•
我們處在2000年泡沫崩掉的前夜嗎？
今天聽完了a16z播客的新一期對談：Benedict Evans（曾任a16z合夥人，長期研究平台變革）和主持人Erik Torenberg聊《AI eats the world》以及下一輪平台遷移的真實走向。整期內容不太像“追熱點”，更像是在給2025年的AI產業做一次冷靜校準：泡沫從那來、為什麼全行業FOMO、為什麼人人都知道但還沒用成習慣，以及最關鍵的——模型之外，到底還缺什麼產品形態和商業護城河。
下面我把這期對談裡我認為最有價值、也最能幫助我們理解當下進度與下一步機會的點，整理成一篇資訊梳理，分享給大家。
一、真實進度條：為什麼AI看起來“人盡皆知”，卻還沒變成“人人離不開”
Benedict Evans用一個很刺耳的反問開場：ChatGPT有8億~9億周活，但如果你是那種每天用好幾個小時的人，不妨問自己——為什麼有五倍於你的人“看過、理解、有帳號、會用”，卻想不出這周或下周要用它做什麼？
這句話把2025年AI的“真實進度條”釘在了一個矛盾上：熱度已是基礎設施等級，使用仍停留在“可選工具”。他提到的調查印象也指向同一件事：每天用的人大約10%~15%，更多人是“每周用一次或偶爾用一次”。這會直接影響一切——從商業模型、分發管道，到誰能建構真正可防禦的產品。
二、“AI”和“AGI”正在變成一套話術，而不是一組定義
Evans反覆強調：“AI”這個詞越來越像“技術”“自動化”——只在“新”的時候成立，一旦普及，它就不再被稱為AI。他舉了電梯的類比：1950年代奧的斯把自動電梯當成“電子禮儀”行銷；今天沒人會說“我在使用電子電梯”，它只是電梯。
而“AGI”則更像“新的、可怕的東西”。他講了一個略帶神學意味的笑話：AGI似乎總處在一種尷尬的二選一——要麼它已經到了，只是“小型軟體”；要麼它在5年後，並且永遠都會在5年後。
這也解釋了他對行業敘事的敏感：你會看到有人說“我們現在就有博士級研究員”，也會看到另一派立刻反駁“沒有，別鬧”。對Evans來說，問題不在於誰更會講話，而在於：當我們連“它到底是什麼”都在搖擺時，所有預測都會被敘事拉扯得四分五裂。
三、這到底是一次平台變革，還是“比平台更大”的結構性變化？
Evans的核心框架，是把生成式AI放進“平台變革史”裡對照：平台變革通常會帶來贏家和輸家，會製造泡沫，也會催生新的兆公司；但對科技行業之外，影響往往分化——網際網路對報紙行業是“改天換地”，對水泥行業可能只是“更好用的工具”。
但這一次不同在於：過去的平台變革，你不知道明年會出現誰（Netscape出來時，很多未來巨頭還在上學；Amazon也還只是書店），但你大體知道物理極限：頻寬、硬體、電池、成本曲線都在可推演的邊界裡。
生成式AI的麻煩是：我們不知道它的“物理極限”。因為我們既沒有對“它為何有效”的充分理論，也沒有對“人類智能是什麼”的充分理論，於是你只能聽到一堆“我覺得”。
這會直接導致一種“精神分裂式敘事”：同一家公司可以一邊談“很快人類級/博士級研究員”，一邊又談“這是新的API堆疊，會像Windows一樣讓更多軟體成為可能”。Evans的吐槽很直接：這兩件事不可能同時為真——要麼你擁有一個博士級研究員（那它也該是博士級會計師），要麼你只是得到一種更強的軟體能力去做報稅、寫程式碼、做工作流。
四、泡沫：不是“會不會”，而是“我們現在是97、98還是99”
在泡沫問題上，Evans的態度既不高舉高打，也不裝作冷靜旁觀者。他的判斷是：“非常新、非常大、非常令人興奮、改變世界的東西，往往會導致泡沫。”所以，如果現在還不在泡沫裡，也大機率會走進泡沫。
但他更看重的是泡沫的“結構性特徵”，而不是給泡沫貼標籤：泡沫期裡一切同時上漲，所有人都像天才，槓桿、交叉槓桿、循環收入到處都是；然後當它掉頭，會出現棘輪效應。
他引用Marc Andreessen對90年代網際網路泡沫的記憶：1997不是泡沫，1998不是泡沫，1999是泡沫。問題是——我們現在到底是那一年？如果能精準回答，我們就生活在平行宇宙裡。
