本文编译自 a16z Runtime 大会官方视频，原始链接：
https://www.youtube.com/watch?v=Y7dwbJ0AtUA
Marc Andreessen：我认为，我们现在其实还不知道“最终形态”的 AI 产品到底会长成什么样。历史上一个很明显的类比是：个人电脑从 1975 年诞生开始，到差不多 1992 年之前，本质上一直都是文本命令行系统。17 年之后，整个行业突然转向了 GUI 图形界面，从此再也没有回头。又过了大约 5 年，行业又突然转向了网页浏览器，同样再也没有回头。所以，我当然相信 20 年后依然会有聊天机器人存在，但我也非常确定，无论是现在的聊天机器人公司，还是未来新出现的公司，都会摸索出很多与今天截然不同的交互方式，而那些形态是我们现在甚至都还没想明白的。
一、AI 真的能创造吗？智能与发明的边界
主持人 ：最近很多人都在谈大语言模型的局限，它们不能真正发明新科学，不能实现真正的创造性天才，最多只是把已有内容重新组合、重新包装。你怎么看？
Marc Andreessen：对我来说，这类问题通常分成两种。第一种是：语言模型到底算不算“智能”？也就是说，它能不能像人一样真正处理信息，并实现某种概念上的突破？；第二种是：语言模型或者视频模型，到底算不算“有创造力”？它们能不能创作出真正新的艺术，产生真正的创造性突破？
而我对这两个问题的回答，都是同一个反问：人类自己真的能做到吗？因为这里面其实有两个层次。第一，就算有些人确实算得上“聪明”，能提出原创性的概念突破，而不是简单复述训练材料或按既有脚本行事——这样的人在人群中到底占多大比例？坦率地说，我这辈子真正见过这样的人也没几个，今天这个房间里就有几位，但总数非常少。绝大多数人，一生都不会有那种真正意义上的原创性突破。创造力也是一样。你会指着贝多芬、梵高这样的人说：“这才叫创造力。”没错，这当然是创造力。但问题是，世界上有几个贝多芬、几个梵高？显然极少。所以，如果 AI 能够超过人类 99.99%的水平，本身就已经很惊人了。
二、重组、原创以及人类创造力的本质
Marc Andreessen：再往深里看，你会发现一个问题：在人类历史上，真正的概念性突破到底有多少？和“把已有想法重新混搭、重组”相比，哪一个才是主流？如果你回头看技术史，你会发现大多数重大突破，往往都建立在此前至少 40 年的积累之上。事实上，今天的语言模型本身，也是此前 80 年研究积累的结果。
艺术领域也是同样的道理。小说、音乐、绘画，当然会有真正飞跃性的创造，但其中同样包含了大量来自前人的影响。即使是像贝多芬这样的大师，他的作品里也能看到莫扎特、海顿以及更早作曲家的痕迹。所以，所谓“原创”和“混搭”的界线，很多时候并没有想象中那么清楚。
说到底，这有点像“针尖上能站几个天使”那样的哲学问题：如果一个系统已经能逼近那种世界级、跨时代的创造力和智能，哪怕只差极小一点点，那么在现实意义上，它可能就已经“差不多到了”。情感上，我当然也希望人类创造力依然保有某种独特、不可替代的东西。我也确实愿意相信这一点。但说实话，每次我用这些模型的时候，我都会觉得：它们真的已经非常聪明，也非常有创造力了。所以我相当相信，它们最终会跨过那道门槛。
主持人：我感觉这好像是你一贯的分析框架。别人一谈 LLM 的局限，比如它们能不能迁移学习、能不能举一反三，你的第一反应总是：人类自己能做到吗？
Marc Andreessen：对，就是这样。比如“横向思维”、比如“分布外推理”。很多人擅长在熟悉范围内推理，但真正能在陌生领域里迁移知识、跨域思考的人，其实非常少。我认识的这类人，坐在今天这个会场里，我大概也就能数出 3 个。而我的通讯录里大约有 1 万人。也就是说，真正稳定具备这种能力的人，大概只有万分之几。 这反而让我觉得很振奋。因为你看，人类明明有这么多局限，但我们还是创造出了惊人的艺术、电影、小说、技术发明和科学突破。所以，哪怕 AI 还没到让你 100% 确信“它正在进行真正原创思考”的地步，也不妨碍它带来巨大的进步。
