Podcast連結

Roger’s Takeaway

Marc Andreessen 與 Ben Horowitz本次談論三個重點，第一個是AI不需要做到真正的『創新』或是『頂尖的聰明』，因為一般人也做不到。而且，人類很可能不是身心二元論的，也就是指心靈完全與身體分開，而現在的AI是完全的身心二元論，也就是他只有『心』，因此，當機器人革命到來時，這會是AI一個重要的命題。

第二個是，泡沫，一如繼往Marc Andreessen不認為自己能正確確認泡沫，但是可以關注兩個基本事實，一是這個技術真的有效嗎？二是用戶是否有在為他付費？若兩個都是真的，而且保持穩固，那就很難說是泡沫。

第三個是關於Google與OpenAI的創新者兩難問題，會認為Google面臨創新者兩難問題的人，很大程度是把聊天AI當作是下一代搜尋的答案，然而，現在其實還不是很清楚下一代搜尋會是什麼樣子。他們舉1975年電腦到1992年的介面，從打孔和分時系統到互動式文字，1992年之後，轉向圖形使用者介面，在五年後，整個產業轉向網頁瀏覽器，沒有再往回頭。在這個過程中，使用者體驗的樣貌、形式和本質，都很難說是定型了。

Highlight

1.

第一點是，如果這些 AI 能夠達到 99.99% 人類的水平，那本身就已經非常有趣了。

如果你看看科技史，幾乎所有重大突破都是至少 40 年前期工作的結果，整整四十年。事實上，語言模型本身就是過去八十年工作的結晶。所以這其中有重新組合。在藝術領域也是完全一樣的，小說、音樂等等，顯然有創造性的飛躍，但也有大量來自前人的影響。即使是像貝多芬這樣具有創造力的人，在他的作品中也能看到很多莫札特、海頓以及在他之前的作曲家的影子。所以這裡有大量的重新組合與結合。

所以這有點像在針尖上跳舞的天使問題，也就是說，如果你能達到世界頂尖、世代相傳的創造力與智慧的 0.001% 之內，你可能就已經完全達標了。所以情感上，我希望保留人類創造力仍然有其特殊之處的希望，我當然相信這一點，而且我非常願意相信。但當我使用這些工具時，我會覺得，哇，它們看起來非常聰明，也很有創造力。所以我很確信它們將會達到標準。

2.

我認識很多非常擅長在分佈內推理的人。但我真正認識多少擅長在分佈外推理和進行轉移學習的人呢？答案是，我只認識少數幾個。我認識幾個人，無論你問他們什麼問題，你都會得到一個極具原創性的答案。

通常那個答案會涉及從某個相鄰領域引入一個想法，基本上能夠跨越不同領域。所以你問他們一個關於金融的問題，他們會給你一個來自心理學的答案；或者你問他們一個關於心理學的問題，他們會給你一個來自生物學的答案，諸如此類。

所以，時至今日，在我認識的人中，大概有三個。我的通訊錄裡有一萬人，而其中只有三個能做到。萬分之三，這不是一個很高的比例。

我認為，你是否需要達到那種百分之百確定它在進行原創思考的程度？我認為不必。如果能做到那當然很好，而且我認為我們最終可能會得出那樣的結論。但這對於實現巨大的進步來說並非必要。

3.

心智理論是指你是否能在腦中模擬對方腦中正在發生的事情。你可能會認為，聰明的人應該更擅長這個。

但事實可能並非如此，原因如下。美國軍方是智商測試的早期採用者，並一直是美國社會中該領域的領先者。他們透過一種叫做 ASVAB 的測試來進行，這是一種職業能力傾向測試，但基本上就是智商測試。

他們仍然使用明確的智商測試，並根據智商將人員分配到不同的專業和角色中，包括領導職位。所以他們知道每個人的智商，並圍繞這一點進行組織。他們多年來發現的一件事是，如果領導者的智商與追隨者的智商差距超過一個標準差，就會出現大問題。

這在兩個方向上都是如此。如果領導者不夠聰明，無法管理，對於一個較不聰明的人來說，要模擬一個更聰明的人的心理行為本身就非常具有挑戰性，甚至可能是不可能的。

但反過來也是如此，如果領導者的智商比他所管理的組織的平均水平高出兩個標準差，他也同樣會失去心智理論。對於非常聰明的人來說，要模擬即使是中等聰明的人的內心思維過程，實際上是非常困難的。

4.

