编者按：2024 年10月初召开的开源AI峰会—Ray Summit 2024 大会上，硅谷顶级风投Andreessen Horowitz (a16z)创始人马克·安德森（ Marc Andreessen）在现场接受了访谈。在这段访谈中，安德森深入探讨了人工智能的重要性，以及它将如何重塑几乎各行各业。同时，安德森和主持人还探讨了未来的技术挑战，包括政策环境、禁止开源人工智能的挑战，以及严监管带来的教训。
精彩观点：
AI其实是一种新型的计算机。传统的计算机是所谓的“确定性计算机”，它们每次都会给出相同的答案，非常严谨。而AI系统，我们把它们看作“概率性计算机”。你输入相同的内容两次，它会给出不同的输出，这对于我们从旧模式过来的人来说是惊人的。
如果你有一个现成的产品，后来再添加AI，就像是试图在已经烤好的蛋糕里加面粉——效果不会很好。如果有一个真正变革性的技术，你需要从一开始就把面粉放进食谱里。你必须从头开始构建，直到你拥有新的能力。
AI的普及有可能带来一种普遍的智力提升，所有人都能在指尖获得前所未有的智能支持。AI将带来一场集体的智力觉醒，每个人都会拥有更强的决策支持系统。
未来AI领域存在一种可能，大模型公司进行一场“价格战”，销售智能就像销售大米一样，变成了一种廉价的商品化服务。因为开源模型、初创公司每天都在涌现，任何人都可以开发一个大型语言模型。任何人都可以从互联网上获取数据、购买GPU，然后实现同样的效果。
目前英伟达在芯片技术上遥遥领先，而且他们拥有其他的相关技术，比如CUDA，使得他们的技术锁定效应非常强大。未来，市场力量会开始发挥作用，所有其他的芯片公司，无论是AMD、高通、三星，还是日本的公司，以及众多初创公司，都会想分一杯羹。
以下是经过智能超参数编译过的访谈内容，略有删减，enjoy：
主持人：非常感谢你，Mark。很高兴你能来。让我们直接进入正题。你已经见证了过去几十年中的许多重大技术变革，从互联网、移动设备、社交媒体到云计算。你能把AI放在这些技术浪潮中的位置上谈谈吗？
Marc Andreessen：是的，这是一件大事件，一件非常重要的事件。有一本书，我在一开始就推荐，叫《机器崛起Rise of the Machines: A Cybernetic History》，作者是托马斯·瑞德(Thomas Rid)。他回溯并重构了计算机产业的最早期历史。
我们在20世纪30年代和40年代经历了一次所谓的计算机革命。当时，关于计算机是否应该像今天我们理解的那样去构建，即所谓的冯·诺依曼机器，其实有过激烈的争论。这类机器在高速运算上很出色，但在处理人类和现实世界时表现并不理想。还有另一种观点认为，计算机应该基于人类大脑的结构进行设计。
实际上，早在那个年代，神经网络的基本结构已经被理解了。关于神经网络的第一篇论文是在1943年发表的，距今已有81年。当时的很多人物，如艾伦·图灵和冯·诺依曼等，都认为基于大脑的计算机架构会更好。
然而，计算机行业基本上走上了另一条道路，99%的发展都集中在我们今天所见的传统计算机上，而研究神经网络的这部分仅限于学术界，而且进展缓慢。多年间，神经网络研究人员虽然不断取得学位，但在实际应用中几乎没有什么可展示的成果。
坦白说，如果你与该领域的人交谈，他们会告诉你，在很长一段时间内，这个领域没什么值得展示的成果。要想在这个领域坚持下去，需要极大的信念。很多人获得了人工智能领域的博士学位，度过了整个职业生涯进行研究，甚至在该领域有所突破之前就去世了。所以这确实是一个非常艰难的挑战。
当我在80年代末上大学时，人工智能领域曾经历过一次繁荣和衰退的循环，特别是在80年代的所谓“专家系统”时期。当时人们认为我们离自动化医疗诊断等技术非常接近了，但事实证明技术还不成熟。
因此，当我进入大学时，这个领域已经受到了质疑。你会遇到一些学者，他们默默无闻地继续研究，仿佛在浪费自己的生命。然而，结果证明他们是对的。只不过，真正的突破花了大约70年的时间。这个突破始于2012年到2013年，特别是那次ImageNet测试，它证明了计算机在识别图像和物体上做得比人类更好。
