核心要点
- 核心判断："AI 和互联网/移动一样大，也仅仅一样大"——既反驳"这只是软件"的轻视派，也反驳"工业革命级"的狂热派；纠结大 20% 还是 100% 是无意义对话。
- 我们在 1997 年：大部分应用还没被造出来，连怎么工作都不清楚；ChatGPT 快速拿到约 9 亿周活只因站在 9 亿互联网用户的肩上，Netscape 上线时全球只有几千万台 PC。
- 就业末日论站不住：每次技术革命都消灭旧工作、催生想象不到的新工作（1800 年 90% 的人是农民）；企业软件销售周期常达 18 个月，没人"明天买 ChatGPT、两周后裁光员工"。
- 任务 ≠ 工作：Claude Code 能写代码，但你要写什么代码？McKinsey 交付的不是 75 页 PPT，而是判断；把任务自动化掉不等于把工作自动化掉。
- 价值上移到应用层：基础模型没有网络效应、产品高度同质化，长期没有定价权；格局更像 AWS 而非 Windows——电信业流量涨 2000 倍、股价 25 年原地踏步是前车之鉴。
- 反 AI 情绪是一团模糊：数据中心耗水被严重夸大（约占全美用水 0.017%），但深度伪造、AI slop（30-40% 新播客由 AI 生成）等问题真实存在。
- 给焦虑者的唯一建议：别把头埋进沙里上 Bluesky 骂 AI；彻底扎进去、用起来、搞懂它能改变什么——"假设根本性的不确定性"是唯一诚实的心法。
章节时间轴
- 0:00 开场与最具争议的观点 — Evans 抛出"AI 和互联网/移动一样大、也仅一样大"，并预告就业、反 AI 情绪等话题。
- 2:16 我们还没 price in 什么 — 用"1997 年互联网"类比当下：大部分应用没造出来，采用呈极宽分布。
- 5:20 软件已被改变，其他行业还在观望 — 软件开发者像看到 VisiCalc 的会计师；律所还在问"我们到底怎么用"。
- 9:11 AI 实验室为何投资咨询/PE — "任务 vs 工作"的引子：重塑工作流本身就是大项目，企业没有闲人来做。
- 12:15 任务还是工作？价格弹性与 Jevons 悖论 — 用 Excel、iPhone 开发、Amazon 找 SKU、McKinsey 等类比，论证自动化不等于消灭工作。
- 17:38 就业末日论辩驳 — 会计师数量一路上涨；企业销售周期 18 个月；不要从权威（Dario）那里照搬劳动经济学。
- 25:16 AGI 与超级智能：术语的再定义 — 我们没有人类智能的理论，全是"凭感觉预测"；AGI 正被重新定义成"现在能做的事"。
- 29:52 公司能长多大 + 价值归属之战 — Andreessen 的"万亿美元公司"论；电信类比；基础模型是否有定价权。
- 37:34 margin 被挤压，价值在应用层 — 模型无网络效应→无定价权→格局像 AWS 不像 Windows；用 .com 低毛利经销商类比。
- 40:38 该投什么 + 移动转型的教训 — 区分"对"与"早"、"好公司"与"好价格"；移动对一半公司毫无改变。
- 42:57 分发成为更大的护城河 — 商品化产品下分发为王；浏览器、Gemini、Apple Intelligence 的类比。
- 48:16 反 AI 情绪的解剖 — 电费、耗水谣言、就业数据缺失、AI slop、深伪、社交媒体反弹的历史回声。
- 52:48 养育孩子与技术的伤害面 — 英国邮局 Fujitsu 系统冤案；每一波技术都带来毁掉人生的新方式。
- 58:10 职业建议与元问题 — 该把孩子引向/远离什么职业；"没人在问的 AI 问题"是定价权与任务/工作之分。
- 59:41 录制音乐的 U 型曲线 — 流媒体的启示：先"做旧事但更多"，再彻底重定义问题（Spotify 不是在线唱片店）。
- 62:00 编程为何最先被颠覆 + 反对职业拆解打分 — 专家系统的谬误；出租车司机/私人教练的"Uber 测试"。
- 66:36 给焦虑者的可执行建议 — 别埋头，跳进去搞懂它；凯恩斯"长期我们都死了"的提醒。
