GV 創辦人馬里斯：AI 還在 Atari 命令列階段，真正該投的不是更大的模型

本文整理自《All-In Podcast》2026 年 6 月播出的單集。

{{< youtube 0umrMuUClC4 >}}

---

現在最強的 AI，跟 1980 年代的文字冒險遊戲差不多

談到 AI 的未來，矽谷分成兩派：末日論者和烏托邦信徒。Google Ventures（GV）創辦人比爾．馬里斯（Bill Maris）兩邊都不站，他給出了一個更有畫面感的判斷：現在的 AI，大概就等於 1980 年代的 Zork。

Zork 是八零年代經典的文字冒險遊戲。你輸入指令，電腦回應。「拿起燈。」「那是燈籠，不是燈。」「往北走。」然後等電腦吐出下一行文字。互動是脆弱的，格式錯了就不認，沒有記憶，每次重開都從零開始。馬里斯在 All-In Summit 上秀出 Zork 的畫面後，緊接著放出另一張投影片：「我們來看看當今市面上最先進的消費級 AI 系統。」全場一看就懂了，那個聊天介面跟 Zork 的互動模式驚人地相似。一問一答，嚴格的回合制，缺乏記憶，session 一斷就什麼都忘了。

「從八零年代到今天，遊戲產業經歷了什麼，AI 也會經歷，但會壓縮到大概五年。」馬里斯的類比非常精確：遊戲從 Zork 走到今天的 PlayStation，變得逼真、沉浸、持續運行，但這個過程花了四十年。他認為 AI 的轉變將以快得多的速度發生。「我覺得我們現在處於 AI 的 Atari 命令列階段，五年內，我們會到 PlayStation 10 的階段。」

讓遊戲變好的不是更好的劇本，是控制器和 GPU

馬里斯的投資論述建立在這個遊戲類比的延伸上，而結論跟多數人想的不一樣。

遊戲產業從 Zork 走到今天，推動進步的不是更好的故事線，而是控制器、物理引擎和 GPU。你可以寫出全世界最精彩的遊戲劇本，但如果硬體和底層平台跟不上，體驗就是提不上去。馬里斯認為 AI 正在重演同樣的邏輯。「我不打算投更大的模型，」他表態，「就像讓遊戲變好的不是更好的故事，而是控制器、物理引擎和 GPU。這些才是我感興趣的 AI 週期中的部分，就是所有需要被建造的平台。」

他把投資焦點放在「AI 的機械層」。這些東西要解決的是當前 AI 最根本的幾個限制：缺乏持久記憶、回應不一致、每次 session 重置就全部歸零。在馬里斯看來，這些問題不會靠把模型參數加到一兆就自動消失，需要的是基礎建設層的根本革新。AI 的下一波突破將來自讓模型在現實中真正運作的底層平台，而不是把模型再做大一個量級。

Section 32 的投資組合反映了這個思路。基金投了 Cohere（企業 AI 平台）、CrowdStrike（資安基礎建設），這些都不是在追逐「誰的模型最大」的競賽，而是在佈局 AI 真正落地所需的基礎設施。馬里斯判斷，未來五年 AI 最大的商機不在模型層，而在讓 AI 從「回合制聊天視窗」變成「無處不在的環境運算」所需要的一切底層元件。

計算生物學：另一個值得下注的領域

馬里斯的投資視野不只限於 AI 基礎建設。他在 Google 時期創立了 Calico（Google 的長壽研究公司），在當時那是邊緣科學，今天已經成為主流投資題材。他目前透過 Section 32 投資了 New Limit（由 Coinbase 執行長 Brian Armstrong 和 Blake Byers 共同創立的長壽生技公司），以及 Flatiron、Veer 等計算生物學公司。

但他對這個領域的樂觀是有條件的。「如果你找到一個有潛力的化合物，覺得你有了什麼重大發現，那大概只完成了 5% 的工作。」馬里斯指出，後面還有漫長的安全性測試、劑量調整、FDA 審查流程。生物學不會像軟體那樣指數加速，人體安全的驗證沒有捷徑可走。他刻意避開需要人體臨床試驗的治療型標的，因為那是「專家型投資」，需要完全不同的能力圈。

他真正等待的突破是另一件事：如果有一天能在電腦中真實模擬人類細胞的運作（in silico simulation），藥物研發的速度才會真正起飛。但他也坦承，「我們還沒到那個階段。」這種冷靜的期待管理，來自一個親自創立過 Calico、看過太多長壽科學的承諾最終碰壁的人。他把計算生物學定位為 Section 32 的重要投資主軸，但對時程保持清醒。他認為人類生物學和醫療照護是「全世界最大的可觸及市場」，長期前景無庸置疑，關鍵在於選對切入點。

美國正在流失科學人才，中國在撿

馬里斯在演講中罕見地觸及了政策議題，語氣帶著明顯的焦慮。

「CDC 和 NIH 被掏空了，這個國家瀰漫著一種反科學的氛圍，」他直言，「基礎研究的資金正在乾涸，大量的科學人才正在流向其他地方。」H1B 簽證持有者被排擠的趨勢讓頂尖科學家「去其他國家變得更容易了。這對科學不是好事。」

All-In 共同主持人 David Friedberg 補充了一個令人不安的現象：中國正在積極從歐洲和印度招募頂尖科學家，而這些人過去都是流向美國的。「那些科學家現在移民到中國去做研究了，」Friedberg 說，「那本來是我們能接觸到、能招募的人才庫。」同時，中國在複製技術和其他研究領域進行著美國無法或不願進行的實驗，長期來看將形成研究能力的落差。

馬里斯用他自己投資的 Climate Corp 做例子。那是 Friedberg 在 Google 期間創立的農業數據公司，也是 GV 投的第一家前 Google 員工創業公司，最終以十億美元賣給孟山都（Monsanto）。馬里斯和 Friedberg 都感受到，這種「在美國培養科學人才、用美國資本扶持、最終產出突破性成果」的路徑，正在變得越來越難走。

不過馬里斯的結論並不悲觀。他認為 AI 正在讓過去門檻極高的深科技變得更容易進入，因為迭代速度大幅加快。他重複了自己在 GV 時代就信奉的格言：「不要跟電腦科學對賭。把正確的電腦科學，在正確的時間點，用在正確的問題上，你就會得到正確的答案。」就算那個過程看起來像在雷雨天爬上屋頂補焦油一樣瘋狂。這句話出自他的親身經歷：1997 年，他從華爾街辭職，用信用卡在佛蒙特州的公寓裡架了三台伺服器創業。有一次暴風雨中屋頂漏水，他怕伺服器被電死，扛著一桶焦油和拖把爬上去修補，結果把自己困在屋頂的角落。他活下來了，但鞋子至今還黏在那個屋頂上。看到未來的人，在旁人眼中往往看起來瘋了。