第一时间捕获有价值的信号
a16z 的 Youtube 频道放出了近期举办的 Runtime 闭门峰会视频，周末抽空看了其中三个（AI 工具产品 Wabi 的 CEO 访谈、Poe 和 Replit 的 CEO 对谈、a16z 两个创始人对谈），摘录下部分观点，非逐字稿，做了二次编译，介意的可以直达 Youtube 原视频自行观看。
a16z 创始人讨论 AI 的现状
Marc Andreessen 和 Ben Horowitz 认为，无论是在创造力、智慧还是领导力方面，人类自身的标准也远非完美，而 AI 只要能超越大多数人的平均水平，就将带来巨大价值。他们探讨了为何 AI 不会因更智能而必然统治人类、AI 市场是否是泡沫，以及在即将到来的平台转移中，产品形态和地缘政治（特别是美中竞争）将如何演变。
AI 能否真正创造或”具备智能”？
当谈论大型语言模型 LLM 的局限性，例如它们无法进行真正的科学发明或展现真正的创意天才，只能是组合或包装时，Marc Andreessen 提出了一个反向的质问：人类真的可以吗？
他将这个问题分解为智能和创造力两个层面。首先，关于智能，即处理信息和实现概念性突破的能力，他指出，即使我们承认有些人是智能的，即他们能够产生原创的概念突破，而不仅仅是复述训练集或遵循脚本，但这样的人在人群中的比例极低。他坦言自己只见过少数几个能做到这一点的人，大多数人一生中从未有过真正的概念突破。
其次，关于创造力。有多少人是真正具有创造力的？人们总是指向贝多芬或梵高这样的人物作为创造力的标杆，但这样的天才显然是凤毛麟麟角。Marc 认为，如果 AI 能够清除掉 99.99% 人类的门槛，这本身就已经非常值得关注了。
更进一步深究，人类历史上真正称得上”原创”的概念突破有多少？大多数时候，所谓的”突破”其实是”重混”。在科技史上，重大的突破几乎总是至少 40 年前期工作的结果。语言模型本身就是过去八十年工作的结晶。在艺术领域也是如此，无论是小说、音乐还是绘画，虽然存在创造性的飞跃，但都受到了前人巨大的影响。即使是贝多芬这样的天才，他的作品中也能看到莫扎特和海顿的影子。
因此，纠结于 AI 是否在进行 0.001% 的世界级、代际性的创造力或智能突破，有点像在讨论”针尖上能站几个天使”。从情感上，Marc 当然希望人类的创造力仍有其特殊之处，但他坦言，在使用这些工具时，他感觉它们已经非常聪明且富有创造力，他相信它们最终会越过那个门槛。
对于跨领域迁移学习，即”分布外推理”或”横向思维”的能力，Marc 同样持此观点。他认识的非常擅长”分布内推理”的人很多，但能做到”分布外推理”的人屈指可数。他举例说，有些人，你问他一个关于金融的问题，他能从心理学给你答案；你问他心理学，他能从生物学给你答案。他估计，在他的一万个联系人中，大概只有三个人能稳定地做到这一点。
Marc 认为这恰恰是令人鼓舞的。人类正是带着这些局限性，建设了今天的文明，创造了如此多令人惊叹的艺术、电影、小说、技术发明和科学突破。我们并不需要 AI 达到 100% 的原创思考才能带来巨大的进步，只要它们能达到我们现在的水平，甚至略微超过，就足以带来翻天覆地的变化。
创造性天才与 AI 音乐
Ben Horowitz 作为嘻哈音乐的深度爱好者和支持者，也从音乐和艺术的角度分享了他的看法。他同意 Marc 的观点，即无论 AI 最终能否达到那个终极水平，它现在已经非常有用。
不过，Ben 也强调了艺术中”实时人类体验”的独特性。他认为，至少在艺术领域，人类对于这种真实、即时的体验有着强烈的偏好。当前技术状态下的预训练模型，其拥有的数据（训练集）可能还不足以捕捉到那种真正触动人心的核心。
Marc 顺势向 Ben 提问：在他所接触的、横跨过去 50 年的整个嘻哈领域中，有多少人可以被归类为”真正的概念创新者”？Ben 思考后承认，这个比例是”极其、极其、极其微小”的。在基金会最近的活动上，他认为在场的艺术家中，或许只有 Rakim 和 George Clinton 达到了”根本性的音乐突破”这一级别，Dr. Dre 也在这个范畴内。
当被问及这些嘻哈传奇人物（如 Dr. Dre、Nas）对 AI 的态度时，Ben 表示，虽然音乐界确实有人感到恐惧，但大多数人，尤其是嘻哈领域的艺术家，对 AI 非常感兴趣。
原因是，他们觉得 AI 正在做的事情，几乎就是他们当年所做事情的”重演”。嘻哈音乐本身就是通过采样（taking other music），在其他音乐的基础上构建出全新的音乐。因此，他们不认为 AI 是一种威胁，反而视其为一种绝佳的创意工具，它极大地打开了调色板。此外，嘻哈的很大一部分价值在于讲述特定时间、特定地点的特定故事，而 AI 这种能够被特定知识训练的工具，在这方面反而比一个”泛泛而智”的音乐模型更有优势。
更智能是否意味着”必然统治”？
一个在 AI 领域常见的逻辑是：更智能的物种（或个体）终将统治较不智能的物种。Marc 对”智能必然统治 ≈ 的观点嗤之以鼻。他反问道：“看看我们今天的世界，你觉得我们正被最聪明的人统治吗？“他指出，现实中往往是博士（PhD）在为工商管理硕士（MBA）工作。
他承认，智力（IQ）在个体层面很重要。在社会科学中，流体智力（G 因子或 IQ）与几乎所有积极的生活成果（教育、职业、收入、生活满意度，甚至包括非暴力解决问题的能力）都有 0.4 左右的相关性。但一方面，0.4 在社会科学中已经是巨大的相关性；另一方面，它仅仅是 0.4。这仍然意味着有很大一部分（超过 60%）的变数无法被 IQ 解释。
而在集体层面，情况更加复杂。一个著名的观察是，把一群人（哪怕是聪明人）聚集在一起，他们组成的”暴民”（mob）会比个体的平均智商更愚蠢。
