本文仅在今日头条发布，谢绝转载

　　未来20到30年，人工智能和机器人技术将能比人类更好地完成任何工作中的每一项技能。这不是又一次工业革命，这是人类作为经济要素的终结。

　　这个判断来自Hemant Taneja。他是General Catalyst的CEO，一位在风投界浸淫了25年的顶级捕手。这家机构投出了Airbnb、Stripe、Snap等一众明星公司，如今又重仓了Anthropic。

　　这说明，超级智能不再是科幻作家的想象，而是手握重金、每天都在为未来下注的人，基于一线观察得出的结论。

　　华尔街日报最近对Hemant做了一次深度访谈，揭示了顶尖资本如何看待当前的AI热潮，以及他们对未来的真实布局。

泡沫不是错误，而是必须

　　我们是否处于AI泡沫中？Hemant答案是，泡沫是好事，因为它能有效地将人才和资本动员到重要的领域。

　　大多数人谈“泡沫”色变，唯恐避之不及。但从宏观视角看，技术革命的早期阶段几乎总是伴随着巨大的泡沫。互联网泡沫破裂了，但它留下了今天我们赖以生存的光纤网络基础设施。没有当初的狂热和非理性投资，就没有后来的Web 2.0和移动互联网时代。

　　Hemant将当下的AI投资分成了两类：一类是“科学项目”，即大量资本涌入试图创造一个比OpenAI或Anthropic更好的基础模型；另一类则是“实际应用”，即利用现有AI技术改造产业，将劳动力转化为生产力。

　　前者充满了不确定性，很可能大部分投资会打水漂，这就是泡沫的主要构成部分。但后者，却是实实在在的经济机会。顶尖的投资者并非在赌下一个模型的诞生，而是在寻找那些能将AI能力转化为商业价值的公司。

　　所以，对普通从业者和创业者来说，重要的不是去争论有没有泡沫，而是要看清自己身处泡沫的哪个部分。

　　如果你在做的事情是试图用更少的参数训练一个性能稍好一点点的模型，那么你可能就在泡沫最危险的地带。

　　但如果你在利用AI解决某个行业的具体问题，那么你就站在了价值创造的一边。泡沫的破裂只会淘汰那些“科学项目”，而真正创造价值的应用将存活下来并发展壮大。

对Anthropic投资的逻辑

　　General Catalyst是在Anthropic估值高达600亿美元时才入场的，当时的价格已经不低了。

　　Hemant给出的解释是，在那个时间点之前，投资大模型公司对他来说风险太高。这些模型需要天量的资本投入，但在商业应用明朗之前，这一切都只是“承诺”。直到Anthropic年化收入改善，他们才扣动了扳机。

　　他们不再赌一个技术会不会成功，而是等这项技术证明了自己有清晰的商业模式和强劲的营收能力后，再用重金买入其确定性的增长。

　　Hemant坦言，他们相当于为未来18个月的增长付了费。这听起来像是在做PE（私募股权投资）而非VC，但这也恰恰说明了AI领域的游戏规则正在改变。

　　基础模型的战争，本质上是资本、算力和人才的消耗战。在牌桌上玩下去的门槛已经高到离谱。与其在早期用小钱去赌几十个不确定的“科学项目”，不如等市场筛选出明确的赢家后，在它商业化爆发的前夜，用大钱买下一张昂贵但稳妥的船票。

　　普通人或小机构再想参与基础模型层的创业或投资，机会窗口已经基本关闭。机会已经下沉到了应用层，即如何利用这些强大的模型来创造价值。

赢家通吃的终结，专业化时代的来临

　　另一个普遍的迷思是，AI领域最终会赢家通吃，只有一个模型或一家公司能够主宰市场。

　　Hemant对此明确表示不赞同。他认为，目前领先的几个大模型已经开始走向专业化分工。Anthropic的Claude模型，其核心应用场景在于企业服务和软件开发领域，它正在重新定义企业与软件的关系。

　　OpenAI最大的引力仍然是ChatGPT这个现象级的消费应用。而Google的Gemini，其优势也更多地体现在消费者端。

　　着LLM（大语言模型）市场可能不会像操作系统或搜索引擎那样形成绝对垄断，而是会像云计算市场一样，由几家巨头（AWS, Azure, GCP）共同主导，并且各自在不同领域建立优势。

　　对于企业来说，未来可能不是选择“用哪家AI”，而是根据不同需求，组合使用不同模型的服务。比如，用Anthropic来辅助代码生成和内部知识管理，用OpenAI来做市场营销文案，用Midjourney来生成图片。

　　这进一步验证了机会在应用层的判断。

　　既然底层模型会走向专业化，那么基于特定模型、针对特定场景进行深度优化的应用，将拥有巨大的发展空间。试图做一个“通用”的AI应用可能会非常困难，因为它无法在任何一个垂直领域与那些深度优化的对手竞争。

真正的瓶颈：组织变革，而非技术

　　为什么企业投入了大量资金用于AI，但生产力的提升似乎并不明显？

　　AI的真正落地，需要三个前提条件的成熟。

　　首先是数据基础设施。企业需要先整理好自己的数据，让数据变得结构化、可用，AI模型才能在上面发挥作用。

　　其次是模型的适配。通用大模型需要针对企业的特定语言、商业数据和业务逻辑进行微调和适配。

　　而最重要，也是最难的一点，是劳动力的转型和组织结构的重塑。这才是AI应用真正的深水区。当一个公司引入AI时，会产生全新的工作协同方式：人类管理AI智能体，AI智能体反过来也可能管理人类。

