# AI

AI

Mar 03, 2026

本周 AI 图表精选

本周用几张图代替常规的长篇文章，挑出引起我注意的内容。 这些图涉及市场的不同角落——企业 AI 采用、软件在生产力提升中所占比重，以及垂直软件的销售表现。 1. 最常见的 AI 使用场景和采用障碍。 目前，AI 主要用于数据分析和自动化那些你预期的职能。LLMs 在语言和代码方面表现出色，因此正被客服、营销和工程领域采用。 在客户服务方面，感觉像是人工智能在取代劳动力，而在市场营销和工程领域则是在增强人类能力并维持员工规模不变。 2. 软件在从个人计算时代到云端部署的创新周期中，捕获了大量私营部门的增长红利。  在以往的创新周期中，软件公司占据了全部增长红利的 25%。 有些估计报告称，人工智能在未来几十年内可能释放高达7万亿美元的生产力增长——那将意味着软件可能再夺得约1.75万亿美元，尽管哪些商业模式能捕获这些收益仍有待观察。 3. 垂直软件并未放缓。  如果软件在人工智能驱动的生产力增长中占据类似份额，问题就变成了哪些类别的软件最有优势——而垂直软件在早期就显示出强劲的理由。 我上周写道，在人工智能时代，垂直软件由于数据锁定和对专有工作流的理解，将拥有更大的护城河。 到目前为止，这一点仍然成立。 去年，垂直软件的配额完成率优于同行，尤其是在 Liberation Day 波动平息后的下半年。目前判断这是否为一股趋势还为时过早，但早期迹象良好。 我在追寻的想法 人生中最好的动力，是有几个人你真心不想让他们失望。 我正在收集的想法 “我们并不把信念改为适应新信息，恰恰相反，我们会改变对这些信息的解读，以使其符合我们的信念。”——安妮·杜克，《在赌局中思考》 “生存下来的并非最强壮的物种，也并非最聪明的；而是对变化适应能力最强的那一个。”——查尔斯·达尔文

阅读全文

商业洞察

Mar 03, 2026

DiSaaSter 重创网络安全：Anthropic 2026 年 2 月的网络公告引发网络市场崩盘

昨天，2 月 20 日，Anthropic 宣布了他们即将推出的 Claude Code Security 产品。 显然，模型实验室已经在特定的网络安全能力上投入了一段时间，Anthropic 和 OpenAI 在过去 18 个月里都有重要的招聘动作。 鉴于代码生成仍然是“终极 AI 用例”，这很有道理。在某个时点，企业内部扩大代码生成的限制因素将成为安全风险，首席信息安全官（CISO）将不得不提出异议。Anthropic 的安全产品有助于解决这个问题，并将使他们能够继续向企业销售和扩展更复杂的代码生成工具。 但回到要点：网络安全市场对 Anthropic 的消息反应不佳。网络安全 ETF BUG 在消息公布后下跌了 5%（今年以来下跌 14%），几乎每家网络安全公司都受到影响。到市场收盘时，最大回撤达到 -12%（Qualys）。 让我先说，尽管 SaaS 可能已经死去（ 或者在我看来，正在衰败 ）， 但网络安全并未死去。 网络安全万岁。 即便回调之后，大多数网络安全公司按企业价值/未来十二个月收入的倍数仍明显高于市场平均的 3.5 倍。表现最好的网络安全公司仍以 18–24 倍交易（CrowdStrike、Cloudflare），属于软件中最具溢价的公司之一。 话虽如此，软件市场的估值重估已经冲击了网络安全领域，而且影响显著——中位企业价值/未来十二个月营收倍数已从 7.8 倍降至 5.2 倍。但这些企业仍然具有强大的护城河、令人信服的增长前景，并在拓展以覆盖新的人工智能攻击面（GPU、LLMs）时拥有可观的新收入机会。 但当我审视网络领域的下跌时，我看到一个充满不确定性的公开市场。 我们看到了一些与 Anthropic 公告相符的情况： 像 Check Point Software、PANW 和 Fortinet 等网络基础设施（尤其是有实体部署的）相比其他类别出现的回撤较小。这很有道理，因为应用层由 LLM 驱动的安全工具对这些部署的威胁很小。 像 Qualys、Tenable 和 […]

阅读全文

AI

Mar 03, 2026

球场上的比赛已然改变

你能用一半的人手运营公司吗？ Jack Dorsey 昨日的宣布 1，将 Block 的员工规模从 10,000 缩减至 6,000，应该会在每个管理团队中引发这个问题。公司股价大涨 24%。Dorsey 在备忘录中将此描述为不可避免： “在未来一年内，我相信大多数公司会得出相同结论并做出类似的结构性调整。我宁愿诚实且按我们的方式去实现这一点，而不是被动地被迫做出反应。” Block 并非孤例。截至二月，科技公司已裁员 23,000 人。2 按年化计算，这一数字将达到 153,000 人，超过 2023 年的峰值。 2026 年不同之处在于谁在裁员。这些不是陷入困境的公司，而是那些增速温和的企业，认为可以用更少的人手维持运营。 公司 员工总数 2026 裁员 剪辑 收入年同比增长 Amazon 1,576,000 16,000 1% +14% 区块 10,000 4,000 40% +12% Autodesk 15,300 1,000 7% +12% Pinterest 4,700 700 15% +14% Workday 20,400 400 2% +15% 每名员工带来的收入增长惊人。3 Block 在裁员后人均收入跳升 […]