因此，现实世界中，谁在掌权、谁在领导，其筛选过程显然不完全基于 IQ，甚至可能不主要基于 IQ。AI 圈子中那种”更聪明的 AI 将不可避免地统治更愚蠢的人类”的假设，在 Marc 看来，是非常容易且明显被证伪的。智力本身并不足以保证成功或获得统治地位。我们都认识很多聪明人，有些人确实取得了巨大成功，但也有很多聪明人一事无成。这证明了，成功和领导地位必然还涉及许多其他因素。
领导力、情商与心智理论
那么，除了智力，还有哪些因素决定了领导力或创业的成功？Ben Horowitz 指出，因素很多，例如”以正确的方式进行对抗”的能力。这背后需要深刻地理解你正在交谈的对象，能够解读他们的想法，并且能够通过公司中其他人的眼睛（而不是你自己的眼睛）来看待决策。
这种能力不是纯粹的 IQ 问题，而是通过大量与人交谈、理解他们的言行而培养出来的。Ben 补充说，领导者需要的不是做受欢迎的事，而是让人们去做正确的事，哪怕他们不喜欢。Marc 将此总结为勇气、动力和情感理解的结合。
Ben 强调了心智理论（Theory of Mind，简称 ToM）的重要性，即理解他人心理状态的能力。他认为管理类书籍之所以糟糕，就是因为领导力是高度情境化的——你的公司、产品、团队都是独一无二的，不存在普适的五步战略。
Marc 进一步深入探讨了心智理论。他引用了美国军方的研究，军方（通过 ASVAB 测试）是 IQ 测试的早期和主要采用者。他们发现，如果一个领导者的 IQ 与其追随者的平均 IQ 相差超过一个标准差（无论是过高还是过低），都会出现问题。
领导者不够聪明，固然无法理解更聪明的下属；但反过来，如果领导者比团队规范聪明两个标准差，他也会”失去心智理论”。极度聪明的人实际上很难模拟（model）中等聪明的人的内部思维过程。
这为”AI 不会统治人类”提供了一个有力的论据：一个拥有 1000 IQ 的机器或人，它对现实的理解将与普通人截然不同，它会变得”异类”（alien），以至于无法以任何现实的方式与人类建立连接和管理。
Marc 还提出了一个更深层次的观点：人类的认知体验并非纯粹发生在大脑中。人类的体验是”全身的体验”，包括神经系统、肠道菌群、嗅觉、荷尔蒙等所有生化反应。我们目前所拥有的 AI，是一种”无实体的大脑”（disembodied brain）。即将到来的机器人革命，即具身智能，将 AI 放入物理实体中，会使其更接近那种整合了智力与物理的体验，但这方面的研究才刚刚开始。
AI 泡沫、平台转移与未来产品形态
关于当前 AI 领域是否存在泡沫的问题，Ben Horowitz 的观点很明确：我们不在泡沫中。
他解释说，泡沫首先是一种心理现象。要达到真正的泡沫，必须达到”投降”（capitulation）阶段，即所有人都放弃质疑，相信它不是泡沫（就像巴菲特最终也开始投资科技股）。而现状是，人们（包括风投）仍在激烈地讨论”这是否是泡沫”，这恰恰证明了它不是。
Ben 回顾了 2000 年的互联网泡沫。互联网本身显然不是泡沫，它是一场真正的技术革命。当时的泡沫是一种短期的价格错位，即市场价格（估值）远远超过了当时网络的实际承载能力（用户数量不足以支撑这些产品）。
而 AI 则完全不同。AI 现在没有需求问题，短期内的需求是极其旺盛和真实的。Marc 补充说，我们应该回归两个基本面的问题：第一，技术是否真的有用？第二，客户是否愿意为此付费？对于 AI，这两个问题的答案都是肯定的。
接着，讨论转向了”平台转移”中 incumbent (在位者) 与 startup (初创公司) 的竞争，比如 ChatGPT 对谷歌的”珍珠港”时刻。Ben 认为，谷歌确实被惊醒了，但历史上看，新公司（如 OpenAI）通常会赢得新市场。微软错过了搜索，也错过了移动，虽然它凭借 Windows 垄断地位依然强大。
然而，Marc 提出了一个更关键的观点：我们可能都搞错了竞争的焦点。我们倾向于认为竞争是在”聊天机器人”和”搜索引擎”之间展开，这是”创新者的窘境”的经典案例。
但 Marc 认为，这种假设是错误的。我们完全不知道 5 年或 10 年后 AI 的最终产品形态。他用个人电脑的历史做了类比：从 1975 年到 1992 年，个人电脑是一个文本提示系统（Text Prompt），长达 17 年。然后，整个行业突然左转进入了 GUI (Graphical User Interfaces，图形用户界面)，并且再也没有回头。又过了 5 年，行业再次左转进入了网络浏览器。
Marc 确信，虽然 20 年后可能还会有聊天机器人，但当前的公司和许多新公司，将会创造出我们现在甚至无法想象的、截然不同的用户体验。这正是科技行业，特别是软件行业充满乐趣的地方——产品的形态和本质尚未定型，创新的空间是巨大的。
对创业者的建议与美中 AI 竞赛
对于身处 AI 时代的创业者，Ben 的建议是，必须认识到这是一个独特的时代。过去的组织设计经验、管理教训可能不再适用。例如，管理 AI 博士研究员的方式，与管理传统全栈工程师的方式截然不同。
Marc 的建议则聚焦于供需关系：短缺（shortages）会创造过剩（gluts）。当前 AI 行业面临的两大”短缺”——顶尖 AI 人才和基础设施（芯片、数据中心、电力）——最终都会被解决。因为当某样东西变得极度稀缺时，巨大的经济激励会促使市场想方设法解锁新的供应。
在人才方面，Marc 指出，中国的新模型（如 Deepseek, Kimi）表现出色，而其背后的团队并非那些名字印在所有论文上的明星研究员。这证明了 AI 人才的培养是可以被”解码”和规模化的。而且，AI 也在帮助构建 AI。在芯片方面也是如此，芯片行业历史上，每一次短缺最终都导致了过剩。NVIDIA 现在的地位虽好，但巨大的利润池会吸引无数人试图将其功能商品化。Marc 断言，五年后我们面临的挑战，将是与现在完全不同的挑战。
