The most rational take on AI you'll hear this year | Benedict Evans

• Evans 最具争议的观点：AI 与互联网/移动同等重要，但也仅此而已。 他认为我们正处于"1997 时刻"——一切都令人兴奋，大多数东西还不太好用，大多数将被建造的东西还没出现。即使是 13-18 岁人群，也只有 15-20% 是日活用户，60% 根本没在用。
• 基础模型正在走向大宗商品化，价值将流向应用层。 模型之间没有网络效应，没有赢家通吃，产品差异化有限——这与电信行业的命运如出一辙：全球移动行业年收入 $1 万亿、数据消费量增长 1500 倍，但股价 25 年原地踏步，因为它是低利润率的基础设施大宗商品。
• "就业末日"论在经济学上站不住脚。 过去 200 年的每次技术变革都消灭了一批工作、创造了一批新工作。会计师数量从加法机时代到 Excel 到云计算一路增长。甚至最前沿的 AI 公司——Anthropic、OpenAI——都在大幅增加人手。Evans 对 Dario Amodei 的劳动力市场预判直言不讳："他是 AI 模型专家，不是劳动经济学专家。"
• AI 实验室大举投资咨询/专业服务是反直觉但合逻辑的。 企业不会因为 AI 存在就自动重塑内部流程——"重新设计所有工作流"本身就是一个需要 5-10 人花一两个月才能完成的项目，然后实施是另一个项目。这就是为什么你需要 Bain、Accenture 或前线部署工程师。
• 贯穿主线：Evans 的每一个论点都指向同一个核心——"presume radical uncertainty"（假设根本性的不确定性）。无论是模型定价权、就业影响还是 AGI 时间线，他的回答始终是"we don't know, and that's the point"。他用 1997 年互联网的类比反复说明：当时没有人预见到 Google、没有人预见到 iPhone，而那些自以为看清全局的人通常最先出局。

核心要点：AI 确实是互联网级别的大事，但我们仍处于大多数东西还没被发明、大多数人还在困惑的阶段。

• Evans 在最新的 80 页演示文稿中，被评论说"80 页都在说我们不知道"——他本人认为这"虽然有点夸张但基本属实"。
• 采用曲线分布极不均匀：科技圈有人买了一堆 Mac Mini 集群、不再用 Google；但调研数据显示，即使是 13-18 岁人群，仅 15-20% 是日活用户，另 20% 周活，60% 没在用。
• Evans 的定位："AI 与互联网/移动同等重要，也仅此而已。" 这在两个方向上都引发反对——技术乐观派觉得他低估了（"这是工业革命级别的"），而外围观察者觉得他高估了（"他不理解这有多大"）。
• 软件开发者是这个时代的"看到 VisiCalc 的会计师"——对他们来说 Claude Code 是 before/after 的分水岭；但大多数其他职业的人就像当年看着电子表格的律师——"这挺厉害的，但这不是我做的事"。

"Smartphones were quite a big deal. The internet was quite a big deal. We wouldn't be doing this if it wasn't for the internet." —— Benedict Evans

核心要点：企业部署 AI 本身就是一个巨大的项目——需要人来做的项目。这解释了为什么 OpenAI 和 Anthropic 正在大举投资专业服务和前线部署工程师。

• Evans 的玩笑定义："Forward deployed engineer 就是一个在旧金山工作的 Accenture 外包软件开发人员。"
• 核心逻辑：企业不会有一堆人闲着等着做大型新项目。"你要全面重新设计公司的内部工作流，搞清楚哪些能用 AI 自动化"——这本身就是一个需要 5-10 人花一两个月的项目。然后实施是另一个项目。谁来做？你没有闲人。
• 这就是为什么你雇 Bain 或 Accenture——不是为了让他们做一个 75 页的 PPT（Claude 也能做一个"很烂的版本"），而是让他们"走遍你的企业，搞清楚你为什么没做那件事，搞清楚政治博弈怎么运作，去跟你的客户聊聊他们真正怎么想——而不是 Google 第一页上写的"。

"Hey, I made a McKinsey deck with Claude... and you look at it and you think, 'Yeah, that's a bunch of dog crap. That's not what you'd get from McKinsey.' But even if it was, that's not what you paid them for." —— Benedict Evans

核心要点：自动化消灭的是"任务等于工作"的角色（电梯操作员），但大多数职业中，任务只是工作的一小部分——真正值钱的是另外那些东西。

• Evans 的演示文稿核心框架之一：hard part of the job 是什么？是写代码？做 PPT？还是搞清楚该写什么代码、该做什么产品？
• 电梯操作员案例：Evans 住在一栋有手动电梯的楼里（有人操作杠杆送你到楼层，"像旧金山的电车"）。1950 年代后自动化了——这是"任务就是工作"的典型案例。
• Amazon 类比：Amazon 帮你拿到你已经知道要买的 SKU。但如果你不知道该买什么麦克风——也许不应该先去 Amazon。同理，Claude Code 能写代码，但"你要写什么代码？你的客户是谁？什么产品适合他们？怎么推向市场？"
• 杰文斯悖论的现代版本：如果做某件事变便宜了，你是用更少的钱做同样多的事，还是用同样的钱做更多的事？历史反复证明是后者。

