# 听完这期播客，我对 AI 的焦虑少了一大半

Redpoint 的播客 Unsupervised Learning 这期请了 Benedict Evans.

这个人在科技圈很有名，写年度科技趋势报告的，经历过 PC、互联网、移动互联网每一轮大浪潮。属于那种见过太多周期的人，不容易被新东西吓到，也不容易被忽悠。

这期聊了将近一个半小时，话题很杂，但听完之后我觉得有一条主线：AI 确实很大，但我们以前见过类似的事情，别慌，回头看看历史就好。

下面是我觉得最有价值的几个观点，在这里分享一下，顺便聊一下我的感受。

## 一、每次大变革来的时候，人们都觉得史无前例

Evans 说了一句话我印象特别深。他说你可以说 AI 像电力一样改变一切，好，那我们就去看看电力刚出来的时候发生了什么。那时候的人也不傻，也在挠头想这东西到底怎么用，花了好几十年才真正搞明白。

PC 来了是一轮，互联网来了又是一轮，智能手机又是一轮。每一轮都有人说这次完全不同，前所未有。但回头看，这些浪潮之间有大量可以借鉴的规律。

他举了一个很具体的例子。移动网络的数据流量在过去 15 年涨了一两千倍，整个行业每年花 2000 亿美元建基站，结果运营商本身没赚到多少钱。Uber、YouTube、银行 App 这些真正赚钱的东西都是别人做的，价值全部往上层跑了。

这个故事对今天做基础模型的公司来说，是一个很值得警惕的参照。你花了天量资金建基础设施，最后赚大钱的可能是在你上面跑的那些应用。

我觉得这个视角对我们普通人也挺有用的。每次看到铺天盖地的新闻说 AI 要颠覆一切，心里慌得不行的时候，可以想想：互联网刚出来的时候，大家也是这么慌的。结果呢，天没塌，世界确实变了，但变化是慢慢渗透进来的，给了所有人适应的时间。

## 二、AI 跟以前的技术有一个真正不同的地方

Evans 承认有一个关键区别。以前每一轮技术变革，我们大概知道物理极限在哪里。2010 年你不知道下一代 iPhone 长什么样，但你知道它不可能有视网膜植入和一年续航。1995 年你不知道互联网会变成什么样，但你知道 PC 要两三千美元一台，大部分人还没有，电信公司也不可能下个月就给每家每户拉上光纤。

但 AI 现在的情况是，我们连模型为什么这么好用都没有很好的科学解释，也不知道它的天花板在哪。这是一个真正的未知数。

所以他说，关于 AGI 会不会实现这件事，有点像古巴导弹危机时候的一个股市故事。有人听说导弹发射了，所有人都在抛售，一个老交易员反而去买入。他说这是个二元问题：要么导弹是真的，我们都死了，要么是假的，股票就是白捡的便宜。

AI 也类似。如果 AGI 真的实现了，那我们面对的问题比中产阶级失业大得多，讨论企业软件就没意义了。如果没实现，那我们就踏踏实实研究这东西怎么用就好。

与其焦虑一个你既无法预测也无法控制的终极问题，不如把精力放在眼前能做的事情上。这个思路我觉得挺解压的。

## 三、当前的 AI 使用率其实很浅

这个数据让我挺意外的。Evans 说现在大概只有 10% 到 15% 的人是 AI 的日活用户，而且就算是日活，也就是一天用一两次。还有 20% 到 40% 的人是周活或月活。

他说在社交产品的时代，周活用户基本等于没在用。如果大部分人一周才打开一两次 ChatGPT，那离硅谷想象中 AI 改变一切计算方式的愿景还差得远。

真正有明确产品市场契合度的领域，目前就是写代码。程序员用 Claude Code、Copilot 这些工具，生产力提升是实打实的，已经改变了整个软件开发的方式。但对于其他知识工作者来说，很多人的反应是：挺酷的，偶尔用用。还没到离不开的程度。

他打了一个比方，我觉得特别准确。想象你是 1970 年代末第一次看到电子表格的会计师，你会觉得这东西改变人生。但如果你是一个律师看到同样的电子表格，你会说嗯，下周记工时可以用一下，然后就没了。

