前些天，科技分析領域最受尊敬的聲音之一 Ben Thompson 在 Stratechery 上發表了一篇重磅文章，標題是 "Google, Nvidia, and OpenAI"。

大多數解讀會聚焦在 Gemini 3 的發佈、TPU vs GPU 的技術對比，或者 OpenAI 簽了多少錢的算力合同上。

但我認為這篇文章真正重要的資訊不在這裡。

作為一個 AI 工程布道者，我看到的是另一件事：ChatGPT 擁有8億周活使用者，卻可能正在犯一個致命的戰略錯誤。

Ben Thompson 用《星球大戰》的"英雄之旅"敘事框架，來描述過去三年 AI 領域發生的故事。

主角有兩個：OpenAI 和 Nvidia。一個靠 ChatGPT 成為增長最快的消費科技公司，一個從遊戲顯示卡公司變成 AI 時代最關鍵的基礎設施供應商。

但在過去兩周，兩位英雄同時進入了"考驗之洞"——Google 帝國正在反擊。

Gemini 3 在一系列基準測試中超越了 OpenAI 的最強模型。更關鍵的是，它展示了一個 OpenAI 難以複製的優勢：巨大的模型規模和海量的訓練計算。OpenAI 在 GPT-4 之後一直難以突破規模瓶頸，靠的是推理能力的技術突破來彌補，但這以時間和成本為代價。

Google 不再把 TPU 藏著掖著了。先是和 Anthropic 簽約，然後傳聞和 Meta 在談，接著是一批從加密礦場轉型過來的新雲服務商。突然之間，Nvidia 的壟斷地位受到了實質性威脅。

第三擊：結構性優勢的全面碾壓

從變現能力、資料積累、基礎設施到研發投入，Google 的每一項都是壓倒性的。Ben Thompson 說了一句很重的話：你現在明白為什麼 OpenAI 當年成立時，核心恐懼就是"Google 贏下 AI"了吧。

這篇文章最有價值的部分，是 Ben Thompson 對"護城河"的重新定義。

傳統的護城河分析聚焦於切換成本——使用者離開你有多難。

但 Thompson 指出，護城河的真正強度，和獨立使用者數量正相關。

他畫了一張圖：從左到右，使用者數量從少到多；從下到上，護城河從脆弱到堅固。

Nvidia 賣晶片給誰？幾個超大規模雲廠商。一個 CEO 發一道命令，就能決定繞過 CUDA 開發新的軟體棧。

OpenAI 的 API 賣給誰？成千上萬的開發者。切換成本確實存在，但一個創始人決定換模型，一個團隊就能執行。

ChatGPT 的使用者是誰？每周8億獨立消費者。要改變他們的習慣，只能一個人一個人地打。

Thompson 引用了他2020年分析 Google 搜尋壟斷案時的觀點：Google 最大的力量來源，恰恰是它看起來的脆弱——競爭真的只是一次點選的距離。但正因為如此，如果使用者還是選擇 Google，那就說明他們是真的想用 Google。

監管可以改變很多東西，但改變不了數以億計消費者的自主選擇。

Ben Thompson 認為，ChatGPT 三年來拒絕推出廣告產品，是一種"商業上的失職"——尤其是在公司簽下超過一兆美元算力合同的背景下。

他的論點不是"廣告能賺錢"這麼簡單。他的論點是：廣告會讓 ChatGPT 成為一個更好的產品。

首先，更多免費使用者 = 更多使用資料 = 更好的模型反饋循環。訂閱制天然有使用者規模的天花板。

其次，廣告帶來的購買訊號（而不是聯盟連結）可以幫助 ChatGPT 更深入地理解每個使用者的偏好，從而提供更好的回答。

第三，也是最關鍵的：廣告模式會大幅加深 OpenAI 的護城河。

Thompson 指出了一個有趣的對比：Nvidia 面臨的 TPU 威脅本質上是"利潤率稀釋"——當你賣實體產品時，你必須真的向買家收費，這就會引發和更便宜替代品的比較。買家越大越精明，這個壓力就越大。

