数日前，硅谷传奇风投机构a16z的两位创始人“A”和“Z”进行了一次关于AI投资的闭门访谈。这场谈话中，他们几乎涉及了当前AI投资领域所有最具争议性的热门话题——泡沫、竞争、以及“AI到底够不够聪明”？

熟悉【泉果探照灯】的老读者们对“A”和“Z”都不陌生，我们在4年前，就介绍过这对搅动硅谷风云的“老哥俩”，“A”的全名是Marc Andreessen（马克·安德森），是被称为“互联网点火人”的硅谷技术金童，曾经在老牌风险投资家Jim Clark的帮助下联合创办了网景（Netscape）；

“Z”的全名是Ben Horowitz（本·霍洛维茨），网景时期是Andreesen手下的项目经理，后来多次和Andreesen合伙创业。

a16z用做媒体的方式做投资，用CAA（创意艺术家代理公司）管理明星经纪的方式管理被投企业，把霍华德·马克斯一直强调的“非共识性”执行到了极致……创立不到20年，已经成为全美管理规模最大的风险投资基金之一；更令人惊讶的是，他们在迭代残酷而迅速的科技投资中，几乎从不失手，在每一次的技术浪潮中，都能把最具竞争力的科技赢家“一网打尽”，也因此，获得了“科技独角兽捕手”的江湖称号。

泉果基金董事总经理、研究部总经理刚登峰这样分析AI产业的战略价值。

就在下周，他拟任基金经理的新产品泉果竞争优势（A类：026277；C类：026278）即将开启募集，AI行业也是他重点关注的三大方向之一。他关注的主要方向包括：1）产业发展早期的科技赛道，典型如科技AI；2）产业发展中期的新能源领域，比如近期关注度较高的锂电材料细分板块；以及3）产业发展后期（稳定期）的周期方向，比如在全球地缘混沌背景中维持价格强势的有色金属等。

（泉果视点注：重点布局方向仅代表基金经理根据当前市场环境及个人能力圈较为看好的投资方向，不代表实际持仓情况。基金投资方向以基金合同约定为准。）

关注AI产业在“下游营收端领域的进展”，泉果基金刚登峰团队的判断与硅谷a16z的判断有相互映射之处，在这次访谈中，A和Z也认为，AI正在进入“第二阶段”——从模型与算法，走向产线与实体世界。战场正在从“实验室”，真正延伸到“产业链”。

他们认为，AI革命会进入名为“机器人和具身智能”的第二阶段，当战场从“实验室”延伸到“产业链”之后，中国可能比很多人想象的更具竞争优势。

【泉果探照灯】将分多期为您精编这次访谈的核心观点。

Z：全名Ben Horowitz，以下简称为 Z 

主持人问题用【紫色】标出。

泡沫是一种

“所有人都相信这没问题”的状态

【主持人】：我想把话题转到大家都在关心的“泡沫”问题上。现在AI相关的实体基础设施建设规模非常大——数据中心、算力、电力，全算下来，AI的资本开支已经接近GDP的1%。

