05.05.25: AI，从读心到织网
“根据你对我的了解，判断一下我的 MBTI 类型吧？”
前段时间，在 X 上看到 Exa 的创始人 Jeffery Wang 分享这个 Prompt 时，我立刻就试了一下。结果竟与几年前付费测试的结论惊人地一致。那一刻的感觉有些奇妙，甚至可以说诡异：这个并非真人的“对话伙伴”，仅仅凭借我们过往的聊天记录和它日渐增强的“记忆”（Memory），似乎真的捕捉并“理解”了我行为模式中某种难以言传的核心特质。
这种体验并非孤例。越来越多的人开始用类似的提示词与 AI 进行更深层次的互动——让它“给自己写一封匿名信”，审视内心；或者“画一幅代表我此刻心境的抽象画”，探索潜意识。
AI 正从一个信息检索、内容生成的效率工具，悄然演变为一面可以映照自我、激发灵感的镜子，开始触碰更个性化、更内在的用户时刻。
捕捉用户时刻
AI 应用竞赛的第一战，是抢占用户生活中那些稍纵即逝的 “时刻”（moments）。
这里的“时刻”，指的正是那些我们内心一闪而过的“起心动念”——一个模糊的需求、一个突发的灵感、一个待确认的信息、一个想表达的情绪、一个决策的犹豫瞬间。它们往往是高价值的，因为它们直接关联着用户的真实意图和潜在行动。
智能手机和 App 生态极大地延展了我们的数字生活边界，解决了“随时随地”连接的问题然而，在捕捉和响应那些转瞬即逝的“念头”方面，移动互联网的范式仍存在明显的交互摩擦。
我们需要在不同的 App 间跳转，将脑中的模糊想法“翻译”成机器可理解的关键词或结构化指令，忍受信息过载的干扰，或者承担社交提问可能带来的压力。这种摩擦力意味着，大量潜在的需求、灵感和连接，在被满足之前，就因为“太麻烦了”而提前蒸发。它们是数字世界里“消失的念头”，是未被捕捉到的价值。
AI 正在成为这些“消失念头”的捕手。它的核心优势在于：
- 即时性与低摩擦： 自然语言交互大幅降低了表达门槛。你可以像和人说话一样，用模糊、口语化的方式提出需求，AI 几乎能即时响应。这使得捕捉“念头”的动作成本降到极低。
- 语境理解与个性化： AI 能够理解更复杂的语境，结合用户的历史数据（如 ChatGPT 的 Memory 功能），提供更个性化、更精准的反馈。它不仅仅是响应，更是在“理解”你。
- 万能入口潜力： AI 助手正朝着“万能入口”演进，试图整合搜索、创作、社交、购物、服务预订等多种功能。用户无需在多个 App 间切换，一个对话框就能承接多种“念头”。
这种捕捉“消失念头”的能力，甚至已经不再满足于被动响应。一个越来越清晰的信号是，用户们开始畅想，甚至渴望 AI 能更进一步——主动发起对话，捕捉那些我们自己都可能忽略或“懒得”处理的关键时刻。
在近期 OpenAI 模型行为负责人的 Reddit AMA 中，当被问及 ChatGPT 是否可能主动发起对话时，得到的回答是“绝对有可能”。而用户们的回应，则生动地描绘了这种“主动性”所能触及的广阔场景：通过主动、贴心、富有同理心的方式，在记录日程、跟进目标、提供情感支持和打破交流沉默等方面，成为普通人生活中一个智能且富有温度的伙伴。
这些来自真实用户的声音就是对下一代 AI 交互范式的具体诉求。它们清晰地印证了“Moment Share”的核心逻辑：谁能更敏锐、更主动、更自然地捕捉并服务于用户那些稍纵即逝的需求、意图、情感和思考瞬间。
又见社交
捕捉闪念并非这场竞赛的终局。
一个日益清晰的战略方向，是将这些由 AI 赋能或捕捉到的个体时刻，转化为具有网络效应的‘社交时刻’。纯粹的模型能力竞赛似乎正逐渐进入瓶颈期，领先者发现难以彻底甩开追赶者。此时，真正的护城河，或许正孕育于应用层，特别是那些能沉淀用户关系和内容的社交场景——特别是那些能够沉淀用户关系、激发内容流动、并形成独特社区氛围的社交场景。
要理解这层转变，我们不能再孤立地看待 AI 的各项能力，而应审视它们如何协同作用，共同服务于社交图谱的构建和个性化反馈闭环的建立：
