想：显然我们需要构建一个 agent 艺术家，显然也要为普通人构建 Cowork。我不说自己知道内幕，只是显然大家都会这样做。那这种东西有多大防御性？六个月后，Claude Code 会不会像 GitHub Copilot 一样被超越？过去三年里，所有看起来像根本性突破的东西，几乎都很快被复制并超越。我认识的许多最聪明的人，私下聊到这件事时会说：一种理论是大型实验室之间其实没有秘密。它们拥有相同的信息和知识，定期相互超越，但目前没有多少真正专有的东西。（01:16:55）：DeepSeek 从意料之外的地方出现，基本上重新实现了美国大型实验室的许多理念，也有自己的原创想法。一个中国的对冲基金就能做到，这让人思考到底有多少防御性。但另一方面，这些大型实验室正在给单个工程师明星般的待遇，他们极其聪明、富有创造力。也许每个实验室里都有十几个尚未成熟的理念，其中某个会成为难以复制的重大突破。所以我认为，我们需要给自己的预测能力打很大的折扣。（01:17:49）：对我来说，与其试图断言五年后行业结构会是什么、最大赢家是谁、杀手级产品是什么，不如在这样的时代保持灵活和适应性。
考虑到这些，你会更多关注什么来决定押注方向吗？还是答案就是你们的策略：大量下注？你们筹集了历史上最大的基金，这是你们在这个世界取胜的方式吗？
对我们来说，是的。当然我们有非常有意识的策略。Peter Thiel 有一个二乘二框架：横轴是乐观和悲观，纵轴是确定和不确定。他总说硅谷有太多所谓‘不确定的乐观主义’。意思是，一个人认为世界会变得更好，却无法解释为什么，只相信某种组合的事情会让世界变好。Peter 过去会认为，这至少有可能只是愿望式或妄想式思考。（01:19:11）：世界需要更多的是‘确定的乐观主义者’，也就是会说：‘世界会变好，因为我要做这件具体的事。’例如他可能把 Elon 归为确定的乐观主义者：我要造电动车，做太阳能，然后去火星，这些都是具体的事。（01:19:35）：我认为 Peter 的框架很有道理，但我和他可能有一点不同：我认为不确定的乐观主义比他过去描述的更强。我会把自己明确归为不确定的乐观主义者，这也是 a16z 的策略。原因是，这不只是愿望式思考，而是有大量极其聪明、能干的创始人和产品创造者。Elon 以及很多其他人，每个人都是确定的乐观主义者，都对自己要做的事有强烈看法。但资本主义、美国经济和硅谷的巨大优点是，我们不只有一个这样的人，也不只有十个，而是有 100 个、1,000 个，甚至 10,000 个。（01:20:34）：优化结果的方法，是让尽可能多的这些人变得尽可能优秀、尽可能努力地行动。未来的本质是我们不知道所有答案，这没关系。正确的应对方式是运行尽可能多的实验，让尽可能多的聪明人尝试尽可能多的有趣事情。所以我明确站在不确定的乐观主义一边。
所以你现在越来越看重的，也许是那种确定的乐观主义创始人：有宏大抱负，并且正在努力实现它。
……[听不清 01:21:00] 乐观主义创始人——
对。
……有宏大抱负，并且真的在实现它。
对，没错。创始人需要是确定的乐观主义者，需要有非常具体的计划。创始人总会批评风险投资人：‘VC 很容易，因为你们不用真正下注，不必为一个决定承担全部后果，可以同时下注很多个。’这话有道理。反过来说，创始人可以运营自己的公司，而我们不能，也不能把手放在方向盘上。确定的乐观主义者的巨大优点，是可以专注地执行一个目标。（01:21:48）：从长期看，历史记住的是 Henry Ford，而不是曾经投资福特公司、后来投资的十家车企失败的种子投资人。（01:21:58）：确定的乐观主义者是公司的创始人、产品创造者和工程师，是他们实际执行，也应该得到 99.9999% 的功劳。但话虽如此，我仍认为幕后存在一些不确定的乐观主义者也有价值，他们能一路提供帮助，让整个循环继续。
你会因为 AGI 而改变投资理论吗？随着我们接近 AGI、达到 AGI，作为投资人，你如何看待投资理论的变化？
