https://www.youtube.com/watch?v=BD3vLtWhT5A
这期视频是 Lenny's Podcast 对独立科技分析师、前 Andreessen Horowitz（a16z）合伙人 Benedict Evans 的深度访谈，题为《今年你将听到的关于 AI 最理性的看法》（The most rational take on AI you’ll hear this year）。
Benedict Evans 过去六年来一直致力于深入研究科技走向，尤其是 AI 对经济的转型作用。在这场长达 1 小时 20 分钟的全面对话中，他避开了极端的“毁灭论”或“无脑吹”，从产业历史、技术本质和商业落地等维度，对当前 AI 浪潮进行了极具穿透力的复盘与展望。
以下是本次访谈核心内容的超详细拆解：
一、 AI 的本质与技术局限性
1. 自动化的新阶段：机器可以“理解”了
Evans 指出，过去的自动化本质上是定性的数据库逻辑（如果 A，那么 B）。而大语言模型（LLM）的本质突破在于，它们能够处理那些无法用传统代码固化的模糊、长尾、复杂的概念。
他的核心金句： “AI 就像是给你雇佣了成千上万个不需要睡觉、时薪只要几美分的大学毕业生，他们懂很多知识，但有时候也会犯低级错误。”
2. 生成式 AI 的底层悖论：幻觉即功能
很多人批评 AI 会有“幻觉”（Hallucination），但 Evans 认为这恰恰是它的底层逻辑：
- 幻觉与创造力同源： AI 能够写诗、画图、头脑风暴，是因为它在进行概率预测。如果完全抹除“幻觉”，AI 就失去了这种生成和联想的能力。
- 找错工具的误区： 把 LLM 当成“确定性的计算器”或“绝对准确的数据库”来用，是目前最大的认知误区。
二、 商业落地：从“寻找锤子”到“修剪花园”
1. 寻找软件的“新外壳”
Evans 认为，目前的 AI 行业正处于“有了技术（锤子），但在满世界找钉子”的阶段。
- 目前大多数 AI 产品只是在传统软件外面套了一层“聊天对话框”（Chat UI）。
- 然而，“聊天”往往并不是最高效的人机交互方式。未来的真正机会在于重新设计工作流，让 AI 无缝融入到具体的业务场景中。
2. 企业级 AI 的落地痛点
企业在部署 AI 时面临巨大的现实技术障碍：
- 上下文雪球（Context Snowballing）： 随着对话变长，维持记忆所需的 Token 数量呈指数级上升。
- 高昂且波动的成本： 智能体（Agents）在后台高频调用 API，可能导致账单暴涨，企业难以预测 ROI（投资回报率）。
- 数据孤岛： 企业真正有价值的数据往往杂乱无章，AI 无法直接学习，清洗数据的成本极高。
三、 行业格局：谁能赚到钱？（淘金者 vs. 卖铲人）
Evans 提出了一个经典的科技演变框架来分析目前的 AI 产业链：
| 产业链层级 | 现状与 Benedict Evans 的研判 |
|---|---|
|
算力与基础设施 (如 Nvidia) |
当前最大赢家： 处于极度供不应求的红利期，但这种高利润率在长期来看可能会随着竞争和效率提升而面临均值回归。 |
|
底层大模型 (如 OpenAI, Anthropic, Google) |
商品化（Commoditization）风险： 各家模型的性能正在迅速收敛，开源模型（如 Meta 的 Llama）也在极速追赶。底层模型可能会变成像电力一样的“公共大宗商品”，很难形成绝对的护城河。 |
|
应用层 (SaaS 与垂直软件) |
真正的护城河所在： 赢家不会是单纯套壳 AI 的公司，而是那些拥有垂直行业工作流、客户关系和独特专有数据（Data Moat）的公司。 |
