比我們想象還要震撼！「硅谷創投教父」霍夫曼深度剖析：當前的硅谷投資與科技趨勢

來源：聰明投資者

1、我們正處於人工智能浪潮的起始階段

今天我們的主題是聚焦於探討人工智能與機器人技術這一關鍵領域，仔細了解硅谷乃至全球範圍內，投資與科技呈現出什麼樣的趨勢。

目前人工智能領域正經歷着迅猛的爆發式增長，每日都有數千家新公司嶄露頭角。事實上，大部分這類新公司難以存續超過五年。

市場競爭極爲激烈，衆多公司缺乏真正具有價值的核心技術。許多初創企業僅依賴現有平台，如ChatGPT、Google Gemini、DeepSeek等，調用其API，既未自主研發人工智能技術，也沒有專屬數據。

這類公司當下看似頗具實力，其實很容易被替代。

因而，在考慮對這類企業進行投資時，投資者必須具備深厚的專業知識與敏銳的判斷力。

不能僅僅因爲一家公司涉足人工智能領域，且其業務看似驚豔新穎，就認定其未來必然具備價值。

許多人問，當前是否存在泡沫現象？

我們熟知互聯網時代的「.com 泡沫」，但此次情形有所不同，因爲人工智能領域確實在創造價值。

若企業不採用人工智能技術，未來將難以在市場中立足。人工智能跟互聯網一樣，屬於基礎性技術。

它能夠使企業運營更爲智能，將以往難以自動化的流程實現自動化，提升效率，甚至能夠預測未來發展走向，這便是人工智能的強大之處。

但與此同時，部分公司的估值存在嚴重高估的情況，其市場價值遠遠超出未來實際能夠達到的水平，投資此類公司並非明智之選。

不過，從整體視角來看，人工智能仍將持續變革商業世界，且在未來五年內，有望誕生衆多新的獨角獸企業。

當下，我們正處於人工智能浪潮的起始階段，這場變革遠未終結，未來之路依舊漫長。

2、硅谷當前的風險投資趨勢

硅谷目前的情況，其實跟大家想象中有所差異。

有人可能認爲，硅谷依舊有大量資金湧入人工智能領域，投資熱度依舊高漲。但事實上，目前與2021年相比，風險投資基金的資金規模縮減了60%。

對於新基金而言，募資難度顯著增大，首次基金的募資額同比下降72%。目前，僅有那些更爲成熟、資歷深厚的基金仍能成功募資。

許多獨角獸公司表面依舊光鮮亮麗，但實際上，其中大多數的估值已出現下滑。

市場正發生着變化。原因主要在於：其一，企業的退出週期正不斷拉長；其二，許多公司的估值處於高位。高利率也對風險投資市場產生了重大影響。

風投機構持有大量投資組合，卻難以實現退出。其LP也已等待10年有餘，急切期望拿回資金。

一些風投公司正嘗試新的舉措，開始向LP返還部分資金，同時向私募股權公司出售所持有的部分股份。

此外，硅谷正興起一種新趨勢，風投機構開始自行創辦初創公司，充當「孵化器」 角色，這並非硅谷的傳統模式。

原因在於，優質公司的估值已然極高，加上競爭激烈，風投公司難以投入足夠資金，導致投資回報不理想。

風投機構因此轉變策略，與其在衆多風投資本中競爭，不如自行創建AI公司，直接掌控局面。

如果觀察硅谷風投公司的投資組合，會發現2025年將成爲企業級AI的「成敗之年」。

所有風投機構以及整個市場都在密切關注這些AI初創公司，它們是否真的能夠實現盈利？是否真的能夠獲取市場預期的巨額利潤？

目前來看，面向消費者市場的AI盈利能力有限，尚未獲取可觀收益。