我一直有点难以处理 AGI 这个概念。先定义术语，这正是我困难的地方。它有平凡定义，也有宇宙定义。（01:22:48）：先说宇宙定义。它基本上就是奇点：AGI 是进入奇点的时刻，也就是世界从根本上改变，旧世界的规则消失，我们进入新的领域。（01:23:04）：奇点的完整定义是，人类判断不再真正重要，因为 AI 进入自我改进循环。按照快速起飞的情景，AI 不断改进自己，机器以远快于人的速度做决定，人类只是坐在那里看机器行动。（01:23:26）：我认为我们并没有生活在这样的世界里，不管把它叫乌托邦还是反乌托邦，我不觉得我们幸运或不幸到会进入这个世界。这个可以继续讨论。（01:23:37）：AGI 的平凡定义，至少我认为行业大体采用的定义是：AI 能像人一样完成每一项具有经济意义的任务。
Anthropic 的联合创始人说法是：‘一组最有价值的经济任务’，不是所有具有经济价值的任务，可能是 10 到 15 项。
明白了，所以这是一个更缩减的定义。如果我们还没有达到它，也显然已经接近了。（01:24:04）：对于宇宙定义，我觉得它夸大了会发生的事情；而你刚才说的 AGI 定义又可能低估了会发生的事情，太过简化。（01:24:17）：因为没有理由认为人类技能水平是任何事情的上限。你给出的 AGI 定义总是相对于人类劳动者来定义的。人类技能会在某个点达到上限，是因为人类生物体存在固有局限。比如人类 IQ，也就是流体智力或 G 因子，我认为人类作为物种的上限大约是 160。（01:24:56）：到 160 时就接近爱因斯坦的水平，爱因斯坦——
说的是 IQ，对。
从 IQ 角度看，它的上限就是 160。IQ 为 160 的人会创造新的物理学，世界上只有很少一部分这样的人。一般来说，当我们遇到一个极其聪明的人，比如畅销书作者、顶尖研究科学家或顶尖医生，他的 IQ 可能大约是 140。（01:25:26）：如果是非常优秀的律师，可能是 130；企业里很好的直线经理可能是 110；擅长为小企业做账的会计可能是 105。（01:25:41）：人类在智力上做出令人印象深刻事情的范围，大概就是 110 到 160。好消息是这样的人很多，但 IQ 140、150、160 的人并不多。（01:25:57）：这就是人类生物体能容纳的限制。解除生物学限制后，理论上没有上限。现在已经有人在测试现有 AI 模型相当于人类 IQ 的水平。（01:26:17）：目前 AI 模型大约处在 130、140 的水平，这意味着它们会达到 160；数学方面甚至可能已经开始达到 160。（01:26:26）：我认为，我们很快会拥有 IQ 160、180、200、250、300 的 AI 模型。我觉得这是好事，就像偶尔出现一个爱因斯坦一样。世界上有更多爱因斯坦会更好吗？当然会；拥有 IQ 像爱因斯坦或更高的机器，也会让世界更好。（01:26:51）：机器的 IQ 会超过人类，我认为这是好事。任务表现也会改善，回到 AI 编程的例子，Linus Torvalds 已经说 AI 开始写出比他更好的代码。（01:27:02）：我们会有比最好人类程序员更好的 AI 程序员，也会有比最好人类医生和律师更好的 AI 医生和律师。我认为人类等价只是一个脚注：‘2026 年星期二达到了。’真正的问题是，在拥有超过人类能力的机器之后，我们能做什么？这会是一个探索人类能力的过程，而不是某个恰好跨过人类门槛的奇点时刻。
200 IQ，我觉得这个参照框架很能拓展思维。它让人看到这些东西会多么快、多么聪明地增长。
我不知道你是否有这种体验，我经常有。第一种是，我知道自己应该能做某件事，但就是做不到。我要写东西、提出一个理论、制定计划，却没有 8 小时，甚至没有 8 周或 8 年。我还不知道足够多，脑子里算不清，记忆也不完美。我读了 10 本书后，会发现自己几乎忘了刚读过的所有内容。（01:29:01）：我希望能全部记住，但做不到，仿佛一直处于无尽挫败中。如果我能比现在更聪明，我会把工作做得更好，但我做不到。（01:29:14）：我还经常认识明确比我聪明的人。和他们交谈时，前半段我一直记笔记；后半段只会想：‘天啊，这个人比我聪明，他不断在思维上超过我。’最后我只能回家喝一杯。我们已经习惯这些限制，所以拥有没有这些限制、能为我们工作的机器，会比人们想象的更令人兴奋。
我可以和你聊几个小时。最后我想问问你的媒体和产品饮食。你经常读书，我看到过你说 AirPods 改变了生活，现在一直听有声书。你现在读什么、关注哪些播客、newsletter、博客？有没有特别推荐的书？