我也懷疑這更多地涉及到生物學層面。越來越多的科學證據表明，人類的認知、自我意識、資訊處理、決策體驗，並非純粹的大腦活動。著名的身心二元論根本不正確。這再次反駁了智商至上主義或智慧至上主義的觀點，因為我們人類體驗存在，並非僅僅透過理性的思維，特別不是僅僅透過大腦的理性思維，而是一種全身的體驗。我們的神經系統、腸道菌群、嗅覺、荷爾蒙等各種生化方面都參與其中。

我懷疑，如果你追蹤研究，我們會發現人類認知是一種全身的體驗，遠比人們想像的要複雜得多。

因此，要真正實現這一點，這也是目前 AI 領域的一大根本挑戰。我們目前有效的 AI 形式是完全身心二元的版本，它只是一個無實體的腦袋。當我們將 AI 放入能夠在世界中移動的實體物體中時，機器人革命肯定會到來。屆時你將能夠更接近那種整合了智力與身體的體驗，機器人中的感測器將會提供更多的數據。但對我來說，至少從閱讀研究來看，所有這些想法都還處於萌芽階段，我們還有很多工作要做才能弄清楚。

5.

我的意思是，泡沫在很大程度上是一種心理現象。要形成泡沫，每個人都必須相信它不是泡沫。這就是其核心機制。我們稱之為「投降」，每個人都放棄了。

短期內出現了價格錯位，因為市場上，當時的網路用戶還不夠多，無法讓那些產品成功，所以價格超越了市場。在 AI 領域，很難看到這種情況，因為短期內有如此巨大的需求。我們現在沒有需求問題。

而五年後我們會出現需求問題的想法，對我來說似乎相當荒謬。可能會出現一些奇怪的瓶頸，比如我們在某個時候就是沒有足夠的冷卻設施之類的嗎？是的，也許吧。但現在如果你看需求、供應、以及相對於增長的市盈率，對我來說一點也不像泡沫。

6.

我只想說，我總是會把對話帶回到基本事實上。兩個最大的基本事實是：第一，這項技術真的有效嗎？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，那麼就很難說，只要這兩件事保持穩固，通常情況下，我認為事情會走上正軌。

7.

有時候你會聽到這種簡化的說法，基本上就是說，未來要嘛是聊天機器人，要嘛是搜尋引擎。競爭是在聊天機器人和搜尋引擎之間。Google 的問題是典型的「顛覆」問題。

你是否會顛覆那十個藍色連結的模式，換上 AI 的答案，並可能顛覆廣告模式？而 OpenAI 的問題是，他們有完整的聊天產品，但他們還沒有廣告，也沒有 Google 規模的分銷渠道。所以你會說，好吧，這是一個相當經典的，就像是《創新者的兩難》商業教科書裡的案例，這是一個非常清晰的一對一的動態。但這種想法的錯誤在於，你假設了 5 年、10 年、15 年、20 年後，人們使用的主要產品形式會是搜尋引擎或聊天機器人。

8.

一個很明顯的歷史類比是個人電腦，從 1975 年發明到大約 1992 年，它是一個文字提示系統。順便說一句，在當時，互動式文字提示相對於上一代的打孔卡系統和分時系統，是一個巨大的進步。

然後，到了 1992 年，也就是 17 年後，整個產業轉向了圖形使用者介面（GUI），並且再也沒有回頭。然後，順便說一句，5 年後，整個產業轉向了網頁瀏覽器，也再也沒有回頭。所以，使用者體驗的樣貌、形式和本質，以及它如何融入我們的生活，我認為都還沒有定型。

9.

我只想補充一點，我確實認為事情將會改變。我已經談過我認為產品的樣貌和形式將會改變。所以，我認為那裡仍然有很多創造力。我也認為，在一個充滿供需的世界裡，造成過剩的是短缺。

所以當某樣東西變得過於稀缺時，就會產生巨大的經濟誘因去尋找解鎖新供應的方法。所以目前這一代的 AI 公司正在為特別短缺的、真正有才華的 AI 研究人員和工程師而苦苦掙扎，然後他們也面臨基礎設施容量、晶片、數據中心和電力的短缺挑戰。

我不想預測具體時間。但總有一天，這兩樣東西都會變得過剩。我不知道我們是否可以為此做計劃。但我只想說以下幾點。第一，在研究人員和工程師方面，令人驚訝的是，現在中國正湧現出優秀的、傑出的模型。

來自多家公司，特別是 Deepseek、Quinn 和 Kimmy。令人驚訝的是，製造這些模型的團隊，在很大程度上，並不是那些名字響噹噹、論文上署名的人。

所以，中國正在成功地解碼如何基本上把年輕人培養成該領域的專才。XAI 在很大程度上也是如此。所以我認為將會出現，你看，這在一段時間內是一種超級深奧的技能，人們會為此付出高昂的代價，這是合理的。

但毫無疑問，資訊正在被傳播到環境中。人們正在學習如何做這件事。大學生們正在搞清楚。所以，我不知道是否會出現人才過剩的情況，但我認為未來肯定會有更多的人知道如何建造這些東西。然後，當然，AI 也在建造 AI。所以工具本身將會更好地為此做出貢獻。我認為這是一件好事，因為我認為目前工程師和研究人員的短缺程度太過限制了。

10.

