Balaji Srinivasan 论 AI 时代的去中心化与 SaaS 末日恐慌

摘要

在本期 a16z 播客中，前 Coinbase CTO、知名技术思想家 Balaji Srinivasan 与主持人展开了一场长达一小时的深度对话，涵盖 AI 经济格局、去中心化、SaaS 行业的未来以及加密货币的演进路径。

Balaji 的核心论点是：AI 的未来在于蒸馏（Distillation）与去中心化，而非少数大型实验室的垄断。他指出，大型模型的蒸馏成本仅为训练成本的约 2%，且几乎无法阻止，这使得去中心化 AI 成为强有力的竞争者。他提出了"个人、私密、可编程"（Personal, Private, Programmable）的 AI 愿景——AI 在信任部落内提升生产力，在部落之间则降低生产力。

对于备受热议的"SaaS 末日"论，Balaji 明确表示不以为然。他认为 AI 加速不了被颠覆者，也同样加速在位者，而分销渠道（Distribution）是 AI 无法替代的护城河。他还提出了一系列引人深思的框架：AI 降低生成成本却推高验证成本，人是传感器而 AI 是执行器，以及"AI 不抢你的工作，AI 让你做 CEO"。

在加密货币方面，Balaji 将比特币重新定义为"可证明的全球机构抵押品"（Provable Global Institutional Collateral），并认为 Zcash 将承担数字现金的角色，AI 是攻击而零知识证明（ZK）是防御。整场对话横跨技术、经济与政治，呈现了一个极具系统性的思考框架。

正文

AI 经济的未来：蒸馏与去中心化

主持人以一个问题开场：AI 经济会更像互联网经济——应用层攫取大部分价值，还是更像云计算经济——基础设施层占据主导？或者会更加分散？

Balaji 的回答十分明确：未来的 AI 经济中，至少很大一部分将走向蒸馏与去中心化。他引用 Anthropic 的公开声明——"蒸馏攻击对我们的模型有效"——来说明这一趋势的不可逆性。只需相对少量的 API 查询，就能将一个大模型蒸馏成一个更小的模型，且极难阻止。从道德层面看，阻止蒸馏也缺乏说服力——这些大模型本就抓取了整个互联网来训练，反过来说别人在"复制"它们，就像 Facebook 或 LinkedIn 阻止别人爬取它们自己爬来的数据一样牵强。

Balaji 进一步指出，去中心化 AI 甚至可能是唯一可行的竞争者。AI 的一个有趣特征是：创建模型极其昂贵，但通过蒸馏复制却相对容易。他甚至设想了一种极端情景：假如发生大规模资本市场崩溃，融资变得极其困难，"我们仅凭现有的模型就能再跑十年"——正如核能领域曾经投入巨量资源后停滞了数十年。

个人、私密、可编程：信任部落中的 AI

Balaji 将 AI 的未来概括为三个关键词：个人（Personal）、私密（Private）、可编程（Programmable）。AI 如此强大，以至于人们会希望将它的使用限定在"信任部落"（Trusted Tribe）之内。

为什么？因为在信任部落内共享代码库和数据，AI 能够极大地提升生产力——"你分享整个代码库，AI 就能飞速运转"。但部落之外则截然相反：你会收到大量 AI 生成的垃圾邮件、AI 生成的回复、低质量的幻灯片和充斥着 AI 文本的内容。Balaji 观察到，AI 在信任部落内提升生产力，在部落之间反而降低生产力。因此他给出了一个精辟的总结："加密货币用于部落之间，AI 用于部落之内"（Crypto is for between tribes and AI within tribes）。

AI 垃圾与验证危机

Balaji 分享了一个令人印象深刻的现象：当他看到 AI 生成的幻灯片时——无论 AI 多么先进，总有一种"默认的 AI 气息"——他的反应不是兴奋，而是认为发送者"懒惰、愚蠢或邪恶"（Lazy, Stupid, or Evil）。

懒惰，因为他们不愿花时间做到简洁——正如马克·吐温所言："我没时间写一封短信，所以写了一封长信。"愚蠢，因为他们不明白别人能瞬间分辨出 AI 生成的浮渣与用心制作的内容之间的区别。邪恶，因为他们试图用明显虚假或不严谨的东西蒙混过关。Balaji 特别强调，作为一个最支持技术、最支持 AI 的人尚且如此感受，那些本就对 AI 持怀疑态度的人只会更加愤怒。

