Stripe 執行長科里森：AI 還沒讓世界變快，但生物學可能正在

本文整理自 a16z Podcast（原播出於 Cursor Podcast）2026 年 2 月播出的單集。

{{< youtube motX94ztOzo >}}

{{< spotify "episode/6VlwZO6PyspXvBBHmaaNFG" >}}

---

Anthropic 共同創辦人 Jack Clark 在一次訪談中預測，AI 每年大約能為 GDP 增長多貢獻 0.5 個百分點。Stripe 執行長派翠克．科里森（Patrick Collison）聽到這個數字時，反應很耐人尋味。他說自己把 Jack Clark 當作「真正的樂觀主義者」，然後指出：0.5 個百分點複利累積起來確實不少，但做為 AI 圈內部最看好這項技術的人之一所給出的預測，這個數字值得我們認真思考。

科里森不是 AI 懷疑論者。他經營的 Stripe 是全球最大的線上支付基礎設施公司之一，目前估值 1,590 億美元，2025 年處理了 1.9 兆美元的全球交易。公司內部有數百名（很快會是數千名）工程師每天使用 AI 程式碼編輯器 Cursor，而且回報說生產力有顯著提升。但科里森身上有一種不常見的組合：他是一個深度使用 AI 的科技業執行長，同時也是「進步研究」（Progress Studies）運動的倡議者，習慣用宏觀經濟數據來檢驗技術樂觀主義的真偽。

數據裡看不到 AI 的加速

科里森提到一篇剛發表的學術論文。這篇論文透過自然實驗的方式，根據個人使用大型語言模型的強度來觀察生產力變化。結論是：沒有觀察到來自語言模型使用的生產力提升。科里森當時只讀了摘要，坦承無法評估方法論是否嚴謹，但他把這個發現放進一個更大的脈絡裡來看。

過去兩年，美國的 GDP 增長表現確實比預期好一些。但科里森做了一個關鍵的反向推理：如果我們認為這些數字是 AI 帶來的，那其他國家也應該看到類似的提升，因為 AI 工具本質上是一種「準公共財」，任何人都可以使用這些大型語言模型。然而，美國以外的國家並沒有出現同樣的 GDP 加速。這意味著，要嘛美國的增長有其他解釋，要嘛 AI 的經濟效益高度依賴特定的制度環境才能發揮，兩種可能都不支持「AI 正在帶來指數級經濟起飛」的說法。

科里森用一句話總結了他的判斷：「我們確實看不到任何指數級起飛的證據。」這句話從一個每天都在享受 AI 生產力紅利的人口中說出來，比從任何 AI 懷疑論者口中說出來都更有分量。他補充說，Stripe 的 R&D 支出是公司最大的單一投資項目，如果 Cursor 真的讓這個過程更有效率，他當然很高興。但「經濟體很大，而且技術的擴散需要時間，涉及相當多的複雜性。」

寫作讓他失望，查資料讓他驚喜

科里森自己怎麼用 AI？主要是兩個用途。第一個是用大型語言模型的聊天工具來回答事實性和經驗性的研究問題，他覺得效果很好。即便在看書的時候，他最近也開始使用 Grok 的語音模式，讓 AI 在背景監聽，隨時可以口頭提問。他覺得這種被動式的知識查詢體驗非常有幫助。第二個用途是透過 Cursor 做 AI 輔助程式開發。

但寫作這件事讓他失望。科里森說，他多次嘗試讓語言模型幫忙寫文章或編輯文字，結果總是不滿意。問題不在於模型寫得「差」，而是寫得太「一般」。他和 Truell 都同意，語言模型的文字輸出有一種令人沮喪的通用感，即使你在 prompt 裡塞了具體的人名和細節，出來的東西還是缺乏個人風格。

科里森提到一個有趣的技術解釋：有人告訴他，基礎模型（base model）的寫作能力其實比較好，是 RLHF（Reinforcement Learning from Human Feedback）的調校過程把模型推進了某種「正常化的吸引盆地」，抹平了風格的多樣性。他特別強調自己不是在自誇寫作能力，只是他想要的是「自己的風格」，而模型產出的是模型的風格，這兩者就是不一樣。這種坦率的自我評估很少見：一個科技業 CEO 承認 AI 在他最關心的用途之一上讓他失望，而且能清楚說出為什麼。

2035 年的世界，比我們以為的更難預測

訪談轉向科里森另一個身分：進步研究的倡議者。Truell 問他，AI 來了之後，進步研究是不是變得不重要了？科里森的回答正好相反：他認為進步研究比以往更迫切。

他引用了未來學家彼得．史瓦茲（Peter Schwartz）的「史瓦茲窗口」概念。這個概念指的是，在任何一個時間點上，我們所能設想的未來可能性的範圍。科里森說，如果你在 2005 年想像 2015 年的世界，那個窗口其實很窄，而且事實證明窄得很正確：2015 年的世界大致如 2005 年所預期的那樣展開。但如果你今天站在 2025 年想像 2035 年的世界，那個窗口卻變得極其寬廣。

