EPISODE· generated 2026-06-05 21:00:48· 1h 19m
The most rational take on AI you’ll hear this year | Benedict Evans
Benedict Evans，一位专注于科技趋势的独立分析师，认为AI的重要性堪比互联网或移动技术，并将其当前的发展阶段比作20世纪90年代初的互联网，那时仍有大量潜力未被开发。他指出，尽管许多人对AI的影响要么过于乐观要么过于悲观，但AI将从根本上改变一切，而具体的方式和时间仍不清楚。
interviewcryptoaiweb3
ready · seed-vc · qwen3-tts
0:00/0:00
⚠ The Chinese audio is an AI-generated dub (speech synthesis / voice conversion), not a real recording and may contain errors. Based on the original English interview; all rights remain with the original creator.
original lang
EN
dubbed into
中文 (ZH)
pipeline
Plan C · voice conversion
voice model
seed-vc · qwen3-tts
001
我最具争议的观点是，我认为人工智能的重要性堪比互联网或移动互联网，但也仅此而已，不会超越它们。你所说的即将到来的“就业末日”是怎么回事？
002
每当新技术出现，它都会自动化取代大量工作岗位，而这种自动化又会催生大量新岗位；只是你无法预知这些新岗位是什么，因为它们尚未存在。我们一直如此。
003
一遍又一遍地重复这个过程。
004
即使只看包括 OpenAI 在内的最先进的 AI 公司，大家都在增加员工人数。你去和 Twitter 上那些末日论者聊，他们会表现得好像每家大公司都在
005
明天就要去买 ChatGPT，然后两周后就把所有员工都裁了。这些人简直是蠢货。你无法预测哪些岗位会受到冲击。你不能只看一个资深
006
律师事务所的合伙人并说，"好吧，他们17%的工作可以被自动化。"这简直是胡说八道。我很好奇你是否在关注反 AI 的情绪。
007
这是一团巨大的模糊乱象。是的，这会改变很多事情，我们需要为此担忧，但这某种程度上是常态。我们一直如此。你会建议大家做哪几件事
008
以便在这个未来更成功？不要把头埋进沙子里说：“我讨厌这一切。”那只会给你带来一种道德优越感，让你可以继续在
009
Blue Sky 上向每个人大喊 AI 有多邪恶。好吧，为你高兴。但那毫无帮助。
010
真正有帮助的是深入其中，最终理解你今天能用它做什么。我的嘉宾是 Benedict Evans。
011
Benedict 曾是 a16z 的长期合伙人，担任其内部分析师和驻场思想家。在此之前，他长期从事股票研究工作。而在过去六年里，他作为一名独立分析师
012
追踪最重要的技术趋势并分享他的见解。最近，正如你所料，他将全部精力投入到 AI 如何改变我们的生活上。用他的话来说，AI 正在吞噬
013
世界。在这次对话中，我们将深入探讨我们尚未充分定价的 AI 对生活与工作的影响、反 AI 情绪的兴起、对就业的冲击、
014
价值链中大部分价值将汇聚于何处，以及更多话题。如果你担心 AI，或只是对走向感到困惑，这次对话会让你受益匪浅，并且
015
也能让你感觉更好。在我们开始之前，请不要忘记访问lenny'spass.com，以获取一年免费体验一些世界上最棒、最热门、最精良制作的AI产品的机会，可供选择的范围很广。
016
仅对Lenny的新闻通讯订阅者提供。就此，我带来本杰明·埃文斯。本杰明，非常感谢你来参加。欢迎来到播客。感谢您的邀请。
017
你刚发布了一个名为“AI正在吞噬世界”的PPT。我想问你一下这个话题的反面，既然大家都觉得这是一个大事情，你觉得人们还忽略了什么
018
他们在考虑自己将要经历的生活和工作变化时，是否充分地进行了定价？嗯，这是一种有趣的思考方式，我上次做了一档播客
019
和某人共度的一年里，我说过，你知道，我最有争议的观点是我觉得人工智能的重要性堪比互联网或移动技术，并且只有像互联网或移动技术那样重要，因为
020
显然，科技界有一大群人认为这更像是工业革命之类的事情。还有一大群人在下面说，他认为这个
021
这就和互联网一样大，难道他不明白这有多重大吗？我想说，智能手机曾是一件大事，互联网也曾是一件大事。如果没有它们，我们就不会在这里进行这场对话了。
022
互联网。所以有一个层面的比较，但如果你深入挖掘，就像你要做互联网的类比，那我们现在就像在1997年。这非常令人兴奋。大多数东西目前还不太管用。
023
人们将要使用的大多数功能尚未被构建出来，而且即便它们最终得以实现，其具体运作方式也尚不明确。而那些已经掌握这些技术的人
024
已经服下了某种药丸，我忘了是哪一种，总之想象世界上所有人都已经处于那个状态，但事实是，分布范围非常广泛。所以
025
科技圈里那些买了一堆 Mac mini 集群、不再使用 Google 的人。然后你看看科技圈之外，先抛开那些认为这一切不真实的傻瓜。
026
你知道，大多数使用它的人可能每两周才用一次。所以你会看到这种采用率的分布，以及这项技术成熟度的分布。
027
在此框架下，你可以提出一些具体观点，比如模型将如何运作、模型实验室是否拥有定价权、价值将流向何处，以及 OpenAI 是否会赢得整个局面
028
AAI 会赢得一切，还是说这周 Anthropic 占了上风？于是你就可以开始预测这些竞赛的胜负，这就好比在 1997 年问：最终胜出的会是
029
Excite 还是 Yahoo？而答案通常是否定的。所以这里有一个分形观点：在极高的层面上，这将彻底改变一切。我不认为
030
去争论它比互联网大 20% 还是 100% 有什么特别的生产力，那些都不是富有成效的对话。但这是一种根本性的变革，只是你
031
不知道这一切具体将如何运作。事实上，我刚刚发布了这个——我每六个月做一次演示，昨天刚发布了一个，其中有一条评论是：Benedict，这有 80 页幻灯片
032
，意思是我们不知道。这有点开玩笑，但也某种程度上是事实。本期节目由我们的季度呈现赞助商 WorkOS 赞助播出。
033
OpenAI、Anthropic、Cursor、Versell、Replet、Sierra、Clay 以及数百家其他成功公司有什么共同点？它们都由 Work OS 驱动。如果你正在为企业构建产品，
034
你一定感受过集成单点登录、SCIM、RBAC、审计日志以及其他大公司所需功能时的痛苦。Work OS 将这些交易阻碍因素转化为即插即用的
035
API，提供了一个专为 B2B SaaS 打造的现代化开发者平台。
036
literally 我投资的每一家开始向高端市场扩张的初创公司，最终都与 Work OS 合作。这是因为他们是最好的。
037
无论您是试图拿下首个企业客户的种子轮初创公司，还是正在全球扩张的独角兽企业，work OS 都是让您具备企业服务能力并扫除障碍的最快途径
038
增长。它本质上就是面向企业功能的 Stripe。访问 works.com 即可开始使用，或者直接加入他们的 Slack，那里有真正的工程师随时准备回答你的问题。WorkOS 让
039
让您能够借助令人愉悦的 API、全面的文档和流畅的开发者体验更快地构建产品。立即访问 works.com，让您的应用具备企业级能力。
040
所以，如果我们处于1997年的人工智能时间线，我知道我们很多信息都不知道它到底会走向哪里。我不知道。现在，你有没有一种感觉，就像……
041
时间线走到现在，事情即将发生根本性变化？我们正处于这个周期的哪个阶段？你提到了我们经历过的各种不同周期。那么，我们距离
042
就像，哇，现在一切都不同了吗？嗯，毫无疑问，我们现在已经处于软件行业的那个时刻。然后还有一个关于代理性和AI软件开发的讨论，这两者是两种不同的东西，但最终会融合在一起
043
这对软件行业的未来意味着什么？有一种极端的观点，其实没人真正相信，就是嘿，你只需用 v code 就能自己构建一个 Stripe，但实际上没人信这个。
