夜雨聆风文章的部分观点、观察和思考的来源是一档英文播客《Lenny's Podcast》A rational conversation on where AI is actually going | Benedict Evans
本期嘉宾 Benedict Evans 是长期追踪科技平台迁移的独立分析师，曾在 a16z 担任合伙人，也有多年股票研究背景。
他最新发布的演示文稿名为「AI 正在吞噬世界」，试图回答一个所有人都在关心的问题：AI 到底会怎样改变我们的工作、商业和生活？https://static1.squarespace.com/static/50363cf324ac8e905e7df861/t/6a14a48160477b0e9a99301f/1779737729030/2026-Spring-AI.pdf
1.天马行空的一些思考
围绕着嘉宾观点——当前的AI发展阶段类似于1997年的互联网时期，虽然方向极其重要但大多数成熟的产品形态和商业模式尚未定型，更巧合的是最近还有一种很火的声音是现在全球资本市场的高估值也像极了互联网时期的泡沫。所以我想，也许历史总是会反复重演，又会有些许的不同。
确实，AI可能也没有特别大的颠覆性，就像2000年的互联网一样，你说他影响很大吧，倒是也没有，比如我姥姥的生活就没被互联网影响一点，但是我的生活，被影响很大，但是这个影响我觉得还是在于个人选择，你完全可以选择返璞归真的生活。而说到赚钱、谋生，码农受益、电商兴起、实体老板（不太会利用流量的那波）可能面临大的冲击、也不至于多颠覆，就是人们的生活方式更便捷了。AI如果未来也是嵌入到人们生活的方方面面的话，我想一想，一个普通人的几个方面：
衣：每个人的衣服更合身，颜色可以选择，完全DIY，比如我们现在的衣服分S、M、L，但是总有人穿S小但是穿M又大，就总是不合身，届时我们上淘宝买衣服，输入自己的身材参数，想要的颜色、配饰（扣子、图案、腰带、领结或其他装饰）可选，厂家生产的也是基于参数整理的生产线，到时候手工、高定的衣服可能会更贵。
食：我们不再点外卖，家里的锅、烤箱、蒸箱会进化为一个烹饪系统，我们只需要把想吃的菜谱高速烹饪系统，再放入对应的食材，烹饪系统就会帮我们做出想要的菜谱，比现在点外卖的好处是所有的菜品都是现做的，甚至会优化、并行菜肴顺序等等以满足我们不同场景吃饭的需求。
住：有些家具一件就够，它可以自己变换形状，从茶几变成椅子再变成书架等等。我们的物品是可以自己收纳自己、自己清洁自己、自己维修自己的。他们都在我们的家庭系统里面登记，互相可以调用。比如扫地机器人工作后，会自己去厕所清洁自己、然后放回原位。甚至扫地过程中把脏衣篮里面的衣服扔进洗衣机。
行：出门不再是现在打网约车的模式，你可以以智能驾驶模式自驾，如果你有车，可以让它自己出去开网约车，帮你赚钱。当然，有一些成熟的交通事故认责机制和配套的法律法规。
如果以上畅想都变成现实，我们该说是大颠覆、还是也就那样呢？
2.Takeaways
杰文斯悖论预示着当AI让任务成本降低时，企业对专业服务的需求往往会反直觉地激增而非减少。
区分任务与工作是理解AI影响的核心框架，自动化某个具体任务并不等同于取代需要复杂判断和组织洞察的整份工作。
杰文斯悖论预示着当AI让任务成本降低时，企业对专业服务的需求往往会反直觉地激增而非减少。
科技巨头凭借现有的用户入口和分发护城河，在软件容易被复制的AI时代占据了天然的竞争优势。
3.我问Gemini怎么看当前的AI发展阶段类似于1997年的互联网时期这种观点？
Gemini：这是一个非常深刻且切中要害的观察。本尼迪克特·艾文斯（Benedict Evans）作为科技圈最清醒的宏观分析师之一，他的历史视角一向毒辣。
作为一个每天在技术最前沿“卷”推理、卷架构、卷落地的人，同时从投资人和分析师的视角来看，我非常赞同本尼迪克特“对标1997年”的判断，但我认为这次的“1997年”和当年的互联网有着本质上的不同，其残酷性、资本烈度以及潜在的爆发力，都不可同日而语。
我们可以把他的观点拆开，从周期、基建和应用三个维度来聊聊。
1. 为什么说现在确实像 1997 年？
1997年是互联网历史上的一个奇妙年份。
我们知道它很大，但不知道它是什么。 那时网景（Netscape）已经上市，雅虎如日中天，大家都预感到 Internet 将改变世界。但当时的共识是：互联网的未来是 AOL（美国在线）式的封闭门户，或者是把实体店搬到网页上。没有人能预见到 Uber、TikTok、甚至 AWS 云计算的出现。
