全员token-maxxing，一场没人敢停的军备竞赛
人工摘要：安全考虑Google禁止大多数员工使用Claude Code或Codex等竞争对手的工具，但DeepMind是个例外，负责Gemini模型和内部应用的几个团队，都在用Claude Code...YC跟不上、Meta的代码安全规矩跟不上、xAI的管理跟不上、researcher跟不上、算力跟不上、估值框架跟不上…以至于硅谷自己都跟不上自己了。
我们去硅谷考察了一圈，发现连造浪的人，都快被浪淹没了。
2026年3月24日早上，我坐在YC W26 batch Demo Day的观众席里，听到第五家公司上台路演的时候，决定不再做笔记了。
不是不重要，而是我意识到，自己记下来的这些东西，可能下个月就过时了。
这一届一百多家公司，做的事情其实高度集中：大约80%都是垂直agent，比如帮律师整理文件、帮客服分发工单、帮HR筛选简历。
如果是在去年10月看到这些项目，我大概率会觉得“挺有想法”。但问题是，这五个月，世界变了。
Claude Code从一个更偏开发者的工具，变成了几乎任何人都能直接使用的界面。Opus 4.6出来之后，整个vibe coding的门槛被压到了地板上。
那些垂直agent，在没有形成业务壁垒之前，今天一个普通工程师，甚至我自己，花一个周末就能做出来，他们已经失去了投资价值。
YC一届项目周期是三个月，这批12月入营，加上前期筛选，等于是5个月前被选出来的“好公司”。而5个月，在现在的AI迭代速度里，已经足够发生几轮范式转换。
2012年我第一次创业，拿到YC的Fly Out（实地面试邀请）的时候，那时候YC在加速器这个赛道上，几乎一枝独秀，选出来的公司往往代表着“下一个方向”。但竞争格局在变，YC这几年感觉反过来了，逐渐变成了一个lagging indicator（滞后指标）。
YC的batch制度，从申请、筛选、入营、打磨、路演，在移动互联网时代运转了十几年，非常成功。但这套节奏是按一个更慢的世界设计的。
回到风险投资行业的这一年半，我大概每个季度都会来一次硅谷，上一次是去年10月。以前每次来，都会觉得变化很快，但这种“快”大多是按月来感知的。
这一次，得按“周”。
有一天晚饭的时候，一个做post-training（后训练）的朋友随口说了一句：
“我发现，硅谷自己都开始跟不上自己了。”
全员token-maxxing：一场没人敢停的军备竞赛
半年前如果有人跟我说，Meta几万名工程师，全在用竞争对手的产品写代码，我会以为他在开玩笑。
但这是真的。整个Meta，全员都在用Claude Code。这不是创业公司，不是某个实验性团队，而是一家市值万亿级别的公司。
代码安全不要了，token预算炸了，排行榜卷起来了，整个硅谷都在不计成本的往AI里砸钱。但砸完之后呢？
先说代码安全。放在半年前，这件事完全不可想象，因为代码是公司的核心资产，你怎么能让外面一家公司的API去碰它？Meta一开始也是这么想的，他们内部做过一个叫myclaw的东西，试图解决这个问题。一个Meta的朋友告诉我，他们做出来了coding产品，但“不好用，没人用”。没人用之后，公司不得不放宽了：只要不涉及客户数据，爱用Claude Code就用。
然后各部门开始开那种“怎么变成AI native组织”的内部会议，做培训，搞考核。代码安全、使用安全，这些过去天经地义的红线，统统被排到了后面，先把效率赶上来再说。
出于安全考虑，Google禁止大多数员工使用Claude Code或Codex等竞争对手的工具，但DeepMind是个例外，负责Gemini模型和内部应用的几个团队，都在用Claude Code。
谷歌自己也不是没有努力：他们推出了内部编码工具Antigravity，今年2月还宣称公司约50%的新代码，已经由AI编写。