但廣告模式完全相反。使用者不付費，所以你從單個使用者身上能賺的錢沒有上限。使用者越多，你的利潤率潛力越高，你能投入的資源就越多。

Google 就是靠這個模式，用搜尋廣告收入養活了過去二十年所有的創新。ChatGPT 不用廣告，等於是把這個武器讓給了對手。

Sam Altman 在今年早些時候接受採訪時說，他對"用廣告賺一些零錢"不感興趣，更感興趣的是"讓人們為真正優秀的自動化軟體工程師或其他 Agent 付高價"。

Thompson 的評價是：這種想法和僱傭 Fidji Simo（前 Facebook 廣告產品負責人、前 Instacart CEO）來當應用業務負責人的決定，是自相矛盾的。你不可能同時相信廣告只是"零錢"，又認為一個靠廣告發家的人是最適合領導你應用業務的人。

讀到這裡，你可能會想：這是商業分析師和投資人關心的事，跟我一個做 AI 的有什麼關係？

第一，技術領先可能不如商業模式重要。

這篇文章最讓我震撼的一點是：OpenAI 可能擁有（或曾經擁有）最好的模型、最多的使用者、最強的品牌認知——但如果商業模式選錯了，這些優勢可能都會被稀釋。

Google 當年創辦不到兩年就開始做廣告變現。那不是因為他們缺錢，而是因為他們明白：可持續的收入是進一步創新的燃料。OpenAI 拿了幾百億風投，簽了上兆算力合同，但核心商業模式還是訂閱。

我見過太多技術團隊把"我們先做好產品再考慮商業化"當成美德。但 Thompson 的分析提醒我們：商業模式不是產品的附屬品，它是產品戰略的一部分。錯誤的商業模式會讓你在有足夠資源建立護城河之前，就被對手追上。

第二，護城河的邏輯在 AI 時代變了。

傳統軟體的護城河往往建立在資料鎖定、網路效應、切換成本上。但 AI 產品的護城河本質上是關於"誰擁有更多的使用者行為資料來改進模型"。

這意味著，一個免費但有廣告的產品，可能比一個付費產品有更強的長期競爭力——因為前者能觸達更多使用者，收集更多反饋，形成更強的改進飛輪。

對於正在做 AI 產品的團隊來說，這是一個值得深思的問題：

你的商業模式是在幫你建立護城河，還是在限制你的使用者規模？

第三，Google 的反擊提醒我們：大公司的"慢"可能被高估了。

過去兩年，創業圈流行的敘事是：大公司太慢、太官僚、太傲慢，創業公司可以靠速度和創新打敗它們。

但 Gemini 3 的發佈、TPU 的外銷、YouTube AI 功能的推進——這些都在提醒我們：當大公司真的決定全力投入時，它們的資源優勢是碾壓性的。

更重要的是，大公司有一個創業公司沒有的東西：成熟的變現機器。Google 每年超過2000億美元的廣告收入，意味著它可以長期承受虧損來搶市場。OpenAI 可以嗎？

最後，我想說一個更大的問題。

Ben Thompson 在文章結尾寫道，他的"聚合理論"——控制需求的一方最終獲勝——正在接受終極測試。Google 是他理論中的終極主角，現在變成了對手。

他的核心問題是：一個已經達到規模的聚合者，能否被資源的壓倒性投入所擊敗？尤其是當這個聚合者拒絕採用最優商業模式時？

我覺得這個問題的答案，可能會定義未來十年科技行業的格局。

如果 ChatGPT 最終被迫採用廣告模式，那說明聚合理論是對的——控制消費者需求的一方，最終會被市場邏輯推向最優變現策略。

如果 ChatGPT 堅持訂閱模式但被 Google 超越，那說明在 AI 時代，即使是8億使用者的護城河，也擋不住一個有成熟商業模式、無限資源的對手。

如果 ChatGPT 找到了某種全新的變現方式（比如 Agent 交易抽成），那可能意味著 AI 創造了新的商業模式範式。

無論那種結果，這都不只是 OpenAI 一家公司的命運。這是關於 AI 產品應該如何建構、如何變現、如何建立護城河的範式之爭。

作為 AI 從業者，我們每個人都在這場爭論中有自己的位置。   (LLM-X-Factors)