科里森認為有三股力量在拉寬這個窗口。第一是地緣政治的不確定性。第二是價值觀和理想本身正在被激烈爭論：美國的左右兩黨在關稅問題上的立場，和歷史上的傳統預期完全相反。第三是技術變革：AI 只是其中之一，還有穩定幣的崛起、中國在無人機、機器人、電池、太陽能等未來技術製造領域的主導地位。

五年前，有人可能批評進步研究太學術、太象牙塔，因為世界看起來走在一條「命定的手扶梯」上，朝著某個既定方向緩緩前進。科里森說，今天沒有人再有那種感覺了。他也明確拒絕了一種他稱為「樂觀天真派」（Panglossian）的觀點：認為 AI 會自動解決所有問題。他認為，如何使用這些技術、做什麼樣的決策、追求什麼樣的人類福祉，這些判斷將真正決定未來的走向。

人類從未治癒過一種複雜疾病

如果說科里森對 AI 的經濟效益持謹慎態度，他對生物學的未來則是真正的興奮。他參與創辦的 ARC Institute 是一個非營利生醫研究機構，2021 年在帕洛奧圖的史丹佛研究園區成立，初始資金 6.5 億美元，與史丹佛大學、加州大學柏克萊分校和舊金山加大合作，專門研究複雜疾病。

科里森在訪談中分享了一個讓他深受觸動的認知：人類從來沒有「治癒」過一種複雜疾病。他把疾病分成三類。第一類是傳染性疾病，流感、結核、COVID，這些在西方世界已經大致被控制。第二類是單基因疾病，像亨丁頓舞蹈症，只有一個基因突變造成，相對好理解。第三類是複雜疾病：大多數心血管疾病、大多數癌症、大多數自體免疫疾病、大多數神經退化性疾病。對於某些複雜疾病，我們有減緩症狀的治療（例如降膽固醇的 statin 類藥物），但沒有任何一種複雜疾病是我們真正理解其因果路徑、並且能像疫苗一樣徹底解決的。

ARC 的假設是：這不只是因為疾病本身太難，也因為我們一直缺乏與之匹配的「認識論工具」。基因的多效性（pleiotropy）意味著一個基因可能影響身體裡無數的系統和機制，再加上環境因素的複雜性，要靠傳統的實驗方法釐清這些疾病的致病機轉，在組合複雜度上幾乎不可能。

讀、想、寫：生物學的圖靈迴圈

但過去十年間，生物學領域出現了三類新技術，而它們的組合讓科里森非常興奮。

第一個是「讀」的能力。單細胞定序技術（single-cell sequencing）讓科學家可以在個別細胞的層級讀取基因和轉錄組的資訊，解析度比過去高了好幾個數量級。ARC 已經建構了一個 Virtual Cell Atlas，收集了經過標準化處理的大規模單細胞量測資料。

第二個是「想」的能力。深度學習和 Transformer 架構讓機器能處理生物數據中的複雜模式。ARC 在 2025 年初發表了 Evo 2，一個用超過 9.3 兆個核苷酸訓練的 DNA 基礎模型，涵蓋了超過 12.8 萬個物種。他們也推出了 Stack，一個用 1.49 億個人類單細胞訓練的基礎模型，能在推論時做 in-context learning，預測細胞對藥物或基因擾動的反應。

第三個是「寫」的能力。CRISPR 和更新的 bridge editing 技術讓科學家能對細胞做非常精確的定向擾動，改變特定的基因、觀察結果。ARC 在 2025 年發表於《Science》的論文展示了 bridge recombinase 可以在人類細胞中進行百萬鹼基對規模的基因組重排。

科里森把這三種能力放在一起，用了一個令人難忘的框架來描述：「你現在在個別細胞的層級上，有了讀、想、寫的能力。這開始真正感覺像一種新的圖靈迴圈，有它自己的完備性。」就像電腦科學中的圖靈完備意味著你可以計算任何可計算的東西，生物學的「讀-想-寫」迴圈也許意味著我們終於有了一套系統性的方法來逼近複雜疾病的真相。

我的觀察

科里森是一個罕見的人物：白天經營一家處理全球交易額 1.9 兆美元的支付公司，晚上思考為什麼 AI 沒有讓 GDP 加速、以及如何用基礎模型治癒癌症。他的觀點之所以值得認真聽，不是因為他總是對的，而是因為他同時站在實踐者和思想者的位置上，而且願意讓數據推翻自己的直覺。

關於 AI 生產力，他的跨國比較論證格外有說服力：如果 AI 真的在驅動美國 GDP 增長，為什麼只有美國看得到？這不是一個容易回答的問題。關於生物學，「圖靈迴圈」這個框架之所以有力量，是因為它不只是一個比喻。讀（定序）、想（AI）、寫（基因編輯）三者的技術成熟度確實在過去十年同時達到了臨界點，而且 ARC 已經在用具體的模型和資料集把這個迴圈跑起來了。也許 AI 對人類最大的貢獻，不是寫更多程式碼或產出更多投影片，而是幫我們理解自己身體裡那些至今無解的複雜系統。