时光倒流20年，资本的科技叙事是如何演化的？——a16z前合伙人如何 “降噪”（上）

来源：市场资讯

来源：泉果视点

一条河干了很长时间，水一点点流进来的时候，最先浮起来的可能是垃圾。只有水越来越多，小船大船才慢慢浮起来，最后船往前走，垃圾就没人关注了。

——王国斌，泉果基金创始人

《投资中国》

■ “AI现在风口上一半的东西，将来可能都没用——回想在移动互联网时代，我常去赫尔辛基拜访诺基亚，当时热烈讨论的Java，i-mode，WAP……最后都没有成为“未来”；因此，对生成式AI也许应该抱有类似的假设……”

■ 当一个技术刚出现时，所有人都会把注意力放在“参数比拼”上；就好像个人电脑时代，必须知道很多“缩写术语”才能攒一台电脑。但是技术成熟后，这些参数会变得无关紧要，这时，价值也会移动到系统、品牌、生态、应用等的其他层级。

■ 我们看到了更多的资本投入，模型价格暴跌……然而，似乎至今还没看到明显的竞争壁垒，也不存在赢家通吃的现象。

■ 技术最终会变得隐形——请问你上一次按电梯时，有没有意识到自己在用一个“拥有电子礼节的自动化电梯”？你不会。它现在只是一个再普通不过的“电梯”，我们完全忘了它们曾经不是自动化的。

■ 当噪音散去，尘埃落地，世界的运行方式会被悄然改写。

图1． 顶级风投a16z前合伙人、美国知名独立分析师 Benedict Evans

“25年来致力于去除行业的噪音，帮助创始人、投资人和政策制定者看到喧嚣之下的真实情况”——在刚刚闭幕的Slush（全球最有号召力的创投大会之一）大会上，主办方这样介绍嘉宾Benedict Evans，这位曾经的a16z合伙人——“他发布的年度演讲已经成为科技社区的一种仪式”。

众所周知，用做媒体的方式做风投的硅谷弄潮儿a16z，绝对是全世界最懂给科技企业“讲故事”的顶尖风投，但这里，也同样诞生出了最会给科技公司“去叙事化”的投资人。

Benedict Evans在硅谷科技界被当成“社交暗语”，如果你不知道他，那么你大概率会被认为“还没真正进入科技的投资核心圈”，他的观点在AI从业者、投资人和企业高管的小圈层里，被当成“brain food”式的必读参考。

不久前，他以独立科技分析师的身份，发布了一份名为《AI eats the world》（AI吞噬世界）的重磅报告，并受邀在Slush发表年度演讲。

图2． Benedict Evans在Slush的年度演讲

Benedict以“看穿故事背后的结构”著称——很早就看准移动互联网是“超级入口”，在亚马逊还被质疑“不赚钱”时，就提出它本质是一台“基础设施机器”。也正因此，他在2014年被硅谷“风投之王”a16z高调挖角，专职帮投资团队看清技术大趋势，他的newsletter也被 McKinsey等机构列为科技领域的必读文章。

Benedict的支持者觉得，他提供了一种“既不过度兴奋，也不过度悲观”的平衡视角；更激进的乐观派则认为，他把AI类比过去的“平台迁移”，会低估AI的结构性颠覆意义。

Benedict的价值并不是提供一个技术答案，而是一种看待技术的方式——拉长时间轴，将AI放回过去几十年技术变迁的坐标中，提醒我们这一次哪些是似曾相识，哪些是真正不同。

《AI吞噬世界》是Benedict从2024年开始一直不断更新的一篇报告，本期【泉果探照灯】结合他今年就此主题做的几次重磅发言采访，分为（上）（下）两期，探讨看待AI的另一种不同视角：

以下为Benedict Evans第一人称

视角精编：

时光倒流20年：

人类的科技叙事是如何演化的？

让我们回到20年前，下面这张图是1995年，人们对互联网的想象图。如果你拿着它去问，哪一块会长成今天的Google、亚马逊？大概没人答得出来。

图3． 一个未合并的世界：1995年的互联网地图

《AI eats the world》

那时，人们认知的互联网，并不是一个“完整的大陆”，而是一堆“零散的岛屿”，彼此通过网关（Gateway）勉强链接；没人知道它会变成万维网，也没人知道，最终的价值实现会是搜索广告和社交媒体。

今年我们看待AI，会不会也类似当年的这张图？

我们以为看到了全貌，实际上只是某个“零散的岛屿”？

我自己一直觉得，要理解AI，一个很好的起点，就是先问一句：

当我们说“AI”的时候，到底指的是什么？

我最喜欢的定义来自AI科学家Larry Tesler，他在1970年这样说：

“AI是那些机器还做不到的事情。

一旦机器做到了，我们就不再叫它AI，而是叫它软件。”