- 68:08 AI Corner 与闪电轮 — Evans 自述是"看着 ChatGPT 的律师"；推荐书、电影、产品；收藏的旧手机。
详细内容
一、我们身处"1997 年"：方向确定，路径全未知
Evans 把自己"最具争议的观点"放在最前面：AI 和互联网、移动一样是根本性的变革——但也"仅仅"和它们一样大。他指出科技圈有两派人：一派觉得"这只是软件、没什么了不起"，另一派觉得"这是工业革命级、你根本没理解它多大"。他认为纠结"AI 比互联网大 20% 还是大一倍"是不产出价值的对话；真正有用的判断是：这是一次根本性变革，但我们不知道它具体会怎么运作。
他用"1997 年的互联网"作为贯穿全场的核心隐喻：当时很令人兴奋，但大部分东西还不能用，人们将要做的大部分应用还没被造出来，也没人清楚它们最终怎么工作。少数已经"吃了药丸"的人（在科技圈买了一堆 Mac mini、不再用 Google）会以为全世界都已经到了那个状态，但现实是一个极宽的分布——科技圈外大多数用户可能每一两周才用一次。他自嘲最新那份 80 页的演示，被人评论说"通篇都在说我们不知道"，他承认这虽刻薄但基本属实。
主持人追问"那我们离'一切都变了'还有多远"。Evans 的回答是：在软件领域我们已经身处那个时刻了（软件开发者就像看到 VisiCalc 的会计师，"Claude Code 之前和之后"判若两个时代）；但对律所这样的行业，问题还停留在"我们到底该怎么用、怎么避免成为下一个提交带幻觉文件的新闻"。他引用调查数据：即便在 13–18 岁人群里，也只有约 15–20% 是日活、另约 20% 是周活，剩下约 60% 说自己根本不用。
二、任务 vs 工作：自动化掉一个任务，不等于消灭一份工作
这是 Evans 全场最核心的分析框架，也是他演示中"变革"一节的主线。他先用电梯操作员的极端例子：有些工作里"任务就是工作本身"（按按钮），这类会被彻底自动化。但更常见的是价格弹性 / Jevons 悖论在起作用——把一件事变便宜后，你是用更少的钱做同样的事，还是用同样的钱做更多事，或因为新的 ROI 而做更多更贵的事？
他给出一连串历史证据：
- Excel 之前初级投行分析师疯狂加班，现在"高盛的 associate 周五中午就下班了"——并没有发生。工作量反而被填满。
- iPhone 开发：今天写 App 90% 的代码是 Apple 替你写好的（调制解调器驱动、图形驱动、文件系统），但工程师数量并没变成十分之一。
- Amazon / 电商：Amazon 帮你拿到 SKU——前提是你已经知道要哪个 SKU。"知道要哪个 SKU"本身是另一份工作。同理，Claude Code 能写代码，但你要写什么代码、要什么功能、客户是谁、怎么上市才是难的部分。
- McKinsey / Bain：AI grifter 会在 LinkedIn 上炫耀"我用 Claude 做了份麦肯锡 PPT"，但那 PPT 是"一坨狗屎"；即使做得好，PPT 也不是你真正花钱买的东西——你花钱是让 Bain 走遍你的企业、摸清内部政治、访谈真实客户。PPT 只是任务，不是你雇他们的原因。
- 被互联网"蒸"掉的行业之所以死，是因为它们的"实体制造/分发"和"真正在做的事"能被解耦——唱片公司其实在制造塑料片、报社其实是制造与卡车运输公司。但很多行业没法这样解耦，所以远比"自动化掉会计师"复杂。
他还甩出一组数据反击末日论：作为会计师的从业人数在整个 20 世纪一路上涨，进入 21 世纪后又继续涨——尽管历经加法机、打孔卡、大型机、数据库、ERP、电子表格、PC、云。可见这绝非简单的"自动化→裁员"。
三、AI 实验室为何反而在买咨询公司
