•
模型發佈節奏越來越快、參數越來越大、推理能力越來越強，但你有沒有發現一個反直覺的現象：真正被廣泛使用、願意付費的 AI 產品，往往不是媒體報導最多的那些。
2025 年 10 月 21 日，OpenAI 投資人、LinkedIn 聯合創始人 Reid Hoffman 給出了一個不同尋常的解釋：
殺手級的 AI 產品不是最強的，而是能讓人更懶、更富。
他說，幾乎所有人都盯著“模型能力”的天花板，卻忽視了真正讓 AI 產品爆發的關鍵：能不能讓使用者幹得更少、賺得更多。
循著這個邏輯，Hoffman 在訪談中重點談到了三個正在被低估的方向：
它們不是最酷炫的 demo，也不是最大的模型，但都在悄悄擴張。它們的共同特點是：不追求技術極限，而是追求商業閉環；不在矽谷的聚光燈下，卻在真實場景裡快速滲透。
接下來，讓我們看看 Hoffman 為什麼在這三個方向上下注。
Reid Hoffman 做過無數投資，但他親自下場聯合創辦的 AI 公司，只有極少數。而其中最重要的一家，是專注藥物發現的 Mati AI。
他怎麼說的？
“我們不是做傳統醫療 AI，也不是做診斷輔助工具。我們在建一座工廠，一個以 AI 為主力的藥物製造工廠。”
這個定位很不尋常。
在矽谷，幾乎所有醫療方向的 AI 產品都在圍繞“提升醫生效率”展開，比如自動摘要、病歷識別、問診助手。但 Hoffman 並不關心這些。他的問題是：
能不能直接用 AI 設計分子？
✅ 不是幫醫生開藥，而是直接造藥
傳統藥物發現過程有三大難點：
而 AI 能做的是，從億級的化合物組合中，用語言模型的方式生成有潛力的結構，然後用預訓練模型預測它是否會有效。過去需要幾個月的篩選周期，現在幾小時就能完成。
Hoffman 的核心洞察是：如果你把分子結構當作一種語言，AI 就可以像寫作文一樣生成、改寫和評估分子。
他舉例說：傳統治療癌症的做法，是用毒藥殺死癌細胞，但同時也在殺你。我們希望用 AI 直接找出只殺癌細胞、不殺人的分子。
這不是宣傳標語。
他自己找來合作的聯合創始人，是美國最頂尖的腫瘤醫生之一、《萬疾之王:癌症傳奇》(The emperor of all maladies: A biography of cancer)的作者 Siddhartha Mukherjee，兩人創辦 Mati 的明確目標就是：讓那些原本因為利潤太低沒人願意研發的病，也能有藥。
✅ 機會不在醫院，在藥廠
在 Mati 的核心架構中，承擔的不是輔助角色，而是藥物設計的核心工作：
所以 Hoffman 判斷：AI 改變醫療行業的方式，不是提升醫生工作效率，而是從根本上重建藥物開發的方式。
Reid Hoffman 提出過一個看似簡單的問題：假如每個專業都有一個專屬 AI 助手，會發生什麼？
早在 ChatGPT 之前，他就在史丹佛的長期規劃會上公開建議："應該為每一個學科，建構定製的 AI 工具。
為什麼？
因為傳統教育系統的核心是讓人記住知識，但 AI 出現後，“知識”不再稀缺了。你需要的，不是再教一遍是什麼，而是有人幫你用對知識、用好工具。
他說：
“醫生這個職業不會消失，但它的本質會變。不會再是‘我上過10年醫學院，所以我懂’，而是‘我知道該怎麼用 AI，查出對的結果’。”
醫生、律師、程式設計師、會計這些過去依靠記憶和經驗積累的職業，都在變成一種新的角色：AI 的專家使用者。
✅ 不問 AI 意見，是不明智的
Hoffman 說他和朋友去參加一場關於“AI會不會替代醫生”的辯論，反方舉了很多傳統論據，比如“人類有溫度”“診斷要交叉驗證”之類。