那我们该怎么理解：这是不是一个泡沫？

 Z  我反而觉得，大家现在还在问“是不是泡沫”，本身就说明——大概率还没到泡沫阶段。

原因很简单：泡沫在本质上是一种集体心理状态。真正的泡沫，往往发生在这样一个时刻——所有人都确信“这绝对不是泡沫”。

这个过程在市场里有个词，叫“放弃抵抗”（capitulation）：做空的人不做空了，说“我受不了了，我不能老亏钱”，转而开始追涨；怀疑的人也开始全部上车了。

你回头看90年代末的互联网泡沫，其实很有代表性。

当年股价已经涨到天上去了，但几乎没人再说那是泡沫。我认识一个标志性事件是：巴菲特开始投资科技股。

你要知道，他之前一直说自己不投科技，因为“看不懂”。结果他都进场了，那一刻，市场基本就进入了“所有人都相信这没问题”的状态。

但从更长期的角度看，我认为，其实互联网本身并不是泡沫。它是真实的、改变世界的技术。

当年的问题只是：在短期内，价格跑得比现实应用和用户规模快了一步。网络用户还不够多，商业模式还没完全跑通，但股价已经先飞了，于是出现了阶段性的“价格失真”。

再看AI，现在的情况其实不太一样。

AI最大的特点是：短期内根本不存在需求不足的问题。现在是“供给不够用”，不是“没人要”。

所以你要说五年后会不会突然没有需求？我个人觉得这听上去有点离谱。

当然，过程中可能会出现一些瓶颈时刻，比如某一天发现：冷却系统不够了、电力跟不上了——这种局部问题是会出现的。

但如果你现在从最基本的东西看：供需关系、增长速度、估值和增长的匹配程度，我并不觉得这看起来像一个泡沫。

 A  我同意一点：没人真的知道答案。

说得直白一点吧——如果你去问对冲基金经理或者投行里的“专家”，他们也不知道；很多 CEO也不知道；说实话，不少VC也不知道。

VC们有时候只是情绪上很难接受现实——尤其是看到一些公司估值比他们当年想象的高很多的时候，这很难免，但是有点像“认知打脸”，这会让人本能地生气。

所以我想说，所有关于“泡沫”的讨论，常常也会掺杂了很多类似的情绪，而不只是理性分析。

我的建议永远只有一个：把讨论拉回到最基本的事实层面。

我自己会看两件事：

第一，这项技术到底行不行？是不是能真的做到它承诺的那些事？

第二，有没有真实的客户愿意为它掏钱？

只要这两点同时成立——技术是真的有用，客户是真的在买单——那就很难说这是一个纯粹靠情绪堆起来的泡沫。

在这种情况下，只要这两个“地基”还在，事情大方向上通常就不会走偏。

 ChatGPT对Google来说，

    到底是不是“珍珠港事件”？ 

【主持人】：最近有一个说法，ChatGPT对 Google来说，就像一次“珍珠港事件”——突然的偷袭，把沉睡的巨人惊醒了。那如果我们放在更长的历史里看：每一次平台迁移（platform shift）发生时，决定胜负的到底是什么？是原来的巨头最终会赢得下一波，还是新进入者更有机会？我们该怎么理解这件事？

 Z  当然及时应对很重要。但我不太认同把这件事完全类比成“珍珠港事件”。

更准确地说，这更像是——一声巨响，让 Google把脑袋从沙子里拔了出来。这意味着什么？意味着他们确实被震了一下，但并不等于Google就这么完蛋了，同时我也不觉得 OpenAI会消失。这件事之所以发生，本身就说明：Google之前确实让机会溜走了一部分。

当然，其中有“速度”和“时机”的因素。但从更长期看，真正决定成败的是执行力，而且是长期执行力。

问题在于，很多超大型公司，在不同程度上，已经丧失了持续高质量执行的能力。

如果你回头看历史，当一个全新的平台出现时，情况往往是这样的：

微软当年在搜索这件事上，被Google打了个措手不及。微软依然是一家非常强大的公司，但它错过了整个搜索时代的主导权。

再比如移动互联网。当年苹果还很弱，微软几乎笃定自己会统治“移动计算”。结果呢？他们完全错过了这一波。

但即便如此，微软依然能活得很好——因为 Windows时代积累下来的体量和垄断地位，让它有空间转向别的方向继续发展。

所以从历史经验看，新平台往往是由新公司赢下来的。但上一代的巨头，并不是立刻消失，而是可能会凭借旧时代的优势，活很长一段时间。

 A  而且还有一个问题是——这一切发生得太快了，我们其实还不知道最终产品会长成什么样。

这一点非常重要。

每当这种时候，人们都会不自觉地陷入一种过度简化的叙事。

比如你现在经常听到的版本是：

■ 未来就是聊天机器人VS搜索引擎。

■ Google的问题在于：要不要颠覆自己“10条蓝色链接”的搜索模式，如果换成AI直接给答案，会伤害到自己的广告生意。

■ OpenAI的问题在于：它有完整的聊天产品，但没有Google那样的广告体系和分发能力。

这套说法是不是特别耳熟？它几乎可以直接写进《创新者窘境》这类商业教科书里——一个典型的“1v1对决”故事。

但这个故事有一个巨大的隐含前提：它假设——五年、十年、十五年、二十年之后——人们主要使用的产品形态，依然只是“搜索引擎”或“聊天机器人”这两种东西。

而历史几乎每一次都在证明：类似的假设是错的。

举一个再典型不过的例子。

个人电脑从1975年被发明出来，一直到1992年，整整17年，都处于“命令行与文本交互”的阶段——用户必须用指令与机器对话。

而在当时，这已经是巨大的进步了——毕竟因为它比更早的打孔卡、分时系统要先进得多。

但到了1992年，整个行业突然左转，进入了图形界面（GUI）时代，而且一去不回。再过了大概五年，行业又一次转向，进入了浏览器和互联网时代，同样再也没有回头。

这说明什么？说明产品的形态、用户体验、以及它如何嵌入我们的生活方式，在今天这个阶段，其实仍然是未定型的。

所以我可以很确定地说：20年后，世界上一定还会有聊天机器人。

但我同样确信的是：无论是现在这些聊天机器人公司，还是还没出现的新公司，都还会创造出很多我们今天根本想象不到的、完全不同的交互方式。

而这，也正是科技行业——尤其是软件行业——一直让人着迷的地方：

在事情发生之前，你永远不知道，最终的产品会长成什么样。

  全世界究竟有多少人，

能真正拥有“泛化能力”

