← Product Learning

AI 是炼金术——把沙子变成思想的技术

Marc Andreessen 认为我们正处于人类历史的关键转折点:人口萎缩 + AI 崛起 + 制度松动同时发生,而 PM/工程师/设计师正在经历一场"墨西哥式对峙"
Lenny's Podcast Marc Andreessen · a16z 联合创始人 ~120 min
30 秒读完

Marc Andreessen 把 AI 称为"哲人之石"——把世界上最普通的东西(沙子/硅)变成最稀有的东西(思想)。他最反直觉的论点是:过去 50 年的技术进步其实非常缓慢(生产率增长只有 1870-1940 年的三分之一),AI 恰好在人口萎缩的时刻到来。PM、工程师、设计师正在经历"墨西哥式对峙"——每个角色都认为 AI 让自己能做另外两个角色的工作,而且他们都是对的。赢家是能同时掌握两三个领域的"超级个体"。

50
年的技术进步低迷期
1/3
当前生产率增长 vs. 1870-1940
3
正在碰撞的历史级趋势
10x
最好的程序员在 AI 辅助下的效率提升
目录
  1. 三个历史级趋势的碰撞
  2. 50 年技术停滞的真相
  3. 人口危机:AI 来得刚好
  4. PM/工程/设计的墨西哥对峙
  5. 超级个体:2+2=10
  6. 任务消失 vs. 工作消失
  7. AI Moat 在哪里
  8. 一人公司的时代
  9. Peter Thiel 是对的
  10. 每个空闲小时都和 AI 说话
  11. Agency:不是遵守规则的人赢
01

三个历史级趋势同时碰撞——Marc 说这堪比柏林墙倒塌

Marc 认为 2025-2026 是他职业生涯中最重要的时期,因为三个独立的历史趋势同时爆发:

1) 制度信任崩塌——人们对传统机构的信任在全球范围内瓦解
2) 话语空间解放——言论自由和开放讨论的范围在急速扩大
3) AI 技术真正开始 work——从"能写诗"到"能推理"的跨越已经完成

AI 是哲人之石。我们现在有了一种技术,能把世界上最普通的东西——沙子——转化为世界上最稀有的东西——思想。

— Marc Andreessen

他把这个时刻的历史意义类比为 1989 年柏林墙倒塌或二战结束——不是一个技术事件,而是文明级别的拐点

02

过去 50 年的技术进步其实慢得可怜——我们被自己的感觉骗了

这是整期播客中最颠覆认知的论点。Marc 用经济学数据证明:过去 50 年的生产率增长只有 1940-1970 年的一半,只有 1870-1940 年的三分之一

我们"感觉"技术在飞速进步,但统计数据说的是相反的故事。手机、互联网、社交媒体——这些都是"bits"世界的进步。在"atoms"世界——建筑、基础设施、交通、医疗——物理世界和 50 年前几乎没有区别

Marc 让你做一个思维实验:走在街上,看看那些桥是什么年代建的、那些大坝是什么年代修的、那些城市是什么年代规划的——答案几乎全是 50-100 年前。新的城市在哪里?新的大坝在哪里?加州高铁在哪里?

编者注
这个论点直接来自经济学家 Robert Gordon 的研究(《The Rise and Fall of American Growth》)。Tyler Cowen 的《The Great Stagnation》也是同一思路。值得注意的是,Marc 在 2011 年和 Peter Thiel 辩论时持相反立场——他当时认为技术进步很快。现在他承认 Thiel 是对的。一个能公开承认自己错了的人,他当前的判断更值得认真对待。
03

人口危机:如果没有 AI,我们现在应该恐慌的是经济萎缩

Marc 的逻辑链令人震惊:如果没有 AI,我们面对的不是"AI 抢了我们的工作",而是"没有足够的人来维持经济运转"

全球生育率在暴跌——包括中国。加上全球限制移民的趋势,剩余的人类工人将变成稀缺资源,是溢价而不是折价

时间点奇迹般地吻合了。我们将在最需要 AI 和机器人的时候拥有它们——恰好用来填补人口萎缩留下的空缺。

— Marc Andreessen

即使 AI 把生产率增长提高三倍(这已经是巨大的变化),也只是回到 1870-1930 年的水平——那个时代,人们觉得到处都是机会

04

PM/工程/设计的墨西哥对峙:三个角色互相瞄准,而且都是对的

Marc 用了一个经典的电影隐喻:吴宇森式三方对峙——每个人双手各持一把枪,同时瞄准另外两个人

🔫 每个工程师都觉得自己能做 PM 和设计——因为有 AI
🔫 每个 PM 都觉得自己能写代码和做设计——因为有 AI
🔫 每个设计师都觉得自己能做 PM 和写代码——因为有 AI

最讽刺的是,他们都是对的。更讽刺的是:这三个角色最终会意识到,AI 也能做更好的管理者——然后他们会把枪口转向组织架构图的上方。

05

超级个体:擅长两件事的叠加效果不是 2x,是 10x

Marc 的核心职业建议:不要只精通一个领域。AI 时代的赢家是能同时做两到三件事的人

他的数学直觉:擅长两件事的叠加效果超过 2 倍(2+2 > 4),擅长三件事的叠加效果超过 3 倍。你在领域组合中成为超级相关的专家——一个既会写代码又会做设计的人,比两个各只会一样的人加在一起更有价值。

这和他观察到的最前沿 AI 创始人的行为一致:他们在探索"一个人能不能做一整家公司?"