阅读全文

AI

Mar 03, 2026

AI：终极自力更生倍增器

过去工程师曾是增长的瓶颈；AI 让在不增加人手的情况下构建和扩展优秀公司成为可能 几十年来，创业公司的标准剧本是确定性的：筹集更多资金，雇佣更多人，开发更多功能。到 2026 年，AI 的普及打破了这种旧有的对应关系。通过将关注点从员工人数转向自动化工作流，AI 已将扩张成本降至历史最低点。 本土盈利的结构性优势 在此前的风险投资时代，盈利通常被视为达成大规模后再处理的远期目标。在规模化后翻转为盈利的理论很少成立，因为公司依赖于资本消耗。今天，对于以 AI 为先的 B2B 科技公司而言，本土盈利是一个强有力的结构性武器。 当一家公司从第一行代码起就以高效为设计目标时，它将获得若干关键优势： 低扩张成本： 人工智能降低了企业在增长过程中传统上必须支付的“税”，使公司能够在不成比例增加工程团队或客户支持团队的情况下扩展收入。 极高的资源效率： 初创公司现在可以凭借极其精简的团队达到显著的收入里程碑，有时在非常早期阶段就能实现每位员工年经常性收入（ARR）达到 100 万美元或以上。 永久性的选择权： 不依赖下一轮融资生存的公司可以自行决定条款、选择退出时机，或只是继续作为现金流为正的实体运营（同时大幅减少以股票为主的薪酬！）。 为什么“原生盈利”不再是一个选择 原生盈利正变成一种必需，因为市场已将关注点从“以牺牲一切换取增长”转向可持续、基本面稳健的商业模式。在一个人工智能可以自动化复杂高价值任务的世界里，维持高烧钱的结构不再是雄心的象征，而是结构性低效的表现。 以 AI 为先、以效率为重的企业能够在使用更少资源的同时实现更快增长。这使它们能够构建提供经济动荡期间韧性的资产负债表缓冲（参见：SaaSapocalypse 2026），而高烧损的竞争对手则被迫裁员或进行稀释性的下轮融资。 新的差异化因素：构建方式胜过构建内容 随着基础型人工智能模型成为商品化的公用设施，并开始向应用和工作流程扩展以获取更多价值，单纯拥有某项能力已不再是可持续的竞争优势。产品差异化不再是护城河。到2026年及以后，真正的区分因素不再是产品本身，而是支撑产品的公司底层架构、这些产品的分发渠道以及在现有客户中的嵌入程度。 获胜的前进路径由两个核心原则决定： 技术差异化： 价值如今存在于深度嵌入到专有、复杂企业工作流中的 AI 系统的编排。你的产品能在技术层面替代工作或扩展能力吗？ 资本效率： 最成功的创始人是那些把资本视为增长资源而非探索救命稻草的人。你是否能够持续存在足够久，让客户从他们的购买决策中获得价值？ 在这个新时代，构建产品已成商品，但打造一个在技术上具有优势且资本高效的组织是一项精英技能。主导下一个十年的公司将是那些认识到：一支精益、结构化纪律严明、将 AI 作为倍增器的团队，始终能在任何时候胜过庞大且资本密集的组织。

