信号来源：

这是 a16z 创始人 Marc Andreessen 在 Latent Space 播客的最新访谈。

他是美国著名的互联网企业家，是互联网早期发展的关键人物之一；也在创办 a16z 之后成为硅谷顶级投资人的代表人物。

整场对话围绕 AI 的发展历史和最新趋势展开，十分值得一读。

一、这轮 AI 不是横空出世，而是 80 年技术长跑后第一次全面「开始干活」

· 这轮 AI 不是横空出世，而是 80 年技术长跑后

· Marc Andreessen 直接把当下称为「80-year overnight success」，意思是公众眼中的突然爆发，背后其实是几十年的技术储备被集中释放。

· 他把这条技术线索回溯到早期神经网络研究，并强调今天行业实际上已经接受「神经网络是正确架构」这一判断。

· 在他的叙述里，关键节点不是单一时刻，而是一连串堆叠：AlexNet、Transformer、ChatGPT、reasoning 模型，再到 agents 与 self-improvement。

· 他特别强调，这次不是只有文本生成变强，而是四类功能同时出现：LLMs、reasoning、coding，以及 agents / recursive self-improvement。

· 他之所以认为「this time is different」，不是因为叙事更动听，而是因为这些能力已经开始在现实任务里工作。

二、Pi 与 OpenClaw 所代表的 agent 架构，是一次比 chatbot 更深的软件架构变化

· 他把 agent 说得很具体：本质上就是「LLM+ shell + file system + markdown + cron/loop」。在这个结构里，LLM 是推理与生成核心，shell 提供执行环境，文件系统保存状态，markdown 让状态具可读性，cron/loop 则提供周期性唤醒与任务推进。

· 他认为这套组合的重要性在于：除了模型本身是新的，其他组件全都是软件世界早已成熟、可理解、可复用的部分。

· agent 的状态被保存在文件里，因此可以跨模型、跨 runtime 迁移；底层模型可以替换，但记忆与状态仍然保留。

· 他反复强调 introspection：agent 知道自己的文件、能读自己的状态，甚至能改写自己的文件与功能，朝「extend yourself」的方向前进。

· 在他看来，真正的突破不只是「模型会回答」，而是 agent 能利用既有 Unix 工具链，把整台电脑的潜在能力都接进来。

三、浏览器、传统 GUI 与「人手点软件」的时代，会被 agent-first 的交互方式逐步替代

· Marc Andreessen 明确说过，未来「你可能不再需要用户界面）」。

· 他进一步指出，未来软件的主要使用者可能不是人，而是「other bots」。

· 这意味着很多今天为人类点击、浏览、填表而设计的界面，会退化成 agent 背后调用的执行层。

· 在这个世界里，人更像是提出目标的人：告诉系统自己要什么，再由 agent 去调用服务、操作软件、完成流程。

· 他把这个变化连到更大的软件未来：高质量软件会越来越「丰沛」，不再是少数工程师手工打造的稀缺品。

· 他还判断，程序设计语言的重要性会下降；模型会跨语言写程式、互相翻译，甚至未来人类更关心的是解释 AI 为什么这样组织代码，而不是死守某一种语言本身。

· 他甚至提到一个更激进的方向：从概念上说，AI 不只可能输出代码，也可能直接输出更底层的二进制代码（binary）或 model weights（模型权重）。

四、这次 AI 投资周期与 2000 年互联网泡沫有相似，但底层供需结构并不相同

· 他回顾 2000 年时强调，崩盘很大程度上不是「互联网不行」，而是电信与带宽基础设施过度建设，光纤与数据中心被超前铺设，随后经历长时间消化。

· 他认为今天确实也能看到「过度建设」的担忧，但当前投资主体主要是微软、亚马逊、Google 等现金充沛的大公司，而不是高度杠杆化的脆弱玩家。

· 他特别指出，现在只要形成可运行 GPU 的投资，通常很快就能转成收入，这一点与 2000 年大量闲置容量不同。

· 他还强调，我们现在使用的其实是「被沙包化（sandbagged）」的技术版本：因为 GPU、记忆体、资料中心等供给不足，模型潜力没有被完全释放。

· 在他的判断里，未来几年真正的约束不只是 GPU，还包括 CPU、memory、network 与整个芯片生态的联动瓶颈。

· 他把 AI scaling laws 与过去的 Moore』s Law 并置，认为它们不只是描述规律，也在持续激发资本、工程与产业协同前进。

· 他提到一个很反常但重要的现象：随着软件优化速度越来越快，某些旧一代芯片甚至可能比刚买时更有经济价值。

五、开源、边缘推理与本地运行，不是边角料，而是 AI 竞争格局的一部分

· Marc Andreessen 明确认为 open source 非常重要，原因不只是免费，而是「让整个世界学会它是怎么做成的」。

· 他把类似 DeepSeek 这类开源发布形容为一种「gift to the world」，因为 code + paper 会快速扩散知识，抬高整个行业的底线。

· 在他的叙述里，开源不只是技术选择，也可能是一种地缘政治与市场策略：不同国家与公司会基于自己的商业限制与影响力目标，采用不同开放策略。

· 他同时强调 边缘推理（「Edge inference」）的重要性：未来几年中心化推理成本未必足够低，很多消费者级应用无法承担长期高昂云端推理成本。

· 他提到一个反复出现的模式：今天看似「不可能在 PC 上跑」的模型，几个月后常常就真的能在本地机器上运行。

· 除了成本，促使本地运行的还包括信任、隐私、延迟与使用场景：穿戴设备、门锁、随身设备等都更适合低延迟、就地推理。

· 他的判断非常直接：几乎所有带芯片的东西，未来都可能带一个 AI 模型。

六、AI 的真正难题，不只在模型能力，而在安全、身份、金流、组织与制度阻力

· 在安全上，他的判断非常尖锐：几乎所有潜在的 security bug 都会更容易被发现，短期内可能出现一段「计算机安全大灾难」。

· 但他同时也认为，编程智能体会把修补漏洞的能力规模化；未来「保护软件」的方式，可能就是让 bot 去扫描并修好它。

· 在身份问题上，他认为「机器人证明（proof of bot）」不可行，因为 bots 会越来越强；真正可行的方向是「真人证明（proof of human）」，也就是生物识别、加密验证与选择性披露（selective disclosure）的结合。

· 他还谈到一个经常被忽略的问题：如果 agents 真要在现实世界办事，它们最终会需要金钱、支付能力，甚至某种形式的银行账户、卡或稳定币式基础设施。在组织层面，他借用管理资本主义（managerial capitalism）的框架，认为 AI 可能重新强化 founder-led company，因为 bots 很擅长报表、协调、文书与大量「管理性工作」。

· 但他并不认为社会会快速顺滑接受 AI：他举出职业执照、工会、码头工人罢工、政府部门、K-12 教育、医疗等例子，说明现实世界有大量制度性减速器。

· 他的判断是，AI 乌托邦主义者和末日论者都容易忽略一点：技术一旦可能，不代表 80 亿人会立刻跟着改变。