他由此引申出一个关键洞见：AI 降低了生成成本，但推高了验证成本（AI reduces the cost of generation but increases the cost of verification）。以简历为例，用 AI 快速生成一份简历确实比手写快不了多少，但如今验证一份简历的成本却大幅上升——因为任何人都可以生成"看起来不错"的文字，你必须花更多精力仔细甄别。Balaji 本人的应对之道是：将所有人飞到线下进行面试，进行有监考（Proctored）的离线考试——因为"线下考试的可靠威慑力，意味着他们在线上考试时也不会用 AI"。他预言，AI 将创造大量监察与验证类的工作岗位。

AI 让互联网变得更像中国互联网

Balaji 提出了一个极具启发性的观察：AI 正在让互联网变得更像中国互联网。他建议听众去读李开复（Kai-Fu Lee）的《AI 超级力量》（AI Superpowers），这本书记录了中国科技生态的独特发展史。

中国科技生态犹如"加拉帕戈斯群岛"（Galapagos Islands）——同样的物种以不同的形态存在。比如美团（Meituan）之于 Groupon，但美团的执行体量达到了千亿美元级别。中国科技生态的一个根本特征在于：它诞生于一个低信任社会。在这样的环境中，人们默认"我的数据在你的服务器上，你肯定在偷看""你肯定会复制我的东西"。因此，中国的做法是每个人都自己编写软件——不依赖 SaaS（Software as a Service，软件即服务），而是不断重新发明轮子。

结果自然是：软件质量更差，分工更少，摩擦成本更高。但 AI 正在改变这一格局——非中国公司也可以采用类似于中国科技公司的方式，实现所谓的"数字自给自足"（Digital Autarchy），筑起对外部世界的高关税壁垒。这使得"自建还是购买"（Build vs. Buy）的天平向"自建"倾斜——公司可以用 AI 构建更多内部工具。

AI 的最佳用武之地：视觉、可验证、物理

Balaji 总结出 AI 目前最有效的三个领域：视觉（Visuals）、可验证（Verifiable）和物理世界（Physical）。

他提出了一个简洁的法则——"视觉胜于文字"（Visuals over Verbal）。图像和视频是人脑内置 GPU 可以即时校验的——你能立刻看出 AI 生成的手部是否扭曲，UI 是否卡顿怪异。前端开发的风险低于后端："逐个审查每个 PR 没问题，但全面放手交给 AI？你看到亚马逊因全面 AI 导致的宕机事故就该明白了。"

物理世界的验证最为可靠——因为"只有一个物理世界"。让 AI 将一个箱子从 A 托盘移到 B 托盘，这是可以逐步做到 100% 准确率的——自动驾驶的最终成功就是证明。而数字世界的任务边界天然更加模糊：你怎么知道待办清单做完了？因此，基于强化学习（Reinforcement Learning）的 AI 训练在物理世界（机器人、自动驾驶、无人机）远比在数字世界容易。

捷径与基本功：AI 是为缰绳而生的

AI 是一条捷径——"捷径好就好在它是捷径，坏也坏在它是捷径。"如果你知道如何走远路——从第一性原理推导——那么你可以使用捷径。但如果你从未走过远路，你就无法调试 AI。

Balaji 以欧拉公式 e^(iπ) + 1 = 0 为例：有人可以背出结果，但当你要求他从复指数的定义出发证明它时，只有真正理解的人才能做到。"我们这一代——前 AI 时代成长起来的人——学过所有这些基础知识，所以可以用捷径。但如果你不会走远路，你就只是背了一个结果，无法真正了解。"

这引出了一个更根本的判断：AI 是为缰绳而生的（AI is built for the harness）。经济上有用的 AI 被设计为：你发出指令（prompt），它执行一个精确的动作，然后停止。AI 设计有开关——"每台电脑都有开关"——如果无法关闭，AI 就会不断消耗 token 而失去经济价值。Balaji 还指出，中国正在大量生产的物理机器人也绝不会被允许"脱离缰绳"——"他们连人都不放手，更不用说机器人了。"

