AI走向何方：一场理性对话

摘要

本尼迪克特·埃文斯（Benedict Evans），前a16z合伙人、独立科技分析师，在Lenny's Podcast上与主持人Lenny Rachitsky进行了一场关于AI未来的深入对谈。Evans的核心论点是：AI的变革规模与互联网和移动革命相当——巨大，但并非空前绝后。他指出我们正处于AI的"1997年时刻"：技术令人兴奋但大多数应用尚未建成，用户采用率存在巨大差异。对话涵盖六大核心议题：(1) 专业服务的悖论——OpenAI和Anthropic等AI实验室正在大举投资咨询和部署团队，因为企业需要人力来重新设计工作流；(2) 任务与工作的区别——自动化的难点往往不是执行本身，而是判断该执行什么；(3) 就业问题——历史表明技术自动化旧岗位的同时创造新岗位，企业级部署的缓慢节奏将为调整留出时间；(4) 基础模型的价值捕获——如果模型公司缺乏差异化，可能沦为低利润率的商品化基础设施；(5) 分发渠道作为新的护城河；(6) 反AI情绪的兴起及其构成。Evans的核心建议是：不要把头埋进沙子里，而是深入理解这项技术，弄清楚你能用它做什么。

正文

第一章 AI的尺度：与互联网和移动革命同量级

Benedict Evans开篇即抛出一个引人深思的立场："我最有争议的观点是，我认为AI的变革规模与互联网或移动革命相当——而且仅与它们相当。"

这个看似矛盾的表述精准地回应了两个极端阵营：一群科技界人士认为AI的颠覆性远超互联网，堪比工业革命；而另一群批评者则低估了正在发生的变化。Evans提醒听众，智能手机本身就是一个巨大的变革——没有互联网，这场播客对话根本不会发生。将AI与互联网和智能手机置于同一层级，已经是对其变革力量的极高肯定。

Evans进一步指出，追问"AI是否比互联网大20%还是100%"这类问题并无建设性。真正重要的是认识到：这是一次根本性的技术平台转移，但在变革初期，没有人知道具体会怎样展开。

第二章 1997年时刻：我们处于技术扩散的早期

Evans反复使用"1997年的互联网"作为类比来定位当前AI的发展阶段。他的核心观察包括：

极不均衡的采用率。 一部分科技从业者已经彻底拥抱AI——他们买了Mac Mini集群，不再使用Google搜索。一旦走出科技圈，大多数人的使用频率仅为"每周一次左右"。Evans引用的调查数据显示，即便在13至18岁的青少年群体中，AI的日活跃用户也仅占15%–20%，周活跃用户另有20%，而剩余60%的该年龄段人群"几乎不使用"。

大多数产品尚未被构建。 正如1997年人们争论雅虎（Yahoo）和Excite谁会胜出——答案最终是"都不是"——今天关于OpenAI与Anthropic之争的讨论可能同样会被时间证明关注错了方向。

锯齿状前沿（Jagged Frontier）。 Evans借用了这个概念来描述AI能力的边界：它在某些任务上表现出色，在其他任务上却令人失望。这种不对称性能否被直觉感知？用户能否在使用后判断效果？能否自主探索出适合自己的应用方式？这些问题的答案因人和场景而异。软件开发者的体验类似于1970年代末会计师第一次看到电子表格（VisiCalc）——"天啊，一切都被改变了"。但对于律师、记者等其他职业来说，他们看着AI，就像律师当年看着电子表格："这很聪明，我的会计师应该看看——但这不是我做的事。"

第三章 专业服务的悖论：为何AI实验室在大量投资人力咨询

Lenny Rachitsky提出了一个令人意外的趋势：在人们普遍预期AI将取代咨询顾问的时候，最前沿的AI实验室——OpenAI和Anthropic——反而在大规模投资专业服务、咨询和"前沿部署工程师"（Forward Deployed Engineers）。Anthropic和OpenAI正在大量购入咨询公司和PE机构的服务。

Evans的解答直指企业运作的现实：公司内部并没有一群闲置人员等着去"彻底重新构想所有内部工作流程"并找出哪些可以被AI快速自动化。这是一项需要五到十人坐下来、花一两个月才能完成的工程——而落地执行又是另一个项目。

