引言：a16z Growth 的合伙⼈David George 与a16z crypto 的合伙⼈Chris Dixon 进⾏对话，探讨了他们对新互联⽹的愿景，包括加密货币去中⼼化 AI 基础设施；启动⽹络效应，AI 将成为这个时代的原⽣媒体形式等。这次对话还探讨了为什么互联⽹最初的商业模式正在⽡解，以及新的互联⽹如何为创作者引⼊全新的商业模式。
技术如何演变
「David George」：你现在⼤部分时间都专注于加密领域。你怎么看待加密技术和 AI 之间的关系？
Chris Dixon：我的宏观观点是，技术浪潮往往是成对或成三出现的。⼗五年前，移动互联⽹、社交⽹络和云计算是三⼤趋势。移动互联⽹让拥有计算设备的⽤户从数亿增⻓到数⼗亿；社交⽹络是吸引⽤户的“杀⼿级应⽤”；云计算则是⽀撑这⼀切的基础设施。这三者是相互依存的，缺⼀不可。当时⼈们争论哪个更好，但事实证明，它们都很重要。
「David George」：没错，它们都是必需的。
Chris Dixon：我认为 AI、加密技术和新型设备（⽐如机器⼈、⾃动驾驶汽⻋和 VR）是当前最有趣的三⼤趋势。它们也是相互补充、共同发展的。加密技术是⼀种新的事物（这正是我这本书的内容）它提供了⼀种全新的互联⽹架构⽅式，⽤来构建⽹络。它有⼀些独特的特性，能让过去⽆法实现的事情变成现实。 很多⼈⼀提到加密，就会想到⽐特币或 meme 币。但对我和许多真正懂加密的专业⼈⼠来说，加密的本质远不⽌于此。它与 AI 有很多交集。其中⼀种最基础的结合⽅式就是⽤加密架构来构建 AI 系统。我们已经在这个⽅向投⼊了很多。
我们在公司内部讨论过⼀个核⼼问题：AI 的未来是会被少数⼤公司掌控，还是会由更⼴泛的社区共同管理？这⾥⾸要的问题就是：AI 是否开源？AI 领域变得如此封闭，真的让我很震惊。⼗年前，所有 AI 研究都是公开的，都会发表在论⽂上。但后来，这个⾏业突然变得封闭起来。他们声称这样做是出于安全考虑，但我认为这是为了他们⾃⼰的竞争优势。幸好，现在还有⼀些开源项⽬，⽐如 Llama、Flux 和 Mistral。但我有点担⼼，这种开源模式有些脆弱，因为很多项⽬并不公开它们的模型权重。这些真的算开源吗？有些模型是开源的，但它们的数据管道并不是。它真的可以被⾃由复现吗？他们明天可能就改了模型，你也没办法。这些 AI 模型每个⽉都在进步，但如果它们不再保持前沿，我就不知道该怎么办了。
「David George」：⾄少⽬前来看 AI⾮常依赖⼤公司。
加密货币与 AI 如何互动
Chris Dixon：我们投资的⼀些项⽬专注于建⽴⼀个适⽤于 AI ⽣态的去中⼼化互联⽹服务架构。举个例⼦，有个名叫 Jensen 的项⽬在构建⼀个去中⼼化的计算资源⽹络。它的模式类似 Airbnb，允许⽤户提交计算任务，并分配到全球闲置的计算资源上，从⽽优化算⼒供需。这个⽹络就像⼀个经济账本，管理着计算资源的供应和需求。
另⼀个例⼦是 Story Protocol，它是⼀种注册知识产权的新⽅式。假设你是⼀个创作者，你可以将图⽚、视频或⾳乐登记到区块链上，区块链会记录媒体及其所有权利。它使⽤现有的版权法，明确其版权归属。这样，任何⼈都可以在遵守协议的前提下使⽤这些内容，任何⼈都可以来，你可能会说：“你可以使⽤这个混⾳，你可以创作衍⽣作品，但你必须⽀付我 10% 的收⼊。”
「David George」：……或者任何⽐例。
