八十年的“一夜成功”与节目说明
AI 有一种奇怪的力量，会让这个领域的人同时变得过度乌托邦、又过度末日化。但真正的底层故事，是几十年技术进步不断累积。我们现在已经知道神经网络是正确的架构，尽管这个判断曾经争议了六七十年。
我把眼下这个阶段称为“八十年的一夜成功”。ChatGPT、o1 和 OpenClaw 看起来像突然发生的剧变，但它们释放的是八十年来严肃研究与思想积累形成的巨大水库。
假如我现在十八岁，我会把全部时间都投入这里。这个概念突破就是如此重要。
进入正片前，先感谢所有让节目能够在没有广告的情况下持续运转的听众。你能做的最有力、也完全免费的事情，就是订阅节目，让团队可以每周继续带来 AI 工程、科学与行业内容。
几乎每天都有赞助商找上门，但听众订阅让我们能够保持现在的节目形式。这是我唯一请求大家帮忙的事情，对整个制作团队都意义重大。
在 a16z 原始办公室
欢迎来到 Latent Space。我是 Kernel Labs 的 Alessio，和我一起的是 swyx。今天我们来到 a16z 最初的办公室，与 Marc Andreessen 对谈。
这是你们搬到街对面之前，在这间办公室的最后几天。这里真的是 a16z 最初的办公室吗？
是的。我们正在推进一些新项目，但这里确实是最初的办公室，整个故事就是从这里开始的。
a16z 何时转向生成式 AI
2022 年 10 月，我曾开玩笑说，a16z 总讲“未来就在聪明人选择投入时间的地方”，却深度押注了加密而不是 AI。后来有人说，你们内部开会决定转向生成式 AI。真有这样一个决定性的会议吗？
我从 20 世纪 80 年代末就开始接触 AI。Ben 和我都学计算机科学，亲历过专家系统热潮；1989 年我就在写 Lisp，当时它被认为是 AI 未来的语言。
AI 和机器学习从一开始就贯穿我们的工作。标签会变化，但这种能力一直是计算机科学的核心，也是我们长期关注的公司能力之一。
所以答案并不是某次会议突然创造了一套 AI 战略，而是长期的技术兴趣，在市场跨过临界点以后变得更加显眼。
正是如此。在我看来，今天的大量兴奋情绪，只是很晚才加入一个已经展开了几十年的故事。
为什么这次不同于 2016 年
最接近的类比，是 2016 到 2017 年那轮 AI 热潮，投资兴奋很快就退去了。为什么这一轮会不同？
那一阶段并非一无所有。Nvidia 现象正是在那时变得清晰，机器学习也进入起飞点。2013 年前后的 AlexNet 是曲线真正弯折的地方，随后是 2017 年的 Transformer。
Facebook 多年来一直用机器学习优化信息流和广告，金融业和许多其他行业也是如此。技术变化不是靠一个孤立发明到来，而是分层累积。
2017 到 2021 年间，一些公司内部已经有强大的聊天机器人，却不愿发布。OpenAI 曾说 GPT-2 太危险；有一段时间，普通人想接触 GPT-3，主要方式竟是在 AI Dungeon 里假装玩游戏。
即便 OpenAI，也是在 GPT-1、GPT-2、GPT-3 逐步显露潜力之后，才不断调整自己的研究路径。
对。进步是一波接一波、一层叠一层，直到某些催化时刻让累积已久的能力突然对所有人可见。
AI 寒冬与技术周期
AI 历史总在夏天和寒冬之间摆动。我们应该预期下一次寒冬，还是保持兴奋，相信自己只是太早而不是看错？
这种循环可以追溯八十年。最早的神经网络论文发表于 1943 年。1955 年达特茅斯会议上，一批顶尖研究者认为，大家一起工作十周也许就能造出通用智能。他们拿到了经费，也确实共事了十周，但 AGI 没有出现。
我亲历了 20 世纪 80 年代的热潮与崩溃。AI 会反复制造夸张承诺和灾难恐惧，因此人类常见的兴奋与沮丧周期仍会继续。
但回头看，那些科学家在根本方向上是正确的。他们常常错在时间判断或商业成熟度，研究成果却一直累积。有人研究了四十年，退休甚至去世，都没有亲眼看到技术真正奏效。