他做了一个幽默的类比："前沿部署工程师就是住在旧金山的埃森哲（Accenture）外包软件工程师。"企业始终依赖外部专家来完成特定类型的项目：为什么要在公司内部养15名建筑师，而不是直接聘请建筑事务所？同理，当需要整合垂直系统、搭建新工作流并培训员工时，自然需要借助麦肯锡（McKinsey）、贝恩（Bain）、BCG或埃森哲的力量。

这个悖论的核心启示是：AI并未消除对人的需求，而是改变了人被需要的方式和场景。

第四章 任务与工作：Excel教会我们的经济学

Evans提出了全篇最具分析穿透力的框架：区分"任务"（Task）和"工作"（Job）。他通过一系列历史案例展开论证：

电梯操作员的消亡。 老式手动电梯需要操作员操纵杠杆将乘客送到指定楼层。当自动按钮电梯在1950年代普及后，"按下按钮"就成了整个"工作"。这是任务即工作的经典案例——任务被自动化，工作消失。

但更常见的是Jevons悖论（Jevons Paradox）/价格弹性效应。 当某项任务的成本降低时，会发生什么？三种可能：同样的产出花更少的钱（削减成本）；同样的预算获得更多产出；因投资回报率改变而投入更多资金获取更多产出。历史反复证明后两种更为普遍。

会计师的逆势增长。 Evans在演示文稿中用两张图表展示了令人深思的数据：20世纪以来，尽管经历了加法机、打孔卡、大型机、数据库、ERP系统、云计算、PC和电子表格的叠代——会计师的就业人数持续上升，21世纪初以来再次增长。如果自动化必然消灭工作，会计行业应该早已萎缩殆尽。但它没有。

投资银行的反直觉案例。 Evans引用了他曾在Twitter上开过的一个玩笑："年轻人不会相信，在Excel出现之前，初级投行分析师就工作到很晚。现在，多亏了Excel，高盛的同事们可以在周五午餐时间就下班了。"——当然，事实恰好相反。Excel让财务建模变得极快，但结果不是大家更早下班，而是做了更多的模型、更复杂的分析。

软件开发的类比。 在现代iOS开发中，90%的代码由苹果写好——调制解调器驱动、图形驱动程序、文件系统都不需要开发者操心。按照"自动化减少工作"的逻辑，工程师数量应该锐减。实际上，工程师数量增长了数个量级。

核心洞见： 问题的关键不在于"代码一行一行地写"是否困难，而在于"该写什么代码"——产品的定义、客户是谁、进入市场的策略——这些才是真正困难的部分。正如亚马逊（Amazon）擅长的是"当你已经知道SKU编号时把商品送到你手上"，但"知道该买什么SKU"是另一项工作。Claude Code可以为你写代码，但"你要什么代码"——这才是真正的挑战。

第五章 就业末日？——历史与现实的对照

Evans对AI将导致大规模失业的"末日论"（Doomer Narrative）持明确批评态度。他的反驳建立在多个层面：

历史视角。 自1800年以来，90%的人口曾是农民，主要担忧是庄稼会不会歉收。此后每一次技术浪潮都自动化了一部分工作，同时创造了当时不存在、甚至听起来荒谬的新岗位。铁路工程师？"铁路是什么东西？"这一过程带来了摩擦性的痛苦和错位，但穿越周期之后，人类整体变得更富裕。GDP持续增长，被淘汰的往往是事后看来"很差的工作"，而新工作通常更好。

这一次有什么不同？ 两种可能：速度更快（但互联网也比之前的变革更快——因为每次都是站在巨人的肩膀上，存在复合效应）；或者AGI（通用人工智能，Artificial General Intelligence）的出现。对于后者，Evans的态度是诚实的不可知论："我们对人类智能没有理论，我们对这些模型为什么表现如此出色没有理论，我们对它们能变得多好没有理论。"因此所有的预测本质上都是"凭感觉的猜测"。他观察到AGI的定义正在被不断重新定义——从"有灵魂、活生生的"滑向"能完成一定比例具有经济价值的工作"——但按后一个标准，1975年的IBM大型机就已经"能完成大量以前由人完成的经济上有价值的工作"。

企业部署的现实节奏。 末日论者的一个致命盲点是完全不了解企业运作。企业软件销售周期通常长达18个月——这比风投融资周期还长。大型公司不会明天购买ChatGPT，两周后就解雇所有员工。SAP不会被轻易替换。整个技术栈的变革需要三、五、十年，分行业逐步推进。

