正在印度舉行的人工智慧影響力峰會頻現“大型翻車現場”，繼有當地大學拿中國產機器狗冒充自主研發成果引發群嘲後，19日會場又現尷尬一幕：在印度總理莫迪出席的場合，兩名與會嘉賓在合影環節拒絕握手。矽谷大佬“不對付”　合影“掉鏈子”現場拍攝的視訊和圖片顯示，莫迪和與會嘉賓站成一排，手牽手舉過頭頂，面帶笑容。然而，美國開放人工智慧研究中心（OpenAI）首席執行長薩姆·奧爾特曼同身邊的Anthropic公司首席執行長達里歐·阿莫代伊各自握拳、沒有握手，導致一排“手鏈”出現“斷點”。阿莫代伊曾在OpenAI出任副總裁，2021年初離職，帶走多名研究人員，共同創立Anthropic公司。阿莫代伊與奧爾特曼這兩個昔日同事多次在公開場合表示“看不上”對方的商業模式和理念。兩人拒絕握手在社交媒體引發熱議，有人評論說：“薩姆·奧爾特曼和達里歐·阿莫代伊拒絕握手，卻舉起了拳頭，這真是尷尬一刻。”峰會問題頻出　蓋茲“臨陣”缺席峰會16日在新德里揭幕，為期五天，由印度電子和資訊技術部主辦，號稱“有史以來規模最大”。然而，峰會上風波不斷。19日，峰會展區突然對公眾關閉，引發參展企業不滿。美國微軟公司創始人比爾·蓋茲原定當天在峰會上發表主旨演講。然而，他的基金會當天早些時候發表聲明稱，蓋茲將不出席峰會。該基金會一名高管將代表他發言。據路透社報導，蓋茲的退出與他被牽扯進愛潑斯坦案有關。峰會期間的交通混亂亦引發不滿。社交媒體上流傳的視訊顯示，由於道路封鎖且未安排接駁車，與會者不得不步行數英里前往會場。印度反對黨國大黨發言人帕萬·凱拉嘲諷說：“讓工程師們走那麼遠的路……同時卻在抱怨企業正離開印度。”部分與會者也抱怨峰會組織不力。美國微軟公司研究員賈伊·加拉在社交媒體上寫道：“這場峰會本是在為辛勤工作的研究員、創始人和建設者召開的。然而，我們卻受到怠慢，動輒被堵在路上幾個小時。” (第一財經)

據參考消息援引新加坡《聯合早報》2月19日報導，蓋茲基金會宣佈，科技巨頭微軟創始人比爾·蓋茲已取消原定於19日在印度舉行的人工智慧（AI）峰會上的演講。蓋茲基金會在一份聲明中稱，經過慎重考慮，為了確保峰會的重點仍然放在關鍵議題上，比爾·蓋茲將不會發表主題演講。將由另一名高級官員代替比爾·蓋茲發言。另據環球時報援引英國《衛報》報導，因與已故性犯罪者傑佛瑞·愛潑斯坦的關係持續受到質疑，比爾·蓋茲才取消演講。比爾·蓋茲 資料圖。圖源：視覺中國美國司法部1月底公佈了超300萬頁愛潑斯坦案相關檔案，其中一批來自疑似愛潑斯坦帳戶的郵件涉比爾·蓋茲。本月初，比爾·蓋茲否認了自己涉愛潑斯坦案的相關內容。他同時表示後悔曾與愛潑斯坦相處過，並為此感到抱歉。隨後，美國眾議院多名共和黨及民主黨籍議員要求傳喚微軟聯合創始人比爾·蓋茲。 (長安街知事)

今天，在印度新德里舉行的全球人工智慧影響峰會（AI Impact Summit）上，一場象徵合作的合影環節，卻因一個細節演變為全球科技圈熱議的話題。在印度總理納倫德拉·莫迪主持的領導人合影儀式上，包括OpenAI首席執行長Sam Altman、Anthropic首席執行長Dario Amodei在內的多位人工智慧行業領袖被邀請手拉手站在一起，象徵共同推動人工智慧技術造福人類。然而，現場畫面顯示，Altman與Amodei雖然並排站立，卻沒有像其他嘉賓一樣牽手。兩人之間留出明顯空隙，也沒有出現握手或互動。這一瞬間被媒體鏡頭捕捉，並迅速在社交媒體上傳播，引發廣泛解讀。分析人士認為，這一略顯尷尬的場面，反映出當前全球人工智慧產業日益激烈的競爭格局。超級碗廣告衝突餘波未平事實上，兩家公司的緊張關係在本月早些時候已公開顯現。在2026年超級碗期間，Anthropic投放了一條30秒廣告，強調人工智慧助手不應被廣告商業模式驅動。廣告中指出，“廣告有屬於它們的時間和位置，但不應該出現在AI對話中”，並以此突出其Claude產品不會引入廣告。儘管廣告未直接點名，但外界普遍認為，這是針對OpenAI正在探索的ChatGPT廣告商業模式。隨後，Altman在社交平台X上公開回應，稱Anthropic的廣告“具有誤導性”和“不誠實”，罕見對競爭對手進行直接批評。這一表態被視為雙方矛盾公開化的重要標誌。從OpenAI核心成員到最大競爭對手Dario Amodei曾是OpenAI早期核心研究負責人之一，參與了GPT-3等關鍵模型的研發工作。2021年，Amodei與多名OpenAI研究人員離開公司，並創立Anthropic。公開資料顯示，他離開的原因包括對人工智慧安全優先順序的看法分歧，以及對公司發展方向和領導風格的不同意見。此後，Anthropic推出Claude系列模型，迅速成長為全球最重要的人工智慧公司之一，並成為OpenAI最直接的競爭對手之一。目前，OpenAI和Anthropic均獲得科技巨頭支援。OpenAI的主要合作夥伴包括微軟，而Anthropic則獲得亞馬遜和Google的投資。AI產業競爭進入公開化階段隨著人工智慧成為全球科技競爭的核心領域，行業格局正在快速變化。從超級碗廣告交鋒，到峰會現場的“拒絕牽手”，一系列象徵性事件表明，全球人工智慧產業已經從早期的合作探索階段，進入由少數技術巨頭主導的競爭階段。本次峰會原本旨在推動全球人工智慧治理合作，但這一細節卻意外成為外界觀察行業競爭關係的縮影。有業內人士指出，這一畫面所反映的，不僅是兩位企業領導人的關係變化，更是人工智慧產業競爭日趨激烈的現實寫照。 (美股財經社)