044
虽然你不相信那种极端情况，但显然仍有一大堆问题：这对软件行业意味着什么？你能自己动手完成多少工作？或者未来会有多少软件被创造出来？这是整整一个话题。
045
但另一个极端是，如果你在一家律师事务所，这一切都很有趣。
046
嗯，但我们到底该怎么用它？我们如何确保不会成为下一个因为提交含有幻觉内容的文件而登上新闻的案例？明年我们还要招聘多少助理律师？这对我们究竟意味着什么？
047
我在演示中用了一个类比：想象你是一名会计师，在 70 年代末第一次看到电子表格软件。
048
这简直令人震撼：你在这里修改利率，所有其他数字自动更新，它用 30 秒就完成了你原本需要一周的工作。我们可以讨论这对会计行业意味着什么，但显然，如果你是会计师，这无疑是颠覆性的。
049
但如果你是律师或记者，看到这一幕，你会想：这很聪明，我的会计师应该看看这个，但这不是我的工作。如果买这套系统不需要花费 1 万或 1.5 万美元，我下周或许会用它来记工时。
050
Apple II、显示器和打印机来运行它，如果算上通胀调整，这就是当时的成本，但这并不是我的工作。而且你需要一个文字处理器，它其实很快就出现了
051
。所以我们现在所处的时刻就是，有些人，比如软件开发领域的开发者，就像当年的会计师看到 VisiCalc 时那样惊呼：天哪，
052
这改变了一切。就像 VisiCalc 之前和之后，或者 Claude 代码之前和之后一样。很多其他人也在以不同程度的方式使用它，但略感困惑。所以
053
我在演示文稿中放入了一些调查数据，即使你看 13 到 18 岁的人群，仍然有大约 15% 到 20% 的人是日活用户，
054
另有 20% 是周活用户，而该人群中剩下的 60% 则表示他们并未使用这项技术。因此，对于谁真正理解它，存在非常广泛的差异，
055
我认为这也几乎引出了另一个观点，即这与“参差不齐的前沿”问题相对应：它在哪些地方有效，在哪些地方无效？你能预判它在哪里会生效吗？
056
这种判断直观吗？在它生效之后，你能否识别出来？你能否自己弄清楚该如何利用它？所有这些问题交织在一起。
057
如果你是软件开发者，很多人正经历这种顿悟时刻，或者还没有。我们再次处于类似 1997 年的时刻：好吧，这到底是什么？ 顺着这个思路，你一直在
058
一直在写一点关于这方面的内容，就是这种对专业服务、咨询服务以及前置部署工程师的意外投资。至少这两家大型 AI 实验室——OpenAI 和 Anthropic
059
都在投入巨资收购大型咨询公司，而私募股权公司也在谈论这一切。到底发生了什么？为什么会发生这种情况？
060
嗯，这很有趣。昨晚我在写通讯稿时，本想讲个笑话，但没能完全成型。不过你知道那个老笑话：机器学习科学家就是住在旧金山的统计学家。
061
这里面也有类似的意味：前置部署工程师就像是住在旧金山或在旧金山工作的埃森哲外包软件开发人员。当然，这只是开玩笑。
062
言归正传，如果你有任何专业服务的经验，你就会知道，公司并不会养着一大群人闲坐着，等待去构建一个新的大项目、进行一项新的大型分析、
063
开发一项新技术或新产品，或者研究如何重新设计门店、确定门店选址，亦或是分析客户流失率为何过高。不，完全不是这样。
064
所有这类问题，正是你聘请贝恩、波士顿咨询或麦肯锡，或者聘请埃森哲、印孚瑟斯等公司，又或是聘请品牌代理机构、
065
聘请建筑事务所的原因。情况总是这样的：我们当然可以雇佣一些建筑师，但何必在内部常设 15 名建筑师呢？我们直接聘请一家建筑事务所就好了。我们只是
066
去聘请一家广告公司。因此，你应当彻底重新想象公司内部的所有工作流程，并确定哪些流程可以快速通过AI实现自动化。这是一项项目。这需要五到十个人坐下来花一两个月时间去研究和规划。
067
而实际执行这项计划又是另一个项目。好吧，我们需要将这三个垂直系统接入这两个水平系统，并构建大量新的工作流程，还要培训员工去执行这些流程。
068
那么，谁会来做这件事呢？因为你不可能有大量的人闲着没事做。一方面，这正是某些私募股权公司商业模式的一部分，即他们为投资组合公司提供支持，帮助他们完成这些任务。
069
另一方面，这就是为什么你要根据你想要做的事情，聘请Bane、Accenture或者公关人员来帮助你理清这些问题。
070
这个趋势真的很有趣，你可能会认为AI的发展会让咨询顾问这个职业消失。不，我们不再需要这么多的人了，AI会替他们完成这些工作。
071
相反，最前沿的人工智能实验室反而正在大力投资这些领域。我觉得这非常令人意外。
072
嗯，我演讲中的一个脉络是，我把演讲分成了三个部分。有一部分是关于资本的，基本上就是探讨所有这些资本支出流向何处，以及模型实验室是否会产生差异化。然后有一部分是关于部署的，也就是
073
这对软件行业意味着什么？第三部分则是这将如何改变现状。我在“改变”这一部分试图梳理的一个脉络是：工作中最难的部分是什么？最难的部分是一行一行地写代码吗？最难的部分是
074
做学校作业还是制作 PowerPoint？或者最难的部分其实是别的什么？究竟是任务本身难，还是这份工作难？把这两者拆解开来，有时候任务就是工作本身。经典的例子就像电梯操作员。
075
我住的大楼里就有专人操作的电梯。我们那是手动电梯，没有按钮，门口有个操纵杆，由操作员驱动你到达楼层。它就像
076
一辆垂直运行的缆车。嗯，就像旧金山的那些有轨电车一样，由人驾驶送你到楼层。嗯，这些在 50 年代之后都实现了自动化，现在你只需按一个按钮，而按下按钮就是一项工作。
077
所以，有些情况下，按钮所代表的工作是一项任务，而这项任务被自动化了。但更常见的情况是——这也是人们谈论“杰文斯悖论”的原因——这价格
078
弹性，因为吉恩斯悖论只是价格弹性的应用。如果做某件事的成本降低了，会发生什么？你是花更少的钱做同样的事，还是会做得更多？
079
是用同样的资金完成相同的工作，还是因为有了新的投资回报率（ROI），所以投入更多资金以完成更多工作？
080
如果你看看会计的历史，或者确实是专业服务领域，就像我在 Twitter 上开过的一个玩笑（那时它还叫 Twitter），年轻人不会
081
信不信由你，在 Excel 出现之前，初级投资银行家的工作时间非常长；而现在多亏了 Excel，高盛（Goldman Sachs）的分析师们周五午餐时间就下班了。这不禁让人要问，为什么
082
难道不是这样吗？在软件开发领域也可以提出同样的观点。要知道，在集成开发环境（IDE）、库和操作系统出现之前，开发者必须编写所有代码。
083
现在，如果你编写一个 iPhone 应用，90% 的代码都是由 Apple 为你生成的。
084
比如，Apple 编写了调制解调器驱动程序、图形驱动程序以及文件系统。你根本不需要编写任何这些代码。所以，我们现在的工程师数量只有原来的十分之一吗？不，并非如此。因此，
085
那么你基本上得去观察一个行业，弄清楚到底是什么？什么才是困难的部分？这里让我想到的一个类比是回顾历史
086
电子商务，也就是亚马逊所做的，就是帮你找到 SKU。如果你知道 SKU 是什么，如果你知道自己想要哪个 SKU，比如你想要那个MECE风支架，你知道这个部件编号，你
087
可以去亚马逊买。如果你不知道该买什么MECE风，可能就不该从亚马逊开始。
088
将其乘以无数多个产品类别。因此，亚马逊的作用是提供库存单位（SKU），但知道你需要哪个 SKU 则是另一项工作。要知道，Claw 代码可以为你编写
089
代码，但你想要什么样的代码？它确实可以生成功能，但你想要哪些功能？你的客户是谁？针对该客户什么产品才是合适的？你打算如何将其推向市场
090
进入市场？回答你问题的长远方式是，为什么你要聘请麦肯锡？你是雇他们来做一个75页的幻灯片吗？嗯，从狭义上讲，Claude Co 会做出一个非常糟糕的版本。
091
然后你会在 LinkedIn 和 Twitter 等平台上看到一大堆 AI 骗子说："嘿，我用 Claude 做了一个 McKenzie 的方案书。" 你一看，心想："是啊，那全是狗屎。那不是你从 McKenzie 那里能得到的东西。"
092
但即使那样，那也不是你请他们来做的。你真正请 Bane 做的是去你公司里到处走走，了解清楚，是的，但为什么你们之前没这么做？
