本文整理自Lennys Podcast的一期节目主持人Lenny Rachitsky与Andreessen Horowitza16z普通合伙人Anish Acharya展开了一场深度对话。话题涵盖AI时代的就业焦虑、公司组织方式的根本性转变、消费者产品的核心机会以及如何在AI浪潮中建立真正持久的竞争壁垒。Anish Acharya在加入a16z之前是一位连续创业者他创立的SocialDeck被谷歌收购随后在谷歌内部主导多个项目之后再度创业成立Snowball并出售给Credit Karma在Credit Karma先后担任产品VP和消费者业务负责人。在a16z任职逾七年他长期专注于消费赛道是少数真正做过产品的科技投资人之一。节目录制于2026年9月AI应用已从概念验证走向深度重组企业运营的关键阶段。当外界还在讨论哪些工作会被取代时Acharya的问题是我们是否高估了有多少问题本质上是智能受限的1. 永久下层阶级是硅谷集体发明的黑暗幻想这场对话从一个流行于科技圈的焦虑梗开始——永久下层阶级permanent underclass如果你没有跟上最新的AI工具没有成为效率最高的那个人你就会被甩出去再也追不上。Acharya认为这种担忧被严重高估了。这是我们硅谷集体共同发明的一个黑暗幻想。他说从几乎每一个衡量维度来看现在都是前所未有的好时代机会的分布更广可及的技术更强允许拥有的野心更大独立运作的成功公司也更多。他用两个角度来佐证这一判断。第一上一个时代的技术是集中化的。网络效应是移动互联网时代的黄金标准而网络效应天然是赢者通吃的。但今天的局面完全不同——每一层技术栈都有二十个玩家在竞争而不是两个。就以代码助手为例他说三年前的直觉判断应该是这个品类必然赢者通吃但现在Claude Code、Codex、Lovable、Replit、Wobby全都活得好好的。第二关于所谓的递归自我改进RSI, Recursive Self-Improvement——这是导致快速起飞fast takeoff叙事的核心假设。他指出如果去问实验室里最顶尖的研究者他们会告诉你现在发生的并非真正的RSI而是自催化效应autocatalytic effects。区别在于自催化只是用新技术改进自身流程而不是真正的递归。递归才可能产生某个玩家稍微领先一点点然后飞速拉开距离的结局。现在并没有发生这种事。关于快速起飞vs慢速起飞的问题Lenny观察到那些关于模型意外越权的新闻事件比如某模型入侵了某平台每次都被发现、被记录、被迭代修复——这本身就是慢速起飞的证据。Acharya补充了一个常被忽视的维度有多少问题本质上是智能受限的——如果你有一个数据中心满满的博士在联邦快递或达美乐披萨工作他们真的能指数级优化供应链或披萨制作吗他认为未必。大量现实问题受限的不是智能而是其他东西。2. 企业AI采纳的真实图景用电气化来类比白领员工这个抽象概念让人们系统性地低估了普通雇员的主动性。我们总觉得别人的工作很容易被自动化但自己的不会。这种偏见会遮蔽真实发生的事情。他举了一个具体案例墨西哥二手车平台Kavak建立了一个叫做绝地学院Jedi Academy的内部项目培训公司里所有人——包括技工——使用新的AI工具和技术。六周课程结束时学员需要实际交付一个上线的生产级智能体agent。比我们愿意承认的有更多人正在主动拥抱这项技术。更核心的分野Acharya认为不在于用还是不用AI而在于是把AI当工具叠加进现有组织还是围绕AI重新设计整个公司。他用电气化做类比——从蒸汽动力到电力的转型花了40年前30年很多工厂只是把煤换成电没有改变工厂的布局和运作逻辑真正的生产力革命发生在人们推倒重建之后。最有野心的公司正在做后者围绕模型重新思考一切。3. 公司建设将变成一系列循环的创造我们将看到一套级联展开的循环——从每个人的个人循环到能运转公司大部分业务的循环。这是Acharya对未来公司形态最核心的判断。他所说的循环loop是指能够持续运行、自我迭代的AI驱动工作流——不是一次性的自动化任务而是一个持续学习、持续优化的闭环系统。这些循环可以从个人层面帮某个员工完成某类重复性工作一路扩展到组织层面负责运营公司某个完整的业务单元。但他强调了一个关键的限制条件循环会帮你爬到局部最优local maxima然后它就停在那里了。你需要人类直觉——需要有人帮你找到下一座山的山脚。循环是爬坡工具但它看不见山与山之间的低谷。跳出一个局部最优、找到下一个更高的目标仍然需要人类的判断力。这个框架对产品和创业来说有一个反直觉的推论在AI时代想法太小比想法太大是更严重的问题。他说三年前如果一家公司想做的事情太有野心投资人会选择不看。现在他们面对的是完全相反的情况——一个太小的想法才是他们不想碰的。4. /loop让我更快乐消费者产品的真正机会对于消费AI的下一个大机会Acharya有一个鲜明的判断我们一直相信人们想要更有生产力但他们其实不想。更多人想要花时间而不是省时间。这个洞察指向一个被技术圈长期忽视的需求层次——不是效率而是人类最基本的情感需要我们如何感到更有联结感更被爱如何取得进步如何享受乐趣他把这个方向概括为一个命令/loop让我更快乐/loop make me happier。最重要的是他明确说这不是一个模型能力问题也不是技术挑战。这只是一个产品设计问题。工具已经够用了缺的是把它们组织成真正满足人类情感需求的产品形态的设计能力和意愿。这个判断的背面是一个关于时间的根本性分歧硅谷的主流叙事是AI帮你节省时间把时间还给你但Acharya认为这个方向本身就理解错了。人们不是想要更多空闲的时间他们想要把时间花在更有意义、更让自己感到充实的事情上——帮他们在正确的事情上花更多时间而不是在所有事情上花更少时间。5. 护城河是被发现的不是被设计的在AI时代如何建立可持续的竞争壁垒Acharya有一个反常识的判断护城河不是你设计出来的而是你在做的过程中发现的。他将这个逻辑延伸到分发distribution上。在AI能力快速平价化的背景下分发正在成为越来越重要的护城河。能够以低成本触达用户、建立口碑传播飞轮的公司其优势正在拉大。核心能力可以被复制但用户关系和品牌信任的积累不能。这与另一个观察相呼应他们在投资判断上已经转向——一个太小的想法现在是比太大更危险的信号。因为在AI的能力密度下执行野心不足的想法反而是在浪费工具能提供的杠杆。6. 给产品构建者的实操建议从整场对话中Acharya对产品从业者的建议可以归纳为几个具体方向首先培养模型侍酒师model sommelier的能力——就像葡萄酒侍酒师能精准匹配菜肴与酒款你需要能精准判断哪个模型在哪类任务上有优势而不是默认用同一个模型解决所有问题。这个能力在当下是真实稀缺的也会是短期内的差异化能力来源。其次从什么让用户更快乐而不是什么让用户更高效出发设计产品。这两个起点会产生完全不同的产品形态和功能优先级。第三要把公司建设当成设计一系列循环来思考而不只是雇佣人来完成任务。每一个新的业务流程先问它能否成为一个可持续运转的AI循环再问谁来做。这场对话在2026年AI应用落地的关键节点录制Acharya的核心论点收束在同一个方向上焦虑被高估了机会被低估了而真正的挑战不在算力或模型而在于有没有意愿去重新设计一切。技术已经够了。剩下的是产品设计的问题是野心的问题。