阅读全文

AI

Mar 03, 2026

构建持久护城河的两种战略

在过去几周，关于垂直 AI 可防御性的话题写了很多文章。许多优秀的帖子，比如 这篇 、 这篇 和 这篇 ，从不同角度围绕同一个核心观点展开：在实际系统中运营留下的疤痕性经验、流程的具现化、深度集成、监管复杂性、承担责任的能力。 大多数论点归结为一个问题：在价值链中你处于何处；当模型本身不再是差异化因素时，你掌控什么。 来源 我认为有两个位置比其他一切更重要，它们决定了长期的可防御性。首先：拥有数据被创建的瞬间，我称之为“铸造位置”。这不仅意味着读取已经在记录系统中的内容，而是处于当某个动作转化为结构化数据的流程中。其次：拥有问责位置，即在事情出错时对结果负责。这会把你强制带入那些创建记录、审计链条和最终结果的系统与关系中。 在模型变得更便宜更强的世界里，这两个位置仍能形成护城河。 占据造币厂位置 掌握公司数据和/或成为记录系统很重要，但单靠这些不足以形成持久护城河。你需要更进一步，拥有我所称的“造币厂位置”：成为在事件发生的那一刻将工作盖章入官方记录的系统。这是数据被记录所在的位置与实际定义数据如何、何时、何地被创造之间的区别。金库保存价值，账本记录价值，而造币厂创造价值。 有时硬件很重要，因为它能让你更容易在工作发生的现场捕捉那一刻。有时拥有交易很重要，因为它让你成为记录实际状态变化的那一层：推动资金、库存、责任或授权通过系统的事物。无论哪种方式，关键是占据造币厂位置，以便在数据诞生时就捕捉到它，而不是事后记录。 例如，许多仓库软件之所以掌握这些数据，是因为它位于仓库管理系统（WMS）之上并拉取库存记录。但库存记录常常不准确，因为真实情况在收货通道产生：部分发货、SKU 被调换、纸箱受损、批次贴错标签。占据“铸币”位置意味着在差异发生的瞬间通过照片、视频或语音记录捕捉到该差异，并立即将状态变更写入 WMS。将该批次隔离、拆分入库单、调整库存、触发对供应商的扣款或索赔。你在创建业务运行所依赖的库存真实记录和交易轨迹。 一旦你占据了“铸币”位置，会发生三件事： 你现在在生成带标签的真实数据。 这些真实数据成为团队做决策并对这些决策进行报告的依据。 启用的决策和报表越多，切换成本就越高。 拥有问责位置 拥有问责位置意味着如果出现问题，你要负责（即便是有界限的）。这类似于基于结果的定价，但更进一步——你不仅对结果定价，还为其承保。你支持一个具体的承诺（准确性、及时性、合规、恢复、对账），因此如果/当出现故障，你就是必须修复、买单并证明发生了什么的那一方。这会把你推入交易路径，使你的系统成为权威记录。 监管环境本质上具有防御性，近来的许多文章强调这一点是有道理的。从这个角度看，就是要成为面向机构的合规表面。也就是说，你的记录是监管者和审计人员接受为权威轨迹的记录。 货运代理和海关就是一个很好的例子。你汇总并申报的分录和支持文件决定了放行能否进行（或会被延迟）：分类、估价、原产地、PGA 要求以及完整的文件包。相比于构建一个草拟笔录、最终还需由实际报关行转化为合规申报的助手，要替换生成并维护该审计就绪记录的系统要困难得多。 但即便没有监管者介入，这一点也同样重要。在受监管行业之外，你可以通过在某一明确环节承担下行风险来创造同样的可防御性。当你是担保解决方案的一方时，你自然就成为了创建记录、交易和审计线索的系统。 立场 > 模型 基础模型只会不断改进。工作流程是可见的，这意味着它们可以被逆向工程。部署后的工程是一项有时必要的服务线，但永远不足以建立持久的护城河。 如果你的产品建立在别人的数据库之上（从中读取、向其写入），那么按定义你就不是权威层。你可以有价值，甚至在一段时间内变得难以替代。但只要有更好的模型、更便宜的竞争者或既有企业提供“足够好”的工作流程辅助，你立刻就会被取代。 我最看好的公司掌握着数据的产生地点与方式，并掌控着下游风险。它们正在构建记录，并随着时间推移，塑造行业用来描述自身的本体。 作者注：本文仅使用了 LLM 进行轻度文稿编辑（拼写、语法和清晰度）。内容、含义、语气和结构保持不变。

阅读全文

AI

Mar 03, 2026

在人工智能代理时代构建牢不可破的护城河：聚合理论遇上网络效应

当每个人都能构建自己的个人软件（并且会有许多初创公司为争夺用户而竞争）时，防御性在哪里？聚合理论与网络效应可以结合，创造出比表面更强的护城河。 大多数网络效应形成的护城河在某种程度上都是市场模式：eBay 是一种“m-n”市场（买家和卖家不同）；Instagram/Facebook 是“n-n”市场（所有用户相似，所有人实际上既是供给方（发帖）也是需求方（查看帖子、评论等））。二者都依赖于吸引两端用户的注意力，进而产生数据/互动。 将聚合理论应用于代理 @benthompson 提出了聚合理论的概念，而 @Replit 和 @Lovable 都是该理论在代理（agent）领域中如何发挥作用的例子。我在 Replit 上有一个投入生产、产生收入的应用。这意味着 Replit 是我构建软件的前门，而我选择的所有其他服务都在我下游：Replit 选择与 neon 数据库合作，选择我的电子邮件发送服务等。这种聚合是代理战略的第一个方面。你可以想象垂直领域的生产力软件也会这样做——一个代理房地产平台可能既建立在 @Yardi 之上，并且有时会建议使用 Yardi。但随着时间推移，它可以站在用户“那一边”，为管理他们的公寓选择最佳后端，因为那只是用户用代理处理工作中的一个方面。 只要该平台有用户需求，供给方（以我的例子是 SaaS 应用）存在，但与大多数双边市场不同的是，我可以直接拿走所有代码并更换提供编码服务的厂商（某种程度上可以，实际上要重新搭建所有数据库等相当困难，但我认为事态的发展速度会让这件事朝着“易如反掌”的方向发展）。 那么更多人在平台上如何使整个平台变得更好，从而产生网络效应？ 代理的网络效应 网络效应可能形成的几种方式： 社区（弱）： 我们看到 @openclaw 社区共享技能，甚至有可以立即导入的博客文章。对于为玩弄 openclaw 而使用它的开发者来说，这在一定程度上造成了对 openclaw 框架的锁定，同时也带来了注意力。 升级（更强）： 我们看到 openclaw 社区共享技能，甚至有可以立即导入的博客文章。对于为玩弄 openclaw 而使用它的开发者来说，这会产生一定程度的锁定。当需要设置护栏和检查时，这种锁定可能更强：想想 Apple 应用商店中应用的质量与 Android 生态系统中的差异。 拥有用户界面与代理间通信（强）：目前让你的代理与他人的代理对话存在显著的安全顾虑。有技术手段可以解决安全问题（物理隔离），也有由 LLM 驱动的方法（可能模糊且不可靠），还有社会工程学驱动的方式（LinkedIn 会显示你查看过的所有个人资料，而 Facebook 隐藏你的查看数据——LinkedIn 因此降低了“跟踪”某人的动机，而 Facebook 在本质上奖励窥探行为）。在代理领域，这可能表现为一个面向用户的平台，允许人们与所有代理对话，但将接收方代理的每个问题公开给该代理的拥有者。如果它是高度公开的，反复向某人的代理提出很多问题会显而易见并令人尴尬（想象一下——这个人的 GPS […]