"Before Excel, junior investment bankers worked really long hours. And now thanks to Excel, Goldman's associates all leave at lunchtime on Fridays... Well, why is that not what happened?" —— Benedict Evans

核心要点：每次技术革命都消灭一批工作、创造一批新工作。你总能看到即将消失的工作，但看不到即将诞生的新工作——因为它还不存在。

• Evans 直接否定了 Dario Amodei 等 AI 实验室创始人对就业市场的悲观预判："我对 Dario 关于模型未来 6-12 个月走向的看法很感兴趣；但我对他关于劳动力市场、比较优势的理论兴趣不大——他大学里也许修过这门课，我也修过。"
• 即使是"最前沿的 AI 公司"——Anthropic、OpenAI——都在增加人手。"你以为最不可能需要更多人类的公司，正在雇佣大量人类。"
• 会计师数量的惊人数据：从 20 世纪初至今，经历了加法机、打孔卡、大型机、数据库、ERP、云计算和电子表格——会计师数量一路增长。
• 关键区分：1800 年 90% 的人是农民，最大的担忧是庄稼会不会歉收。自那以后每一波技术都在消灭工作、创造工作。"消失的工作回头看通常是糟糕的工作，新工作通常更好，因为 GDP 一直在增长。"
• "这次不一样"论的两个版本：(1) 速度更快——但那是因为站在巨人肩上，互联网也比电话快；(2) AGI 会取代所有人——但企业的销售周期是 18 个月，不会明天买 ChatGPT 后天裁员。

"You talk to these doomers on Twitter and they would act like every big company is going to buy ChatGPT tomorrow and then in two weeks time they'll fire all their staff. These people are morons." —— Benedict Evans

核心要点：基础模型没有网络效应、产品差异化有限、竞争将持续——所有的信号都指向低利润率的基础设施大宗商品，价值将流向上层应用。

• Evans 的核心论点链条：模型之间没有网络效应 → 不会有赢家通吃 → 无限期竞争 → 无定价权 → 价值在应用层。
• 电信行业类比（Evans 以电信分析师出身）：全球移动行业年收入约 $1 万亿，每年 capex $2000 亿（收入的 15-20%），移动数据消费量是 2010 年的 1500-2000 倍——技术上令人惊叹，但股价 25 年原地踏步，因为它是"高增长、低利润率的大宗商品公用事业"。
• Sam Altman 说"我们要像卖水电一样卖 AI"——Evans 的回应："My dear sweet child, you need me to explain the margin structure of the utility industry to you."（"当你看电视时，电视台不会给电力公司分一笔月费。"）
• 浏览器战争的启示：浏览器作为产品本质上就是"一个输入框和一个输出框"——Microsoft 用分销赢了浏览器大战五六年，但赢了也没用，因为价值在更上层。
• 当前 AI 领域的分销之战：Google 用分销推 Gemini，Meta 把 AI 喷到每一个界面上——调研数据显示 Meta AI 的使用率紧随 ChatGPT 和 Gemini，尽管技术圈已经"完全忽略它了"。

"It's a low margin reseller with one time sales. You can say .com all you like." —— David Tate（Evans 1999 年做分析师时的同事）

核心要点：当基础模型产品趋同，分销和品牌将成为决定性因素——苹果有 10 亿设备可以在端运行，Google 把 Gemini 喷到 Android 上，这才是真正的战场。

• Evans 对 OpenAI 策略的描述：2025 年底被业界称为"everything yesterday"——疯狂尝试一切来寻找飞轮和分销渠道，赶在 Google 和 Meta 把 AI 喷遍所有界面之前。
• Apple WWDC 2024 的 AI 愿景："仍然是我见过的最引人注目的个人 AI 助手愿景"——工具调用、设备端 agentic AI、无提示注入、无幻觉、跨 10000 个 app 的标准化 API。"但他们没能发布，其实别人也没发布。"
• Apple 的分销优势：约 10 亿设备可以在端运行 AI。Google 的对应口号是"即将登陆我们最强大的设备"——意味着大多数 Android 手机用不了。
• 模型只是底层的"笨东西"：Apple Intelligence 由 Gemini 驱动，但它不会是 Android 上的 Gemini 产品——模型是大宗商品，驱动不同的产品决策和不同的分销。