五、FOMO的底層邏輯：不投資的下行風險，大過過度投資的下行風險
比“泡沫”更能解釋2025年資本開支狂潮的，是Evans拋出的那句行業共識：從超大規模雲服務商那裡聽到的說法大意都是——不投資的下行風險，超過過度投資的下行風險。
這裡的關鍵不在“他們是否理性”，而在“沒人能算明白”。Evans用90年代末預測頻寬需求做類比：你可以列出使用者數、網頁頻寬、視訊時長、位元率、觀看習慣，用電子表格算出10年後全球頻寬消耗，再反推路由器銷量——你會得到一個數字，但它一定不是那個數字，真實結果可能有百倍區間。
同理，AI計算需求也很難代數化：模型效率每年可能下降很多倍（他強調“成本在掉”），但使用量在漲；於是你很難判斷到底是“缺供給”還是“缺需求”，也很難判斷今天的CapEx是在買未來，還是在買焦慮。
他順手拆了一個“過度投資也能轉賣容量”的樂觀說法：如果你閒置算力，別人也會閒置；你以為能轉賣，市場上卻可能是“全行業一起庫存”。
六、“缺失的產品”：ChatGPT像入口，但還不是“定義平台的那台iPhone/那張Excel”
這期對談最有資訊密度的部分，其實不是模型能力，而是Evans對“產品形態”的判斷：很多人把ChatGPT當成“產品”，但它更像一個“偽裝成產品的聊天機器人”。
原因並不玄學，而是UI與工作流的現實：專業軟體的螢幕上之所以只有7個按鈕，是因為背後有一群人把機構知識、行業流程、決策節點都壓縮成“在這一步該問什麼、該給什麼選項”。
而當你面對一個空白提示框，你被迫從第一性原理想清楚：我到底要什麼、我該怎麼問、我該怎麼驗證、我該怎麼把它嵌進工作裡——它幾乎在“問你所有事情”。
於是，“缺失的產品”就清晰了：不是缺一個更聰明的模型，而是缺一套能把AI嵌進具體崗位與具體流程的產品包裝。這也是他解釋為什麼企業會買Everlaw這種“法律文件發現解決方案”，而不會想自己去拼AWS API：人們購買解決方案，不購買技術。
Evans給出的直覺很像一句“創業者友好”的判詞：過去十年企業軟體公司在拆解Oracle/Excel；今天AI軟體公司在拆解ChatGPT。誰能把“按鈕”做出來，誰就能把AI的能力變成可銷售的工作流。
七、驗證與錯誤率：為什麼“無限實習生”有時反而讓你更累
Evans最尖銳的現實主義，不在“它會不會更強”，而在“你能不能驗證”。他引用與Balaji的對話：矽谷的人經常對錯誤率揮手而過，但很多問題需要特定且正確的答案；如果無法機械驗證，靠人檢驗是否划算？
在行銷裡，讓機器生成200張圖、人挑10張，效率巨大；但在資料錄入場景，如果機器從200個PDF抄200個數字、你得逐個核對，那你還不如自己做。
他舉的OpenAI Deep Research的例子尤其扎心：它拿來當行銷展示的資料“數字全是錯的”，錯在轉錄、錯在來源選擇；你讓實習生做，也可能犯同樣的錯。
這不是嘲諷模型，而是在強調：AI的落地不是“能生成”，而是“能交付”。交付意味著驗證鏈路、責任邊界、以及“錯一次的代價”。
八、新行為會出現，但“類別長什麼樣”我們現在很可能問錯了問題
當被問到“會不會出現AI版Uber/Tinder”時，Evans的回答依舊是歷史視角：每一次平台變革，早期都充滿誤判。1995年人們以為Web更像“共享系統”，後來才變成“發佈系統”；iPhone也用了兩年才真正跑通價格、功能與分發。
他甚至把這種“問錯問題”的必然性當成規律：當年移動時代人人追問“3G的殺手級用例是什麼”，最後答案是“口袋裡隨處都有網際網路”——但當時沒人這麼問。
因此他更願意把AI的落地分成三步：
第一步，把它做成功能，做明顯的自動化；第二步，做新的東西；第三步，有人把行業從裡到外翻過來，重新定義問題。
在他看來，我們仍大量停留在第一步，同時開始更認真地討論第二步、第三步：AI會帶來什麼新收入？會在那些地方重塑市場結構？
九、競爭格局：模型趨同，真正的差異在分發、成本與“可防禦的粘性”
關於“誰能贏”，Evans不太相信“基準分數”能給答案。他同意一種觀察：對偶爾使用的消費者來說，模型很可能被體驗成“商品”；真正拉開差距的，是分發、默認入口、以及成本基礎。