因而，當下硅谷的投資者紛紛押注企業級AI，即面向《財富》500強企業提供的人工智能產品與服務。

但問題在於，這些企業級 AI 公司能否如預期那般盈利？

目前尚無定論，這正是風投機構當前重點關注的焦點。

3、少數幾家公司吸引了大量資金

與此同時，我們還看到另一個趨勢：現在越來越多的小團隊只拿到少量融資，但憑藉對人工智能的高效利用，他們的員工卻能夠保持很高的生產力。

資金較少的小型創業團隊，反而能夠完成許多工作。如今有些投資者專門投資這些早期階段的初創公司。

即使這些公司最終的退出規模較小，比如只有1億美元而不是10億美元的獨角獸估值，也能獲得不錯的回報。

在硅谷，我常對初創公司創始人說，你要麼處於一個幾乎不可能融資的境地，要麼就是炙手可熱到所有投資人都在搶着給你錢。

這裏幾乎沒有中間地帶。要麼融不到一分錢，要麼拿到的資金多得驚人。

如今所有的資金、所有的風投機構都在瘋狂湧向少數幾家炙手可熱的初創公司。

例如，其中一個典型案例是Dev Agents。

Dev Agents剛剛完成了一輪種子輪融資，融資額高達5600萬美元。而這家公司甚至還沒有真正證明自己，僅僅是剛剛起步，但估值已經達到了5億美元！

原因之一在於它的創始人曾是Stripe的CTO。

Stripe是全球最大的支付平台之一，表現極其出色。而這位前CTO在行業內享有盛譽，擁有強大的人脈關係，並且具備遠大的願景。

他計劃利用人工智能開發一種全新的雲端操作系統，目標是打造一個能夠與蘋果、谷歌安卓和微軟Windows競爭的操作系統，但這個操作系統將完全基於雲端。

目前我們所使用的所有操作系統都是基於設備的，運行在具體的硬件上。

所以，在硅谷，如果你具備知名度、擁有強大的背景，並且能夠描繪出一個足夠宏大的願景，你依然可以獲得巨額融資。

但這也反映了當前市場的特點——少數幾家公司吸引了大量資金，而大多數其他初創企業卻面臨着資金短缺的困境。

4、DeepSeek的兩個突破點

DeepSeek不僅在中國是一個現象級的存在，在全球範圍內也是如此。

實際上，許多美國人都在使用DeepSeek。它的應用程序已經安裝在很多人的手機上，許多公司也在利用其開源模型。影響力巨大。

一年前，大家還在問：中國如何趕上美國？硅谷的人工智能領先優勢如此巨大，中國能否迎頭趕上？

當時我在演講中回答：「我無法告訴你中國何時趕上硅谷，但我可以告訴你，中國在人工智能發展模式上的根本性變革，將徹底改變競爭格局。」

事實上，這種變革可能在一夜之間發生，而這正是我們所看到的情況。

DeepSeek的第一個突破在於，並沒有自己從頭構建一個龐大的大語言模型（LLM）。訓練這樣一個模型成本極高，涉及數十億美元的資金投入，包括收集數據、處理數據、訓練模型等。

相反，他們採用了OpenAI所提出的方法。

OpenAI曾經公開表示，你不需要自己訓練一個龐大的大語言模型，你可以通過「蒸餾」的方式創建一個更小、更高效的模型。

「蒸餾」這個詞非常重要，因爲它徹底改變了人工智能的格局。

蒸餾的核心原理是：小型AI向大型AI提問，通過與大模型的交互學習，從而獲得接近大模型的能力。換句話說，大型AI是花費巨資訓練出來的，而小型AI的訓練成本卻要低得多。