093
这里面的权责关系是怎样的？你实际上需要做些什么？让我们去和你的客户谈谈，弄清楚他们真正想什么，而不是只看 Google 第一页的结果。
094
所有这些才是重点，而 PowerPoint 只是任务的一部分，但那不是你请他们来做的。同样地，你懂的，亚马逊和零售商之间也是一样的，软件开发也是如此。所以你就会有这种分裂。
095
另一个让我想到的类比是那些被互联网摧毁的行业，因为他们同时拥有这两部分，你可以把它们拆开。你有实体制造或实体分销，然后你还有
096
另一部分，也就是那个实际的东西。经典的例子是报纸和录音音乐。唱片公司并不认为自己是制造和运输公司。
097
制造小块塑料，但那确实就是他们实际在做的事，而当这一点消失时，他们就完蛋了。报纸行业也是如此。
098
报纸并没有把自己看作是制造和运输公司。当你把这两部分分开时，这就成了一个问题。但很多时候你其实无法将它们分开或者无法做到这一点
099
并不是真正的问题，或者你把那个东西变得便宜，然后所有其他事情也随之发生。所以这一切都比简单地说“嘿，你知道，我们只是”要复杂得多。
100
将会自动化会计师，或者我们会自动化顾问。嗯，我的意思是，演示文稿中有两张图表，显示担任会计师的人数
101
这一趋势在整个 20 世纪持续上升，并自 21 世纪初以来再次攀升。因此，我们经历了加法机、打孔卡、大型机、数据库、ERP 系统，以及
102
云、电子表格、个人电脑，而且账户数量还在持续增长。那么为什么会这样呢？嗯，这并不只是自动化那么简单。即使只是看看
103
最先进的人工智能公司，比如Anthropic和OpenAI，我刚刚在播客中采访了Every的Dan Shipper。每个人都只是在增加员工人数。像你认为最不可能这么做的一些公司，现在也在这么做。
104
另外，人类正在引入越来越多的人类。至于你提到的，这确实非常复杂。你对即将到来的就业危机有什么看法？你知道的，就像Daria说的，很多初级职位的人都找不到工作了。
105
是的。嗯，我想这里有一个狭隘的观点，那就是我会提出——我不喜欢诉诸权威的论证。
106
我不认为运营一家 AI 实验室这一事实本身就能赋予你某种权威，或者说，如果你要诉诸权威论证，那该权威必须与相关领域有关。所以我感兴趣的是
107
Dario 关于未来 6 到 12 个月模型发展方向的看法。我对劳动理论、市场价值和比较竞争优势之类的观点并不特别感兴趣，比如，他可能在大学上过相关课程，我也有上过。
108
所以我认为，对于 Dario 所说的观点，我们需要保持一点谨慎。这还不包括那种愤世嫉俗的看法，即他只是为了拉升股价才这么说，而我并不……
109
完全不相信。所以这又回到了我之前说的关于平台转变的观点。每次我们有新技术的时候，它都会让一大批工作被自动化取代，而随后这些自动化带来的影响，无论
110
这是价格弹性在起作用，自动化释放了潜力，从而催生了大量新岗位。所以你看，回到 1800 年，当时 90% 的人都是农民，我们最担心的就是
111
会担心庄稼歉收，导致我们所有人挨饿甚至更糟。从那以后，我们一直在自动化旧岗位并创造新岗位，而你总能看清哪些岗位即将
112
会消失，而你还不知道新工作是什么，因为那还不存在，而且听起来可能很愚蠢，比如铁路工程师，这是什么
113
铁路，嗯，那怎么会存在呢？谁会在乎？谁想跑那么快？嗯，所以这个过程我们经历了一次又一次，任何一年级经济学专业的学生都会告诉你这一点。
114
嗯，自 1800 年以来，我们反复经历着这一过程。每一次经历，都会带来一阵摩擦性的痛苦和错位，许多人会因此失业，而
115
许多城镇被掏空，这一切都很糟糕，但当你熬过这一阶段后，我们都会变得更富有，不再担心农作物歉收，你知道的
116
这就是过去 200 年的进程，那么问题在于，是否存在某种先验理由说明这次会有所不同？因为互联网淘汰了大量工作岗位，PC 也淘汰了一部分
117
大量工作岗位消失了，现在没多少人再做排字工、电话接线员或打字员了。互联网也淘汰了大量工作岗位，而通常被淘汰的都是些糟糕的工作。
118
从回顾的角度来看，旧的工作被取代，而新的工作更好，因为你知道，GDP持续增长。那么AI是否有所不同？对此有几种不同的回答。一种理论是，
119
将会快得多，而且AI的采用速度肯定比以前的技术更快，但这是因为你站在巨人的肩膀上。比如，你不需要
120
等待每个人都购买昂贵的硬件，比如手机或电脑，也不需要等待电信公司部署宽带。这些都已经存在了。所以当然，Chat GPT可以拥有9亿
121
聊天用户，因为互联网上已经有9亿人了。比如，当马克·安德森在1993或1994年推出Netscape时，地球上只有大约5000万到1亿台个人电脑。
122
那时候你并没有9亿用户。但关键是，他不需要等待电话网络或微芯片。在那之前，你甚至不需要等待电力，也不需要等待大规模生产。所以你总是站在巨人的肩膀上。
123
总是存在一种复利效应。是的，这确实更快，但互联网也一样快。我认为另一个答案与此有关，这与专业服务
124
的观点有关。比如，你和那些在推特上发表末日言论的人交谈时，他们会表现得好像明天所有大公司都会购买Chat GPT，然后两周后就会解雇
125
所有员工。这些人是傻瓜，这也是为什么末日论者是傻瓜的众多原因之一，因为他们完全不了解世界运作的方式，这就是起点
126
这一点导致他们随后无法理解其他任何事情。你知道，典型的大公司企业软件销售周期——你比我更清楚——企业软件销售周期是
127
大约 18 个月，如果顺利的话。你知道这始终是个问题。企业销售周期比风险支持型初创软件融资周期更短，不对，是更长。
128
更长，因为达成一笔企业交易所需的时间，比你在两轮融资之间所需的时间还要长。这始终是个问题，尤其是对于航空航天或
129
医疗等行业。所以，人们不会立刻拆除 SAP 并替换成 XYZ。也许在三到五年，或者五到十年后，整个格局会发生根本性
130
变化，所有那些工作岗位也会随之改变，但这需要三、四、五甚至十年的时间，需要逐个行业推进，也需要时间让人们摸索出如何利用这项技术完成那项任务。
131
我在 Andreessen Horowitz 工作时，一直记得我们考察过的一家名叫 frame.io 的公司，它做的是视频编辑和视频协作。其实其中没有任何功能
132
是至少五年甚至十年前无法实现的。其实，这个例子不太恰当，因为它依赖于许多前沿的 Web 技术。但如果你随机挑选 10 家
133
在 ChatGPT 发布前一天成立的 SaaS 公司，其中有多少本可以在过去 15 年中的任何时间点创立？
134
关键在于有人意识到：哦，那个行业里存在这个问题，而我们可以用这种方式解决它。这一切并非在
135
Google Docs 出现后的第二天就发生了。人们花了大约 10 到 20 年时间才发明出所有这些技术，并摸索出如何用它们来实现目标。所以我想表达的是：没错，变化会很快，
136
但实际上，人们需要相当长的时间才能彻底改变其业务运作方式。你的观点令人倍感安心，基本上就是说：好吧，
137
这确实是一件大事，但我们此前已历经多次转型，一切都会好起来的。我在演讲结尾部分有一张幻灯片，标题大概是：
138
“这次将完全不同，就像以往每一次变革一样与众不同。”紧接着的下一张幻灯片是一则 20 世纪 50 年代的 IBM 广告，画面中是一片
139
身穿白衬衫、打着领带的白人男性，他们手中都拿着飞行规则手册。这则广告的标题口号写着：这是一则 IBM 广告。它说是一台IBM电子计算器。那还是在它被称为“计算机”之前。
140
它是一台电子计算器，体积像冰箱一样大，相当于多了 150 名工程师。
141
有多少听众所在公司的口号基本上是“我们将额外提供 150 名工程师”？这难道不就是 Claude Code 的核心卖点吗？150 名。免费或不免费的额外工程师。
142
这相当于一大笔钱。嗯，所以这就是它给你带来的，而且我们确实一直在反复经历这个过程，只是为了使这一点变得具体一些。我意思是，显然我们不可能
143
在没有互联网的情况下也能做到这一点。我演示文稿中有一张幻灯片，我们或许可以讨论一下，这是一张图表，显示自50年代以来美国超市中商品种类的数量。
144
自 20 世纪 50 年代以来美国超市中的商品数量。这张幻灯片的核心观点是：条形码让超市能够储备更多商品，因为他们可以追踪库存。