AI 革命將會有第二階段。那就是機器人技術。我認為這很快就會發生。

到那時，即使美國在軟體上保持領先，機器人也得被製造出來，這不是一件容易的事。這不僅僅是一家公司能做到的，它需要一個完整的生態系統。就像汽車工業不是三家汽車公司，而是成千上萬的零部件供應商製造所有零件。飛機、電腦和其他所有東西都是如此。機器人技術也將如此。

而就目前來看，這一切都將在中國發生。所以即使他們在軟體上永遠趕不上我們，他們也可能在硬體上把我們甩在後面，那樣就結束了。

逐字稿

請和我一起歡迎 Marc Andreessen 和 Ben Horowitz，以及普通合夥人 Eric Torberg。

LLM 的智慧與創造力極限

對我來說，是的，你會收到所有這些問題，而且它們通常以兩種形式出現：語言模型是否具有智慧，能夠真正處理資訊並實現概念上的突破，就像人類一樣？然後是，語言模型或影片模型是否有創造力，能否創作出新的藝術，實現真正的創意突破？當然，我對這兩個問題的回答都是，那麼，人類能做到那些事嗎？

我認為這裡有兩個問題。首先，即使有些人被認為是「智慧的」，能夠有原創性的概念突破，而不僅僅是複述訓練數據或遵循腳本，但實際上，有多少比例的人能做到這一點？我得說我只見過幾個，其中一些就在這個房間裡，但數量並不多，大多數人從未做到過。至於創造力，又有多少人是真正有創造力的？你會指向貝多芬或梵谷這樣的人，說「那就是創造力」。是的，那是創造力，但又有多少個貝多芬和梵谷呢？顯然不多。所以，第一點是，如果這些 AI 能夠達到 99.99% 人類的水平，那本身就已經非常有趣了。

但當你深入探究時，你會發現，在整個人類歷史中，真正有多少概念上的突破，而不是對既有想法的重新組合？如果你看看科技史，幾乎所有重大突破都是至少 40 年前期工作的結果，整整四十年。事實上，語言模型本身就是過去八十年工作的結晶。所以這其中有重新組合。在藝術領域也是完全一樣的，小說、音樂等等，顯然有創造性的飛躍，但也有大量來自前人的影響。即使是像貝多芬這樣具有創造力的人，在他的作品中也能看到很多莫札特、海頓以及在他之前的作曲家的影子。所以這裡有大量的重新組合與結合。

所以這有點像在針尖上跳舞的天使問題，也就是說，如果你能達到世界頂尖、世代相傳的創造力與智慧的 0.001% 之內，你可能就已經完全達標了。所以情感上，我希望保留人類創造力仍然有其特殊之處的希望，我當然相信這一點，而且我非常願意相信。但當我使用這些工具時，我會覺得，哇，它們看起來非常聰明，也很有創造力。所以我很確信它們將會達到標準。

智慧並非成功的唯一標準

是的。那些事情人類能做到嗎？嗯，這就像橫向思維。所以，是的，這就像在分佈內或分佈外進行推理。所以，我想，我認識很多非常擅長在分佈內推理的人。但我真正認識多少擅長在分佈外推理和進行轉移學習的人呢？答案是，我只認識少數幾個。我認識幾個人，無論你問他們什麼問題，你都會得到一個極具原創性的答案。

通常那個答案會涉及從某個相鄰領域引入一個想法，基本上能夠跨越不同領域。所以你問他們一個關於金融的問題，他們會給你一個來自心理學的答案；或者你問他們一個關於心理學的問題，他們會給你一個來自生物學的答案，諸如此類。

所以，時至今日，在我認識的人中，大概有三個。我的通訊錄裡有一萬人，而其中只有三個能做到。萬分之三，這不是一個很高的比例。順帶一提，我覺得這非常鼓舞人心。

是的，房間裡的氣氛瞬間降到冰點。但我發現這非常鼓舞人心，因為看看人類在我們所有的限制下所能建立的一切。看看我們所展現出的所有創造力，所有驚人的藝術、電影、小說、技術發明和科學突破。所以我們在擁有的限制下，已經能夠做到我們所能做的一切。

因此，我認為，你是否需要達到那種百分之百確定它在進行原創思考的程度？我認為不必。如果能做到那當然很好，而且我認為我們最終可能會得出那樣的結論。但這對於實現巨大的進步來說並非必要。

嘻哈界的創新與 AI 的潛力

Ben，我們上週在你的「Paid in Full」活動中才剛慶祝了一些嘻哈界的傳奇人物，所以你對創意天才有很多思考。你如何看待這個問題？

是的，我的意思是，我同意 Marc 的看法，無論它是什麼，它都非常有用。即使它還沒有達到那個水平，我認為人類實時體驗中有些東西是人類非常感興趣的，至少在藝術領域是這樣。以目前技術的狀態來看，預訓練的數據還不足以達到你真正想要的效果。但它已經相當不錯了。

