安德森：AI 烏托邦派和末日派都太樂觀了

本文整理自 Latent Space Podcast 2026 年 4 月播出的單集。

{{< youtube knx2wrILP1M >}}

{{< spotify "episode/2yB5GPLpI5XeVeN2emJMOF" >}}

{{< apple-podcast "tw/podcast/marc-andreessen-introspects-on-the-death-of-the/id1674008350?i=1000759077760" >}}

---

投資領域有一句名言：最危險的四個字是「這次不一樣」。a16z 共同創辦人馬克．安德森（Marc Andreessen）知道這句話，而且他還知道更危險的十二個字版本：「投資中最危險的四個字就是那十二個字本身。」然後他說了一句讓人無法忽視的話：這次真的不一樣，因為這次它真的在運作了。

安德森在 Latent Space Podcast 上用了超過一個小時，解釋他為什麼如此確信。但更有意思的是後半段：他同時認為，不管是 AI 烏托邦派還是 AI 末日派，他們都太樂觀了。不是對技術太樂觀，而是對人類社會改變自身的能力太樂觀。

80 年一夜成功

安德森對 AI 歷史的理解，比大多數人深得多。他不是從 ChatGPT 開始算的，而是從 1943 年算起。那一年，第一篇神經網路論文發表。1955 年，一群科學家在達特茅斯大學拿到一筆 NSF 經費，打算花十週時間在暑假裡把 AGI 做出來。他們拿到了經費、拿到了十週，但沒有拿到 AGI。

安德森自己是 1980 年代 AI 熱潮的親歷者。那個年代的 AI 叫做「專家系統」，程式語言是 LISP，他在 1989 年就在寫 LISP。然後那波熱潮也崩了。他看過 AI 的夏天變成冬天，冬天再變成夏天，循環了好幾輪。

所以當主持人 Swyx 問他「會不會有下一個 AI 寒冬」的時候，安德森的回答很有層次。他先承認：AI 這個領域有一種奇特的特質，會讓從業者同時變得「過度烏托邦」和「過度末日」，這兩種情緒在過去八十年裡反覆出現。但他接著說，如果你回頭看，那些花了整個職業生涯研究神經網路的科學家，他們是對的。他們搞對了架構，搞對了方向，只是搞錯了時間表。有些人一輩子做研究，退休了，過世了，從來沒看到自己的工作開花結果。這很悲傷，但也說明了一件事：我們現在看到的所有突破，不是從天上掉下來的，而是八十年基礎研究的累積終於到了引爆點。

這就是他所謂的「80 年一夜成功」。ChatGPT 是一夜之間爆紅的，O1 推理模型是一夜之間改變遊戲規則的，OpenClaw 代理人是一夜之間讓所有人重新思考軟體的。但這些「一夜」的背後，是八十年的科學積累。

四大突破：為什麼這次真的不一樣

安德森承認，在 ChatGPT 剛出來到 2025 年春天那段時間，善意的懷疑論者有合理的理由質疑。「這只是模式配對」「幻覺率太高」「寫莎士比亞十四行詩當饒舌歌詞很厲害，但醫療和法律呢？」這些質疑在當時是站得住腳的。

但後來發生了三件事。第一，O1 推理模型證明 AI 可以做真正的邏輯推理，不只是模式配對。第二，程式碼撰寫能力在 2025 年底到 2026 年初經歷了一次躍升，連 Linux 之父 Linus Torvalds 都說 AI 寫的程式碼不比他差。第三，OpenClaw 帶來了代理人突破。第四，AI 的自我改進（recursive self-improvement）能力開始浮現。

安德森把這四個里程碑列為「功能性的四大突破」：大型語言模型、推理、代理人、自我改進。每一個都不只是實驗室裡的 demo，而是真的在運作。他說自己「興奮到快要跳出鞋子」，因為這是八十年工作的集大成，而且這次是真的。