但他指出，這些觀點忽略了一點：今天的 AI，不一定總是對，但它掌握的知識量早就超過任何一個人類了。
他的觀點很直接：
“如果你得了嚴重的病，卻不去諮詢 ChatGPT 或其他 AI 作為輔助判斷，那是非常不明智的”
不是說要盲信 AI，而是你應該養成一種新的思維習慣：
他說，未來專業人員要學會的是：當你相信的東西和 AI 給的不一樣時，你需要非常強的理由去堅持你的判斷。不再是第一判斷者，而是交叉驗證者和質疑者。
這不是讓人被邊緣化，而是讓人站到新的位置上。你不再需要死背知識，而是要掌握如何用 AI 幫你找到、篩選、對比、理解知識。
✅ 會用 AI 的人，比 AI 本身更稀缺
在傳統教育裡，學歷和證書是選人的標配。Hoffman 講了一個他非常喜歡的觀點：
科學的本質，是相信專家的無知。
很多人會說：我有醫學博士，我有法學博士，我當然專業。但 AI 出現之後，“懂得多”不再是最重要的技能。
他說，程式設計行業比其他職業更早適應 AI 的原因，是這裡從來就不認學位，只認程式碼能不能解決問題。
這就帶來一個核心變化：未來重要的不是你知道什麼，而是你會不會用 AI 去幫你找到你不知道的。
Hoffman 認為，未來醫生的核心競爭力，不再只是讀過醫學院，而是會用 AI 工具做更精準的分析。
所以他推崇的方向不是讓 AI 替代老師，而是讓老師成為 AI 的訓練師。同時，每個學習者也要完成角色轉變：從被動接受資訊，到主動導航和篩選知識。
這不是讓教育變簡單，而是讓“會學習”的定義變了。
Reid Hoffman 在整場訪談中，反覆強調一句話：
AI 最有殺傷力的產品，不是最聰明的，而是讓人更懶、更富。
這就是他判斷 AI 產品能否成功的核心標準。
我們都習慣把“懶”當作貶義詞，但在商業世界裡，“懶”有時候代表效率。能用更少的力氣幹成更多事情，才是真正聰明的方式。
在他看來：現在大多數好用的 AI 工具，賣得好的不是因為它能做多少，而是因為它能幫你省多少事。
比如：
這些都不是顛覆行業，也不是換掉誰，而是把人放在一個新的位置：我還做決策，但我不再幹重複活。
Hoffman 說得：
“真正能爆發的 AI，不是讓你失業，而是讓你省勁。”
✅ 越是用得起 AI 的崗位，越容易先受益
Hoffman 把這個趨勢總結為一句話：軟體吞噬世界，AI 重構勞動
什麼意思？他解釋說，AI 在許多行業的最初切入口，並不是去取代全部流程，而是先吞掉那些“非創造性的勞動”部分。
你今天還在手動做這些事？那你真的不夠懶。
在他看來，未來的趨勢不是會不會被 AI 替代，而是：你有沒有儘可能地用 AI 來節省時間、擴大產出。
這也是他看好這個賽道的原因：
Hoffman 總結得很清楚：
“一切要求人像機器人一樣工作的崗位，遲早會讓位給真正的機器人。但凡需要人腦和主觀判斷的工作，都會變成人+AI的協作模式，而不是AI替代人”
✅ 真正在用 AI 的，是小團隊
Hoffman 發現了一個有趣的現象：小企業、律師事務所、個體醫生那裡看到的 AI 使用，比在大公司裡還多。
他認為，大企業有太多流程、審批、內部阻力，不敢輕易讓 AI 介入核心業務。但個體創業者、自由職業者、小團隊反而行動最快、最果斷。
比如他提到的一個例子：一位原告律師接入 AI 工具後，簽約率翻倍，案件準備效率提高幾倍。這不是因為 AI 多懂法律，而是因為他更快搞定了案子，省下了以前花在整理、列印、覆核上的時間。
這就是“懶而富”模型的核心：
這類產品，是 Hoffman 最看好的 AI 應用方向。
他說：