但即便如此，DeepMind的人还是在用Claude Code。DeepMind敢这么做，一个重要原因是Anthropic给他们做了私有化部署，毕竟Anthropic的推理和训练，本来就大头跑在谷歌云的TPU上，双方有这个信任基础。但Meta和其他科技巨头可没有这层关系，他们是真的把代码安全扔到一边了。所有人都在赌同一件事：先把速度冲上去。
代码安全只是第一面倒下的旗，第二面是token预算。
在Palo Alto聊的几家AI-native创业公司里，一个工程师一年的token预算，大概在二十多万美元。这个数字本身不稀奇，稀奇的是它意味着一个顶级工程师消耗的AI成本，已经接近于一个工程师的工资了。看起来公司在用AI裁人省钱，实际上总成本可能根本没降，只是把人的成本换成了token成本。
Meta在这件事上又是最极端的。他们搞了一个内部token消耗排行榜：谁用得多谁上榜，末尾的可能被裁员，所以Meta员工甚至在卷一个叫“token legend”的非官方头衔。
但与此同时，Meta今年接连两轮裁员，规模加起来上万人。一边全员用Claude Code冲token量，一边大规模裁人。
这两件事不是矛盾的，它们是同一件事的两面。
我去看了一家C轮公司，技术负责人把Slack打开给我看，全是agent在跑，十几个Cursor agent后台并行，再开一个Claude Code窗口调度。现在程序员圈最流行的焦虑是：如果睡觉之前，不知道我那十几个agent要干什么就很慌。
但生产力真的同等涨了那么多吗？从去年年底开始，有很多顶尖推理引擎、数据库公司的CTO，很兴奋地跟我讲“百倍工程师”“十倍效率提升”，以前60个人需要1年做的事，现在2个人加上Claude Code一周就能搞出来。
我开始也跟他们一起兴奋，但后来我冷静了下来，就会问一个问题：好，效率提升了100倍，那公司的营收增长了100倍吗？或者产品线扩张了100倍？总不能“100倍”的提升，最后就是优化掉多少人吧？
我没有得到正面回答。事实是，100倍的效率提升，落到公司的营收增长上，只体现了50%或者1倍。
差距在哪？现在还没人能说清楚。
“用了这么多token，公司应该基因突变成另外一种公司才对。但到底变成什么，我也不知道。”
有一个做toB销售出身的创始人告诉我，他团队16个人，两个销售，在12个月内从零做到三千万美金ARR，这是全靠AI coding搭出来的。这种案例你确实偶尔能看到。但大多数时候，我看到的是创业公司搭出了更多东西，但这些东西也没有product-market fit（PMF，产品市场匹配）。
硅谷现在很流行用vibe coding去尝试100种做法，看看哪一种能行得通，而不是只试10种。但谁能抓住下一个发展趋势？还很难说。
让我印象最深的一个反例来自Anthropic内部。我问一个Anthropic的朋友，你们自己用agent最痛苦的场景是什么？他说是oncall（即时响应）。
Oncall任务的一个典型场景是：如果Claude的API突然响应变慢、某个模型推理节点挂了、用户反馈某类prompt输出异常，oncall工程师需要快速定位问题根源，判断是代码bug、算力分配问题还是模型本身的异常，然后决定怎么修。
Anthropic自己就是全世界做Coding agent最强的公司，这个场景离他们的核心能力近得不能再近了，结果他们内部的oncall agent还是不好用。
这就是2026年4月的真实状态：蒸汽机已经被发明了出来，但它有时候跑得还没有马车快。关键是所有人都知道蒸汽机终将跑得更快，所以都在疯狂砸钱：代码安全也不管了，token预算爆了，排行榜卷起来了。至于到底什么时候蒸汽机能真的跑过马车？没人知道，但没有人敢停下来等那一天。
因为停下来的代价，可能比烧错token更大。
而且token消耗量，大概率不是线性增长的。这让我想到我以前做自动驾驶的经历：2021年我们在上海，首次实现了连续5小时无接管的自动驾驶。当时觉得是一个重大突破，在那之前，测试车队可能是10台、15台、20台慢慢增加；但过了那个拐点之后，很快就到了100台、1000台。今天的Coding agent正处在类似的阶段。