舊金山，2026 年 2 月 4 日。思科 AI 峰會現場，當 Sam Altman 被問到刷屏的 AI 社交平台 Moltbook 時，他給出了一個出人意料的回答：Moltbook 也許只是一時的狂歡。但透過狂歡，他看到了更重要的問題：AI 能不能接手工作。峰會現場，他談的不是 AI 聊天能力的進步，而是三個更深層的變化：AI 智能體邊界在那裡擴張，人的工作方式要怎麼改變，企業組織準備好了嗎。熱度會散去，能力才會留下。第一節｜OpenClaw：AI 開始動手了在 Sam Altman 眼裡，Moltbook 的熱度也許只是一陣看熱鬧，但 OpenClaw 不一樣。區別在那？一個是對話型 AI，一個是操作型 AI。OpenClaw 能處理郵件、和保險公司打交道、辦理航班手續。這些任務背後的邏輯是：AI要能理解你的需求，然後自己打開瀏覽器、填寫表單、完成操作。Altman 說：AI 會寫程式碼是一回事，AI 能自己操作電腦又是另一回事。後者意味著它不只是給你答案，而是幫你把事做完。這條路是對的。ChatGPT 讓 AI 學會了理解，OpenClaw 讓 AI 開始執行。但是要讓 AI 執行任務，不只是建模能力的問題，而是你願不願意把整台電腦交給它。它要能看到你的螢幕和窗口，控制你的滑鼠和鍵盤，理解上下文，自己完成工作。Altman 在會上說：“給智能體對你電腦的全部存取權，會帶來不可思議的事情。這類智能體應用，肯定會成為我們未來工作和生活的一部分。”OpenClaw 會留下來，因為這是 AI 從陪聊到幹活的那一步。第二節｜Codex：從工具到團隊“Codex 是我第一次感覺，又一個 ChatGPT 時刻出現了。”這是 Sam Altman在 Cisco AI峰會現場的原話。他說的 ChatGPT 時刻，指的不是產品，而是工作範式。Codex 讓他看到了知識工作的未來，以及企業和個人將如何以完全不同的方式工作的清晰圖景。Altman 說：“開發者與 AI 的工作方式，已經發生了根本變化。核心挑戰已經從 AI 能幹什麼，轉移到了人們如何大規模地指導、監督以及與它們協作。”上個月已有超過 100 萬名開發者使用 OpenAI 的 Codex 編碼助手。峰會前一天，OpenAI 推出 Codex 的獨立 macOS 應用，正式加入Claude Code、Cursor等 AI 程式設計工具之爭。這個應用讓使用者可以管理多個 AI 智能體，把任務分配下去，讓它們平行執行。現在，模型公司競爭的重點已經不是誰的 AI 更聰明，而是誰能讓人更快學會管理 AI。Altman 看到的變化是：從呼叫工具 → 到管理團隊從解決單個問題 → 到託付完整流程從 AI 能做什麼 → 到人怎麼指揮AI協作這是工作方式的變化，不只是技能的升級。過去是你用工具，現在是你管團隊。你要學的不是怎麼寫提示詞，而是怎麼把一件事拆解成任務、分配給AI、監督進度。第三節｜企業還沒準備好Cisco CEO Chuck Robbins 在峰會開場時說，2026 年將是 AI 的轉折點，是智能體應用的元年。但元年不等於準備好了。Altman 警告：不能快速用上 AI 員工的公司，會被甩在後面。難在那？三個障礙：第一，安全機制還在用人類邏輯。現有的安全範式是為人類設計的，不是為 AI 設計的。當 AI 擁有持續存取權、能獨立行動時，原來的身份認證、權限管理、審計體系都需要重構。第二，軟體本身不支援 AI 參與。很多軟體在 AI 和人類共同使用時會崩潰。過去的軟體介面是為人設計的，AI 要參與進來，不是加個 API 介面就夠了，而是要重新設計互動流程。第三，法律和權限體系不支援AI全天候運行。AI 智能體可以 24 小時運行，但現有的法律框架、合規要求、責任邊界，都還基於人類的工作時間和決策模式。技術已經到了，但組織還沒準備好。儘管如此，Altman 仍然提出了全 AI 公司的概念：這種模型不僅建構軟體，還圍繞軟體建構業務。不是公司裡沒有人，而是每個流程、每個環節，AI都能真正參與進來。Cisco 在部署 Codex 後給出的建議是：不要再把 AI 視為工具，開始把它視為隊友。未來企業的輸贏，不是誰在用 AI，而是誰敢重構組織流程。結語｜能力會留下來Cisco AI峰會上，Sam Altman講了三個轉折點：OpenClaw 代表的是AI 應用邊界的躍遷，從對話到操作。Codex 展示的是工作方式的轉變，從用工具到管團隊。這不是會不會發生的問題，而是企業能不能先準備好的問題。熱度終會散去。但 Altman 說的那句話會應驗：真實的能力會留下來。 (AI 深度研究員)

2025 年 12 月 4 日，紐約曼哈頓。《紐約時報》DealBook峰會上，主持人 Andrew Ross Sorkin 問了一個所有人都在想的問題：到 AGI（通用人工智慧），還需不需要再來一次像 Transformer 那樣的技術突破？Anthropic CEO Dario Amodei 的回答是：No,I think scaling is going to get us there.（不用，我認為持續擴大規模就能讓我們到達那裡）把模型做大，把算力往上堆，按照這條擴展曲線持續推進，總有一天會撞上類人智能的臨界點。但他緊接著潑了冷水。技術層面，他非常有信心；經濟層面，他看到的卻是巨大的不確定性。Anthropic 過去三年營收增長 10 倍，但Amodei在台上給出的預測模型顯示：未來 Anthropic 收入可能在 200 億到 500 億美元之間波動。只要在資料中心投資上算錯時間點，就可能從盈利軌道滑向現金流危機。在他看來，一些玩家正在用激進方式下重注，把整個 AI 行業推向泡沫邊緣。這場對話引出了三個值得深入的問題：持續擴大規模究竟是怎樣的技術路線？為什麼 Amodei 堅信這條路，卻又不斷強調經濟風險？當 AI 開始重構工作方式，社會準備好了嗎？第一節 | 技術路線：Scaling Law的十年證明不是所有人都敢把 AGI 的終極路徑，說得像流水線一樣簡單。但 Dario Amodei 敢。他說：“我過去十年一直在觀察 Scaling Law，從GPT 到 Claude，我們都是在這條路上。”在這場採訪裡，他這樣描述 AI 能力演化： 你往模型裡加資料、加算力、加結構上的小改動，它就會自然變強。沒有神秘點，沒有範式突破。