145
但要制作这张图表，我必须知道有一个叫“食品营销协会”（Food Marketing Institute）的机构，并且得发现他们每年都会发布超市中 SKU 数量的数据。
146
然后我还得意识到该机构自 20 世纪 50 年代就已存在。如果我挖掘得足够深入，或许就能整理出完整的时间序列，进而绘制出整张图表。现在想象一下在 1994 年做这件事会怎样。
147
首先，你根本不知道这些数据存在。你真的得亲自去图书馆，找到他们发布该数字的地方，再从中提取具体数值。你完全
148
无从下手。接着你还得找到藏有这些资料的图书馆。所以你大概要花三天时间打电话，再斥资约 50 美元打长途电话，只为 locating 一个拥有这些资料的图书馆。
149
或者你直接致电食品营销协会，对方可能会说：“没问题，如果你愿意购买，我们可以以每份 500 美元的价格卖给你。”于是你就知道，接下来你可能得
150
住在纽约，或者某个有这些数据的地方，两周后你拿到了图表，看了一眼，而另一方面，分析师的生活就是整天忙着制作图表，然后看着它心想：这没什么意思。
151
所以你花了两周时间制作图表，然后看着它心想：是啊，我不会用这个。而对我来说，这在 Google 上只需要两个小时。所以我们往往忘记了互联网带来的变革有多么巨大。
152
这话有点绕，但我想说的是，我们常常忽略了这些翻天覆地的变化，因为我们觉得世界向来如此。
153
世界向来如此。但这次可能不同的是，尽管你的代码有所不同，但一切都将发生改变，就像上次一样。
154
显然，最大的不同在于 AGI（通用人工智能）可能会出现，超级智能也可能诞生。它们能够完成人类的工作，替我们处理大量事务，甚至直接取代工作岗位。
155
对于我们正在经历的这场转型，你有什么看法？ 我不知道。我在撰写关于 AI 的文章时，一直纠结于这一点。因为在 2023 年到 2024 年初，
156
所有的问题其实早在 2022 年 12 月就可以被提出。问题本身没有太大变化，策略也没有太大变化。我认为关于 AGI 的问题某种程度上也是如此。
157
是一样的。我的意思是，我们可以观察到的一个事实是，你知道，我们没有关于人类智能是什么的理论，也没有关于这些模型为何如此有效的理论，我们没有
158
关于它们会变得多么强大的理论，所以我们现在都只是凭感觉在预测未来会发生什么。然后你可能会遇到那种凌晨两点的情况
159
你知道，那些嗑了药的哲学系学生在谈论，嘿，兄弟，这算是意识吗？也许我们也没有意识，只是自以为有罢了。是啊，太棒了，谢谢。我觉得有一点
160
我们今天能观察到的是，我们其实一无所知。我们可以猜测，但并不真正清楚这场变革最终会走向何方。我认为今天可以说的是，目前有很多种类的
161
术语重新定义所以我去年年底在演讲中引用的一句话是一位名为Larry Tesla的AI科学家说的，他说AI就是机器目前还不能做的东西，一旦机器能做了，就不再是AI了。
162
人们说，"那只是软件而已。"所以，我确实时不时会在社交媒体上发起投票，问大家：「机器学习还算人工智能吗？」
163
因为我确实听到过有人说：“哦，那不是 AI，那只是图像识别。”或者说“那不是 AI，那只是情感分析”。所以 AI 这个词有点像“技术”这个词。就像如果
164
在加密领域，这个问题没有正确的答案。但重要的是，你要清楚自己在说什么。不过，这个问题并没有一个明确的答案。我们会达到具有人类水平智能的阶段吗？我不知道，我认为我们目前还没有办法回答这个问题，也许不会，对此你可以从正反两方面进行论证。与此同时，我们确实拥有某种明显具有变革性技术的东西，而这里的关键点是，即使你对模型的某些方面持怀疑态度，你也无需相信它。
165
因此，人们有种感觉，认为 AI 就像一个移动的目标，指的是那些刚刚开始奏效的技术。而我想表达的重点是，现在可以清楚地看到，人们正在重新定义 AGI，将其指代为那些
166
现在能用了。那么，AI 现在的定义是什么？是不是指它能完成一定比例具有经济价值的工作？这和它拥有灵魂、是活生生的存在，完全是两码事。因为
167
数据库就能做到。你知道，1975 年的 IBM 大型机就能完成此前由人类承担的相当一部分具有经济价值的工作，而事实证明，
168
还有很多其他事情是它当时做不到的，我们当时也不知道它们的存在，所以这里有很多创造性的重新定义。至于“超级智能”，我不确定它是否真的是“超级”。
169
智能体是高于还是低于 AGI？因为去年我认为超级智能非常强大，但还达不到真正的 AGI 水平；而现在却变成了：不不，我们已经拥有 AGI 了，但是……
170
超级智能，这真的很难。这些术语就像……我说什么来着？这很有趣，我今天早上在 Hacker News 上还在争论这个问题。你还记得那个观点吗，你
171
还记得那个争论吗？这从来都不是什么值得花时间的事，但你记得人们会争论 crypto 究竟是 blockchain，还是 blockchain 究竟是
172
加密货币，这个问题没有正确答案，我们只需确保理解自己说这个词时的含义即可，但这本身并没有一个标准答案。我们是否会迎来
173
具备人类水平智能的系统？我们不知道，我认为目前没有任何方法能回答这个问题。也许能，也许不能，双方都能提出论据。但与此同时，
174
我们确实拥有了一项显然具有完全变革性的技术。或许这里真正重要的观点是：即使模型明天就停止进步，即使这就是终点，
175
即使我们明天就撞上天花板，这仍然是一项极其有用的技术，它将改变世界，并在未来
176
10 年内逐步铺开。因此，你无需相信那些关于超级智能的论断，也能认识到这是一件大事。 有一点确实改变了：我曾邀请你的前老板 Mark Anderson 做客播客，
177
我们在正式录制前聊过这个话题，但录制时没来得及展开。他提出一个见解：如今企业的机会空间要大得多。过去我们从未有过万亿美元级别的公司，
178
而现在，我们将拥有数十家万亿美元级别的公司。也就是说，企业能够增长的规模上限大幅提升，估值也随之水涨船高。
179
而他的观点是，人们还没有真正意识到现在公司能变得有多大。比如，每个人都在五到六个月的时间里达到1亿美金的营收。对此有什么看法？是的，我
180
意思是，这正是他多年前提出的软件吃掉世界的论点，你知道，大约15年前，那时的市场总规模（TAM）会越来越大，因为你能够触及经济中越来越大的部分
181
所以，如果你想想经典的平台转变框架，你知道，大型机（mainframe）的安装基数在巅峰时期大概是7万到8万台
182
虽然“大型机”这个术语有些模糊，到底什么才算大型机，什么时候一台机器变成两台大型机，但大致是这个数量级
183
然后当互联网兴起时，当时全球大约有5000万到1亿台个人电脑，而今天可能已经超过10亿台，1.5亿台左右
184
当然其中很多是企业用的，全球大约有7到8亿台消费级个人电脑，而全球大约有55亿到60亿部移动智能手机
185
这就是为什么你能在JTP上拥有9亿周活跃IT用户。所以大约五年前有一种说法是，我们已经没有更多的人了，所以接下来的事情不可能再扩大一个数量级
186
这在某种程度上是对的，但这是错误的模型，因为很明显现在发生的事情是，你正在向另一个方向发展，你只是不断扩展并以新的方式自动化经济
187
以全新的方式推动经济发展。嗯，现在回到你关于就业的观点，你可以说我们只会用 AI 取代所有人，然后所有的钱都流向
188
Sam Altman，你知道，Mark 可以再给自己买一架湾流飞机。我想他是想扩充机队。我认为另一种答案是，这又回到了“劳动总量谬误”，
189
你知道，在过去 200 年里，每一项技术确实淘汰了一批工作岗位，但也创造了一批新的工作岗位，创造了大量新价值，为我们所有人带来了繁荣，
190
虽然这个过程很痛苦，但它总是能创造更多的价值。因此，在这里我们可以做一个非常有用的类比，那就是电力行业，
191
看看电力是如何成为一切事物的组成部分的，而软件也一直在以类似的方式逐步渗透。这里的类比就是工厂里的电力，然后
192
电力逐渐扩散开来，所以重点在于，它会慢慢扩展到做越来越多的事情，从而创造越来越多的价值，对经济做出越来越大的
193
贡献。当然，它也会融入各种事物之中而变得不可见。我演示文稿中关于资本部分的重点就在于此，
