AI观念大翻转：一年前我们相信的一切几乎都是错的?

https://www.youtube.com/watch?v=XIVpVh6X3gg
好的，这是对您提供的视频采访节目内容的分段和详细要点整理。

文章标题：AI观念大翻转：一年前我们相信的一切几乎都是错的

---

第一部分 开场引言与主题引入 (0% - 20%)

• 1. 各方观点的快速预览： 节目一开始就快速剪辑了多位嘉宾对AI的不同看法，为后续的深度讨论埋下伏笔。

  • David Magerman 将AI比喻为一挺自动机枪，而我们把这种危险的武器交给了孩子，暗示其潜在风险。
  • Gavin Baker 大胆预测，在未来10年内我们将拥有在各个学科都超越最聪明人类的通用人工智能（AGI）。
  • Elad Raz 批评专门为运行Transformer模型而构建AI加速器的想法是史上最愚蠢的主意，暗示现有硬件架构可能并非最优解。
  • Sarah Tavel 警告初创公司，如果它们假设大型语言模型（LLM）的发展会停滞不前，那么它们将被市场碾压。
  • Eran Shir 提出应对AI的唯一方法就是用AI本身，强调了以AI对抗AI的战略必要性。
  • Micha Kaufman 指出，过去被认为困难的事情将变得简单，而过去几乎不可能的事情将成为新的挑战。

• 2. 主持人介绍本集内容与背景： 主持人Michael Eisenberg解释了为何制作这期特别节目，并点明了AI领域日新月异的变化。

  • 在过去一年中，他们制作了许多涉及AI话题的节目，但这些节目谈论的是AI大辩论中不同时代的观点，因为事情变化太快了。
  • 他介绍了即将出场的几位重要嘉宾及其核心立场：Gavin Baker（极度看好）、Sarah Tavel（早期受访者）、Micha Kaufman（其公司Fiverr受AI叙事冲击）、Elad Raz（声称要挑战NVIDIA）、Eran Shir 和 Zach Greenberger（其公司合并后创造了特斯拉之外最大的物理世界数据湖）。
  • 他还提到了David Magerman，他认为AI存在已久，目前的一切只是一个巨大的泡沫。

• 3. 节目的核心目标：反思与学习： 主持人阐述了制作这期节目的目的，即提醒大家许多不久前的假设都是错误的，并从中学习。

  • 他强调，我们需要意识到自己在AI领域的许多认知已经过时，例如“算力会迅速贬值”（实际上在增长）、“推理无法盈利”（实际上非常赚钱）、“训练和推理的区别被低估”、“AI只是前沿实验室的游戏”（开源模型正在与其竞争）。
  • 他引用冰球巨星韦恩·格雷茨基的名言，指出少数伟大的投资者已经预判到了AI发展的方向。

---

第二部分 AI泡沫与投资回报的激烈争论 (20% - 43%)

• 1. 大卫·马格曼的“泡沫论”： David Magerman 对当前的AI热潮提出了尖锐批评，认为这是一场史无前例的金融泡沫。

  • 他认为当前AI泡沫的规模可能是互联网泡沫的10到50倍，但问题是它本质上是“垄断货币”。
  • 他解释了这个机制：少数几家大公司互相购买对方的产品和服务（例如花100亿美元买NVIDIA的电脑，同时又投资NVIDIA），这相当于自己付钱给自己买设备，形成了一种内部循环。
  • 他断言，这种模式最终会导致成本转嫁，例如做推理的公司花了10美元成本，最终必须向客户收取15美元才能生存。
  • 他直言不讳地批评OpenAI不是一个正常运营的企业，其商业模式更像是一个庞氏骗局。

• 2. 埃拉德·拉兹对硬件进步的质疑： Elad Raz 从技术层面分析了NVIDIA最新硬件的进步，认为其性能提升主要靠堆叠功耗，而非架构创新。

  • 他将Blackwell和Hopper两代芯片的核心算力进行对比，发现Blackwell的性能是Hopper的两倍，但功耗也是两倍。
  • 他指出，从Hopper到Blackwell，核心架构几乎没有改进，除了NVLink等外围技术。
  • 他进一步预测，下一代Rubin芯片同样会是性能和功耗同步翻倍的线性缩放模式，暗示这种模式不可持续。

• 3. 加文·贝克尔的“高投入回报”辩护： Gavin Baker 作为坚定的多头，用财务数据反驳了泡沫论，强调迄今为止的巨额投入都获得了正回报。

  • 他指出，除了xAI，所有最大的GPU买家都是上市公司，它们必须公布季度财报，因此可以通过计算投入资本回报率（ROIC）来验证投资效果。
  • 他的结论是，从2000亿、6000亿到现在的1万亿美元级别的投入，ROI一直是正向的，甚至可以说是“极好”的。
  • 他承认，当投资规模冲向2万亿至3万亿美元时，未来的ROI是否还能保持良好是未知的。届时，决定是否继续投入的可能不是经济学原理，而是“囚徒困境”——任何一家公司停止投入都可能被竞争对手超越。