推理會提升，程式碼會更好，科學、法律、金融、材料……模型在所有方向一起進步。這是他的親身經歷。從GPT-2、GPT-3的早期主導者，到如今帶領 Anthropic 發佈 Claude 4.5。1、Claude 的證明：不是在進化，而是在放大在 Amodei 看來，Claude 的強大不是因為架構更複雜，而是因為整個系統沿著Scaling Law 做到了足夠大、足夠穩、足夠實用。Claude Opus 4.5 的發佈就是一次集中展示： 在SWE-bench Verified編碼測試中達到80.9%，超過GPT-5.1的77.9%和Gemini 3 Pro的76.2%；在科學推理、金融應用、生物醫學資料處理上，Claude 不只是能用，而是開始產生真實的決策影響。更關鍵的訊號來自 Anthropic 內部。Amodei 透露，他們的工程師已經不再打開編輯器從頭寫程式碼，而是讓Claude生成第一版，自己只做編輯和稽核。2、Scaling Law 的驗證路徑，也是一條產品化試驗線Amodei  不只是相信 Scaling Law，他在用真金白銀驗證它。邊走邊投，邊驗證邊調整。Anthropic 三年營收曲線就是最直接的證明：從零到1億美元，再到10億，今年預計達到 90 億美元。模型能力提升，企業需求跟著增長；需求增長，又推動模型繼續進化。Claude 沒有做成爆款對話產品，而是深入企業一線：開發工具、自動化助手、科研合作者。這種更慢但更寬的能力拓展路徑，正是 Scaling Law 在商業化層面的體現。不是打造一個天才，而是批次複製靠譜的合作者。他不是在等 AGI 奇點，而是在把 Claude一步步打造成一整條生產線。這條生產線積累的資料、經驗、客戶關係越多，就越難被覆刻。擴大規模不只是把模型做大，更是把這些積累變成競爭壁壘。別人還在爭論要不要相信 Scaling Law，Anthropic 已經用它建起了護城河。第二節 | 經濟帳本：500億投資如何不翻車Amodei 對Scaling Law 的技術路線有信心，但他也強調：能不能做到是技術問題，做不做得起是經濟問題。模型可以持續變強，但你也必須算清楚經濟帳：那一年能賺錢、要買多少晶片、什麼時候可能資金斷裂。他說：“我們每年收入翻十倍，但我必須今天就決定，要不要買 2027 年的計算資源。”1、500 億投入，是押注也是賭未來Anthropic 公佈了一個驚人的數字：未來四年將在美國投資 500 億美元用於 AI 基礎設施。這包括德州與紐約的資料中心，以及對微軟 Azure雲平台 300 億美元的採購承諾。但 Amodei 給出的解釋是： 如果我買少了，客戶排隊排不到就走了；如果我買多了，收入沒跟上，現金流撐不住，甚至有破產風險。他提出了一個核心概念：不確定性錐形（cone of uncertainty）。這不是 PPT 上的增長曲線，而是 Anthropic 內部做戰略預算時真正畫出來的風險模型：Anthropic 明年的收入可能是 200 億美元，也可能是 500 億美元，這種巨大的不確定性決定了現在該買多少算力、能承受多大風險。2、YOLO派和保守派的路線分叉而 OpenAI 的路線截然不同。雖然 Amodei 沒有直接點名，但他在採訪中提到了 Sam Altman 從巨額虧損衝向 2030 年盈利的計畫，並評價道：“我們看到有公司在YOLO（孤注一擲），把所有籌碼都押上了，幾乎不給自己留容錯空間。”Anthropic 的選擇是另一條路：所有算力採購按最壞10%的收入預期做預算保留高利潤率，用於覆蓋未來兩年scaling投資放棄消費級入口，只服務企業客戶，減少不確定變數這不是慢，而是先確保企業能活下去。為什麼如此謹慎？因為Amodei對未來的高增長保持懷疑。他在對話裡說： 過去三年，每年收入翻10倍。如果我照這條線繼續推，就是明年1000億。 但我不相信真會這樣增長。那只是理論上的最好情況。他強調的是經濟可行性，不是技術可能性。Claude Opus 4.5能力再好，如果企業不續費、資料中心養不起、資本斷供，那Scaling Law再正確，也推不動。真正的路線判斷不是能不能做，而是值不值得投、投不投得起。第三節 | 社會影響：誰受益，誰被替代對於 Dario Amodei 來說，AGI 不是終點，只是過程。技術能力每年增強，但普通人並不會自動跟上。AI 可以快速寫程式碼、做科學研究、處理金融建模，但誰來決定它該做那件事？誰來負責它做錯時的後果？誰從中受益，誰最先被替代？這才是他更關心的問題。1、AI 變強的同時，工作正在加速重構Anthropic 在今年 8 月做了一次內部研究，調研了 132 名工程師和研究員。結果顯示：AI 工具確實提升了生產力，讓工程師能夠處理超出原有專業範圍的任務。但同時削弱了團隊協作、導師制度和技能發展路徑。整體趨勢是，團隊正在變成少數高手+AI的組合。更關鍵的變化是：入門級工程師的工作正在被 AI 取代，寫程式碼變成了監督程式碼，技術崗開始往全端、策略、審校方向轉移。這不只是效率提升，而是職業路徑的根本重構。當新人無法通過寫簡單程式碼來積累經驗時，如何培養下一代技術專家？這是 Anthropic 內部也在思考的問題。2、Amodei的預測：比你想的更冷靜，也更現實在這場 DealBook 對話之前，Amodei已經在11月中旬的 CBS《60分鐘》節目中直面過一個問題：AI 是否會讓大批人失業？他的回答很直接：是的。AI 取代的第一批人不是工人，而是入門級白領，特別是那些在保險理賠、客服、行政、初級技術支援等崗位上工作的人。這些崗位很可能會面臨大規模的工作轉型壓力。但他不是為了製造恐慌，而是提出了三層解決方案：企業層面：不要只用 AI 減人，更要用 AI 放大人的價值。Claude 的正確用法是讓一個人做原來 10 個人的產出，而不是裁掉 10 個人。政策層面：政府需要參與再培訓，但更重要的是分配機制。