这就是当前 AI 的状态。对少数人来说已经是核心工具，对大多数人来说还只是偶尔有用的小帮手。

所以如果你现在觉得自己用 AI 用得不多，或者用了几次觉得也就那样，不用太焦虑。大部分人都是这个状态。这东西还在很早期。

## 四、消费级 AI 应用为什么还没爆发

Evans 认为这里面有三个叠加的难题。

第一，大多数人不是工具制造者。他们不会自己想出来可以用 AI 做一个什么东西来解决自己的问题。你想想有多少企业软件，第一次看到的时候你完全不理解它在解决什么，直到你真的做了那份工作才明白。

第二，很多人根本看不到自己有什么问题可以交给 AI。你得先意识到自己有一个重复性的痛点，然后还得想到这个痛点可以被自动化，这两步对普通人来说都挺难的。

第三，就算前两个问题都解决了，很多场景涉及合规数据、系统对接、1500 个人同时在用的流程，你不可能让一个人随便在 Claude 里搭个工具就替代 SAP。

他还提到一个规律我觉得特别有意思。每一种新技术，人们一开始总是拿它来加速旧的做法，把新技术硬塞进旧的工作方式里。真正属于新技术的全新用法，总是要花更长时间才能被发明出来。

就像 Instagram 和 TikTok。没有人是坐在那里想我需要一个分享照片的方式然后自然而然就开始用了。这些东西需要有创业者去发明，需要有人灵光一闪想出来原来可以这样做。

AI 的消费级杀手应用大概率也是这样。现在我们打开 ChatGPT 看到那些小方块提示你可以做这个做那个，Evans 说这就像 90 年代末互联网上的门户网站，在帮用户想该干嘛。最终人们会形成自己的习惯，但那需要时间，也需要有人去创造那个让所有人都上瘾的产品形态。

## 五、工作会被 AI 取代吗

这是整期播客里我觉得最精彩的部分。

Evans 讲了一个数据。美国会计师的数量在整个 20 世纪一路上涨。打孔机来了，没降。大型机来了，没降。个人电脑来了，没降。电子表格来了，还是没降。科技行业一轮又一轮地自动化会计工作，但会计师的总数从来没有下降过。

为什么？因为工作内容本身变了。今天在普华永道干了五年的人，做的事情跟 1970 年在那里干五年的人完全不同。以前要花一整天的工作，现在可能 10 秒钟一周做一次，但冒出了一大堆新的工作内容是以前根本不存在的。

他说这就是经典的劳动总量谬误。你总能看到哪些工作会消失，但你永远看不到那些还没出现的新工作。那些新工作需要的技能，是你现在根本想象不到的。

他还特别点名批评了那些试图量化 AI 能替代某个岗位百分之多少的分析报告。比如有人说某个模型能完成一个初级律师 93% 的工作，Evans 说这句话是妄想。因为你根本没法精确量化一个初级律师到底在做什么，也没法精确量化模型能做到什么程度。

他打了个比方：这就像物理学家预测赛马，第一步先假设马是一个完美球体。你把问题简化成你能理解的东西，然后你就能理解它了。但现实根本不是那样。

他还提到 Geoffrey Hinton 十年前说别再培训放射科医生了，问题是 Hinton 根本不了解放射科医生到底在做什么。模型能做的那个窄任务，只是放射科医生工作的一小部分。

还有一个观点我觉得很有启发。他说在咨询行业，客户买的从来都不是那份 PPT。PPT 可能是项目的有形产出，但客户付钱买的是背后所有那些东西：判断力、关系、对行业的理解、帮你做决定的能力。律师也一样，会计也一样。很多工作的核心价值，根本不在那些看起来可以被自动化的表面任务上。

这让我想到，与其担心自己的工作会不会被 AI 取代，不如想想自己工作里真正有价值的部分是什么。如果你的价值全部集中在那些重复性的、可以被清晰描述的任务上，那确实要小心。但如果你的价值在于判断、在于理解上下文、在于处理模糊地带，那短期内大概率是安全的。