關鍵的轉折點在程式碼。安德森的邏輯是：如果 AI 能在程式碼撰寫這個最困難的領域表現出色，那其他所有領域都是它的衍生應用。因為在很多方面，寫出好的程式碼是對邏輯、精確度、創造力要求最高的任務之一。

做空 NVIDIA 的人搞錯了 180 度

安德森點名了做空 NVIDIA 的知名投資人 Michael Burry。Burry 的邏輯是晶片會過時、會貶值，就像每一代硬體一樣。安德森說 Burry 恰好搞反了 180 度。

現在的情況是：一張三年前的 NVIDIA 推論晶片，今天跑起來比三年前更賺錢。原因是軟體進步的速度超過了晶片的折舊速度。模型更有效率了，同樣的晶片能做更多事、產出更多價值。Google 據說正在用很老的 TPU 跑推論，而且跑得很賺。這在硬體產業的歷史上從來沒發生過：舊晶片變得更值錢而不是更不值錢。

安德森把這個現象連結到更大的圖景。未來三到四年，整條供應鏈都是賣光的狀態。每一塊錢投進去變成運轉中的 GPU，都立刻在產生營收。這跟 2000 年網路泡沫時期的光纖過度建設完全不同。那時候的電信公司是借大量的債來蓋基礎設施，結果需求沒跟上，破產了，花了十五年才把那些多餘的容量填滿。現在的情況是需求遠超過供給，而且投資的不是新創小公司，是微軟、亞馬遜、Google、Meta 這些現金滿溢的巨頭。

他直言：在這個時間點下注 AI 會讓人失望，「基本上是自殺行為」。

算力瓶頸與開源 AI 的戰略價值

但供給不足也帶來問題。安德森的一些朋友每天花 1,000 美元買 token 來跑 OpenClaw，而且他們還有更多想讓代理人做的事情。如果完全部署一個私人代理人，潛在的 token 需求可能高達每天 5,000 到 10,000 美元。即使推論價格改善十倍，那還是每天 100 美元，遠超一般消費者能負擔的水準。

這就是為什麼開源 AI 和邊緣推論如此重要。安德森指出，開源社群不斷刷新一個紀錄：一個「永遠不可能在個人電腦上跑」的大模型，六個月後就在 PC 上跑起來了。Apple Silicon 上的推論能力進步驚人。很多使用情境根本不需要雲端的愛因斯坦，只需要一個聰明的本地模型就夠了。你家的門把未來都會有一個 AI 模型來做門禁控制，穿戴裝置需要超低延遲，這些都必須在邊緣跑。

開源的另一個價值常被忽略：教育。安德森舉了一個精彩的例子。OpenAI 發布 O1 推理模型的時候，效果驚人，但他們不解釋怎麼做的，連推理軌跡都藏起來。全世界都在猜：別人能複製嗎？裡面有秘密配方嗎？然後 DeepSeek 發布了 R1，附上論文和程式碼。三個月之後，所有主要模型都加上了推理能力。即使中國的模型本身不是被最多人使用的版本，那個「全世界現在都知道怎麼做了」的知識擴散效果，價值無法估量。

安德森認為，目前美國和中國加起來大約有十幾家主要的基礎模型公司，但三年後不會有這麼多。這個市場最終可能只剩三、四個大贏家。那些沒贏的公司需要找到其他策略，開源就是策略之一。所以「誰會做開源」這件事可能會快速變化，比大家預期的更動態。

資本主義的第三模式

訪談最後半小時，安德森把話題從技術拉到社會結構，這段可能是整場對話最有洞見的部分。

他引用了 20 世紀政治思想家詹姆斯．伯恩罕（James Burnham）的理論。伯恩罕在 1940 年代觀察到，資本主義經歷了兩個階段。第一階段是「布爾喬亞資本主義」：亨利．福特的名字掛在門上，他一個人拍板所有決定。問題是這不能規模化，一個人管不了那麼大的公司。