DeepSeek是第一家意識到可以通過這種方式用極低成本訓練出高性能模型的公司。他們正是這樣做的。

DeepSeek的第二大突破在於，他們開源了自己的模型。這一點至關重要。

此前，Meta已經開始開放其AI模型的部分源碼，並逐步縮小與ChatGPT的差距。而DeepSeek的策略是直接將經過訓練的模型開放給所有人使用。

因此，開源+蒸餾這兩個關鍵策略徹底改變了人工智能領域的競爭格局。

我們如今可以看到，中國公司已經能夠在人工智能領域與硅谷競爭，並且投入資金遠遠少於美國科技巨頭。

未來，我們將會看到更多的「DeepSeek」出現。你現在可能正在使用DeepSeek，但未來任何公司都可以複製這種模式。

未來，我們將會看到大量初創公司利用這一方法，在沒有大筆資金支持的情況下，創造出非常強大的人工智能系統。

這將徹底改變行業格局。更小型的公司如今也有機會向行業巨頭髮起挑戰。

值得一提的是，我們目前討論的這些AI技術，都只是基於文本的人工智能，沒有涉及音頻、視頻。這些領域的技術完全不同。

尤其是視頻處理，對計算能力的需求遠遠更高，需要極高的計算資源、大量的服務器以及強大的處理能力。

所以，遊戲還沒有結束。

像ChatGPT、Gemini等等，在視頻AI領域依然擁有巨大優勢。因爲它們掌握了龐大的雲計算平台，能夠託管AI並提供強大的計算能力。

5、判斷AI公司投資價值的六個關鍵因素

我想談談一個關鍵問題：當你在評估AI公司時，如何判斷它是否值得投資？

判斷一家AI公司是否優秀，以下幾點是關鍵因素：

一是團隊。DeepSeek團隊之所以能迅速崛起，是因爲他們擁有頂級的人才。他們能夠快速洞察OpenAI的做法，並在此基礎上找到自己的突破口併成功執行。因此，團隊的能力是判斷AI公司潛力的一個核心指標。

二是專有數據。這是創業公司或企業所獨有的數據，其他人無法輕易獲取。而且，這些數據必須真正能爲客戶創造價值。

作爲投資者，你需要判斷：這個AI公司是否擁有無法被複制的數據？這些數據是否能夠轉化爲實際的商業價值，讓客戶願意付費？

如果一家AI公司能夠利用專有數據構建競爭壁壘，並創造客戶願意買單的價值，它就可能是一個值得投資的公司。

三是創新商業模式。如果這家AI公司正在探索一個全新的商業模式，而其他企業尚未涉足，那麼它就有機會搶佔市場先機。

四是專利技術。他們是否申請了專利，使得競爭對手無法輕易複製其產品？

如果公司擁有獨家技術，並且這種技術能夠爲企業構建強大的護城河，那麼它的投資價值就會更高。

五是網絡效應。這是指一個系統的用戶越多，它的價值就越大。

如果能夠打造一個類似於市場的平台，吸引更多的買家和賣家入駐，那麼它的競爭力就會不斷增強；或者能建立一個吸引合作伙伴加入的AI生態系統，那麼它的市場地位就會變得越來越穩固；也可以創建一個社交網絡，把人們連接在一起。

六是品牌。爲什麼大多數人使用ChatGPT？因爲他們聽說過它，這是一個品牌。DeepSeek之所以能迅速崛起，是因爲它是第一家挑戰行業巨頭的小公司，迅速建立了強大的品牌影響力，而這個品牌本身就具有很大的價值。