核心要点：你无法通过分解一个职业的任务来预测哪些会被 AI 取代——这恰恰是专家系统失败的原因。真正被颠覆的往往是你没想到的领域。

• Evans 对 O*NET 职业分析数据集的评价："这是我见过的最荒谬的自欺欺人的废话。"试图把一个职业拆解成哪些部分能自动化——"你不能看着一个律所高级合伙人说'他们17%的工作可以被自动化'。这是胡说八道。"
• 出租车测试（1997 年版）：如果 1997 年讨论互联网会冲击什么行业——"报纸会好的，省了印刷费"（错）；"出租车显然不会受影响"（Uber）。
• 个人教练案例："我把 iPhone 架在器械上，让 AI 给我设计训练计划并看着我做，告诉我动作对不对。为什么我还需要私教？"这可能完全不靠谱，但颠覆就是这样来的。
• 编程的意外：三四年前，编程是"你以为最不可能被自动化的职业"——结果它成了被 AI 转型最彻底的角色。"你没意识到它其实是可以被自动化的无聊体力劳动。"
• Uber vs Airbnb 的对比：Uber 在很多城市摧毁了出租车行业并把市场做大了；Airbnb 对酒店的实际影响"相当边缘"——因为半数酒店业务是商旅，"我妻子下周飞 Milwaukee，晚上 8 点落地，她需要客房服务、浴缸、早上 6 点的健身房——她绝不可能住 Airbnb。"

核心要点：AGI 的定义正在被悄悄改写——从"有灵魂、有意识"变成了"能做一定比例的经济活动"，这让 1975 年的 IBM 大型机也算 AGI 了。

• Evans 引用 AI 科学家 Larry Tesler 的名言："AI 就是机器还不能做的事。一旦机器做到了，人们就说'那只是软件'。"
• AGI 定义漂移：去年 Evans 以为超级智能"很厉害但不如真正的 AGI"；现在"我们已经有 AGI 了，但超级智能才是真正难的"——所有术语都在被重新定义。
• Evans 的尖锐观察：当前 AGI 的"新定义"是"能做一定比例的经济活动"——"一个数据库也能做到这一点。1975 年的 IBM 大型机也能做到。"
• 关于是否会实现人类级别智能："我们对人类智能没有理论，对这些模型为什么工作这么好没有理论，对它们还能变多好没有理论。我们都只是在靠 vibes 预测。"

核心要点：反 AI 情绪是一团"大而模糊的混合物"——有些问题完全是假的（水消耗），有些是真实且严重的（深度伪造裸照），很多在中间地带。

• 数据中心水消耗：Livermore 国家实验室 2024 年底的研究显示，美国数据中心水消耗占全美用水量的 0.017%。"如果你住在小镇上，水井被封了所有水给了数据中心——那是规划问题，不是数据中心问题。"
• 数据中心能源：约占美国能源的 5%，可能每年增长约 1 个百分点。
• 深度伪造裸照：Evans 的精准区分——"Photoshop 也能做假照片"是正确但不够的回答。关键区别是：一个 15 岁孩子现在可以用 AI 为学校里每个女生制作色情假裸照，并在一个下午发给全校。"这是新的，这是不同的。"
• 英国邮局丑闻（UK Post Office scandal）：Fujitsu 建的 POS 系统有 bug 导致现金短缺假象，邮局认定是加盟商偷窃——数百人入狱、多人自杀、多人破产。Fujitsu 和邮局的人在法庭上发誓"系统没有 bug"。这是 1970 年代的技术。Evans 的观点：每一波技术都带来毁灭生活的新方式——无论是故意的还是意外的。
• 30-40% 的新播客由 AI 生成——"AI slop"问题是真实的文化战争。

核心要点：唯一有用的建议是潜入 AI、完全浸泡、搞清楚你能用它做什么——而不是站在岸上抱怨。

• Evans 的核心建议："不要把头埋在沙子里说'我讨厌这些东西'。这会给你一种道德优越感，你可以去 Blue Sky 上冲所有人喊 AI 有多邪恶——很好，我为你高兴，但这不会有任何帮助。"
• 对有孩子的人：如果孩子 21 岁即将进入职场——"一切都悬而未决"；如果还有 5 年——"五年后很多事情会稳定下来，但以不可预测的方式"。
• 职业建议框架："你慢慢发现你有一堆技能，有一堆工作适合你这些技能，还有一堆人愿意为此付钱。你想至少满足其中两个，最好三个都满足。"
• Evans 自己使用 AI 的坦诚："我像那个看着 ChatGPT 的律师——我做的事情中，我想自动化的是精确的信息检索任务，而这恰恰是 AI 现在最不擅长的。" 他用 AI 做校对、室内设计重新装修方案（效果极好）、语音转文字（用 Apple Notes 的内置功能）。

"Don't stick your head in the sand and say 'I hate all of this stuff.' That gives you a great feeling of moral superiority... But that's not going to help. What helps is you diving into this and coming out understanding what you can do with it." —— Benedict Evans