从那之后，我们见证了自驾车的诞生，它如今已能很好地工作。这也带来了越来越先进的语音识别和语音合成技术，特别是在2010年代中期。而2017年的Transformer论文，再加上ChatGPT、Midjourney、Runway等技术的出现，使我们进入了今天的局面。
所以，虽然这一切看起来像是在一夜之间发生，但实际上已经酝酿了80多年。如今，我们发现有着80年历史的丰富想法正在开花结果，并且将被广泛应用到各个领域。
主持人：你怎么看待这些技术的未来发展？如果用互联网来类比，是否合适？
Marc Andreessen：尽管互联网是个不错的类比，但我认为互联网其实并不完全适用。互联网更多是利用已有的计算机，把它们连接起来，形成网络。我认为AI更像是微处理器或者计算机本身。
我们公司对AI系统的看法是，AI其实是一种新型的计算机。传统的计算机是所谓的“确定性计算机”，它们每次都会给出相同的答案，非常严谨。如果你输入相同的内容两次，得到不同的结果，那说明某些地方出了大问题，通常这是程序员的错误。
而AI系统，我们把它们看作“概率性计算机”。你输入相同的内容两次，它会给出不同的输出，这对于我们从旧模式过来的人来说是惊人的。AI系统具备一个奇妙的特性，它们能够“幻觉化”，也就是说，当它们不知道答案时，它们会编造出来。
有人告诉我，AI不可靠，因为它在不确定的时候会捏造答案。我就回答说：“那你有没有遇到过人？这不就是我的九岁小孩常做的事情吗？”这非常有趣，对吧？
然后，随着像Runway这样能够生成令人惊叹的视频的技术出现，幻觉与创造之间的界限变得模糊了。我们现在拥有了能够创造的计算机，它们可以生成艺术品。所以，这可能是一种功能，而不是缺陷。
因此，我们相当于重新获得了一个机会，不仅仅是传统的计算机，还有这种新型计算机。此外，AI今天能够成功的很大一部分原因是因为摩尔定律为我们提供了足够的计算能力。事实证明，AI需要非常强大的计算能力。
再加上互联网提供了大量的数据，这也是为什么AI今天能够比以前做得更好的原因之一，比如在识别照片中的猫时表现优异，因为互联网上充满了猫的照片。
我们现在已经习惯了这种“规模化”的做法，但这在20年前、30年前甚至我上学的时候都是不显而易见的。即便那时你有了正确的算法，你也无法让这些系统运作起来。而如今，一切突然都起作用了。
当然，现在的变化速度绝对令人瞠目结舌。每周我都会看到一些让我的下巴掉在地上的新东西。我认为，未来几年会有令人难以置信的创造力涌现。
主持人：你在A16Z有着独特的视角，见证了不同产业的变化。我很好奇你对AI在各个领域的影响怎么看，比如生物科技、金融或国防领域？
Marc Andreessen：首先，我们认为AI在每一个行业都将带来变革，而我们正在这些行业中进行投资。无论是生物科技、金融还是国防，AI的影响都会非常大。我认为它会彻底改变我们目前所理解的几乎每一种产品类别。
举个例子，像Runway这样的视频生成工具。未来的人们真的还会用Photoshop或者Final Cut Pro来进行视频编辑或图片编辑吗？还是说你会直接对计算机发出指令，让它生成和编辑图像？我认为许多我们认为已经定型的巨大行业在未来都会有巨大的变化。当然，这也意味着这是初创公司崛起的黄金时代，因为他们能够从零开始，充分利用新技术的优势。
在科技行业中，一种典型的动态正在发生，即每一家现有的科技公司都在为他们的产品添加AI功能，而与此同时，各种各样的初创公司在各个可能的领域从头开始创建新产品。我们用一个比喻来解释这一点：如果你有一个现成的产品，后来再添加AI，就像是试图在已经烤好的蛋糕里加面粉——效果不会很好。
如果有一个真正变革性的技术，你需要从一开始就把面粉放进食谱里。你必须从头开始构建，直到你拥有新的能力。