他對OpenAI的描述尤其冷：8億~9億周活當然驚人，但這種優勢“很脆弱”，因為它更像品牌與默認，而不是網路效應、生態系統或功能鎖定；同時它沒有自有基礎設施，成本不受控，“每個月從Satya那裡收帳單”。
因此OpenAI必須兩線作戰：一邊在模型之上拚命做產品形態（瀏覽器、社交視訊、應用平台……“滿牆都是線”那種），一邊補基礎設施，去和Nvidia、AMD、Oracle、甚至“石油美元”打交道。
這句話把2025年“FOMO”從雲廠商擴展到了模型廠商：不僅要跑得快，還要補齊護城河。
十、大廠站位：Google/Meta/Apple/Amazon/OpenAI分別在守什麼、搶什麼
Evans對“大廠站位”的拆解，核心不在“誰模型更強”，而在五家公司各自的基本盤不同：有人在守入口，有人在守現金流，有人在守裝置生態，有人既賣鏟子也想重做決策鏈路。
OpenAI：守默認入口，搶護城河與成本基礎
OpenAI的強項是心智與默認入口，但弱點是缺少穩固的生態鎖定與基礎設施控制權。它必須同時補兩件事：把入口變成更強粘性的產品形態，以及把成本基礎從“外部帳單”變成可控的長期結構。
Google：守搜尋廣告現金牛，搶下一代體驗的定義權
Google可以用既有現金流承受巨額投入，把AI吸收進搜尋、廣告、工具鏈裡，先把“舊世界”做得更強。同時它也在爭一件事：下一代入口究竟長什麼樣——是Google定義，還是別人定義後Google複製並規模化。
Meta：守內容分發與推薦系統，搶下一代社交體驗控制權
AI對Meta更像“體驗範式變數”，會影響內容生產、分發、推薦與互動方式。它最在意的不是單點能力，而是分發機器的控制權是否旁落，因此更需要掌握自有模型與能力邊界。
Amazon：守AWS的鏟子生意，搶購買決策與發現入口
一方面，Amazon天然受益於把AI當雲能力售賣；另一方面，它更想搶的是“使用者如何決定買什麼”。如果購買從搜尋SKU遷移到對話式建議與發現，零售媒體、廣告轉化路徑、推薦系統都可能被重寫。
Apple：守裝置與生態入口，搶“計算形態是否改寫”的落點
Apple的關鍵不在有沒有聊天機器人，而在AI會不會改變“軟體是什麼、App是否還存在”。如果互動轉向代理化/對話化，裝置側仍可能是關鍵入口；但前提是體驗要足夠穩定可靠，而這恰恰是行業目前最難交付的部分。
十一、站到行業外面：真正焦慮的不是“我能不能用AI”，而是“我的價值鏈會不會被改寫”
Evans最後把鏡頭推向科技之外：如果你是出版、品牌、行銷、媒體公司，你可以列一堆問題，但你甚至不知道問題是什麼。
當使用者問LLM要一個食譜，LLM直接給答案，食譜網站意味著什麼？當購買決策變成“我揮舞手機問一句‘我該買什麼’”，流量與轉化會被帶到那裡？Amazon能否借LLM真正把“推薦、發現、建議”做成規模化能力，而不只是賣SKU？
他甚至把這種衝擊總結為一種殘酷的“自我識別”：報紙行業過去談策展、新聞，卻很少承認自己也是“輕製造+本地配送卡車公司”；直到網際網路來了，價值鏈裡真正可被拆解、可被替代的部分才暴露。
換句話說，AI的第二階段、第三階段，可能不是把你效率提高20%，而是讓你意識到：你以為的護城河，可能只是“無聊、困難、耗時”的流程摩擦。當LLM移除摩擦，你靠摩擦賺錢的行業，會突然失重。
十二、2025年的“真實進度”，是一場從模型熱到產品定型的遷徙
如果把這場對談壓縮成一句話：2025年AI的關鍵不在“更強的模型”，而在“缺失的產品形態”與“可驗證的交付鏈路”——它們決定了AI會從少數人的高頻工具，變成多數人的默認工作方式。
Evans最後也留了一個誠實的邊界：我們現在擁有的，還不是“實際人的替代品”，除非在非常狹窄、嚴格護欄的場景裡。它會不會成長到那一步？沒人能給可證偽的答案。
但對產業而言，也許更重要的是：即便它永遠只是“更強的軟體”，也足以像網際網路與智慧型手機那樣，重排一批行業、重寫一批公司。而真正的戰場，會發生在“泡沫與FOMO”之下，那些把能力做成產品、把錯誤變成可控、把工作流變成按鈕的人手裡。 (虎嗅APP)