第二階段是「管理資本主義」：專業經理人取代了創辦人。他們不是汽車專家或軟體專家，他們是管理專家。他們從商學院畢業，在不同產業之間輪調，在醫療做幾年，再去金融做幾年，再來科技做幾年。今天全球五百大企業的多數高管都是這種人。伯恩罕說這是必然的，因為福特模式不夠規模化，你需要這些專業經理人來管理有百萬客戶的複雜企業。

安德森說，創投業本質上就是一個「對管理主義的反叛運動」。他們做的事情是不斷尋找下一個亨利．福特、下一個馬斯克（Elon Musk）、下一個賈伯斯（Steve Jobs），然後賭這個創辦人能做出那些被專業經理人管理的大企業做不出來的東西。有時候賭贏，有時候賭輸。

AI 可能帶來第三種模式。安德森的推論是這樣的：AI 代理人最擅長什麼？填表格、寫報告、讀文件、做行政工作。換句話說，它們最擅長的就是管理工作。那如果你把創辦人的天才直覺加上 AI 的管理超能力，你是不是同時得到了兩個模式的優點？創辦人負責創新和決策，AI 負責執行所有管理庶務。這在以前不可能，因為沒有任何工具能讓一個人同時擁有創辦人的靈光和經理人的執行力。

真正的瓶頸：制度慣性

但安德森馬上踩了煞車。

他說，不管是 AI 烏托邦派（認為 AI 會讓 GDP 成長十倍、百倍、千倍）還是 AI 末日派（認為所有工作都會消失），他們犯了同一個錯誤：他們都假設八十億人會因為技術變得可能就立刻改變行為。然後安德森開始列舉現實世界的「摩擦力」。

在加州，成為一名髮型師需要 900 小時的專業認證訓練。美國大約 35% 的經濟活動需要某種形式的職業認證。醫生要考照，律師要考照，連理髮都要考照，這些職業公會本質上就是壟斷組織。

碼頭工人的案例更生動。幾年前美國碼頭工人罷工，抗議自動化。你去看亞洲的現代化港口，全是機器人。美國的碼頭？還是鋼鐵工人用手搬。全美只有 25,000 名碼頭工人在工作，但碼頭工人工會有 50,000 名成員。多出來的 25,000 人領全薪坐在家裡，這是之前的工會協議爭取到的。罷工結果？碼頭業主承諾不再推動自動化。

還有聯邦政府。某些機構的員工有公務員保護加上公部門工會的雙重保障。他們在 COVID 期間談到的集體協議是：一個月只需要到辦公室一天。所以華盛頓特區有整棟大樓一年空了 58 天（員工很聰明，把兩個月的到班日排在月底和月初連續兩天）。

美國的 K-12 教育體系是政府壟斷。你能在教育中導入 AI 嗎？安德森的答案是：不能，因為教師百分之百反對，而且這件事百分之百不會改變。你唯一能做的是像 Alpha School 那樣，建立一個全新的教育體系。

我的觀察

安德森最犀利的一句話，其實是他對 AI 辯論的後設觀察：烏托邦派和末日派都太樂觀了。他們高估的不是技術，而是社會消化技術的速度。這個觀點讓人想起經濟學家羅伯特．索洛（Robert Solow）的名言：「到處都看得到電腦，就是在生產力統計裡看不到。」

安德森在這場訪談中展現的，不只是對 AI 技術的信心，更是對現實世界複雜性的清醒認知。AI 的技術面不會讓人失望，供應鏈會是瓶頸但終究會解決，模型會繼續變強。真正決定 AI 革命速度的，是那些跟技術無關的東西：職業認證、工會談判、政府壟斷、社會慣性。

對臺灣讀者來說，這其實是一個好消息。臺灣社會的變革彈性比美國的很多制度化領域要好。如果安德森說得對，AI 採用的速度取決於制度能多快適應，那些能更快調整的社會就會先受益。問題是：我們準備好了嗎？