Chris Dixon：在区块链⾥你可以设定条款，创建⼀个开放的市场。但⽬前的市场上，你只能⾃⼰联系公司并尝试谈判。这导致⼈们要么窃取内容，要么⼲脆不使⽤，或者只有⼤型公司才能达成版权交易。⽐如 OpenAI 向 Shutterstock⽀付了 1 亿美元，区块链创建了⼀个⼴泛的⺠主资源，⼩型创作者可以设定⾃⼰的条款。
加密技术的⼀个核⼼优势是可组合性（composability）。开源软件之所以成功，很⼤程度上是因为它允许开发者在已有模块上组合叠加创新。Linux 就是⼀个很好的例⼦，从 90 年代⼏乎 0% 的市场份额，发展到如今占据超过 90% 的服务器市场，就是因为其可组合性。⼈们为系统贡献（哪怕很⼩），使其变得更好。这也像维基百科作为⼀个知识集成系统⼀样。
说回 Story Protocol ，它也让创意内容也能像乐⾼积⽊⼀样⾃由组合。⽐如某⼈创造⼀个⾓⾊，另⼀个⼈编故事，再有⼈⽤ AI ⽣成动画，你可以创建⼀个新的超级英雄宇宙，只要资⾦回流，最后⼤家都能分⼀杯羹。
「David George」：这种模式的关键在于，资⾦流向是透明且公平的。
Chris Dixon：这样创作者既能使⽤ AI ⼯具提升效率，同时⼜能获得经济回报，⽽不是被免费利⽤。这是⼀个伟⼤的愿景——它激励⼈们使⽤这些新⼯具，同时提供经济模型。我们投资中经常思考，如何在 AI 驱动的世界中为创意⼯作者找到新的经济模型。这是 AI+Crypto 这个交叉点最令我兴奋的领域。
「David George」：过去社交平台获取了 100% 的⼴告收⼊，⽽创作者只能依赖流量变现。⽽我们希望看到的是⼀个创作者可以⾃由定价、⾃由交易的新体系。这样能带动更多的创新。
「David George」：因为经济激励⼀致。
Chris Dixon：以此为基础说开，我们正在看到更多这种‘众包’⽅式来做 AI 。从数据的⾓度来看，AI 需要更多的数据。⽽加密技术的突破点在于，它能够设计新的激励系统。关键是我们如何利⽤这些系统来收集更多的 AI 训练数据？数据既可以作为 AI 的输⼊，也可以⽤于模型评估，或者其他⽤途。这与 Scale AI 做的事情类似，但区别在于我们希望⽤去中⼼化的⽅式来完成，⽽不是由⼀个中⼼化公司来控制整个流程。
我们投资的⼀个项⽬是 WorldCoin，这个项⽬由 Sam Altman 共同创⽴。它的核⼼理念是，在 AI 可以伪造⼈类⾝份和内容的世界⾥，我们需要⼀种⽅法来证明⼀个⼈是真实存在的，⽽最好的⽅式就是通过区块链，以加密技术来完成⾝份验证。WorldCoin 设计了⼀套激励机制，让⽤户可以注册并获得⾝份认证，如球形扫描仪（orb）来扫描虹膜，但这⼀做法引发了⼀些争议。现在他们提供了其他⽅式，⽐如通过护照进⾏⾝份验证。⼀旦你完成⾝份验证，就可以在区块链上获得⼀个加密凭证，这个凭证可以⽤在各种服务中。
⼀个简单的应⽤场景是验证 （CAPTCHA）。⽬前的验证码已经变得⾮常复杂，以⾄于可能连⼈类⾃⼰都⽆法轻松通过。相⽐这些繁琐的反欺诈系统，我们可以使⽤加密验证⽅式。⽤户可以收到⼀个加密代码，证明⾃⼰是⼈类，然后在此基础上增加额外的验证层级。这是另⼀个有趣的交叉点。
在基础设施层⾯去中⼼化的 AI 还有很多机会，⽐如把中⼼化的 AI 系统拆解，使其在代码和服务层⾯都变得去中⼼化。还有⼀些全新的可能性，⽐如 机器对机器⽀付（Machine-to-Machine Payments）。等等。