如果 AI 帶來每年5%-10%的經濟增長，那是一個可以再分配的超級大蛋糕。社會層面：長期來看，人類社會的結構要調整，不再把工作當成唯一意義來源。這不是烏托邦。早在1930年，著名經濟學家凱恩斯（John Maynard Keynes）就在《我們後代的經濟可能性》（Economic Possibilities for Our Grandchildren）中提出過這個預言：技術進步可能最終解放我們，不再為了生存而工作。未來，問題不再是 AGI 能不能做出來，而是你準備好怎麼與它共處了嗎？這條擴展路線不只是技術問題，更是社會問題。誰能率先摸索出人機協作的有效模式，誰就贏得了未來。結語 | 能到 AGI，前提是活著到Dario Amodei 不是來講 AI 奇點故事的。他講的是一條用資料和財務驗證過的路線：Claude 每年變強一點，處理程式碼bug、生成科學推論、搭建專業工作流。這背後是 Amodei 十年如一日相信的一件事：Scaling Law 不靠靈光一現，只靠一步步推演。他用它造出了 Claude，也用它規劃了 500 億美元的投資、90 億營收目標和風險緩衝線。核心問題不是“我們快到AGI了”，而是我們能不能在做出 AGI 的過程中活下來。別人在賭誰先做出突破，Anthropic 在算誰能撐到終點。把模型一路做大，就真能到 AGI 嗎？Amodei 的回答是：可以。前提是你準備好了承擔相應的經濟風險和社會責任。 (AI 深度研究員)

11月7日，2025年世界網際網路大會烏鎮峰會在浙江烏鎮開幕，本屆烏鎮峰會以“共築開放合作、安全普惠的數智未來——攜手建構網路空間命運共同體”為主題。劉強東：京東將建全球首個全無人配送站京東集團創始人、董事局主席劉強東在主題演講中表示，社會化物流成本太高之後，會導致國家社會資源的浪費，環境、企業利潤，被大量低效的物流蠶食掉。“大家想一想，假如我們能把整個中國的社會化物流成本佔比能夠降到只有6%，意味著按照去年的數字，整個企業一年能增加數兆的淨利潤，企業利潤的增多會帶來更多技術的進步。企業之間會比拚、爭搶人才，會讓員工得到更好的收入和待遇。有了更好的收入待遇，那麼消費信心、整個經濟就會進入一種正向的循環。”劉強東說。劉強東認為，隨著人工智慧和機器人時代到來，他會對中國社會化物流成本的下降趨勢表示非常樂觀，“我認為五年之內，整個中國的社會化物流成本與GDP的比率應該能夠降到10%以內，也就是未來5年的進步，可能會超過過去10年的進步，甚至15年的進步。”據劉強東介紹，京東在北京建的分揀中心，基本上已經把過去90%人力幹的活全部用機器人替代。到明年4月份，京東在全球會建第一個全無人的配送站。“就是一個圓筒的建築，上面是起降無人機，下面全部是無人的電動小車，裡面是機械臂，對無人機的貨物的裝載，無人車的裝載，全都是機器人完成。”劉強東說。配送到家的“最後一公里”如何完成？劉強東談到，現在我們國家50%的門鎖都是智能門鎖，“大概5年左右的時間，我們認為90%以上的門鎖都是指紋鎖，所以機器人完全可以通過你授權的方式，安全地打開你的家門，把包裹放到你的家裡。”“無論我們這個社會技術怎麼發展，大家不用太擔心工作的問題、公平的問題。我們能做的事情很多，而且未來一定會更加美好。”劉強東最後總結說。阿里CEO吳泳銘：加碼打造超級AI雲“阿里巴巴正在建設超大規模AI基礎設施，加大投入打造超級AI雲，以全端技術積累向全球開發者提供領先的AI服務。”11月7日，阿里巴巴集團CEO吳泳銘在2025年世界網際網路大會烏鎮峰會開幕式上表示。他表示，AI發展將經歷三個階段：第一個階段是智能湧現，第二個階段是通用人工智慧AGI，第三個階段是超級人工智慧。他指出，智能湧現是過去幾年的主線。AI通過學習人類的海量知識，理解人類的意圖，逐漸進入真實世界，解決真實問題，創造價值。這個階段AI的特徵是學習人。“第二個階段是通用人工智慧AGI，我們現在正處在這個階段的開端。”吳泳銘指出，當人類向AI提出需求，AI agent現在已經能夠完成數字世界的很多工作，並通過介面連接真實世界、操作部分物理裝置，這個階段的特徵是輔助人。在他看來，第三個階段是實現超級人工智慧，AI將連接真實世界的海量原始資料，具備自主學習、自我迭代的能力。這個階段的AI將超越人類。“從智能湧現到通用人工智慧再到超級人工智慧，這是一場影響深遠的計算革命，正在催生下一代的電腦、超級AI雲。超大規模的計算需求需要超大規模基礎設施和全端技術積累，只有超級AI雲才能夠承載海量的需求。”吳泳銘指出，在這個嶄新的時代，阿里雲的定位是全端人工智慧服務商，提供世界領先的智能能力和遍佈全球的AI雲端運算網路，向全球各地提供開發者友好AI服務。 (21世紀經濟報導)

最知名的投資機構之一 a16z 又來分享了。在 a16z 昨天舉辦的 Runtime 閉門峰會閉幕對談上，兩位創始合夥人 Marc Andreessen 和 Ben Horowitz 聊了聊當前 AI 領域的熱門話題。對談中，他們重點分享了大模型的能力邊界、AI 的創造力與智能的關係、AI 領域泡沫、具身智能等話題，也重點提到了中國在 AI 領域的飛速進展。我們整理了其中的一些核心觀點：創造力的本質： 對“AI 無法真正創新”的批評是不對的，因為絕大多數人類也無法做到這些要求。無論是科學突破還是藝術創作，本質都是對前人工作的“改造”和“組合”。真正的“概念性突破”在人類中也極其罕見。智力不是一切： 認為“更智能的 AI 終將統治人類”的假設是錯誤的。現實世界並非總是由“最聰明”的人來負責決策。領導力和成功還需要心智、勇氣、感知力等非智力因素。AI 沒有成為泡沫： 目前的 AI 領域並不算泡沫，因為“當所有人都在問這是不是泡沫時，它就不是泡沫”。真正的泡沫發生在所有人都已“投降”、堅信其只漲不跌時。而 AI 的基本面依然成立，只要技術有效，使用者就會願意付費。