原始标题: The real AI boom hasn’t even started yet

发布日期: 2026-01-29 | 来源频道: @LennysPodcast

📝 深度摘要

Marc Andreessen是硅谷传奇投资人、a16z联合创始人，被誉为"硅谷先知"。此次对话中，他与播主Lenny Rachitsky深入探讨AI技术的本质与未来影响，试图回答一个核心元问题：AI究竟会将人类引向何方？ Andreessen提出AI是"哲学石"，能将有形的沙子转化为无形的智能，并就2025-2026年技术变革临界点、生产力复苏、个性化教育平权、个人技能战略等议题展开论述，旨在帮助听众理解AI革命的真实走向，在不确定性中把握机遇。

Marc Andreessen：真正的AI革命尚未开始

2. 核心干货概览

3. 对话背景与核心议题

Marc Andreessen是硅谷传奇人物，a16z（A Andreessen Horowitz）联合创始人，被誉为"互联网先知”。他曾在1993年发明Mosaic浏览器，1999年创立Netscape，2011年提出"软件正在吞噬世界"（Software is Eating the World）的论断并被广泛验证。他对技术趋势的预测准确度极高，包括预测智能手机将普及至50亿用户。

这场对话旨在回答三个核心元问题：

第一，AI对普通人意味着什么？ Marc认为AI不是威胁，而是每个人成为"主要贡献者"的终极杠杆。他以自己10岁儿子为例，展示如何使用AI工具进行"氛围编程"（Vibe Coding），仿佛拥有了一支AI团队。

第二，AI是否会大规模取代人类工作？ Marc从经济史角度提出反直觉观点：过去50年技术变革速度实际处于历史低位，AI带来的变化只是让我们"恢复正常"的1870-1930年水平的变革速度。同时，全球人口下降与AI出现的时机"奇迹般地吻合"——我们恰好在需要AI的时刻拥有了AI。

第三，技术从业者如何在新时代生存和发展？ Marc提出"T型/ F型技能"框架：需要在至少两个领域达到深度专业水平，同时横向扩展到其他领域。他以"墨西哥对峙"形容产品经理、设计师、工程师之间的互相跨界竞争，并指出AI实际上可以让这三种角色都能完成其他两者的任务。

4. 深度逻辑拆解

第三章：AI——从炼金术到哲学石的千年梦想

Andreessen在对话开场抛出了一个令人深思的类比：早期科学家，包括艾萨克·牛顿本人，都曾痴迷于炼金术——将铅转化为黄金。几代科学家花费数十年寻找所谓的"哲学石"，一种能够将常见物质转化为稀有珍贵物质的过程或机器。牛顿本人既发展了牛顿物理学和微积分，又毕生追求炼金术，却从未成功。然而，今天我们拥有了真正将沙子转化为思维的技术——AI。最常见的物质是沙子（硅），最稀有的东西是智能思维，而AI实现了这一转变。这不是隐喻，Andreessen强调，这就是字面意义上的"哲学石"。

这一认知框架深刻影响了他对AI的态度。他直言自己对AI感到"极度兴奋"，因为这是人类历史上首次拥有真正能够放大个人能力的技术。他以自己10岁儿子为例：孩子可以使用Claude、ChatGPT和Copilot等工具，通过"氛围编程"创造游戏。10岁孩子能够连续两小时与AI"争论"——这在传统编程时代是不可想象的。他认为，培养孩子的目标应该是让他们成为能够利用AI杠杆的"主要贡献者"，无论是在开发新物理领域、编写代码、成为艺术家、写作小说，还是任何他们感兴趣的领域。

关于所谓"硅谷人士不让孩子使用电脑"的迷因，Andreessen明确表示这完全是误解。在他看来，实际情况恰恰相反——越深入接触硅谷技术的人，越重视让孩子完全理解并使用这些工具。他和妻子正是在这个模式下培养儿子。

第四章：AI如何重塑教育：Bloom二西格玛效应的民主化

对话深入探讨了AI对教育的影响。Andreessen提出一个根本性问题：当谈到教育时，实际上存在两个完全不同的层面。一个是国家层面的问题——如何教育所有孩子，这显然极其重要，需要大规模的国民教育体系。另一个是N等于1的问题——对于单个孩子，你具体能做什么？