三、Ben Horowitz 谈嘻哈、创新与天才
主持人：Ben，你上周刚办完 Paid in Full Foundation 的活动，致敬了一批嘻哈传奇人物。你对“创造性天才”这个话题一定想得很多。你怎么看？
Ben Horowitz：我基本同意Marc的看法。不管你最后把它定义成什么，AI 已经非常有用了。就算它还没有完全达到“顶级天才创造力”的层级，它也已经很强。不过，在艺术领域，尤其是当下这一代技术，还是有一个地方没完全到位：人类特别在乎那种实时发生的、切身的生命体验。而当前模型的预训练数据，还不足以真正捕捉这种东西。但即便如此，它已经做得相当不错了。
Marc Andreessen：Ben 有一个非营利项目叫 Paid in Full Foundation，它会表彰并为嘻哈/说唱领域的重要创新者提供某种“养老金式”的支持。如果把过去 50 年整个嘻哈领域都算上，你觉得真正称得上“概念性创新者”的人有多少？
Ben Horowitz：这得看你把定义放得多宽。如果说得宽一点，上周六现场就有好几位：Rakim、Dr. Dre、George Clinton，这些人都可以算。如果定义再窄一些，比如 Cool G Rap也确实提出过新的东西。但如果你要说那种最根本、最底层的音乐性突破，那我大概会把范围缩到 Rakim 和 George Clinton。总之，比例极低，非常低。
主持人：昨天 Jared Leto 也提到，好莱坞很多人对 AI 很害怕、很反感。那你和这些音乐人聊天时，比如 Dr. Dre、Nas、Kanye 这些人，他们是兴奋、排斥，还是已经在用？
Ben Horowitz：确实有不少音乐人害怕 AI，但也有很多人对它非常感兴趣。尤其是嘻哈圈的人，会更容易理解它。因为从某种意义上说，这几乎就是他们当年做的事情：把已有音乐拿来，重新拼接、重构，做成新东西。所以对他们来说，AI 是一个非常强大的创作工具，它极大拓展了创作的调色板。而且嘻哈很多时候讲的是一个非常具体的时间、地点和个人经验。如果你的模型对这个特定文化、特定语境“懂得很深”，那反而比一个泛化能力很强但不够贴身的音乐模型更有优势。
四、智能、权力与谁在主导世界
主持人：很多人会用同一种逻辑来推演 AI：更聪明的东西最终会统治不那么聪明的东西。Marc，你最近发过一条很有名的话：“顶级的图形推理者，只会做图形推理；但顶级的‘文字型人才’，却能调度那些图形推理者。”你还说过一句：“高 IQ 的专家，往往是在给中等 IQ 的通才打工。”这是什么意思？
Marc Andreessen：意思其实很简单：博士通常给 MBA 打工。你把问题放大一点看：当你观察今天这个世界，你真的会得出“最聪明的人在统治世界”这个结论吗？放眼全球现实，你会觉得“我们把天才都放在最关键的位置上了”吗？显然不是。
这里有两件事同时成立。第一，我们整体上可能低估了智力的重要性。第二，那些特别强调智力的人，又往往会高估智力的重要性。社会科学通常会告诉你，流体智力、g 因子、IQ 之类的指标，和很多正向人生结果都有相关性，比如教育结果、职业成就、收入、生活满意度，甚至包括更少诉诸暴力地解决问题。这些相关性很重要，但它依然不是全部。所以，你不能把“智力重要”直接推导成“智力是唯一决定因素”或者“智力是最重要的唯一变量”。现实显然不是这样。
哪怕你是一个极端的 IQ 决定论者，你也不得不承认：很多结果并不能只靠 IQ 来解释。再往上看群体层面，事情就更复杂了。任何一群人，一旦变成“群体”甚至“乌合之众”，集体智商通常都会下降。你把一群聪明人放进一个群体，他们往往也会变笨。所以，不管是公司、组织还是国家，谁来掌权，从来都不只是 IQ 决定的，甚至可能根本不是主要由 IQ 决定的。 因此，AI 圈里有一种常见假设：更聪明的存在必然会统治更笨的存在。我觉得这种说法非常容易被现实反驳。因为智能不是充分条件。