那麼，有多少真正的概念創新者呢？Ben 的非營利活動之一叫做 Pain and Fall Foundation，旨在表彰並實質上為饒舌和嘻哈界的偉大創新者提供退休金。他認識並邀請了許多過去 50 年來該領域的領軍人物來表演，與他們見面交談真的很有趣。但在過去 50 年的整個領域中，有多少人可以被歸類為真正的概念創新者？

這很有趣。嗯，這取決於你如何廣泛地定義它，但上週六確實有好幾位在那裡。我想是 Rockm。是的，Rockm 肯定屬於那一類。Dr. Dre 肯定屬於那一類。George Clinton 也肯定屬於那一類。從更狹義的角度來看，像 Cool G Rap 肯定有新的想法。但這取決於，如果是根本性的音樂突破，你大概只會說是 Rockm 和 George Clinton。

在場的人中只有兩位。是的，但這是一個極小的比例。非常非常小。昨晚我們的爐邊談話邀請了 Jared Leto，他談到好萊塢有多少人對此感到害怕或反對。當你與 Dr. Dre、Nas、Kanye West 這些人交談時，你看到了什麼？他們是興奮的嗎？他們在使用它嗎？

是的。我交談過的每個人中，音樂界確實有人害怕，但也有很多人對此非常感興趣，特別是嘻哈界的傢伙們，因為這幾乎像是他們過去所做事情的重演。他們就是拿別人的音樂，然後用它來創造新的音樂。我認為 AI 對他們來說是一個絕佳的創意工具，極大地拓寬了創作的可能性。

嘻哈的很多內容是講述一個特定時間和地點的特定故事，而對那件事有深入的了解並僅針對那件事進行訓練，實際上是一種優勢，而不是成為一個通用的智慧音樂模型。

智慧與權力的關係

人們也用同樣的邏輯說，嘿，更智慧的將統治較不智慧的。而 Marc，你最近……

這話肯定不是養貓的人說的。

是的，完全正確。Marc，你最近發推文說：「一個頂級的形狀旋轉者只能旋轉形狀，但一個頂級的文字高手可以旋轉形狀旋轉者。」而且，這裡有人鼓掌。還有，「高智商的專家為中等智商的通才工作。」這是什麼意思？

是的。這就像博士都為 MBA 工作一樣。所以，是的。我只是把它提升到一個更高的層次來看。當你看看今天的世界，你認為我們是被聰明人統治的嗎？這是你從當前時事中得出的重大結論嗎？我們把天才放在了管理位置上。

你是指 Kamala Harris 和 Trump 不是最優秀的嗎？不，我們甚至不要只針對美國，讓我們看看全世界。所以，我認為有兩件事是真實的。第一，我們可能都低估了智慧的重要性。

這裡其實有一整個背景故事，那就是智慧在過去一百年裡，出於種種原因，變成了一個極具煽動性的話題。我們可以詳細討論，但重點是，即使是「有些人比其他人更聰明」這個簡單的想法，也真的會讓人們感到不安，人們不喜歡談論它。我們整個社會都在這個問題上掙扎。然後，事實上，智慧與幾乎所有積極的人生結果都相關。

在社會科學中，他們會告訴你，所謂的流動智力、G 因子或智商，與幾乎所有事情的相關性約為 0.4。與教育成果、職業成就、收入，甚至生活滿意度、非暴力（即不用肢體暴力解決問題的能力）等等，都有 0.4 的相關性。所以一方面，我們可能都低估了智慧。但另一方面，從事與智慧相關領域的人可能高估了智慧。

你甚至可以創造一個詞，比如「智慧至上主義者」，他們認為智慧非常重要，因此可能是最重要或唯一的事情。但當你看看現實，你會發現情況顯然並非如此。是的，它仍然只有 0.4。

首先，它只有 0.4，而在社會科學中，0.4 是一個巨大的相關係數。大多數你能找到相關性的事物，無論是基因、觀察到的行為，其相關性都遠小於此。所以 0.4 已經不小了，但它仍然只有 0.4。

所以，即使你是一個徹底的基因決定論者，認為基因智商決定了所有這些結果，它仍然無法解釋 60% 的相關性。這還只是在個人層面上。然後你再看看集體層面。

一個著名的觀察是，你把一群人聚集在一起，他們會變成一群暴民，而暴民的智商比個體的平均智商要低。你把一群聰明人放在一起，他們肯定會變笨，這種情況你隨處可見。你把人分組，他們的行為就會非常不同。然後你就會產生這樣的問題：誰是掌權者？無論是在公司還是國家。無論篩選過程是什麼，它顯然不僅僅是基於智商，甚至可能主要不是基於智商。

因此，你在一些 AI 圈子裡聽到的那種假設，即聰明的事物將不可避免地統治愚蠢的事物，我認為這很容易被證偽。智慧並不是充分條件。我們在座的各位都很幸運，認識很多聰明人。你觀察這些聰明人，會發現一些人真的能把自己的事情處理得井井有條，變得非常成功，但很多聰明人卻從未做到。所以，成功以及誰能掌權，顯然還有許多其他因素，而不僅僅是原始智力。