历史上已知的最理想教育方式是数千年来皇家家族和贵族阶层一直采用的方法：一对一辅导。亚里士多德教导亚历山大大帝，后者征服了世界。统计学证据也支持这一点。教育领域有一个著名的问题——如何改善教育成果？答案几乎只有一个：Bloom二西格玛效应。这是一种能够将学生成绩提高两个标准差、将孩子从第50百分位提升到第99百分位的教育方法，那就是一对一辅导。当导师与学生形成紧密的循环，学生能够持续处于能力边缘，并获得实时反馈，学习效果显著提升。

问题在于，一对一辅导在经济上从未对除最富有人群之外的任何人可行。AI使这一梦想真正变得可行。如果一个孩子对某个主题超级感兴趣，他们可以与LLM进行无限对话，提出无数问题，获得即时反馈。事实上，你可以告诉LLM：“教我如何做以下事情”，如果说得太复杂，你可以要求"简化一下"，或者"测验我一下，看我是否理解"。今天任何人都可以做到这一点。

Andreessen提到了一家名为Alpha的新私立学校系统，其哲学基础正是他在描述的组合——结合了真人学校和教师，但也严重依赖AI和AI辅导。他大胆预测，对于关心孩子教育的父母来说，现在是一个绝佳时机认真思考这个问题，审视各种选择。

针对年轻人工作前景的担忧，Andreessen明确表示"工作替代论"过于简化。他认为，过去50年我们处于技术变革极为缓慢的经济体制中。变革速度只有前一个时代的一半，是100年前的三分之一。我们正从几乎没有技术进步的经济阶段走出。即使AI将生产力增长速度提高两倍——这将是一件大事——也只会让我们恢复到1870年至1930年之间的同等人员流动水平。如果回顾1870年至1930年的记载，人们认为世界充满了机会。在那种技术转型速度下，孩子们能够发展新的职业，进入经济新领域，建设新产品和服务。我们今天所知的现代世界大部分就是在那个时期发明和普及的。即使AI将经济变化速度提高两倍，也只会转化为更高的经济增长率，更高的就业增长率。任务层面和就业层面的替代会发生，但这将被经济增长和创新所带来的宏观效应所淹没。

他进一步指出，所有这些都发生在人口增长下降甚至人口收缩的背景下。在未来10年、20年、30年里，许多国家的劳动力将越来越稀缺——实际上是因为人口水平在下降。劳动力将变得更有价值而非更廉价。生产力增长加快、经济增长加快，加上人口增长放缓和移民减少，意味着不会有反乌托邦式的"没有工作"的局面。

Andreessen还提出了一个反直觉的经济学分析：如果AI像某些人预测的那样极大地改变经济，必要的结果是生产力大幅增长。生产力大幅增长的直接含义是，以更少的投入获得更多的产出——用AI替代人类工作者或任何东西。由此产生的结果是，所有受影响部门的商品和服务大量涌现。供过于求的结果是价格崩溃——今天价值100美元的东西现在值10美元，现在值1美元。这相当于给每个人巨额加薪，因为现在他们有了额外的购买力。这种额外的购买力然后转化为经济增长，新领域的开辟。每个人都过得更好。而且，如果真的出现失业，由于所有商品和服务价格都在崩溃，提供社会安全网的成本也大大降低。医疗保健价格崩溃，住房价格崩溃，教育价格崩溃，一切都在崩溃。在这种反乌托邦式的情景中，不存在人人贫穷的情况——实际上恰恰相反。

第五章：技术从业者的生存法则——T型与F型技能

对话转向技术从业者的职业发展。Andreessen提出了一个极为精辟的"墨西哥对峙"框架：产品经理、设计师和工程师这三个角色之间正在发生一场三方对决。每个工程师现在都相信自己也可以成为产品经理和设计师，因为他们有AI。每个产品经理认为他们可以成为工程师和设计师。每个设计师知道自己可以成为产品经理和工程师。因此，每个角色的人都认为有了AI，他们不再需要其他两个角色——他们可以用AI来做那些事。

真正讽刺的是，这三类人很快就会意识到AI也可以成为更好的管理者。他们最终会把枪口对准组织架构图。但更有趣的是，他们实际上都是对的。AI现在实际上是一个相当不错的程序员，一个相当不错的程序员，也是一个相当不错的产品经理。它实际上擅长做这三项工作，或者至少擅长这三份工作中的很多任务。

由此，Andreessen引出了"超级赋能个体"的概念。如果他是一名程序员，他需要做的第一件事是真正了解AI编程，理解这意味着什么，编程在未来会如何改变。具体来说，如何从完全手工写代码的程序员转变为管理十几个编码Bot的程序员。编程工作本身正在发生变化，但另一方面是，如何成为那个超级赋能的个体——如何成为也能利用AI成为伟大产品经理和伟大设计师的程序员。 产品经理应该确保自己能够使用编码工具，能够进行基于AI的设计。设计师应该学会使用AI来成为程序员和产品经理。最终，有才华的人会变得超级赋能，擅长做所有这三件事。然后这些人变得非常有价值，因为他们是真正能够从零开始构建和设计新产品的人。