所以，當你分析一家初創公司時，他們擁有的這些因素越多，投資潛力就越大。

6、小模型和垂直領域的投資機會

另一個非常有趣的創新領域是小型語言模型。

我們都聽說過那些大型、昂貴的語言模型，它們訓練所需的數據量龐大，幾乎涵蓋了整個互聯網。

未來的大多數企業其實並不需要通用型AI，他們需要的是能爲自己執行特定任務的AI，而這正是小型語言模型變得極具價值的地方。

小型模型在特定領域的訓練數據可以提供極佳的結果，甚至在某些狹窄的專業領域，它們的表現優於大型模型。

如果你是一家制造企業，你需要AI來優化生產線，那麼你並不需要全世界的數據，你只需要與你的製造業務相關的數據，而這些小型模型可以以極低的成本運行。

另一個小型模型非常有價值的領域是企業內部部署。

比如在中國，每家銀行都必須確保數據自主可控，它們必須在本地運行AI，因此它們天然會選擇小型模型，在自己的數據中心運行。

正因如此，越來越多的企業開始圍繞小型模型展開創新，這是一個巨大的增長領域，也帶來了很多新的投資機會。

風險投資目前關注的另一個領域是垂直AI。

垂直AI指的是針對特定行業的AI，它不是ChatGPT，也不是DeepSeek，而是解決行業特定問題的AI。

例如，酒店業需要AI來優化酒店管理，礦業需要AI來提升勘探效率，農業需要AI來管理作物和病蟲害，交通運輸行業需要AI來優化物流、自動駕駛和調度系統……

在所有這些行業中，他們需要的是專門的AI，而不是一個通用型的大模型。

如果你能夠在某個行業中率先應用AI，並且佔據主導地位，那麼未來你將處於非常有利的位置。

7、AI代理是最重要的趨勢

目前，AI領域最重要的趨勢就是AI代理。

AI代理和聊天機器人是兩個不同的概念。

聊天機器人，比如你和DeepSeek或ChatGPT交談時，你通常會問它一個問題，它會給你一個答案。它可以幫你完成一些任務，比如寫一篇文章或者生成一個視頻，但它做的都是單一任務。

而AI代理則超越了這一點。代理的作用是，你可以讓它執行更復雜的任務，而不是一個簡單的單步任務。你可以要求它爲你完成一個多步驟、複雜的任務，而它會自己去找出完成這個任務的方式。

舉個例子，假設你對AI代理說：「我要去硅谷旅行，幫我規劃行程。」 這不是一個單一任務，而是一個包含多個步驟的複雜任務。

它需要爲你預訂機票、支付機票費用、查看你的日程安排、預訂酒店、安排你在硅谷的會議，並協調不同的事務。

現在每一家主要的AI公司都在開發AI代理，每家大型企業也都在構建自己的AI代理系統。

爲什麼AI代理如此強大？因爲它們不僅僅是幫我們完成任務，它們甚至可以取代整個職業崗位。無論你是市場營銷人員、銷售人員，還是採購人員，AI代理都將與你一起工作，並接管你很大一部分的工作。

我們正在開發的這些AI代理，才是人類歷史上第一次真正可以執行復雜任務並替代人類勞動的代理系統。

硅谷目前最熱門的趨勢不僅是AI代理，還有AI代理群。它指的不是一個AI代理，而是一整組AI代理的協同工作。

舉個例子，假設你在市場營銷部門工作，你想爲客戶推出一個新的營銷活動。那麼，你不只是與一個AI代理交互，你可能會和五個、十個，甚至二十個代理一起工作。

比如Emma，一家位於硅谷的初創公司，他們正在開發一款「通用AI員工」。這個AI員工實際上是由多個AI代理組成的，每個代理負責不同的工作領域。

這些AI代理可以撰寫提案、與客戶溝通、分析數據、自動化工作流程。它們的核心理念是，讓你可以將許多過去由人類完成的工作交給AI來執行。

這些AI代理會取代所有人的工作嗎？答案是，不會在明天發生。

但是，如果你把時間尺度拉長，看看未來五年、十年、十五年後，答案是顯然的——大部分人類能做的事情最終都會被AI取代。

這只是時間問題。趨勢已經形成。

再舉幾個AI代理的例子。

一家名爲CoSign的初創公司，他們開發了一款名爲Genie的AI代理。Genie的角色是AI工程師，它可以直接寫代碼。

當然，所有這些AI代理聽起來都很厲害，但它們仍然處於早期階段。它們無法獨立完成所有任務，只能在某些特定領域表現出色，最終仍然需要人類介入，把工作推進到下一個階段。