四、 历史镜鉴：AI 不是魔法，它是新一代的“关系型数据库”
为了对抗当前的 AI 泡沫与恐慌，Evans 频繁拉回历史视角：
- 1970年代的关系型数据库（SQL）： 当时这也是一项颠覆性的“魔法”技术，改变了所有公司的运作方式，诞生了 Oracle 这样的巨头。但今天，没人会炫耀“我们的公司是一家‘SQL 驱动’的公司”——它变成了基建。AI 最终也会走向这一步。
- 2000年代的移动互联网： 智能手机刚出现时，大家都在做一些无聊的“手电筒”或吹啤酒的套壳 App（类似于现在的各种简单 AI 聊天工具），直到几年后才孕育出 Uber、Instagram 这种真正重塑生活方式的超级应用。AI 的“Uber 时刻”还没到来。
五、 争议观点：反思“AI 裁员潮”与“AGI 毁灭论”
1. 效率提升 vs. 岗位消失
社会普遍担心 AI 会引发大规模失业。Evans 给出了非常理性的反驳：
- 会计与 Excel 的历史： 1980 年代 Excel 问世时，人们认为记账员和会计都要失业了。结果是，由于计算成本大幅下降，企业对财务分析的需求暴增，全美会计从业人员的数量反而增加了。
- Jevons 悖论（杰文斯悖论）： 当某项资源（这里指智力/自动化成本）的使用效率提高时，其消耗总量不仅不会减少，反而会因为需求的大幅增加而增加。AI 降低了生产内容的门槛，结果将是人类创造和处理的信息量呈几何级增长。
2. 破除 AGI（通用人工智能）恐惧
针对网络上泛滥的“AI 即将毁灭人类”的恐慌（Hype-driven fearmongering），Evans 保持了冷峻的克制：
- 目前的 Scaling Law（规模法则）主要是让模型变得更博学、更流畅，但并不等同于它产生了“真正的意识”或“自主意图”。
- 比起遥不可及的机器人叛变，眼下更需要关注的是数据隐私、版权争议、AI 偏见以及网络虚假信息蔓延等现实且迫切的灰犀牛事件。
总结
在 Benedict Evans 看来，AI 是一场极具颠覆性的生产力革命，但它遵循科技发展的历史客观规律。
我们目前正处于“技术期望膨胀期”向“幻灭幻觉期”过渡的阶段。泡沫破裂并不可怕，当大水退去、成本下降、交互重构完成后，AI 才会真正像电力一样，随风潜入夜地彻底重塑全球经济的每一个细胞。
版本2
整文标题：AI 浪潮下的理性思考：规模、影响与不确定的未来
第一部分 开场介绍与核心论点：AI如同互联网与移动革命一样重要 (开始时间 0% - 约5%)
- 主持人介绍：节目主持人是Lenny，嘉宾是独立分析师Benedict Evans。Evans长期追踪科技趋势，近期专注于研究AI如何改变世界。他将AI的影响描述为“AI正在吞噬世界”。
- 节目导览：本次对话将深入探讨人们尚未完全预估的AI对生活和工作影响、反AI情绪的兴起、对就业的冲击、价值链中的价值分配等议题，旨在为那些对AI感到担忧或困惑的听众提供启示和慰藉。
- 核心问题：Evans被问及，在大家都意识到AI是件大事的前提下，人们对其将带来的生活和工作变革，还有什么是没有充分认识到的？
- 嘉宾的核心论点：Evans提出一个颇具争议的观点：他认为AI的影响和互联网或移动革命一样巨大，但也“仅此而已”。他认为将AI与工业革命相提并论是过度的。他强调，智能手机和互联网已经是翻天覆地的变化，而AI是另一个同等级别的根本性变革。
第二部分 发展阶段类比与扩散过程：我们正处于“1997年” (开始时间 约5% - 约20%)