阅读全文

AI

Mar 03, 2026

智能时代的权力与超越

今日的技术资本主义终将让位于一种新的经济与宗教秩序吗？ 两条交织的线索是人类文化的核心。第一股是唯物主义，今天以技术资本主义的形式出现。第二股是超越性，过去时代体现在宗教中，而今天体现在追求真实自我实现上，或带贬义地被称为“治疗文化”。 在基督教世界时期，唯物主义体现在封建制度中，超越性体现在教会中。君主代表着两者的顶点。 工业革命改变了这两者。在工业革命之前，获取权力最有效的方式是率军作战并征服土地。正如亚当·斯密在国富论中所记述的，工业革命之后，a) 资本主义增强了资产阶级的权力，他们与小贵族结盟以削弱国王的权力，b) 围占公地转为土地私有，提升了农业生产力并释放了工业劳动力，c) 工业经济创造了新的消费品阶层，导致财富从想要这些商品的贵族转移到生产这些商品的资本家。随着国王越来越依赖资本家来为战争和殖民扩张提供资金，权力进一步从贵族转向资本家。 工业革命引发了一波世俗化浪潮。到19世纪末，弗洛伊德注意到宗教已失去其治疗功效。无论是因为科学还是其他原因，信徒越来越难以不去质疑上帝，这剥夺了他们用以生活的稳定行为规范。弗洛伊德认为这种无力的宗教观会导致神经症，他发明了精神分析以帮助减轻由此产生的痛苦。虽然世俗化的兴起有多重原因，但最直接的催化因素是经济：人类学会了将能量转化为劳动力，这重塑了日常生活、权威与信仰。 如今，一场同样强大的革命正在进行：我们已经发现了如何将能量转化为智能。围绕这场转变将如何展开、终将如何重塑社会，存在着大量辩论。讨论常集中于输赢动态，例如：1）哪些公司将成为赢家；2）哪些人群将受益或受损（例如就业流失）；3）社会将如何补偿这种经济结构的剧烈变化（例如全民基本收入）。在主流讨论之外，一小部分更加极端的人，尤其是在硅谷，担心人类灭绝及其他此类存在性风险。 我想知道，在即将到来的智能时代，实际发生的变化是否在某种意义上会更接近我们在工业革命期间看到的演变：即一种新的物质主义控制体系（封建制度 → 资本主义 → ?）和一种新的超越体系（宗教 → 心理治疗/疗法 → ?）。这在某种程度上既比硅谷流行的某些末日论温和，也比一些抽象的通用人工智能辩论更微妙，后者如此迅速地汇聚到全面消费主义扩张和一个人人无需工作的富足世界上。 封建制度 → 资本主义 → ? 战后时期资本主义大幅扩张。如果我们不是亲身经历这一历史性转变，鉴于20世纪初对资本主义的激烈批评，我想这会让人有些惊讶。我认为资本主义的扩张可以与全球化的上升联系起来——许多曾经的劳动者，那些工业批评所针对的人，最终成为资本主义经济的一部分，作为知识工作者或服务型经济中的从业者，在那里刚性劳动力供给减少推动了工资上升。正如许多观察者所指出的，很少有美国人仍在制造业工作。 如果知识型劳动真会变得过时，或至少贬值，那么这些劳动力将流向何处？一些观察者，比如最近的 Citrini 研究，推测这些劳动会转向服务经济，但在我看来这并不合逻辑。就业减少应当导致对服务的需求下降，从而也会使服务业萎缩。因此，许多人工智能界的权威把财富再分配视为后 AGI 经济的必要组成部分。然而，再分配本质上是国家资本主义的工具。若果我们不是走这条路，而是迎来一种全新的物质主义追求，会怎样？ 做一个极端的思想实验：若在人类历史的大部分时期里，能征召士兵的能力就是权力的定义，而在我们的工业时代里，能动用资本的能力就是权力的定义，那么在即将到来的智能时代，能动用人工智能的能力难道不应成为终极权力吗？是否有可能我们会发展出某种新的文化追求，某种新的机制来决定谁控制这种人工智能？在那一体系中，会不会出现一种新的、非货币化的价值定义？ 宗教 → 心理治疗 → ? 在我们每个人内心，都存在着在物质追求与超越追求之间找到的一种平衡。在人类大部分历史时期，人们对自身未来物质福祉几乎没有多少影响力：社会角色相对固定，可选择性低，维持生计是主要目标。因此，宗教文化蓬勃发展，留下了令人惊叹的遗迹以示纪念：教堂、金字塔以及伟大的文学和艺术作品。 随着近几个世纪经济上行释放出活力，宗教性下降也就不足为奇。物质追求相较于精神追求取得了优势。剩下的那点旧有活力使得超越追求演变为一种更与物质主义相容的新形式——这就是“治疗式”崛起。禁令不再告诉我们什么能做、什么不能做；取而代之的是对真实自我实现的追求——一个需要我们每个人自行定义的目标。 我认为这种新的精神理解让很多人受挫。事实证明，要从零开始弄清楚如何自我满足，真的很难。这个新的超越之旅太没有边界了。我们中有多少人认识这对他们真正起作用的人？又有多少人我们认识，他们在这条道路上高尚地坚持着，但并没有看到成果？ 旧金山的理性主义者和有效利他主义社区是试图构建新型超越意识形态的例子。我并不认为这些就是最终归宿，但它们是未来趋势的先驱。它们具有禁限性，例如——对什么被允许、什么被禁止有明确规则。Philip Reiff 将疗法文化描述为一种消释性的、过渡性的文化阶段。所有消释性意识形态最终都会让位于新的禁限性意识形态，因为人类在有结构的环境中更能茁壮成长。新的人工智能时代——伴随其经济和社会动荡——是否会带来一种新的禁限性体制来规范人类行为？ 在极端情况下，人类会崇拜人工智能吗？那样的崇拜会是什么样子？每当我试图想象超越性的未来时，总觉得力不从心，就像生活在 17 世纪的人大概永远无法想象治疗用的沙发会取代教堂的长椅一样。那些想象人人嗑药、整日沉溺于感官享乐的科幻作品 ， 例如 The Culture， 从根本上误解了人类的动机以及我们对一种超越自我内在性的结构的需求。 结论 我最喜欢的作家之一，Alasdair Nairn 指出，人工智能革命可能同时具备：a) 极端的大幅度影响，b) 可能在数十年甚至数百年间逐步发生，c) 技术进步和投资热情中会出现多个高潮与低谷。正如 Nairn 所指出的，蒸汽机并不是工业革命的终点，而是引发了随后众多创新。同样，现代 LLMs 很可能成为催生未来奇迹创新的诱因。 […]