我读的东西大致分三类。一般媒体方面，我有一个近乎完美的哑铃策略：读 X，也读老书。（01:30:41）：要么是此刻正在发生的事，要么是 50 年前写下、经受时间检验的书，里面可能有永恒的东西。中间的大部分内容，我都会更怀疑。（01:30:56）：你也可以回去读旧报纸，甚至读上周的报纸，然后会发现：天啊，报道里预测的几乎没有发生，也没有按预测方式发生，很多事情后来也不重要或不准确。作者当时没有足够信息，所以只能基于不足的信息做预测。（01:31:37）：杂志也是如此。文章发表时往往已经过时。我对中间层的信息有很大疑虑。要么读当下，要么读永恒内容。（01:32:21）：此外，真正从业、真正创造内容的人仍被严重低估。这是 Substack、newsletter 和播客现象的重要部分：直接接触实际领域中的负责人，而不是通过电视、报纸或杂志的采访中介。现在，聪明且真正做事的人可以直接解释自己。（01:32:49）：播客让这种连接成为可能。Lex Fridman，以及你们这些少数主持人，可以邀请领域内最顶尖的专家。人们会说他们在推销自己的书，但我的经验是，人们喜欢谈论自己做的事情，想解释它、让别人理解，也能为人类知识做贡献并获得自我满足。听真正的专家谈正在做的事情，仍然有大量信息优势。（01:33:48）：如今世界充满了这种内容，十年前还不是这样。
科技行业，尤其是硅谷，还有一种分享的文化，不太试图把秘密藏起来。LinkedIn 上人们总问：‘这怎么会免费？’但它似乎就是这样运作的。
有人说：‘硅谷是一个公司城，但公司就是硅谷。’从个人层面看，如果你经营过初创公司，就知道这很痛苦：秘密会流出去，员工会离开，整个事情很难。但另一方面，你也受益于此，因为能雇到拥有各种技能和经验的人，身处一个能把人才、技能、知识导向新领域的生态系统。（01:34:38）：作为生态系统，这是一个神奇现象。尽管硅谷有很多问题，我曾经数过，AI 可能是硅谷历史上的第九个主要技术平台。硅谷仍叫硅谷，但我们几十年没在这里制造硅了。它之所以得名，是因为过去这里真的制造芯片，有芯片工厂，既设计也生产芯片。（01:35:15）：现在是第九波。没有人坐下来规划：1990 年代做互联网，2000 年代做智能手机，2010 年代做云，2020 年代做 AI。正是这种生态系统的灵活性和不确定的乐观主义，让硅谷不断转向新的类别。
这让我想到一个梗：我们都是沙子的 wrapper，我们构建的一切都只是 wrapper 套 wrapper，再套 wrapper。
这个 wrapper 的说法很有趣。我是一家软件公司，而软件就是芯片的 wrapper，对吧？
对。
是的。我是一个商业应用，是数据库的 wrapper。对，我是沙子的 wrapper。你我现在都是沙子的 wrapper。
沙子的 wrapper。
完美。
好，关于媒体饮食再问一个。我问过你的合伙人 Ben Horowitz 该和你聊什么。他说你最近很喜欢电影。
是的。
最近有没有特别喜欢、非常投入的电影？
去年让我大受震撼的电影中，我认为这是本十年最佳，甚至可能是过去 15 年最佳。遗憾的是看过的人不多，但我推荐大家看，叫《Eddington》。
我没听说过。
你没听说过？那你会很喜欢。我不剧透太多，下面这些表层内容不算剧透：故事发生在新墨西哥州一个叫 Eddington 的小镇，约有 600 人。（01:37:04）：镇长是 Joaquin Phoenix 饰演的警长，一个老派、粗粝、基本偏右翼的人；市长由 Pedro Pascal 饰演，是年轻、时髦、进步的人。电影从 2020 年 3 月开始，也就是新冠刚出现的时候。（01:37:21）：故事在接下来几个月展开，延伸到 2020 年夏天，涉及 George Floyd 事件、抗议和骚乱。（01:37:36）：因此新冠、BLM 相关事件，以及第三个元素结合在一起：一家基本上影射 Meta 的公司正在镇外建设 AI 数据中心。它的影响随时间越来越大。（01:37:58）：电影很擅长展现一个新墨西哥小镇如何被新冠、BLM 和对技术的焦虑完全卷入；但所有人都是通过互联网经历这些事情，这正是现实。（01:38:31）：我喜欢它，一方面因为它是第一部直接处理 2020 年、充分面对那一年发生之事的电影，认真处理了当时美国的各种动态。另一方面，它第一次很好地展现了现实世界发生事件时，人们如何在线体验这些事件，互联网如何成为生活的核心。（01:38:45）：它很好地把智能手机和社交媒体融入电影，这是电影一直很难做到的，最终还以非常好看的方式把一切结合起来。（01:38:55）：我不一定完全同意电影，也可能和导演在很多方面不同意，但导演努力处理 2020 年代美国人真实生活的样子，很多有才华的电影人都不敢触碰。他却主动寻找所有禁区并抓住它们。
