--- layout: post.njk source: https://blog.qiaomu.ai/ai-impact-complexity-podcast-analysis speaker: 向阳乔木 title: AI 的真正影响，比你想的更复杂，也更平常 · 乔木博客 date: '2026-06-02' summary: 科技评论员 Benedict Evans 认为 AI 与互联网同具颠覆性，目前处于类似 1997 年的早期阶段。他指出 AI 落地受组织惯性制约，价值将沉淀于应用层。Evans 区分了“任务”与“工作”，并建议应积极拥抱 AI 工具以适应变革。 area: tech-engineering category: ai-application tags: - ai-adoption - tech-trends - ai-infrastructure - ai-strategy people: - Benedict Evans - Sam Altman companies_orgs: - OpenAI - Anthropic - a16z products_models: - ChatGPT - Claude - Claude Code - Codex media_books: [] draft: true status: evergreen --- 乔木博客 全部 AI工具 AI教程 AI生成 AI资讯 健脑房 播客解读 论文学习 # AI 的真正影响，比你想的更复杂，也更平常 播客解读 · 2026年6月2日 · 51 次阅读 · 约 8 分钟 Benedict Evans 最近说了一句话，让科技圈两边的人都不高兴： AI 和互联网一样重要，也只和互联网一样重要。 觉得 AI 会改变一切的人说他低估了；觉得 AI 没什么大不了的人说他在炒作。 但 Evans 的意思其实很精准：互联网和智能手机已经够颠覆了，我们不需要把 AI 和工业革命相提并论，才能承认它是件大事。 Evans 是前 a16z 驻场分析师，做了二十多年科技行业研究。 他刚发布了一份新报告《AI is Eating the World》，在 Lenny's Podcast 上聊了将近一个半小时。 以下是他最值得细读的几个判断。 ## 现在是 1997 年 如果要用互联网做类比，Evans 说，我们大概处于 1997 年的位置。 很多东西还跑不起来。 大多数真正有价值的应用还没被建出来。 已经"上车"的人以为全世界都和他们一样，但现实是，哪怕在 13 到 18 岁这个最容易接受新事物的群体里，每天使用 AI 的人也只有 15% 到 20%，每周用一次的大约也是 20%，剩下 60% 根本没在用。 这个数字说明什么？说明我们离"AI 改变了所有人的日常"还差得很远。 1997 年的互联网，大家也觉得很激动，但 Google 还没出现，Facebook 还要再等七年，iPhone 要等十年。 那些真正重塑世界的东西，当时没有人能预测到。 Evans 做了 80 张幻灯片，有人评价说"这 80 张都在说我们不知道"。 他觉得这个评价"有点刻薄，但也挺准的"。 ## 顾问行业不会消失，反而更忙了 有一个现象让很多人困惑：OpenAI 和 Anthropic 这两家最前沿的 AI 公司，正在大力投资收购咨询公司，招募大量"前向部署工程师（FDE）"。 按理说，AI 应该替代顾问才对。 为什么最懂 AI 的公司反而最需要顾问？ Evans 说：企业不养闲人。 一家公司想用 AI 重新设计内部工作流，这本身就是个项目，需要五到十个人花一两个月搞清楚能做什么、怎么做。 然后真正落地又是另一个项目，要把三个垂直系统接入两个横向系统，还要培训员工。 问题是，这些活谁来干？公司里没有坐着等活干的人。 所以你要么找麦肯锡，要么找埃森哲，要么找这些新出现的"前向部署工程师"。 他们本质上就是住在旧金山的埃森哲外包开发者。 这个逻辑也回答了另一个问题：为什么 AI 没有立刻消灭大量工作岗位？因为企业的变革速度受制于组织惯性，不是受制于技术本身。 一套企业软件的销售周期就要 18 个月，没有人会因为 ChatGPT 发布就立刻把 SAP 换掉。 ## "任务"和"工作"不是一回事 这是 Evans 整个分析框架里最核心的一个区分。 他举了一个例子：电梯操作员。以前有人专门负责开电梯，按楼层。 自动化之后，这个工作消失了，因为这份工作本身就只是一个操作动作，任务即工作。 但大多数工作不是这样的。 你雇麦肯锡，是为了那份 75 页的 PPT 吗？表面上看是。 但 Claude 现在也能生成一份看起来像麦肯锡风格的幻灯片，你看一眼就知道那是垃圾。 你真正付钱买的，是他们走遍你的公司，搞清楚为什么你们没做那件事，内部政治是怎么运作的，客户真正怎么想的。 PPT 只是把这些洞察装进去的容器。 Amazon 能帮你找到你知道自己想要的商品，但如果你不知道要买什么麦克风，最好别从 Amazon 开始。 Claude Code/Codex 能帮你写代码，但"写什么代码"这个问题，它帮不了你。 会计行业是最好的反例。 从算盘到打孔卡，从大型机到数据库，从 Excel 到云端 ERP，每一次技术革新都被预言会消灭会计师。 结果呢？整个 20 世纪会计师数量持续增长，21 世纪还在涨。 原因就是价格弹性：当一件事变得更便宜，人们不会做同样的事少花钱，而是用同样的钱做更多的事。 ## 基础模型公司可能赚不到大钱 Evans 在报告里把分析分成三块：资本、部署、影响。 其中关于资本这部分，他的结论相当不客气。 Sam Altman 说过要"像卖水电一样卖 AI 智能"。 Evans 的反应是：他需要有人给你解释一下公用事业行业的利润结构。 他做过电信分析师。全球移动通信行业每年收入约一万亿美元，每年资本支出约两千亿，数据消费量从 2010 年到现在增长了 1500 到 2000 倍。 股价在过去 25 年基本没动。 为什么？因为这是一个增长型、低利润的商品化基础设施行业。 所有真正有价值的东西，都是别人在上面建的。 基础模型公司面临同样的问题：模型之间没有网络效应，没有赢家通吃的机制，产品差异化有限，用户随时可以换。 在这种情况下，凭什么有定价权？ 他的判断是：最终的价值会沉淀在应用层，而不是模型层。 这更像 AWS 的故事，而不是 Windows 的故事。 用 AWS 的公司不会因为"所有软件都在 AWS 上"而被锁定，但用 Windows 的开发者会。 当然，他也承认自己可能是错的。 在 1997 年预测互联网格局，大多数人会错过几乎所有重要的事。 ## 反 AI 情绪是一团模糊的东西 Evans 对当前的反 AI 情绪有个判断：这不是一件事，是二十件事混在一起。 有些是真实的，数据中心确实推高了部分地区的电费。 Deepfake让一个 15 岁的孩子可以在一个下午制作并传播同学的裸照，这和 Photoshop 时代完全不同。 有些是被夸大的，数据中心的用水量约占美国总用水量的 0.017%，说 AI 在"抢水喝"基本是无稽之谈。 有些处于模糊地带。关于 AI 对就业的影响，经济学家们看了大量数据，目前没有清晰的共识。 18 到 24 岁年轻人的就业确实在放缓，但这个趋势在有学位和没学位的人群中都存在，在"看起来会被 AI 影响"和"看起来不会被 AI 影响"的职业里也都存在。 他把这个情况类比为当年的社交媒体反弹：有些担忧是真的，有些是似是而非的，有些完全是错的，但它们全部混在一起，很难分开讨论。 ## 你现在能做什么 Evans 给出的建议只有一条，但说得很直接： 别把头埋进沙子。 你可以去 Bluesky 上骂 AI 有多邪恶，这会给你带来强烈的道德优越感，但这没有任何用处。 真正有用的是：把自己完全浸入进去，搞清楚今天的 AI 能做什么，你能用它做什么，它怎么改变你的工作。 如果你要去一家律所面试，而他们今年只招 50 个人而不是 100 个，你在面试里说"我不打算用 AI"，基本就是在帮他们做筛选。 这不是特别令人安慰的答案。 但 Evans 认为，这是唯一诚实的答案。 就像他在报告里那张幻灯片写的标题：这次会和以前完全不同，就像以前每次一样。 Evans 的报告《AI is Eating the World》可以在他的网站 ben-evans.com 上找到，每周还有 newsletter 更新。 © 2026 · 向阳乔木