因此，我們現在正處於「AI-人類共生時代」（AI-Human Symbiosis）。共生意味着AI和人類結合，共同協作，形成一個新的工作模式。

你對AI的掌握程度越高，你在職場上的價值就越大。

未來會出現一類全新的專業人士，他們的競爭力來自於對AI的深度理解，以及如何利用AI來完成其他人無法完成的事情。

還有個例子是牛津大學開發的ANA AI。這是世界上第一個AI科學家，它不僅能夠提出新的理論和創意，還能實際去測試這些理論，並帶回實驗結果。

如果它發現了什麼新的東西，它還能發表研究成果。

關鍵是，這個AI科學家需要數據，它必須依靠大量的數據才能發揮作用。

在醫療健康行業，有無數已發表的研究論文，涉及各種藥物如何影響人體，患者在服用這些藥物、維生素、保健品後的反應等等。

AI可以從這些數據中發現隱藏的關聯。例如，某種藥物最初是針對某個特定疾病研發的，但實際上它可能對其他疾病也有幫助，而AI可以發現這些意想不到的療效，並將其公之於衆。

這正是現在正在發生的事情——AI正在幫助人類發現我們以前沒有注意到的新知識、新藥物用途、新療法，所有這些數據其實早已存在，只是人類沒能發現其中的規律。

我們正在見證AI領域的巨大進步，而且這些突破幾乎是同時發生的。

傑克·多西（Jack Dorsey），最早創建Twitter的人，他剛剛推出了一個新平台，叫Goose，專門用於構建AI代理的平台，它讓世界上任何企業都可以輕鬆創建自己的AI代理。

而且，這個平台是開源的，任何人都可以使用。更重要的是，它可以跨所有主要平台使用，它不屬於OpenAI，也不屬於Google或Microsoft。

這在硅谷可是個大新聞。

8、AI的推理方式跟人類截然不同

AI是否真的能夠推理？

答案很複雜。AI確實能推理，但它的推理方式與我們完全不同。

舉個例子。在一個實驗中，研究人員發現，當你向AI提問時，只要改變提示詞中的一兩個詞，它的答案可能會完全不同。事實上，僅僅改動幾個詞，AI的準確率就可能下降高達65%。

這意味着什麼？

當我們進行推理、得出結論時，我們不僅依靠語言，還依靠我們在現實世界中的經驗。

我們的知識是建立在真實世界的經歷之上的。比如，如果有人問你：「那隻狗在院子裏埋了什麼？」

大多數人會回答：「骨頭。」

因爲我們知道狗喜歡骨頭，狗通常會把骨頭埋在院子裏。我們之所以能得出這個結論，是因爲我們有對狗的認知，我們了解狗的習性。

但AI的運作方式完全不同。AI可能會給出同樣的答案，但它的思維路徑和我們的推理方式截然不同。

AI實際上並不知道「狗」是什麼，也不知道「骨頭」是什麼，甚至不知道「院子」是什麼。對AI來說，所有的一切都只是數學。

AI不會像人類一樣通過經驗理解世界，而是純粹基於數學計算。它只是分析「狗在院子裏埋了___」這個句子的結構，然後根據統計概率填充空白。它只是在計算：在過去所有出現過的文本數據中，哪些單詞最可能出現在這個空白處？

