--- area: tech-engineering category: ai-ml companies: - google-kodak-moment companies_orgs: [] date: '2025-09-08' draft: true guest: '' insight: '' layout: post.njk products_models: [] project: [] series: '' source: https://www.youtube.com/watch?v=he7expgQ5Ls speaker: 北美王路飞 status: evergreen summary: 节目深入探讨AI作为第四次平台转移，而非革命或末日。通过历史案例，分析科技巨头对AI的“恐惧”及“创新者窘境”，并剖析AI对谷歌商业模式与用户习惯的深远影响，最后提出个人应对策略。 tags: - industry - platform title: AI的本质：一场平台转移，而非革命或末日——兼论谷歌的“柯达时刻” --- ### 引言：重新审视AI的本质 本期节目将分享一个关于**人工智能**（AI: Artificial Intelligence，模拟、延伸和扩展人类智能的理论、方法、技术及应用系统）的深刻看法，即AI的真相并非革命或末日，而是继iPhone之后最重要的一次技术飞跃。 全世界对AI的看法可能都偏离了重点。一方面，埃隆·马斯克（Elon Musk）在社交媒体上警告AI比核武器更危险，认为人类在“玩火自焚”；另一方面，无数创业者在路演中疯狂宣称AI将彻底改变世界，甚至在公司名称中加入“AI”能显著提升融资和估值。这种两极分化的极端声音，让普通人难以判断：AI究竟是带来**全民基本收入**（UBI: Universal Basic Income，一种定期发给所有公民，无论其收入、财富或就业状况的无条件收入）的救世主，还是将人类推向深渊的终结者？ 然而，科技观察者**本尼迪克特·埃文斯**（Benedict Evans: 英国知名科技分析师和思想家，以其对科技趋势的深刻洞察和历史视角著称）提出了一个冷静的观点：AI既非工业革命，亦非世界末日，而是自iPhone诞生以来最重要的技术飞跃。这句看似平淡的话语，实则是一把“手术刀”，能够切开AI外部的炒作泡沫，揭示其真正的内核。 ### 科技巨头的“恐惧”与平台转移 当前，各大科技巨头正对AI进行一场疯狂的豪赌：**OpenAI**（美国人工智能研究实验室，以开发大型语言模型闻名）烧掉了超过130亿美元，日运营成本高达70万美元；微软为押注**ChatGPT**（OpenAI开发的一款基于大型语言模型的聊天机器人）投入了100亿美元；谷歌急推Bard（现已整合至Gemini）和**Gemini**（谷歌开发的多模态大型语言模型），并进行了三次内部重组；甚至一向稳健的苹果首席执行官蒂姆·库克（Tim Cook）也亲自下场，称AI是“根本性的技术革命”。这些全球最聪明、最有钱的人之所以不惜投入天文数字，其核心原因在于“恐惧”——他们害怕错过下一个时代，更准确地说，是害怕在下一次**平台转移**（Platform Shift: 科技行业中，核心技术、商业模式和用户行为发生根本性变化的时期）中被淘汰出局。 埃文斯认为，当前的AI浪潮正是一次平台转移。平台转移是理解科技产业乃至我们时代最重要的概念之一。科技行业的历史并非平滑向上的曲线，而是每隔十几年就会发生一次剧烈的“地震”，即平台转移。每次转移都将改写游戏规则，使昔日霸主沦为配角，而新的王者则从意想不到的地方崛起。 历史案例表明，**IBM**（国际商业机器公司，早期计算机行业的领导者）曾统治大型机时代，但随着**个人电脑**（PC: Personal Computer，供个人使用的小型数字计算机）的兴起，其主导地位被微软和英特尔取代。微软主导了PC时代，但移动互联网的到来又让苹果和谷歌成为新的霸主。每一次平台转移都是一场“零和游戏”，今天的巨头们深感AI浪潮的威胁，宁愿投入数百亿美元，也不愿承担被历史淘汰的风险。 理解平台转移的逻辑对普通人同样至关重要。它不仅能帮助我们看清商业世界的游戏规则，还能指导我们做出更明智的职业选择、投资决策乃至生活规划。在变革浪潮中，能否看清“潮水的方向”将决定个体是被淘汰还是成为时代的弄潮儿。 ### 平台转移的本质：生态系统重构 埃文斯总结了平台转移的规律：每次转移都不是简单的技术升级，而是整个生态系统的重构。 * **从大型机到PC：** 这并非制造出更小的大型机，而是实现了计算能力的民主化。人人拥有电脑，软件开发门槛大幅降低，催生了微软和英特尔等新霸主，而IBM虽存，但已不再是昔日“蓝色巨人”。 * **从PC到移动互联网：** 这不仅仅是带键盘的手机，而是通过触摸屏、**应用商店**（App Store: 苹果公司为其移动操作系统iOS设备开发的数字分发平台，用户可在其中下载和购买应用程序）和永远在线的网络，重新定义了人与信息交互的方式。苹果从濒临破产的电脑公司一跃成为全球市值第一，谷歌也从搜索引擎公司发展成为移动生态的掌控者。 每次平台转移的赢家往往并非原领域的领军企业，这源于**创新者的窘境**（The Innovator's Dilemma: 指成功企业因专注于现有客户和主流市场需求，而忽视或未能及时采纳颠覆性创新，最终被新进入者超越的现象）。这些成功企业被自身的成功所束缚，不愿冒险开发可能颠覆现有业务的产品。而新玩家则没有包袱，可以轻装上阵，以全新思路解决问题。 埃文斯认为AI很可能是下一次平台转移，但其方式并非科幻电影般的突然觉醒或瞬间颠覆所有行业。真正的变化将更加微妙和深刻，如同iPhone刚问世时，许多人仅视其为昂贵手机，但十年后它重新定义了我们生活的方方面面。AI的威力亦在于此，它将悄无声息地渗透到每个角落，重新定义我们与信息、工作和世界的交互方式。 ### 延伸阅读：平台理论的经典著作 值得一提的是，《**平台革命**》（Platform Revolution: How Networked Markets Are Transforming Culture and Competition and How to Make Them Work for You，由三位平台专家撰写）一书深入剖析了互联网平台如何颠覆传统企业、成为经济和科技创新的核心驱动力。该书展示了平台模式成功的关键，包括平台的本质、网络效应、变现优势、战略转型，并结合优步（Uber）、爱彼迎（Airbnb）、亚马逊（Amazon）等案例进行分析。 ### 历史学家的科技罗盘：埃文斯的独特视角 本尼迪克特·埃文斯并非计算机或工程专业出身，而是毕业于剑桥大学历史系。他的独特之处在于，他以历史学家的视角审视科技发展，如同看待朝代更迭。他关注的不是技术细节，而是宏大的“发生了什么、意味着什么、接下来会怎样”的问题。他善于从过去几十年的科技浪潮中发现重复的模式和韵律，这使他在技术细节的迷雾中，依然能清晰地指出方向。 ### 平台转移案例解析 * **第一次转移：从大型机到个人电脑** 在PC出现之前，计算机是少数人的特权，计算能力被IBM等巨头垄断。PC的诞生实现了计算能力的民主化。尽管当时普遍认为IBM会赢，但它却将时代控制权拱手让给了两家公司：操作系统提供商**微软**（Microsoft: 全球最大的软件公司）和芯片制造商**英特尔**（Intel: 全球最大的半导体芯片制造商）。这次转移的启示是：在新平台中，价值往往会转移到意想不到的地方。 * **第二次转移：互联网的兴起** 20世纪90年代，互联网的到来标志着从计算向连接的转移。当时人们对互联网的形态充满困惑，将其称为“信息高速公路”，预设其由政府或电信巨头掌控并收取“过路费”。例如，被誉为“互联网女皇”的玛丽·米克（Mary Meeker）在1995年的报告中预测电子邮件用户规模将远超网页用户，表明当时顶级分析师也将互联网更多视为通讯工具而非内容平台。然而，互联网最终发展成为一个去中心化、自由发布和浏览内容的全球大网。起初，人们普遍认为浏览器是入口，价值最高，微软也因此全力捆绑**IE浏览器**（Internet Explorer: 微软公司开发的一款网页浏览器）。然而，真正定义互联网时代的巨头，如**谷歌**（Google: 全球最大的搜索引擎公司）和后来的**脸书**（Facebook，现Meta Platforms: 全球最大的社交媒体平台），却是在“浏览器大战”结束后多年才出现。这次转移的教训是：即使预测对了未来，也可能完全搞错其具体玩法和商业模式。 * **第三次转移：iPhone引领的移动互联网革命** 在iPhone出现之前，诺基亚是手机霸主，微软也曾尝试手机操作系统。