最后，话题转向了宏观的地缘政治：美中 AI 竞赛。Marc 分享了他在华盛顿向议员们表达的观点。他认为，美国和西方目前在概念创新上领先，即重大的概念突破来自西方。而中国极其擅长快速跟进、实施、规模化和商品化这些想法，。Marc 估计美国的领先优势可能只有六个月，而不是五年。Marc 指出了一个更严峻的威胁，即 AI 革命的第二阶段：具身智能，也就是机器人技术。在过去 40 年里，美国和西方选择了去工业化，而中国则建立了庞大的工业生态系统（供应链）。当机器人革命到来时，即使美国在软件上保持领先，机器人的硬件也必须被制造出来。这需要一个完整的生态系统（就像汽车行业需要成千上万的零部件供应商一样）。而目前来看，这个生态系统默认在中国。因此，即使中国在软件上未赶上美国，他们也可能在硬件（机器人）上”套圈”美国，那也将是决定性的胜利。
Adam D’Angelo(Poe 的 CEO ) 与 Amjad Masad(Replit 的 CEO ) 对谈
Adam 属于乐观派，认为通过持续的算力堆叠和模型改进，即便没有根本性的架构突破，人类也能在 1-2 年内实现高度自动化；而 Amjad 则更为现实和审慎，提出了 Functional AGI (功能性 AGI) 的概念，强调当前模型仍是在”暴力破解”且依赖人类专家数据的现实。除了技术辩论，两人深入探讨了 AI 对经济结构的重塑，特别是 Sovereign Individual (主权个人) 的崛起、初级职位的消失危机、以及 Agent 十年愿景。
关于 AGI 何时到来以及如何定义
前者在应用角度，后者从构建角度，不能说谁对谁错，就是视角区别，我肯定是认同 Amjad 的。
Adam 的乐观视角：暴力破解通向智慧 Adam 对大语言模型（LLMs）的发展持高度乐观态度。他认为，如果回望一年前的世界，那是完全不同的景象。推理模型的进步、代码生成能力的提升以及视频生成技术的发展，都在以前所未有的速度推进。他并不理解市场上弥漫的看跌情绪。对于 Adam 而言，阻碍模型表现的瓶颈往往不是智力本身，而是如何将正确的上下文（Context）输入给模型，以及计算机操作（Computer Use）能力的完善。他预测，在未来 1-2 年内，这些问题将得到解决。一旦实现，人类工作的很大一部分将被自动化。他提出了一个非常具象的 AGI 定义锚点：
- 如果一个 AI 能够胜任任何可以由远程工作者完成的工作，那就是 AGI。
- 它不需要在每一项工作上都比世界上最好的人更强，也不需要超越团队协作的智慧，只要能比典型的远程员工做得更好，世界就会发生翻天覆地的变化。
Adam 承认当前的架构在记忆和持续学习方面存在困难，但他认为这些问题可以通过变通方法解决，并不需要全新的架构突破。即使人类智能是进化的产物，拥有极高的计算效率，我们依然可以通过投入更多的能源、更多的数据和更强的算力，以”暴力破解”的方式达成同等水平的智能。
Amjad 的现实视角：人类数据的局限 Amjad 站在了更审慎的一方。他批评了诸如《Situational Awareness》等宣称 2027 年实现 AGI 的论文，认为这些更多是基于感觉（而非科学。他指出，目前的 LLM 虽然惊人，但并非等同于人类智能。目前的模型依然很容易被简单的逻辑陷阱愚弄（例如”这句话里有几个 R”），且为了掩盖这些缺陷，行业正在进行大量的人工修补工作。
Amjad 提出了 Functional AGI (功能性 AGI) 的概念：
- 这是一种通过收集大量数据、创建强化学习（RL）环境，针对特定工作（如投资银行、编程）进行自动化替代的路径。
- 这需要巨大的金钱、数据和算力投入，是一种蛮力手段，而非真正的通用智能突破。
他认为真正的 AGI 应该像旧派的强化学习定义那样：一个机器进入任何环境，能像人类一样高效地学习。 例如，一个人可以在 2 小时内学会打台球，而目前的 AI 无法在缺乏海量数据预训练的情况下做到这一点。Amjad 担心，当前的繁荣是建立在”非苦涩教训（Non-bitter lesson）“之上的，即过度依赖人类专家的智力劳动来进行数据标注和训练，这种模式难以自然扩展。
初级岗位的消失与新工作的诞生
随着 AI 能力的提升，经济增长与就业市场的结构性变化成为了两人关注的焦点。这其中既有对 GDP 爆发的期待，也有对人才培养断层的深深忧虑。
GDP 增长与自动化的经济逻辑 Adam 认为，如果 AI 能以每小时 1 美元的能源成本完成人类的工作，GDP 的年增长率将远超 4-5%。瓶颈可能在于能源供应（如发电厂的建设）或供应链的其他环节，而不是技术本身。然而，Amjad 指出了一个更为隐蔽且危险的经济现象，他称之为 AI 对经济的”有害影响”。
初级职位的自动化陷阱 Amjad 详细描述了一个正在发生的困境：AI 能够极好地自动化初级职位，但无法替代专家。
- 案例推演： 以 QA（质量保证）工作为例，AI 处理得很好，但遇到长尾的复杂问题仍需专家介入。结果是，资深 QA 专家开始管理数百个 AI 智能体，生产力大幅提升。
- 后果： 公司不再招聘新人，因为 AI 比新手更好用。但这破坏了人才培养的阶梯——如果没有人从事初级工作，未来就不再有专家产生。
- 数据枯竭： 此外，当前的 LLM 训练依赖专家产生的数据。如果专家阶层因缺乏后备力量而逐渐萎缩，AI 将失去进化的数据养分。
新职业的涌现与人类的独特价值 面对自动化，未来人类将从事什么工作？
- Adam 的观点： 艺术和诗歌等创造性工作可能会复兴，就像计算机击败人类棋手后，下棋的人反而更多了。但在短期（10-15 年内），需求量最大的将是擅长使用 AI 完成工作的人。利用 AI 杠杆完成单靠人类无法完成的任务，将是核心竞争力。他还反驳了只有人类才懂人类的观点，指出推荐算法在预测人类喜好方面早已超越了人类，未来 AI 可能比人类更懂人类的需求。
- Amjad 的观点： 只要 AI 没有获得人类的身体体验（Embodied Experience），人类在产生创意、理解同类需求方面依然具有不可替代的价值。服务业和基于人类互动的经济活动仍将是人类的堡垒。