　　公司的文化、组织架构、工作流程都需要被彻底重构。这是一个痛苦且漫长的过程。

　　以医疗AI公司Hippocratic AI为例。这家公司开发了AI护士，可以自动给病人打电话进行术后关怀和诊前提醒。这项工作如果由人类护士来做，每小时成本是90美元，而且护士资源本就短缺。而AI的成本仅为人类的十分之一，并且可以无限扩展。这家公司已经完成了1000万次通话，未来将扩展到100亿次。

　　这个例子展示了AI如何将昂贵的、稀缺的专业劳动力，转化为廉价的、无限的计算能力。这种转化一旦在某个行业大规模发生，将带来颠覆性的影响。而阻碍这种转化的，往往不是技术本身，而是现有组织的惯性、利益格局和从业者的恐惧。

　　因此，对于企业领导者而言，推动AI转型的核心工作，已经从技术选型，转向了组织变革的设计和管理。谁能率先完成这个痛苦的蜕变，谁就能在AI时代获得巨大的竞争优势。

工作末日的三个时间节点

　　现在回到文章开头的那个判断：AI将威胁所有人类工作。Hemant给出了一个清晰的时间表。

　　短期：创造新岗位，关注增长。

　　短期内，AI不仅不会消灭大量工作，反而会创造新的岗位需求，比如训练模型、提示工程等。不要用AI来提高效率（这意味着裁员），而要用AI来驱动增长。让员工去做更有趣、更有价值的工作，共同把蛋糕做大，而不是在存量蛋糕里搞零和博弈。

　　中期：催生新产业，实现富足。

　　中期来看，AI将催生出全新的产业和服务模式。以前文提到的AI护士为例，当“关怀”的成本降到接近于零时，我们完全可以为社会上所有的老年人提供7x24小时的健康监测和情感陪伴服务。这在过去是不可想象的，因为它需要的人力成本是一个天文数字。但AI让这种“富足”成为可能。围绕着这种新服务，会诞生一个全新的产业，创造出全新的就业岗位。

　　长期：挑战所有技能，社会重构。

　　然而，在20到30年的长期维度上，情况将发生根本性变化。这一次与以往的技术革命都不同。以前的机器替代的是人类的体力或重复性脑力劳动，但总有一些技能是机器无法企及的，比如创造力、同理心、复杂决策等。但这一次，AI和机器人的结合，目标是任何工作中的每一项技能。

　　当一个系统在逻辑、创意、沟通、操作等所有维度上都超越人类时，人类作为“劳动力”的经济价值将被无限稀释，甚至趋近于零。

　　届时，我们社会的基础，即“通过工作获取报酬来维持生活”的模式，将面临崩溃。

　　这不是一个技术问题，而是一个深刻的社会问题。政府、企业、教育界必须现在就开始合作，从根本上改变教育体系，重新思考社会保障体系。我们不能等到10年后问题迫在眉睫时才手忙脚乱，必须从现在开始准备。

VC的新玩法：做生态，创造“不公平优势”

　　访谈的最后，Hemant还透露了General Catalyst的独特战略。他们近年来不仅设立了私人财富业务，甚至还收购了一家医院。

　　那他们为什么要这么做？答案是：为被投企业构建“转型基础设施”，创造“不公平优势”。

　　他们设立财富管理业务，不是为了成为下一个瑞银，而是为了更好地服务他们的创始人生态圈。

　　他们收购医院，更不是为了做一笔财务投资，而是把它当作一个实验室，一个真实世界的“沙盒”。他们可以在这家医院里，部署7家被投医疗科技公司的最新技术，测试AI原生（AI-Native）的医院究竟该如何运作，然后将成功的模式推广到全国。

　　这是一种全新的VC打法。

　　传统的VC提供资金和人脉，而General Catalyst正在试图提供一个“生态系统”。他们为创始人提供的不仅仅是钱，更是一个可以让他们快速验证产品、获取数据、打磨商业模式的真实场景。这对于初创公司而言，是一种巨大的、甚至是“不公平”的竞争优势。

　　这也从侧面说明，未来的竞争，不再是单个公司之间的点状竞争，而是生态系统之间的立体战争。

最后的思考

　　从Hemant Taneja的访谈中，我们看到了充满机遇又令人深感不安的未来图景。

　　乐观的一面是，AI将带来生产力的极大提升，创造出我们今天难以想象的新服务和新产业，解决医疗、养老等诸多社会难题。

　　而令人不安的一面是，这条路的终点，可能是人类经济角色的消亡。

　　未来并非命中注定，它取决于我们今天的选择和行动。技术本身是中性的，如何使用它，如何设计与之匹配的社会结构，才是决定我们走向乌托邦还是反乌托邦的关键。

　　这个挑战，远比开发下一个模型要复杂和艰巨得多。它需要技术专家、商业领袖、政策制定者乃至我们每一个人的共同参与和智慧。