輝達官方在官網發佈博文，詳細介紹正在開發的可視化 GPU 叢集監控方案，可幫助雲服務合作夥伴計算 GPU 的正常執行階段間。

該方案由使用者自願選擇、客戶自行安裝，可用於監控 GPU 的使用情況、配置以及錯誤資訊，內含開放原始碼的客戶端軟體代理，旨在幫助客戶充分發揮 GPU 系統的價值。

通過軟體，客戶可追蹤功耗峰值，在控制能耗預算的同時最大化每瓦性能，監控整個 GPU 叢集的利用率、記憶體頻寬以及互聯狀況等多項安全功能。

官方表示，這套軟體可幫助企業和雲服務提供商直觀瞭解其 GPU 叢集運行狀況，解決系統瓶頸，最佳化生產力，整套服務通過即時監控實現，每個 GPU 系統會與外部雲服務通訊並共享 GPU 指標。

同時輝達強調，他們的 GPU 不包含任何硬體追蹤技術、遠端終止開關或後門。

此外，輝達計畫將客戶端軟體代理開源，提供更高的透明度和可審計性，整套軟體可提供企業 GPU 資產的可視化資訊，無法修改 GPU 配置或底層運作方式，只能夠提供唯讀的遙測資料，交由客戶自行管理並可按需定製。   (AMP實驗室)

在中國AI發展史上，2025年註定會是里程碑式的一年。

1月27日，DeepSeek憑藉發佈僅一周的開源推理大模型DeepSeek-R1，在蘋果應用程式商店中國區和美國區的免費榜上雙雙獲得第一，震驚世界。儘管隨著千問、豆包等大模型的崛起，DeepSeek在很多排名中不再名列前茅，但其貢獻將永載史冊。

12月5日，張亞勤教授在人文清華講壇演講時說，DeepSeek在演算法、技術、系統架構上都有創新，它用1%的算力就可以達到和美國前沿大模型相似的能力。“DeepSeek出來之後，咱們和美國的差距可能就從之前的2～3年縮短到2～3個月，而且在有些應用方面，我們可能做得更好”。

中國網際網路從1995年左右起步，先後經歷了PC網際網路、移動網際網路和物聯網時代。張亞勤認為，現在進入了智能體網際網路（Internet of Agents）的新時代。所謂智能體（Agent），就是具備自主智能的系統——你只需要給它設定一個目標，它就能自主規劃任務、不斷迭代，甚至自我試錯，最終達成目標。這非常像人類的行為：有個目標，自己就會去規劃路徑，依靠各種記憶和判斷去實現。

未來已來。12月1日，字節跳動豆包團隊發佈了“豆包手機助手技術預覽版”，通過和中興通訊努比亞手機合作，展示了一系列驚豔表現——豆包手機助手根據使用者指令，可以在多款App應用之間自動跳轉，完成查票訂票、商品多平台比價下單、定製出行攻略、批次下載檔案等任務，完全自動化執行。

智能體網際網路真的來了？毫無疑問，是的。

手機助手本身並非新生事物。2011年蘋果就發佈了siri，使用者可通過語音指令完成資訊查詢、電話撥打、消息傳送、裝置尋找等功能。

但這樣的助手只能呼叫單個App應用，比如你要它“打開微信”它就給你打開微信。而當你提出一些跨應用、多步驟的複雜指令，如“對比一下淘寶閃購、美團、京東同款麥辣雞翅的價格，選個最低價，下單到指定地址，然後截圖發給指定聯絡人”，又如“下周我要出差，先去北京再去廣州，幫我訂一下機票和酒店，最後生成一張清單”，等等，它就一籌莫展了。