阅读全文

AI

Mar 03, 2026

面向行业的 AI 的五种方法

欢迎来到最新一期《Capital Efficient》。我们开始吧。 Five 种垂直领域人工智能路径 垂直软件正在发生一些变化 —— 创始人和投资者都在思考如何应对。SaaS 的估值倍数已压缩至大约 3 倍。以 AI 为本的初创公司面临来自推理成本的利润压力，这是此前时代不存在的。而且 AI 现在可以 在跨越数小时的任务中自主工作 —— 这些能力不仅带来构建软件的新方法，也为打造商业模式开辟了全新的途径。 这些变化正在为垂直型人工智能解锁截然不同于上一代风险投资支持初创公司的商业模式。一年前，垂直型人工智能意味着一件事：向尚未数字化的行业出售高年合同价值的软件。那套剧本仍然存在，但它不再是全部。我现在接触到的最好创业者不再只是问“构建什么是最佳的垂直人工智能平台？”—— 他们在问一个更难的问题：“鉴于人工智能现在能做的一切，在我的行业里用什么方式构建业务能获得最高的杠杆效应？” 这是我尝试绘制的 2026 年我所看到的五种可行方法地图——以及我对每种方法未来走向的看法。 1. 原生于 AI 的服务：竞争，而非赋能 传统的垂直软件模式很直接：通过向行业出售特定类别的 SaaS，帮助其实现数字化。但随着人工智能获得执行现实世界行动的能力，创业公司现在可以直接在行业内部竞争，而不仅仅是向其出售软件。以人工智能为本的律师事务所瞄准的是法律支出，而非律所的 IT 支出。以人工智能为本的会计事务所是会计师本人，而不是为簿记员提供软件的供应商。可竞争的可寻址市场远远大于单纯赋能的市场，人工智能使新进入者能够以接近软件水平的利润率运营，同时获取此前对科技公司封闭的收入来源。 我的逻辑：垂直型 AI 平台押注企业会把劳动力开支转向软件开支，从而为高额年合同价值（ACV）提供正当理由。但这个前提出双向性。如果 AI 真有足够能力在那种规模上实现自动化（并因此配得上那些 ACV），你就可以用同样的工具直接以服务型业务进行竞争；而且利润率会是传统既有企业无法比拟的。反过来，如果 AI 停滞不前，那种自动化承诺无法完全兑现，高 ACV 的平台仍会失败，因为它们的估值建立在从未实现的 ACV 假设上。 在许多垂直领域，直接参与竞争可能是更好的赌注。相同的工具、更有利的定位，不必依赖客户同意在软件上投入创纪录的资金，也能面向更大的终端市场。我们在这一类中已经看到的一些例子有： Legal: Crosby 是一家面向初创公司的 AI 原生律师事务所，获 Index 和 Sequoia 支持，过去一年融资达 2500 万美元。处在另一端的是 Norm Law，一家 AI 原生的大型律师事务所竞争者，已从 Blackstone、Bain 和 […]