然而，它们未能理解苹果并非只是在制造一部更好的手机，而是在口袋中打造一台小型Mac电脑，拥有独立的操作系统和应用商店，构建了一个全新的生态系统。最终，诺基亚和微软这两个昔日巨头目睹自己的帝国被颠覆。这次转移的教训是：现有领域的平台霸主最容易犯的错误，就是试图用“旧地图寻找新大陆”，将革命性的新平台降级为现有业务的一个小功能。 综观PC、互联网、iPhone带来的三次平台转移，它们都遵循着相似的规律：初期形态模糊、价值捕获点漂移、老霸主难以适应、真正的赢家后出现。回看埃文斯所言“AI是自iPhone以来最重要的事件”，其深意在于将AI定位为第四次平台转移。这意味着我们今天所见的一切，包括ChatGPT的惊艳表现，都可能只是这场大变革的序幕，而真正定义AI时代的“谷歌”或“脸书”，或许仍在某个大学宿舍中默默无闻。 ### 谷歌的“柯达时刻”：商业模式与生态变迁 当前，普遍认为谷歌正经历其“**柯达时刻**”（Kodak Moment: 指一个曾经的行业巨头因未能适应技术变革和市场变化而衰落的现象）。然而，埃文斯揭示了一个更深层的事实：柯达并非雪藏了数码相机。20世纪90年代末，数码相机技术成熟时，柯达曾全力投入并一度成为美国市场的销量冠军。柯达的衰落主要有两个核心原因： * **商业模式的崩溃：** 胶卷是一个拥有独特知识产权、高利润率的耗材生意；而数码相机是低利润率、高度同质化的消费电子产品。柯达被迫从“独家秘方墨水”转向与亚洲产业链竞争“打印机硬件”，即使销量再高也无法弥补胶卷带来的利润。这便是“赢了市场，输了利润”。 * **生态系统的变迁：** 真正颠覆柯达的是后来兴起的智能手机和社交网络。人们拍照不再是为了打印，而是为了分享到Facebook等平台，柯达赖以生存的打印业务被釜底抽薪。 谷歌面临着同样的问题：其搜索广告是高利润率的“胶卷”，而AI问答的成本极高，盈利模式尚不明确。如果AI直接提供答案，用户将不再点击广告链接，这无异于商业模式的“自杀”。更关键的是，AI创造了一个“不连续的时刻”：过去20年，人们习惯“有问题，谷歌一下”；如今，许多人，尤其是年轻人，开始习惯“有问题，先问AI”。这种用户习惯的转移，才是谷歌最深层的恐惧。 ### 巨头们的AI博弈策略 * **苹果（Apple）**：面临“被微软化”的风险。如果未来最重要的用户体验来自云端AI模型，iPhone可能沦为运行AI服务的“精美发光矩形”，其核心地位将被架空。 * **Meta（原Facebook）**：采取激进的开源策略，试图“搅浑水”。通过让强大的AI模型免费，将竞争焦点引回其优势领域——应用和数据层。 * **微软**：扮演“精明的军火商”。通过投资OpenAI和发展自身的云服务（如**Azure**：微软提供的云计算服务平台），旨在成为AI时代的基础设施提供商，无论谁最终获胜，都需向其购买“铲子”。 巨头们在AI时代的博弈，远比想象中复杂而有趣。 ### AI竞争的核心：数据与模型的迷思 * **迷思一：专有数据是无敌的护城河吗？** 埃文斯认为并非如此。训练基础大模型需要整个公开互联网和人类所有数据，任何一家公司的私有数据在此量级面前都只是沧海一粟。事实上，所有顶尖AI公司都在使用如**Common Crawl**（一个非营利组织，提供公开的网络爬虫数据集）等公共网络抓取数据集，甚至因扫描书籍数据而面临诉讼（例如，**Anthropic**，**Claude AI**的母公司，就与出版商达成协议，每本书支付3000美元）。这意味着在基础模型层面，数据正日益商品化（commodity）。 * **迷思二：模型之间真有天壤之别吗？** 埃文斯认为，如果进行双盲测试，将相同问题抛给Gemini、Claude或**Grok**（埃隆·马斯克旗下人工智能公司xAI开发的生成式AI聊天机器人）等主流模型，绝大多数普通人将难以分辨其差异。这表明在用户可感知的层面，顶级的AI模型正迅速商品化，如同“双盲测试阳澄湖大闸蟹”一样，普通消费者难以区分。 ### AI用户习惯：高频使用的挑战 在供给侧讨论之后，我们转向需求侧，即用户。尽管AI用户数据看起来惊人，动辄数亿周活跃用户，但“周活”是一个相对虚的指标。埃文斯通过多项调查数据描绘了更真实的图景： * 约10%的用户是每日用户，如程序员用AI写代码，真正将其作为生产力工具。 * 15%至20%是每周用户，他们找到了特定用途，例如每周用AI润色邮件。 * 剩下的大部分是偶尔用户（几个月用一次）或流失用户（尝试后觉得无用便不再使用）。 