顺便说一下，一些公司，尤其是那些成立了五六年的初创公司，处于中间状态。我们称之为“第六个项目符号”的现象。比如，一家成立五年的公司来推介他们的产品时，他们的产品幻灯片通常列出五项功能，然后在第六项写上“哦，我们的产品也有AI功能”。
之所以AI被放在第六个位置，是因为显然他们是后来才加入的。如果足够聪明，他们会重新设计他们的幻灯片。不过，现在很多公司正在适应这种变化。
不过，看一看Web到移动设备的过渡浪潮，很多大型的现有公司，比如谷歌和Facebook，实际上应对得很好。因此，也许这一次，许多现有公司也会很好地适应这场AI革命。但我认为这将是一个充满挑战的过程，因为AI的操作方式与过去有很大的不同。我倾向于认为，初创公司将会迎来一个非常好的发展机遇，但在这个行业中肯定会有一场激烈的竞争，结果我们拭目以待。
主持人：你非常关注生物技术。在软件产品领域，AI的影响已经很清楚了，那么你认为AI在生物学领域会扮演什么角色？
Marc Andreessen：是的，在生物技术领域，最大的事情是我们一直都有一个叫“药物发现”的概念，这是一个非常有趣的术语。现代药物和治疗方法的诞生主要是基于大量科学家反复尝试不同的化合物，看看哪些有效。这真的是在“发现”什么有效。
这个领域正在经历的一场重大转变是从“发现”到“工程”的转变，也就是从依靠运气的发现过渡到从头设计新的药物。我们已经开始看到一些例子，mRNA平台是一个很好的例子，它是COVID疫苗的基础。Moderna和辉瑞公司是两家率先推出COVID疫苗的公司，采用的是类似的技术。一个有趣的事情是，Moderna在2020年1月收到COVID病毒的基因组信息之后，他们仅用了两天时间就设计出了疫苗。
这本身就是一件令人惊讶的事。实际上，Moderna在2020年1月就已经有了COVID疫苗，之后的过程只是测试和验证。这就是mRNA作为生物技术领域工程化平台的结果。一旦你有了工程化的平台，你就可以利用AI的能力。
主持人：你觉得我们今天在生物学领域的数据是否足够？
Marc Andreessen：这是个很大的挑战，尤其是在数据获取方面。理想的生物科技产业应该是能够收集所有人的健康数据，将其汇总在一起，并收集所有人的基因组数据，将它们汇总在一起。但在美国，这些行为是完全违法的。
因此，数据确实是一个挑战，但其潜在回报也非常大。所以我认为会有很多正向的推动力去解决这些问题，至少在某种程度上获得足够的数据来进行工作。
主持人：你觉得AI将如何影响地缘政治或国防等领域？
Marc Andreessen：这是一个军事理论家在几年前就已经关注的问题。大约在2010年代中期，美国等国家的军事学说都发生了重大变化。美国国防部有一个概念叫“抵消战略”（offsets），意思是通过新技术彻底改变战争的方式。
他们将AI与自主系统的结合定义为“第三次抵消”，这是个大事件。第一次抵消是核武器，第二次抵消是所谓的机动作战（maneuver warfare），而第三次抵消就是AI。
主持人：10年前就发生了这样的转变，当时AI技术还没有像今天这么火爆，是什么触发了这个变化？
Marc Andreessen：我认为主要是因为自动驾驶开始有效运作。最早的DARPA大挑战赛（DARPA Grand Challenge）是在2005年举行的，随后这些基本系统开始逐渐工作。
同时，飞机自动驾驶技术也越来越好，他们开始考虑去掉飞机上的飞行员。如果你不再需要保持飞行员的生命安全，那你可以设计出更加灵活、速度更快的飞机。这些变化开始在十年前发生，并且在不断推进。
主持人：你认为最大的影响会是在战场上吗？还是它会在政策、威慑或者其他地缘方面产生更多影响？
Marc Andreessen：它改变了很多东西。目前最先进的观点是，历史上，防御和战争一直是兵力和物资的对比问题，也就是有多少士兵和多少坦克。拿破仑曾说过，“上帝站在大军一边。”所以，战争一直是关于兵力和火力的较量。