我认为最激动⼈⼼的部分是在 AI 时代探索新的商业模型，尤其是针对创作者的商业模型。
打破互联⽹的经济契约
「David George」：你在 ChatGPT 时刻后⽴即向我指出“嘿，我们有可能在打破互联⽹的契约”，我认为这是⼀个⾮常有趣的问题。
Chris Dixon：书中有⼀章是关于这个的，接近结尾。我称之为新契约。如果你考虑激励系统，互联⽹成功的主要原因之⼀是它有⼀个⾮常聪明的激励系统。你如何在没有中央权威的情况下让 50 亿⼈加⼊⼀个系统？这是因为互联⽹的激励机制。
ChatGPT 让⼈们看到了互联⽹经济契约可能被打破的迹象。过去 20 年，互联⽹形成了⼀种隐性的经济契约：搜索引擎和社交平台获取内容的权限，作为回报，创作者能获得流量。⽐如旅⾏⽹站、⾷谱⽹站、插画等，都会让 Google 抓取内容，以换取搜索流量。这种模式⽀撑了互联⽹的发展。但现在 AI 直接⽣成内容，⽤户甚⾄不⽤点击链接，Google 也不⽤再把流量分给⽹站。这样⼀来，创作者的收⼊来源就被切断了，互联⽹的原有经济模式也随之⽡解。
以前，Google 还会把⼀部分流量分出去，⽐如⽤户搜索问题时，Google 会展⽰摘要，但仍然会引导⽤户访问⽹站获取更多信息。但后来，Google 开始“截流”，⽐如 StackOverflow 的内容，Google 直接把答案展⽰在搜索结果中，⽽不是让⽤户访问原⽹站。这导致许多⽹站的流量下降，变现能⼒受到影响。Google 也在旅⾏、餐饮等⾏业做类似的事情（⽐如 yelp），甚⾄会优先展⽰⾃⼰的内容，⽽不是独⽴创作者的内容。虽然这些问题早就存在，但 AI 时代让这个问题更加严重了。
但如果 AI 能够直接⽣成插画、⾷谱、旅⾏建议，⽤户根本不需要再访问那些内容⽹站。这对于⽤户来说，可能是更好的体验，但对于内容创作者来说，这是毁灭性的打击。未来，我们可能只剩下⼏个 AI 巨头，⽽原来的独⽴⽹站和创作者将失去⽣存空间。
这就是我们需要思考的问题：AI 时代的互联⽹，是否仍然能够⽀持创新和创业？如果我们不解决这个问题，互联⽹可能会变成 70 年代的电视⾏业，只有⼏个巨头控制所有内容。这并不是我们想要的互联⽹未来。
所以新的⽹站该如何崛起？新的事物该如何被创造出来？我们还没有真正思考清楚这个问题。
我并不认为我有唯⼀的答案，⽽且这个问题的解决⽅案也不⼀定必须依赖加密技术。但我们需要认识到这正在破坏互联⽹原本的激励机制。其次，我们需要思考：这是⼀件好事吗？我认为不是。我们需要找到正确的解决⽅案——我们是否应该创造新的激励机制？
这也是为什么我⼀直专注于投资和思考新的激励系统，⽐如 Story Protocol 这样的项⽬。我们需要探索新的⽅式，在现有系统之上，叠加新的经济结构，以确保互联⽹能够持续创新和发展。
从移动互联⽹、社交⽹络和云计算，到加密、AI 和硬件
「David George」：你谈到的⼀件事是同时出现的三种技术产品——⽣成式 AI、加密货币和新硬件平台。你如何看待这三者的结合？
Chris Dixon：类⽐当然是移动、社交和云计算。在上⼀波浪潮它们相互促进，共同推动了互联⽹的发展。我们今天已经看到了⼀些这样的结合。