就业数据的模糊性。 目前18至24岁人群的就业确实在放缓，但这一趋势在有无学位的人群中一致，在与AI暴露相关的领域和看似不相关的领域同样一致。经济学家尚未在这些数据中找到AI影响的确凿证据。

Dario Amodei的权威性问题。 Evans谨慎地指出：如果你要用权威论证，至少应该与领域相关。他对Dario关于未来6–12个月模型发展的判断感兴趣，但对Dario关于劳动经济学、市场价值和比较优势的观点持保留态度。"也许他在大学里修过这门课——我也修过。"

第六章 价值捕获：基础模型公司会有定价权吗？

这是Evans对AI产业结构最具原创性的分析。他将其演示文稿分为三个板块：资本（CapEx的去向及模型实验室的差异化）、部署（对软件行业的意义）和变革（如何改变世界）。在资本板块的核心问题是：基础模型提供商最终能否捕获价值？

Sam Altman的"水电表"愿景。 Altman曾说"我们将像卖水或电力一样，按计量出售AI智能"。Evans的反驳一针见血："我亲爱的孩子，你需要我来给你解释一下公用事业行业的利润率结构。"——你看电视时，电视公司不会向电力公司支付月度账单的一定比例；你洗衣服时，博世（Bosch）不会向电力公司支付洗衣机价格的分成。

电信行业的警示。 Evans以自己职业生涯起点的电信行业作为最有力的类比。全球移动行业年收入约一万亿美元，每年资本支出约两千亿美元。移动数据消费呈完美的指数曲线上升——目前约为2010年的1500至2000倍——然而电信股在25年内几乎毫无起色。原因在于：这是一个低毛利的商品化基础设施行业。所有"酷的东西"——iPhone上的应用——都是由其他人创造的。电信公司曾以为自己会做所有你在iPhone上做的事情，结果不仅他们没做成，苹果也没有——价值全都往上堆叠走了。

核心问题：模型是否具有网络效应？ Evans认为，关键观察是目前没有赢家通吃的效应——没有一个模型在持续地大幅领先其他模型。如果存在持续竞争且产品缺乏根本性差异化，那么就不应该有定价权。模型可能更像是AWS（Amazon Web Services）而非Windows：购买软件的企业不关心它运行在哪个云上；开发者不会因为客户使用AWS而被迫标准化在AWS上。这与Windows或iOS的生态系统锁定效应完全不同。

稳态均衡的思考。 当前的市场存在严重的价格不均衡——有人一个月花150万美元买token，就像2010年有人拿到5万美元的移动数据账单。这是暂时的。关键问题是：当所有曲线趋于稳态均衡时，模型公司是拥有定价权，还是三五家公司销售同质商品、价格走低、利润被压缩、价值上移？

Evans坦率承认这一判断可能是错的。他说，想象在1997年讨论互联网，或在2000年讨论移动互联网——你会错过几乎所有重要的东西。但底层的基本原理值得审视："它们是无差异化的商品基础设施提供商——这里面有很多科学，但平板屏幕里也有诺贝尔奖，它仍然是低毛利商品。"

第七章 分发渠道：AI时代的新护城河

随着软件开发成本趋于零，分发（Distribution）正在成为一个更重要的差异化因素。Evans从多个角度展开：

浏览器战争的历史镜像。 ChatGPT作为产品的形态——一个输入框加一个输出框——与网页浏览器惊人地相似。浏览器设计在过去20–25年里几乎没有创新（最后一个创新可能是标签页浏览），因为它已经达到了某种"柏拉图的理想形态"。微软曾用分发（Windows预装IE）攻入市场，但最终发现浏览器本身并不值钱——价值在更上层。浏览器战争打了五六年，微软赢了也没用。

Google和Meta的天然优势。 Google正在用分发推动Gemini。对于一个普通用户来说，Gemini和Claude有什么区别？几乎没有。Meta同样在做这件事——在科技圈内，Meta AI曾被普遍低估，但调查数据显示它已经冲到ChatGPT和Gemini之间。他们在每一个服务界面上都喷涂了AI功能，"它没那么差，还好用"。当一个产品基本上是商品化的情况下，分发和品牌就是关键。