194
嗯，Sam Altman 有句名言，他说我们将像售卖水或电力一样，通过计量表来售卖 AI 智能。但你看看
195
看到这个，你会想到，我亲爱的孩子，你可能需要我来向你解释一下公用事业行业的利润率结构，因为猜猜看，当你看电视的时候，电视台并不会支付
196
你每月付给电力公司的账单中，电费所占的百分比是多少？你知道，当你洗衣服时，Bosch 并不会从洗衣机的价格中抽取百分比。显然，这
197
目前更具体、战术性的问题是，我们最终是否会拥有三个巨大的模型，还是会出现数百个模型，包括开放模型和
198
本地模型等等。即使我们最终确实只剩下，比如说，随便选个数字，3 到 6 个乃至 10 个巨型基础模型，每年成本高达数千亿美元。那也没关系。
199
他们从中获得了所有价值吗？我职业生涯起步于电信分析师，所以至今仍会关注这一领域。全球移动行业的年收入约为 1 万亿美元。
200
年，现在可能稍多一点。它每年的资本支出约为 2000 亿美元。整个电信行业约为 3000 亿美元，其中移动领域约为 2000 亿美元。这相当于每年收入的 15% 到 20%。
201
如果你查看移动数据消费量的图表，它是一条完美的指数曲线，直线上升。而现在的数字，我认为大约是原来的 1500 到 2000 倍2010 年全球的情况。
202
而股价在 25 年里毫无起色，因为它是一个低增长、低利润率的公用事业型大宗商品业务，尽管他们提供的这项全球技术基础设施客观上令人惊叹，但却
203
巨大的复杂性和极高的精密程度，但所有酷炫的东西都是由你们创造的。是由收听这期播客的听众创造的。是由其他人创造的。这就像是那种
204
这是一个关键时刻，电信运营商曾认为他们会完成你在 iPhone 上所做的所有事情。而且他们不仅不做，苹果也不做。这些都是更上层的栈。嗯，所以这正是目前围绕基础模型的一个根本性问题
205
模型是不是能完成所有的事情？你是不是可以直接去聊天界面，让聊天机器人完成所有的事情？模型公司能不能继续构建这些类似为X定制的工具？
206
为各种事物构建了界面，在我看来，这非常像你在 Excel 中点击“新建文件”时看到的东西。就像平板电脑一样，但事实上，所有这些公司都是价值数十亿美元的企业。
207
嗯。如果不是，那也不一定。难道所有东西都必须是“应用”吗？我指的是所谓的应用，不管这个词到底意味着什么。
208
如果这一切都必须以应用的形式存在，那么谁来构建它们呢？它们不可能都由模型实验室来构建，就像当初并非所有应用都由微软构建一样。因此，如果它们都由其他公司构建，
209
基础模型是否会像 Windows 那样在技术栈上层形成杠杆效应？还是说这更像 AWS，比如如果你是一家工程公司或律师事务所，购买一部分
210
软件，你并不关心它运行在哪个云上，也不必非要统一使用 AWS，因为所有软件都在那里，而且开发者也都统一使用 AWS。因为所有客户都使用AWS。
211
事情并非如此运作。Windows 操作系统是这样运作的，但实际的工作方式并非如此。因此在我看来，如果聊天机器人不是用户体验的核心，而必须依赖应用程序和模型……
212
公司不会去构建那个，而模型本身基本上就是大宗商品；既然作为用户你能看到这一点，那模型公司又怎么会有定价权呢？
213
难道所有价值不都会进一步向上游堆栈集中吗？这不基本上就是有三到六家公司在以边际成本出售大宗商品吗？当然，那些半导体分析师们
214
不不不不，未来将永远拥有无限的定价权。抱歉我有点夸张了，但我认为非常重要的是要区分我们目前所处的阶段
215
现在你看到的是极端的价格平衡，你知道那个OpenClaw的人上个月花了150万美元买词元。嗯，但这就像2010年有人收到5万美元的移动数据账单。
216
这是暂时的。这些图表上的线条最终会达到一个稳定状态的平衡点，所有这些线条都会对齐，不再出现这种奇怪疯狂的情况，
217
那么你还会拥有定价权吗？还是说你有三到四到五家公司都在卖同样的东西，那么你应当有较低的定价，
218
较低的利润率，而价值则会进一步向上集中。我非常兴奋地告诉你，本季的赞助商是Vanta。Vanta帮助超过15,000家公司，如Cursor、Ramp、Duolingo、Snowflake和Atlassian
219
赢得并证明他们对客户的信任。由于AI的使用，团队现在比以往任何时候都能更快地构建和发布产品。但与此同时，产品和业务中引入的风险也比以往任何时候都高。
220
我与每一位安全负责人交谈时，他们都感受到保护组织、业务以及客户数据的负担日益加重。因为事情发展得太快，他们只能不断应对，猜测优先事项，并使用过时的解决方案来应对。Vanta通过覆盖
221
35 个安全和隐私框架，包括 SOC 2、ISO 27001 和 HIPAA。这有助于企业快速实现合规并持续保持合规状态。前所未有的，Trust 拥有能力去
222
决定您的业务成败。了解更多请访问 vanta.com/lenny。作为本播客的听众，您可享受 Vanta 1000 美元的优惠。访问 vanta.com/lenny 即可。
223
这里有一个非常有趣的结论：你的观点是，随着时间的推移，基础模型公司（如 Anthropic、OpenAI 等）的利润率将受到挤压，它们将不再像现在这样
224
如今它们虽然已经取得了成功。但更大的机会在于应用层，也就是那些在模型之上构建产品的人，比如开发者和创作者。
225
是的。我的意思是，这是一个非常确定性的论点，即模型公司——我关键想说的是，模型似乎不具备网络效应。因此，似乎不会出现赢家通吃的局面
226
所有这些中有一个会远远领先于其他，所以你应该永远存在竞争。你永远存在竞争。你不会有你不会有不同的主要像在产品层面实现真正的颠覆性差异化。
227
那么你怎么会有定价权呢？况且，如果你需要成千上万个由不同人构建的各不相同的应用程序，这些不可能全都由模型来构建。
228
人们，所以它最终应该更像云计算，而不是像现在的 Windows。当然，这可能完全错了，正如我在演示中提到的一个观点：想象一下拥有这个
229
就像1997年关于互联网的讨论，你当时正确预测了哪些方面？或者比如说2000年关于移动互联网的讨论，你们大多数人其实几乎都预测错了。你肯定
230
会说像一家来自加密领域的旧 PC 公司会赢得整个市场，但没人会这么说。还有那家有着奇怪标志的搜索公司，搜索，那又有什么关系呢
231
这跟移动设备无关，别忘了你是个傻瓜。所以，我们应该假设我们不知道，但它们都是某种基本的构建模块，但为什么它们会这样呢？
232
拥有定价权吗？嗯，我不知道。我在 99 年还是个初级分析师时，曾去英国拜访过一家.com 公司，他们试图在线销售电脑显卡组件，就像
233
而且，嗯，他们有一套完整的模型、故事和品牌叙事，方方面面都准备好了。我们去拜访了他们，在从伯明翰返回的火车上，这种……
234
资深银行家大卫·泰特说我们都在讨论这个问题，塔蒂说这是一家低利润率的一次性销售商，无论你说什么.com.com都改变不了它是低利润率产品的事实。我认为
235
这就是问题的关键，他们是未分化的商品基础设施提供商。这里面有很多科学内容，但移动领域也有很多科学。我是说，你为平板屏幕做些什么？比如，平板屏幕领域有诺贝尔奖得主。它们仍然
236
是低利润的商品。我期待着被证明是错误的，但嘿，现在看起来就是这样。这很棒。我知道你不是投资者，我知道你实际上在A6Z并没有做过投资，尽管你为A6Z合伙人工作。
237
合伙人只是坐那儿发表议论。你有没有一些公司是你会投资的？比如，现在有没有几家你愿意投资的公司，或者有没有一些类别
238
在那张名单上？
239
你知道，我之前简短地提到过，我曾是一名分析师。我曾是一名卖方股权分析师，但我并不是一个非常出色的卖方股权分析师，部分原因是我对与客户交谈不感兴趣。部分原因是我对股价不感兴趣，这似乎像是一个不适合做股权分析师的资格。嗯，你知道，我不太，你知道，
240
有这方面的兴趣。正确和过早之间存在巨大差异，正确的公司和正确的价格之间也存在巨大差异。现在，从确定性角度来看，你可以观察
241
整个市场并说，嗯，你知道，就像那个关于智商Bell Curve的梗图一样，智商 50 的人和智商 200 的人都会说：'Jeff Bezos 是个聪明人，我买他的股票。'
242