- “1997年”互联网类比：Evans认为，当前AI的发展阶段类似于1997年的互联网。那时，互联网非常令人兴奋，但大多数应用还未被开发出来，运作方式也不明朗。技术采纳呈现出非常广泛的分布。
- 采纳与认知的差异：在科技行业内部，一些人已深度使用AI；但在行业外，除了否认其真实性的人，大多数用户可能每周或每两周才用一次。这种采纳速度和理解深度的差异巨大。
- 技术竞赛的不确定性：目前关于哪个模型会胜出、价值将流向何处、OpenAI是否赢家通吃等讨论，就像在1997年争论Excite和雅虎谁会赢一样，为时过早且答案往往出乎意料。
- 本质是“未知”：Evans坦言，他最新的演讲有80张幻灯片，核心信息可以概括为“我们不知道”。这是一个根本性的、会改变一切的技术，但具体如何改变尚不明确。
- 变革已开始，但影响不均：在软件行业，变革的时刻已经到来。但对于律师、记者等其他行业的人来说，他们就像当年看到电子表格的律师一样，觉得这很聪明，但和自己的核心工作关系不大。当前，AI开发者是“看到电子表格的会计师”，而其他人则是“看到电子表格的律师”。
- 用户数据佐证：调查显示，即使在13-18岁的年轻人中，也只有约15-20%是AI的每日活跃用户。这意味着“理解并深度使用AI”与“感到困惑或尚未使用”之间存在巨大的鸿沟。
第三部分 专业服务与咨询行业的转型悖论 (开始时间 约20% - 约30%)
- 观察到的现象：AI实验室（如OpenAI、Anthropic）和私募股权公司正在大量投资或收购咨询服务和“前置部署工程师”团队。这看似矛盾，因为人们原以为AI会取代顾问。
- 原因分析：Evans解释，企业没有闲置人力来从头重新构想和自动化内部工作流程。这是一个需要5-10人花费一两个月时间的“项目”，而实际执行又是另一个项目。这恰恰是传统上企业雇佣贝恩、埃森哲等咨询公司或外包商的原因。
- 核心洞察：任务（Task） vs. 工作（Job）：Evans区分了“任务”和“工作”。有些工作的核心就是执行某个任务（如电梯操作员），任务自动化了，工作就消失了。但更多时候，自动化的是工作中的任务，而“工作”本身包含了更复杂的内容。
- 以咨询为例：你雇佣麦肯锡，不是为了得到一个75页的PPT（这是“任务”，Claude可以生成一个很差的版本），而是为了让他们深入你的企业，厘清内部政治、了解客户真实想法、找出真正的问题。PPT只是交付物，而非价值本身。
- 历史类比：这类似于报纸和唱片公司，它们不认为自己从事的是“印刷和运输”或“制造塑料片”的业务，但当这部分被剥离（互联网）后，它们遇到了大麻烦。但很多时候，价值无法被简单剥离。
第四部分 对就业的长期影响与对“工作末日论”的反驳 (开始时间 约30% - 约40%)
- 反驳权威论断：Evans对Anthropic CEO等AI领袖关于就业的悲观预测持谨慎态度，认为他们在劳动经济学领域并非权威。他认为存在炒作股价的 cynical 观点，但自己并不认同。
- 历史规律：Evans的核心论点是，每次新技术出现，都会自动化掉一批工作，然后这种自动化又会解锁一批新工作。你不知道新工作是什么，因为它们还不存在。自1800年以来，这一过程不断重复，虽然伴随着摩擦性痛苦，但最终社会更富裕，创造了更多价值。
- 关键问题：AI这次有何不同？一个论点是AI的采用速度更快，但Evans指出，这是因为我们站在了“巨人的肩膀上”（已有的互联网、手机等基础设施），每次技术革命其实都在加速。
- 批评“末日论者”：Evans严厉批评那些认为大公司明天买了ChatGPT，两周后就会裁掉所有员工的“末日论者”，称他们是“白痴”，完全不了解企业软件销售周期（通常长达18个月）以及企业运作的复杂性。