阅读全文

AI

Mar 03, 2026

人工智能泡沫讨论忽视的一点：新增用例边际成本在下降

为何把铁路和电信的经济学拿来与人工智能类比并不恰当 周六愉快，欢迎收看《投资人工智能》。别忘了收听 AI in NYC 播客 。最新一期与 Alayna Kennedy 探讨 AI 治理，很有趣。我们还推出了一个新的 New York GPT 机器人，专门提供关于纽约市的信息，如果你住在这里或计划来访，去看看吧。 人们常把 AI 泡沫与铁路或电信产业的早期阶段相比，试图类比这些领域的资本支出与最终由这些投资带来的收入。但这种比较具有误导性，因为在铁路和电信中， 支出是为了连接事物 。每一条新铁路线都需要钢材、劳动力、土地使用权以及多年的建设。电信则需要在大陆间开沟铺设光纤。收入随着物理部署呈线性增长——每新增一英里都很昂贵。 在人工智能领域，情况正好相反。开发我们的 AI 引擎成本高昂。 将事物连接到我们的 AI 引擎则很便宜，而且越来越便宜 。一个新的数据管道。一个提示模板。一个 API 集成。一个 MCP 服务器。你不是在挖壕沟——你是在复制软件。这意味着资本支出与收入的曲线应该与铁路或电信行业有根本不同的表现。那些行业在收入追赶之前需要数十年的物理建设。AI 只需要数月。 我们以前也听过这种关于经济不可行性的论调。2009 年，麦肯锡发布了一份名为“ 澄清云计算的误解 ”的报告，将云描绘为被过度炒作，断言 AWS 比自己运行数据中心贵 144%，并得出结论认为大型企业无需为此费心。他们说，云计算可能导致“幻灭谷”。他们错了——且是极其严重的错误。如今云已成为一个超过 6000 亿美元的市场，是现代企业的中坚。今天同样的模式——太昂贵、没有盈利路径、被过度炒作——正在 AI 领域上演。我认为批评者再次错判了。 我的观点是：如果存在泡沫，也只是一个小泡泡，而且会缓慢破裂。原因如下。 1. 我们已经建好了引擎。现在是把它们连接起来的时候了。 我们已经在开发 AI 上投入了数千亿美元。现在是连接这些成果的时候。将 AI 连接到数据和系统以执行有用任务并产生收入的成本很低——与构建模型本身相比要便宜得多——而且成本每月都在下降。 这些数字令人震惊。根据 Epoch AI 的研究 ，推理价格每年的下降幅度取决于能力水平，范围在 9 倍到 900 倍之间，中位下降率在 2024 年 1 月之后从每年 50 倍跃升至每年 […]

阅读全文

AI

Mar 03, 2026

在人工智能时代的创意信念

人工智能正在重塑设计角色和平台。在创作日益商品化的世界里，创意信念将成为初创公司和设计师的制胜优势。 在 20 世纪 80 年代末和 90 年代初，平面设计经历了一次前所未有的变革。桌面排版工具的出现，例如 1985 年 Macintosh 上的 Aldus PageMaker，以及 Adobe Illustrator（1987）和 Photoshop（1990），打破了制作视觉作品的技术壁垒。曾经需要专业排版人员、印刷厂和制作专长才能完成的任务，如今任何拥有电脑的人都能完成。传统观点认为设计师将会消失。但事实相反，这些工具降低了创作视觉内容的门槛，从而扩大了设计师的市场。 十年后，随着 2000 年代互联网和社交媒体平台的兴起，营销迎来了类似的拐点。曾经稀缺且昂贵、只能通过高度成熟的渠道如电视和印刷获取的分发渠道，随着互联网在早期作为一个没有大型把关者的新渠道出现，变得免费且广泛可及。这个新渠道催生了对新型专才的需求。内容营销人员在早期博客和初创公司中涌现，而像 Facebook 和 Dropbox 这样的公司则开创了增长营销人员的角色。营销部门的重点从高昂的广告支出转向战略性的品牌叙事和内容创作。执行成本的降低扩大了创意的可发挥空间，而非收缩它。 当下围绕人工智能的主流叙事主要是“减法”——我们关注代码生成会取代大三学生级别的工程师，或自动化会减少后勤人员。虽然每一次重大的技术变革确实会动摇既有的组织架构，但历史表明，破坏往往带来比摧毁更多的创造，我们认为这种模式在创意领域会尤为明显。 正如桌面排版催生了品牌设计师，互联网创造了新型的营销者，AI 时代已经在产生新的创意角色和工具，它们将在未来数十年影响我们的工作、创新与娱乐方式。当流程与生成被商品化后，品味与判断——或称为“创意信念”——将变得至关重要。 创始人和创意团队的新动力学 创始团队的构成正在发生变化。我们看到越来越多拥有创意、非技术背景的创业者，在 AI 的赋能下能够编写将其初创公司变为现实所需的代码。我们也注意到各类 AI 初创公司对“创始设计师”的招聘迫切性。就业市场也反映出这一转变，设计职位空缺在上升（较 2024 年增长 13%）。我们还看到全新的混合设计角色开始出现，从由 Facebook、Vercel 和 Netflix 等公司推动并普及的“设计工程师”的兴起，到 Figma 的创意人员开创的“ 模型设计师 ”。 对于后期公司，我们注意到一种趋势：CEO 们正在呼吁将设计职能在高层领导下进行全面重组。在 Shopify，Tobi 在 2025 年紧急致电 Carl Rivera，以重振并领导设计组织，同时将头衔简化为“designer”或“writer”，并重新聚焦于制作与雄心。Stripe 采取了类似做法，将“设计即设计”，将产品、品牌、市场、创意、用户研究和内容都置于同一支柱和执行领导之下。Airbnb 也是一个例子——在 Config 2023，Brian Chesky 告诉观众 Airbnb 已取消了产品管理职能，现在一切都通过设计来运作。 […]