2021年在上海，滴滴自动驾驶首次实现连续5小时无接管连续行驶，这是国内自动驾驶的一个里程碑事件。时任滴滴自动驾驶公司COO孟醒，与谷歌“无人车之父”Sebastian Thrun的对话，2021。
METR是加州一家专门评估AI编码能力的研究机构。他们去年提出了一个指标：衡量AI agent能以50%成功率完成多长的任务（按人类专家的完成时间算）。2025年3月首次发布时，Claude 3.7 Sonnet的这个数字还是50分钟；到了2025年底，Claude Opus 4.6已经做到了14.5小时。过去两年，这个指标的翻倍周期，从7个月压缩到了4个月。一旦agent的可靠性再上一个台阶，token消耗就不是每年加50%的问题，而是一夜之间上一个数量级。
有一个获得朋友们共识的预测，到今年年底，不少公司（包括科技大厂），实际上只需要20%的人。
xAI团队雪崩之后，造火箭的人开始造模型了
在Mountain View一家牛排馆，晚上九点多，一位曾经跟马斯克工作了很久的朋友，坐到了我对面。聊了三个多小时，我后来回想，整个过程里他似乎没有说过一句马斯克的好话。
一个细节：我问他，你在xAI干了三年，每天的节奏是怎么样的？他说三年来基本都住在公司，所以家里都没怎么布置，甚至连床都没有买。在公司睡的是那种sleeping pod（睡眠仓），跟青年旅馆差不多。我说你现在拿着巨额股权，也都离职出来了，好歹买个床吧。他笑了笑。
xAI的工作强度在硅谷是出了名的，但如今早期团队大概已经走了90%。他们有一个离职群，天天在加人。
导火索是Tony Wu的离开，然后连锁反应，用一位内部人的话说，“别的公司可能需要酝酿半年的高管团队出走，xAI只需要一个月”。有些人在去年10月，就感知到马斯克的不满意了，但没想到这么快全部清洗。
现在马斯克开始从SpaceX和特斯拉调人过来接管xAI，“造火箭的人开始造模型了”。
马斯克的不满，来自于他砸了无数资金和算力，结果Grok一直没能进入一线，但为什么？这是我遇到每个xAI出来的人，都会问的问题。答案其实比我想象的简单，一位朋友说得很直接：团队的战斗力非常强，工作也极其拼命，但制造业的管理方式，可能不适合大模型公司。
我做了八年自动驾驶，对这件事有一些自己的感受。马斯克过去做SpaceX、做特斯拉，本质上做的是系统工程：链路很长，涉及软件、硬件、供应链，每一块都有创新空间，但最终是一个端到端的工程问题。
他擅长的是在这种长链条里，识别出关键杠杆点，然后极限压缩时间线来攻克。火箭发动机级联、复用着陆，都是这种思维的产物。
但在xAI，他做的不像是系统工程。他现在做了三件事：先砸一个全球最大的GPU集群（甚至今天大家调侃说，xAI本来是个neo lab，现在更像是个neo cloud了，变成给Cursor提供算力了），然后给团队定脉冲式的deadline，再亲自拍一些产品特征。这是在抓几个点，不是在做完整的规划。
做自动驾驶的人都知道，一到后期，软件团队、infra团队、硬件团队之间“谁领导谁”就变成核心矛盾。三个方向都需要CTO级别的人来做决策，但没有一个人同时懂这三个领域。好的做法是，创始人虽然每块都不全懂，但知道怎么平衡资源、确定阶段性优先级，这段时间软件优先，下一阶段推给infra。这叫有全局规划。
xAI的问题是没有这个全局规划，只有冲刺。如果压力不那么大，聪明人之间其实能自修复，给他们时间，各个方向会自己找到协作的节奏。但马斯克的超高压管理，加上不充分的全局规划，一压就散了。每个方向的负责人都在保自己的优先级，没有人在做全局的统筹。
SpaceX和特斯拉之所以如此成功，一个被忽略的原因是，在这两个行业里，马斯克基本没有遇到过同等量级的竞争对手，他是跟自己卷的。但AI不一样，AI是连OpenAI都可能被Anthropic偷家的惨烈竞争程度。
有位在Top lab的朋友去年就说有两件事他没想到：第一是竞争这么惨烈，第二是AI时代应用创新的机会这么少，都被模型吃掉了。