“別想做那種每個人都會因此失業的產品。沒人願意買。最好的產品，是讓你工作更少、賺更多錢。”
這才是 Hoffman 眼中，AI 最真實的商業邏輯。
很多人今天不再懷疑 AI 的潛力，而是開始懷疑一個更現實的問題：是不是都晚了？是不是每個方向都有人做了？
但 Reid Hoffman 的回答是：你看到的熱鬧方向，大機率不是機會本身。
他說：
“大家都盯著模型規模、參數數量、誰訓練得最貴，卻忽視了一個關鍵問題。AI 真正好用的地方，往往在沒人看見的角落。”
他把這種看漏的地方稱為：矽谷的盲點。
✅ 機會在“原子”，不在“位元”
什麼叫“位元”？在 Hoffman 的話裡，位元代表軟體世界，比如：
這些都屬於“語言”層面的任務，門檻低、技術成熟、創業者多。
而“原子”代表真實世界，比如：
Hoffman 說，大多數人只想在“位元世界”裡卷功能、卷性能、卷提示詞。但真正長期有價值的方向，是如何讓 AI 進入原子世界。比如藥物製造、生物設計、物理過程預測。
生物，就是“位元化的原子”。而這，恰恰是被低估的起點。
為什麼機會還在？因為難度大、反饋慢、監管多、沒人講得清楚。但正因為這樣，一旦有人找到突破口，就可能建立起下一個十億美元等級的公司。
✅ 找對問題，比做強模型更關鍵
Hoffman 強調：
人們總是根據 AI 現在的表現來下結論。這是最大的誤解。
他舉了個例子：你兩個月前試過 ChatGPT，覺得沒用，就放棄了？這就像你看到兩歲半的老虎·伍茲打高爾夫，覺得你打得比他遠，就斷定他不會成事。但如果他一直練下去呢？
他說：你現在用到的 AI，是你這輩子用過的最差的 AI。
真正該問的不是AI 有多強，而是：
不是 AI 沒用，是你沒找對問題。
✅ 為什麼是現在 ?
Hoffman 認為，今天是切入 AI 創業的好時機，原因不在於技術突破，而在於關鍵要素都到位了。
① 模型能力跨越臨界點
不只是對話，而是開始有真正的推理能力;可以自動分析、生成結構化內容、進行深度研究
② 使用門檻大幅降低
API 成熟，開源模型豐富，呼叫成本下降;不是程式設計師也能訓練模型、接入外掛、快速試驗
③ 商業閉環開始形成
企業、專業人士、自由職業者開始主動為 AI 付費;AI 已經從"新奇工具"變成"生產力工具"
這三個訊號同時出現，意味著：早期還在熱身的賽道，正進入加速階段。
而那些看上去還沒人講的方向，不是沒人想過，而是門檻高、難講清、不確定。正因如此，這才是真正的機會。
真正值得做的，不是最熱的 AI，而是最有用的 AI。
他說，不是每個賽道都值得卷，但醫療、教育、職業增強這三類方向，之所以值得關注，是因為它們不像搜尋、對話那樣容易 Demo，但一旦做成，使用者留存率極高，變現路徑極穩。
這就是為什麼他把投資的重心，押在這幾個方向上。
因為他不是看項目火不火，而是看是不是能長期產生真實價值。
Reid Hoffman 給出的答案很簡單：
AI 不是用來替代誰，而是幫助一部分人更快地超越另外一部分人。
他點名的那些被低估的方向，都有一個共同特徵：
“不靠技術領先取勝，而是真正理解使用者想省掉什麼步驟、解決什麼困難、節省多少時間。”
就像早期電腦讓普通人能算帳，網頁讓普通人能寫內容，大語言模型讓普通人能理解複雜世界。AI 的下一步，就是讓普通人也能操作專家級的系統。
所以，真正值得做的，不是最強的 AI，而是滿足三個條件的 AI：
你明天還會用、願意花錢買、能幫你節省一半時間。
如果你今天還沒找到這樣一款工具，那可能不是 AI 不夠強，而是你還沒有真正開始找。
那些最不起眼的地方，往往藏著最大的機會。 (AI 深度研究員)