这引发了一个核心问题：为何许多人在体验AI强大功能后，并未将其发展为高频使用习惯？特别是每周用户，既然已知AI有用，为何每周只想到一件事情让它完成？ 当前的ChatGPT如同一个空白对话框，将思考和场景设定的压力完全抛给用户，用户需自行学习编写**提示词**（Prompt: 输入给AI模型的指令或问题，用于引导其生成特定内容）。这与20世纪70年代**VisiCalc**（世界上第一款电子表格软件，被认为是个人电脑杀手级应用）早期推广的困境如出一辙。VisiCalc对会计师而言是“天神下凡”，能将一周的财务模型计算缩短至一秒。然而，对于不与数字打交道的人，一张空白的电子表格只会让他们感到困惑，因为他们需要自行琢磨如何将工作表格化，心智负担过重。 如今的**大语言模型**（LLM: Large Language Model，一种基于深度学习的计算机程序，能够理解和生成人类语言）亦是如此。其对文字工作者价值显而易见，但对更多人而言，他们需要的是直接的解决方案，而非一个需要研究的通用工具。他们需要的不是空白聊天框，而是如内嵌在**Salesforce**（全球领先的客户关系管理软件服务提供商）中、能一键生成销售邮件的按钮。这或许才是AI大规模普及的真正途径。 ### AI能力的边界：定性与定量任务的差异 AI能力的另一个核心边界在于其在定性任务和定量任务上表现的巨大差异。埃文斯指出，当前大语言模型本质上是一个基于概率的统计系统，追求生成“貌似可信”（plausible）而非“绝对精确无误”（correct）的内容。这与**加里·马库斯**（Gary Marcus: 纽约大学心理学和神经科学荣誉教授，知名AI批评者）的观点不谋而合，他认为大语言模型给出的答案只是貌似可信，并非精确无误。 * **定性任务：** 在这类任务中，“大致正确”往往已足够。例如，AI撰写营销文案可提供一个不完美的初稿，但作为良好起点，其修改成本远低于从零开始。 * **定量任务：** 在这类任务中，“大致正确”则等同于“完全错误”。财务报表或工程计算不容许“八九不离十”或“圆周率约等于3.1”。在这些领域，准确性是压倒一切的，而AI臭名昭著的“幻觉”问题使其在这些场景下几乎毫无用处。 因此，判断AI应用是否可靠的试金石在于：该场景是需要“貌似可信”还是“绝对精确”？这基本划定了当前一代AI技术的适用边界。 ### AI时代下的个人发展：培养原能力 面对AI浪潮，埃文斯建议放弃追逐具体的、易过时的硬技能，转而培养底层的通用**原能力**（Meta-abilities: 能够适应变化、持续学习和解决复杂问题的深层通用能力），即学会如何思考。他通过两个例子解释了何为原创性思考： * **AlphaGo的悖论：** **AlphaGo**（谷歌DeepMind开发的人工智能围棋程序）能下出人类未曾想过的“神之一手”，因为它拥有极其清晰的外部评分系统（输或赢），可不断试错并获取反馈以判断棋局好坏。然而，在音乐、文学、商业策略等领域，没有简单的评分系统，好坏规则模糊且主观。AI擅长在现有模式中进行排列组合，但难以创造出如朋克音乐般颠覆现有范式的新事物，因为它缺乏判断好坏的反馈机制。 * **埃文斯的AI测试法：** 埃文斯在完成文章后，会将自己的观点输入ChatGPT，询问“这是你会说的吗？”如果AI回答“是”，则表明其观点不够独特，仍停留在高级统计“复读机”的水平。他会选择不发表或更深入思考，直到创造出AI无法预测的内容。这才是AI时代个人真正的价值所在：提出新问题，定义新方向。 ### 结语：在AI浪潮中保持清醒与学习 总结而言，AI并非凭空出现的神或魔，而是平台转移这一宏大故事的最新篇章，遵循历史规律并面临相似挑战。我们应告别非黑即白的极端论断：AI既不会一夜之间导致大规模失业，也不会立即开启美丽新世界。其影响将是渐进、深刻且充满复杂性的。 * 对于创业者：不要迷信模型本身，应寻找能解决“空白屏幕问题”的垂直应用场景。 * 对于管理者：警惕用“旧地图寻找新大陆”的惰性思维。 * 对于普通人：这是一次思维升级。在信息爆炸、答案唾手可得的时代，我们最宝贵的财富是独立思考、批判性眼光以及提出新问题的勇气。 历史不会简单重复，但会“押韵”。AI的故事才刚刚开始，未来的赢家不属于最狂热的信徒，也不属于最顽固的怀疑者，而是属于那些能在喧嚣中手持罗盘、保持清醒并持续学习的人。