主权个人的崛起与创新者的窘境
这一部分探讨了 AI 技术在宏观层面是如何改变公司结构、政治实体以及个人在社会中的位置的。
Sovereign Individual (主权个人) 的预言 Amjad 引用了 90 年代的经典著作《The Sovereign Individual》，认为这是对当前世界走向的最佳预测。
- 核心论点： 信息革命（或智能革命）将导致大量普通劳动者在经济上变得无关紧要，但同时会极大地赋予”企业家”权力。
- 杠杆效应： 借助 AI，极少数具有生成能力、创意和敏锐度的个人（Solo Entrepreneurs）可以迅速构建产品、组建虚拟公司。
- 政治变迁： 这种生产力的集中将改变政治结构。民族国家可能会衰退，转而像争夺客户一样争夺高净值的”主权个人”。这预示着一个更加去中心化、竞争激烈的治理环境。
中心化与去中心化的博弈 John 提出了 Peter Thiel 关于”加密货币是去中心化的（自由意志主义），AI 是中心化的（共产主义）“的论断。Adam 和 Amjad 认为情况更为复杂。AI 确实赋予了边缘节点（个人）极大的权力，导致创业门槛降低，使得更多人能成为独立创业者。但同时，Hyperscalers（超大规模云厂商）和基础模型公司也因资源密集而变得更加庞大。这可能形成一个”哑铃型”结构：巨头极大，个体极强，中间层被挤压。
Poe 的知识聚合与 Replit 的智能体开发革命
Poe：捕捉隐性知识 Adam 解释了 Quora 推出 Poe 的逻辑。他们发现 GPT-3 虽然在生成答案上不如人类精准，但其即时性和隐私性（用户不需要公开提问）是巨大优势。Poe 的核心赌注在于模型的多样性。
- 世界不会只有一个模型统治一切。图像、视频、音频、推理、编码等不同领域将出现通过不同架构优化的模型。
- Poe 的角色是聚合器，让用户在一个界面无缝使用各类模型。
- 关于人类知识：Adam 提到人类拥有大量未记录的”隐性知识（Tacit Knowledge）“。这些知识不在训练集中。未来的机会在于如何激励人类将这些知识数字化，无论是通过 Quora 这种问答平台，还是专门的数据标注公司。
Replit：Agent（智能体）的十年 Amjad 坚信 Andrej Karpathy 的判断：接下来是”Agent 的十年”。Replit 的演进路径清晰地展示了 AI 编程的代际跨越：
- Autocomplete (自动补全): 如 Copilot。
- Chat (对话): 如 ChatGPT。
- Composer (编辑器): 如 Cursor，可以编辑大段代码。
- Agent (智能体): Replit 的核心方向。
Replit Agent 不仅仅是写代码，它能配置基础设施、数据库、部署云端、运行调试循环。
- 关键突破： 引入验证器进入循环。Agent 写代码 -> 运行测试 -> 读取错误 -> 修正代码。这种高自主性允许 Agent 连续运行数小时甚至数天来解决复杂问题。
- 未来路线图：
- 并行 Agent： AI 能够同时处理登录页面、支付接口和管理后台，然后合并代码。
- 多模态交互： 从纯文本描述转变为白板画图、图表交互，像人类同事一样协作。
- 跨项目记忆： 拥有特定技能（如数据分析、前端）的 Agent 将驻留在你的 Slack 或工作流中，并记住你过去的所有项目偏好。
Adam D’Angelo(Poe 的 CEO ) 与 Amjad Masad(Replit 的 CEO ) 对谈
Adam 属于乐观派，认为通过持续的算力堆叠和模型改进，即便没有根本性的架构突破，人类也能在 1-2 年内实现高度自动化；而 Amjad 则更为现实和审慎，提出了 Functional AGI (功能性 AGI) 的概念，强调当前模型仍是在”暴力破解”且依赖人类专家数据的现实。除了技术辩论，两人深入探讨了 AI 对经济结构的重塑，特别是 Sovereign Individual (主权个人) 的崛起、初级职位的消失危机、以及 Agent 十年愿景。
关于 AGI 何时到来以及如何定义
前者在应用角度，后者从构建角度，不能说谁对谁错，就是视角区别，我肯定是认同 Amjad 的。
Adam 的乐观视角：暴力破解通向智慧 Adam 对大语言模型（LLMs）的发展持高度乐观态度。他认为，如果回望一年前的世界，那是完全不同的景象。推理模型的进步、代码生成能力的提升以及视频生成技术的发展，都在以前所未有的速度推进。他并不理解市场上弥漫的看跌情绪。对于 Adam 而言，阻碍模型表现的瓶颈往往不是智力本身，而是如何将正确的上下文（Context）输入给模型，以及计算机操作（Computer Use）能力的完善。他预测，在未来 1-2 年内，这些问题将得到解决。一旦实现，人类工作的很大一部分将被自动化。他提出了一个非常具象的 AGI 定义锚点：
- 如果一个 AI 能够胜任任何可以由远程工作者完成的工作，那就是 AGI。
- 它不需要在每一项工作上都比世界上最好的人更强，也不需要超越团队协作的智慧，只要能比典型的远程员工做得更好，世界就会发生翻天覆地的变化。
Adam 承认当前的架构在记忆和持续学习方面存在困难，但他认为这些问题可以通过变通方法解决，并不需要全新的架构突破。即使人类智能是进化的产物，拥有极高的计算效率，我们依然可以通过投入更多的能源、更多的数据和更强的算力，以”暴力破解”的方式达成同等水平的智能。
Amjad 的现实视角：人类数据的局限 Amjad 站在了更审慎的一方。他批评了诸如《Situational Awareness》等宣称 2027 年实现 AGI 的论文，认为这些更多是基于感觉（而非科学。他指出，目前的 LLM 虽然惊人，但并非等同于人类智能。目前的模型依然很容易被简单的逻辑陷阱愚弄（例如”这句话里有几个 R”），且为了掩盖这些缺陷，行业正在进行大量的人工修补工作。