现在，我们正处于另⼀波科技浪潮之中，这次的核⼼技术是 AI、加密技术和新型硬件，⽐如机器⼈、⾃动驾驶汽⻋和 VR。这些技术并不是彼此独⽴的，⽽是互相补充，共同形成新的⽣态。新的硬件设备，⽐如 AR 和 VR 眼镜，依赖 AI 来提供更好的交互体验，⽐如像电影《她》那样的智能助⼿。⾃动驾驶汽⻋、特斯拉的机器⼈技术，以及各种⼈形机器⼈项⽬，也都正在将 AI 技术部署在物理环境应⽤到现实世界中。⽽加密技术则提供了⼀种新的⽅式，让去中⼼化的⽹络能够⽀撑这些 AI 应⽤。所以我感兴趣的⼀个领域是 DPIN——去中⼼化物理基础设施。最突出的例⼦是 Helium，它是⼀个由社区拥有、众包建设的电信⽹络项⽬，正在与 Verizon 和 AT&T 这样的传统运营商竞争。Helium 设计了⼀套激励机制，任何⼈都可以在家⾥搭建⼀个节点，为⽹络提供⽀持。这些节点的作⽤类似于⽆线信号发射器，⽬前，美国各地已经有数⼗万⼈安装了这些节点。
现在，Helium 还推出了⽹络服务，⽽且相⽐ Verizon，价格便宜得多——每⽉仅需 20 美元，⽽ Verizon 的费⽤是 70 美元。这主要是因为 Helium 的⽹络是由社区建设的，不需要像传统电信公司那样投⼊数百亿美元去建设基础设施。
如何利⽤加密技术启动⽹络效应
Chris Dixon：加密技术在解决“冷启动”问题⽅⾯⾮常有优势。
许多⽹络效应类的项⽬，在早期都⾯临⼀个挑战：如何吸引⾜够多的⽤户，让⽹络真正运转起来？
举个例⼦，Helium 是由社区共同建设和运营的。但假设只有 10 个节点，那显然运转不起来。⽹络效应的建⽴是⼀个鸡⽣蛋蛋⽣鸡的问题。如果⼀个新社交⽹络只有 10 个⼈，那么它对新⽤户来说并没有什么吸引⼒。但如果它已经有 100 万⽤户，新⽤户加⼊的价值就⼤幅提升。
加密技术的独特之处在于，它可以通过代币经济激励早期⽤户，从⽽推动⽹络效应的形成。Helium 只是其中的⼀个例⼦，其他领域，⽐如⽓候数据、⾃动驾驶数据、电动汽⻋充电站、去中⼼化地图、甚⾄科学研究，都可以⽤类似的⽅式来构建⽹络。
AI 是糖霜还是糖？
「David George」：Marc 给我提出了⼀个我很喜欢的⽐喻：AI 到底是“糖霜”还是“糖”？如果 AI 只是“糖霜”，那么现有的⾏业巨头会赢，因为它们可以在现有产品上简单地加⼀个 AI 聊天机器⼈，利⽤它们已有的分发渠道、销售能⼒和客户关系继续主导市场。但如果 AI 是“糖”，也就是说它是核⼼成分，那么你不能只是把它“加进去”，⽽是需要从零开始构建整个产品。这样的话，AI 领域就更可能由新兴公司占据主导地位。
⽬前，我们还没有看到明确的答案。⼀个产品越是沿袭传统模式（⽐如只是⽤ AI 增强原有业务），它就越有利于⾏业巨头，⽽不是初创公司。
Chris Dixon：可以从克莱顿·克⾥斯滕森的⾓度来看这个问题。他提出了 “颠覆式创新”和 “持续性创新” 的概念。很多⼈误解了“颠覆式创新”的含义，它仅仅是“新的技术”，⽽是指这种创新不符合现有公司的商业模式。这正是为什么即使是最⼤的企业也很难应对真正的颠覆式创新，因为它们的核⼼客户并不需要它。
这和 Marc 提出的“糖霜 vs. 糖”概念是相通的——如果 AI 只是现有产品的“糖霜”，那么⾏业巨头⾃然会占据主导地位；但如果 AI 彻底改变了业务模式，那情况就完全不同了。
⽐如，今天的数据库市场基本是由传统关系型数据库（SQL）主导的，⽽ AI 可能会带来完全不同的计算架构，甚⾄彻底颠覆数据库的概念。如果 AI 只是⽤来优化 SQL 数据库，那它只是“糖霜”，对现有企业没有威胁。但如果 AI 让数据存储和检索⽅式彻底改变，使得传统数据库变得 毫⽆意义，那就是“糖”，它会颠覆整个⾏业。