這樣的多步驟複雜任務，恰好是豆包手機助手的用武之地。

你只要說一聲，它就會在你手機所有的購物App裡搜尋同款商品，對比價格和規格，自動領券，選擇最低價，最後通知你“接管操作完成支付下單”；

當你準備出差，它會按你的吩咐，在公司辦公軟體上向經理提交出差申請，然後訂好機票酒店；

當你想給女兒推薦幾個禮物放進購物車時，如果你設定開啟的記憶中已儲存有女兒的年齡、興趣等資訊，它可直接查詢符合女兒年齡、偏好的方案，無須你再逐一交代細節……

這些前所未有的新體驗，讓豆包手機助手初出茅廬就成為智能體網際網路的一個“Aha moment”，也為2025年的中國AI發展貢獻了一部“收官之作”。

然而，和年初DeepSeek發佈時贏得的普遍都是掌聲相比，豆包手機助手發佈後，則是一石激起千層浪。

有人盛讚，AI操作手機、AI助手一定會遍地開花，我們的生活也會完全離不開它，將來的人們會記住這歷史性的一天；

有人評價，豆包和中興通訊做的這件事，是通過跟系統、跟硬體廠深度綁在一起，讓豆包獲得系統級權限，可以橫跨所有App看通知、讀頁面、點按鈕，從一個App升級成手機系統內常駐的大腦，成為作業系統的一部分而不是普通的第三方軟體，這是AI時代的手機新入口；

有人擔心，AI手機助手依賴高等級的系統權限，能在執行使用者指令的操作過程中讀取到螢幕內容——包括銀行卡資訊和聊天記錄，會帶來安全隱患；

也有一些國民級應用App、金融機構App迅速截停了豆包手機助手，使用者在手機上無法呼叫，或遭遇異常退出、無法再次登錄。

更深層次的討論也開始了——若使用者習慣將操作完全交由AI助手代理，各種App都將被“管道化”，以流量分發為核心的網際網路商業模式將會被顛覆；而對手機廠商來說，將從“硬體製造商”變為“AI服務分發商”，其賣點不再是硬體參數的堆積，而是能否接入最強AI能力，提供最豐富和高效的場景服務。

其實，它是在豆包App的基礎上，和手機廠商在作業系統層面合作的AI助手軟體。目前還只有一款和中興通訊合作的工程樣機，也只面向開發者和科技愛好者少量發售。在官方視訊的結尾，豆包手機助手特別提示，“儘管演示內容均為真實錄製，但受限於大模型技術的不確定性，相關場景無法保證百分百復現。當前產品實際可用性與團隊預期仍有差距，未來仍將持續迭代最佳化”。可見，它還是剛剛起步。

但沒想到，發佈當日，中興通訊A股漲停，在行業和社會迅速引起巨大波瀾。

在被一些App截停後，豆包手機助手發佈了《關於微信登錄異常的情況》《關於調整AI操作手機能力的說明》等公告，澄清了所謂“未經授權獲取系統權限”的謠言，指出豆包手機助手在努比亞手機上擁有系統級的INJECT_EVENTS權限，所以其相關產品才能跨屏、跨應用模擬點選事件，完成使用者操作手機的任務需求，它也不會代替使用者進行相關授權和敏感操作。

關於使用者隱私，豆包手機助手表示，不會在雲端儲存任何使用者螢幕內容。“當使用者給助手指令，要求操作手機時，助手確實需要讀取螢幕，否則無法完成使用者任務，但螢幕和操作過程都不會在伺服器端留下儲存，且所有的相關內容也都不會進入模型訓練，確保使用者隱私安全。”

豆包助手再次強調，此次發佈的是“技術預覽版”，是面向行業、AI技術愛好者的探索產品，提示普通消費者謹慎選擇。

豆包助手還表示，計畫在接下來的一段時間，在部分場景對AI操作手機的能力做一些規範化調整，如限制刷分、刷激勵的使用場景，進一步限制金融類應用的使用，限制部分遊戲類使用場景等。