他进一步认为，所谓的"AI 之神"或一神论的 AGI 概念已经消退，取而代之的是"多神论"——无数去中心化的 AI 并存。AI 霸主并非近在眼前的威胁。

人是传感器，AI 是执行器

Balaji 将人与 AI 的分工总结为一个优雅的公式：人是传感器（Sensor），AI 是执行器（Actuator）。

他论证道，AI 并不能有效感知市场和政冶。在市场中，如果你反复做同样的交易，对手方会发现并反向操作——这就是市场的对抗性（Adversarial）本质。"狗不会在你训练识别它时变形来对抗你——狗到字符 'DOG' 的映射基本恒定。但市场不是这样：分布不是时不变的，而且是多玩家的对抗性博弈。" 当所有人都在用相同的 AI 模型时，不使用 AI 反而可能成为你的优势——因为通用工具不能提供特定优势。

那么 AI 真正缺乏的是什么？品位（Taste）。而品位就是感官（Sense）。你感知世界——金融环境、市场条件、政冶氛围——然后将其转化为清晰的英语提示，交给 AI 执行。这种"人机合成"（Human-Machine Synthesis）才是当下的现实。

他补充了一个有趣的生物技术视角：AI 也许不能读取你的思想，但可以读取你的身体。"你身体每时每刻都在产生大量的传感数据——基因表达数据、血液指标、代谢物——这是时间 × 组织 × 分子的巨大数据立方体。斯坦福教授 Mike Snyder 多年前的'整合组'（Integrome）研究表明，通过持续监测血液指标，可以在你自己察觉到症状之前就发现你正在生病。这些数据可以无声地提示 AI，无需你口头输入。"

AI 不会抢走你的工作

Balaji 给出了一套令人耳目一新的叙事框架：AI 不是抢走你的工作，而是让你成为 CEO。

他用"自然贵族"（Jeffersonian Natural Aristocracy）的概念来阐释：历史上，人们之所以接受运动员和歌星的高薪，是因为他们在高中就能亲自尝试——你能看到自己能不能扣篮，能不能唱歌——这些才能是不可转让的、内在于个人的资产。但做 CEO 曾经是昂贵的实验——让一个人管理一个组织需要真金白银，所以很多人始终抱有"CEO 什么也不做"的错觉。如今 AI 降低了成为 CEO 的成本：你只需写出清晰的指令、感知市场、验证输出——所有这些聪明人，无论来自哪个国家，都可以几乎零资源地走得很远。

他还给出了两个补充版本：
- AI 不抢你的工作，AI 抢的是上一个 AI 的工作。 Claude 抢了 ChatGPT 的工作，Midjourney 抢了 DALL·E 的工作。他本人维护着一张电子表格，每月更新各类 AI 工具的最佳模型，并设有 token 预算——就像在雇佣和解聘 AI 员工。
- AI 不抢你的工作，AI 让你能做任何工作——至少都能做到及格水平。 一个 CEO 需要在设计、财务等各个领域达到六七分的水平，才能在雇佣专家之前胜任——AI 帮助你将每个领域都提高到这个水平。

数字廉价，人类是优质产品

Balaji 提出了一个关于未来的价值反转判断：90 年代人们担心"数字鸿沟"——只有富人才拥有数字技术。但实际发生的是恰恰相反的：数字变得廉价，物理体验成为优质商品。AI、机器人、数字产品都将变得便宜，而人类本身成为稀缺的优质产品。

他以电梯操作员的消失和自动驾驶的兴起说明：当某项工作被 99% 自动化时，人们的工作量反而增加（因为生产规模扩大）；只有达到 100% 自动化，人们才真正离开那个岗位去做别的事。而人类劳动会持续向"无法被自动化"的领域迁移——有时这正是因为人们需要的是"人"而非"机器"，比如私人教练或陪伴服务。

SaaS 末日：过度渲染的恐慌

当被问及 SaaS 行业是否面临末日时，Balaji 的回答斩钉截铁："我不相信 SaaS 末日。"

他的核心逻辑很简单：AI 不能做的是分销（Distribution）。即使你完美克隆了 Notion、Figma 或 Replit 的全部代码，部署了一个一模一样的网站——谁会来登录？你的广告费率会远低于原版，因为流量和用户不在你这边。克隆代码不等于获得分销渠道。