OpenAI的焦虑。 OpenAI在2024年底的策略被形容为"遍地开花、全面铺开"——尝试一切可能的途径来建立飞轮、获得分发、创造粘性，争取在Google、Meta和亚马逊（Amazon）把所有界面喷涂上AI之前抢占用户。接下来就是惯性和默认选项的力量：为什么要切换？

苹果的最后一张牌。 Evans对2024年WWDC上展示的Apple Intelligence愿景给予高度评价："这是我见过的、仍然是我见过的最具说服力的个人AI助手愿景。"——一个设备端运行的、具备工具使用能力的智能代理（Agentic），没有提示注入和幻觉问题，通过标准化API跨一万个应用无缝运行。显然，他们没能交付——但也没人交付得了。关键问题是即将到来的WWDC：苹果会真正推出这个愿景吗？由Gemini驱动吗？有意思的是，模型在这种场景下变成了"底层那个驱动功能选择的愚蠢东西"——苹果有十亿台设备可以运行它，这是又一种分发优势。

结论： 当产品趋于商品化，分发就是一切。

第八章 反AI情绪：一场被压缩的反弹

Evans注意到反AI情绪正在上升：调查显示AI的受欢迎程度甚至低于美国移民和海关执法局；人们试图阻止数据中心建设；Eric Schmidt在毕业典礼演讲中每次提及AI都被嘘声回应。他将这股情绪描述为"一团巨大的模糊混合物"：

真实的物质性担忧——但被夸大了。 电费上涨在某些地区确实存在（虽然客观影响范围很小）。水资源消耗问题则基本是虚构的——劳伦斯利弗莫尔国家实验室（Lawrence Livermore Lab）2024年底的研究估计，美国数据中心用水量仅占全国总用水量的约0.017%。当然，如果你住在一个只有一口井的小镇上，井被抽干供水给数据中心，你确实会很愤怒——但那是规划问题，不是数据中心问题。数据中心占美国能源消耗约5%，可能在未来五年以每年一个百分点的速度增长。

就业焦虑。 这是真正的痛点——学生找不到工作，无论原因是AI还是特朗普的关税政策，痛苦是真实的。但经济学家在数据中尚未找到清晰的AI影响证据。

文化战争维度。 浪漫小说封面插画师正在愤怒——现在你可以不付钱就得到一幅"裸女骑在喷火巨龙的背上飞过火山"的图。独立作家之间关于是否可以使用AI的巨大争论。"AI垃圾内容"（AI Slop）问题——30%–40%的播客是AI生成的。

深层伪造（Deepfake）的问题。 有人反驳说"你难道没听说过Photoshop吗？"——但这回避了核心差异。15岁孩子不可能用一个下午用Photoshop制作全校所有女生的深度伪造色情图片并发送给整个学校。而现在他们可以。这就如同社交媒体的两面性：1990年代人们说互联网让"村庄里唯一一个同性恋孩子找到同类"成为可能，结果也同时让"村庄里唯一一个纳粹"或"唯一一个恋童癖"找到了同类。

英国邮局丑闻的教训。 Evans举了一个与技术恐慌直接相关的案例：英国邮局的Horizon IT系统（富士通开发）存在软件缺陷，错误显示账目短缺。邮局管理层以此为由将数百名邮局代理（多为少数族裔小企业主）定罪入狱，造成大量自杀和破产——而邮局和富士通的人在法庭上发誓系统没有漏洞。这是1970年代的技术。每波技术浪潮都带有摧毁人生活的方式——无论是蓄意还是意外。

Evans的总体态度是：有些担忧是真的，有些半真半假，有些纯属虚构——正如当年围绕社交媒体的反弹一样。需要意识到风险，但不宜恐慌。

第九章 Uber与Airbnb：你无法预测哪些行业会被颠覆

Evans用一组精妙的对比来展示预测技术影响的难度：

1997年的预测对错参半。 如果你在1997年预测互联网的影响，你会说报纸会受益（省下印刷费）——结果恰恰相反，报纸基本上被互联网摧毁了，因为报纸本质上是一家制造和卡车运输公司，而当信息分发被解耦后，他们的核心业务就崩塌了。同样的故事发生在唱片业——唱片公司不认为自己是"塑料片制造商"，但这恰恰是他们的核心功能。