五、超越 IQ：领导力、情绪与“心理理论”
主持人：那除了智力之外，哪些能力更决定一个人能否成功领导、创业、解决复杂问题、组织团队？以及为什么 AI 不能同样学会这些能力？
Ben Horowitz：有很多东西都重要。比如，你能不能以正确的方式跟人发生冲突。这里面当然有一点智力成分，但更多时候，关键在于你是不是真的理解你正在跟谁打交道。你要能读懂对方怎么想，能从公司员工的视角看问题，而不是只从你自己的视角看。这种能力来自于长期和人沟通、倾听、理解，而不是 IQ 测出来的。而且管理还有一个关键点：你不是为了让大家做“最受欢迎的事”，而是要让大家去做“正确的事”，哪怕他们并不喜欢。这就是大量管理工作的本质。
Marc Andreessen：所以这里面涉及勇气、动机、情绪理解，以及所谓的 theory of mind（心理理论）。
Ben Horowitz：对。你得知道别人想要什么，同时又不能只迎合，而是要把这和“组织真正需要做什么”结合起来。还要判断：团队里谁能力强，谁是不能失去的人，谁情绪崩了影响不大，谁一出问题整个团队就会出事。这些东西充满了微妙的情境判断，很难抽象成几条通用公式。这也是为什么很多管理书都很糟糕。因为管理高度依赖具体情境：你的公司、你的产品、你的人、你的组织结构，都和别人完全不同。所以那种“建立战略的五个步骤”式的书，很多时候根本没什么用。
Marc Andreessen：心理理论非常关键。简单说，就是：你能不能在自己脑子里，准确模拟出别人脑子里在发生什么。直觉上你会以为，越聪明的人越擅长这个；但事实可能并非如此。美国军方是美国社会最早、也是最系统使用 IQ 测试的机构之一。他们通过 ASVAB 之类测试把人分配到不同岗位，甚至领导岗位。而他们长期观察发现：如果一个领导者的智力水平和他带领的人群相差超过一个标准差，就很容易出问题。低于团队太多当然不行；但反过来，高出太多也不行。如果一个领导者的智力比组织平均水平高出两个标准差，他往往也会失去对他人的“心理建模能力”。也就是说，特别聪明的人，反而可能很难真正理解普通聪明人的思维过程。
所以，领导者和被领导者之间需要某种“可连接性”，这不是单靠智力就能解决的。由此类推，如果未来真的出现一个 IQ 高得离谱的人，或者机器，比如“1000 IQ”的存在，它对现实的理解方式可能会异化到一个程度，以至于它根本无法和它所管理的人建立真实连接。这也是为什么我认为，未来很长时间里，这个世界都不会单纯按 IQ 来组织。
Ben Horowitz：扎克伯格有句话说得很好：“智能不是生命本身。”生命有很多维度，而这些维度并不依赖智力。有些人太聪明了，反而会过度理性化，默认别人也会那么理性，于是把很多事情都想偏了。
六、具身智能：心智与身体的问题
Marc Andreessen：我还怀疑，这个问题最终会越来越走向生物学。现在越来越多研究表明，人类的认知、自我意识、信息处理、决策和主观体验，并不只是大脑在工作。传统的“心身二元论”——把心智和身体完全分开——很可能本来就是错的。 人的存在体验是一个全身性的过程。神经系统当然重要，但肠道菌群、嗅觉、激素、各种生化过程，都会影响人的认知和判断。如果顺着这条研究线继续往前走，我猜我们最后会发现：人类认知比大家原先以为的，更像是一种“全身参与”的体验。
而这恰恰是今天 AI 领域面临的一个基础性问题。当前真正运转起来的 AI，本质上还是一种“彻底心身分离”的形式——它像一个脱离身体的大脑。但机器人革命迟早会来。当 AI 被装进能在物理世界里移动、感知、行动的实体里，它才可能更接近那种真正“智力—身体一体化”的经验结构。机器人会带来更多传感器、更多现实世界数据，也许会让系统更接近那种完整的智能。 但至少从现在的研究来看，这个方向还很早，我们还有很多工作要做。