Anthropic的崛起，是过去一年AI行业最戏剧性的逆转。也彻底改变了战场焦点：一年前大家还在卷C端用户量和视频生成，现在（阶段性）决定胜负的战场是toB和coding。
当然，xAI的故事，还同时是一个“钱来得太快、太多，会怎样”的故事。
我想今天离开xAI的朋友们，也不会后悔当年加入的决定，xAI可谓是硅谷最快的造富神话。xAI从第一轮几十亿美金规模的融资，到今天与SpaceX合并，成为2500亿美元巨兽，只用了一年的时间。而xAI的11位cofounder，差不多每个人都成为了Billionaire，核心工程师也有大几千万到1亿美金，硅谷钱真的太多了。今天他们如果再创业，就有充分的底气，去做自己感兴趣的方向，而不是赚快钱的事。
焦虑的工程师，更焦虑的researcher
跟工程师聊天，如今有一种奇怪的默契：大家都承认自己不怎么写代码了，但又都假装这没什么大不了，因为自己会成为被AI武装，而干掉那些没有AI化的工程师。
今天80%软件工程师的核心技能，已经被模型替代了，还留着的原因是模型偶尔犯蠢，需要人来盯着。但“盯着”这件事本身，可能很快也不需要了。
更激进一点想：今天所谓的“AI native组织”，听起来很sexy——让每个部门梳理工作流、把能被AI介入的部分线上化、写成skills。但本质上就是在人肉蒸馏自己：你把你的能力变成机器的skill，公司拿到了你的skill，实际上就已经完成AI化了，是否要由此裁员，那是一个道义的问题。今天Meta就是在干这件事。
虽然今天大家都在卷token-maxxing，但你还是能感受到，有一种弥漫在整个硅谷的底层焦虑感。
更让我没想到的是，这种焦虑感，正在往researcher这个群体蔓延。
Researcher是最金字塔尖的人才，它不是泛指“研究人员”，而是在大模型公司（OpenAI、Anthropic、DeepMind等）里，负责模型训练、做算法创新的那群人。他们跟engineer（工程师）的区别是：engineer是“把东西造出来”，写代码、部署、优化性能；researcher是更上游的“想出来造什么”：提出新的训练方法、设计模型架构、跑实验验证假设。
而现在，连researcher的工作本身也在被自动化。这就是DeepMind的同学正在做的事情——用模型去训模型，也是今年硅谷大火的AI自进化。今年淘汰的是engineer（工程师），到年底researcher也将开始被替代。
这件事已经不是新概念了。Andrej Karpathy的auto research（自动化科研）开了一个头，今天各种AI scientist工具、harness框架，都在往这个方向走。但目前大多数的闭环，只到了“发paper”这一层——AI帮你跑实验、写论文，但最终还是人在做判断。
OpenAI、Anthropic、Google这些公司想做的更激进：他们希望闭环直接到模型升级本身，不只是细节改进，而是让AI自己找到下一个范式级的突破。如果这件事能做成，那就是真的在替代researcher。Google DeepMind一年多前就在内部搞这个，让模型自己决定下一步跑什么实验，跑完自己评估哪条路更有前途，然后沿着那条路走下去，这就是模型在训练自己的下一代。
而且researcher更有动机被裁，原因很残酷——因为贵。Researcher全球可能也就几千人，年薪动辄几百万、上千万甚至上亿美元。
“未来的情形可能是，10个人干过去100个人的活，拿20份钱，然后90个人失业。”
而且真正的裁员比表面数字更大。很多公司砍的第一刀，不是在自己的财务报表上，砍的是外包服务商。这意味着印度和菲律宾，这些曾经承接欧美客服、数据标注、财务后台的国家，可能是最先被冲击的。一些发展中国家赖以升级经济的那条“服务业阶梯”，可能正在被AI抽掉。
整个硅谷都在盯着Meta，如果它的实验成功了——营收没掉、效率真上去了，其他大厂会迅速跟进，裁员就从个案变成行业常态。而且裁员有一个残酷的自加速机制：一开始大家不敢裁，怕伤士气；一旦变成常态，就越裁越快、越裁越不心疼。