• 4. 萨拉·塔维尔的“技术变革”视角： Sarah Tavel 从一位资深风投的角度，描述了AI技术带来的前所未有的冲击感。

  • 她表示，自2006年加入Bessemer以来，从未见过像AI这样的技术浪潮，SaaS和移动互联网都无法与之相比。
  • 她认为，即使今天技术冻结，AI仍将产生巨大的影响力。
  • 她客观地分析了AI公司的财务状况：推理成本本身是毛利润可观的，但摊销模型训练的成本后，账面上的数字就不那么好看了。不过，她相信长期来看情况会好转。

• 5. 主持人的总结与延伸： Michael Eisenberg 总结了关于泡沫的争论，并引入了另一个热点话题——就业。

  • 他指出，即便身处泡沫之中，少数幸存下来的公司也能创造出巨大的经济价值，泡沫本身只是一种投资现象。
  • 他提到，此前人们普遍认为AI会造成大规模失业，但最新数据显示AI实际上正在增加就业。那些全力投入AI的公司正在招聘更多人手，并变得更高效。
  • 他抛出了三个可能性：AI造成大规模失业、导致就业结构的暂时性调整、或是像以往的技术革命一样创造更多就业机会。答案是未知的。

---

第三部分 AI对就业、生产力与经济价值的重塑 (43% - 68%)

• 1. 主持人重申投资信念： Michael Eisenberg 强调了作为投资者的核心，即是否愿意为自己的信念下注，并自信地投资于这项将触及全球每个角落的变革性技术。

  • 他指出，AI革命尚处于“第一局”的早期阶段，全球可能只有几百万人真正在使用前沿AI技术，而全世界有80亿人口，这意味着这场革命还有很长的路要走。

• 2. 米查·考夫曼的“AI幻觉”论： Micha Kaufman 提出AI正在制造一种危险的幻觉，让人们误以为自己获得了超能力，但实际上所有人都获得了同样的能力，因此没有人获得真正的优势。

  • 他认为，AI让每个人都变得更强大、更高效，但这是一种平等的赋能，并未改变相对竞争格局。
  • 他严厉警告那些期望别人来教育自己如何使用AI的人，称他们“完蛋了”，因为社会不会为懒惰和不思进取的人提供需求。
  • 他坚信，那些期待世界欠他们什么的人将没有立足之地。

• 3. 萨拉·塔维尔眼中的“经济价值主张”： Sarah Tavel 对比了SaaS和AI的经济价值，认为AI的价值主张清晰且强大得多。

  • 她指出，SaaS的价值主张比较模糊，通常是“提高现有员工10%-20%的生产力”。
  • 而AI的价值主张则完全不同，其清晰度和吸引力是前所未有的，因为它直接指向了劳动力替代或增强。

• 4. 加文·贝克尔谈“劳动力替代”的经济学： Gavin Baker 从经济学角度分析了AI的投资回报来源。

  • 他认为，AI时代的大部分经济回报将来自于用GPU来替换或增强人类劳动。
  • 他提到，“最大化主义者”（Maximalists）肯定会认为这完全是劳动力替换，这也是计算AI回报的一个公平方式。

• 5. 大卫·马格曼对AI影响的悲观预期： David Magerman 对AI的实际效用持保留态度，并担心其对人才培养的负面影响。

  • 他认为，AI工具最好的结果也只是替代初级水平的工作。
  • 他担心，过度依赖AI会严重阻碍员工的晋升、指导和成熟劳动力的培养，因为新人失去了通过解决困难问题来成长的机会。

• 6. “代理资本”概念的兴起： Zach Greenberger 和 Eran Shir 介绍了他们公司内部的“代理资本”实践，即用AI Agent来替代人力资源。

  • Zach Greenberger 表示，公司不再仅仅谈论人力，而是开始谈论“代理资本”。他们不需要扩大人力规模，而是可以扩大Agent的规模。
  • 他们的Agent遍布整个公司，从事产品设计、部署到创意等各项工作。
  • 当被问及是否奖励员工多消耗Token时，Zach Greenberger 给出了肯定的答复，并解释说这只是第一阶段，目的是激励大家尽可能多地使用AI创造代码。