主持人指出一个反直觉现象：人们以为咨询师会被 AI 干掉，结果最前沿的 AI 实验室（OpenAI、Anthropic）反而在投资/收购咨询公司、PE、配置 forward deployed engineers。Evans 解释：要"重新想象公司所有内部工作流、找出哪些能用 AI 快速自动化"，本身就是一个需要 5–10 人坐下来干一两个月的项目，而真正去实施（把三个垂直系统接进两个横向系统、搭新工作流、培训员工）又是另一个项目。企业内部没有一堆闲人来干这些——这正是你雇 Bain/埃森哲/PE 投后支持的原因。他打趣 forward deployed engineer 就是"住在/工作在旧金山的埃森哲外包工程师"，呼应"机器学习科学家 = 住在旧金山的统计学家"那个老笑话。
四、AGI、超级智能与术语的不断再定义
被问到"这次会不会因为 AGI/超级智能而不同"，Evans 坦言不知道。他的关键观察是：我们没有人类智能的理论，没有这些模型为何如此有效的理论，也没有它们还能变多好的理论——所以大家都在"凭感觉预测"。 他引用 AI 科学家 Larry Tesler 的话："AI 就是机器还做不到的事"——一旦机器能做了，人们就说"那只是软件"。所以 AI 像"technology"这个词一样是移动靶：新的就叫 AI，60 年代喷气客机算 technology，现在喷气客机不算 tech 了。AGI 正被悄悄重定义成"现在能做的经济价值工作的某个百分比"——可 1975 年的 IBM 大型机也能做"有意义比例的、原本由人做的经济价值工作"。他对 crypto/blockchain 之争的态度同样适用于此：没有标准答案，重要的是清楚自己在说什么。严肃的落点是：哪怕模型明天就撞墙、不再进步，它已经是一项会在未来十年改变世界的极有用技术——你不必相信 AGI 也能相信这是大事。
五、价值归属之战：基础模型很可能是低毛利商品
这是 Evans 演示"资本"一节的核心。他先借 Marc Andreessen 的观点铺垫：可寻址市场（TAM）越来越大，未来会有几十家万亿美元公司，公司能长到的规模在飙升。但随即抛出尖锐反问：基础模型公司能不能拿走这些价值？
他的论证链条非常清晰：
1. 模型没有网络效应——不会出现一家遥遥领先、赢家通吃的局面，所以竞争会无限持续。
2. 产品高度同质化——从普通用户看，Gemini 和别的模型没什么区别。
3. 无网络效应 + 同质化 → 没有定价权 → 毛利被挤压。
4. 同时，需要成千上万个不同的应用，这些不可能都由模型公司来造（正如微软没造完所有 Windows 软件）。
5. 因此格局更像 AWS（律所买软件根本不在乎跑在哪朵云、开发者也不必围着某朵云标准化）而非 Windows（开发者必须围着平台转）。价值会上移到应用层。
他用大量历史类比加固：电信业全球年收入约 1 万亿美元、每年砸约 2000 亿美元 capex（占收入 15–20%），移动数据消费量是 2010 年的 1500–2000 倍呈完美指数曲线，但电信股 25 年原地踏步——因为是"低增长、低毛利的商品型公用事业"，所有酷东西都是更上层的人（听播客的你们、Apple）做的，而非电信运营商。他嘲讽 Sam Altman"像卖水电一样按表卖 AI 智能"的说法："我亲爱的孩子，需要我给你讲讲公用事业的毛利结构吗"——你看电视时电视台不会按月付钱给电力公司,你洗衣服时博世不会按洗衣机价格付钱给电力公司。他还讲了 1999 年做 baby analyst 时的故事：去看一家在线卖电脑配件的 .com 公司，资深银行家 David Tate 在回程火车上一句话定性——"这就是个低毛利经销商、一次性销售，你说多少遍 .com 都没用。"基础模型在他看来就是"无差异的商品型基础设施"，纵有诺贝尔奖级的科学含量（就像平板屏幕也有诺奖），仍是低毛利商品。
他也保持谦逊：这套确定性论断"可能完全错"。就像 1997 年谈互联网或 2000 年谈移动，大多数人会错过几乎一切——没人会预测一家来自库比蒂诺的过气 PC 公司赢下移动，也没人会觉得"一家 logo 怪异的搜索公司"和移动有什么关系。
六、分发成为更大的护城河
主持人提出一条贯穿多位嘉宾的线索：软件越来越易造，人人都在发产品、抢注意力，所以分发正成为越来越大的护城河，这也意味着已有分发渠道的在位者更占优。Evans 同意，并用"产品若是商品、则分发为王"概括（他模仿 Drake meme："我不喜欢 GPT 套壳，我喜欢 harness"）。