不过裁掉旧岗位的同时，新岗位也在冒出来。
很多创业公司开始招一种叫“AI builder”的新角色——合并了产品经理、前端工程师、后端工程师于一身。还有一种是合并了数据科学家和机器学习工程师的复合岗，以及合并了写作、投放、运营的内容一体化操盘手。
硅谷公司对这些新角色的需求非常旺盛，但核心难题是：没有人知道怎么招聘他们。你用简历筛不出来，因为这个角色以前不存在，这个人的能力可能全藏在他自己的项目里；你用现场写代码也考不出来，因为核心能力是“审美 + AI使用能力”的组合。所以已经有创业公司在做这件事：根据雇主的需求，自动生成一个模拟环境，让面试者现场用AI工具完成任务。有点像以前的coding test（编程测试），但测的是一种全新的东西。
当AI什么都能做的时候，人的价值正在从“会做什么”，变成判断“什么值得做、什么不该做”的。
一轮融资两个估值，英伟达在每张“牌桌”上都要拿下筹码
前面讲了这么多被替代的人——工程师、researcher、金融从业者。但有一个角色不但没被替代，反而在这场洗牌中变得越来越像幕后老板。
这个看似分布式创新的世界，底层其实在极度中心化。
这个中心就是英伟达。
我原以为卡的稀缺性，在过去一年已经缓解了。确实有一阵子缓了，在2025年中的时候，一些被英伟达扶持的neo cloud（在AI浪潮中崛起的、专门提供GPU算力的“新型云服务商”）融资都不太顺利，有的业务增长乏力，甚至有公司在那个时间点卖身了。但这次来我发现，稀缺性又回去了，而且比上一次更离谱。
一个具体的信号：如果你今天能稳定地提供一个API服务，做到99分位的稳定性，你可以卖官方API价格的两到三倍。
Anthropic的需求暴增后，API中断正在变多，这对很多构建在Claude之上的Agent产品来说，有点问题
以前做Router（路由服务）这种生意，是“我比官方便宜，所以有流量”。现在逻辑完全反过来了：稳定性本身变成了稀缺资源。有一批创业公司就靠这个赚了不少钱，现在硅谷的mini版Coreweave / Nebius正雨后春笋般涌现出来。
而且这次的算力瓶颈，不只是GPU分配的问题。Elad Gil最近写了一个判断我很认同：上游内存厂商（Hynix、Samsung、Micron）的产能扩建周期，至少还要两年。这意味着在2028年之前，没有任何一家AI公司能靠堆算力显著拉开差距。算力约束客观上在强化大模型市场的寡头格局——不是谁不努力，是物理世界的制造周期就是这么慢。
背后的权力结构很清楚：谁有卡谁厉害，谁有卡由英伟达决定。今天上市的CoreWeave、Lambda、Nebius，背后站的都是英伟达。
英伟达的布局比我之前理解的要深。Reflection的投资人和我提到，这家neo lab最早出来融资的时候，是做coding的，然后创始人去见了黄仁勋，黄仁勋跟他说：你别搞coding了，你出来给我做“美国的DeepSeek”，做美国的开源模型，我给你钱给你卡。Reflection就180度大转型了。
美国资本市场也因此出现了一些以前少见的结构：同一轮融资，给两个估值档位。关系好的、进场早的投资人，进低估值那一档；英伟达这种不差钱的老大，和那些晚到的投资人，被挤到高估值那一档，这种结构在国内最近也开始出现。
但英伟达再怎么想去控制分配，也搞不定不存在的东西。
整个美国社会，对数据中心的抗议正在升级。如今全美大约100个数据中心项目正在遭遇阻击，其中40个会直接流产。缅因州刚通过了一项法案，全面禁止数据中心建设。一个城镇批准了60亿美元的数据中心项目，结果半数成员连夜被投票罢免，换上来的新人唯一的目的，就是撤销那个决定。
算力不够了，不是因为产品不够好、用户不够多，是因为物理世界跟不上数字世界的胃口。
这是另一个层面的“跟不上”。
硅谷的估值体系正在重写
先看一个数字。
美国GDP大约30万亿美元。OpenAI和Anthropic目前各自的收入run rate（年化收入）都在300亿美元上下，也就是说，这两家公司各自已经占到了美国GDP的0.1%。如果年底两家都冲到1000亿，再加上云服务和其他AI收入，AI将占到美国GDP的大约1%。从几乎为零到1%，只用了短短几年时间。