股票。你当然可以把这一切想得过于复杂，你可以看看 Google、Apple、Facebook、Amazon，然后说，面对所有这些变化，很难看出它们真的有什么问题。
243
你当然也能看到它们各自面临的问题，其中某一家可能会失手，但值得记住的是移动互联网时代发生的一切。
244
你知道，互联网曾是一个显而易见的大规模平台转型。而关于移动互联网有趣的一点是，有些公司完全错过了它。而对另一些公司来说，这其实什么都没改变。
245
比如对 Google 而言，什么都没变。对 Meta 来说，这很棒。因为在手机上做社交比在 PC 上好得多，因为你随时拥有摄像头、通知功能，而且手机时刻随身。
246
至于 Amazon，这改变了什么？其实也没改变一切。我是说，我这里大大简化了，但重点是，与此同时，Yahoo
247
Yahoo Mail 没能完成这次转型。有些公司本就奄奄一息，最终也未能完成转型。
248
也许是 eBay，具体名字可以争论。关键是，我们经历了那次转型，但对半个行业、半个互联网行业来说，一切并未改变。
249
所以我认为，这里也可以提出类似的观点。正如 a16z 的 Stephen Silowski（曾负责 Windows 业务）常说的：在位者总是试图
250
把新事物变成一个功能。有时他们是对的，有时它确实只是个功能。顺着这个思路，我想听听你的看法。
251
最近多位嘉宾都提到一个趋势：分发正成为越来越深的护城河。因为软件构建变得更容易，人人都在推出产品，人人都在争夺注意力。获取用户注意力向来不易，但现在市场噪音简直疯狂攀升。
252
在我看来，这意味着分发正成为一项越来越有价值的技能和资产。这也意味着在位者将比那些试图突围的初创公司成功得多，因为他们已经拥有分发渠道。
253
是的。我的意思是，这有点像那个 Drake 的表情包，他说“我不喜欢那个，我喜欢这个”。就像是，你知道，我不喜欢看到 GPT-2 说唱歌手，但我喜欢智能体。
254
所以，是的，我确实在去年年底的演讲中花了一些时间讨论这个问题：如果产品是商品，那么分销才是关键。而且你
255
知道，我今年早些时候写了一篇关于 OpenAI 的文章，探讨他们如何竞争？这里有一个很多人做出的明显类比，那就是与网页浏览器相比。
256
从根本上说，网页浏览器这里有一个区别，我认为在于作为产品的网页浏览器和网页浏览器渲染引擎之间。渲染引擎可能更好或更差，
257
但浏览器产品只是一个非常薄的渲染引擎包装器。就像一个输入框和一个输出框，还有什么呢？上一次浏览器设计的创新是什么？
258
标签页浏览，那是 20 年甚至 25 年前的事了。因为每隔一段时间就有人试图在浏览器设计上进行创新，但从未成功，就像
259
你已经找到了柏拉图式的理想形态。这就像试图在智能手机设计上进行创新一样，你知道，它就是一个玻璃矩形，你无能为力。所以当然发生的情况是，
260
微软利用分销渠道打破了局面。嗯，当然，撇开诉讼不谈，结果证明赢得浏览器市场并不重要
261
总之，因为价值在于更上层的技术栈，所以微软虽然在浏览器领域赢了五六年，但这并无意义，也没给他们带来任何实质收益。因此，显然现在正在发生的是
262
谷歌正利用其分发优势来推动 Gemini。那么 Gemini 与其他产品有何不同？如果你整天都在使用这些工具，你就会发现……
263
知道，但对于普通人来说没什么区别，Meta 也是一样。你看看调查数据，关于人们使用哪些产品，甚至是在新的新闻动态功能之前，在 Llama 发布之前就是这样。
264
Meta 当时落后了，它排在 ChatGPT 和 Gemini 之间，如果你在科技圈，大家可能已经完全看衰它了。但感觉像是他们把它铺到了每一项服务上。
265
Surface，表现也不算差，还可以。所以，当一个领域基本成为商品化竞争时，一款合格产品的分发能力以及品牌就变得至关重要。这一点你可以看到，在……
266
看到这一点，就像去年年底 OpenAI 的策略，人们称之为“昨日的一切”。所以，他们只是试图尝试各种方法。
267
弄清楚如何实现这一点，比如我们如何构建飞轮？如何获取分发渠道？如何让产品具有粘性？如何为用户提供真正能留住他们的东西？
268
在 Google、Meta 和 Amazon 将其铺天盖地推广并让所有人都使用之前就用上了？然后你就有了这种惯性，有了默认选项的力量，那你为什么要切换呢？
269
显然，苹果是最后一个意识到这一点的。嗯，当时有一个略微奇怪的初始设想，现在又有一个更奇怪的故事，我想要起诉苹果。
270
祝你好运。嗯，关于苹果交易这件事有趣的地方是，我不太想跑题，但如果你回过头去看2024年的WWDC，它的后半部分几乎全部都是
271
关于苹果智能的内容。那是一个最令人信服的个人AI助手的愿景，直到现在我仍然认为这是最令人信服的愿景。他们后来没能推出，但其他人也没能
272
推出。你再看一遍，你会觉得："好吧，你想要的是一个基于设备端AI的工具，没有提示注入，没有幻觉，而且有一个完全标准化的API系统"
273
覆盖10,000个应用，所有意图都能完美运行，听起来不错，但我并不惊讶他们没能推出，但其他人也没能推出。
274
但那个愿景很棒。你知道，我真的很想看看一个月后的WWDC会发生什么。他们现在真的会用Gemini推出这个功能吗？但这也是另一个问题，
275
比如，会有名为AI智能（无论我们怎么称呼它）的Gemini智能在安卓上推出，然后会有苹果智能在iOS上推出，它由Gemini驱动，但它
276
不会是相同的产品集，模型只是底层的通用部分。用一种有趣的方式来说，模型就是支撑这个功能的底层通用部分，模型是商品
277
它驱动着关于功能应如何设计以及分发策略的不同决策，而在这种情况下，苹果当然拥有约 10 亿台设备可以运行这项技术。
278
边缘功能，而且谷歌有很棒的营销口号：即将登陆我们最强大的设备，这意味着大多数安卓设备上用不了。
279
所以再说一次，分发问题很有趣。Google I/O 就在下周，我们拭目以待他们会发布什么。
280
哦不，他们推出了，他们已经推出了，他们推出了一个安卓系统，这说明了……这说明了……就像，是今天吗？对。
281
不，他们上周就发布了。我的意思是，这恰恰说明我们不再关注 Android 和 iPhone 了。就像 Google 确实搞了一个大
282
上周的事情。他们正在用Google书籍取代Chromebook，并且他们推出了一种由Gemini驱动的新Android智能，这将向像五个人这样的用户推出
283
买了一部 Pixel 手机。
284
你又不是为 Google 工作。是的。嗯，我想换个稍微不同的方向。我很好奇你是否在关注日益增长的反 AI 情绪。感觉如果你看过这些
285
调查，AI 的受欢迎程度甚至不如 ICE（美国移民和海关执法局）。人们正试图阻止数据中心的建设。我认为 Eric Schmidt 最近在一次毕业典礼上发表演讲，每次他
286
提到 AI 时，人们都在喝倒彩。你到底觉得这是怎么回事？
287
你觉得随着时间的推移，这会走向何方？这很有趣，这是一团由不同因素交织而成的模糊乱象。我认为确实存在一些切实的问题，比如我的电费账单上涨了，这在客观上只适用于极少数
288
地区，但确实发生了。而关于用水的问题就很奇怪，因为这完全是假的。嗯，我应该解释一下我的意思：数据中心确实用水进行
289
冷却，但主要是闭环系统。而且相对于美国的总用水量，数据中心的数量微乎其微。我实际上专门去研究了 Livermore 实验室在
290
2024 年底进行的一项研究，他们估算了美国数据中心的用水量，结果仅占美国总用水量的约 0.017%。
291
很明显，如果你住在小城镇，只有一口井，而他们封住了这口井，把所有的水都给了数据中心，那你肯定会非常生气，但这种情况
292
是规划问题，而不是数据中心的问题。一般来说，数据中心确实占用了美国约5%的能源，并且未来五年可能每年增长1%
293
左右，但关于用水的问题完全是无稽之谈。然后你再看看更具体的情况，比如这是否真的在夺走工作机会，你可以看一堆三小时的播客，经济学家们
294
互相讨论，主要的结论是：我们目前还不清楚。有一些图表显示是这样，也有一些图表显示不是这样。显然，18到24岁年轻人的就业率有所放缓，但这种放缓
295