Amjad 提出了 Functional AGI (功能性 AGI) 的概念：
- 这是一种通过收集大量数据、创建强化学习（RL）环境，针对特定工作（如投资银行、编程）进行自动化替代的路径。
- 这需要巨大的金钱、数据和算力投入，是一种蛮力手段，而非真正的通用智能突破。
他认为真正的 AGI 应该像旧派的强化学习定义那样：一个机器进入任何环境，能像人类一样高效地学习。 例如，一个人可以在 2 小时内学会打台球，而目前的 AI 无法在缺乏海量数据预训练的情况下做到这一点。Amjad 担心，当前的繁荣是建立在”非苦涩教训（Non-bitter lesson）“之上的，即过度依赖人类专家的智力劳动来进行数据标注和训练，这种模式难以自然扩展。
初级岗位的消失与新工作的诞生
随着 AI 能力的提升，经济增长与就业市场的结构性变化成为了两人关注的焦点。这其中既有对 GDP 爆发的期待，也有对人才培养断层的深深忧虑。
GDP 增长与自动化的经济逻辑 Adam 认为，如果 AI 能以每小时 1 美元的能源成本完成人类的工作，GDP 的年增长率将远超 4-5%。瓶颈可能在于能源供应（如发电厂的建设）或供应链的其他环节，而不是技术本身。然而，Amjad 指出了一个更为隐蔽且危险的经济现象，他称之为 AI 对经济的”有害影响”。
初级职位的自动化陷阱 Amjad 详细描述了一个正在发生的困境：AI 能够极好地自动化初级职位，但无法替代专家。
- 案例推演： 以 QA（质量保证）工作为例，AI 处理得很好，但遇到长尾的复杂问题仍需专家介入。结果是，资深 QA 专家开始管理数百个 AI 智能体，生产力大幅提升。
- 后果： 公司不再招聘新人，因为 AI 比新手更好用。但这破坏了人才培养的阶梯——如果没有人从事初级工作，未来就不再有专家产生。
- 数据枯竭： 此外，当前的 LLM 训练依赖专家产生的数据。如果专家阶层因缺乏后备力量而逐渐萎缩，AI 将失去进化的数据养分。
新职业的涌现与人类的独特价值 面对自动化，未来人类将从事什么工作？
- Adam 的观点： 艺术和诗歌等创造性工作可能会复兴，就像计算机击败人类棋手后，下棋的人反而更多了。但在短期（10-15 年内），需求量最大的将是擅长使用 AI 完成工作的人。利用 AI 杠杆完成单靠人类无法完成的任务，将是核心竞争力。他还反驳了只有人类才懂人类的观点，指出推荐算法在预测人类喜好方面早已超越了人类，未来 AI 可能比人类更懂人类的需求。
- Amjad 的观点： 只要 AI 没有获得人类的身体体验（Embodied Experience），人类在产生创意、理解同类需求方面依然具有不可替代的价值。服务业和基于人类互动的经济活动仍将是人类的堡垒。
主权个人的崛起与创新者的窘境
这一部分探讨了 AI 技术在宏观层面是如何改变公司结构、政治实体以及个人在社会中的位置的。
Sovereign Individual (主权个人) 的预言 Amjad 引用了 90 年代的经典著作《The Sovereign Individual》，认为这是对当前世界走向的最佳预测。
- 核心论点： 信息革命（或智能革命）将导致大量普通劳动者在经济上变得无关紧要，但同时会极大地赋予”企业家”权力。
- 杠杆效应： 借助 AI，极少数具有生成能力、创意和敏锐度的个人（Solo Entrepreneurs）可以迅速构建产品、组建虚拟公司。
- 政治变迁： 这种生产力的集中将改变政治结构。民族国家可能会衰退，转而像争夺客户一样争夺高净值的”主权个人”。这预示着一个更加去中心化、竞争激烈的治理环境。
中心化与去中心化的博弈 John 提出了 Peter Thiel 关于”加密货币是去中心化的（自由意志主义），AI 是中心化的（共产主义）“的论断。Adam 和 Amjad 认为情况更为复杂。AI 确实赋予了边缘节点（个人）极大的权力，导致创业门槛降低，使得更多人能成为独立创业者。但同时，Hyperscalers（超大规模云厂商）和基础模型公司也因资源密集而变得更加庞大。这可能形成一个”哑铃型”结构：巨头极大，个体极强，中间层被挤压。
Poe 的知识聚合与 Replit 的智能体开发革命
Poe：捕捉隐性知识 Adam 解释了 Quora 推出 Poe 的逻辑。他们发现 GPT-3 虽然在生成答案上不如人类精准，但其即时性和隐私性（用户不需要公开提问）是巨大优势。Poe 的核心赌注在于模型的多样性。
- 世界不会只有一个模型统治一切。图像、视频、音频、推理、编码等不同领域将出现通过不同架构优化的模型。
- Poe 的角色是聚合器，让用户在一个界面无缝使用各类模型。
- 关于人类知识：Adam 提到人类拥有大量未记录的”隐性知识（Tacit Knowledge）“。这些知识不在训练集中。未来的机会在于如何激励人类将这些知识数字化，无论是通过 Quora 这种问答平台，还是专门的数据标注公司。
Replit：Agent（智能体）的十年 Amjad 坚信 Andrej Karpathy 的判断：接下来是”Agent 的十年”。Replit 的演进路径清晰地展示了 AI 编程的代际跨越：
- Autocomplete (自动补全): 如 Copilot。
- Chat (对话): 如 ChatGPT。
- Composer (编辑器): 如 Cursor，可以编辑大段代码。
- Agent (智能体): Replit 的核心方向。
Replit Agent 不仅仅是写代码，它能配置基础设施、数据库、部署云端、运行调试循环。
- 关键突破： 引入验证器进入循环。Agent 写代码 -> 运行测试 -> 读取错误 -> 修正代码。这种高自主性允许 Agent 连续运行数小时甚至数天来解决复杂问题。
- 未来路线图：