七、今天的 AI 在“读人心”方面到底有多强？
主持人：你觉得现在的 AI 在“心理理论”这件事上做得怎么样？它们的边界在哪里？
Marc Andreessen：总体来说，我觉得它们已经相当强了。我个人很喜欢让语言模型去生成“人物角色”，再让这些角色展开一种苏格拉底式对话。现在任何先进的大模型都能把这件事做得不错。不过它们有个特别烦人的毛病：它们总想让所有人都开心，最后都达成一致。一开始讨论可能还有点意思，但很快就会变成一种“大家互相理解、圆满收场”的剧情，我特别讨厌这个。所以我会故意给它下指令：把对话写得更紧张一点，更有怒气一点，让人物之间的冲突一路升级；再加一点脏话，让他们彻底撕破脸，进入那种“我要摧毁你名誉”的状态。这样它就会变得非常有意思。再后来我还会玩过头，比如说“其实他们全都是秘密忍者”，于是爱因斯坦就拿着双节棍去打玻尔——模型居然也能顺着往下编。所以你自己也得克制一点。
但这恰恰说明，它在“模拟不同人的思维状态”上已经很强了。再举个例子：英国有一家做政治相关业务的创业公司发现，现在最先进的语言模型已经好到可以在模型内部，较准确地复现一个真实选民焦点小组。现实中的焦点小组很贵，要招募人、筛人、组织现场，还很花时间。但模型现在已经能模拟出不同背景的人，比如来自肯塔基州的大学生、田纳西州的家庭主妇等等，并让这些角色在模型内部展开讨论，而且结果与真实焦点小组相当接近。所以至少在这个门槛上，它已经跨过去了。接下来能走多远，还要继续看。
八、AI 是不是泡沫？基本面与市场情绪
主持人：前面几位嘉宾提到，AI 正在建设极其庞大的物理基础设施，资本开支已经达到 GDP 的 1%。我们到底该怎么理解“AI 泡沫”这个问题？
Ben Horowitz：在我看来，只要大家还在问“这是不是泡沫”，那它大概率就还不是泡沫。
因为泡沫本质上首先是一种心理现象。真正的泡沫，往往发生在所有人都已经彻底相信“这绝对不是泡沫”的时候。市场术语里，这叫“投降”——原先做空的人被持续上涨逼得受不了，只能认输，转身去做多。 互联网泡沫时期就有类似现象。那时候连巴菲特都开始投资科技股了，而他原本一直说自己不投科技，因为看不懂。
如果连他都“投降”了，那时市场上其实已经没人再说那是泡沫了。 但回头看，互联网本身显然不是泡沫，它是真东西。真正的问题是：当时市场价格在短期内跑得太快，远远领先于实际用户规模和市场成熟度。可 AI 跟那时又不一样。今天 AI 最大的问题不是需求不足，而是需求太强。现在没有需求问题，我也很难相信五年后会出现需求问题。当然，未来可能会出现一些奇怪的瓶颈，比如散热不够、供电不够之类。但如果你现在看供需关系、增长与估值的匹配情况，我觉得它一点都不像泡沫。
Marc Andreessen：说到底，没人真正知道答案。你去问对冲基金、银行、CEO，很多人其实都不知道。VC 也常常不知道，只是有些人会因为自己错过机会、看到估值越来越高而情绪失控，特别希望这最终被证明是个泡沫。
Ben Horowitz：在我们这个行业里，最让人难受的事情之一，就是你错过了一个项目，结果它后来成了大成功。你可能会因此气 30 年。于是你就会不断找理由解释：不是我判断错了，是世界疯了。
Marc Andreessen：所以我会建议把讨论拉回最朴素的两个基本面问题：第一，技术到底能不能真正工作？能不能兑现它承诺的价值？第二，客户到底愿不愿意为它付钱？只要这两点都成立，整体方向通常就不会跑偏。
九、平台迁移、Google 的“珍珠港时刻”与新交互范式
主持人：有人说 ChatGPT 对 Google 来说是一个“珍珠港时刻”，是巨人被惊醒的一刻。历史上每次平台切换时，到底是什么决定了老巨头能不能赢下下一波，而不是被新玩家取代？