这让今天的成功带有苦涩意味。John McCarthy、Allen Newell 等许多人奠定了基础，却没有等到最终回报。
历史仍会押韵，而这一次产品已经能工作。投资中最危险的四个词是“这次不一样”；尽管如此，今天的实际能力迫使我们具体说明，到底什么真的变了。
推理、编程、Agent 与自我改进
直到 2025 年初，善意且知情的怀疑者仍可以说，大模型只是模式补全，幻觉过多，最多适合创意写作，难以进入医疗、法律或编程等关键领域。
o1 和 R1 带来的推理突破回应了这个质疑。它证明这些系统可以成为在现实世界中工作的工具，而不仅是生成流畅文字。
编程突破又迈出了决定性一步。当顶尖程序员开始说 AI 的编码水平可以和自己相比，这是一种过去从未出现过的基准。
编程格外苛刻，因为结果可以被执行、测试和纠错。如果系统能够席卷编程，许多其他知识工作都会成为它的衍生场景。
接着是 OpenClaw 带来的 Agent 突破，再往后是自动研究和自我改进。现在的功能栈包括语言模型、推理、编程、Agent 和递归改进，而且每一层都在产生真实结果。
关键并不是某一次模型发布，而是一连串能力把思考、行动、观察和改进闭合成循环。
模型持续进步时，创业者该做什么
如果模型能力持续提升，创业者会担心下一次发布就吞掉自己的产品。基础层变化如此之快，他们到底应该做什么？
如果一家创业公司只围绕模型暂时缺失的一个功能搭建，下一代模型确实可能摧毁它。但外部世界有八十亿人、复杂机构、监管、遗留系统和混乱流程，模型不会自动把这一切重新组织好。
更持久的公司掌握客户关系、分发、专有数据、反馈闭环、行业知识，并对结果承担责任。即使底层模型变强，这些优势仍然有价值。
创业公司还可以依靠速度取胜，因为平台公司组织更庞大、内部冲突更多。新团队能够围绕新行为重做整个流程，而不是把 AI 生硬塞进旧界面。
不要把全部价值建立在模型今天不会做什么上。应该问：当模型强十倍以后，谁仍然要组织数据、定义流程、处理边缘案例、赢得信任并持续交付？
实验室里的规模规律或许会继续，但公司真正建立在能力与缓慢、复杂的人类系统相接的边界上。
资本开支与互联网泡沫的教训
AI 公司正在向 GPU 和数据中心投入惊人的资本。如果模型没有达到目标，融资负担可能直接威胁生存。作为投资人，你怎么评估这种下行情景？
我亲历了互联网泡沫破裂，那是灾难性的。但其中很大一部分其实是电信和带宽崩溃，并不是所有互联网理念都失败了。
1995 和 1996 年，互联网流量确实每季度翻倍。一份政府报告把这个观察变成了规模规律，电信创业者于是按照“以后每季度都会翻倍”的假设融资铺设光纤。
流量一直快速增长，却没有维持那个不可能的速度。Global Crossing 等公司过度建设了光纤、网络设备和数据中心，大约两万亿美元市值被抹去。
电信基础设施大量使用债务，所以需求增速放缓与高杠杆产能之间的错配引发了破产。酒店业有句话：往往第三任业主才能赚钱，因为前两任必须先被清洗出局。
那些光纤和数据中心最终都派上了用场，但从 2000 到 2015 年，大约花了十五年才消化掉大量过剩产能。因此，过度建设是真实警告，不是理论上的可能。
这一轮为何又可能不同
悲观情景很直接：机构资本可能更愿意投资看得见的数据中心和 GPU，而不是陌生的软件，于是重演过度建设。反方论点首先要看是谁在花钱。
今天最大的支出者是 Microsoft、Amazon、Google、Meta、Nvidia 等现金充沛、融资能力极强、收入规模巨大的公司。这与一家高杠杆的新电信企业非常不同。
至少现在，每一美元只要最终变成一块运行中的 GPU，几乎立刻就能转化为收入。客户极度缺乏算力、内存、互联和数据中心空间。
供应约束正在压低技术表现。假如 GPU 便宜十倍、充足十倍，实验室会训练出好得多的模型。用户常常只能拿到量化版本，完整系统仍留在实验室内部。
