a16z創始人：在「代理」時代，真正重要的事物已經發生了變化

原標題：馬克·安德森就「瀏覽器的消亡」、Pi 與 OpenClaw，以及「這次為何不同」展開了反思

原文翻譯：FuturePulse

信號源：這是a16z創始人馬克·安德森在《Latent Space》播客上的最新訪談。他是一位著名的美國網際網路企業家，也是網際網路早期發展中的關鍵人物之一；在創立a16z之後，他成為了矽谷頂級投資人的代表人物。整篇對話圍繞人工智慧發展的歷史與最新趨勢展開，非常值得一讀。

一、本輪人工智慧浪潮並非突如其來，而是歷經80年技術馬拉松後的首次全面「正式啟動」

• 這一輪人工智慧的興起並非突如其來，而是80年技術馬拉松的成果。

• 馬克·安德森將當下直接稱為「80年的『隔夜成名』」，意指公眾視野中的突然爆發，實際上是數十年技術積澱的集中釋放。

• 他將這一技術脈絡追溯至早期神經網路研究，並強調行業現已普遍認同「神經網路是正確的架構」這一觀點。

• 在他的敘述中，關鍵節點並非某個孤立的瞬間，而是一系列積累：AlexNet、Transformer、ChatGPT、推理模型，以及智能體和自我改進。

• 他特別強調，這次不僅文本生成能力得到了增強，同時還湧現出了四種功能：大型語言模型、推理、程式設計以及智能體/遞歸自我改進。

• 他之所以認為「這次情況不同」，並非因為這種說法更具說服力，而是因為這些能力已開始應用於實際任務。

II.Pi 和 OpenClaw 所代表的代理架構，比聊天機器人更深刻地改變了軟體架構

• 他對代理的描述非常具體：本質上就是「大語言模型（LLM）+ 外殼 + 檔案系統 + Markdown + cron/循環」。在此架構中，LLM 是推理和生成的核心，Shell 提供執行環境，檔案系統保存狀態，Markdown 使狀態易於閱讀，而 cron/loop 則提供周期性喚醒和任務推進功能。

• 他認為這種組合的重要性在於：除了模型本身是全新的之外，其他所有組件都屬於軟體領域中已經成熟、易於理解且可重用的部分。

• 代理的狀態被保存到檔案中，從而支持跨模型和跨運行時的遷移；底層模型可以被替換，但記憶體和狀態仍會被保留。

• 他一再強調自我反思：代理程式了解自身的檔案，能夠讀取自身的狀態，甚至可以重寫自身的檔案和函數，從而朝著「擴展自我」的方向邁進。

• 在他看來，真正的突破不僅在於「模型能夠給出答案」，更在於代理程式能夠利用現有的Unix工具鏈，充分發揮整台計算機的潛在能力。

三、瀏覽器、傳統圖形使用者介面以及「依賴使用者點擊的軟體」的時代，將逐漸被以代理為先的互動方式所取代。

• 馬克·安德森曾明確表示，未來「你可能不再需要使用者介面」。

• 他進一步指出，未來軟體的主要使用者可能不是人類，而是「其他機器人」。

• 這意味著許多專為人類點擊、瀏覽和填寫表單而設計的介面，將退化為由代理程式調用的執行層。

• 在這個世界裡，人類更像是設定目標的人：他們告訴系統自己想要什麼，然後代理程式會調用服務、運行軟體並完成各項流程。

• 他將這一變化與更廣闊的軟體未來聯繫起來：高品質的軟體將變得越來越「豐富」，不再是少數工程師親手打造的稀缺產品。

• 他還預測，程式語言的重要性將會下降；模型將能夠跨語言編寫程式並在它們之間進行轉換，未來人類可能更關注解釋人工智慧為何以某種特定方式組織程式碼，而非拘泥於某種特定的語言。