- 并行 Agent： AI 能够同时处理登录页面、支付接口和管理后台，然后合并代码。
- 多模态交互： 从纯文本描述转变为白板画图、图表交互，像人类同事一样协作。
- 跨项目记忆： 拥有特定技能（如数据分析、前端）的 Agent 将驻留在你的 Slack 或工作流中，并记住你过去的所有项目偏好。
Adam D’Angelo(Poe 的 CEO ) 与 Amjad Masad(Replit 的 CEO ) 对谈
Adam 属于乐观派，认为通过持续的算力堆叠和模型改进，即便没有根本性的架构突破，人类也能在 1-2 年内实现高度自动化；而 Amjad 则更为现实和审慎，提出了 Functional AGI (功能性 AGI) 的概念，强调当前模型仍是在”暴力破解”且依赖人类专家数据的现实。除了技术辩论，两人深入探讨了 AI 对经济结构的重塑，特别是 Sovereign Individual (主权个人) 的崛起、初级职位的消失危机、以及 Agent 十年愿景。
关于 AGI 何时到来以及如何定义
前者在应用角度，后者从构建角度，不能说谁对谁错，就是视角区别，我肯定是认同 Amjad 的。
Adam 的乐观视角：暴力破解通向智慧 Adam 对大语言模型（LLMs）的发展持高度乐观态度。他认为，如果回望一年前的世界，那是完全不同的景象。推理模型的进步、代码生成能力的提升以及视频生成技术的发展，都在以前所未有的速度推进。他并不理解市场上弥漫的看跌情绪。对于 Adam 而言，阻碍模型表现的瓶颈往往不是智力本身，而是如何将正确的上下文（Context）输入给模型，以及计算机操作（Computer Use）能力的完善。他预测，在未来 1-2 年内，这些问题将得到解决。一旦实现，人类工作的很大一部分将被自动化。他提出了一个非常具象的 AGI 定义锚点：
- 如果一个 AI 能够胜任任何可以由远程工作者完成的工作，那就是 AGI。
- 它不需要在每一项工作上都比世界上最好的人更强，也不需要超越团队协作的智慧，只要能比典型的远程员工做得更好，世界就会发生翻天覆地的变化。
Adam 承认当前的架构在记忆和持续学习方面存在困难，但他认为这些问题可以通过变通方法解决，并不需要全新的架构突破。即使人类智能是进化的产物，拥有极高的计算效率，我们依然可以通过投入更多的能源、更多的数据和更强的算力，以”暴力破解”的方式达成同等水平的智能。
Amjad 的现实视角：人类数据的局限 Amjad 站在了更审慎的一方。他批评了诸如《Situational Awareness》等宣称 2027 年实现 AGI 的论文，认为这些更多是基于感觉（而非科学。他指出，目前的 LLM 虽然惊人，但并非等同于人类智能。目前的模型依然很容易被简单的逻辑陷阱愚弄（例如”这句话里有几个 R”），且为了掩盖这些缺陷，行业正在进行大量的人工修补工作。
Amjad 提出了 Functional AGI (功能性 AGI) 的概念：
- 这是一种通过收集大量数据、创建强化学习（RL）环境，针对特定工作（如投资银行、编程）进行自动化替代的路径。
- 这需要巨大的金钱、数据和算力投入，是一种蛮力手段，而非真正的通用智能突破。
他认为真正的 AGI 应该像旧派的强化学习定义那样：一个机器进入任何环境，能像人类一样高效地学习。 例如，一个人可以在 2 小时内学会打台球，而目前的 AI 无法在缺乏海量数据预训练的情况下做到这一点。Amjad 担心，当前的繁荣是建立在”非苦涩教训（Non-bitter lesson）“之上的，即过度依赖人类专家的智力劳动来进行数据标注和训练，这种模式难以自然扩展。
初级岗位的消失与新工作的诞生
随着 AI 能力的提升，经济增长与就业市场的结构性变化成为了两人关注的焦点。这其中既有对 GDP 爆发的期待，也有对人才培养断层的深深忧虑。
GDP 增长与自动化的经济逻辑 Adam 认为，如果 AI 能以每小时 1 美元的能源成本完成人类的工作，GDP 的年增长率将远超 4-5%。瓶颈可能在于能源供应（如发电厂的建设）或供应链的其他环节，而不是技术本身。然而，Amjad 指出了一个更为隐蔽且危险的经济现象，他称之为 AI 对经济的”有害影响”。
初级职位的自动化陷阱 Amjad 详细描述了一个正在发生的困境：AI 能够极好地自动化初级职位，但无法替代专家。
- 案例推演： 以 QA（质量保证）工作为例，AI 处理得很好，但遇到长尾的复杂问题仍需专家介入。结果是，资深 QA 专家开始管理数百个 AI 智能体，生产力大幅提升。
- 后果： 公司不再招聘新人，因为 AI 比新手更好用。但这破坏了人才培养的阶梯——如果没有人从事初级工作，未来就不再有专家产生。
- 数据枯竭： 此外，当前的 LLM 训练依赖专家产生的数据。如果专家阶层因缺乏后备力量而逐渐萎缩，AI 将失去进化的数据养分。
新职业的涌现与人类的独特价值 面对自动化，未来人类将从事什么工作？
- Adam 的观点： 艺术和诗歌等创造性工作可能会复兴，就像计算机击败人类棋手后，下棋的人反而更多了。但在短期（10-15 年内），需求量最大的将是擅长使用 AI 完成工作的人。利用 AI 杠杆完成单靠人类无法完成的任务，将是核心竞争力。他还反驳了只有人类才懂人类的观点，指出推荐算法在预测人类喜好方面早已超越了人类，未来 AI 可能比人类更懂人类的需求。
- Amjad 的观点： 只要 AI 没有获得人类的身体体验（Embodied Experience），人类在产生创意、理解同类需求方面依然具有不可替代的价值。服务业和基于人类互动的经济活动仍将是人类的堡垒。
主权个人的崛起与创新者的窘境
这一部分探讨了 AI 技术在宏观层面是如何改变公司结构、政治实体以及个人在社会中的位置的。
Sovereign Individual (主权个人) 的预言 Amjad 引用了 90 年代的经典著作《The Sovereign Individual》，认为这是对当前世界走向的最佳预测。