阅读全文

AI

Mar 03, 2026

泥浆与灵魂的区别：关于人工智能能生成的内容、只有人类能提炼的东西，以及为什么档案从不中立

本周，我与 Civilization 团队进行了一个 Zoom 通话，这是一家由一位风险投资行业的导师介绍给我的设计工作室。他们二十年来主要与非营利组织、倡导团体和以推动世界更易读、更公正为目标的事业合作。我带着一个问题进去：在自动化的世界里，设计会发生什么变化？不只是标志和色彩方案，而是在任何人都能在不到一分钟内通过提示得到看似完美结果的世界里，关于决定某物应为何物并有信念去实现它这一更深层次的制作工艺，会怎样被影响。 谈话进行到一半时，一位联合创始人说了一句话，我一直无法忘怀。设计最难的部分从来不是执行。 真正难的是决定它应成为什么样子。 目前，AI 在很大程度上是模式识别。它可以生成、重混并近似你的偏好。但决定一个事物需要传达什么，以及它需要给初次遇见你的人带来怎样的感受，这是一个判断问题。而判断需要有人真正经历过某些事。 由于我的思维方式，那一概念让我同时朝三个方向联想开去。 如果你还没看过这部电影，你应该去看。2010年的这部影片提出了“什么是真正的艺术？”这个当今许多人仍在挣扎的问题。 三个参照点 第一个是部纪录片，叫做 Exit Through the Gift Shop。它原本应该是关于 Banksy 的。结果却成了对 Mr. Brainwash 的画像，一个靠接近真实艺术家并凭借模仿本能把作品拼凑成远看像是一份事业的人。他是欺诈者、天才，还是只是对早已迷失方向的艺术界照出的镜子，影片没有给出答案，我认为这正是要点。他迫使你去问：制度本身是否在助长对复制品的抬高。在如此一来，他本人甚至也变得有用了。 第二位是安迪·沃霍尔。我真正接触到他的作品是第一次在哥伦比亚大学的（必修）艺术人文学课程上，那时我记得坐在那里想，这并不是我被教会如何识别的那种艺术。他没有研磨颜料，也不执着于透视。他在选择、重复并放大。那时我以为他也许只是在吸取文化的精华，附着在已经流行的事物上。但几十年后，汤罐依然屹立不倒。玛丽莲的肖像仍然回望着你。他并非仅仅在模仿。他在诊断关于名人和消费主义的一些东西，而大多数社会还未学会去看到这些。 第三位是诺拉·艾芙隆。有一部关于她生平的纪录片，名为 Everything Is Copy，那是她关于如何生活与工作的论文。她的论点很简单：生活就是素材。对话、心碎、尴尬的晚餐，甚至背叛。没有什么是浪费的。一切都可以被转化为让另一个人少一点孤独的东西。 这就引出了连接三者的问题。如果人工智能能重新混搭互联网上记录的一切，而诺拉·埃夫隆把发生在她身上的一切混搭重制，那么两者究竟有何不同？于是我把鲍德温从书架上取下来。 鲍德温定标 “一个人只从一件事写作——他自己的经历。一切都取决于你如何无情地从这种经历中挤出最后一滴，不管是甜是苦。这是艺术家的唯一真实关怀，用生活的混乱去重造那种成为艺术的秩序。”——詹姆斯·鲍德温 这就是劣作与灵魂之间的分界线。 鲍德温谈的不是风格或技术上的制作。他谈的是撤离。艺术不是对现成素材的重组。它是从生活体验中无情地逼出意义，把真实人生的混乱压缩成某种有序且有意图的东西，正因为你能感受到背后的压力，这东西才具有分量。 人工智能可以重混被记录下来的东西。它可以重新组合被数字化的内容。它能够生成看起来像设计或读起来像散文的作品。但它不能受苦。它不能进行新陈代谢。它无法从它真实生活过的人生中榨取出最后一滴，无论甜美还是苦涩。那不是下一次模型更新就能修补的局限，而是一种根本性的不同。 档案从来不是中立的 在我与 Civilization 的对话中还有第二个主题同样引起了我的共鸣。这家公司的一位研究员兼策略师在介绍一位联合创始人一直在构建的一个设计图书馆，聚焦现代主义设计史，特别关注抵抗与抗议运动，记录那些从未被主流档案置于中心的社区的视觉文化。 她的观察一针见血：模式识别只能作用于已被记录的东西，而被记录的东西并不均匀分布。 所有人工智能生成的内容都是由输入决定的。任何特定设计选择出现的概率，取决于在训练数据中类似事物出现的频率。这意味着从主导档案中生成内容往往会再现主导的模式、主导的审美以及关于什么看起来可信、创新或可靠的主导假设。偏见并不总是显而易见，但它始终存在。 这不仅关乎设计。对任何试图在一个即将被来自同一底层档案的大量内容淹没的市场中传达真实信息的人来说，这一点都很重要。当可接受输出的底线同时对每个人都提高时，把你与他人区分开的不再是工具的获取，而是来源。那段没有记录的故事。那种从未出现在训练数据中的透视，因为它来自算法不知道要去寻找的地方。 溢价转向何处 人工智能将把“平均”变成可接受的水平，这一趋势已经在发生。一份称职的融资演示文稿、一个有用的品牌、一个过得去的策略备忘录——对于几乎任何有订阅服务和合适提示词的人来说，这些现在都唾手可得。底线已经抬高，并且会持续上升。 但当底线抬高时，溢价也随之转移。现在，我认为它正朝着三样无法被复制的东西移动：来源、信念和连贯性。来源在问，你为得出某个想法究竟付出了什么代价，你见过并经受过什么，使得你的视角更有分量。信念则区分了那种预先断定某事应当如何的人和那种生成多个选项并挑出在指标上最优者的人。连贯性是一种质量，让人感觉某物是有机整体，仿佛出自一个经过现实检验的敏感性，而不是从现成零件拼凑而成。 在创业领域，我现在看到大量产出。模式匹配、快速评论、这种看起来像下一个某某的分析。我们在重组信息方面非常擅长。但那些能持久的公司和创始人不只是进行重组。他们从自己经历过的周期中提炼经验，从真正与之相处过的客户那里汲取教训，从曾经误判、不得不通过艰难方式重新学习的市场中总结教训。这种提炼才是真正的工作。而且这是无法外包的工作。 花旗银行标志的早期草图。 也许设计的未来、风险投资的未来，以及任何需要判断力的工作，都不再是人与机器之间的对决。也许它将变成一种筛选机制。平庸会更容易被生产出来。喧嚣会愈发喧闹。但卓越将变得无价，因为卓越会携带着背后人生的证据。它会让人感觉有人真正用心了，真正为问题受过苦，真正从他们的经验中榨取出了最后一滴。 那不是你能从互联网上抓取或通过提示生成的东西。 那是你必须挺过去的事。 怀着感激， 赚取