成功所需的非智力因素

這引出了一個後續問題：除了智慧之外，還有哪些技能是重要的？更具體地說，為什麼 AI 系統不能學習它們呢？

Ben，根據你的經驗，除了智慧，還有哪些因素決定了例如在領導力、創業、解決複雜問題或組織人員方面的成功？

有很多因素。很多時候是能否以正確的方式進行對抗。這其中有些智慧的成分，但更多的是真正理解你正在交談的對象，能夠解讀他們思考問題的方式，並從公司員工的角度而不是你自己的角度來看待決策。這是你透過不斷與人交談、理解他們所說的話等方式培養出來的技能。

這當然不是智商的問題。我能想像一個 AI 針對任何個人進行訓練，完全搞清楚狀況，知道該說什麼等等。但你還需要將其與企業應該做的事情結合起來。你不是在試圖做受歡迎的事，而是讓大家做正確的事，即使他們不喜歡。這就是管理的很大一部分。所以，這不是目前有人在研究的問題，但或許將來會有人研究。

這是勇氣、動機、情感理解、心智理論等因素的某種組合。人們想要什麼，需要做什麼，然後他們有多大的才能，哪些人你可以承受失去，如果他們跳出窗外也沒關係，哪些人不行，諸如此類。這裡面有很多奇怪的微妙之處，而且非常情境化。我認為最困難的地方，也是管理學書籍如此糟糕的原因，就是因為它是情境化的。你的公司、產品、人員、組織結構圖都與書上寫的「建立策略的五個步驟」截然不同。那是我讀過最沒用的東西，因為它與你毫無關係。

心智理論與人機互動

關於這一點，一個有趣的事情是「心智理論」的概念非常重要。心智理論是指你是否能在腦中模擬對方腦中正在發生的事情。你可能會認為，聰明的人應該更擅長這個。

但事實可能並非如此，原因如下。美國軍方是智商測試的早期採用者，並一直是美國社會中該領域的領先者。他們透過一種叫做 ASVAB 的測試來進行，這是一種職業能力傾向測試，但基本上就是智商測試。

他們仍然使用明確的智商測試，並根據智商將人員分配到不同的專業和角色中，包括領導職位。所以他們知道每個人的智商，並圍繞這一點進行組織。他們多年來發現的一件事是，如果領導者的智商與追隨者的智商差距超過一個標準差，就會出現大問題。

這在兩個方向上都是如此。如果領導者不夠聰明，無法管理，對於一個較不聰明的人來說，要模擬一個更聰明的人的心理行為本身就非常具有挑戰性，甚至可能是不可能的。

但反過來也是如此，如果領導者的智商比他所管理的組織的平均水平高出兩個標準差，他也同樣會失去心智理論。對於非常聰明的人來說，要模擬即使是中等聰明的人的內心思維過程，實際上是非常困難的。

因此，實際上需要一種不僅僅是智慧上的連結。因此，推斷來說，如果你有一個智商為一千的人或機器，它對現實的理解可能會與它所管理的人或事物如此格格不入，以至於無法以任何現實的方式進行連結。所以這再次有力地證明，世界在未來幾個世紀內，都不會僅僅按照智商來組織。

Zuckerberg 有一句很棒的話，他說：「智慧不是生活。」生活有很多維度，是獨立於智慧之外的。我認為，如果你把所有時間都花在研究智慧上，你就會忽略這一點。

我們有時候會說某些特定的人太聰明了，無法正確地模擬或理解他人，他們會對他人抱有過多的理性假設，或者只是過度思考、過度理性化。

人們很少做對自己最有利的事。

我也懷疑這更多地涉及到生物學層面。越來越多的科學證據表明，人類的認知、自我意識、資訊處理、決策體驗，並非純粹的大腦活動。著名的身心二元論根本不正確。這再次反駁了智商至上主義或智慧至上主義的觀點，因為我們人類體驗存在，並非僅僅透過理性的思維，特別不是僅僅透過大腦的理性思維，而是一種全身的體驗。我們的神經系統、腸道菌群、嗅覺、荷爾蒙等各種生化方面都參與其中。

我懷疑，如果你追蹤研究，我們會發現人類認知是一種全身的體驗，遠比人們想像的要複雜得多。

因此，要真正實現這一點，這也是目前 AI 領域的一大根本挑戰。我們目前有效的 AI 形式是完全身心二元的版本，它只是一個無實體的腦袋。當我們將 AI 放入能夠在世界中移動的實體物體中時，機器人革命肯定會到來。屆時你將能夠更接近那種整合了智力與身體的體驗，機器人中的感測器將會提供更多的數據。但對我來說，至少從閱讀研究來看，所有這些想法都還處於萌芽階段，我們還有很多工作要做才能弄清楚。