顯然，豆包手機助手的社會影響大大超出了團隊預想，因此團隊開始採取一種“退”的姿態。退一步，進行調整，並努力和App們以及手機廠商達成共識，找到合作模式。

一場技術上的顛覆式創新，開始步入社會化共識與服務規則的形成期，以及新舊利益如何分配的磨合期。

但無論如何，因為豆包手機助手的發佈，中國的網際網路服務掀開了新的一頁，即從App主導到智能體驅動。這一頁既已掀開，就不可能再倒回去。

豆包手機助手和中興通訊合作的AI手機，顯示出“大模型+手機廠商”的清晰趨勢。

在國內，華為、vivo、小米、OPPO、榮耀等手機廠商都在佈局AI智能體賽道，都有自己的AI助手，都在個性化互動、跨應用執行方面探索。大模型初創公司智譜去年10月也曾官宣推出了端側AI智能體，可以訂外賣、訂票、回覆微信，智譜還與三星在AI手機領域達成戰略合作；

在國際上，蘋果去年6月發佈了Apple Intelligence，定位為系統級AI助手，但直到iPhone 17系列仍未完全落地。GoogleGemini也在與三星深度合作，強化其語音助手Bixby。

大家都在做AI手機助手，為何唯有豆包一鳴驚人，真正讓使用者眼前一亮？

單從技術實現路徑看，豆包助手和別的助手採用的都是圖形使用者介面智能體（GUI Agent）技術。該技術通過多模態大模型，即時解析手機螢幕截圖，識別出按鈕、文字、圖示等UI元素，然後呼叫作業系統提供的服務，模擬人的手指動作。只要人在螢幕上可以手動完成的操作，從理論上說，GUI Agent都能代勞。

在過去，使用者必須通過手動方式在不同App間切換，才能完成複雜任務。這是因為，如果使用者想讓AI與App互動，App開發者必須主動開放資料和功能介面，而基於安全、商業利益等考慮，App們並不會開放。GUI Agent的邏輯不是請求App們的許可，而是直接模仿人的點選、滑動、輸入等動作，跨應用完成操作。當然，這裡有一個前提，就是與手機作業系統在系統層面深度整合，獲得系統級權限來呼叫各種App。

那麼，是不是有了GUI Agent，再加上擁有系統級權限、避免了APP的“玻璃牆”限制，就能做好AI手機助手呢？也不是。否則，手機廠商已經先發先至了。

其實，在手機助手跨應用自動執行任務的背後，涉及到多種技術能力，如通過自然語言精準理解使用者的複雜、多步驟指令，將使用者需求拆解成多個子任務，知道呼叫什麼App去執行什麼任務，以及在自動完成操作後根據結果進行反饋調整、持續改善。並不只是獲得系統級權限去呼叫App那麼簡單。

AI手機助手的本質，是基於大模型技術，通過模擬人類點選和圖形處理實現智能互動。其關鍵在於預訓練模型的研發，以及在預訓練、後訓練和業務理解這三個環節上是否有突破，有創新。

在中國網際網路公司中，字節跳動是對AI技術投入最大、時間最久的之一。除了眾所周知的推薦技術，在大模型之前，字節跳動也在量子化學、AI蛋白質設計等領域有諸多投入。為了發展大模型業務，字節跳動單獨設定了“豆包股”長期激勵，鼓勵內部創新，鼓勵開展有技術高度的創新，以建立壁壘。雖然字節跳動的大模型業務不是全球最早，但轉型迅速，在基礎設施如萬卡叢集訓練等方面投入巨大，且穩定性很好，為技術實現奠定了基礎。

豆包手機助手一出生就與眾不同，極大刷新了使用者體驗，和豆包大模型在視覺理解、推理、GUI（圖形介面）識別等方面均處於國際第一梯隊是分不開的。在中國大模型公司中，豆包對“蒸餾”的限制最嚴格，這也避免了依賴他人的模型導致“屋下架屋”、效果受限等問題。