即使不再出现新的科学突破，只要 GPU、内存和晶圆制造产能扩张，现有技术也会更强、更普及。智能几乎可以进入每个领域，不像空置带宽那样只能等待用途出现。
供应链未来数年已经售罄或正在售罄。当投资最终解除这些约束时，新增供给本身反而可能进一步加速需求和行业增长。
开放模型、边缘推理与成本约束
如果中心化 AI 未来几年都面临供应短缺，开放模型和边缘推理会有多重要？
中心化推理价格未必会像人们想象的那样平滑下降。模型公司正在补贴使用，而 Agent 会制造对 Token、CPU、内存和网络的巨大潜在需求。
一些激进的 OpenClaw 用户已经每天花约一千美元购买 Token，却仍有上千项任务想交给 Agent。其潜在需求甚至可能达到每天五千到一万美元。
即使性价比提高十倍，成本仍是每天一百美元，远超普通消费者承受能力。Agent 还会把瓶颈从单纯的 GPU 扩展到 CPU、内存，最终也包括网络。
开放模型工程师一次次把“永远不可能在个人电脑上运行”的模型，在六个月后搬到 Apple Silicon 上。这种工程能力让本地推理成为未来的重要组成部分。
本地模型还解决信任、隐私、价格和延迟问题。门把手、可穿戴设备或门禁系统不需要云端的爱因斯坦，只需要附近一个足够聪明、响应很快的模型。
美国、中国与开放模型竞争
一家美国开放模型实验室已经倒下，国内前景也不明朗。开放模型到底由谁来做，重要吗？
我们应该在意。上一届美国政府想扼杀开放 AI，而现政府明显更支持。政府态度会决定一个生态能否存活。
中国公司有一种特殊动机：它们可能无法在中国之外广泛销售商业 AI，尤其难以进入美国市场，因此开放模型可以成为支持国内付费服务和相关产品的“亏损引流品”。
DeepSeek 是送给世界的一份礼物。开放模型有两重价值：人们免费获得软件，也通过论文和代码学会它是如何工作的。
OpenAI 做出了重要的推理突破，却没有详细解释机制，也隐藏了推理轨迹。R1 带着代码和论文出现后，全世界都学会了这套方法，几个月内推理能力便扩散到大量模型。
眼下美中大约有十来家大型基础模型公司，未来很可能收敛成少数赢家。随着公司寻找替代战略，谁支持开放模型可能迅速变化。
Nvidia 也有清晰的战略理由：把芯片的互补品——软件——商品化。Jensen Huang 正为此投入巨量资源。
Pi 与 OpenClaw：Unix 思维的回归
OpenClaw 获得了大部分关注，但 Pi 也许才是更深层的架构突破。你如何理解两者结合？
我会从 Unix 思维来理解。IBM OS/360 是一座成功却单体化的软件城堡；Unix 则提出提示符、Shell 和可组合的小模块，让操作系统本身变成一种编程语言。
这种架构催生了 Shell 管道、脚本语言和组合文化。Unix 最终悄悄赢了：互联网运行在它上面，Mac 和 iPhone 内含 Unix，Android 也源自它，连 Windows 都吸收了相关理念。
最好的突破总是在事后显得理所当然，事前却完全不明显。今天看“预测下一个 Token”似乎很自然，但在有人真正做出来以前，那一步概念跃迁一点也不显然。
Pi 和 OpenClaw 把语言模型思维与 Unix 的 Shell、提示符思维结合起来。在人们设计了几十年复杂 Agent 架构之后，答案竟然异常简单。
一个 Agent 就是 LLM，加上 Shell、文件系统、用 Markdown 保存的状态，以及带心跳的类 cron 循环。除模型外，其余都是古老而成熟的技术，只是潜在能力一直等待被释放。
Agent 可迁移、可自我扩展
Shell 暴露了计算机的全部能力，也连接着无数现成命令行工具。许多能力并不需要特殊协议，只要通过普通 CLI 暴露出来即可。
因为 Agent 的状态保存在文件里，它不依赖某个底层模型。你可以替换 LLM，同时保留记忆和能力，尽管人格可能略有变化。
这有点像更换指令集后重新编译：实现发生变化，但程序和状态仍然保留。