你對它們今天在心智理論方面的表現有什麼看法嗎？或者你覺得它們的局限性在哪裡？你似乎很喜歡和它們交談。在你這樣做的過程中，有沒有什麼特別讓你驚訝的事情？

我會說總體上它們做得很好。我發現與語言模型互動最有趣的方式之一，就是讓它們創建角色。然後，我喜歡蘇格拉底式的對話，我喜歡看到事物在對話中被辯論。所以你讓任何一個先進的 LLM 創建一個蘇格拉底式的對話，它會自己編造角色，你可以告訴它要什麼角色，它做得很好。但它有一個非常煩人的特性，就是它希望每個人都開心。所以它希望它所有的角色都達成一致。

所以，預設情況下，它會進行一段簡短而有趣的討論，然後它會想辦法讓每個人都達成共識，就像你在看 PBS 的特別節目一樣。討論結束時每個人都很開心。當然，我討厭這樣。這讓我抓狂。我不要那樣。

所以我告訴它，讓對話更緊張，充滿憤怒，讓人在對話過程中越來越生氣。然後事情就開始變得非常有趣了。然後我告訴它，多用一些髒話。

讓他們真的豁出去，不留情面，全力以赴地去摧毀對方的聲譽。你做了很多這樣的小短劇。

然後我就得意忘形了，我說，結果他們都是秘密忍者，然後他們就開始打起來，愛因斯坦用雙節棍打尼爾斯·波耳。順便說一句，它也很樂意這麼做。所以你必須控制自己，但它在心智理論方面確實非常出色。我再給你舉個例子。英國有一家初創公司，在政治領域，他們發現現在的語言模型已經足夠好，特別是在政治這個子領域，這個想法很重要。在政治中，人們經常對選民進行焦點小組訪談。

很多企業也這麼做。你把不同背景的人聚集在一個房間裡，引導他們討論，試圖了解他們對事物的看法。焦點小組的結果常常令人驚訝。

與進行焦點小組訪談的政治人物交談，他們常常會感到驚訝。他們以為選民關心的事情，實際上並不是選民真正關心的。所以你可以從中學到很多。但焦點小組的運營成本非常高。

而且還有很長的延遲時間，因為需要實際組織，招募和審核人員等等。結果證明，現在最先進的模型已經足夠好，可以準確地在模型內部重現一個由真人組成的焦點小D組。所以它們已經達到了那個標準。

換句話說，你基本上可以在模型中進行一個焦點小組，你在模型中創建角色，然後它會準確地代表，比如說，來自肯塔基州的男大學生，與來自田納西州的家庭主婦，以及來自任何你指定地方的人的觀點。

所以，它們已經好到可以跨過那道門檻，我們將拭目以待它們能走多遠。

AI 領域是否存在泡沫

我想轉到關於泡沫的討論。Amin 和 G2，Jensen 和 Matt 談到了正在建設的龐大實體基礎設施規模。AI 的資本支出佔到了 GDP 的 1%。我們應該如何理解和思考這個泡沫問題？

我認為，這件事本身是個問題就意味著我們還沒處在泡沫中。這是首先要理解的。我的意思是，泡沫在很大程度上是一種心理現象。要形成泡沫，每個人都必須相信它不是泡沫。這就是其核心機制。我們稱之為「投降」，每個人都放棄了。

好吧，我再也不要做空這些股票了。我厭倦了虧錢。我要做多。我們在網路泡沫時代實際上就看到了這種情況。當價格飆升時，Warren Buffett 開始投資科技股。

他曾發誓永遠不投資科技，因為他不懂。所以如果他都投降了，那麼當它變成所謂的「泡沫」時，就沒有人說它是泡沫了。現在如果你看那個現象，網際網路顯然不是泡沫。它是一個真實的東西。

短期內出現了價格錯位，因為市場上，當時的網路用戶還不夠多，無法讓那些產品成功，所以價格超越了市場。在 AI 領域，很難看到這種情況，因為短期內有如此巨大的需求。我們現在沒有需求問題。

而五年後我們會出現需求問題的想法，對我來說似乎相當荒謬。可能會出現一些奇怪的瓶頸，比如我們在某個時候就是沒有足夠的冷卻設施之類的嗎？是的，也許吧。但現在如果你看需求、供應、以及相對於增長的市盈率，對我來說一點也不像泡沫。

但我不確定。Marc，你認為這是泡沫嗎？

你看，我只想說這個。沒有人知道。專家的意思是，如果你和任何對沖基金或銀行的人交談，他們肯定不知道。通常 CEO 也不知道。

順帶一提，很多創投家也不知道，他們只是會不高興。當你們的公司估值更高時，創投家會感到情緒上的不悅，這讓他們生氣。我一直遇到這種情況，我就問，你在氣什麼？這行得通，兄弟，開心點。所以，有很多人在情緒上希望它是一個泡沫。

是的。沒有什麼比錯過一筆交易，然後看到那家公司大獲成功更糟糕的了。那估值太離譜了。在我們的行業裡，你可以為此憤怒 30 年。這真是太神奇了。你可以想出各種理由來應對，並解釋為什麼那不是你的錯。

