在上一期【泉果探照灯】中，我们介绍了硅谷顶尖风投a16z在自家举办的Runtime的闭门峰会的一些最新观点。涉及的话题囊括了譬如：AI的“泡沫”到底有多严重？AI的产业竞争到底处在哪个阶段？这些极具争议的热门话题。

现在全世界都在讨论AI，为什么a16z的观点特别值得关注？

主要有两个原因，第一，创始人Marc Andreessen真的非常懂技术，非常懂科技企业，也非常懂投资，这就让他在对AI的认知上，比其他人多了很多维度和视角，就看得特别准、特别深。

上一期咱们介绍过，这个出生在美国中西部的小镇青年几乎是刚认全了26个英文字母就开始写代码了——9岁时居然自学了Basic，真正的天赋异禀，成年后就获得了老牌风险投资家Jim Clark的青睐，创办了网景（Netscape），积累了足够的科技创业经验之后，又创办了a16z，在科技领域的投资独树一帜、可圈可点，连红杉这样的老牌资本都忍不住要找他偷师；

第二个原因是，a16z的观点极具影响力。相信很多人都还记得去年春节，DeepSeek横空出世，中美两国的大部分精英都公认，这是AI领域的“斯普特尼克时刻”，而这句话，就是a16z的Marc Andreessen率先提出来的。

a16z的很多重磅观点，往往能够在两周之内，传遍中美两国的科技圈和金融界，迅速构筑起市场的共识，这就是这家风投机构的厉害之处。

泉果视点注：“斯普特尼克时刻”，指国家或组织因在关键领域落后于竞争对手而产生紧迫感的“特定时刻”。该术语源于1957年10月4日，苏联成功发射世界首颗人造卫星“斯普特尼克1号”，引发美国在太空竞赛中的危机意识。后其内涵扩展至科技、军事等领域。

本期【泉果探照灯】，将继续分享a16z关于中美AI竞争的重磅观点，关于中国的“产业森林优势论”。

Z：全名Ben Horowitz，以下简称为 Z 

主持人问题用【紫色】标出。

【主持人】还有一种论调，就是谁更聪明，谁就会统治其他人。AI只要足够聪明，最终会统治人类。

 A  我相信养过猫的“猫奴们”，都知道这是错的。（笑）

在社会科学里，智力（IQ、G factor、流体智力）与几乎所有“正向人生结果”都有显著相关性——包括教育程度、职业成就、收入、生活满意度，甚至是“用非暴力方式解决问题的能力”。

但问题在于：这个相关系数大约是0.4。

这在社会科学里已经算“非常高”，但它同时也意味着一件更重要的事：智力无法解释剩下的60%。

领导力、管理能力，与纯粹的智力并不是一回事。

 Z  管理和领导的核心，并不在于“聪明”，而在于“懂得”：能不能正确地面对冲突，能不能真正理解：你面对的这个人，是怎么想问题的，他在担心什么？抗拒什么？误解了什么？哪些地方是被情绪带动？——关键是能不能站在对方的视角，而不是自己的视角做决策。

 A  这也是为什么“管理经验”很难被公式化，因为它是高度情景化的。那些领导力模型很难复制。

 Z  扎克伯格有一句话说得特别好：“智力不是人生本身，人生有很多维度，和智力并不直接挂钩。”

就好像，如果你把全部精力都花在提升“智力”这件事上，反而很容易忽略人生里那些真正重要、但不靠智力驱动的部分。

 A  我其实觉得，这个问题再往下追，就会进入生物学层面。

现在越来越多的研究在表明：人类的认知、意识、决策体验，并不只是“大脑在运算”。

那个经典的“身心二元论”——认为“心智只存在于大脑里”，其实是站不住脚的。

这也是为什么我一直反对那种“智力至上”、“IQ 至上”的看法。

我们作为人类，并不是只通过理性思考来体验世界的，更不是只靠大脑。而是一种完整的“身体体验”：神经系统、肠道菌群、气味、感官刺激、激素水平、各种生化反馈……这些东西都深刻地参与了我们的判断、情绪和决策。