- 核心论点： 信息革命（或智能革命）将导致大量普通劳动者在经济上变得无关紧要，但同时会极大地赋予”企业家”权力。
- 杠杆效应： 借助 AI，极少数具有生成能力、创意和敏锐度的个人（Solo Entrepreneurs）可以迅速构建产品、组建虚拟公司。
- 政治变迁： 这种生产力的集中将改变政治结构。民族国家可能会衰退，转而像争夺客户一样争夺高净值的”主权个人”。这预示着一个更加去中心化、竞争激烈的治理环境。
中心化与去中心化的博弈 John 提出了 Peter Thiel 关于”加密货币是去中心化的（自由意志主义），AI 是中心化的（共产主义）“的论断。Adam 和 Amjad 认为情况更为复杂。AI 确实赋予了边缘节点（个人）极大的权力，导致创业门槛降低，使得更多人能成为独立创业者。但同时，Hyperscalers（超大规模云厂商）和基础模型公司也因资源密集而变得更加庞大。这可能形成一个”哑铃型”结构：巨头极大，个体极强，中间层被挤压。
Poe 的知识聚合与 Replit 的智能体开发革命
Poe：捕捉隐性知识 Adam 解释了 Quora 推出 Poe 的逻辑。他们发现 GPT-3 虽然在生成答案上不如人类精准，但其即时性和隐私性（用户不需要公开提问）是巨大优势。Poe 的核心赌注在于模型的多样性。
- 世界不会只有一个模型统治一切。图像、视频、音频、推理、编码等不同领域将出现通过不同架构优化的模型。
- Poe 的角色是聚合器，让用户在一个界面无缝使用各类模型。
- 关于人类知识：Adam 提到人类拥有大量未记录的”隐性知识（Tacit Knowledge）“。这些知识不在训练集中。未来的机会在于如何激励人类将这些知识数字化，无论是通过 Quora 这种问答平台，还是专门的数据标注公司。
Replit：Agent（智能体）的十年 Amjad 坚信 Andrej Karpathy 的判断：接下来是”Agent 的十年”。Replit 的演进路径清晰地展示了 AI 编程的代际跨越：
- Autocomplete (自动补全): 如 Copilot。
- Chat (对话): 如 ChatGPT。
- Composer (编辑器): 如 Cursor，可以编辑大段代码。
- Agent (智能体): Replit 的核心方向。
Replit Agent 不仅仅是写代码，它能配置基础设施、数据库、部署云端、运行调试循环。
- 关键突破： 引入验证器进入循环。Agent 写代码 -> 运行测试 -> 读取错误 -> 修正代码。这种高自主性允许 Agent 连续运行数小时甚至数天来解决复杂问题。
- 未来路线图：
- 并行 Agent： AI 能够同时处理登录页面、支付接口和管理后台，然后合并代码。
- 多模态交互： 从纯文本描述转变为白板画图、图表交互，像人类同事一样协作。
- 跨项目记忆： 拥有特定技能（如数据分析、前端）的 Agent 将驻留在你的 Slack 或工作流中，并记住你过去的所有项目偏好。
Adam D’Angelo(Poe 的 CEO ) 与 Amjad Masad(Replit 的 CEO ) 对谈
Adam 属于乐观派，认为通过持续的算力堆叠和模型改进，即便没有根本性的架构突破，人类也能在 1-2 年内实现高度自动化；而 Amjad 则更为现实和审慎，提出了 Functional AGI (功能性 AGI) 的概念，强调当前模型仍是在”暴力破解”且依赖人类专家数据的现实。除了技术辩论，两人深入探讨了 AI 对经济结构的重塑，特别是 Sovereign Individual (主权个人) 的崛起、初级职位的消失危机、以及 Agent 十年愿景。
关于 AGI 何时到来以及如何定义
前者在应用角度，后者从构建角度，不能说谁对谁错，就是视角区别，我肯定是认同 Amjad 的。
Adam 的乐观视角：暴力破解通向智慧 Adam 对大语言模型（LLMs）的发展持高度乐观态度。他认为，如果回望一年前的世界，那是完全不同的景象。推理模型的进步、代码生成能力的提升以及视频生成技术的发展，都在以前所未有的速度推进。他并不理解市场上弥漫的看跌情绪。对于 Adam 而言，阻碍模型表现的瓶颈往往不是智力本身，而是如何将正确的上下文（Context）输入给模型，以及计算机操作（Computer Use）能力的完善。他预测，在未来 1-2 年内，这些问题将得到解决。一旦实现，人类工作的很大一部分将被自动化。他提出了一个非常具象的 AGI 定义锚点：
- 如果一个 AI 能够胜任任何可以由远程工作者完成的工作，那就是 AGI。
- 它不需要在每一项工作上都比世界上最好的人更强，也不需要超越团队协作的智慧，只要能比典型的远程员工做得更好，世界就会发生翻天覆地的变化。
Adam 承认当前的架构在记忆和持续学习方面存在困难，但他认为这些问题可以通过变通方法解决，并不需要全新的架构突破。即使人类智能是进化的产物，拥有极高的计算效率，我们依然可以通过投入更多的能源、更多的数据和更强的算力，以”暴力破解”的方式达成同等水平的智能。
Amjad 的现实视角：人类数据的局限 Amjad 站在了更审慎的一方。他批评了诸如《Situational Awareness》等宣称 2027 年实现 AGI 的论文，认为这些更多是基于感觉（而非科学。他指出，目前的 LLM 虽然惊人，但并非等同于人类智能。目前的模型依然很容易被简单的逻辑陷阱愚弄（例如”这句话里有几个 R”），且为了掩盖这些缺陷，行业正在进行大量的人工修补工作。
Amjad 提出了 Functional AGI (功能性 AGI) 的概念：
- 这是一种通过收集大量数据、创建强化学习（RL）环境，针对特定工作（如投资银行、编程）进行自动化替代的路径。