是世界錯了，不是我。是的。有很多這樣的情況。我只想說，我總是會把對話帶回到基本事實上。兩個最大的基本事實是：第一，這項技術真的有效嗎？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，那麼就很難說，只要這兩件事保持穩固，通常情況下，我認為事情會走上正軌。

巨頭與新創的競爭格局

當 Gavin 和 DG 在台上時，他說 ChatGPT 對 Google 來說是一個珍珠港時刻，是喚醒巨人的時刻。當我們回顧歷史和平台轉移時，是什麼決定了現有巨頭能在下一波浪潮中勝出，而不是新進者？或者我們應該如何看待這個問題？

嗯，對此做出反應很重要。但這並不意味著，這是一個珍珠港時刻。我認為 Google 總算清醒過來了。所以他們不會被完全擊敗，但儘管如此，我也不認為 OpenAI 會消失。所以他們確實讓那種情況發生了。

部分原因是速度，然後就是長期的執行力。一些非常大的公司，在不同程度上，已經失去了執行能力。所以如果你在談論一個全新的平台，並且你在談論長期的建設，這就像，Microsoft 在 Google 上措手不及。

Microsoft 仍然非常強大，但他們錯過了整個機會。他們也錯過了另一個機會。Apple 當時什麼都不是，而 Microsoft 完全相信他們將擁有行動運算。他們完全錯過了那一個。但他們從 Windows 壟斷中獲得的體量如此之大，以至於他們可以發展到其他領域。

所以我認為總體來說，新公司贏得了新市場。這並不意味著上一代最大的公司、最大的壟斷企業就會消失，它們只是會持續很長時間，我是這麼看的。

未知的產品形態

我也認為我們還不太清楚，因為一切發生得太快了，我們實際上還不知道最終產品的樣貌和形式。因為人們很容易這樣想，這也是經常發生的情況。人們很容易看到，我不是說台上的那些人是這樣想的，但有時候你會聽到這種簡化的說法，基本上就是說，未來要嘛是聊天機器人，要嘛是搜尋引擎。競爭是在聊天機器人和搜尋引擎之間。Google 的問題是典型的「顛覆」問題。

你是否會顛覆那十個藍色連結的模式，換上 AI 的答案，並可能顛覆廣告模式？而 OpenAI 的問題是，他們有完整的聊天產品，但他們還沒有廣告，也沒有 Google 規模的分銷渠道。所以你會說，好吧，這是一個相當經典的，就像是《創新者的兩難》商業教科書裡的案例，這是一個非常清晰的一對一的動態。但這種想法的錯誤在於，你假設了 5 年、10 年、15 年、20 年後，人們使用的主要產品形式會是搜尋引擎或聊天機器人。

一個很明顯的歷史類比是個人電腦，從 1975 年發明到大約 1992 年，它是一個文字提示系統。順便說一句，在當時，互動式文字提示相對於上一代的打孔卡系統和分時系統，是一個巨大的進步。

然後，到了 1992 年，也就是 17 年後，整個產業轉向了圖形使用者介面（GUI），並且再也沒有回頭。然後，順便說一句，5 年後，整個產業轉向了網頁瀏覽器，也再也沒有回頭。所以，使用者體驗的樣貌、形式和本質，以及它如何融入我們的生活，我認為都還沒有定型。

所以，你看，我敢肯定 20 年後還會有聊天機器人，但我很確信，目前的聊天機器人公司和許多新公司，都會找出許多我們現在甚至還不知道的、截然不同的使用者體驗。

順便說一句，這也是讓科技產業保持有趣的其中一件事，那就是，尤其是在軟體方面，產品的樣貌和形式並不明顯。我認為在發明方面還有巨大的空間。

給創業者的建議

當你在指導創業者和在座的創業者時，這個時代還有什麼讓你覺得不同之處？或者你有什麼其他的建議，無論是關於正在進行的人才爭奪戰，還是其他你覺得這個時代獨有的方面？你想給我們的創業者留下哪些這個時代獨有的建議？

我想你說對了，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，都可能具有欺騙性，因為事情真的不一樣了。你們建立公司的方式在很多方面都相當不同。

我們觀察到，博士級的 AI 研究人員與傳統的全端工程師非常不同。所以我認為你確實需要從第一性原理出發，去思考很多事情，因為它確實不同。從外部觀察，它真的非常不同。

是的。我只想補充一點，我確實認為事情將會改變。我已經談過我認為產品的樣貌和形式將會改變。所以，我認為那裡仍然有很多創造力。我也認為，在一個充滿供需的世界裡，造成過剩的是短缺。

所以當某樣東西變得過於稀缺時，就會產生巨大的經濟誘因去尋找解鎖新供應的方法。所以目前這一代的 AI 公司正在為特別短缺的、真正有才華的 AI 研究人員和工程師而苦苦掙扎，然後他們也面臨基礎設施容量、晶片、數據中心和電力的短缺挑戰。