关于是否仍然需要学习编码，Andreessen给出了明确肯定的回答。如果你只想让自己处于自动驾驶模式，AI可以为你写代码，这没问题。AI会完美地生成无限量的平庸代码，这没问题。但如果你想成为世界上最好的软件人才之一，想构建真正重要的新软件和技术，那么100%你想要仍然走完全程——一直到汇编和机器语言，你想理解堆栈的每一层，你想深刻理解芯片层面、网络层面等各层级发生的事情。你也想深刻理解AI本身是如何工作的，因为如果你理解AI是如何工作的，你显然能够从中获得更多价值。理解机器的人总是更有效率的。超级赋能个体想要用这项新技术做大事，100%需要理解整个技术栈，因为当你能够理解它在做什么时，你就能理解它在给你什么。当有些东西不工作或不正确时，你能够快速理解原因。

他以自己10岁儿子为例：儿子使用Claude、ChatGPT和Copilot等工具进行编程。他告诉儿子的是，你需要仍然完全理解和学习如何编写和理解代码，因为AI编程Bot给你的代码如果不工作或不是你期望的，或者不够快，或者任何什么问题，你需要能够理解AI给你的结果。这与使用脚本语言编程的人最终需要理解微处理器如何工作是同样的道理。

关于设计，Andreessen认为AI会非常擅长做图标这类任务——生成一千个图标设计，非常棒。但真正的问题是什么是这个东西的目的？它如何在人类世界中运作？它是否会让使用它的人感到快乐？它是否让他们自我感觉良好？它是否融入他们生活的其余部分？它是否以正确的方式挑战他们？这些都是伟大设计师一直在思考的高层次问题。设计师的工作将更多地涉及这些更高层次、更重要的组成部分。设计技能（品味和用户体验）将是未来最难学习、最有价值的技能之一。

第六章：AI创始人的三重变革与"十亿美元单人公司"的终极梦想

对话讨论了AI时代创业的变化。Andreessen认为有三个层面：

第一层：AI如何重新定义产品本身。 这是技术转型时的传统问题。新技术出现，可能是添加到现有产品中的新功能，也可能是重新定义整个产品类别。例如Adobe Photoshop在图像编辑领域建立了40年的地位。AI是作为功能添加到Photoshop中，还是人们完全停止编辑图像，因为使用Midjourney生成新图像比尝试编辑旧图像更容易？许多科技领域都在问这个问题，最优秀的创始人正在试图弄清楚如何做到这一点。

第二层：AI如何改变工作。 这是他们之前讨论的内容。如果他是一家公司的创始人，预算可以雇用100个程序员，如何让这些程序员成为超级赋能的AI程序员，而不是他过去拥有的那种程序员？如果他们是超级赋能的AI程序员，是否仍然需要100个人？还是现在只需要10个？或者仍然想要100个，但他们现在做10倍的工作？

第三层（尚未完全落地但意义最重大）：公司的基本概念本身是否改变？ 整个公司是否可以只有创始人一人，因为创始人管理的是一支AI机器人大军？这涉及到软件行业长期追求的"单人十亿美元公司"的圣杯。Instagram和WhatsApp就是很好的例子——非常小的团队获得了巨大的成果。如果做的是软件，这似乎在某些情况下是可行的。最终的例子是能否有完全自主的AI经济——AI机器人在区块链上运行，实际上作为企业运营，赚钱，创造收益。

Andreessen承认自己无法确切预测未来。他强调，面对重大技术变革，过度自信的预测往往是错误的。他以互联网为例：1993年到1997年甚至到2005年、2010年的报道，人们在前10到15年做出的几乎所有自信预测都是错误的，往往错得相当离谱。因此，对于AI这样的复杂适应系统，技术本身提供了一种输入，法律和监管程序提供了另一种输入，企业家做出的个人选择也很重要，经济学也很重要， 可再生能源资本的可获得性随时间变化，这也很重要。这是一个复杂系统，最终结果确实不得而知，需要对结构层面可能发生的意外保持开放态度。