但如果你把这个推演到未来，你会发现，胜利将取决于谁拥有最先进的技术和最多的资金。而先进技术与资金之间有某种联系，因为如果你有足够的资金，你要么可以开发最好的技术，要么可以购买最好的技术。
因此，这意味着如果你想成为最强的军事力量，你需要拥有最强的经济体和最先进的技术。这也意味着，赢得技术竞争对一个国家来说战略上是极其重要的，而这正是目前在许多地方引发激烈争论的话题。
20年后，战场上或飞机、潜艇中还会有人类士兵吗？也许会，但我认为可能不会。
主持人：你提到技术在过去几年变得更加政治化了，这是为什么呢？
Marc Andreessen：我认为，首先这是我们的错，我指的是我和我的公司以及我们的科技行业。实际上，所有在座的各位都负有责任。
许多像我们这样在技术领域成长起来的人，工程师出身，比如我自己是计算机科学背景。我们总是认为我们所做的事情很重要，并希望外界也能认识到它的重要性。现在外界终于意识到这些技术的重要性了，但我们也陷入了一些困境。我常用“追公交的狗”这个比喻——狗从未想过自己会抓到公交车，但有一天它真的追上了，结果公交车没有停，狗被拖着跑。这就是我们现在的处境。
我们就像那只追上了公交车的狗。结果证明，我们所做的事情确实非常重要。软件确实很重要，AI确实很重要，微芯片确实很重要，互联网也确实很重要。这些技术不仅仅对我们有意义，它们对每个人都有影响——经济上、文化上、社会上都产生了巨大的影响。
就像Runway的那些惊艳的演示一样，这些技术让好莱坞的人感到非常震惊。因为进入了一个由AI生成电影的世界，这意味着什么呢？
举个例子，过去的著名电影演员的形象可以通过AI持续被呈现上千年。技术上，我们确实能够做到这一点。那么，未来电影产业会是什么样的？是否我们未来只会看到汤姆·克鲁斯主演的电影，而且这些电影会在未来的一千年里不断被重现？那时候还会有新的演员吗？还是我们只会看到由AI生成的汤姆·克鲁斯电影？
很多技术上的进步让人们，尤其是好莱坞的从业者，感到非常害怕和困惑。比如，港口工人罢工了，这些人负责装卸船只，他们提出的要求几乎是彻底反对科技进步，明确反对自动化。他们说：“我们受够了，不要再有任何机器了。”
主持人：你认为AI有可能提升讨论的水平，改善治理吗？还是说这要等到更久的未来？
Marc Andreessen：是的，我认为AI确实有这个潜力。AI的一个伟大之处是，它的推出方式非常民主化。想想看，50年前的计算机技术首先出现在价格昂贵的主机上，只有政府和大型企业才用得起。然后经过30年的时间，这些技术逐渐普及到个人电脑和智能手机上。而今天，AI最好的系统首先是推向消费者的，比如ChatGPT、Claude等AI产品。它们的推出极具民主性。
技术的一个伟大之处在于它能够普及，任何普通人都能使用。如今，越来越多的普通人，无论他们从事什么职业，都可以使用ChatGPT等AI系统来提问、寻求建议、解决复杂问题，甚至处理政府事务或法律问题。突然之间，所有人都可以有一个AI助手，帮助他们应对各种挑战。
因此，我认为，AI的普及有可能带来一种普遍的智力提升，所有人都能在指尖获得前所未有的智能支持。这不仅适用于官员和决策者，也适用于军事规划者等各个领域的专业人士。AI将带来一场集体的智力觉醒，每个人都会拥有更强的决策支持系统。
当然，这意味着争论有可能变得更加理性。但是，这并不会削弱情感的力量。我认为，随着这项技术的普及，情感波动只会越来越强烈，这也是我们已经看到的现象。
因此，作为一个行业，我们将不得不更加积极地解释自己，阐明我们的目标，参与政策制定，并帮助人们理解我们所做的事情。同时，我们也必须确保技术保持民主化和开放性。这也是我为什么认为开源非常重要的原因之一。我认为，如果这些技术被集中掌控在少数几家大公司手中，这对社会和文化都是非常不利的。我们必须确保每个人都能接触到这些技术。
主持人：关于开源话题，你认为它的发展趋势会是什么样的？你觉得会有多个不同的方向发展吗？还是说最终的结果是不可避免的？