阅读全文

AI

Mar 03, 2026

贝蒂·克罗克、人工智能与踏实做事

一盒来自上世纪50年代的蛋糕预拌粉，能告诉我们关于人工智能采用的什么 上周我参加了一个科技与金融会议。在白天的专题讨论和演讲中，我注意到旁边那位二十出头的年轻分析师在笔记本上飞快地敲字，焦虑地想把每个关键词都记录下来。 我很惊讶。他难道不知道现在有许多免费、准确且易用的记笔记工具，比如 Read.ai、Granola、Otter、Fireflies、Notion 等吗？ 于是会后我当然问了他这事。“我注意到你都是手动输入笔记。你试过用 AI 记笔记工具吗？” 他的回答是：“当然听说过。不过在这些会议上记笔记是我的工作。我对这份产出负责。” 他的回答意味深长。他没有质疑这些工具的准确性，也没有提到数据安全方面的顾虑。 他只是觉得自己需要亲自去做这项工作 。 记笔记是他处理信息的方式。也是他向自己、向他的公司，或许还有内心那个苛责的上司，证明自己在创造价值的方式。 这是一个非常有意思的回应，因为它揭示了我们在 AI 采纳曲线上的位置——以及下一波持久型公司的构建方向。 而这是 Betty Crocker 五十年前就看明白的行为模式…… 只需加一枚鸡蛋 在 20 世纪 50 年代，General Mills 推出了一系列 Betty Crocker 蛋糕预拌粉，包罗万象——面粉、糖，甚至还有脱水蛋。你只需加水、搅拌、烘烤。那是一项便利性的工程奇迹。但它并不畅销。 这一故事的流行版本， 由消费者心理学家 Ernest Dichter 推广 , 是这样的：家庭主妇感到内疚。预拌粉太简单了 。这感觉像是在作弊。烤蛋糕本应是一种关怀和付出的表现，而一种把它简化为只需加水的产品，剥夺了这一举动的意义。于是 General Mills 从配方中去掉了脱水蛋， 并告诉顾客自己打入新鲜鸡蛋 。销量随即起飞。 现在， 事实比传说更为复杂 。像 Laura Shapiro 这样的历史学家指出，新鲜鸡蛋本身也确实能做出更好的蛋糕。Pillsbury 继续销售完整的预拌粉并且业绩良好。Dichter 引发的真正营销创新或许并非关于鸡蛋本身，而是将蛋糕重新定位为一块画布——鼓励女性通过糖霜、装饰和摆盘来表达创造力，而不是仅仅关注面糊。 但这就是这个神话为何仍然存在、以及它对人工智能为何重要的原因： 心理核心是真实存在的。 人们重视自己为之付出努力的东西。当他们参与创造结果时，会更信任这些结果。行为经济学家称之为 IKEA 效应 ：这一证据充分的发现表明，人们会给自己部分亲手制作的物品赋予显著更高的价值，即便客观上这些结果并不比店里买来的更好。哈佛的 Norton、Mochon 和 Ariely 于 2012 年的一项研究显示，参与者对自己业余折纸作品的估价几乎与专家制作的作品一样高。2025 年对 55 项研究的元分析也证实了这一统计上显著且稳健的效应。 那么结论是什么？人类并非理性的优化者。自动化并非总是最终的优化目标。我们从亲自动手的行为中获得意义、身份认同、满足感和信任。 知识工作者的身份危机 这对人工智能来说至关重要，因为知识性工作是身份认同与产出最紧密结合的领域。 顾问的价值 就是 那份提案。律师的价值 就是 […]

阅读全文