似乎在有学位和没有学位的人群中都存在，也出现在那些看起来容易受到AI影响和不容易受到AI影响的领域中。因此，关于这一点有很多计量经济学的争论，
296
而且我必须说，这里有一个更广泛的观点，即我们对AI领域正在发生的事情几乎没有任何数据。模型实验室不会告诉我们任何有用的信息，
297
他们不会提供任何有意义的使用数据，只会做一些奇怪的研究，比如有多少人用这个工具做那件事。他们不会告诉我们每日活跃使用人数。我们甚至没有一个每日活跃用户数量的统计。
298
ChatGPT 的日活跃用户数。这太疯狂了。而且所有数据都来自学术经济学家，他们试图从劳工统计局（BLS）的调查、咨询公司以及营销机构的支出中反推信息。
299
资金去调查两万人，问他们“你们在用这些东西做什么？”我们并没有关于实际情况的优质数据，也不知道究竟有多少人在真正使用它。但是
300
但回到就业问题，因此有很多人正在梳理美国人口普查局收集的所有数据，试图弄清楚我们能在哪里看到这种影响？我们能否
301
看到生产力提升吗？我们能看到什么？我认为目前的答案是，对于 AI 是否对就业产生了影响，尚无明确共识。但当然，这在政治上并不重要
302
比如如果你是一名学生却找不到工作，这显然是一个问题，至于原因是 AI 还是特朗普和恐怖分子，那是另一个问题。那么你就会看到
303
比如像一些小众的工作，比如那些为青少年浪漫小说绘制封面的人，现在因为可以生成裸女骑在飞龙背上的图片而感到非常不满
304
穿越火山却无需付费。抱歉，我故意说得有些刻薄，但确实存在这种情况。尤其是像小说家这类人群，
305
撰写电子书的人，关于是否可以使用AI存在一场巨大的文化战争。这里有一个关于AI劣质内容的争议，你知道，你看到过这样的数据，大约有30%到40%的新播客
306
由 AI 生成的。所以这里有很多模糊不清的问题。
307
我认为其中一些情况有点像我们之前对社交媒体产生的反弹，只是节奏被大大压缩了。就像当时对社交媒体的反弹，有些是真实的，有些部分真实，还有些则并非如此。
308
你知道，这总是像整个脸书出售你数据的事情那样被举例说明，这其实并不属实，但那些相信这一点的人却非常坚持认为这肯定是真的，而且
309
你显然疯了才会提出相反的观点。你知道，这就像乔纳森·斯威夫特说的那句话，你无法用理性说服一个不愿理性思考的人。嗯，所以
310
这有点跑题了，回答你的问题花了很长时间，但你会看到各种各样的观点，就像你在社交媒体上看到的那样。大约有 20 种不同的
311
事情。其中有些是真实存在的，有些则完全不是真的，而大部分都处于一种模糊混乱的中间状态。
312
所有这些都意味着，与此同时，特朗普表示他希望就危险模型发布新的行政命令，而我实际上认为这并非引发强烈反弹的原因。
313
担心导弹网络攻击，我觉得这可不是美国普通民众会讨论的话题，但正是这件事让特朗普对这类技术产生了兴趣。再说一次，让我稍微岔开一下话题。
314
我最喜欢问那些有孩子并且来到播客上的人，尤其是那些对事情未来发展方向思考非常深入的人。
315
鉴于你对世界发展趋势以及 AI 将如何影响未来的了解，你在养育孩子的方式上做出了哪些改变？具体来说，你在教他们些什么？从不同的角度来看，这是否可能在未来对他们有所帮助？
316
我不确定。我觉得这里存在一条曲线：如果你的孩子将在未来一两年内进入就业市场，那么一切都充满变数，没人知道该如何应对。
317
这会奏效的。如果你有孩子将在五年后进入就业市场，那谁知道呢？嗯，但到那时，局势很可能以难以预测的方式大幅稳定下来。所以，我可能会非常
318
如果我有个 21 岁的孩子，我会更担心。不过我没有，我有个孩子刚十几岁出头。所以，这些问题因人而异。此外，还有很多其他问题
319
在 ChatGPT 出现之前也是如此，你看，守门人崩塌了，你真的应该相信 TikTok 上那个网红说的话吗？你到底是从哪里获取你的
320
了解以色列等地正在发生的一切，以及所有这类社交媒体和互联网媒体消费相关的问题。嗯，我不知道，有些人对此超级超级在意，你了解孩子生活中的每一分钟。
321
嗯，我不太记得了，不过我记得乔治·卡林说过的一句话，就是如果你开得比你快的人是疯子，开得比你慢的人是傻子，这当然也适用。
322
育儿方面。嗯，所以我，你知道，就像每个人都认为自己处于中间立场，但你知道，我并没有一个非常系统化、广泛且连贯的计划
323
这就是我的孩子在 3 个月、6 个月、12 个月或 18 个月后将要从事的事情。嗯，只要他别再弄坏他的 Chromebook，我就满足了。
324
我喜欢你那种总体的态度，就是“大家会没事的，一切都会好起来的”。
325
是的。呃，我不知道你是否——我想如果你，你知道，也许这是因为我是英国人，而我们已经有 500 年没有经历过政治暴力了。嗯，我想，你知道，如果我来自伊朗，我会
326
对未来保持冷静的心态会有所不同。嗯，我认为有一层意思是，是的，这会改变很多事情，我们需要为此担忧，但这某种程度上是常态。
327
我们一直都有这种情况。我记得在社交媒体引发恐慌的那波浪潮中，我翻出了一些资料，发现 70 年代末有一大批关于数据库的书籍。当时人们对数据库也充满了恐慌，
328
而其中一半的担忧确实成真了。
329
比如，你知道，如果所有人的警察记录和逮捕记录，或者说所有的警方档案和政府记录都上线了，那情况就完全不同了。再比如，想想深度伪造（deep fake）的问题，
330
对此有一种很愚蠢的反应，就是说：“哎，你没听说过 Photoshop 吗？”
331
这话没错，但一个 15 岁的孩子不可能用 Photoshop 在一下午内制作出学校里每个女生的硬核色情裸照，并发给全校所有人，还能把它们做成视频。
332
没错。甚至可以说，现在他们能做到更多。所以，这确实不一样。这有点像社交领域面临的挑战。你知道，人们在 90 年代会说：
333
“这太棒了。你可以成为你村子里唯一的同性恋者，却能找到其他同性恋者，找到属于你的群体。”但结果呢？你也可能是你村子里唯一的纳粹分子，
334
你的村庄或你村庄里唯一想看儿童色情内容的人，或者某个想看儿童色情内容的人。是的，现在你可以找到其他也喜欢看儿童色情内容的人，他们会
335
告诉你这很棒。所以，哎呀，我们把所有人都连接起来了，不幸的是，这也意味着我们把所有坏人和我们自己最糟糕的本能都连接起来了，社会上的每一个问题都会被放大。
336
这种情况在AI时代也会再次发生。你知道吗，我们现在能看到的明显例子就是深度伪造的新闻。未来还会有大量类似的事情发生。此外，作为一个技术背景的听众，
337
你应该知道一件事。你听说过英国邮政丑闻吗？没有。好的，那我简单说一下。在英国，邮政局大部分是特许经营店，由小企业主经营，通常是由药店经营，很多都是印度移民的第二代。
338
大约15年前，英国邮政局推出了一套新的销售点电脑系统。他们在店里设了一个专门的柜台，就是邮政局的柜台。
339
邮政局推出这套由富士通开发的新电脑系统，但系统中存在很多漏洞，导致现金短缺。邮政局看到这种情况后说："啊哈，我们早就知道这些
340
人们说我们一直在被偷。数百人被送进监狱，不少人自杀，还有人破产，失去了自己的房子。与此同时，邮政局和富士通的员工却继续
341
试图向法院证明系统中没有漏洞，也没有其他人遇到过这个问题。这是70年代的技术。
342
而这正是每波技术带来的一个关键点，即无论是有意还是无意，都可能以各种方式毁掉人们的生活。这就是整个中国大规模监控的问题。
343
是故意的。这也许意味着人们应该入狱，也许不该。但每项技术都是如此。我们有很多方法可以毁掉人们的生活，而你必须意识到这一点，同时也别因此惊慌失措。
344
那么，也许顺着这条思路，再回到关于孩子和工作的那些话题。有没有哪种工作是你建议孩子避开的？又有没有哪种工作是你认为
345
想引导他们走向哪里？这个我还真说不准，毕竟现在还早。他还没到那种“我想当消防员”的阶段。不过 那说不定是个好职业。
346
是的。而且如果你看看我的职业生涯，你知道，我最初是做股权分析师，然后去了工业界工作，之后又成为了一名顾问，就像你知道的那些日子
347
你大概早就知道自己的职业生涯会走向何方，或者说，有些人很明显就想成为建筑师、软件工程师之类的，对吧？
348
成为 X 还是 Y，我不知道。我想我唯一的思路就是，你会慢慢发现，你拥有一系列技能，同时也存在一系列
349