Ben Horowitz：对变化做出反应当然重要，但这并不代表巨头就一定能赢。Google 确实被惊醒了，用不那么客气的话说，就是它终于“把脑袋从屁股里拔出来了”。所以它不会被轻易彻底碾压，但与此同时，我也不认为 OpenAI 会消失。Google 的确给了对手机会。说到底，比的是长期执行力。很多超级大公司在不同程度上都失去了持续执行的能力。历史上，新平台往往是新公司赢下来。微软当年错过了搜索，后来又错过了移动计算；它依然很强，但确实错过了那两个关键时代。所以通常是：新公司赢下新市场，老垄断则依靠旧时代积累继续存在很久。
Marc Andreessen：而且我觉得大家现在还有一个很容易犯的错误，就是默认未来的主流产品形态，只会是“搜索引擎”或者“聊天机器人”二选一。这是一种过于简化的看法。
这种想法背后的叙事通常是：Google 面临的经典难题是自我颠覆——要不要把“10 条蓝色链接”的模式，替换成 AI 回答，从而可能冲击自己的广告模式；OpenAI 的问题则是，它有完整的聊天产品，但还没有 Google 那样的广告体系和分发能力。听上去很像《创新者的窘境》教科书里那种“新旧势力正面对决”的模型。但这种看法默认了一个前提：5 年、10 年、15 年、20 年后，人们主要使用的产品形态，还是“搜索”或“聊天”。
而我认为，这个前提本身就很可能是错的。回到个人电脑历史就知道了：1975 年到 1992 年，个人电脑基本就是文本命令系统。而在当时，交互式命令行本身已经比打孔卡和时分系统先进很多了。但 17 年后，整个行业突然转向 GUI；又过 5 年，行业再转向浏览器。也就是说，用户体验的形态、产品进入生活的方式，直到很后面才真正定型。所以，我相信 20 年后依然会有聊天机器人，但我同样相信，当前的聊天产品公司和未来的新公司，一定会发明出很多今天我们还根本没见过的 AI 产品形态。而这正是科技行业最有意思的地方：产品的最终形态并不预先写好，发明空间仍然极大。
十、给创业者的建议：这是一个真正不同的时代
主持人：如果你们要给今天的创业者一些建议，这个时代和过去最大的不同在哪里？无论是人才争夺，还是公司组织方式，还有哪些是创业者应该特别留意的？
Ben Horowitz：我觉得你刚才其实已经说中了重点：这是一个真正独特的时代。所以，如果你过度试图从上一个时代照搬组织设计经验、管理经验，反而可能会被误导。今天公司被搭建起来的方式，和过去已经非常不同了。 比如 AI 研究型 PhD 和传统的全栈工程师，完全不是同一种人才画像。所以很多问题必须回到第一性原理重新思考，而不能靠历史模板套答案。
Marc Andreessen：我还想补充一点：接下来变化一定会继续发生。我前面说过，产品形态会变；与此同时，今天大家最头疼的资源短缺，未来很可能会反过来变成过剩。
十一、人才、芯片，以及“短缺终将导向过剩”的周期
Marc Andreessen：在供需世界里，一个很有意思的规律是：严重短缺本身，往往会孕育未来的过剩。因为当某样东西太稀缺、利润太高时，市场就会释放出巨大的激励，逼着人们去想办法增加供给。 现在的 AI 公司，一方面非常缺顶级研究员和工程师；另一方面又在缺芯片、数据中心、电力等基础设施。我不想断言具体时间点，但我相信总有一天，这两类短缺都会缓解，甚至转向过剩。
尤其在人才这一边，一个很值得注意的现象是：中国现在已经冒出了很多非常出色的模型，而且不止一家。比如 DeepSeek、Qwen（通义千问）、Kimi。更有意思的是，做出这些东西的团队，很多并不是那种“论文圈最有名、名字总挂在顶刊上的明星团队”。这说明中国正在成功摸索出一套方法：把年轻人快速训练出来，让他们真正进入这个领域、做出成果。
Ben Horowitz：xAI 在某种程度上也是如此。