- 创新需要时间：从意识到问题，到想出用新技术解决该问题的方法，往往需要数年甚至十多年的时间。技术普及和业务模式转变是渐进的、分行业的。
- 总结性安慰：Evans的总体观点令人宽慰：这虽然是巨大的变革，但我们经历过许多次转型，最终会没事的。他用一张1950年代的IBM广告（声称其计算机相当于“150名额外工程师”）来类比，说明“技术增强人类而非简单取代”的理念古已有之。
第五部分 对反AI情绪的看法与多维度的社会反应 (开始时间 约40% - 约45%)
- 现象概述：Evans承认反AI情绪是一个“庞大、混乱的集合体”，包含多种不同性质的问题。
- 具体争议点：
- 资源消耗：数据中心导致电费上涨是客观问题，但影响范围有限。而“耗水”争议在很大程度上被夸大，全美数据中心耗水量占比极小（约0.017%），局部冲突属于规划问题。
- 就业影响：目前经济学界对此尚无明确共识，既有数据支持AI影响就业，也有数据反对。年轻人就业放缓的现象在受AI影响和不受影响的领域同时存在，原因复杂。
- 文化战争：在创意领域（如书籍封面设计、小说写作、播客）引发了关于AI生成内容是否属于“垃圾信息”或“作弊”的激烈争论。大量AI生成播客的出现引发了“AI slop”的担忧。
- 与社交媒体反弹的类比：Evans将当前的AI反弹与之前对社交媒体的反弹类比，认为其中有些担忧是真实的，有些是模糊的，有些则完全不实（例如“Facebook出售你的数据”这个广泛流传的错误认知）。公众情绪是多种真实与不真实观点的混合体。
- 政治因素：前总统特朗普关于监管“危险模型”的言论更多是政治层面的关注，与普通民众的担忧并非完全同源。
第六部分 给个人的建议：拥抱变化，深入其中 (开始时间 约45% - 约50%)
- 回应育儿与职业规划：当被问及如何为子女的未来做准备时，Evans表示没有系统性计划。他认为对于一两年内就要求职的年轻人，情况确实不明朗；但对于还有五年以上时间的孩子，届时形势可能已趋于稳定。他更关注如何让孩子具备适应变化的技能组合。
- 核心建议：对于担心职业前途的人，Evans给出了明确建议：不要把头埋进沙子里，仅仅以道德优越感来抵制AI。这毫无帮助。真正有帮助的是你自己深入其中，完全沉浸，弄清楚你能用它做什么，它如何改变事物，以及你如何借此成为更有价值的雇员。
- 历史经验：这就像我们当初对待互联网和移动技术一样，必须亲自去学习和内化。
第七部分 问答环节、总结与“闪电问答” (开始时间 约50% - 结束时间 100%)
- 未被充分提问的问题：Evans认为，关于“模型公司是否拥有定价权”和“什么是任务、什么是工作”是需要更多思考的问题。他以全球音乐产业收入因流媒体而呈现的“U型曲线”为例，说明新技术初期是“以新方式做旧事”，后期则会“创造全新的可能性”。
- 自身AI使用案例：Evans坦言自己很难找到颠覆性的AI用例，因为他的工作（信息综合与观点生成）并非AI目前最擅长的。他主要用AI进行校对、图片生成（如重新设计公寓）和语音转文字转录。他认为自己是“看着电子表格的律师”，而创造性工作本身是他乐趣所在。
- 闪电问答摘要：
- 推荐书籍：推荐涉猎广泛，而非只读科幻或奇幻类。
- 近期喜好：倾向于观看经典电影。
- 生活信条：常常说“看情况”，总体态度是“可能没问题”（It'll probably be okay）。
- 个人收藏：收藏了20-30部旧手机，以记录iPhone出现前手机形态的多样性和创新。
- 结尾：Evans引导听众关注他的网站和新闻通讯，并再次强调不断挑战自己、探索未知问题的重要性。
Top comments (0)