如果顺着现在的研究往前看，我猜测最终我们会发现：

人类认知，本质上是一种“全身参与”的过程，远比过去想象的复杂。

这其实也指向了AI领域的一个根本挑战。

我们今天能运行的AI，本质上仍然是一个“身心分离”的版本——它像一个被剥离了身体的“大脑”。也正因如此，机器人革命才会如此关键。

当AI被放进可以在现实世界中移动、感知、反馈的实体里，当它拥有传感器、物理交互和持续输入，它才有可能更接近那种“智力+身体+ 环境”一体化的体验。

但说实话，从现在的研究进展来看，这些都还只是刚刚起步，我们还有大量工作要做。

【主持人】当你面对企业家和创业者的时候，你认为有什么建议是专门针对这个“独特的时代”的？

 Z  你说现在是一个“一个独特的时代”，我完全同意；所以试图去学习过去的组织设计经验，或者过度依赖上一代的经验，可能反而会对大家误导，因为事情真的不一样了。

所以，我认为我们确实需要从第一性原理去思考很多问题。

 A  我想补充一点，我确实认为很多事情会发生变化。

我之前提到过，我觉得产品的形态和形式会改变，所以仍然存在大量的创造性空间。我也认为——在供需关系的世界里，造成供过于求的恰恰是短缺。也就是说，当某样东西变得极度稀缺时，就会产生巨大的经济动机去想办法释放新的供应。

目前这一代AI公司就正面临非常紧缺的情况——非常优秀的AI研究员和工程师短缺，同时还面临基础设施、芯片、数据中心和电力等方面的供给瓶颈。

说到优秀的AI人才，有一件事让我印象非常深刻：现在，来自中国的优秀AI模型，真的很多。而且不是来自一家公司，是多家公司同时在出成果。比如DeepSeek、Qwen、Kimi。

更值得注意的是——做出这些模型的团队，并不是我们熟悉的那种“明星阵容”——不是论文上反复出现的那些名字，也不是国际学术圈里早就被标注过的“招牌人物”。

这反而说明了一件事：中国似乎正在成功“解码”一件事——如何把大量优秀的年轻人，系统性地训练成真正能做模型的人。

这个变化其实是符合常识的。在任何一个新技术刚出现的阶段，它都会是极少数人的“秘技”，而且会被市场用极高的价格争抢。

但只要方法开始被总结、被传播，知识被“灌进环境里”，越来越多的人就会学会怎么做。现在已经能看到这种迹象了：大学生在学，新人在上手，知道“怎么造模型”的人，正在变多。

我不认为未来会出现“人才过剩”，但可以肯定的是——会有越来越多的人，具备真正构建 AI的能力。

而且别忘了，还有一层变化：AI也在帮助人类造AI。工具本身，会越来越能参与到这个过程中。

这是好事。因为当下工程师和研究员的极端短缺，反而正在限制整个行业的发展速度。而我认为这是可以改善的。

至于芯片，我不是芯片专家，但有一条历史规律非常清楚：在芯片产业里，从来没有哪一次“短缺”，最终不是以“过剩”收场的。

原因很简单：一旦短缺带来超高利润，就会吸引大量力量进入，去“商品化”原本稀缺的功能，把价格打下来。

即便像Nvidia这样，拥有芯片史上罕见的优势地位，我也很难相信——他们五年之后，依然还会保持这种压力级别的超大规模供货量，（因为最终市场会调节供需关系）。

 Z  哪怕瓶颈从芯片，转移到电力、散热或其他环节，那也几乎必然会带来类似芯片的供给过剩。

 A  所以，五年后的挑战，一定和今天不一样。

在这个行业里，位置变化得非常快，没有谁能“静态领先”。

【主持人】你刚刚提到了中国，我想把话题拉得更宏观一些，你怎么看中美的AI竞争？

 A  上个月，我在华盛顿就在跟几位参议员聊这个事情，他们反复问我的一个问题就是：

“我们到底该如何判断，中美之间的AI竞赛现在走到哪一步了？”