换句话说，AI的定义是动态的，它指的是那些“还不太好用、或刚开始好用的东西”。

如果简单回忆一下，在1970年代，数据库被认为是“超级记忆“，当时很多人觉得数据库不只是存储系统，而是一个“全知的情报枢纽”，科幻作品里常常出现“数据库统治世界”的桥段。

而今天，数据库只是“软件”，甚至是“传统软件”。

同样，10年前，机器学习被人们当作AI，但今天，可能还有一半人认为它仍是AI，但包括我在内的另一半人会认为，机器学习只是“软件”。

你用手机给孩子或者狗拍一张照片，过会儿可以直接靠搜索“孩子”和“狗”把照片找出来。

15年前，这简直像魔法；

10年前，这是AI；

现在，这只是个很自然的功能——“软件而已”。

今天我们有大语言模型，有各种“生成式AI”，现在也许大家还觉得“这就是AI”；如果你是 Sam Altman，想从和微软的合同里脱身，你可能会说，这不是AI，这是AGI“超级智能”（笑）。

但对大多数人来说：这真的是AI吗？还是说，10年之后，它也只是“更多的软件”？

这一点，我们其实还不知道。

如果把过去五六十年的科技演进拉成一条时间线，会看到一种周期：每隔10~15年，就会出现一次平台的转换，先是大型机，然后是个人电脑、互联网、智能手机。

每一次平台转换，资金、创新、创业公司，都会一股脑涌向新平台，但同时旧平台也不会消失。

现在关于AI有两种观点：

1． 生成式AI是下一次平台转换；

2． 生成式AI是打破这个节奏的更大的事情，它更像电力、计算机、或者是改写文明的人类的下个阶段。

图4． AI是下一次平台转换，还是更多？

《AI eats the world》

以这两种为端点，我们将得到一整条“可能路径”的光谱，最终落点到底在哪儿？又要押注在哪里？

当噪音散去，尘埃落地，

世界的运行方式会被悄然改写…

在移动互联网时代，我常去赫尔辛基拜访诺基亚，当时热烈讨论的i-mode，Java，WAP……但这些最后都没有成为“未来”。

因此，对生成式AI也许应该抱有类似的假设：

现在风口上一半的东西，将来可能都没用。

假如AI也是一次平台转移，让我们先看看过往平台转移中会发生什么？

在科技领域内部，所有投资、创新会迅速向新事物集中，旧的看门人会衰落，新的看门人会涌现，价值获取、市场规模都会发生变化。

在科技领域外部，所有其他公司都在反复琢磨的是，这是一个新工具、新的盈利模式，还是一种生存威胁，我应该多认真地对待这件事？

另外，在每一次平台转移里，我们几乎都看到同一个模式：最早冲进去的，往往不是最后拿走全部红利的那一批。

原因之一是，一开始没人真正知道新的东西会怎样工作。

这也意味着，总会产生大量的噪音和炒作，我们要学会辨别和忽略。

当然泡沫也会随之而来。每一轮泡沫，人们总喜欢拿出非常漂亮的增长曲线，然后说：“你不懂，这就是指数力量的强大”，然后就是那句经典的“这次不一样”。麻烦的是，他们说的通常没错，这次和上一次确实不一样，但和互联网泡沫不一样，并不代表着它不会是泡沫。

真正重要的是，在每次平台转换中，当噪音散去，尘埃落地，世界的运行方式会被悄然改写。

比如今天，美国有60%的新恋情起源于线上交友，互联网已经从一个“新鲜事物”内化成了生活的默认选项。

在企业端也是一样，每一次平台转移都会带来更多可用的工具。从PC时代的几十个软件，到SaaS时代成百上千个应用……

可以预计，在LLMs时代，我们的工具也会出现这种爆发式增长——数量、品类、场景都会多到让你想不到。

但这一次确实有一个关键的不同，在以往的平台转化中，我们大致知道物理的天花板在哪里，比如下一部手机能做什么，不能做什么，它肯定不会飞对吧，在1997年电信公司也不会在一夜之间把光纤通向家家户户。

但AI不一样，我们甚至还没100%搞清楚它为什么能工作得那么好，也更不知道它还会变得多强。现在的很多预测，说白了，都像是凭感觉。

当然，退一步讲，即便AI仅仅是智能手机之后最大的平台转移，也已经是足够惊人，并值得我们认真对待。

真正值得问的问题是：

■ 它将在哪些环节产生价值？

■ 它会通过什么渠道送到我们手中？

■ 它会摧毁什么？又会催生什么？

这些问题，也许比AI到底能不能改变世界更有现实意义。