“通過模擬人類點選進行圖形處理”，這個概念早就有人提出，並不新鮮，其他手機廠商和App廠商也都在做，但從豆包手機助手的實測和使用看，字節跳動是國內首個從技術能力上能把這一技術真正做到可用程度的企業。當有些廠商還在為“如何讓助手生成更流暢的文字”努力時，豆包手機助手已經能自主絲滑地完成複雜操作，這就是技術優勢所拉開的代際差距。

所以，豆包手機助手的超常表現，歸根結底在於技術領域的硬核創新。這和之前DeepSeek在混合專家模型（MoE）架構和多頭潛在注意力機制（MLA）等方面的自主創新頗為相似，都是先站上技術的高地，接著才有出眾的產品。

儘管豆包手機助手展現出了新互動模式的巨大潛力，但它要真正進入千家萬戶，還有很長路要走。

除了自身的產品迭代最佳化，以及讓使用者更加放心（比如爭取在不久的將來，在本地端側模型上實現和雲端同樣的效果），它還需要和行業各方有更充分溝通，以共建更清晰、可預期的規則。

就眼前遭遇的被一些App封禁的問題，豆包手機助手需要將心比心，和它們坦誠協商，以解決在技術預覽版手機上的使用限制問題。長期而言，則要努力探索合作與分享的具體機制安排。

豆包手機助手已明確“無自研手機計畫”，而是希望通過生態合作模式，嵌入不同品牌的手機機型。這是一種開放的態度，將有利於合作的達成。

有專家預測，在智能體網際網路時代，有可能形成“使用者付費+廠商分成”的模式：使用者為智能助手的便捷服務支付少量費用，豆包與合作的App廠商按一定比例分配收益；對於免費的App應用，則可通過流量導流、資料共享等方式實現共贏。

在這個過程中，最難跨越的關隘，還是現有App生態的流量與利益格局。同時，手機大廠是否願意合作，以何種方式合作，也存在大量博弈空間。

可以設想的是，不管豆包手機助手有多麼強大，未來都不可能只有一個AI手機助手。既然是大勢所趨，必然會引來多個參與者。就像電商App，有淘寶，也有拼多多，有京東，有抖音電商，等等。當然，因為手機助手更像“大腦”，使用者在使用、比較之後，大機率會選擇某一個可信賴的助手，長期使用，越用越習慣，而不太可能像電商App一樣，同時使用幾個。

騰訊總裁劉熾平在2025Q3財報電話會上表態，微信最終將推出自研AI智能體，讓使用者在微信生態內即可利用AI完成多項任務。

當豆包手機助手點亮了一盞燈，一定會帶動和加速更多盞燈亮起來。這對於廣大使用者一定是好事。

就此而言，無論怎樣的超級App，都應該避免簡單基於商業競爭的考量，用“一刀切”的方式否定使用者合理使用AI的權利。因為當它們將來要推出手機助手的時候，也會面臨和今天豆包類似的問題。

無論最終模式如何，豆包手機助手的創新都值得鼓勵。App時代的“多應用切換”是使用者的痛點，誰能更好地解決這個痛點，誰就會得到使用者的認同。使用者也將成為這場智能化變革的最大受益者。

從生成式AI到智能體AI，從移動網際網路到智能體網際網路，從App林立到AI手機助手統籌，豆包手機助手用一個個具象化的場景，讓使用者感受到大模型等技術帶來的便利。它雖然還沒有正式發佈，卻已讓人們看到，智能體AI將徹底改變我們與手機的互動方式，讓科技真正服務於生活本身。

人工智慧時代的新黎明正在降臨。不管還有多少挑戰和難題，新質生產力都將穿越，也必將穿越。 (秦朔朋友圈)

Reid Hoffman是 LinkedIn 的聯合創始人，也是矽谷最早一代以“平台”和“網路效應”著稱的投資人之一。過去二十多年，他幾乎參與了每一輪網際網路結構性轉折，從社交網路到平台化擴張，再到企業級軟體的規模化落地。

在生成式 AI 被資本和創業者高度追捧的當下，這位長期站在“增長與規模”一側的矽谷代表人物，卻在最近一場長時間訪談中，把注意力放在了一個不太符合矽谷直覺的判斷上：AI 時代最重要的機會，可能並不在那些增長最快、也最容易被看見的地方。