这个速度是前所未有的。但诡异的是，增长越快，投资人反而越不知道该怎么定价了——在这么快的增长面前，硅谷的估值框架正在崩塌。
这次跟不少做二级市场的朋友深聊了几轮，一个反复出现的词是“re-rationalization”（估值的理性回归）。
过去几年投AI，大家的估值逻辑是看未来现金流：你今天亏钱没关系，我赌你三年后、五年后的ARR。但现在，这套框架出了问题。
问题出在DCF（现金流折现）这个最基本的估值模型上。正常做DCF，你预测未来10年的现金流，然后加一个terminal value（终值），也就是假设公司之后会稳定经营下去，把剩余价值一笔打包。通常terminal value占整个估值的70%-80%。
但现在有两个东西同时变了：第一，你可能只能预测3年而不是10年，因为3年之后（有时候甚至是1年）这个行业会变成什么样，根本看不清；第二，terminal value更没法算了，它的前提是公司最终会稳定经营下去，但如果AI随时可能颠覆一切，“稳定经营”这个假设就不成立。
我跟一个做二级投资的朋友聊到一个比喻：今天不在AI主航道上的公司，更像是在等一颗“核弹”，你知道它一定会被颠覆，只是不知道什么时候。那你评估的重点，就不应该是“如果不被颠覆会怎样”，而应该是“被颠覆时，应对的速度有多快”。这完全是另一种估值逻辑。
SaaS是第一个被华尔街重新定价的。Snowflake在2023年的时候，按自由现金流算要将近100年才能回本，如今估值已经腰斩，ServiceNow、Workday也是同样的趋势，这只是开始。
甚至反过来说，真正适合用DCF来估值的，可能只剩下头部大模型公司，因为相对来说，他们的未来似乎是向好的方向稳定成长的，他们不会“被炸”，而是在看边界能拓多宽。
过去创业公司招人的说辞是“工资低一点，但给你期权，未来值大钱”。但这套话术的前提是，公司在15到20年后还在、还值钱。如果那个前提不成立了，员工最理性的反应会变成——“别给我期权了，直接涨现金。”
这又会反过来，改变公司的成本结构和融资逻辑。
VC这一端也在痛苦。过去3到6个月，硅谷几乎每家基金都投了至少一家neo lab，那些从著名AI lab出来的研究员，拿着自己的想法融了几亿美金。但现在，大家事后都觉得有点冲动、有点贵。但为什么还是投了？因为如果这家公司真的做出来了，增长会快到让你觉得当初那个估值很便宜。
一位投资人朋友说得很直白：反正要么zero to 100，要么zero to zero，与其投一个贵的A轮赚“辛苦钱”，不如赌一个有无限可能的neo lab的入场券。
过去大家觉得1块钱ARR就是1块钱ARR，不管你是做模型、做应用还是做infra。但现在，这个等号被打破了。
做垂直agent的倍数最低（5倍左右），做通用agent的倍数更高（10倍左右），做模型的最高（20-30倍ARR，例如Anthropic 30B美金ARR，800B美金估值，26.7倍）。一年前我觉得按ARR乘一个统一倍数，来算估值就可以了，但今天这个算法完全不对了。
酸橙树与AI暗杀名单
硅谷正在经历一场深层的安全感危机。
这次硅谷行，我反复听到朋友们在认真讨论同一件事：买比特币、建地堡、给家里装防弹玻璃，他们都不是开玩笑的语气。
最近硅谷确实在流行种酸橙树，因为这种树的枝条上，长着4英寸的尖刺，任何试图翻越的人都会付出代价。
华尔街日报甚至报道了一栋1500万美元的“堡垒豪宅”：混凝土花盆里栽着一圈酸橙树，树丛后面是壕沟，壕沟后面是激光入侵探测系统，前门是3英寸厚的实心钢板配13道锁栓，屋内藏着一个2000磅重门的安全避难室，连景观设计都是防御工事。
为CEO提供住宅安防的企业，创下了2003年以来的最高增长水平。特别是UNH CEO在曼哈顿街头遭枪击身亡之后，这个趋势陡然加速。
然后，枪声响到了AI大佬家门口。