Marc Andreessen：不，这里确实存在一场争斗。现在有一场针对开源AI的封禁运动，尤其是针对AI背后的数学模型。作为一个工程师，看到这种情形我感到非常不可思议。AI背后的数学，其实就是线性代数，并不复杂。
我们讲的就是线性代数和梯度下降，这些算法相对基础，今天已经在许多学校广泛教授。我的九岁孩子也开始学习这些知识了。网上有大量的教学视频，教你如何应用这些算法，还有相关的教科书。比如，斯坦福大学一半的入学新生都在学习入门的AI课程。
这些技术如今已经如此普及，然而在政治层面的讨论却让人感到不安，他们真的在谈论封禁这些东西，特别是封禁AI的开源和相关数学算法。而且不仅仅是全面禁止，还可能会有一种“窒息式”的监管模式。
欧洲就是这样的例子，他们已经在很大程度上实施了这种模式，最近还针对AI进行了严格的监管。结果就是，他们有效地禁止了技术初创公司在欧洲的发展。市场对此做出了反应，虽然有一些成功的公司，但数量非常少。曾几何时，世界上最优秀的技术公司有一半都来自欧洲，现在却只剩下寥寥可数的几家。
因此，我们有一个非常真实的警示案例，告诉我们这些事情可能会走向错误的方向。然而，在美国和加利福尼亚州，还有很多人正在极力推动这种欧洲模式，他们在游说政府效仿欧洲的做法。这些人中有些是真正的信徒，他们真的认为AI对社会构成了严重威胁，甚至是存在性的威胁。
他们有着非常强烈的信念，你可以从他们的眼神中看到那种坚定。而另一部分人则有着商业上的私利，他们希望建立垄断或某种行业卡特尔联盟，争取政府的保护，以维护自己的商业利益。
这两群人之间形成了一种不光彩的联盟。而我们最近在加州就这一问题展开了一场真正的战斗。这正是政策在这里发挥重要作用的时刻。
主持人：今天这是一个有关AI基础设施的会议。对于那些正在建设AI基础设施、提供这些能力的人来说，这场浪潮意味着什么？从你见证过的技术变革中，我们能学到些什么？
Marc Andreessen：是的，这确实是黄金时期。你们正处于这个领域的最佳时机，因为这将会是一次大规模的建设，而且才刚刚开始。五年或十年后，当我们回头看现在的技术，它会显得过时得好像属于博物馆的展品一样。未来的发展将是不可思议的，而我们在座的所有人都将扮演重要的角色。
当然，这里有无数的技术问题需要解决。但是，我们整个行业正处于一场发现之旅，我们需要找到AI的各个领域中，哪些会最快地取得突破。现在正在发生的一件非常有趣的事情是，AI和机器人技术领域的历史告诉我们，大家长期以来都认为低端的任务会率先被自动化，比如机器人先会收拾你的行李、打扫卫生、做早餐，等到几十年后，才会有机器人能够作曲或画画。然而，事实正好相反。
结果发现，让机器人作曲或画画相对容易，但它仍然无法帮你收拾行李。数学其实是非常复杂的。现在AI革命的主要部分是涉及软件、信息、比特的领域，但我认为机器人革命也非常接近了。
我最喜欢的一个例子是中国的一家公司叫Unitree，他们制造了一种机器人狗。你可能已经看过波士顿动力的机器人狗的演示，但现实生活中你可能从未见过它们，因为它们太贵了——价格通常超过5万美元。而这家中国公司制造的机器人狗只需要1600美元。这意味着中国正在迅速建立一个机器人供应链。无人机就是这种供应链的一个例子，中国用无人机占据了全球市场，我认为他们也可能会在机器人硬件方面占据主导地位。
然后问题就转向了如何为这些机器人编写软件，很多公司，包括Elon Musk的公司以及许多初创公司，都在致力于此。所以，也许我们现在看到的是比特版本的AI革命，接下来很可能是物质世界的机器人革命。
主持人：这真的令人难以置信。
Marc Andreessen：是的，我们很可能很快就会看到。这家Unitree公司有一个5万美元的类人机器人硬件，它们正在迅速提升硬件能力。所以看起来，当类人机器人普及时，它们的硬件成本可能会降到2万美元甚至1万美元，到那时，你就能负担得起很多这样的机器人。