他的核心类比是浏览器：浏览器产品本身就是渲染引擎外的"极薄壳"——一个输入框、一个输出框，上一次真正的创新还是 20 多年前的标签页浏览，因为它已是"柏拉图式的理想形态"(就像智能手机就是块玻璃矩形)。微软当年靠分发(捆绑)赢下浏览器,但赢了五六年却"什么也没得到",因为价值在更上层。今天 Google 正用分发推 Gemini——对普通人而言 Gemini 和别的模型没区别;Meta 也把模型"喷"到每个产品表面,在调查里其实排在 ChatGPT 和 Gemini 之间,科技圈却把它写死了。他还花了一段谈 Apple:2024 年 WWDC 下半场的 Apple Intelligence 是他见过"最令人信服的个人 AI 助手愿景"(工具调用、设备端、agentic、无提示注入、无幻觉、跨万款 App 的标准化 intent),但 Apple 没能发出来——可别人也没发出来。他猜未来会是"安卓上的 Gemini intelligence + iOS 上由 Gemini 驱动的 Apple Intelligence",模型只是底下那个"笨东西",是驱动不同功能、不同分发决策的商品。 商品化领域里,"足够好的产品 + 分发 + 品牌"就成了大事——这也解释了 OpenAI 去年"什么都试一遍"的打法:拼命找飞轮、找分发、找黏性,赶在 Google/Meta/Amazon 把功能喷得到处都是、靠默认惯性锁死用户之前。
七、反 AI 情绪：一团需要逐件拆开的模糊混乱
Evans 把日渐高涨的反 AI 情绪称为"一团由不同东西组成的模糊混乱",并逐件拆解真伪:
- 电费上涨:在极少数地方客观为真。
- 数据中心耗水:基本是"假的"。数据中心冷却多为闭环,Livermore 实验室 2024 年底估算美国数据中心用水仅占全美用水约 0.017%。若某小镇仅有一口井、被截给数据中心,那是规划问题,不是数据中心问题。数据中心约占美国 5% 能耗,未来五年可能每年涨 1 个百分点。
- 就业冲击:经济学家们三小时长播客互掐,结论是"我们真的还不知道"。18–24 岁就业确有放缓,但有无学位、是否暴露于 AI 的领域都一样放缓,难以归因。政治上这不重要——找不到工作的学生不在乎原因是 AI 还是特朗普关税。
- 数据匮乏:这是更宏观的一点——我们对 AI 实际使用情况几乎没有任何像样数据,模型实验室不公布日活,所有数据都来自学术经济学家从 BLS 调查里反推、或咨询/营销公司花钱调研两万人。
- 文化战争:画 YA 言情小说封面的画师很愤怒(现在不付钱就能生成"飞过火山的龙背上的裸女");小说家、电子书作者围绕"用 AI 是否 OK"打文化战;AI slop 问题真实(30–40% 新播客由 AI 生成)。
- 他类比社交媒体的反弹:"有些是真的、有些半真半假、有些纯属虚构"(如经久不衰却失实的"Facebook 出卖你数据"),并引 Jonathan Swift——"你无法把一个人从他并非靠讲理得来的观念里讲出来"。
- 他还提到特朗普想出新行政命令管"危险模型",但他不认为导弹/网络安全是引爆民间反弹的主线。
八、技术的伤害面、养育孩子与"先做旧事更多、再重定义问题"
谈到养孩子,Evans 拒绝给出"系统化计划",自嘲套用 George Carlin——"开得比你快的都是疯子,比你慢的都是白痴",育儿同理。他更愿强调:每一波技术都带来毁掉人生的新方式,无论蓄意还是意外。他用一个技术圈该知道的案例——英国邮局丑闻:邮局(多为药房等小生意人、常是第二代印度移民经营的加盟点)15 年前上线 Fujitsu 造的 POS 系统,系统 bug 显示现金短缺,邮局据此认定这些人在偷钱,导致数百人入狱、多人自杀、多人破产,而邮局和 Fujitsu 的人却在法庭上发誓"系统没 bug、没人遇到过这问题"——这是 1970 年代级别的技术。深度伪造同理:"你没听说过 Photoshop 吗"是种愚蠢反应,因为 15 岁孩子用 Photoshop 没法在一个下午做出全校女生的硬核裸照视频再群发——现在可以了,这就是不同。社交媒体连接了所有人,也连接了所有坏人。