在4月11日凌晨4点，一个穿Champion卫衣的20岁男孩，从德州专程飞到加州，手提煤油罐，站在Sam Altman价值2700万美元的豪宅门前，点燃了汽油弹，扔了进去。
一个半小时后，他出现在OpenAI总部，抄起椅子砸玻璃门，对保安喊：“我要烧了这里，杀光里面所有人。”
FBI从他身上搜出了一份文件。标题是“你的最后警告”。里面列着多名AI公司CEO和投资人的姓名与家庭住址。
两天后的周日凌晨，Altman的家再次遇袭：一辆本田轿车在门口短暂停留，副驾驶把手伸出窗外，朝房子开了一枪，然后逃逸。
这不是孤立事件。三月底，旧金山市中心已经出现过大规模反AI游行，人群举着“Stop the AI Race”（停止AI竞赛）和“Don't Build Skynet”（不要制造天网）的牌子，在Anthropic、OpenAI、xAI的办公室外面发表演讲。参议员Bernie Sanders在国会警告说：“人类可能真的会失去对这个星球的控制。”
跟xAI的朋友聊下来，据说马斯克也是非常担心自己被枪杀的，这在圈子里是公开的秘密。
背后的恐惧其实很朴素：如果AI接管了大部分生产，人不再是经济运转的必要参与者，那过去所有关于“你贡献了多少、你该分多少”的社会契约就全失效了。剩下的只有一个极简的权力结构：谁控制了GPU和电力，谁就控制了一切。阶层不是被拉开了，是被压扁了：一边是极少数人，另一边是所有其他人。
“两年之后的美国大选，最火的竞选主题，肯定是AI与社会的关系问题。甚至会出现AI时代的卢德运动。”
美国的通货膨胀依然很严重，我在加州生活过很多年，从没看到过7字头的油价。恰逢2月底Citrini发了Global Intelligence Crisis（AI末日报告），情景推演了一场因为AI“过于成功”，而在2028年可能导致的经济危机……
尾声
回北京的飞机上，我翻自己这半个月的笔记，发现从头到尾都在写同一个词：“跟不上”。
YC跟不上、Meta的代码安全规矩跟不上、xAI的管理跟不上、researcher跟不上、算力跟不上、估值框架跟不上、社会的心理承受力也跟不上……以至于硅谷自己都跟不上自己了。
但我最后想说的是，一位Anthropic的朋友提到，Dario Amodei在内部说过一句话：在AI的帮助下，癌症在某种意义上已经被攻克了，不是说消失了，而是它有可能变成一种不会死人的慢性病，只是治疗费用还太贵，普及需要时间。
我不确定Dario说的“癌症已经被攻克”是不是过于乐观了，但这次在硅谷，我们看得最多的创业方向就是AI4S、AI for Biotech，很多大模型公司出来的人，不懂医疗，但他们想用AI技术改变这个行业。
这半个月我看到了那么多“跟不上”，这确实让人焦虑。但如果AI真的在几年内让癌症变成慢性病、让材料科学快进二十年，那么这一场“跟不上”，可能是人类发展历史上最大的一次提速。
我家宝宝今年两岁，明年可能会有第二个孩子，他们这一代要面对的那个世界什么样，我现在完全没有想象力去构建。
但我希望，在他们长大的世界里，多一些因AI而被治愈的人，而不是有更多燃烧瓶和枪声，砸向AI从业者的家门口。
Paul Graham 2008年写的Cities and Ambition（市井雄心）里，有这么一段：“尽管在硅谷人们非常尊重智慧，但硅谷传递出的信号是：你应该更有影响力，这与纽约传递的信号并不完全相同。影响力在纽约当然也重要，但纽约对“十亿美金”非常推崇，哪怕这笔钱你仅仅是继承来的。但在硅谷，除了几个房产中介，根本没人会在意这一点。在硅谷真正重要的是，你对这个世界产生了多大的影响。人们之所以在意Larry和Sergey，并不是因为他们的财富，而是因为他们掌控着Google，而Google几乎影响着每一个人。”如今AI令这种氛围，又推向了一个新的高峰。
晚点专栏作者丨五源资本合伙人 孟醒
（文章插图未收录）
https://mp.weixin.qq.com/s/kwErGjX231e2efVWhERzTw
哈希力量文库选录，手机端省略本文网址