Marc Andreessen：对。所以我觉得，虽然顶级 AI 研发能力在一段时间内仍会是极其稀缺、极其昂贵的技能，但知识扩散已经开始发生了。大学生在学，更多人在会做，AI 也会进一步帮助人类构建 AI。也许不会真的出现“人才过剩”，但至少未来懂得如何构建这些系统的人，一定会比今天多得多。
再看芯片这一边。我不是芯片专家，但如果回顾整个芯片产业历史，你会发现一个规律：每一次短缺，最后几乎都会走向过剩。因为短缺时利润太高，利润池太大，外部竞争者进入并把这个功能“商品化”的动力就会极强。NVIDIA 今天在芯片行业的位置，可能已经好到了史无前例的程度。但即便如此，我还是很难相信，5 年后基础设施会维持今天这种极端紧张的状态。哪怕瓶颈从芯片转移到了电力、散热或别的地方，芯片本身也很可能会出现供给宽松。
所以我只想说一句：五年后，我们今天面对的问题大概率都还会在，但形式会完全变掉。这个行业变化极快，绝不能用静态视角看它。
十二、中美 AI 竞赛与机器人时代
主持人：上个月我们在华盛顿时，参议员们很关心一个问题：到底该怎么看中美 AI 竞赛的现状？你愿意把当时对他们说的核心观点再讲一遍吗？
Marc Andreessen：我的基本判断是：到目前为止，重大的概念性创新，主要还是来自美国，更广一点说是来自西方，而其中又越来越集中在美国。但中国在另一件事上极其擅长：迅速吸收想法、把它做出来、放大规模、压低成本、实现商品化。他们在制造业里一直就是这么干的，现在在 AI 里也正在很成功地这么做。
所以我会说，中国现在是在把“追赶战”打得非常好。当然，关于追赶速度为何如此之快，外界有各种猜测和讨论，但不管怎么说，结果摆在那里——他们确实做得非常出色。而且中国当然也不满足于只做追赶者。中国有很多非常聪明、非常有创造力的人。接下来真正值得观察的是：未来那些“概念级的突破”，会不会也开始越来越多地出现在中国，甚至让他们反超。
所以我们在华盛顿对政策制定者说的是：这已经是一场真正的竞赛，是短跑，是寸土必争。美国不会拥有 5 年领先优势，可能最多也就 6 个月。我们必须跑得很快，必须赢。而且我们不能给美国公司套上中国政府并没有强加给中国公司的那些额外枷锁，否则我们就会输。如果有一天你早上醒来，发现这个世界在很大程度上是由中国 AI 所主导和塑造的，多数美国人显然不希望看到那样的局面。不过就目前而言，我对美国在软件层面的优势仍然算是谨慎乐观。
但一旦 AI 进入具身智能/机器人阶段，问题就会变得更棘手。因为过去 40 年里，美国和西方整体上选择了去工业化，而中国则建立起了一个庞大的工业生态系统，覆盖机械、电气、半导体、软件以及各种终端制造：手机、无人机、汽车，未来还包括机器人。AI 革命一定会有第二阶段，那就是机器人，而且我觉得这个阶段会来得很快。到那时，哪怕美国在软件上依然领先，机器人终究还是得被“造出来”。
而“把机器人造出来”不是一家公司单打独斗能完成的，它需要的是一个完整的供应链生态。汽车工业不是几家车企而已，而是成千上万的零部件供应商共同构成的体系。飞机、电脑也一样，机器人未来也会一样。 而按今天的默认格局看，这套体系很可能会主要发生在中国。所以哪怕中国在软件上没有完全追平美国，也有可能在硬件和制造端反超并绕过去。好消息是，美国政治光谱两端现在都越来越意识到：去工业化走得太远了，必须想办法往回拉。我对此持谨慎乐观态度，但要做的事情还非常多。
（触手可及的全球并购投资交易资讯管家）
热
今日头条资讯
资讯 · 独家情报
无限制查看所有资讯和独家情报
定制化内容 · 资讯
独家定制 · 优质项目
按照需求广西股票配资一览表，一对一定制优质项目
大圣配资提示：文章来自网络，不代表本站观点。
- 上一篇：股票配资佣金 闽江学院附属中学：青山埋骨存浩气 碧血成仁铸丰碑
- 下一篇：没有了
相关文章
热点资讯
推荐资讯