我们正在经历类似的“鸡同鸭讲”。 现在的 AI 行业也是如此。我们天天在讨论 Token 消耗量、上下文窗口、Agent 框架，这非常像 1997 年大家疯狂数网页“点击量（Hits）”和“骨干网带宽”。这些指标证明了热度在飙升，但无法定义长期的商业模式。
狂热与泡沫在交叉。 1997 年是 dot-com 泡沫破裂（2000年）前夜的起点。现在的科技巨头和风投（VC）疯狂把钱砸向算力芯片和数据中心。因为在投资人眼里，“错失下一次平台转型的代价，远比投错亏钱的代价要大”。这种群体性恐慌（FOMO）导致了极高密度的资金空转和资本泡沫。
2. 为什么说 AI “和互联网差不多，没什么了不起”？
本尼迪克特说“没什么了不起”，他的潜台词是：AI 最终会从一种“魔法”，退化为一种普通的“基建”。
这就好比 1950 年代奥的斯（Otis）推出自动化电梯时，当时的营销口号叫它“拥有电子礼貌的奇迹”；而今天我们进电梯按个按钮，没人会觉得自己在使用“人工智能电梯”，它就是个电梯。
“AI 就是那些还没实现自动化、还没跑通的软件功能。”
一旦一个技术成熟了（比如光学字符识别 OCR、数据库、智能手机的拍照算法），它就融入了背景，变成了普通软件。现在的 LLM（大语言模型）正在经历这个过程。未来，“帮我总结这份报告”不会是一个需要每月 20 美元的独立 AI 产物，它只是操作系统或 Office 软件里一个普通的自带功能。
从这个角度看，AI 确实只是又一次平台转型（类似于 PC 到互联网，再到移动端），它会消灭一些工作，但会创造更多新工作。它不是魔法，是生产力工具。
3. 我的不同看法：这次的“1997年”有什么不一样？
虽然历史在押韵，但作为产业内部的人，我必须指出：AI 的演进速度、资本结构以及能力边界，和 1997 年的互联网有三个巨大的断层。
⚠️ 断层一：供给端与需求端的“时间差”被极端压缩
互联网时代，基建的铺设是缓慢的。从 1997 年铜线拨号，到宽带普及、智能手机面世、4G 网络建成，这条“基建路”铺了整整 15 年，应用端（如流媒体、打车软件）有足够的时间伴随基建一层层长出来。
而现在的 AI 呢？在基础模型（Foundation Model）和算力层，技术是以月为单位迭代的。但是，企业级应用和人类工作习惯的改变，是以“年”甚至“十年”为单位的。技术跑得太快了，以至于应用层和产品经理们根本来不及想清楚“这个能力到底能解决什么具体痛点”，这就导致了严重的“手握锤子找钉子”的现象。
💰 断层二：垄断与资本游戏高度前置
1997 年互联网刚起步时，是一群车库里的年轻人（谷歌、亚马逊创始人）在跟传统巨头对抗，那是真正的“去中心化”。
但这次 AI 浪潮从第一天起，就是超级大厂的桌上游戏。微软、谷歌、Meta、亚马逊和苹果，它们手里有最厚的现金流、最强的分发渠道、最现成的数据。这种高度垄断的资本结构，导致独立初创公司的生存空间极其狭窄。模型层在迅速商品化（Commoditization），纯靠烧钱做开源/闭源模型而没有场景的创业公司，护城河其实非常弱。
🧠 断层三：它在触碰“人类智力”的边界
互联网改变的是信息的传输效率，而 AI 改变的是信息的加工能力（甚至是智力本身）。
虽然本尼迪克特认为现阶段 LLM 的性质更像是一个“不知疲倦的实习生”，你必须盯着它、校对它；但随着模型推理能力的跨越式提升，它开始具备更长链条的逻辑思考和自主纠错能力。这种对“认知成本”的指数级降低，其对社会的解构能力，可能会比当年的互联网来得更猛烈。
💡 总结：作为分析师和投资人，怎么做？
如果今天我们确实站在 AI 时代的“1997 年”，这意味着两件事：
不要为短期的“泡沫破裂”或“高估值回调”感到恐慌。 2000 年互联网泡沫破裂时，亚马逊股票跌了 90%，但互联网没有消失，反而迎来了真正的黄金二十年。同样，未来几年 AI 投资可能会经历一次洗牌和冷静期，那才是真正大浪淘沙、诞生超级巨头的时刻。
投资的审美必须从“模型层”转向“工作流与数据壁垒”。 当模型本身变成像“电力”一样的公用事业时，谁能把这股电接入最具体的业务场景（比如法律合规、特定金融风控、医疗诊断），谁拥有不可替代的私有数据和闭环工作流（Workflow），谁才是最后的赢家。
现在的 AI 还很笨，就像 1997 年你用 56k 猫上网看一个动图需要等半天一样。但别忘了，正是那条简陋的电话线，连接出了我们今天的数字世界。