而出租车行业呢？ 1997年你会说，互联网跟出租车有什么关系？顶多是在线预约——不会有什么大变化。当然，结果完全是另一回事。

Uber vs Airbnb的非对称性。 这是Mark Andreessen的经典论述：Uber没有向出租车公司卖软件，Airbnb没有向酒店卖软件。但两者对传统行业的影响截然不同。Uber在很多城市彻底摧毁并大幅扩张了出租车市场——市场规模（TAM）变得更大。Airbnb对酒店业的影响——如果你真的去看数据——相当边缘。它们开辟了一个全新的细分市场，或许减缓了酒店业的增长速度，但并未颠覆它。Evans的太太下周要飞往密尔沃基：晚上八点落地，需要入住酒店、客房服务、早上六点去健身房、七点开车去客户现场。使用Airbnb的概率是"零"。而酒店业约一半的生意来自商务旅行。

启示： 一旦你深入任何具体行业，事情就变得复杂了。"有人在社交媒体上说，'Benedict的问题是，他对所有问题的回答都是"看情况"'——是的，就是看情况。"这正是1997年时刻的另一个维度：你可以说出一些趋势，但必须保持谦卑。

第十章 拥抱不确定性：我们能做什么

面对听众的焦虑，Evans的回答既有清醒的诚实，也有务实的建议：

诚实面对不确定。 正如凯恩斯（Keynes）所言，"长期来看，我们都死了。"平均而言，一战没有死人——但如果你是1914年的19岁青年，你有三分之一的概率回不来。某些职业确实面临重大不确定性：初级律师、初级咨询顾问的招聘模式会发生什么？专业服务金字塔结构会如何演变？没人知道。

唯一有意义的行动。 "不要把头埋进沙子里，说'我讨厌这一切东西。'" 这能带来道德优越感，你可以在Bluesky上跟所有人互相怒吼AI有多邪恶——"挺好的，祝你开心。"但这不会帮助你在变革中立足。真正有帮助的是："完全沉浸其中，深入理解你能用它做什么，理解它如何改变事物，理解你如何成为一个更优秀的人才。"即便这仍然不能保证成功——去律所面试，对方说"去年我们招了100个助理，今年只招50个"，你的回答是"我认为AI是邪恶的，我永远不会用它"，大概不是正确的姿态。

重温平台转移的经验。 正如Evans和Lenny这一代人经历了移动互联网和互联网的变革——他们深入其中、吸收内化、思考其意义。对AI也是如此。

第十一章 Evans的AI实践：分析师的悖论

在"AI Corner"环节，Evans坦率地承认了一个有趣的悖论：他自己反而很难找到AI的理想用例。

他的工作——整天坐在桌前，将大量信息综合成新观点——恰恰是AI当前最不擅长的领域。"我想要的机器能帮我做的事情，恰恰是AI目前做得不够好的事情。"他使用AI做校对、生成图片、重新装修公寓（"这是这个房间的照片，刷成这个颜色，加上这个灯和地毯——不对，换个地毯颜色"）——在这些地方效果极好。但"一两年前有人说过，AI擅长计算机不擅长的事，不擅长计算机擅长的事。"

他将自己比作当年的会计师看到电子表格："这确实很聪明，这显然会彻底改变一切——但我并不每天都做电子表格。"

Evans大量使用语音输入——在Apple Notes中口述内容，自动转写，对此他表示满意。他反问："这还是AI吗，还是说这只是语音识别？里面可能有个LLM（大语言模型，Large Language Model）。好吧，那也许是AI。但这又怎样？某个时点之后，它就只是自动化而已。"

这与贯穿全篇的主题相呼应：当技术真正有效时，它就消失了。

结语：它大概会没事的

Evans的演示文稿中有一张有趣的幻灯片，标题大致是："这次将与以往完全不同——就像以往每次一样。"下一张是一则1950年代的IBM广告，画面中满是一片穿着白衬衫、打着领带的白人男性，手里举着计算尺，广告语是："一台IBM电子计算器（当时还不叫计算机）——一台冰箱大小的电子计算器——相当于拥有150个额外工程师。"

这听起来是不是很像当今AI创业公司的广告语？"150个专家工程师——免费提供。"

在节目的闪电问答环节，Evans被问到座右铭时回答："我大多数时候说的是'看情况'。"而他的生活信条是："大概会没事的。"

这种既清醒又冷静的态度，可能正是我们在AI变革浪潮中最需要的东西：不要把头埋进沙子里，不要恐慌，深入其中，去理解、去构建、去适应。

Benedict Evans的演示文稿和每周简报可在 benevans.com 找到。