• 7. 企业强制采用AI的案例： Elad Raz 分享了他所在公司强制全员使用AI编程工具的经验，并量化了其带来的效率提升。

  • 他表示，他们强制要求所有员工使用AI编程工具，并且会追踪每个人的Token使用量排行榜。
  • 他观察到，使用这些工具后，开发者的生产率提高了整整10倍。
  • 他自己同时使用Gemini、Codex和Claude，有些开发者每天能产生高达300美元的Token费用。

• 8. 理想化的“100%自动化”愿景： Micha Kaufman 描绘了一个理想的未来，即每个人都应努力将自己手头的工作100%自动化。

  • 他回应了员工关于“那还要我做什么”的疑问，指出这样做的目的是解放员工100%的时间，让他们去做更有趣、机器暂时还无法完成的事情。

---

第四部分 AI的未来展望、战略建议与哲学思考 (68% - 97%)

• 1. 主持人引导思考“谁会受益”： Michael Eisenberg 提出了一个让很多人夜不能寐的问题：AI究竟会让谁受益？这不是会不会受益的问题，而是谁将获得最大利益。

  • 他向Eran Shir提问，是否认为未来九年的世界会发生翻天覆地的变化，尽管过去九年看起来差不多。

• 2. 埃兰·希尔谈“指数级变化”： Eran Shir 肯定了世界将发生剧变的观点，并指出了人类认知上的局限。

  • 他认为，人类非常不擅长理解指数级增长。我们现在正处于一个拐点，事情将从现在开始复合式地变得越来越疯狂。

• 3. 萨拉·塔维尔引用山姆·奥特曼的警告： Sarah Tavel 引用了OpenAI CEO Sam Altman的观点，再次强调了技术进步的速度。

  • Sam Altman曾说过，如果你的初创公司假设LLM会停滞不前，那么你将被碾压。
  • Sarah Tavel 认为，人们犯的最大错误是，要么没有建立在一个能持续受益于LLM不断进步的业务之上，要么试图建立一个“桥梁型”业务，妄图跑赢实验室的进展，这非常危险。

• 4. 米查·考夫曼谈“手工劳动”的变迁： Micha Kaufman 讨论了哪些工作会被技术取代，哪些不会。

  • 他指出，如果某件事用手工做更便宜，那它就会一直是手工活。如果不是，就会被技术取代。
  • 那些连机器也做不了的重复性工作需要人工来完成，这类工作的性质会不断变化，但永远不会消失。

• 5. 大卫·马格曼的“数据信息”论： David Magerman 回归到问题的本质，强调成功的关键在于正确理解和利用数据与信息。

  • 他认为，AI的驱动力是数据，但更准确地说，是信息。拥有数据不等于拥有解决方案。
  • 从信息论角度看，有许多数学和模式识别算法可以从数据中提取信息，帮助减少不确定性。
  • 他批评当前行业变成了“一招鲜”，什么问题都扔给LLM。他认为成功的方法是：审视自己的数据集，弄清楚其中有多少信息，哪些信息与解决现实问题相关，然后找到合适复杂度、合适成本的工具来提取信息。

• 6. “硅基文明”与“计算时代”的到来： 主持人提出了一个哲学性问题：硅（计算）成为人类文明中最有价值的东西意味着什么？

  • Elad Raz 对此毫不惊讶，并提供了一个宏大的历史视角。他指出，1000年前，人类争夺食物和水；300-200年前，争夺能源；而现在，我们进入了“计算时代”，计算成为了最核心的资源。

• 7. 加文·贝克尔谈“超级智能”的未知回报： Gavin Baker 探讨了超级智能（Superintelligence）可能带来的经济回报，承认其高度不可预测性。

  • 他认为，最有趣的一点是，我们不知道超级智能的经济回报会是什么，因为我们从未见过。
  • 他提出了两种极端可能性：一种是，如果人类已经接近了自然法则的极限（如爱因斯坦），那么超级智能的回报可能不高；另一种是，如果超级智能能够治愈癌症、发明曲速引擎、殖民多个太阳系，那么它的回报将极其巨大。但这一切都是未知的。

---

第五部分 节目结语与行动号召 (97% - 100%)

• 1. 主持人的总结与寄语： Michael Eisenberg 对本集内容进行了总结，并对听众提出了期望。

  • 他希望听众听完后能产生更多问题而非答案，并鼓励大家继续深入研究，理解AI的去向和影响，并思考如何成功投资。
  • 他将这期节目比作一场“观点自助餐”和一个“开胃菜”，希望大家能选择自己感兴趣的观点并深入探索。

• 2. 节目推广与订阅呼吁： 主持人感谢听众收听本期夏季特辑，并请求听众的支持。

  • 他恳请听众在Spotify、Apple Podcasts或其他收听平台给节目打五星好评。
  • 他强烈呼吁大家订阅YouTube频道和新闻简报，以便第一时间获取最新内容。