• 他甚至提到了更激進的方向：從概念上講，人工智慧不僅可以輸出程式碼，還可以直接輸出更底層的二進位碼或模型權重。

第四章當前的人工智慧投資週期與2000年的網際網路泡沫相似，但其背後的供需結構卻有所不同。

• 他回憶說，2000年那次崩盤主要並非因為「網際網路無法運行」，而是由於電信和頻寬基礎設施的過度建設——光纖和資料中心被提前鋪設，隨後經歷了一段多頭消化期。

• 他認為，雖然目前確實存在「過度建設」的擔憂，但當前的投資者主要是微軟、亞馬遜和谷歌等擁有充裕現金的大型公司，而非那些槓桿率高、經營脆弱的參與者。

• 他特別指出，如今只要一項投資額能產生可運行的GPU，通常就能迅速轉化為收入，這與2000年大量閒置產能的情況不同。

• 他還強調，我們目前所使用的技術實際上是一種「被壓制」的版本：由於GPU、記憶體、資料中心等資源供應不足，模型的潛力尚未得到充分發揮。

• 在他看來，未來幾年真正的瓶頸不僅在於GPU，還包括CPU、記憶體、網路以及整個晶片生態系統之間相互關聯的瓶頸。

• 他將人工智慧的擴展定律與過去的摩爾定律相提並論，認為這些定律不僅揭示了發展規律，而且還能持續推動資本、工程技術與行業的協作。

• 他提到了一種非常罕見但重要的現象：隨著軟體優化的速度加快，某些老一代晶片的經濟價值甚至可能比剛購買時更高。

V.開源、邊緣推理和本地執行並非邊緣技術，而是人工智慧競爭格局的重要組成部分。

• 馬克·安德森堅信開源至關重要，不僅因為它是免費的，更因為它「教會了全世界如何去做」。

• 他將DeepSeek這類開源專案描述為「獻給世界的禮物」，因為程式碼與論文的結合能迅速傳播知識，並提升整個行業的整體水平。

• 在他看來，開源不僅僅是一種技術選擇，也可能是一種地緣政治和市場戰略：不同的國家和公司會根據自身的商業限制和影響力目標，採取不同的開放策略。

• 他還強調了邊緣推理的重要性：在未來幾年裡，中心化推理的成本可能無法降至足夠低的水平，而且許多消費級應用無法承受雲端推理長線的昂貴成本。

• 他提到了一種反覆出現的現象：那些如今看似「無法在個人電腦上運行」的模型，往往在短短幾個月後就能在本地機器上運行。

• 除了成本之外，促進本地執行的因素還包括信任、隱私、延遲以及應用場景：可穿戴設備、門鎖、便攜式設備等更適合進行低延遲的現場推理。

• 他的判斷非常直白：未來幾乎所有帶晶片的設備都可能搭載人工智慧模型。

第六章人工智慧面臨的真正挑戰任務不僅在於模型能力，還在於安全、身份識別、資金流向，以及組織和機構的阻力。

• 在安全方面，他的判斷非常敏銳：幾乎所有潛在的安全漏洞都將更容易被發現，而且短期內可能會發生一場「計算機安全災難」。

• 但他同時也認為，編程代理將提升修復漏洞的能力；未來，「保護軟體」的方式或許就是讓機器人進行掃描並修復。

• 關於身份識別問題，他認為「機器人證明」不可行，因為機器人將變得越來越強大；真正可行的方向是「人類證明」，即生物識別、加密驗證和選擇性披露的結合。

• 他還探討了一個常被忽視的問題：如果智能代理要在現實世界中運作，它們最終將需要資金、支付能力，甚至某種形式的銀行帳戶、信用卡或類似穩定幣的基礎設施。在組織層面，他借鑒了管理型資本主義的框架，認為人工智慧可能會強化創始人主導型公司，因為機器人擅長報告、協調、文檔記錄以及大量「管理工作」。

• 然而，他並不認為社會會迅速且順利地接受人工智慧：他列舉了職業執照、工會、碼頭工人罷工、政府部門、K-12教育以及醫療保健等例子，以此說明現實世界中存在著許多機構性障礙。

• 他認為，無論是人工智慧的烏托邦主義者還是末日論者，往往都忽略了一點：僅僅因為技術上可行，並不意味著80億人會立即改變。