第七章：关于AI护城河与AGI的哲学思考

关于AI模型是否有护城河（Moats），Andreessen认为这个问题存在两个完全对立的观点。一方面，似乎应该有护城河，因为构建某些东西需要数十亿美元，需要大量的计算和数据，只有少数工程师知道如何做，他们像NBA球星一样获得报酬，这些公司还要处理疯狂的政治、媒体、声誉、监管和法律问题。因此，可能最终只有两三家公司占据50%、30%或90%的市场份额，这可能是经典的寡头垄断或垄断格局，历史上在软件行业曾多次发生。

但另一方面，如果三年前有人说一年内会有五家美国公司拥有完全有能力的产品，还会有五家中国公司拥有完全有能力的产品，加上基本上相同的开源技术，这似乎也是可能的。实际上这正是发生的事情——GPT-3发布后一年内，就有开源GPT-3在很少硬件上运行，可以免费获得。还有五家公司——Google、Anthropic、XAI、Meta，以及所有的其他公司——都 fully in the game，还有DeepSeek、Kimi等中国公司。甚至在LLM或AI模型层面，也可以从这个角度看待。

关于应用层，一个观点是应用不是东西，因为模型会做所有事情。但另一种观点是，将模型作为引擎嵌入特定领域——医疗、法律、编码等领域——实际上需要应用程序层面的适配，可能很有价值。也许LLM正在商品化，价值可能转移到应用程序上。

对于AGI，Andreessen表示自己一直在与AGI概念搏斗，因为有两种定义方式。“宇宙学"定义是奇点——AI进入奇点的时刻，旧世界的规则消失了，我们现在在新领域运作。完全定义的奇点是一个人类判断不再真正相关的世界，因为AI在自我提升，这种"起飞"情景下，AI自我提升，机器比人做决定快得多，人只能坐着看机器做事。他不认为我们足够幸运或足够不幸生活在那个世界里。

” prosaic"定义（行业参与者基本同意）是当AI能像人类一样很好地完成每一个具有经济价值的任务。Anthropic联合创始人的定义是：一篮子最有价值的经济任务，大概10到15个，不是每一个经济上重要的任务。

Andreessen认为宇宙学定义高估了将要发生的事情，而AGI的定义（人类等价）低估了将要发生的事情。人类技能水平没有理由成为任何事情的上限。“人类等价"的定义总是与人类工人进行比较，但人类的技能水平有上限——这是由于人类生物有机体的固有限制。人类IQ的最高水平大约是160，这是爱因斯坦、费曼的水平。160 IQ的人是提出新物理学的人，这样的人很少。一般来说，世界上最聪明的人——畅销书作者、最好的研究科学家、最好的医生——大概是140。好的律师大概是130。好的业务一线经理大概是110。好的小规模企业会计大概是105。这就是人类智力的范围。

但AI没有这个限制。现有AI模型现在在130到140的水平测试，正在突破160。但AI可以相对快速地达到160、180、200、250、300。AI的IQ将超过人类，这不是坏事——世界会因为有更多爱因斯坦而变得更好。AI在任务上的表现也会变得更好——AI程序员会变成比最优秀的人类程序员更好的程序员，AI医生会比最优秀的人类医生更好，AI律师会比最优秀的人类律师更好。他认为"人类等价"只是一个脚注——2026年某个星期二达到了人类等价，然后下一个问题是：在这个我们实际上拥有比人类更好的机器的世界里，我们能做什么？

第八章：阅读策略与媒体消费的双杠铃法则

Andreessen分享了他的媒体消费习惯。他采用"完美的双杠铃策略”：要么读最新的东西，要么读50年前经得起时间考验的书，中间的一切他都更加怀疑。他解释称，如果回头读旧报纸——即使是上周的报纸——会发现他们预测的事情几乎没有一件按照他们说的方式发生。他们对将要发生的事情毫无头绪，但他们基于没有任何信息做预测和预言。他对杂志也有同样的感觉——杂志周期更长，从文章发表到出版往往已经过时。

他特别强调领域从业者的价值——实际在该领域创造内容的人。他提到Substack和Newsletter现象，以及直接接触实际在该领域工作、了解自己在说什么的聪明人的价值。他以Lex Friedman为例——能够采访世界顶尖专家。他承认人们总是批评这些人"为了自己的利益说话"，但他发现人们实际上喜欢谈论他们做了什么，他们想要表达，他们想要解释，他们想要人们理解这一点，每个人都喜欢这样做，他们通过这样做为人类知识做出贡献，同时获得自我满足感。