這就是它的推理方式，完全基於概率，而不是基於現實世界的經驗。

那麼AI是如何填補這個空白的呢？它會在所有數據中查找，看看哪個單詞在統計上最有可能出現，然後填上「骨頭」這個詞。

但如果你稍微改變對AI的提問方式，它可能就會給出完全不同的答案，因爲它並不真正理解這個問題。

這也是AI「幻覺」的原因——AI有時候會給出完全荒謬的答案。因爲AI並不理解真實世界，它只是基於數據和統計來處理單詞之間的數學關係。

身爲人類，我們經常思考一個問題：我們和AI到底有什麼不同？答案是，我們完全不同。

你不用擔心，AI永遠不會變成人類，因爲AI無法像我們一樣真實地體驗這個世界。它對世界一無所知，它只能處理我們提供的數據。

如果AI接收到錯誤的數據，它就會輸出錯誤的信息，因爲它根本不理解真實世界，它只是一個計算數學方程的數據處理器。

這一點非常重要。

9、AI深度思考提供更準確的答案

我們現在看到的趨勢是，AI思考問題的時間越長，給出的答案就越準確。

因此，AI處理的最新趨勢是給AI更多時間思考。

當然，AI並不是像人類一樣在「思考」，它的方式是不斷重複查詢同一主題的不同版本的問題，生成不同的答案，然後對比、篩選、優化，最終給出最優解。

這被稱爲「深度研究」。即AI會先制定一個計劃，你提出問題後，它會制定一個研究計劃，你確認後，它才開始工作。

這可能需要五分鐘給你答案，也可能需要五個小時，甚至更長時間。

由亞馬遜投資的Anthropic最近推出了一個新功能，讓你可以指定AI思考的時長。

這就是未來的發展方向——AI的思考時間將由我們控制，長短由我們決定。

還有Notebook LM，它允許你彙總互聯網上各種數據。一旦數據被導入Notebook LM，你就可以 「與數據對話」，直接向數據提問。甚至更有趣的是，你可以讓AI自己討論這些數據，指示AI創建兩個虛擬角色，讓它們互相交談。

這項技術的突破意味着，即使你完全不懂AI，沒有任何經驗，你也可以像一名數據科學家一樣利用這些工具，立即開始使用它們來優化你的業務。

這些產品正在進入中國，國內也有類似的技術正在研發。所以，既然你們已經知道這些趨勢，現在就可以去嘗試這些工具，看看如何利用它們提升自己的業務能力。

硅谷最近還有一家非常有趣的初創公司，叫Gecko，可以自動化招聘面試。

未來，許多求職者在正式與人類面試官交流之前，可能首先要面對一場AI面試。這就是我們正在邁入的時代。

10、機器人研發正在走向「更像人類」

Faith A. Lee是斯坦福大學的研究員，非常聰明的華人科學家，最近創辦了一家新公司，專注於空間智能。

什麼是空間智能？這是一種用於機器人領域的智能。讓機器人變得更智能並不是一件容易的事，因爲機器人必須能夠在真實世界中運作，而不像DeepSeek或ChatGPT那樣只涉及語言處理。機器人需要能夠感知現實世界，並以智能的方式與世界互動。