我不想預測具體時間。但總有一天，這兩樣東西都會變得過剩。我不知道我們是否可以為此做計劃。但我只想說以下幾點。第一，在研究人員和工程師方面，令人驚訝的是，現在中國正湧現出優秀的、傑出的模型。

來自多家公司，特別是 Deepseek、Quinn 和 Kimmy。令人驚訝的是，製造這些模型的團隊，在很大程度上，並不是那些名字響噹噹、論文上署名的人。

所以，中國正在成功地解碼如何基本上把年輕人培養成該領域的專才。XAI 在很大程度上也是如此。所以我認為將會出現，你看，這在一段時間內是一種超級深奧的技能，人們會為此付出高昂的代價，這是合理的。

但毫無疑問，資訊正在被傳播到環境中。人們正在學習如何做這件事。大學生們正在搞清楚。所以，我不知道是否會出現人才過剩的情況，但我認為未來肯定會有更多的人知道如何建造這些東西。然後，當然，AI 也在建造 AI。所以工具本身將會更好地為此做出貢獻。我認為這是一件好事，因為我認為目前工程師和研究人員的短缺程度太過限制了。

然後在晶片方面，我不是晶片專家，也不想具體預測，但從來沒有出現過這樣的情況。在晶片產業中，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，這促使其他人進來，想辦法將功能商品化。

所以，Nvidia 擁有可能是晶片業有史以來最好的地位。但儘管如此，我很難相信五年後基礎設施還會有這麼大的壓力。

即使基礎設施內的瓶頸轉移了，如果變成電力、冷卻或其他任何東西，那麼你肯定會有晶片過剩。

所以我只想說，很可能我們五年後所面臨的挑戰將會是不同的挑戰。是的，這個行業，尤其是這個行業，絕對不要把它看作是靜態的，地位可能會非常快地改變。

美中 AI 競賽

讓我們以一個更宏觀的話題來結束。Marc，你提到了中國。上個月，我們在華盛頓，參議員們的一個大問題是，我們應該如何理解與中國的 AI 競賽狀況。你願意分享一下你與他們分享的要點總結嗎？

我的感覺是，而且我認為如果你觀察一下目前的情況，特別是像 Deepseek、Quinn 和 Kimmy 這些來自中國的模型，我的感覺基本上是，美國，特別是西方世界，更具體地說是美國，在概念創新方面一直走在前面。中國非常擅長採納這些想法，並將其實施、規模化和商品化，他們在整個製造業都是這麼做的。

他們現在在 AI 領域也做得非常成功。所以我會說他們在追趕的遊戲中做得非常好。然後總是有這樣一個問題，這其中有多少是真實地、透過努力和聰明人完成的，又有多少是可能借助了一點幫助，也許是半夜裡的一支 USB 隨身碟的幫助。

所以，總是有點疑問，但無論如何，他們做得很好。顯然，他們的目標不止於此。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我們，將會很有趣。所以我會說，我們告訴華盛頓的人們的是，這是一場全面的競賽。這是一場徒步競賽。這是一場寸土必爭的比賽。我們不會有五年的領先優勢，我們可能只有六個月的領先優勢。我們必須跑得快。我們必須贏。

我們必須做到這一點。我們不能給我們的公司施加中國政府沒有給他們自己公司施加的限制。否則我們只會輸。你真的想一早醒來，生活在一個由中國 AI 控制和運行的世界嗎？我們大多數人都會說不，我們不想生活在那個世界。

所以，有這麼回事。我對此感到中等程度的樂觀，因為我認為我們在軟體方面真的很擅長。一旦這進入以機器人形式體現的實體 AI，我認為事情會變得更加可怕。這也是我現在花時間在華盛頓試圖真正教育人們的事情，那就是，因為美國和西方在過去 40 年裡選擇了去工業化，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、半導體以及現在的軟體設備，包括手機、無人機、汽車和機器人。

AI 革命將會有第二階段。那就是機器人技術。我認為這很快就會發生。

到那時，即使美國在軟體上保持領先，機器人也得被製造出來，這不是一件容易的事。這不僅僅是一家公司能做到的，它需要一個完整的生態系統。就像汽車工業不是三家汽車公司，而是成千上萬的零部件供應商製造所有零件。飛機、電腦和其他所有東西都是如此。機器人技術也將如此。

而就目前來看，這一切都將在中國發生。所以即使他們在軟體上永遠趕不上我們，他們也可能在硬體上把我們甩在後面，那樣就結束了。

好消息是，我認為在美國的政治光譜中，越來越多人意識到去工業化走得太遠了。也越來越多人希望找到扭轉這種局面的方法。我謹慎樂觀地認為我們將在這方面取得進展，但我認為還有很多工作要做。

讓我們以這個行動號召結束。謝謝 Marc 和 Ben。

謝謝大家。