如果只看眼下的状态——尤其是像 DeepSeek、Qwen这些中国模型的进展——你会发现，一个很清晰的分工正在浮现：

美国（以及西方）在“概念创新”上更强：很多底层思想、范式级的突破，往往先在美国出现。

中国在“工程化与规模化”上更强：把想法快速做出来、做成产品、推到市场、把成本打下来，再把它铺开。

这是中国过去几十年在制造业里反复证明过的能力。而现在，这种能力正在被非常出色地迁移到AI上。

当然，你也会听到各种质疑：有的在讨论创新的“原创性”，有的在讨论路径的“合规性”。但不管你怎么评价路径，结果是摆在那里的：中国在追赶，而且追得很快、做得也很漂亮。

更重要的是，中国显然不满足于“追赶”。中国并不缺聪明人，也不缺有创造力的人。真正值得观察的是下一步：概念级、范式级的突破，会不会开始更多从中国出现？甚至出现反超？

这已经不是一个“我们领先五年”的故事。它更像一场按周、按月刷新的短跑——美国领先可能只有几个月。你不能慢下来，不能指望“领先优势会自动维持”。

我对美国的软件能力依然很有信心。但是正如我在华盛顿反复强调的，一旦AI进入第二阶段——“具身化”——也就是从比特进入到原子，从屏幕走向现实世界，变成机器人和具身智能——局势会立刻变得严峻得多，因为中国的优势显然更大。

原因很简单：在过去40年里，美国和西方世界主动选择了去工业化。而与此同时，中国建立起了一个极其庞大的工业生态系统：机械、电气、半导体、产业链、装配体系……再加上软件能力正在补齐——这就是我说的“产业森林”。

AI革命一定会有“第二阶段”。它就是机器人，而且，我判断它会来得很快。

【主持人】中国的主要优势具体是什么？

 A  我觉得主要有两点：

首先，中国有“集中力量办大事”的组织能力。

当政府把某件事定为国家优先级，它就能让整个体系更快对齐，更快动员资源去执行，而这在美国就很难做到——我们更分散、更拉扯，也更难长期保持同一个方向的投入。

第二，中国拥有完整的“产业森林”。

很多人还用旧观念看制造业，觉得那只是“做钢铁、做玻璃”。

但今天你得换个视角：机器其实是“软件的硬件形态”，是AI的实体化载体。

比如，汽车不再是钢铁和玻璃，它已经是一个带轮子的机器人了；无人机也不再是玩具，它是在空中自主导航的计算机；再往后看，机器人时代正在来临，未来几十年，我们将生活在一个被机器人彻底渗透的世界中。

而美国的问题不在于“理论上做不过中国”。理论上我们当然可以做得更快更好。

问题是：如果你已经不怎么生产、不怎么建产线、不怎么做整机制造，那你连“把AI带进制造业”的入口都没有。

这也是为什么你会看到：美国的大企业采用 AI的速度并不算快；相反，中国很多制造业公司正在更广泛、更直接地把AI用进产线、用进产品迭代里。

所以真正的挑战不是“想不想做”，而是“能不能做”。机器人必须被制造出来，而制造从来不是一家公司的事——它需要成千上万家供应商、零部件体系、工程能力、规模化装配和质量控制。

汽车、飞机、计算机都是这样，机器人也一定会这样。

而从这个意义上讲，如果AI的战场真的从实验室走向产线，那么我今天坐在这里的直觉是：这场第二阶段的竞争，很可能会“默认发生在中国”。

即便中国在软件领域依然无法完全赶上我们，他们也可能在硬件领域实现超越——届时局面就会如此。

大家都在谈论，什么时候，AI才能转换为真实的生产力？

a16z给出的答案是，当AI真正进入一个已经高度数字化的工业体系之时。

这一观点最系统的阐述，是在a16z上半年的两篇重量级报告中，它们被认为是AI的产业宣言，同时为AI叙事提供了一把新的标尺，而当你用这把新标尺去度量，中国的位置也随之了变化——不再只是追赶者，更像是在为第二幕提前布局好的“默认选项”。

这也解释了，为什么在报告中，中国被反复提及了65次，也解释了为什么报告指出：在押注下一个未来的是中国，而不是美国。

下期我们将为您精编该系列报告的核心观点。

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。