AI 還處在早期階段： 我們今天所見的聊天機器人和搜尋引擎遠非 AI 的終極形態。我們正處於 AI 的“文字提示詞”時代，就像1992年之前的個人電腦。AI 的“圖形介面(GUI)”或“瀏覽器”時刻尚未到來，產品形態仍有巨大的創新空間。行業變化非常快：AI 領域將會持續以非常快的速度發生變化，創業者們需要提高警惕。不管是產品形態，技術瓶頸，還是供需關係，都可能發生快節奏的遷移。尤其是供需關係，在一個供需市場裡，造成“過剩”的永遠都是“短缺”。競賽的“第二階段”： 美國與中國的 AI 競賽仍將繼續，真正的決勝點將會出現在“第二階段”，那就是機器人。由於西方在過去幾十年中選擇了“去工業化”，中國在硬體、供應鏈和製造生態上擁有巨大優勢。即使美國在軟體上保持領先，也可能在硬體上被中國趕超。AI到底有沒有創造力？Erik Torenberg（本次對談的主持人，a16z 合夥人）：Marc，最近有很多關於大模型侷限性的討論，說它們無法實現真正的新科學發明，無法展現真正的創造性，因為它們所做的只是“組合”或“包裝”。你對此有什麼看法？Marc Andreessen：我經常會遇到兩類問題：第一，語言模型是否智能，即它們能否像人類一樣處理資訊並實現“概念性突破”？第二，語言模型或視訊模型是否具有“創造力”，能否創造新藝術並實現真正的“創意突破”？我會對這兩個問題反問：人類能做到這些事嗎？這裡有兩個問題。首先，即便有些人是所謂“智能的”，能產生原創的、概念性的突破，那有多少比例的人能真正做到這一點？我只見過少數幾個，他們中的一些就在這個會場裡，但數量並不多，大多數人永遠也做不到。然後是創造力。到底有多少人是真正具有創造力的？你可能會指著貝多芬或者梵高說：“看，這就是創造力。”是的，這確實是創造力。但歷史上又有多少貝多芬和梵高呢？顯然，數量非常非常少。所以，第一點是，如果這些 AI 能超越 99.99% 的人類，那它本身就已經非常智能了。我們再深入挖掘科技史，就會發現幾乎所有的重大突破，通常都至少需要 40 年前期工作的積累。事實上，語言模型本身是過去八十年工作的結晶。藝術領域情況也完全一樣。小說、音樂和其他藝術領域，顯然存在創造性的飛躍，但同樣也受到前輩們的巨大影響。所以，如果一個 AI 達到世界的前 0.001%，可能就已經完全達到目標了。當我在使用 AI 時，我的感覺是：“哇，它們似乎聰明得可怕，也具有驚人的創造力。”大多數人都不智能，所以也不必苛求AIErik Torenberg：當人們談論大模型的侷限性時，似乎提到一個共同主題。它們能做遷移學習 (Transfer Learning) 嗎？*遷移學習：跨學科將知識融會貫通的能力。Marc Andreessen：人類能做到嗎？這就像橫向思維，或者說，是在“分佈內”（inside distribution）推理還是在“分佈外”推理？*分佈內推理：模型已擁有的知識。情況是這樣的：我認識很多人，他們非常擅長在“分佈內”推理。但我到底認識多少擅長在“分佈外”推理並進行遷移學習的人呢？屈指可數。我認識幾個人，無論你什麼時候問他們一個問題，你都會得到一個極具原創性的答案，但通常這個答案會涉及多個領域。比如，你問某人一個關於金融的問題，他會給你一個融合心理學並且更恰當的答案。或者你問一個心理學問題，他會給你一個結合生物學的答案。在我認識的一萬個人中，大概只有三個人能做到這一點。這個比例並不高。這非常鼓舞人心。因為看看我們人類，儘管有各種侷限性，卻依然能做到今天的這一切。看看我們展現的所有創造力，所有那些了不起的藝術、電影、小說，以及了不起的技術發明和科學突破。所以，我們訓練 AI 是否需要讓它達到 100% “創新思考”的程度？我認為不需要。更聰明的AI不會“統治”世界Erik Torenberg：有很多人會認為，“更智能的東西會統治那些不那麼智能的東西”。Marc Andreessen：任何養貓的人都不會這麼說。你看看今天的世界，你認為我們總是被全世界最聰明的人們領導著嗎？我認為有兩件事是真的。第一，我們可能低估了智力的重要性。過去一百年裡，“智力”因種種原因成了一個極具煽動性的話題。即使是“有些人確實比其他人更聰明”這個觀念本身，都會讓人抓狂。但情況確實是，智力幾乎與每一種人生結果相關。在社會科學中，他們會告訴你，所謂的“流體智力”（fluid intelligence）或者 G factor（G因子），它與幾乎所有事情（教育成果、職業成果、收入，甚至生活滿意度）都有 0.4 的相關性。另一方面，那些身處涉及智力領域的人可能又都高估了智力。集體層面一個著名的觀察結果是：你把一群聰明人放進“烏合之眾”裡，他們絕對會變得更蠢。因此，某些 AI 圈子裡的那種，“聰明的東西將統治愚蠢的東西”的假設，非常容易，也非常明顯地被證偽了。Erik Torenberg：這就引出了一個後續問題，有那些技能是在智力之外的？更具體地說，為什麼 AI 系統不能學會它們？Marc Andreessen：你認為除了智力之外，還有什麼因素決定了領導力、創業精神或組織方面的成功？Ben Horowitz：很多事情。很大程度上，成功的人要能以正確的方式進行對抗。這其中有一定智力成分，但更多的是真正理解你在和誰說話，能夠解讀對方的想法。對創始人，要通過公司員工的眼睛，而不是你自己的眼睛來決策。這是一種需要不斷與人交談、理解對方在說什麼來培養的技能。這當然不是一個智商問題。Marc Andreessen：這是一些勇氣、激勵以及情感理解和心智的結合。“全身體驗”的必要性，機器人的必要性Marc Andreessen：有越來越多的科學證據表明，人類的認知不是純粹的大腦活動。著名的“心身二元論”（mind-body dualism）是不正確的。人類的體驗，並不僅通過大腦的理性思考，還因為全身體驗。我們的神經系統，我們的腸道菌群到荷爾蒙等各種生物化學方面，它們一起構成了生命。