关于电影，他推荐了《Edington》，认为这是十年来最好的电影，甚至可能是过去15年最好的电影。这部电影以新墨西哥州一个约600人的小镇为背景，设定在2020年3月，讲述COVID首次来袭，然后延伸到2020年夏天——弗洛伊德事件、抗议和骚乱，以及一切。还有一家公司基本上是Meta的伪装版本，在城郊建设AI数据中心。

5. 方法论与工具箱

干货建议/SOP

步骤一：建立AI超级赋能的个人工作流

• 选择一个核心专业领域（编程、产品管理或设计），深入学习直到完全理解底层原理
• 使用AI作为"永远不会厌倦的导师"，让它教你其他技能
• 创建"AI委员会"：让一个AI编写代码，让另一个AI调试代码，让它们互相批评
• 每次遇到问题时，询问AI：“我本可以说什么来首先避免这个错误？”

步骤二：构建T型或F型技能组合

• 在一个核心领域达到深度专业水平（垂直技能）
• 使用AI快速学习并横向扩展到至少一个其他领域
• 目标：成为能够从零开始独立构建完整产品的"独角兽"

步骤三：建立持续学习的系统

• 每天花时间与AI进行"苏格拉底式对话"，让它解释概念、测试你、给你作业
• 观看AI agent的思考过程，学习其架构思路
• 每周尝试用AI构建一个小项目，通过实践学习

推荐资源/工具

• 编程工具：Claude、ChatGPT、Copilot、Replit（他10岁儿子100%沉迷于Replit的氛围编程）
• 语音AI：Grok with Bad Rudy（有趣的声音体验）、Sesame（情感语音体验）、Whisper Flow（语音转录+AI对话）
• 可穿戴设备：Meta眼镜、所有语音输入设备
• 学习平台：Khan Academy（AI辅导）、Alpha学校系统
• 阅读策略：最新新闻或经典书籍（50年以上），避免中间层次

6. 反直觉洞察与辩论

反直觉点

1. AI不是工作杀手，而是解决人口老龄化危机的救星：如果没有AI，我们将面临人口减少和经济萎缩的恐慌。AI恰好在需要的时刻出现。

2. AI带来的生产力提升会让一切变便宜，实际上是给全民加薪：价格崩溃意味着购买力上升，人们实际上会变得更富有。

3. “人类等价"AGI只是一个短暂的mark点：AI会迅速超越人类智能，160 IQ（爱因斯坦水平）只是起点，200、300、500 IQ是必然。

4. 过去50年技术变革速度实际上是历史最低水平：我们正从技术停滞期走出，AI只是让一切"恢复正常”。

5. 深度学习编码仍然绝对必要：如果你想成为顶尖人才，必须理解底层原理，“氛围编码"无法替代真正的专业知识。

争议/冲突点

1. Peter Thiel的"进步停滞论”：Andreessen承认Thiel关于"bit世界进步快但atom世界进步慢"的观点是正确的，过去50年大多数经济领域几乎没有技术创新。

2. 医疗系统是"卡特尔"：AI在医疗领域的应用面临医生、护士、医院等卡特尔集团的阻力，ChatGPT可能比大多数医生更好，但无法获得执业许可。

3. 关于Moats的辩论：他既认为AI模型可能有护城河（需要大量资金和人才），又指出开源和竞争正在快速商品化，最终结果未知。

4. “墨西哥对峙"框架：每个角色都认为AI让他们可以替代其他两个角色，但实际上AI让所有人都可以跨界。

7. 金句

• “我们现在有了真正将沙子转化为思维的技术——这就是’哲学石’。”
• “AI应该是终极的与世界互动的杠杆，让一个有自主性的孩子说’我实际上可以成为一个主要贡献者’。”
• “一对一辅导可以将学生从第50百分位提升到第99百分位——现在每个人都可以拥有自己的私人导师。”
• “即使AI将生产力提高两倍，也只会让我们恢复到1870-1930年的正常变革速度。”
• “价格崩溃相当于给全社会加薪——每个人都突然变得更富有。”
• “AI模型现在在130-140 IQ水平，正在突破160。160只是爱因斯坦的水平，然后是200、300、500——没有上限。”
• “如果你想成为顶尖人才，你需要理解整个技术栈，一直深入到汇编语言和机器码。”
• “最优秀的创始人都是’确定性乐观主义者’——他们有非常具体的计划。我们是’不确定性乐观主义者’——我们让1000个聪明人尝试1000种不同的事情。”
• “不要成为可替代的齿轮——成为不可替代的组合。”
• “世界会因为有更多爱因斯坦而变得更好，机器拥有超越爱因斯坦的IQ也是如此。”

📺 视频原片

视频ID: 87Pm0SGTtN8