## 六、基础模型公司的命运

Evans 认为 OpenAI、Anthropic 这些公司会是很好的生意。就像台积电、AWS、Windows 一样，都是很赚钱的公司。

但他强调一个关键点。台积电垄断了尖端芯片制造，是全球前十大公司之一，但它去年的净利润只有苹果的一半。Uber 不会为台积电写应用。AWS 不会拥有整个科技产业。每个 iPhone 上的 App 也不是苹果自己做的。

技术栈有分层，每一层需要不同的能力和不同的人来做，价值会分散到各个层级。基础模型公司会很大，但不会吃掉整个生态的价值。

目前三到六家公司在做基础模型，水平差不多，每隔几周换一个排行榜第一。他特别提到 xAI 之前在排行榜上完全掉队，然后突然又跳回接近顶部。很多人觉得这说明 xAI 很强，但 Evans 说这其实是一个负面信号。因为它说明只要你愿意花几十亿美元招对人，这事就能做。目前还没有出现像搜索或社交那样的根本性进入壁垒。

LLM 没有网络效应。这一点跟 Windows 和 Facebook 完全不同。所以 Sam Altman 说 OpenAI 要成为下一个 Windows，Evans 觉得这个类比站不住脚。

关于 OpenAI 和 Anthropic 的不同策略。OpenAI 钱多，什么都试：浏览器、社交视频、应用商店、购物、广告。Anthropic 钱少一些，更聚焦，押注编程这个已经被验证的方向。Evans 说两种策略在当前的不确定性下都说得通，因为没人知道三四年后行业会长什么样。

他还吐槽了 OpenAI 最近的产品发布，说那个界面简直是一团混乱。什么 Co-pilot、Work、Chat 互相打架，各种功能藏来藏去。这恰恰证明了一件事：写代码不是难的部分，真正难的是想清楚产品应该怎么做。

## 七、AI 的本质是赋能技术

Evans 在最后强调了一个他认为很多人犯的认知错误。大家总是盯着 AI 能生成文字、能画图、能写代码这些表面功能看，觉得这就是 AI 的全部。

他说这就像 1995 年有个英国记者采访 David Bowie，Bowie 说互联网会改变世界，记者说这不就是一帮人在聊天室里瞎聊吗。

错误在于你盯着当下最显眼的应用形态看，没有看到底下那个赋能层。互联网的价值不在聊天室，在那张网本身。AI 的价值也不在 ChatGPT 的对话框里，在于它会渗透进你生活中无数你根本意识不到的地方。

欺诈检测会更好用，推荐算法会更精准，你每天用的各种产品背后那些你从没想过的流程会变得更高效。这些改善不会打着 AI 的标签来找你。

## 八、别忘了，大部分行业有自己的事要忙

最后 Evans 讲了一个故事，我觉得特别接地气。

他给一家欧洲自来水公司做演讲，讲完 AI 的前景，CEO 说：很有意思，也许创新应该成为我们明年的前五大优先事项之一。

如果你在科技圈，这话听起来简直疯了。什么叫也许应该成为前五？AI 不是最重要的事情吗？

但人家是自来水公司。他们要操心的是管道里有铅、水库大坝在漏水、干旱来了怎么办、监管政策要变了。AI 对他们来说只是众多议题中的一个。

他还举了个例子。你想想卡特彼勒这种公司，做大型工程机械的。互联网改变了卡特彼勒什么？有用，但说到底人家的生意是造大铁块。再想想那些采砂公司，工作就是从地里挖沙子，装上火车，再装上卡车，送给别人。互联网改变了他们多少？其实没多少。AI 会改变他们多少？也不好说。

世界上有大量行业，互联网对它们的改变其实很有限。AI 可能也一样。科技圈的人容易觉得全世界都在围着 AI 转，但大部分人真的有别的事要忙。

这个提醒我觉得挺重要的。如果你不在科技行业，不用觉得自己落后了。慢慢来，等这东西真正成熟了，自然会有适合你的用法出现。急也没用，因为连做 AI 的人自己都还在摸索。

#科技先锋官##How I AI#