是的，到那时候，你甚至可以负担得起以订阅模式来拥有这些机器人。所以，我不确定这一切会有多快发生，但它确实可能很快发生。现在有一个非常有趣的现象，就是这些类人机器人的演示中，它们的控制系统是非常先进的强化学习算法，试图让机器人能够打破鸡蛋而不破坏桌上的其他物品。
然而，所有这些机器人都有大语言模型（LLM）的用户界面，而且现在都能进行语音交互。所以，你可能会看到一个机器人虽然在努力打破鸡蛋，但同时却用一种优雅的英国口音向你讲解量子物理学。
因此，目前软件领域正在发生一个浪潮，试图将这些方法融合起来，创建能够进行推理和计划的多模态模型。上周发布的新版本Llama开源模型就具备了多模态功能，而OpenAI也刚刚发布了他们的01版推理与规划引擎，他们认为它将会不断进步。
因此，可能在一年内，我们将拥有一个能够进行推理和计划的多模态模型，足以驱动机器人，届时，我们将进入一个全新的时代。
主持人：看到多模态功能在机器人和现实世界中的重要性，确实非常有趣。
Marc Andreessen：是的，到那时，我们将处理的问题又回到了本次会议的主题。Tesla的自动驾驶汽车之所以成功，是因为他们在路上部署了超过一百万辆汽车，收集了所有这些汽车的影像数据，并利用这些数据进行深度学习，然后让这些汽车在驾驶上变得越来越好。通过这种规模化效应，汽车的驾驶能力不断提升，并且随着更多汽车的部署，效果越来越好。
而在未来的几年内，我们可能会有十亿个类人机器人，它们也在收集所有这些数据，不断反馈，提升自身能力。这将可能成为我们有史以来构建的最大规模的技术系统之一。
这真的很惊人，而且可能离我们很近了。
主持人：让我们来谈谈AI投资吧。虽然现在可能还为时过早，无法确定AI领域最终的赢家是谁，但你在过去几年中的看法有改变吗？
Marc Andreessen：是的，作为投资者与经营公司的差异非常大，这一点非常有趣。当你在经营公司时，你需要有一个明确的策略，而且它必须合理。你必须规划清楚，并向每个人展示这一策略，如果它没有说通，人们会感到不满。
但作为投资者，我们不需要这么做。这就是经营投资公司的一大优势，因为我们是分散投资的。我们可以投资不同的策略、基础设施和应用程序，投资开源或闭源，甚至投资不同的技术方法。所以，我们可以在不同的方向上下注。
我认为，未来AI领域的很多问题会变成经济问题，比如价值会集中在哪里？收入和利润会在哪里？现在有一个非常大的问题是，大语言模型（如OpenAI）是否会成为垄断的赢家，凭借规模和卓越的性能抢占市场，最终获得巨大的利润。因为在这个领域，最大的公司会有最好的模型，问题回答得更好，因此他们可以随心所欲地定价，获得超高的利润，就像谷歌在搜索引擎领域所做到的那样。答案可能是“是的”。
但是，也有一种可能，所有这些公司其实都在进行一场“价格战”，销售智能就像销售大米一样，变成了一种廉价的商品化服务。因为开源模型、初创公司每天都在涌现，任何人都可以开发一个大型语言模型。任何人都可以从互联网上获取数据、购买GPU，然后实现同样的效果。
谷歌曾经泄露过一份著名的备忘录，标题是“我们没有护城河，其他人也没有”，其中提到，如果所有人都有相同的数据，结果就会相同。因此，这可能是一场“价格战”。
从某些角度来看，这可能是一场“价格战”，因为在过去一年里，大语言模型（LLM）的“每个token”的价格下降了100倍，这比摩尔定律的速度还要快。这与我们期望的某个公司在这项业务中获得巨大利润的结果正好相反。因此，也许这是一场“价格战”。这个现象有时被称为“无利可图的繁荣”，就像销售大米或其他商品一样，这些公司会有大量的收入，但利润率却非常低。今天我们还不能完全确定答案。
此外，生态系统中的一些事情也会产生影响。比如，像我所在董事会的Meta发布的Llama开源模型，这彻底改变了未来的发展方向。开源模型的竞争力完全改变了游戏规则。因此，很多关于价值捕获的重大问题依然悬而未决。我们正在尽力不去预判这些事情，因为我认为目前我们还不知道最后的结果会如何。