在"没人在问的 AI 问题"上,他把"任务 vs 工作"框架收束到演示结尾的一张图:全球录制音乐收入的 U 型曲线——从 2000 到 2015 跌掉约一半,此后靠流媒体回升到峰值约 75%(经通胀调整)。曲线前半段问的是"如果我不必花 15 美元买 CD 才能听那首歌会怎样",后半段问的是"如果每月 15 美元就能听到所有音乐会怎样"——这是完全不同的问题。他由此提炼出新技术的三段式演进:先用新东西做旧事(把 Flickr 搬上手机、把邮件打印出来)→ 做只有新东西才可能的新事 → 彻底重定义问题做出根本不同的东西(Spotify 不是在线唱片店,它是别的东西)。Uber、Airbnb 皆然——而你往往要等它被造出来、被几亿人用了,才知道问题原来是什么。
九、编程为何最先被颠覆,以及反对"逐项拆解打分"
主持人感慨:三四年前你以为最不可能被自动化的就是工程编程(那是最难的、要靠人来造这些东西),结果它成了被改造最深的角色,从"全手写代码"到"0% 代码自己写","仿佛你没意识到那原来是可被自动化的枯燥体力活,你以为它是别的东西。"
Evans 借此痛批美国政府的 O*NET 数据集及在其上"给每个职业打 AI 暴露百分比"的做法,称之为"最荒谬的一堆自欺欺人的狗屎",理由有二:
1. 这是专家系统谬误的翻版:就像早年想用逻辑步骤识别猫(做边缘检测器、胡须检测器、眼睛检测器……15 年后攒了 700 步还是不work)。你无法把一个职业拆成"哪几成能自动化",更没法对律所资深合伙人说"他 17% 的工作可被自动化"。
2. 出租车司机谬误("Uber 测试"):1997 年若问"互联网会冲击谁",有人会说报纸没事(省印刷费)、出租车司机绝不会被互联网影响(顶多网上订车),结果互联网彻底改变了出行。他举近期看到的例子:有人列"不会被 AI 影响的职业:私人教练"——可你把 iPhone 架在器械上、摄像头对着自己,让 AI 给你定制训练计划并实时纠正动作,为什么还需要私人教练?你无法预判哪些会被暴露。
他还用演示结尾的 Uber vs Airbnb 对比图收束(呼应 Andreessen 名言"Uber 不向出租车公司卖软件、Airbnb 不向酒店卖软件"):Uber 在很多城市摧毁了出租车生意、却把市场做得更大;而 Airbnb 对酒店业的实际冲击其实相当边际——它开辟了另一块生意,顶多略微拖慢酒店增长。他用妻子下周飞 Milwaukee 的例子说明:晚 8 点落地、要客房服务、要浴缸、要早 6 点开门的健身房、7 点开车去客户现场——绝不会住 Airbnb,而商务出行占酒店生意的一半。"一旦你真正深入任何事,它就变复杂了。"有人在社媒上吐槽"Benedict 的问题是他对什么的回答都是'看情况'",他坦然回应:"是啊,确实看情况"——但你必须有这份谦逊。
十、给焦虑者的可执行建议
主持人替听众发问:很多人正为饭碗与世界剧变焦虑,你建议大家做什么来在未来更成功?Evans 先泼一盆冷静的水:套用凯恩斯"长期我们都死了",以及"一战平均没人死,但你若是 1914 年的 19 岁青年,有三分之一概率回不来"——确实有些职业(尤其 associate 或本想做 associate 的人)面临重大问题,专业服务的金字塔结构会如何演变非常不明朗。
但他给出的唯一可行建议清晰而一致:别把头埋进沙里说"我讨厌这一切"——那只给你一种道德优越感,让你去 Bluesky 上对骂 AI 多邪恶,"挺好,我替你高兴,但这没用"。真正有用的是彻底扎进去、完全沉浸、用起来,搞懂它如何改变事物、你如何成为一个出色的雇员。 这或许仍救不了你,但没有别的替代方案——就像当年你我对待移动和互联网那样。主持人总结这是节目上"非常可执行且一致"的建议:就是去做、去造,别坐着空谈和生闷气。
尾声:Evans 的 AI 用法与闪电轮