「David George」：⽬前我们还没有看到这样的案例。我只看到了对价格的影响（⽐如更便宜的 AI 服务），但这还不⾜以带来⾏业颠覆。
Chris Dixon：是的，这就是第⼆个层⾯的问题。我通常会⽤⼀个框架来分析这些新兴技术的落地过程，但在谈这个之前，我们可以先聊聊消费级 AI。⽬前，我认为消费级 AI 领域还没有出现真正具备⽹络效应的产品。虽然 Claude 和 ChatGPT 这样的 AI 聊天机器⼈已经取得了成功，但它们并没有形成强⼤的⽹络效应。⽤户可以随时更换 AI ⼯具，⼏乎没有切换成本，这使得它们很容易陷⼊价格竞争。
「David George」：我们曾经认为，数据⽹络效应会成为 AI 产品的护城河。
Chris Dixon：确实，数据⽹络效应是⼀个理论上存在的概念，但它在实践中往往没有那么强⼤。很多⼈认为 AI 训练数据越多，模型就会越好，⽤户就会更依赖它，从⽽形成壁垒。但现实是，个⼈⽤户产⽣的数据对 AI 训练的增量贡献其实很⼩。也就是说，单个⽤户的使⽤数据，并不会显著提升 AI 的能⼒，因此很难形成强⼤的⽹络效应。这就导致 AI 公司⾯临⼀个重⼤⻛险：市场竞争会加剧，价格战不可避免。虽然 ChatGPT 这样的 AI 产品⽬前拥有很强的品牌认知度，但问题是如何避免进⼊纯粹的价格竞争？
如果不同的 AI ⼯具之间切换成本很低，那么最终的市场竞争很可能会演变成 ⼀场“价格战”，所有公司都被迫降低价格，以吸引⽤户。这样的话，这些 AI 公司不会是“统治级”公司。
「David George」：那么初创公司还有机会吗？
Chris Dixon：如果 AI 只是⽤来改进现有产品，那么初创公司会很难与⼤公司竞争。但如果 AI 作为核⼼架构来创造全新的业务模式，那就不⼀样了。⽬前，我们看到的很多 AI 消费应⽤，⽐如换脸、图⽚增强等，虽然短时间内爆⽕，但很快就被 TikTok 或 Instagram 复制了，最终初创公司失去了竞争优势。如果 AI 产品没有⽹络效应，那么⼀旦它的功能可以被复制，它就很难⻓期维持竞争⼒。这就是为什么，如果想要建⽴真正成功的 AI 初创公司，必须找到可以形成⽹络效应的切⼊点，⽽不仅仅是提供⼀个功能。
为⼯具⽽来，为⽹络⽽留
Chris Dixon：⼀个经典的⽤户增⻓策略是：“先因⼯具⽽来，后因⽹络⽽留。” 也就是说，许多⽤户最初是因为某个⼯具⽽使⽤⼀个产品，但最终留下来的原因是⽹络效应。例如早期的 Photoshop ⽤户，可能只是想要⼀个图像编辑⼯具，但后来，他们发现 Photoshop 的⽣态系统很强⼤，于是成为了⻓期⽤户。社交⽹络的兴起也是类似的，许多⽤户最初是因为某个功能（⽐如好友通讯录）⽽加⼊，但最终是因为社交关系链⽽留下。AI 也可以采⽤类似的策略，⽐如 AI ⽣成图⽚的⼯具，可以作为⼀个切⼊⼝，但最终形成的应该是⼀个完整的 AI 创意社区，⽽不仅仅是⼀个⼯具软件。
模仿技术与原⽣技术
Chris Dixon：在深⼊讨论之前，重要的是要讨论主要技术如何分阶段推出。新技术的发展通常会经历两个阶段：
• 模仿阶段：新技术模仿旧技术，以便让⽤户更容易接受。
• 原⽣阶段：新技术创造出完全不同的新体验。
再往后还有第三阶段：新技术带来的更⼴泛变化。例如，汽⻋发明后，我们建造了⾼速公路、郊区和卡⻋等其他基础设施。
⽐如，早期的⽹⻚就像⼀本电⼦杂志，所有内容都是静态的，没有太⼤区别。这个模仿阶段可能会存在⼗年甚⾄⼆⼗年，⽐如 1993 年的 Mosaic 到 2005 年左右的 YouTube 和 Facebook。