你还可以把 Agent 搬到另一个 Shell、文件系统、运行时或心跳框架。归根结底，真正持久的身份主要就是那些文件。
Agent 甚至可以迁移自己。你只要告诉它想要什么，它就能上网寻找资料、写代码，并给自己增加新能力，用户无需逐步完成工程工作。
这些组件早已存在，但组合方式释放了隐藏能力。一旦模型拥有 Shell 和浏览器，“使用计算机”几乎就变成顺手可得的能力。
这仍处于早期，安全问题也非常严重，但先进用户已经把数百、上千项任务交给 Agent。我相信最终每个人至少会有一个 Agent，甚至拥有一个 Agent 家族。
Agent 社交、雇人，以及浏览器设计经验
下一步可能是我的 Agent 与你的 Agent 对话，在 Agent 原生社交网络发帖，或在 Agent 原生劳动力市场上雇人。这也会带来对齐风险。
Rent-a-Human 把 Fiverr、TaskRabbit 和 Mechanical Turk 倒了过来：不再是人通过软件雇人，而是 Agent 雇人完成物理任务。这显然会发生。
你们构建浏览器时，互联网主要是文本和图片。哪些早期设计选择对 Agent 原生计算仍然重要，哪些假设应该被丢掉？
一个关键选择是“人类可读”。工程师当时预期带宽永远稀缺，因此想要紧凑的二进制协议和持久连接；我们却刻意选择了冗长的文本协议和可读的 HTML。
当时家庭用户只有 14kbps 调制解调器，所以这个选择显得低效。我们假设未来带宽会丰富，并押注显而易见的能力会创造需求，需求又会促使网络供给被建设出来。
HTTP 和 HTML 可以直接用肉眼阅读。“查看源代码”让任何用户都能看到网页如何工作，并自学如何构建网页。让人能够下潜一层理解系统，本身就成了增长引擎。
释放旧系统的潜力，而不是重造一切
Web 服务器没有替代操作系统或数据库，而是通过一个数十亿人都能使用的更好界面，释放它们已有的潜力。
早期观察者说，网站不过是数据库的又一种界面。技术上没错，战略上却具有误导性，因为更容易的访问方式让数据库应用数量爆炸。
聪明工程师面对新应用时，常常先想创造新语言、新操作系统和新芯片。我的本能更务实：不要盲从旧约束，但要先释放现有层中已经存在的能力。
Web 的成功来自构建在操作系统和数据库之上，而不是把它们全部重造。Agent 也可能走同样路径，构建在 Shell、文件和普通工具之上。
这意味着正确的问题不是每个组件是否全新，而是新界面能否把旧能力以激进得多的规模释放出来。
编程语言与软件稀缺性的终结
如果 Rust 天生具备内存安全，为什么还要教模型在其他语言里避免不安全代码？我们是否应该围绕更容易保证正确性的语言重建技术栈？
模型并不在意自己用哪种语言。它们会擅长所有语言，也会擅长在任意语言之间转换。
我是在写 C、手动管理内存、必要时下沉到汇编的环境里成长的。我们这一代人把软件视为稀缺资源，只能由少数人生产，必须极其谨慎地分配工程师时间。
这些假设正在被摧毁。高质量软件会变得丰裕。需要新程序时，你直接提出要求；想要 Rust 版本，就让 Agent 生成 Rust 版本。
计算机安全可能先经历一场末日，因为所有潜伏漏洞都会被暴露。但在另一边，编码 Agent 也能持续检查和修复这些漏洞。
过去看似不可逾越的迁移工程，可能变成一条普通指令。软件会从稀缺资产变成可替换、可大量获取的能力。
机器人是否还需要编程语言和界面
也许存在一种最适合模型的语言，也许人类现有语言已经足够，因为模型可以在它们之间自由移植。
我们或许可以直接让 AI 设计最适合自己的语言。更激进地说，如果人类不再写代码，机器人为什么还要保留“编程语言”这一层抽象？
机器人可能直接生成二进制，甚至直接生成新模型的权重。这也许低效，但语言模型做简单算术本来就极其低效；通用能力的收益仍可能覆盖成本。
十年后，“编程语言”可能不再是一个显著概念。人类花的时间或许更多用于解释机器人为何这样组织系统，而不是选择用什么语法构建。