人類的認知是一種全身的體驗，遠超想像。這也是目前 AI 領域的重大基礎挑戰之一。機器人革命肯定會到來。當我們把 AI 放入在世界中移動的物理物體中時，就成了“具身智能”。這時的 AI 將更接近整合了智力、物理的體驗。但這些都非常早期，還有很多工作要做。我們正處於AI泡沫中嗎？Erik Torenberg：我們來談談“泡沫”。黃仁勳、Amin Vahdat（Google工程院 Fellow 兼副總裁）、Jeetu Patel（思科總裁兼首席產品官）、和 Matt Bornstein（a16z 合夥人）都談到了正在建設的、物理基礎設施的巨大規模。AI 的資本性支出 (Capex) 佔到了 GDP 的 1%。我們應該如何思考這個“泡沫”？Ben Horowitz：我認為“它是一個問題”這件事，就意味著我們沒有處於泡沫之中。泡沫在很大程度上是一種心理現象。如果真的達到泡沫的程度，那每個人都必須相信它不是泡沫。就像在網際網路泡沫時代，價格飛漲，巴菲特開始投資科技股。他曾發誓永遠不會投資科技，因為他不懂。如果連他都“投降”了，那確實是泡沫了。現在如果你回過頭看看，網際網路顯然不是泡沫，它是真實的東西。雖然在短期內，確實發生了價格錯位，因為當時網路上根本沒有足夠的人來讓那些產品運轉起來。在 AI 領域很難看到這一點，因為短期的需求如此之大，我們現在沒有需求問題。而且，“我們五年後會遇到需求問題”的想法，在我看來非常荒謬。會不會出現像“我們沒有足夠的冷卻能力”這樣的奇怪瓶頸？也許會。但就現在而言，如果看需求和供應，以及市盈率，這根本不像是一個泡沫。Marc Andreessen：順便說一句，很多 VC 也不知道是不是泡沫，他們只會感到沮喪。當創業者們拿到更高的估值時，VC 們會感到情緒上非常沮喪，這讓他們很生氣。這導致有很多人在情緒上“希望”它是一個泡沫，沒有什麼比錯過一個交易，然後看著這家公司取得巨大成功更糟糕的了。“那個估值太離譜了！” 在我們的行業裡，你可以為此憤怒 30 年。所以我總是說，把對話帶回到“基本面”。兩個最大的基本面是：第一，技術是否真的有效？ 它能兌現它的承諾嗎？第二，客戶是否在為它付費？如果這兩件事都是真的，那麼只要這兩件事保持穩固，通常事情都會步入正軌。AI巨頭與新貴誰能贏Erik Torenberg： 有人曾說 ChatGPT 對 Google 來說是一個“珍珠港時刻”。當我們回顧關鍵的時代轉折點時，是什麼決定了是“在位者”獲勝，還是“新進入者”獲勝？Ben Horowitz： 對變化做出反應是很重要的。我認為 Google 確實把頭抬起來了，所以它不會被徹底碾壓，但我也不認為 OpenAI 會消失。部分原因是速度，這是在一個很長時期內的執行力。這些非常大的公司中，有一些在不同程度上已經失去了執行能力。微軟在 Google 搜尋上栽了跟頭。微軟仍然非常強大，但它錯過了整個搜尋機會，也錯過了移動網際網路。但它仍然憑藉 Windows 壟斷地位如此龐大，以至於他們可以在其他領域發展。所以新公司贏得了新市場，但這並不意味著上一代的巨頭會消失。Marc Andreessen：我也認為我們還不知道最終產品的形態和形式。現在常見產品形態，要麼是聊天機器人，要麼是搜尋引擎。Google 面臨的問題是“創新者的窘境”。你是否要顛覆“10個搜尋結果連結”的模式，換上 AI 答案？畢竟這會顛覆廣告模式。而 OpenAI 的問題是，他們有完整的聊天產品，但他們還沒有廣告或 Google 規模的分發管道。所以，你可能會說：“好吧，這是一個非常清晰的、一對一的場景。”但是，這種思維方式可能犯的錯誤是，它假設了5年、10年、20年後，人們將要使用的主要產品形態，將是搜尋引擎或聊天機器人。一個明顯的歷史類比就是，個人電腦從1975年發明到1992年，它一直是一個“文字提示詞”（text prompt）系統。在當時，一個“互動式文字提示符”相比於打孔卡系統，已經是一個巨大的進步了。到了1992年，17年後，整個行業突然轉向了 GUI（圖形使用者介面），並且再也沒有回頭。又過了5年，行業又轉向了“網路瀏覽器”，再也沒有回頭。所以，使用者體驗的形態和本質仍未定型。我敢肯定20年後還會有聊天機器人，但我同樣非常確信，無論是現有的聊天機器人公司，還是許多新公司，都將找出許多種類的、我們甚至還不知道的、截然不同的使用者體驗。“短缺”終將成為“過剩”Erik Torenberg：當你指導企業家時，這個時代還有什麼讓你感覺不同的？你還想給他們留下那些這個時代的獨特建議？Ben Horowitz：我認為你說了正確的事情，那就是：這是一個獨特的時代。所以，試圖學習過去的組織設計經驗，或者試圖從上一代人那裡學到太多東西，可能是具有欺騙性的，因為事情真的不一樣了。人們建立公司的方式，在很多方面都非常不同。大家對 AI 博士研究員的觀察，就和一個傳統的全端工程師非常不同。所以我認為必須從第一性原理去思考很多事情，因為它就是不同的。Marc Andreessen：我只想提供一點：我認為事情會發生變化。我認為產品的形態和形式將會改變，仍然有很大的創造空間。我還認為，在一個供需的世界裡，造成“過剩”的一直是“短缺”。當某個東西變得過於稀缺時，就會產生巨大的經濟激勵，讓很多人去搞清楚如何釋放新的供應。當前這一代的 AI 公司正在與 AI 研究人員和工程師的短缺作鬥爭。然後他們受到了基礎設施容量、晶片、資料中心和電力的短缺的挑戰。我不想預測轉變的時間點，但總會有一天，這兩樣東西都會變成“過剩”。先來說研究人員/工程師。中國正湧現出卓越的模型，它們來自多家公司，特別是 Deepseek、Qwen 和 Kimi。值得關注的是，創造這些模型的團隊，很大程度上並不是那些名字出現在所有論文上的“大牌人物”。中國正在成功地把年輕人帶入這個領域並把他們培養好。Ben Horowitz： 嗯，xAI 很大程度上也是如此。Marc Andreessen： 是的。