 和“知识迁移”？

【主持人】：Marc，最近大家讨论很多大模型的“天花板”——比如它们无法真正进行科学发明，做不出真正的原创突破；在艺术上也谈不上真正的创造力，只是在组合、包装已有内容。

你怎么看？

 A  对，这类问题我经常被问到。基本是两种：

一个是，语言模型到底“聪不聪明”？它们能不能像人一样真正理解信息，产生概念性的突破？

另一个是，它们算不算“有创造力”？能不能真的创造新艺术，而不是看起来像在模仿？

而我对这两个问题的回答，其实都很简单：

那我们人类自己能做到吗？

我们先说“聪不聪明”。

就算确实有一小撮人，能做出真正原创的概念突破——不是复述训练集，不是照着脚本走——那问题来了：

这样的人，到底占人类的百分之几？

说实话，我一辈子也就遇到过几个，其中几个现在就坐在我们这个谈话现场。真的，这样的人真的不多。绝大多数人，一生都很难产生一次那种高度的突破。

那再说“创造力”。

多少人算是真的有创造力呢？

我们当然会举例说，有啊，贝多芬、达芬奇……对，那是创造力的巅峰。但问题是—— 历史上有多少个贝多芬、多少个达芬奇？

显然，非常非常少。

所以第一层判断其实很直接：

如果一种系统，已经能达到甚至超过99.99%人类的水平，那本身就已经是一个极其重要的变化了。

但你再往深挖一步，会发现：

人类历史上，真正“从零到一”的概念性突破，本来就极少。绝大多数进步，都是在既有成果上的重组、演化和叠加。

你看技术史几乎总是这样：

那些看似“突然”的重大突破，背后往往是至少 40年的积累。大语言模型本身，就是沉淀了80年研究的结果。

艺术也是一样。小说、音乐、绘画——确实存在创造性的飞跃，但每一次飞跃背后，都是站在前人的肩膀上。

哪怕是贝多芬，你也能清楚地看到莫扎特、海顿，以及更早作曲家的影子。

组合、重混，本来就是创造的一部分。

所以某种程度上，争论“这算不算真正的原创”，有点像是“天使能在针尖上跳几支舞”的问题。

如果一个系统，已经能接近——比如说，只差万分之一，就达到那种世界级、代际级的创造力和智能，那它在实际效果上，基本已经“到位”了。

情感上说，我当然也希望：人类的创造力仍然是独一无二、不可替代的。我也愿意相信这一点。但老实讲，当我真正开始使用这些系统时，我的感受是：它们真的非常聪明，也真的非常有创造力。所以我个人已经相当确信：它们会跨过那条门槛。

【主持人】：这似乎是你分析中一个反复出现的逻辑——当人们质疑模型的局限，比如迁移学习、分布外推理时，你总是反问：那人类能做到吗？

 A  我们经常说“泛化能力”和“知识迁移”。但你冷静想一想：我认识很多人，在“既定框架内”推理得非常好。但是，真正能跨领域、能迁移的人有多少？

我自己能想到的，也就那么几个。有些人，你无论问他们什么问题，他们总能给你一个极其原创的回答。而且那个回答，往往来自一个相邻但不同的领域。

比如你问金融，他从心理学切入；你问心理学，他用生物学作答。这种人，我认识的大概有三个，而我的通讯录有一万多人，这是万分之三。

顺便说一句，我反而觉得这件事非常令人鼓舞。虽然我知道，现在房间里的气氛可能已经有点低落了（笑）。

为什么我觉得鼓舞人心？

因为你看：人类就是在这样的限制条件下，建造了今天的一切。

我们创造了伟大的艺术、电影、小说；创造了技术发明和科学突破；做出了所有这些惊人的成就。

所以问题是：你真的需要一个系统，在哲学意义上100%地“原创思考”，才能带来巨大进步吗？

我并不这么认为。

当然，如果最终我们确认：它们确实在进行真正的原创思考，那很好。我甚至觉得，最后我们可能会得出这个结论。

但即便没有，也已经足够带来极其巨大的提升了。

下期【泉果探照灯】，我们将会将视角聚焦于中国，集中讨论a16z创始人对于AI在中国市场上的发展，主要观点包括：

■ AI正在进入“第二阶段”——从模型与算法，走向机器人、产线与实体世界。这会把战场从“实验室”延伸到“产业链”；

■ AI下一轮竞争优势的来源，不再依靠几家公司，而是整个“产业森林”，按现有趋势推演，这片“森林”最有可能首先在中国“长成”；

■ 美国在理论上可以“更快更好”，但现实是：你不生产，就无从谈起。即便中国在AI软件上追不上美国，也可能在硬件与实体世界的赛跑中实现“赶超”。

为了不在繁杂的推送里错过更新，可以关注【泉果视点】，点个⭐️星标。这样，下期的更新就能第一时间和您见面。