我明白它为什么是你年度最喜欢的电影了。
它很棒，真的很棒，大家都应该看。
最后问问你的产品饮食：有没有比较少人知道、但你很喜欢、想推荐的产品？可以说你投资的，只要你一直使用。
产品太多了，很难挑，就像问最喜欢哪一块肩膀。我说几个，都是观察。首先，我 10 岁的孩子完全痴迷 Replit，而且不是我推荐的。
我有一个两岁半的孩子。
两岁半，你还没遇到我正在经历的事情：无论你做什么，孩子都觉得不酷。两岁半时爸爸做什么都是世界上最酷的事，但到 10 岁，你做什么都深深不酷。（01:40:15）：如果我提到我们在做某件事，他只会说‘好吧’；但他自己发现、或朋友告诉他的东西，就很酷。他大约三个月前自己发现 Replit 和 vibe coding，现在完全痴迷于用它做游戏和各种东西，一坐就是几个小时。（01:40:39）：我正在观察这个现象，特别有趣。第二，我完全喜欢所有 AI 产品。现在聚会上我最喜欢的把戏是拿出带 Bad Rudy 的 Grok，它是 Grok 应用里一个满嘴脏话的浣熊头像。（01:41:04）：我们投资的 Sesame 去年凭借极其亲密、带情感的语音体验走红，所以我认为语音产品很棒。（01:41:18）：我也非常关注语音输入。Limitless 最近被收购，但我认为吊坠、可穿戴设备和 Meta 眼镜都会很重要，这里会发生可穿戴设备革命。（01:41:36）：我喜欢语音输入。手机上有一个叫 Whisper Flow 的应用，语音转录效果惊人。它不只是转录，还能让你在转录时和 AI 对话。你可以说：‘不，我要这里用要点，那里用另一种格式。’它理解你不是要把‘我要要点’这些词打出来，而是希望输出要点。这是很实用的例子，我认为语音模式会非常好。
我的 newsletter 订阅者可以免费获得一年的 Replit 和 Whisper Flow。你儿子用 Replit 做过最有记忆的东西是什么？
他最近非常喜欢《星际迷航》，所以目前在写《星际迷航》模拟器，也就是各种——到了《下一代》，他们确实有——
《下一代》，我正想问是哪一部。
其实我们都喜欢。昨晚还看了新的《Starfleet Academy》。
嗯。
它其实很好。我们看原版，也看了所有系列。但《下一代》真正设计了一套计算机界面语言。原版只有带灯的旋钮，演员只是在片场假装操作。（01:42:46）：而《下一代》真的设计了 UI 语言。vibe coding 很有趣，你可以说：‘为这个东西生成一个《星际迷航：下一代》的用户界面。’（01:43:02）：它使用被称为 LCARS 的设计语言，能用这套语言为你构建《星际迷航：下一代》舰桥控制台，还能让你选择名称。（01:43:17）：他非常痴迷这类东西。
听起来太让人开心了。你们应该开源发布。Marc，正如我说的，我可以和你聊几个小时，但你还有事情要做。结束前有什么想再次强调或留给听众的吗？
上周 Packy McCormick 写了一篇关于我们的文章，可能是有史以来对我们最好的介绍，解释了我们做什么、如何思考。我强烈推荐。我们现在有一个很棒的团队，也在投入大量精力做视频和内容。推荐大家关注我们的 YouTube 频道，里面有很多好内容，明年会更令人期待。
太好了，我们会放链接。应该是 youtube.com/a16z 之类，你们有很多好内容。
好。
Marc，非常感谢你来到这里。
太棒了，谢谢邀请，我非常感谢。
大家再见。（01:44:10）：感谢收听。如果你觉得有价值，可以在 Apple Podcasts、Spotify 或常用播客应用订阅，也请评分或留下评论，帮助更多听众发现节目。（01:44:25）：往期节目和更多信息请访问 lennyspodcast.com。下期再见。