信号来源:
这是 a16z 创始人 Marc Andreessen 在 Latent Space 播客的最新访谈。
他是美国著名的互联网企业家,是互联网早期发展的关键人物之一;也在创办 a16z 之后成为硅谷顶级投资人的代表人物。
整场对话围绕 AI 的发展历史和最新趋势展开,十分值得一读。
一、这轮 AI 不是横空出世,而是 80 年技术长跑后第一次全面「开始干活」
· 这轮 AI 不是横空出世,而是 80 年技术长跑后
· Marc Andreessen 直接把当下称为「80-year overnight success」,意思是公众眼中的突然爆发,背后其实是几十年的技术储备被集中释放。
· 他把这条技术线索回溯到早期神经网络研究,并强调今天行业实际上已经接受「神经网络是正确架构」这一判断。
· 在他的叙述里,关键节点不是单一时刻,而是一连串堆叠:AlexNet、Transformer、ChatGPT、reasoning 模型,再到 agents 与 self-improvement。
· 他特别强调,这次不是只有文本生成变强,而是四类功能同时出现:LLMs、reasoning、coding,以及 agents / recursive self-improvement。
· 他之所以认为「this time is different」,不是因为叙事更动听,而是因为这些能力已经开始在现实任务里工作。
二、Pi 与 OpenClaw 所代表的 agent 架构,是一次比 chatbot 更深的软件架构变化
· 他把 agent 说得很具体:本质上就是「LLM+ shell + file system + markdown + cron/loop」。在这个结构里,LLM 是推理与生成核心,shell 提供执行环境,文件系统保存状态,markdown 让状态具可读性,cron/loop 则提供周期性唤醒与任务推进。
· 他认为这套组合的重要性在于:除了模型本身是新的,其他组件全都是软件世界早已成熟、可理解、可复用的部分。
· agent 的状态被保存在文件里,因此可以跨模型、跨 runtime 迁移;底层模型可以替换,但记忆与状态仍然保留。
· 他反复强调 introspection:agent 知道自己的文件、能读自己的状态,甚至能改写自己的文件与功能,朝「extend yourself」的方向前进。
· 在他看来,真正的突破不只是「模型会回答」,而是 agent 能利用既有 Unix 工具链,把整台电脑的潜在能力都接进来。
三、浏览器、传统 GUI 与「人手点软件」的时代,会被 agent-first 的交互方式逐步替代
· Marc Andreessen 明确说过,未来「你可能不再需要用户界面)」。
· 他进一步指出,未来软件的主要使用者可能不是人,而是「other bots」。
· 这意味着很多今天为人类点击、浏览、填表而设计的界面,会退化成 agent 背后调用的执行层。
· 在这个世界里,人更像是提出目标的人:告诉系统自己要什么,再由 agent 去调用服务、操作软件、完成流程。
· 他把这个变化连到更大的软件未来:高质量软件会越来越「丰沛」,不再是少数工程师手工打造的稀缺品。
· 他还判断,程序设计语言的重要性会下降;模型会跨语言写程式、互相翻译,甚至未来人类更关心的是解释 AI 为什么这样组织代码,而不是死守某一种语言本身。
· 他甚至提到一个更激进的方向:从概念上说,AI 不只可能输出代码,也可能直接输出更底层的二进制代码(binary)或 model weights(模型权重)。
四、这次 AI 投资周期与 2000 年互联网泡沫有相似,但底层供需结构并不相同
· 他回顾 2000 年时强调,崩盘很大程度上不是「互联网不行」,而是电信与带宽基础设施过度建设,光纤与数据中心被超前铺设,随后经历长时间消化。
· 他认为今天确实也能看到「过度建设」的担忧,但当前投资主体主要是微软、亚马逊、Google 等现金充沛的大公司,而不是高度杠杆化的脆弱玩家。
· 他特别指出,现在只要形成可运行 GPU 的投资,通常很快就能转成收入,这一点与 2000 年大量闲置容量不同。
· 他还强调,我们现在使用的其实是「被沙包化(sandbagged)」的技术版本:因为 GPU、记忆体、资料中心等供给不足,模型潜力没有被完全释放。
· 在他的判断里,未来几年真正的约束不只是 GPU,还包括 CPU、memory、network 与整个芯片生态的联动瓶颈。
· 他把 AI scaling laws 与过去的 Moore』s Law 并置,认为它们不只是描述规律,也在持续激发资本、工程与产业协同前进。
· 他提到一个很反常但重要的现象:随着软件优化速度越来越快,某些旧一代芯片甚至可能比刚买时更有经济价值。
五、开源、边缘推理与本地运行,不是边角料,而是 AI 竞争格局的一部分
· Marc Andreessen 明确认为 open source 非常重要,原因不只是免费,而是「让整个世界学会它是怎么做成的」。
· 他把类似 DeepSeek 这类开源发布形容为一种「gift to the world」,因为 code + paper 会快速扩散知识,抬高整个行业的底线。
· 在他的叙述里,开源不只是技术选择,也可能是一种地缘政治与市场策略:不同国家与公司会基于自己的商业限制与影响力目标,采用不同开放策略。
· 他同时强调 边缘推理(「Edge inference」)的重要性:未来几年中心化推理成本未必足够低,很多消费者级应用无法承担长期高昂云端推理成本。
· 他提到一个反复出现的模式:今天看似「不可能在 PC 上跑」的模型,几个月后常常就真的能在本地机器上运行。
· 除了成本,促使本地运行的还包括信任、隐私、延迟与使用场景:穿戴设备、门锁、随身设备等都更适合低延迟、就地推理。
· 他的判断非常直接:几乎所有带芯片的东西,未来都可能带一个 AI 模型。
六、AI 的真正难题,不只在模型能力,而在安全、身份、金流、组织与制度阻力
· 在安全上,他的判断非常尖锐:几乎所有潜在的 security bug 都会更容易被发现,短期内可能出现一段「计算机安全大灾难」。
· 但他同时也认为,编程智能体会把修补漏洞的能力规模化;未来「保护软件」的方式,可能就是让 bot 去扫描并修好它。
· 在身份问题上,他认为「机器人证明(proof of bot)」不可行,因为 bots 会越来越强;真正可行的方向是「真人证明(proof of human)」,也就是生物识别、加密验证与选择性披露(selective disclosure)的结合。
· 他还谈到一个经常被忽略的问题:如果 agents 真要在现实世界办事,它们最终会需要金钱、支付能力,甚至某种形式的银行账户、卡或稳定币式基础设施。在组织层面,他借用管理资本主义(managerial capitalism)的框架,认为 AI 可能重新强化 founder-led company,因为 bots 很擅长报表、协调、文书与大量「管理性工作」。
· 但他并不认为社会会快速顺滑接受 AI:他举出职业执照、工会、码头工人罢工、政府部门、K-12 教育、医疗等例子,说明现实世界有大量制度性减速器。
· 他的判断是,AI 乌托邦主义者和末日论者都容易忽略一点:技术一旦可能,不代表 80 亿人会立刻跟着改变。