所以我覺得資訊正在被傳遞到環境中，人們正在學習如何做這件事，未來會有更多的人知道如何建構這些東西。當然，也還有 AI 正在建構新的 AI，工具本身將會變得更擅長為此做出貢獻。我認為這是好事，因為目前工程師的短缺程度太束手束腳了。在晶片方面，我不是一個晶片專家，但晶片行業的每一次短缺最終都導致了過剩。因為短缺帶來的利潤池太大了，利潤率變得太高了，激勵著其他人進入並找出如何將該功能商品化的方法也太多了。所以，輝達或許擁有晶片領域有史以來最好的地位。但儘管如此，我很難相信，5年後基礎設施還會面臨這種程度的壓力。Ben Horowitz：是的。假如未來某一天基礎設施內部的瓶頸轉移了，比如它變成了電力或冷卻，那麼肯定會遇到晶片過剩。Marc Andreessen：我們大家在五年後所面臨的挑戰，將會是不同的挑戰。AI競賽的“第二階段”，要看中國Erik Torenberg： Marc，你提到了中國。我們應該如何理解美國與中國之間的 AI 競賽？Marc Andreessen：如果只觀察目前的情況，特別是像 Deepseek，Qwen 以及那些來自中國的模型，我想說，美國和西方在“概念創新”（conceptual innovations）方面，一直領先。但中國極其擅長獲取創意，並將其執行、規模化和商品化。他們在整個製造業世界都是這樣做的，而且他們現在在 AI 領域也做得非常成功。所以我想說，中國在“追趕遊戲”中跑得非常好。當然，他們渴望的不止於此，中國有很多非常聰明和有創造力的人。所以，現在看看概念上的突破在多大程度上會開始來自那裡，以及他們是否會超越，這將是很有趣的。但是，這是一場全面的競賽，是一場賽跑，而且賽況非常激烈，分毫必爭。我們不會有5年的領先優勢，我們可能最多隻有 6 個月的領先優勢。軟體的競賽感覺還算不錯，我認為我們真的非常擅長軟體。但是當這件事進入以機器人形式出現的“具身智能”時，我認為事情會變得可怕得多。這就是我現在花時間在華盛頓特區，試圖真正教育人們的事情。美國和西方在過去40年裡，選擇了在一定程度上“去工業化”（de-industrialize）。中國現在擁有一個龐大的工業生態系統，用於製造各種機械、電氣、半導體和現在的軟體，同時也包括各種裝置，比如手機、無人機、汽車和機器人。AI 競賽將有第二階段，那就是機器人技術。它很快就會到，當它到達時，即使美國在軟體上保持領先，機器人也得被立刻製造出來。這不是一件容易的事，不是單一公司能做到的，它必須是一個完整的生態系統。就像汽車工業當年一樣，整個行業不是只有三家公司，而是有成千上萬的零部件供應商。機器人技術也將如此，而且，這一切正在中國發生。所以，即使中國在軟體上永遠趕不上我們，他們也非常有可能在硬體上直接“套圈”我們，然後比賽就結束了。但美國正在意識到這件事。我持謹慎樂觀地認為，美國將在這方面取得一些進展，但確實還有很多工作要做。 (四木相對論)

上周，在 Dreamforce 2025 峰會，Anthropic 聯合創始人兼 CEO Dario Amodei 說了一句引發廣泛關注的話：我對短期內 AI 的互補性依然樂觀，但我也必須坦白:兩到五年內，真正的替代將開始出現。這不是科技行業第一次有人談“AI 替代人類”。不同的是，Amodei 說這話時，Anthropic 內部已經發生了翻天覆地的變化： 他們的團隊裡，超過 90% 的程式碼已由 Claude 自動編寫，Bug 定位、系統偵錯甚至產品重構都由智能體完成。人類工程師的角色，不再是寫程式碼的人，而是審查 Claude 工作的人。這意味著，“AI 替代”不再是科幻電影裡的威脅，而是從 Anthropic 辦公室裡的一行行程式碼開始，在真實的生產系統裡一步步落地。但 Amodei 的警告，不止是給工程師的。“這不會只發生在開發者身上，”他補充說，“保險、金融、醫療等行業的企業客戶已經在用 Claude 執行端到端任務。被替代的第一批人，往往是工作流程裡那些最容易被自動化的崗位。”“AI 取代人類”這件事，從理論進入了倒計時。接下來，問題不再是AI 會不會替你，而是誰會先被替？他們是怎麼一步步被替的？而你，又該如何重新定義自己的角色？第一節｜替人的起點：端到端能力今天很多人說 Claude 會寫程式碼，但 Dario Amodei 的重點根本不是寫程式碼，而是它能做完一件完整的事。他觀察到：以前 AI 只是幫你寫幾行程式碼，現在它可以偵錯系統、修復 Bug、完成整個部署流程。換句話說，不再是你寫主力、AI 輔助，而是 Claude 把一件任務從頭到尾做完，人來稽核修改。角色變了，關係也變了。在 Anthropic 內部，這個轉變已經開始落地。Dario 舉了一個他們真實發生的案例：我們最近發佈模型時，叢集出現 Bug，工程師找了好幾天沒找到。後來我們讓 Claude 去排查，它居然找出了一個大家都漏掉的隱藏問題。從 AI 按你指令做一件事，到 AI 自己能判斷、執行、修復，走完整個閉環。而且這不是偶發事件。Dario 明確說：“我們現在團隊裡的程式碼，90% 都是 Claude 寫的。人類的角色更像是編輯者、監督者。”實際上，工程師不再是執行者，而是把 AI 當成“實習生”或“外包員”來分配任務、檢視成果、保證質量。不僅是 Anthropic 內部，Claude 的企業使用者也在驗證這點。Anthropic 聯合創始人 Mike Krieger 在早前訪談中也透露：我們有客戶讓 Claude 連續運行 30 小時，完成了一項複雜的系統重構。30 小時，非人類值班，任務不中斷。這不再是對話模型，而是長期運行的虛擬執行者。它能記住目標、追蹤上下文、發現並糾正問題。做的不再是語言生成，而是任務交付。在10 月 20 日 與製藥巨頭禮來(Lilly)首席資訊官 Diogo Rau 的對話中，他說：“不要被我們能用 AI 做那些小事這種想法限制住。