但这并不意味着 SaaS 公司可以高枕无忧。Balaji 承认，那些停滞不前、只靠收割存量用户的"脆弱在位者"——他委婉地以 NetSuite 为例——确实可能被颠覆。而像 Obsidian 这样数据存储在本地、具有本地数据网络效应的工具，会在 AI 时代变得更具竞争力。"人们可能不愿意把数据放在远程服务器上，他们可能想要桌面版本和本地数据——这样你就可以对整个本地数据做复合分析。"

核心结论是：AI 可以加速 SaaS 公司，也可以加速颠覆者——它同时加速两者。这与 iPhone 彻底摧毁 BlackBerry 的范式转移不同，"我不认为所有人都要上断头台。"

硅谷 AI 公司的盲点

谈及 Anthropic 等 AI 公司能否成长为万亿美元巨头时，Balaji 表达了一个深层的保留意见。他认为硅谷 AI 公司是"标量思考者"（Scalar Thinkers）而非"向量思考者"（Vector Thinkers）——他们只对 AI 带来的颠覆进行建模，却没有同时建模所有的"政冶奇点"和其他正在发生的结构性变化。

关键风险在于：他们假设民族国家继续以当前形态存在，假设美元储备货币地位不变，假设所有宏观变量保持不变。但如果这些变量发生变化——例如版权问题的巨大反弹——他们的世界模型就会出错。Balaji 甚至暗示，这些公司的反击力量可能如此剧烈，以至于最终胜出的可能是去中心化 AI。他以版权为例：中国模型或去中心化模型可以做任何事——"海盗湾式的 AI"（Pirate Bay kind of AI）反而更加自由，更不盈利的 AI 可能恰好是更好的 AI。

ZK 是防御：Zcash 与比特币的新叙事

在对话的后半段，Balaji 转向加密货币。他的核心命题是："AI 是攻击，ZK（Zero Knowledge，零知识证明）是防御。"

他介绍了 Zodal——一款基于 Zcash 的完全加密移动钱包，称之为"加密版比特币"和米尔顿·弗里德曼（Milton Friedman）30 年前所预言的"电子现金"的实现。零知识证明允许任何人证明任何事而不泄露任何其他信息——经过 Zcash、以太坊 ZK Rollups 的商业化，以及移动端的效率优化与苹果/谷歌对加密应用的放宽，如今终于可以在手机上"传送任意金额到世界各地"。

在此基础上，Balaji 推进了一套全新的资产分类框架：

法币（Fiat） 将继续存在，尤其在东方高信任国家（中国、印度、东南亚）。

实体黄金（Physical Gold） 在东方更受欢迎，因为更容易保管。Tether 的黄金背衬稳定币 XAUT 可能是西方的黄金替代品。

比特币（Bitcoin） 的角色已经转变——它不再是个人货币，而是"可证明的全球机构抵押品"（Provable Global Institutional Collateral）。在 AI 时代，任何视频都可以被伪造，但比特币的链上证明无法被伪造：你可以公开一个地址及其中的 BTC，然后签名一笔交易来证明你拥有这些资产。随着 AI 让链上分析变得人人可用，比特币的透明度反而使其更适合机构而非个人——"只有机构能够承受这种程度的透明"，正如上市公司向来都需要公开追踪。这个视角也解决了部分量子计算威胁：比特币持仓极度集中，只需迁移少数几个大户地址即可完成大部分资产的量子安全迁移，而让十亿个人用户逐一迁移则不可能。

Zcash 则承担数字现金（Digital Cash）的角色。 比特币是"后台的大额资金"——金条，由机构之间低频、大额地转移；Zcash 则是个人的数字现金——可替代（Fungible）、私密、可扩展，即将通过 Tachion 实现量子安全。Balaji 认为 Zcash 将保持极简（不做智能合约），就像 Twitter 的简单性成就了它自己一样。

结语

Balaji Srinivasan 的这场对话，从 AI 经济的去中心化本质，到信任部落中的生产力悖论，再到 SaaS 行业的真正护城河，最后落到加密货币作为 AI 时代防御工具的角色，构建了一幅横跨技术、经济与政冶的系统性图景。

他留给听众的核心信息是：不要被单一维度的"末日叙事"所裹挟，AI 的未来是分布式的、多极的，而人类在这场变革中并不被动——"AI 不抢你的工作，AI 让你做 CEO。"