Hoffman 並沒有否認聊天機器人、生產力工具或程式設計助手的商業價值。在他的判斷中，這些方向仍然可以賺錢。但問題在於，它們過於顯眼。

當一個機會對所有人都是顯而易見的，資本、人才和算力就會沿著最低摩擦路徑迅速集中，結果往往不是長期優勢，而是更快的同質化競爭、更激烈的分發爭奪，以及更短的窗口期。這並非技術失效，而是競爭結構本身在壓縮回報。

在 AI 語境下，“人人看得見”正在從優勢轉化為約束。

訪談中，Hoffman 多次回到一個被反覆忽略的判斷維度：那些東西會變，那些東西不會變。平台入口可以改變，產品形態可以重寫，敘事方式也可以不斷翻新，但一些底層約束始終存在，包括網路效應的累積方式、企業系統的整合成本、信任的遷移路徑，以及分發背後的組織慣性。

AI 並不會消除這些約束，只會讓它們以更快、更集中的方式重新顯現。所謂“新世界”，最終仍然要回到這些舊問題上，只是整合失敗的代價更高，贏家通吃的程度也更明顯。

矽谷的盲點，不在技術而在節奏

Hoffman 將自己最重要的判斷，放在他所說的“矽谷盲點”上。

這些盲點並非源於能力不足，而是源於耐心不足。矽谷長期擅長低摩擦、可快速迭代的數字系統，卻對發展節奏慢、驗證成本剛性、又受到監管與倫理約束的系統缺乏投入意願。

生物與醫療是最典型的例子。藥物發現和醫療研發看起來像資訊問題，但真正的節拍器並不在程式碼倉庫裡，而在實驗室、倫理審查、臨床試驗和審批流程中。AI 可以提升篩選和預測的效率，卻無法取消實驗本身。失敗率是結構性的，周期也無法被壓縮到軟體速度。

原子世界的瓶頸，是經濟而不是演算法

在機器人和自動化領域，Hoffman 指出了另一種常被忽視的現實約束。看似簡單的物理動作——抓取、整理、疊放——在現實環境中充滿不確定性。材料的柔性、觸覺反饋、環境變化以及長期維護成本，使得技術可行性並不等同於經濟成立。

由此出現一個反直覺現象：白領世界中更複雜的工作，反而更早被 AI 改造；而物理世界中看起來更簡單的動作，卻因為資本支出與營運支出的不匹配，遲遲難以規模化。決定成敗的，並不是演算法是否足夠聰明，而是成本曲線是否真正交匯。

醫生不會消失，但角色正在被重寫

關於“AI 是否取代醫生”的討論，Hoffman 給出的判斷並不激進，卻相當明確。

如果醫生的價值只是知識儲存，那麼這個角色已經開始被削弱。AI 在知識覆蓋、檢索和交叉驗證方面的能力，已經超過任何單一人類個體。

但醫生並不會消失。未來的核心價值，將更多體現在非共識問題的判斷、情境理解以及責任承擔上。AI 改變的不是職業是否存在，而是職業內部的分工結構。

把這些判斷連在一起，Hoffman 勾勒出的並不是一個關於 AI 的樂觀敘事，而是一張重新定價風險與回報的地圖。

隨著顯眼賽道的競爭加速，資本和能力正在被迫進入那些節奏更慢、驗證成本更高、也更難被快速複製的系統——包括醫療、生物、勞動力、自動化、政府治理以及教育等領域。在這些地方，技術本身不再是決定性變數，時間、監管和組織慣性開始重新進入定價體系。

生成式 AI 並沒有讓世界變得更簡單，它只是重新分配了複雜性。而真正的長期機會，正在這些複雜性尚未被消化的地方，緩慢浮現。   (方到)

RexAA的最新長文及歷史文章，讓您掌握相關股市行情消息，協助您做投資決策。全球科技產業觀察者