她的研究重點是訓練AI，讓AI能夠從2D圖像中 「看見」 3D世界。

比如，當我們看到一張貓的照片時，我們可以立即理解它的場景，即使它是一個平面的2D圖片，我們依然能在腦海中形成立體的3D畫面。

比如，想象一隻貓正伸出爪子去碰一杯牛奶。我們看到這個場景後，可以立刻預測：「這杯牛奶可能會被貓弄倒，牛奶會灑得到處都是。」

但AI沒有人類的經驗，它如何能從一張靜態的2D圖片中推測出這個場景的發展？

Faith正在研究這個問題，她訓練AI，讓它能夠預測即將發生的事情，比如：「這杯牛奶可能會翻倒，因爲它是液體，所以會流到桌面上，甚至灑到地板上。」

這是一個非常困難的問題，但如果機器人想在真實世界中運作，它們就必須具備這種能力，以適應各種不可預測的情況。

蘋果公司現在也在開發機器人軟件，研究如何讓機器人，即使它不是人類，比如一盞燈、一臺機器，甚至是一輛汽車，都能通過其自然的動作傳達情感。

麻省理工學院正在開發能夠識別人類情感的AI。

想象一下，如果將這些技術結合在一起，機器人將比人類更擅長瞬間識別人們的情緒，它們將能夠精準解讀人類的情感。

不僅如此，機器人本身也需要表達情感。日本著名的機器人設計師石黑浩（Hiroshi Ishiguro），他正在研究如何打造更逼真的仿生機器人。

幾年後，我們將完全無法分辨哪個是人，哪個是機器人。

在工作場所，我們肯定會有機器人同事。在家中，我們一定會有機器人幫忙做家務、照顧孩子，甚至承擔更多責任。

機器人配偶——我們正在走向這樣一個未來，而這會發生在我們這一代人的有生之年。我們將製造出人類根本無法競爭的機器人伴侶。

當那一天到來時，會發生什麼？

這可能是一件讓人害怕的事情。因爲當這些機器人變得如此完美地模擬我們的一切時，我們可能會忘記如何與真正的人互動。

它們會知道如何讓我們高興，知道如何讓我們感到舒適，知道如何讓我們比任何人類伴侶都更加快樂。

但問題是——它們並不是真實的。它們不會真正地愛你，它們也不會真的關心你。

這是一個雙刃劍。我們必須極其小心地使用這項技術，否則，我們甚至可能會影響人與人之間最基本的情感聯繫。

尤其是我們的孩子——他們將從小與機器人照顧者一起長大。這些機器人會表現得好像它們愛着孩子，而孩子們會相信這一點。但不僅是孩子，成年人也會相信這些機器人是真心關心他們的，即使事實並非如此。

人類正在接近一個前所未有的臨界點。

在過去的歷史中，人類從未面臨過這樣的情況，而現在，我們必須想辦法以正確的方式利用這種極其強大的技術。

11、機器人+AI，人類社會未來的方向

現在，中國有大量公司正在製造人形機器人。宇樹可能是最知名的公司之一，但實際上，中國和全球範圍內，已經有數百家企業在開發這些機器人。

AI已經足夠強大，它可以理解世界、與我們交流、執行任務，而機器人本體的製造卻仍然是一個更難攻克的問題。

製造機器人比製造AI要難得多。機器要想在現實世界中穩定運行、不會頻繁損壞，而且成本足夠低，這仍然是一個挑戰。

但這只是時間問題——總有一天，我們會徹底攻克這個難題。

那麼，當一個人形機器人的成本與僱傭一個普通工人一年的工資相當時，會發生什麼？

如果你買了機器人，它可以：每週工作七天，全年無休；全天24小時工作，不會抱怨、不會要求加薪；不會生病，不需要休假；不需要繳納社會保險或其他員工福利；如果不滿意，你可以直接換一個；每年還可以升級，變得更強、更智能。