编者注
这个观点和 Naval Ravikant 的"specific knowledge"理论高度一致——你的独特价值不在于单一技能的深度,而在于技能组合的稀缺性。一个既懂 AI 又懂医疗合规的人,比一个纯 AI 专家或纯医疗合规专家都值钱得多。
06

任务消失 vs. 工作消失:工作比你以为的更持久

Marc 做了一个关键区分:大家都在谈论"job loss",但你真正应该关注的是"task loss"。工作(job)是由多个任务(task)组成的。AI 消灭的是任务,不是工作——工作的存续时间比组成它的单个任务长得多

当某些任务被自动化后,工作不是消失了,而是重新定义了——就像 ATM 出现后银行柜员没有减少,反而增多了(银行开了更多分行)。

07

AI Moat 在哪里:不在模型,在分发和工作流

Marc 认为 AI 创业的 moat 不在模型本身——模型在快速商品化。真正的 moat 在三个地方:

1) 分发——你能不能触达客户并让他们使用。HubSpot 做 AI 的优势不是模型更好,而是已经有百万客户。
2) 工作流集成——你的 AI 是否嵌入了不可替代的工作流程。
3) 领域知识——垂直领域的专有知识和数据。

他对 a16z 投资的 AI 公司的观察:最前沿的创始人不是在做"AI wrapper",而是在用 AI 重新定义整个行业的工作方式

08

一人公司的时代:最前沿的创始人在探索"一个人做一切"

Marc 透露了一个令人瞩目的趋势:a16z 投资的最前沿创始人正在探索"创始人一个人做所有事"的可能性

不需要雇 PM、不需要雇工程师、不需要雇设计师——AI 做这些。创始人只需要做决策和把握方向。当一个人可以做一整家公司的时候,公司的定义本身就变了

他举了几个数据点:AI 原生公司的人均收入正在创历史新高。有些公司只有几个人,但做着传统需要几百人才能做的事。

编者注
这和 Sam Altman 之前说的"第一个十亿美元一人公司"的预测一致。但值得注意的是:一人公司的瓶颈通常不是生产能力,而是决策质量、客户关系和制度性知识。AI 可以替代执行,但"知道该做什么"仍然是人类的工作——至少目前是。
09

Peter Thiel 是对的——Marc 承认了自己 2011 年的错误

2011 年,Marc 和 Peter Thiel 有一场著名的辩论:Marc 认为技术进步在加速,Thiel 认为技术进步已经停滞。

Marc 现在公开承认:"我会给 Peter 的观点更多信用。" Thiel 的核心论点是:bits 世界有进步,atoms 世界几乎停滞。Marc 当时太专注于 bits 世界的进步,忽略了 atoms 世界的停滞。

建筑、桥梁、大坝、城市——这些都是 50 到 100 年前建造的。我们做了什么?我们的新城市在哪里?我们的新大坝在哪里?

— Marc Andreessen

但这个停滞不是因为技术不够——是因为官僚体系、监管、卡特尔和政治结构阻止了变化。医疗行业就是最好的例子:ChatGPT 几乎可以确定是比你的医生更好的医生,但它拿不到行医执照。

10

每个空闲小时都应该花在和 AI 对话上——Marc 的职业建议

Marc 给所有人的建议极其直接:想提升自己的人,应该把每个空闲小时都花在和 AI 对话上。不是随便聊——是让 AI 训练你、教你新技能、帮你理解新领域。

想提升自己、发展职业的人,在我看来,应该把每一个空闲小时都用来和 AI 说话——对它说:来,训练我。

— Marc Andreessen

他自己的儿子 10 岁,在家接受教育。Marc 不教他编程——教他好奇心、独立思考、主动性。因为没人知道 2036 年的世界是什么样,但有 agency 的人在任何版本的未来都会有优势。

11

Agency:不是遵守规则的人赢,是"live player"赢

Marc 注意到硅谷近两年流行一个词:Agency(能动性)。他一开始觉得这不是废话吗?后来意识到:整个社会体系在训练人们遵守规则,而不是打破规则

学校从 K-12 到大学,核心训练都是"follow the rules"。社会对"break the rules"的人充满敌意。但在 AI 时代,遵守规则的工作是最容易被自动化的——恰恰是"live player"(主动参与者)而不是"NPC"能生存

他和 10 岁儿子的对话透露了他的教育哲学:"要领导别人,首先要学会服从。"但服从是起点,不是终点——终点是拥有足够的判断力来决定何时服从、何时打破。

编辑手记:三个值得关注的矛盾

"AI 来得刚好"的宏观叙事 vs. 个体的微观恐惧

Marc 的宏观论证很有说服力:人口萎缩 + AI 正好互补。但这是经济学家看世界的方式——"平均来说大家会更好"。对于一个 35 岁的 PM 来说,知道"宏观上人类不会大规模失业"并不能缓解"我明天可能被裁"的焦虑。Marc 自己也承认"不能只看平均值",但他没有给出具体的微观解法——因为他的位置(亿万富翁 VC)决定了他天然看不到微观。

反监管立场 vs. 他投资的公司恰好受益于监管壁垒

Marc 痛批医疗卡特尔、教育垄断、建筑监管阻碍了创新。但 a16z 投资的很多公司——从加密货币交易所到生物医药——恰恰受益于监管壁垒带来的竞争者准入门槛。Coinbase 的核心 moat 就是合规牌照。如果真的取消所有监管,a16z 的投资组合可能会面临更激烈的竞争,而不是更少。

"一人公司"的愿景 vs. 人类需要协作的本质

Marc 描述了一个创始人一个人做一切的未来。但人类历史上最伟大的成就——从登月到互联网——都是大规模协作的结果。即使 AI 能替代执行层的所有任务,"决定做什么"和"为什么要做"仍然需要多元视角。一个人做一整家公司,最大的风险不是效率不够,而是缺乏认知多样性——你的盲点没人帮你补。AI 能补吗?如果 AI 的训练数据来自同一个文化圈,它可能只是放大你的偏见而不是纠正它。