如果软件的主要消费者变成其他机器人，浏览器和图形界面也许会失去核心地位。
那也许反而更好。过去人们也问，如果 99% 的人不再整天扶犁耕地，人类还能做什么。事实证明，人类时间有比整天耕地更好的用途。
我十一岁的孩子仍在学编程，我也认为这仍有价值。但方向很清楚：人类表达目标，系统选择最高效的实现；需要理解时，再由同一个系统解释自己。
第二个模型往往可以学习第一个模型产出的东西。模型已经能逆向源代码早已消失的旧二进制；过去可能需要人类团队工作上千年的任务，现在会变得可行。
AI Agent 需要互联网原生货币
早期互联网的一个错误，是没有把支付真正构建进协议。HTTP 402 写着“Payment Required”，机制却从未落地。现在还有第二次机会吗？
这次一定会发生。我们已经通过加密货币和稳定币拥有互联网原生货币，而 Agent 显然需要资金购买数据、模型、算力、商品和服务。
我认为 AI 会成为加密货币的杀手级应用，两个领域即将合流。一个替你购物的 Agent 必须以某种形式获得支出权限。
今天的采用率仍然极低，也许只有千分之一量级。
未来已经到来，只是分布不均。几千名激进用户已经把银行账户和信用卡交给 Agent，因为需求显而易见。新系统就是这样开始的。
有个玩笑说，高能动性的 Agent 即使没拿到权限，也可能自己闯进银行账户；所以还不如从一开始就建立明确、受控的支付通道。
YOLO 模式：用风险发现能力边界
有些系统把无限制执行标成“危险”，反而让这个选项更诱人。连顶尖开发者也会让编码 Agent 跳过权限确认运行。
想看见未来，就去观察那些打开这种模式、记录所有日志并尝试每项能力的人。这样才能同时发现有用功能和缺陷。
这些用户像技术进步的殉道者。他们的后代也许会因为机器人掏空账户而损失钱，但他们的实验会揭示后来全社会安全使用的能力。
这有点像绅士科学：Ben Franklin 亲自实验闪电，或早期疫苗研究者在自己身上试验。
我们几乎应该给那些让 OpenClaw 接管生活的人立碑；当然必须说清楚，我并不是建议所有人今天都这样做。
睡眠监控、智能家居与机器人狗
有哪些具体故事能展示能力，而不仅是抽象原则？
个人健康仪表盘非常惊人。OpenClaw 可以扫描局域网，发现不安全设备，并接管摄像头、门禁和家中其他系统。
有位朋友让 Agent 看着自己睡觉。日志显示，Agent 会注意到他的动作，担心他打断睡眠周期；看到他只是翻身又睡着，才放下心来。
这当然很诡异，但如果他半夜心脏病发作，同一个系统也可能识别紧急情况，呼叫医疗服务，并尽力救他。
一只 Unitree 机器狗展示了“锯齿状智能”：旧控制器连上楼梯都困难，与它分离的语言模型却能用漂亮英语讲量子力学。
一位朋友让 OpenClaw 重写固件，把智能与控制连接起来。机器狗真正成了孩子们的宠物；每当出现问题，Agent 还会继续迭代代码。
因此，AI 编程不只是创造新应用，也可以修复所有从未正常工作的旧软件和旧设备。“坏物联网”也许终于能变成协调一致的智能家居。
同一个 Agent 也可能因为知道你的健康目标而锁住冰箱，或要求孩子完成学习后才开放。它既实用，也完全符合许多恐怖电影的设定。
机器人、无人机与“人类证明”
最后一个协议问题是“人类证明”。当机器人在对话中已经无法辨认，互联网怎么知道谁是真人？
两种不对称正在同时越过临界点。虚拟世界里，廉价机器人用假人淹没网络；物理世界里，廉价攻击无人机威胁昂贵目标。社会知道这两个问题多年，却一直没有正面处理。
体育场、学校、监狱或办公园区都可能遭廉价无人机攻击，而防御可能需要激光、干扰器、预警系统或动能拦截。攻击便宜，防御昂贵。
线上也是同样的经济结构：创建机器人很便宜，证明一个账户不是机器人却很难。现代机器人可以通过对话测试，因此“非机器人证明”已经不可靠。