- 这需要巨大的金钱、数据和算力投入，是一种蛮力手段，而非真正的通用智能突破。
他认为真正的 AGI 应该像旧派的强化学习定义那样：一个机器进入任何环境，能像人类一样高效地学习。 例如，一个人可以在 2 小时内学会打台球，而目前的 AI 无法在缺乏海量数据预训练的情况下做到这一点。Amjad 担心，当前的繁荣是建立在”非苦涩教训（Non-bitter lesson）“之上的，即过度依赖人类专家的智力劳动来进行数据标注和训练，这种模式难以自然扩展。
初级岗位的消失与新工作的诞生
随着 AI 能力的提升，经济增长与就业市场的结构性变化成为了两人关注的焦点。这其中既有对 GDP 爆发的期待，也有对人才培养断层的深深忧虑。
GDP 增长与自动化的经济逻辑 Adam 认为，如果 AI 能以每小时 1 美元的能源成本完成人类的工作，GDP 的年增长率将远超 4-5%。瓶颈可能在于能源供应（如发电厂的建设）或供应链的其他环节，而不是技术本身。然而，Amjad 指出了一个更为隐蔽且危险的经济现象，他称之为 AI 对经济的”有害影响”。
初级职位的自动化陷阱 Amjad 详细描述了一个正在发生的困境：AI 能够极好地自动化初级职位，但无法替代专家。
- 案例推演： 以 QA（质量保证）工作为例，AI 处理得很好，但遇到长尾的复杂问题仍需专家介入。结果是，资深 QA 专家开始管理数百个 AI 智能体，生产力大幅提升。
- 后果： 公司不再招聘新人，因为 AI 比新手更好用。但这破坏了人才培养的阶梯——如果没有人从事初级工作，未来就不再有专家产生。
- 数据枯竭： 此外，当前的 LLM 训练依赖专家产生的数据。如果专家阶层因缺乏后备力量而逐渐萎缩，AI 将失去进化的数据养分。
新职业的涌现与人类的独特价值 面对自动化，未来人类将从事什么工作？
- Adam 的观点： 艺术和诗歌等创造性工作可能会复兴，就像计算机击败人类棋手后，下棋的人反而更多了。但在短期（10-15 年内），需求量最大的将是擅长使用 AI 完成工作的人。利用 AI 杠杆完成单靠人类无法完成的任务，将是核心竞争力。他还反驳了只有人类才懂人类的观点，指出推荐算法在预测人类喜好方面早已超越了人类，未来 AI 可能比人类更懂人类的需求。
- Amjad 的观点： 只要 AI 没有获得人类的身体体验（Embodied Experience），人类在产生创意、理解同类需求方面依然具有不可替代的价值。服务业和基于人类互动的经济活动仍将是人类的堡垒。
主权个人的崛起与创新者的窘境
这一部分探讨了 AI 技术在宏观层面是如何改变公司结构、政治实体以及个人在社会中的位置的。
Sovereign Individual (主权个人) 的预言 Amjad 引用了 90 年代的经典著作《The Sovereign Individual》，认为这是对当前世界走向的最佳预测。
- 核心论点： 信息革命（或智能革命）将导致大量普通劳动者在经济上变得无关紧要，但同时会极大地赋予”企业家”权力。
- 杠杆效应： 借助 AI，极少数具有生成能力、创意和敏锐度的个人（Solo Entrepreneurs）可以迅速构建产品、组建虚拟公司。
- 政治变迁： 这种生产力的集中将改变政治结构。民族国家可能会衰退，转而像争夺客户一样争夺高净值的”主权个人”。这预示着一个更加去中心化、竞争激烈的治理环境。
中心化与去中心化的博弈 John 提出了 Peter Thiel 关于”加密货币是去中心化的（自由意志主义），AI 是中心化的（共产主义）“的论断。Adam 和 Amjad 认为情况更为复杂。AI 确实赋予了边缘节点（个人）极大的权力，导致创业门槛降低，使得更多人能成为独立创业者。但同时，Hyperscalers（超大规模云厂商）和基础模型公司也因资源密集而变得更加庞大。这可能形成一个”哑铃型”结构：巨头极大，个体极强，中间层被挤压。
Poe 的知识聚合与 Replit 的智能体开发革命
Poe：捕捉隐性知识 Adam 解释了 Quora 推出 Poe 的逻辑。他们发现 GPT-3 虽然在生成答案上不如人类精准，但其即时性和隐私性（用户不需要公开提问）是巨大优势。Poe 的核心赌注在于模型的多样性。
- 世界不会只有一个模型统治一切。图像、视频、音频、推理、编码等不同领域将出现通过不同架构优化的模型。
- Poe 的角色是聚合器，让用户在一个界面无缝使用各类模型。
- 关于人类知识：Adam 提到人类拥有大量未记录的”隐性知识（Tacit Knowledge）“。这些知识不在训练集中。未来的机会在于如何激励人类将这些知识数字化，无论是通过 Quora 这种问答平台，还是专门的数据标注公司。
Replit：Agent（智能体）的十年 Amjad 坚信 Andrej Karpathy 的判断：接下来是”Agent 的十年”。Replit 的演进路径清晰地展示了 AI 编程的代际跨越：
- Autocomplete (自动补全): 如 Copilot。
- Chat (对话): 如 ChatGPT。
- Composer (编辑器): 如 Cursor，可以编辑大段代码。
- Agent (智能体): Replit 的核心方向。
Replit Agent 不仅仅是写代码，它能配置基础设施、数据库、部署云端、运行调试循环。
- 关键突破： 引入验证器进入循环。Agent 写代码 -> 运行测试 -> 读取错误 -> 修正代码。这种高自主性允许 Agent 连续运行数小时甚至数天来解决复杂问题。
- 未来路线图：
- 并行 Agent： AI 能够同时处理登录页面、支付接口和管理后台，然后合并代码。
- 多模态交互： 从纯文本描述转变为白板画图、图表交互，像人类同事一样协作。
- 跨项目记忆： 拥有特定技能（如数据分析、前端）的 Agent 将驻留在你的 Slack 或工作流中，并记住你过去的所有项目偏好。