但随着互联⽹的发展，我们开始看到原⽣的互联⽹产品，⽐如社交媒体、搜索引擎和在线视频平台，它们没有线下对应的商业模式。
AI 现在还处于拟物化阶段，我们看到的 AI 应⽤，主要是在替代⼈⼯，⽐如 AI 客服、AI 写作助⼿等。但真正的 AI ⾰命，会出现在 AI 原⽣的产品上，⽐如 AI ⽣成的游戏世界、AI ⽣成的互动内容等。这就像当摄影⾸次出现时，⽂化评论家担⼼它对艺术的影响。沃尔特·本杰明的著名⽂章《机械复制时代的艺术作品》问过，当任何⼈都可以拍照时，艺术家会发⽣什么。
今天，类似的问题存在于⽣成式 AI 中。如果 AI 可以创作整部电影，传统电影制作会发⽣什么？
「David George」：我们已经在图像中看到了这⼀点。
AI 作为创意基⽯
Chris Dixon：是的，这个趋势已经从图像开始了，视频可能很快跟上。过去摄影刚刚出现时，⼈们担⼼它会取代绘画，但最终，摄影和绘画各⾃发展出了独特的艺术⻛格。美术转向抽象，远离摄影。另⼀⽅⾯，摄影技术促使了电影的兴起。⼈们意识到虽然机器可以取代摄影，但它们也可以创造⼀种以前从未存在过的新艺术形式。
对于⽣成式 AI 也是同理，负⾯的观点认为 AI 会取代⼈类创作，但实际上，AI 可能会催⽣出全新的艺术形式，为⼈类创造⼒提供了⼀个新的画布，可能是虚拟世界、游戏或新型电影。除了创意产业以外，同理可适⽤于消费、社交⽹络等其他领域。
当你创造出新东⻄时，更⼴泛的变化会随之⽽来。社交⽹络是⼀个很好的例⼦。它在 2000 年代兴起，到 2008 年和 2012 年奥巴⻢选举时达到了⼀个巅峰点。当时的新闻⽂章也指出，社交媒体从此从次要地位转变为主要地位。然后我们开始看到意想不到的社会变化。这些变化可能会在未来 20 到 30 年内展开。
在 AI 中平衡供需
「David George」：你提到的这些技术阶段很有意思。互联⽹的发展花了很⻓时间，其中⼀个原因是需要建⽴⼀个庞⼤的⽹络。这⾥涉及供需问题——互联⽹的发展需要铺设光纤、电缆这些⽆线基础设施。⽽ AI 需要的是计算资源，⽐如⼤规模的 GPU 集群。但 AI 从“模仿阶段”迈向“创新阶段”，主要的限制因素可能不是技术能⼒，⽽是⼈类的创造⼒和想法。
Chris Dixon：我也这么认为。AI 的发展瓶颈很可能不在于技术，⽽在于⼈类的适应速度和政策法规的影响，这两者是紧密相关的。
「David George」：换句话说，AI 发展的问题既包括供给端（计算能⼒），也包括需求端（⽤户的接受度）。但关键可能还是需求端？
Chris Dixon：是的，供给端的挑战是需要开发⾜够强⼤的 AI 模型，并拥有⾜够的算⼒⽀持。但真正的挑战是如何让⽤户接受 AI，并将其融⼊⽇常⽣活。
我们现在看到，很多创业者都在探索如何⽤ AI 解决实际问题。但和 20 年前不同的是，现在的创业⽣态已经成熟了很多。⼗⼏年前，⼤多数聪明⼈不会选择创业，⽽是去⼤公司⼯作。但现在，创业⽣态系统更完善，融资、⼈才、市场都⽐以前更成熟。
但 AI 还有⼀个⼤问题，就是⼈们的⼯作⽅式如何变化，以及⾏业如何适应 AI。
AI 如何改变⾏业
「David George」：⽐如好莱坞会多快采⽤ AI？
Chris Dixon：这正是我在思考的问题。在我写书的时候，我想要⽤ AI ⽣成⾃⼰的有声书，但出版社和 Audible 都明确禁⽌使⽤ AI。部分原因是⾏业的⼯会在抵制 AI，但也有更深层的原因。