主持人：这非常有道理。考虑到很多AI初创公司需要花费大量资金购买GPU，这对你的投资决策有何影响？
Marc Andreessen：是的，这就是彼得·蒂尔的观点。他认为，所有这些投资在软件公司的努力都是浪费时间，我们应该把所有的钱都投给英伟达，问题就解决了。事实上，过去十年，如果你这么做的话，确实会是个不错的投资策略。
这种模型的假设是，英伟达将吸收所有风险资本中投向AI初创公司的资金，还将吸收这些初创公司所产生的全部收入。他们将捕获整个市场。今天的情况确实如此，而且在未来的很多年里，可能都会如此。
这一观点认为，英伟达在芯片技术上遥遥领先，而且他们拥有其他的相关技术，比如CUDA，使得他们的技术锁定效应非常强大。但另一种观点认为，在芯片行业中，传统上这种领先地位通常只能持续一段时间，然后会带来巨大的利润池，吸引更多的竞争者。市场力量会开始发挥作用，所有其他的芯片公司，无论是AMD、高通、三星，还是日本的公司，以及众多初创公司，都会想分一杯羹。Cerebras据说将在本周上市，你可以看到，众多初创公司和其他竞争者都希望在这块市场中占有一席之地。
此外，GPU最初并不是为AI开发的，它们最初是为图形处理而设计的。如果你从头开始专门为AI设计芯片，那么它们可能会与现有的GPU完全不同。像谷歌和亚马逊这样的公司都有自己的定制芯片。所以在芯片领域，你会看到爆炸式的创新。
因此，五年后，英伟达可能仍然是一家伟大的公司，但它将只是生态系统的一部分。届时可能会有五家大公司和十几家初创公司，它们都能提供同样合理的解决方案。虽然芯片行业的收入增长可能很大，但利润可能会小得多。
预测这些事情为何如此困难的一部分原因是，它们取决于人们的决策。现在大公司做出的决定、初创公司和风投的决定，甚至包括客户和用户的需求，都会对未来产生影响。我们现在正处于一场集体的发现之旅，以了解未来将如何发展。
主持人：也许最后，我们可以聊聊给未来创业者和现在的创业者的建议。你有什么建议可以提供，特别是在当今快速变化的环境下如何经营他们的公司？
Marc Andreessen：我认为创业的核心建议始终是一样的，那就是很少有人会说“我想要创办一家公司，因此我要去寻找一个点子”。通常，伟大的公司创立的背后，是那些在这个领域深耕多年的人，他们对问题的深刻理解推动了他们去找到更好的解决方案。
事实上，很多成功的科技公司，它们的创始故事经常被神话化，好像创业者只是个孩子，突然灵光一现，然后一切就顺利发展了。但现实是，创始人在创办公司之前，通常已经在实验室、公司或其他初创公司工作了十年之久，积累了丰富的经验。多数成功的创业公司，创始人在背后都投入了五到十五年的时间，深刻理解了问题的本质，才最终找到了更好的解决方法。
我认为，在未来十年里，今天在座的听众中将会涌现出大量的伟大创业公司。至于在当今这个快速变化的环境中如何运营公司，我们的建议一直是：进行实验。当你负责一家现有的企业时，可能会感到压力，因为你已经有了现有的客户、现有的员工，并做出了一系列承诺。而推出新产品或进入新领域常常让人感到不安，因为你可能会担心，如果新项目失败，可能会破坏现有的业务。
我们一贯的建议是，正确的做法是尝试运行最小规模的实验，以验证一个假设。你可以选择一小部分客户或一个市场细分，去测试并探索。通过这种方式，逐渐培养公司内部的实验文化，长期运行大量的小规模实验。
主持人：这似乎是一个普遍适用的好做法。
Marc Andreessen：是的，这的确是一个很好的做法。通过这种方式，你可以构建选项价值，在学习的过程中保持较小的风险。当你找到那个“金矿”，并确认自己已经找到了答案时，那就是全力以赴的时刻了。
主持人：Mark，非常感谢你今天的分享，真的很感激你提供的这些见解。
Marc Andreessen：很高兴能在这里，非常感谢。
本文来源：智能超参数，原文标题：《硅谷顶级风投a16z创始人：未来销售智能可能就像销售大米一样，变成廉价服务》