有些工作能让你发挥所长，有些则是人们愿意付费让你去做的事。你至少得占其中两项，最好三项全占。
350
好的。那么，让我们把视野拉远一点，我问你一个元问题。你认为有什么关于 AI 的问题是至今无人问津，或者关注的人还不够多、但我们理应去探讨的？
351
我们自己呢？当然。我们谈到了价值捕获，显然现在每个人都在问——我不确定有多少人正在质疑模型实验室是否拥有定价权。我
352
认为很多人只是假设当前的状况会持续下去，或者理所当然地认为它们会。所以我觉得这或许是一个还没有足够多人去问的问题。我认为这个问题
353
我在演讲结尾提出的问题是：什么是任务，什么是工作？哪些事情会变成只需点击一个按钮或让智能体完成的操作，而哪些才是人们真正雇佣你所要做的事情？
354
这是一种思考这个问题的有用方式。显然，有些工作纯粹只是任务，会被自动化取代。
355
但有很多情况下，问题并非如此。我在演示文稿最后整理出的方式是一张全球录制音乐收入图表，正如您可能知道的，它是大致呈 U 型曲线。
356
因此，它从2000年到2015年左右下降了约一半，此后又回升到峰值的约75%（经通货膨胀调整后）。我看待这个问题的方式是说，而且那
357
由流媒体驱动。我当时看了这个图表，心想，这个图表的前半部分是在说，如果我不需要花15美元去购买CD才能得到那首歌，会发生什么？而
358
图表的后半部分在问：如果每月 15 美元就能获得所有音乐，会发生什么？所以，这完全是另一种类型的问题。
359
你可以，你知道，用这种方式来看待Uber，或者用这种方式来看待Airbnb，所有这些公司。也就是说，你首先做旧的事，但做得更多
360
每一项新技术出现时，人们都会在新平台上以更大的规模重做旧事。
361
所以，你知道，你把 flicker 放在手机上，你打印出你的电子邮件，然后你创造出只有通过新事物才能实现的新东西。然后也许你再进一步，你基本上完全
362
重新定义问题，然后创造出完全不同的东西。你知道，Spotify 不是一家在线音乐商店，它是另一种存在。
363
而现在，你知道，这些问题，你只有在问题被提出并打造出数十亿美元、拥有大量用户的产品之后，才能明白问题到底是什么，因为显然 Spotify 看起来就很疯狂，而且看起来
364
Crazy 和 Airbnb 看起来也很疯狂。但我认为，要理解其中的含义，你必须超越“用旧方法做得更多”的思维，转而思考：你究竟该做些什么，才能
365
不同，这是因为：这带来了什么改变？以前什么是不可能的？现在什么被解锁了？而不是仅仅以更大的规模做旧的事情。
366
是的。只是为了支持你提出的这个总体主题，即我们不知道会发生什么，因为这是前所未有的。如果你把时间线拉长到几年前，也许……
367
三四年前，你最不可能认为会被自动化的职业就是工程和编码，因为这感觉是最难的工作，我们似乎永远需要人来构建这些系统。
368
这些现在的事情，就像是所有角色中被改变最彻底的角色。你从以前自己写全部的代码，到现在只有0%的代码是AI写的，几乎就像你没意识到，你没意识到它其实
369
是无聊的、可以自动化的体力劳动。你认为它不是这样的东西。这很有趣。我意思是，我一直在看这个，这个美国政府有一个叫做Own Data的数据集，
370
叫做Onet或者类似的东西，它试图分析每一个职业，然后人们尝试给这些职业打分，他们试图说，好吧，这个职业有X或Y%的可能性
371
被AI影响，AI现在能完成Z%的工作。我认为这是一堆荒谬的、自欺欺人的胡说八道。
372
这有两个原因。第一个原因是，这其实讽刺地讲，是逻辑系统的问题。专家系统的问题。专家系统的问题在于，对于
373
那些不了解的人来说，你试图识别一张猫的图片，然后你开始建立逻辑步骤。你先做一个边缘检测器，然后做一个第三检测器，再做一个眼睛
374
检测器，再做一个耳朵检测器，15年后你有700个步骤，但还是不起作用。这就是当你试图分析一个职业，把它分解成哪些部分可以自动化、哪些不能
375
的时候会发生的事情。你无法用这种方式描述一个职业，至少我们目前还做不到。你不能看着律师事务所的高级合伙人，然后说，好吧，17%的
376
他们的工作中有 17% 可以被自动化，这简直是胡扯。你根本做不到。不过，这种谬误的另一面是谈论出租车司机。
377
所以，你知道，如果我们在 1997 年进行这场对话，那就是“优步测试”。想象一下那是 1997 年，什么会被互联网摧毁？嗯，报纸会没事的。它们只会……
378
因为它们能省下印刷费。这是个笑话，但当时人们说互联网对报纸是好事，因为它们的印刷成本会下降。嗯，没错，
379
但也并非如此。而另一方面是，显然像出租车司机这样的职业，你无法用互联网实现自动化。这和互联网毫无关系。
380
也许会有互联网预约，但那不会改变任何事。当然，它彻底改变了一切。所以，我前几天看到的一个例子是那些被认为不会受 AI 影响的事情，比如私人健身教练。好吧。
381
于是，我把 iPhone 平衡在金属支架上，摄像头对着我，让 AI 为我制定训练计划，观察我的动作并告诉我做得对不对。那我为什么还需要
382
私人健身教练呢？现在，这可能完全是胡说八道。但事情就是这样运作的。那些你认为不会暴露的领域，你无法预测哪些最终会被暴露。
383
不一定，你知道很多大公司起初看起来并不像能成功，也不像会暴露出问题。当然，这件事的另一面是，这是其中之一
384
我演示文稿最后的图表对比了 Uber 和 Airbnb，因为这就像 Mark Andre 那句老话：Uber 并不向出租车公司销售软件，Airbnb 也不向
385
软件对酒店业的影响。好吧，现在让我们来看看市场影响。在很多城市，Uber摧毁了出租车业务，同时也让城市变得更加繁荣。规模大得多，于是所有人都转向了那边。
386
Airbnb对酒店业的影响，如果你实际查看数据，其实相当有限。它们开辟了全新的业务领域，可能只是略微减缓了酒店的增长速度。
387
但你知道，我妻子下周要飞往密尔沃基。她会在晚上 8 点抵达，并且想住酒店。她想要客房服务，需要带浴缸的浴室，还需要早上六点就能用的健身房，然后七点她就要开车去客户现场。
388
她绝不会住 Airbnb。她住 Airbnb 的可能性绝对为零。而酒店业务的一半是商务旅行。你知道，一旦你深入任何具体细节，事情就会变得复杂。
389
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”。没错，确实如此，就是视情况而定。
390
所以，这又回到了我 1997 年的观点。你可以对其中一些事情做出判断。
391
但你必须保持那种谦逊。是的。我想回到你使用的这个短语，“预设根本性的不确定性”是一个很好的核心论点。所以，尽管知道所有这些，仍然很难判断。我们不知道确切的发展方向。
392
事情将会发生很大变化，但总体而言可能还会不错。只是很多听众非常担心他们的工作、职业生涯以及世界变化的程度。鉴于你所了解的情况，你会建议人们做哪几件事，以便在这个未来中更成功？
393
嗯，我应该先回应一下你刚才说的话，就像凯恩斯告诉我们的那样：从长远来看，我们都死了。
394
所以，你知道，从平均来看，嗯，你知道，平均而言，第一次世界大战中没有人死亡。这很好。但如果你知道，如果你在 1914 年是个 19 岁的年轻人，你就有，你知道，三分之一的几率……
395
三分之一的几率无法恢复。所以，是的，显然有很多职业面临着这个重大问题，尤其是如果你是初级员工，或者本应成为初级员工的话。
396
思考如何成为一名助理是一个重大问题，而这些职业将如何发展尚不明朗。金字塔结构会发生什么变化也非常不确定。
397
专业服务的结构。我认为唯一能给出的答案是，不要把头埋在沙子里，说“我讨厌这一切”，因为那只会让你
398
一种道德优越感，你可以去 Bluesky 上对每个人大喊大叫，互相指责 AI 有多么邪恶。很好，我为你感到高兴，但这无济于事。真正有用的是你
399
全身心投入其中，彻底沉浸，然后走出来，理解你能用它做什么、它将如何改变一切，以及你如何成为一名出色的员工。这可能
400
仍然没有帮助，但你知道，如果你去律所，他们可能会说，去年我们招了100名律师助理，而今年只打算招50名。在访谈时，你可以说，
showing first 400 segments · view full transcript ↗