「David George」：所以，AI ⽣成内容的能⼒是存在的，但⾏业还没有准备好接受它。我们可以看到，很多 AI 的潜在应⽤都⾯临监管障碍。例如，在医疗⾏业，AI 诊断的技术能⼒已经⾜够强，但法规仍然限制其⼴泛应⽤。
Chris Dixon：未来五年，美国的法官可能会裁决 AI 训练数据是否属于合理使⽤，或者国会可能会出台法律，对 AI 训练数据进⾏监管。⽬前，AI 训练数据的合法性仍然存在争议。AI 公司认为，AI 训练数据是对信息的“学习”，⽽不是“复制”。但版权⽅则认为，AI 在未经许可的情况下使⽤了他们的内容，这构成了侵权。
「David George」：这⼏乎是所有 AI 相关⾏业都在争论的问题。
Chris Dixon：是的，最终可能需要法律来裁决 AI 训练的合理性，否则这个问题会⼀直悬⽽未决。
「David George」：在受监管的⾏业，⽐如医疗、⾦融等，AI 何时才能真正落地？
Chris Dixon：⽬前，这些⾏业受到的监管极为严格，AI 要进⼊这些领域，可能需要很⻓时间。但在某些领域，⽐如⾃动驾驶，我们已经看到了显著的进步。
「David George」：Waymo 就是⼀个例⼦。数据显⽰它的安全性已经⽐⼈类驾驶⾼出 7 到 10 倍，并且拥有数百万英⾥的实际数据⽀持。
Chris Dixon：也许这就是 AI ⼴泛应⽤的模式——先在⼀个特定领域（如⾃动驾驶）取得突破，并证明它⽐⼈类表现更好，然后再推⼴到其他⾏业。
互联⽹的理想未来是什么？
「David George」：你觉得理想的互联⽹应该是什么样⼦的？
Chris Dixon：我们正处在⼀个⼗字路⼝。互联⽹最初的愿景是⼀个去中⼼化的⽹络，社区可以共同拥有和管理它，⽹络的经济收益也应该更多地流向⽤户，⽽不是少数⼤公司。但现在，互联⽹的资⾦流动发⽣了变化，越来越多的收益集中到了少数⼏家科技巨头⼿中。
「David George」：是的，社交平台的⼴告收⼊已经达到数百亿美元级别，但创作者只能分到很⼩的⼀部分。
Chris Dixon：⽬前，全球市值排名前五的互联⽹公司，可能已经占据了整个⾏业 50% 以上的市场份额。互联⽹已经变成了⼀个由少数公司主导的封闭⽣态系统。
「David George」：所以现在的科技公司已经掌握了⽤户，并开始想办法让⽤户花更多时间停留在他们的平台上。
Chris Dixon：是的，他们已经攀上了互联⽹的⾼峰，然后把“梯⼦”踢掉了，防⽌新的竞争者进⼊。这也是为什么我们如此关注区块链和去中⼼化⽹络的建设。如果未来的互联⽹完全由少数⼏家公司掌控，那么创新的空间就会被极⼤压缩。依赖中⼼化平台建⽴业务，就像是建在流沙之上，随时可能崩塌。真正的创新，应该建⽴在开放的⽣态之上，⽽不是被少数⼏家公司控制。
「David George」：所以，我们要关注的重点是，如何让⼩型科技公司在这个⽣态中⽣存和成⻓。我对未来还是很乐观的。通过你们的努⼒，以及整个⾏业的推动，去中⼼化技术和开源 AI 正在被越来越多⼈接受。今天的讨论很棒，感谢你的参与。
Chris Dixon：谢谢你的邀请。
*Coinspire 平台上的所有内容仅供参考，不构成任何投资策略的要约或建议，基于本文内容所做的任何个人决策均由投资者自行承担责任，Coinspire 不对由此产生的任何收益或损失负责。投资有风险，决策需谨慎！