在 AI Corner,Evans 自陈是"看着 ChatGPT 的律师"——他最想自动化的是精确信息检索,而这恰是当前 AI 最不擅长的(并非批评,只是观察)。他用 AI 做校对、做图、给公寓重新装修("这是这个房间的照片,重新粉刷、加这盏灯、这张桌子、这块地毯、改地毯颜色"——效果极佳)。他引一句话"AI 擅长计算机不擅长的事、不擅长计算机擅长的事",并坦言自己这种"整天坐在桌前把一堆东西综合成新想法"的独特工作很难找到 AI 用例。他提到脱口秀演员 Pete Holmes 的段子:我们本想让 AI 去扫大街的屎、干那些没人愿干的苦活,结果它却说"让我帮你写作、帮你创作图像"——而创作正是人类想自己留着的乐趣。Evans 由此回到 chatbot 论:chatbot 是一块带锯齿边缘的空白屏幕("我该干嘛、什么能 work"),解决之道是把它包进具体用例里。 他还指出 AI 正在"消失"成普通自动化:他现在大部分文字靠口述(语音备忘录自动转写,他用 iPhone 自带 Apple Notes 就够了)——这还算 AI 还是只是语音识别?里面大概有个 LLM,但某种程度上它就只是自动化了。
闪电轮里他推荐:英式经典喜剧 Three Men in a Boat(他的"痒处之书");William Cronin 写芝加哥经济史的书(讲标准化、打包化、物流、渠道冲突、网络中立——"读起来和读宽带一模一样");并恳请大家"读点《指环王》以外的书","世上不止一本书……尤其别全用同一本书里的角色给公司起名"(暗讽 Peter Thiel 系公司)。电影推荐去补那些"你本应看过、看起来吓人、看完发现真好"的经典,如《第七封印》。产品方面他认为消费级 AI 还没出现爆款,主因是边际成本——"你没法做成免费、拉 50 万用户再补营收漏斗"。人生格言:他最常说的是"看情况",但主持人捕捉到更好的那句——"大概率会没事"(it'll probably be okay,not for sure)。最后他聊到收藏的 20–30 部旧手机(iPhone 之前手机形态百花齐放,像风洞之前的汽车),包括 1998 年的爱立信鲨鱼鳍翻盖机、2001 年的 i-mode 手机和一部带摄像头的日本手机——2001 年他从日本回来,带彩屏带摄像头的手机让无数客户会议变成"看手机彩屏"现场。他提醒:当年没人料到一切会收敛成单一形态的设备。
金句
我最具争议的观点是:我认为 AI 和互联网或移动一样是件大事——也仅仅和互联网或移动一样是件大事。 —— Benedict Evans 0:00
你能永远看到那份将要消失的工作,却看不到那份新工作——因为它还不存在。 —— Benedict Evans 18:24
我亲爱的孩子,需要我给你讲讲公用事业行业的毛利结构吗。 —— Benedict Evans(回应"按表卖 AI"之说)33:41
你无法看着一家律所的资深合伙人说"他 17% 的工作可以被自动化"——这是狗屁,你做不到这件事。 —— Benedict Evans 63:33
别把头埋进沙里说"我讨厌这一切",那只给你道德优越感……真正有用的是你彻底扎进去、搞懂今天能用它做什么。 —— Benedict Evans [0:45 / 67:22]
有人吐槽我对什么问题的回答都是"看情况"。是啊,确实看情况——但你必须有这份谦逊。 —— Benedict Evans 65:51
提到的书·产品·人物
- Benedict Evans(人物/嘉宾):前 a16z 合伙人兼驻场分析师,前卖方/电信股票分析师,独立科技分析师,本期主角,演示《AI is eating the world》作者。
- Lenny Rachitsky(人物/主持人):Lenny's Podcast 与 Lenny's Newsletter 主理人。
- a16z(Andreessen Horowitz)(公司):Evans 曾任合伙人;Marc Andreessen、Steven Sinofsky 均在此被提及。
- Marc Andreessen(人物):a16z 创始人,提出"软件吞噬世界""万亿美元公司机会更大""Uber 不卖软件给出租车公司"等观点。