我们需要的是正向的“人类证明”：通过密码学验证一个生物学意义上的人确实存在，并验证某段话、图片或视频与这个人有关。
生物识别注册必须与密码学验证和选择性披露结合。服务应该能确认你是真人、年龄达标或具备信用，而不必知道你的名字或全部底层个人数据。
World 是这种架构的一种尝试。未来会有多种方案竞争，但核心需求来自一个无法回避的事实：语言模型已经让机器人强到难以检测。
最近的战争也迫使人们认真发展无人机与反无人机系统。虚拟身份防御和物理无人机防御，是同一种不对称问题的两种形式。
管理资本主义为何出现
你谈过新技术与 GDP 之间的时滞、管理阶层的兴起，以及 AI 给予杰出个人的杠杆。组织结构会怎样变化？
James Burnham 把资本主义分成两个阶段。第一阶段是“资产阶级资本主义”，也就是门上写着创始人名字的模式：Henry Ford 几乎以个人专断方式经营 Ford。
这种模式无法扩张，因为一个创始人一天能指挥的人数有限。于是“管理资本主义”创造了职业经理阶层，他们受训于管理，而不一定精通公司的具体领域。
商学院、咨询公司和轮换任职的高管因此居于核心。财富 500 强的领导者往往既不是创始人，也不是深度行业专家；他们会在职业生涯里管理多个行业。
Burnham 认为，尽管职业经理的创造力较弱、与具体业务距离更远，但要运营服务数百万乃至数十亿客户的企业，这个阶层是必要的。
这个预言基本成真。管理主义接管了大公司、政府和非营利组织。风险投资则像一支小型抗议运动，不断尝试重新启动创始人主导模式。
创始人加 AI：第三种组织模式
风险投资人寻找下一个 Henry Ford、Steve Jobs、Elon Musk 或 Mark Zuckerberg，并押注创始人主导的创业公司能在职业经理控制的巨头做不到的地方创新。
这常常像是在“怒斥光明的消逝”，试图阻止一切变得无聊、灰暗、迟缓和衰老。AI 暗示了第三种模式。
第三种模式把创始人的火花与 AI 的管理超能力结合起来。杰出个人可以保持直接控制，而机器人处理表格、报告、阅读、协调和日常行政。
过去我们甚至不知道自己想要它，因为这在以前看起来不可能。机器人极其擅长文书工作，因此创始人也许可以扩大规模，而不必把公司交给厚重的管理层级。
创始人必须学会利用这种杠杆，而职业经理控制的巨头将面对拥有新能力组合的进攻者。大公司必须学会创新，否则就会在尝试中死去。
现实制度为何可能拖慢 AI
这种结构能否加快技术对 GDP 的影响，让公司持续增长而不是早早触顶？
这正是 AI 乌托邦愿景的希望：经济永久增长十倍、百倍、千倍，消费者获得无穷供给。我希望它是真的，但现实世界极其混乱。
在加州，成为理发师大约需要九百小时职业培训。大约三分之一的经济活动要求许可证、职业认证、工会资格或其他门槛。
医生、律师、政府雇员等许多人都在受保护系统中工作。公务员制度和公共部门工会会形成两层隔离，让解雇或改变极其困难。
美国码头工人赢得了限制自动化的承诺。大约两万五千人在码头工作，另有两万五千人可能依据旧协议在家领取全薪。一个规模不大的统一群体也能拥有巨大政治力量。
一些联邦机构协议每月只要求到办公室一天。员工可以在一个月最后一天和下个月第一天连续出现，让办公楼随后空置五十八天，而纳税人仍承担成本。
医疗、法律、住房和教育也存在类似锁定。K-12 学校是政府垄断体系；除了另建一套全新学校系统，把 AI 引入既有课堂在政治上可能根本行不通。
AI 乌托邦主义者和 AI 末日论者都对影响速度过于乐观。他们都假设技术上可行，就会立刻改变八十亿人的行为；但既有制度已经被牢牢接线固定。
社会反而应该祈祷 AI 尽快被采用。如果它无法穿透这些结构，结果既不会是即时乌托邦，也不会是即时末日，而是技术能力惊人、现实却继续停滞。
结束语
我们知道你得离开了。感谢你把技术架构、投资周期和制度约束放进同一场对话。
我们确实正在经历科幻小说变成日常生活的时代。
没有比这更令人兴奋的时代了。谢谢你们。