有一個現有流程，它有 20 個部分，你想在第 5 部分和第 12 部分引入 AI，這實際上很困難。但一年後，AI 可能就能從第 0 部分到第 20 部分端到端完成。”如果模型在一年後才足夠強大，而你那時才開始部署，就會再延誤兩年。要對技術進步的速度有信心，現在就開始為端到端變革做準備。這段話點破了替代的本質：因為替代不是某個時刻突然發生的，而是從“輔助”變成“交付”的那一刻開始的。當 Claude 不只是回答問題、生成文字，而是能：理解任務目標呼叫工具和代理自主運行並糾錯交付最終結果那你還需要幾個人做這件事嗎？我們過去總以為 AI 只是幫你快一點，但 Dario 的話意思很明確：Claude 能做端到端任務的那一刻，就意味著你不再需要中間這些環節。程式碼只是開始。真正替人的，不是 AI 變聰明了，而是它開始像系統一樣工作：持續執行、串聯流程、自主呼叫、糾錯最佳化。這套執行力，才是 AI 從工具向崗位躍遷的分水嶺。第二節｜第一批被替：中間環節的人我們常以為被 AI 替代的會是低技術、低學歷、低門檻的崗位，比如文員、助理、客服。但 Dario Amodei 給出的判斷恰恰相反。他說：不是說人類沒有事情可做，但兩到五年內，整個經濟體系都會被深度重塑。影響最大的不是個別崗位，而是所有環節都可能被壓縮、被替換、被重組。換句話說，AI 替代的並不是誰技術差，而是誰在流程中傳遞資訊、而不是創造結果。只要一份工作裡，沒有核心創造，而只是把資訊從 A 傳到 B，再從 B 整理成 C，那這件事 Claude 能替你做，而且可能還更快、更便宜、不出錯。你會發現，很多看起來有技術含量的中間環節崗位，其實只是資訊搬運工：把會議內容整理成報告把客服反饋總結成周報把資料填進表格，再匯出成 PPT把行銷計畫分解為具體工單，下發至不同部門這些工作的共同特徵是：資訊已有步驟明確不涉及複雜判斷成果可驗證而這正是 AI 最擅長的工作。Mike Krieger 補充了一個 Anthropic 客戶的真實案例：有客戶在財務部門用 Claude 自動生成分析 Excel 表格，Claude 會自己理解資料、做推導、畫圖表。不是把 Excel 做成工具給人類用，而是 Claude 直接接管整套流程。所以這不是一場程式設計師和 AI 的戰爭，而是“中間環節的人”和“做完整件事的人”之間的更替。再進一步看，只要一家公司使用 AI 來：審查合同 → 整合文件 → 寫會議紀要歸檔工單 → 生成 FAQ → 自動發郵件撰寫預算 → 分析花費 → 出年度報告那些專門做這些事的崗位，還需要幾個人？因為過去一項工作要三四個人輪流做，現在 AI 一步跑完。這，就是第一批會被替的現實依據。Dario 的判斷不是基於情緒，而是他們內部已經發生的變化：我們沒有解僱工程師，但我們團隊裡，每個人的角色都在重新定義。這句話的意思很清楚：AI 不是一刀切，而是讓原本的人力變得邊緣化。先被替的，正是那些沒有決策權和創造權的崗位。第三節｜新工作方法：不是幹活，而是指揮 AI 幹活AI 真正開始替人的那一刻，很多人最直覺的擔心是：那我們是不是要沒工作了？但 Dario Amodei 在 Dreamforce峰會上給出了一個出人意料的答案：你可能需要更多人，因為他們可以獲得更大的槓桿效應。工程師可以變得十倍更有生產力。AI 在替人，為什麼還需要更多人？IG Group 案例：他們的分析團隊每周節省 70 小時，但這些時間被重新投入到更高價值的戰略工作中。某些用例的生產力翻倍，3 個月就實現了 ROI。Cox Automotive 在 VinSolutions CRM 中使用 Claude 後，消費者諮詢響應和試駕預約數量翻了一倍多。Palo Alto Networks 讓 2500 名開發者使用 Claude，沒有任何 Claude 經驗的初級開發者完成複雜整合任務的速度快了 70%。這些案例的共同點是：人沒有被“替掉”，而是“角色”升級了。但這個轉變並不容易。一項針對 16 名經驗豐富的開源開發者的研究發現：當他們使用 AI 工具時，完成任務的時間反而增加了 19%。開發者預測 AI 會讓他們快 24%，結果卻慢了 19%。為什麼？因為有經驗的開發者有大量上下文，而 AI 沒有。他們需要把自己的問題解決策略改造成 AI 能理解的形式，還要花時間偵錯 AI 的輸出。但學會管理 AI，需要時間和練習。而時間，可能不多了。史丹佛大學的研究顯示，22-25 歲軟體開發者的就業率自 2022 年底以來下降了近 20%，因為 AI 工具正在接管過去分配給初級員工的常規編碼和資料任務。哈佛商學院教授 Christopher Stanton 警告說，隨著僱主重新定義早期職業角色，工資可能會下降。但與此同時，Salesforce 的首席人事官表示，公司正在大規模招聘新畢業生，2025 年夏天接納了 1000 名實習生。她指出，現在有很多 6 個月前根本不存在的新崗位。未來，不是所有人都會失業，是工作角色正在被重新定義。那麼，什麼樣的人能適應這種變化？真正高價值的人，能做到：清楚表達需求合理分配任務給 AI驗證 AI 的工作成果AI 出錯時知道怎麼糾正這，就是 “AI 統籌師”。Dario 在 Dreamforce 上明確表示：我很擔心，特別是人們適應的能力，因為工作變化得太快了。這不是危言聳聽，而是正在發生的現實。時間窗口，只有兩到五年。結語｜不是會不會，而是什麼時候Dario 說得很明白：“不是替代，是重排分工。”AI 不再是工具，而是能獨立完成工作的虛擬同事。它能端到端跑完流程，找出人類漏掉的問題，連續工作不停歇。真正被替的，不是崗位，而是那種只會做一環、不懂用 AI 的人。Anthropic CPO Mike Krieger 則表示：我們建構的是可信賴的虛擬同事。不是輔助，是上崗；不是幫你，是幹完你幹不完的。接下來兩到五年，變化可能會比大多數人預期的更快。 (AI 深度研究員)