- Dario Amodei(人物):Anthropic CEO,Evans 认为应只信他对模型 6–12 个月走向的判断,而非劳动经济学结论。
- Sam Altman(人物):OpenAI CEO,被引"像卖水电一样按表卖 AI 智能",遭 Evans 反讽。
- Steven Sinofsky(人物):前微软 Windows 负责人,名言"在位者总把新事物当作一个功能"。
- OpenAI / Anthropic(公司):最前沿 AI 实验室,被指反而在扩招、投资咨询/PE。
- Claude Code(产品):被反复用作"AI 编程"的代名词,类比 VisiCalc 之于会计。
- Gemini / Google(产品/公司):Google 用分发推 Gemini;Google IO、安卓 AI、Chromebook 换 "Google books"。
- Apple Intelligence / Apple(产品/公司):2024 WWDC 上"最令人信服的个人 AI 助手愿景"却没能发布;传 OpenAI 想起诉 Apple。
- Meta / Llama(公司/产品):被科技圈写死,但调查中用户使用率其实居于 ChatGPT 与 Gemini 之间。
- VisiCalc / Excel(产品):电子表格之于会计师的"惊天动地"类比;Excel 与投行加班的悖论。
- Amazon / AWS(公司):Amazon 帮你拿到 SKU 的类比;AWS 作为"无锁定云"对比 Windows 平台。
- Uber / Airbnb(公司):"Uber 测试"与市场冲击对比图(Uber 摧毁并扩大出租车市场,Airbnb 对酒店冲击边际)。
- Spotify(产品):录制音乐 U 型曲线的主角,"不是在线唱片店,是别的东西"。
- frame.io(公司):Evans 在 a16z 看过的视频协作公司,用以说明很多想法本可更早实现。
- WorkOS / Vanta(产品/赞助商):本期赞助商,分别做企业级功能 API 与合规风控自动化(非内容观点)。
- Larry Tesler(人物):AI 科学家,名言"AI 就是机器还做不到的事"。
- 英国邮局丑闻 / Fujitsu(事件/公司):POS 系统 bug 致数百加盟主蒙冤入狱破产,技术伤害面的典型案例。
- Lawrence Livermore National Laboratory(机构):2024 年底估算美国数据中心用水约占全美 0.017%。
- *ONET**(美国政府数据集):按职业拆解 AI 暴露百分比,被 Evans 痛批为"自欺欺人"。
- Eric Schmidt(人物):据称毕业演讲中每提 AI 就被嘘,反 AI 情绪的例证。
- Dan Shipper / Every(人物/公司):Lenny 此前嘉宾,佐证 AI 公司也在扩招。
- Jonathan Swift / John Maynard Keynes / George Carlin / Pete Holmes(人物):分别贡献"无法把人从非理性观念中讲出来""长期我们都死了""开车快慢论""AI 该扫屎而非搞创作"等引语。
- William Cronin《Nature's Metropolis》(芝加哥经济史)/《Three Men in a Boat》/《第七封印》(书·电影):闪电轮推荐。
- Peter Thiel 系公司(暗指):被调侃"全用同一本书里的角色起名"。
- Ericsson 鲨鱼鳍翻盖机 / i-mode 手机 / 日本带摄像头手机(产品):Evans 收藏的 20–30 部旧手机中的代表。
- ben-evans.com / Benedict Evans Newsletter(网站/产品):Evans 发布所有演示与每周通讯之处。
适合谁听
适合所有为 AI 焦虑或困惑的产品经理、创业者与从业者——想要一份既不盲目乐观也不末日论、用大量历史类比把"AI 到底会改变什么、价值会落在哪"讲透的理性框架。