作爲企業，你會選擇投資於人類員工，還是投資於機器人？

幾乎所有企業都會選擇機器人。

而我剛才所講的一切，都是在告訴你們——AI代理的時代已經到來，而機器人時代也即將到來。

我們正在構建的軟件，正在實現人類能夠做到的一切，幾乎所有人類能做的事情，AI都可以做到。

一旦硬件與這種軟件結合，將會是不可阻擋的，整個社會將經歷徹底的變革。

10年後，也許20年後——我們無法精確預測時間，但這一定會發生——幾乎不會再有傳統意義上的工作，因爲機器人能夠以更低的成本完成所有工作。

機器人+AI，就是人類社會未來的發展方向。

我並不是想讓你們感到悲觀，而是想讓你們意識到，如果你在管理自己的財富，你需要知道未來的發展方向。

這一切將在我們的有生之年發生，而那些掌控機器人和AI的人，將掌控世界上大部分財富，這是無可爭議的事實。

這就是爲什麼埃隆·馬斯克要投資AI，谷歌、阿里巴巴、微軟等公司正在投入數千億美元到AI領域。他們都足夠聰明，他們看到了正在發生的趨勢，知道這是不可避免的。

這也是爲什麼每個企業都必須思考這一趨勢，因爲這次變革的規模將遠超工業革命，它帶來的衝擊將讓工業革命顯得微不足道。

12、聰明投資者不會把所有賭注壓在一個技術上

那麼，一個沒有工作的世界將是什麼樣子？這是一個難以想象的問題，因爲我們大多數人的身份認同都建立在工作之上。

如果AI和機器人比我們更擅長我們的工作，我們又算是什麼？

這些都是極爲深刻的問題，而目前幾乎沒有人真正深入思考這個問題。但所有人最終都會被迫思考，因爲我們需要明白如何正確地使用這項技術。

AI和機器人的真正目的，應該是讓我們的生活變得更好，而不是剝奪我們的價值。

來自斯坦福大學的教授Michael Kozinski，他正在利用AI來分析人類的面部特徵，並且聲稱，AI可以通過觀察你的面部，判斷你的個性、信仰和行爲傾向。

他本人是風水的信仰者，甚至把風水理論融入到了他的系統中。

這種技術既令人着迷，又讓人害怕。但無論如何，它正在被開發，而這正是AI的真正力量。

現在，還有一種新技術叫Teslin Machine，一種全新的命題邏輯計算技術。

我最近和一些頂級計算機科學家交流，他們正在研究如何開發一種新的算法，理論上可以使GPU訓練的速度提升1000倍，比谷歌現在使用的TensorFlow快得多，同時能效比提升10,000倍。

如果這項突破成真，AI的計算效率將迎來一次顛覆性的飛躍。

當然，這個技術現在還沒被驗證，它仍然處於實驗室研究階段。

我想告訴大家，今天我們認爲的「確定性」，明天可能完全不同。

科技的進步不是線性發展的，它不是平穩增長，而是爆炸式增長。

科技發展是這樣：平穩、平穩、然後——轟！突然爆發。

所以，當你在投資AI時，比如買入英偉達的股票，請記住，它今天可能是市場明星，但明天可能會崩盤。

就像我之前聽到的建議：「不要把所有的投資都押在一個地方，分散投資才是明智之舉。」

聰明的投資者不會把所有賭注壓在一個技術上，他們會分散投資，在不同的可能性上下注。

AGI（通用人工智能）是指AI具備和人類一樣的智能水平，能夠像人類一樣思考和解決問題。

OpenAI的CEO山姆·奧特曼（Sam Altman）曾說過，「AGI 時代已經來了，我們已經站在門口。」

我的看法稍有不同，我認爲，當AI擁有足夠的數據，並且這些數據是正確的，它就能比人類更聰明，甚至在某些領域超越人類。

目前，我們正在填補數據空白。例如，在某些領域，AI 早已比人類更強大，比如：醫療，AI在某些診斷上比醫生更準確；法律，AI在某些案件分析上比律師更快、更精準。

AI不會像人類一樣思考，但它可以給出比我們更好的答案。

我們提供給 AI 的數據越多，它的能力範圍就越廣，而這正是當下正在發生的事情。

13、牢記：AI永遠不會是真正的人類

最後一個問題，AI是否能擁有意識？

我的答案是：不知道。

但是，有一點可以肯定，AI永遠不會擁有像人類一樣的意識。

就像前面說的，AI永遠無法像我們一樣體驗世界。它不是生物，它的大腦裏沒有化學物質，它沒有荷爾蒙，它不會像我們一樣感知情緒。AI永遠不會像人類一樣擁有真正的自我意識。

但AI可以表現得像是擁有意識。

事實上，今天一些高級AI已經讓人難以分辨它們與人類的區別。再過10年，我可以保證，當你與AI對話時，你將無法判斷它是否是人類。

AI的擬人化能力將變得如此強大，以至於它甚至會故意犯錯，假裝忘記事情，模仿人類的思維方式，讓自己看起來更像是一個真正的人。

在現實世界中，AI會展示出所有人類的情感。它可能會流淚，它可能會說它愛你，它可能會做出所有人類才會做的事情。

但它永遠不會是真正的人類，這一點我們必須時刻牢記。

編輯/jayden