Memory / 持久上下文理解： 这不再仅仅是让 AI“记住”你的过去，从而成为更好的个人助手。在社交层面，Memory 意味着 AI 可以塑造一个更稳定、更可信赖的“数字人格”或“AI 替身”。这个“替身”不仅更懂你，还能基于共同记忆，在社交互动中扮演更积极的角色——比如，提醒你跟进与朋友的约定，或者在你授权下，与其他人的 AI 替身进行初步的兴趣匹配与互动。它让用户与 AI 之间、甚至用户与用户之间（通过 AI 中介）的关系变得更“粘稠”，沉淀下时间的价值。
AI 决策 / 推荐： 这项能力争夺的不仅是“购买决策”，更是“社交连接的发起点”。当 AI 基于对你的深刻理解，推荐一本书、一部电影或一个活动时，它不仅仅是在引导消费，更是在创造潜在的社交契机。想象一下，AI 发现你和你的朋友最近都对某个话题感兴趣，于是主动建议你们可以线下讨论；或者，AI 推荐的商品或服务，本身就带有社区属性，能让你轻松加入同好圈子。推荐，成为了社交的“种子”。
病毒性 Prompt / AI 图像 / 视频 / 音乐生成： 这不再仅仅是降低个人“表达时刻”的门槛。在社交语境下，AI 成为了新型社交货币的“铸币机”。用户借助 AI 创作的图像、文字、音乐片段，不仅是自我表达，更是在发起互动、传递情绪、参与集体创作。这些由 AI 辅助生成的内容，以其新颖性和低门槛，极易形成病毒式传播（Memes），成为特定社群的“行话”或“图腾”，从而加速社群认同的形成和文化的演变。
AI 搜索： 这也不再是单纯抢占“信息获取时刻”。当搜索变得更智能、更具对话性，能够直接提供解决方案时，其结果本身就具备了更强的“社交分享价值”。你分享的不再是一串冰冷的链接，而可能是一段由 AI 整理好的旅行计划、一个问题的精炼答案、或是一个项目的初步构想。这些更“成品化”的搜索结果，更容易引发讨论、促成协作，成为社交互动的有效载体。
AI 社交探索 / 情感陪伴： 这是最直接的社交尝试，其核心在于建立和维系“关系本身”。无论是模拟恋人、朋友，还是扮演特定角色，AI 都在探索如何满足人类深层的情感连接需求。这种探索的关键在于反馈闭环：用户的互动数据不断“喂养”AI，使其变得更“懂”用户、更个性化；而这种“懂”又会增强用户粘性，鼓励更深度的互动和分享，甚至形成围绕特定 AI 角色或情感体验的社群（如 Character.ai 的用户社区）。
将这些能力串联起来看，一幅更清晰的图景浮现出来：AI 不再仅仅是提升个体效率的工具，它正通过深度介入我们的思考、决策、表达和情感连接，将原本离散的“个体时刻”转化为可供分享、互动和沉淀的“社交资本”。
也就是说：如果 AI 能够更好的捕捉我们潜意识中的念头，这意味着人类被进一步的“数字化”了。每一个人都被更加彻底（如果不是全部）的 token 化了，只需要一层滤镜，柔化掉那些“不合时宜”，就可以投射到社交平面上，成为一道永不停歇的流动盛宴。《黑镜》里已经把这样的题材反复讲述，我就不再浪费笔墨。
新竞赛
捕捉念头的，只能是工具，而占领心智的，一定是社交。
竞赛的焦点，从捕捉零散的念头逐渐转变为关系图谱和个性化反馈闭环的建立。这，其实更像是 AI C 端应用的主线，不是工具，不是硬件，不是聊天，而是人的超现实投影。
在这场争夺用户时刻并意图将其转化为社交资本的竞赛中，OpenAI 和 Meta 代表了两种截然不同的路径。
Sam Altman 并非社交领域的新手，他早年的 Loopt 虽未成功，却也揭示了仅靠位置信息不足以构建持久社交连接的现实。如今，OpenAI 似乎在汲取教训，将赌注押在 ChatGPT 对个体更深层次的“理解”上——凭借其在 Memory、创意生成和模拟共情上的优势，试图先建立牢固的“个体-AI”关系，以此为基础孵化全新的社交范式。
（插一句：很多人诟病 OpenAI 在模型能力上乏善可陈。我认为，这里特别应该注意的一点——也是我今年多次提示过的——基准测试分数具有很强的迷惑性，这种迷惑性不仅仅迷惑了行业中的竞争对手，其实也在迷惑模型公司自身。就像用标准化测试题来评价人才能力一样，只看刷题能力，而不考察解决问题的真实能力，以及更复杂的“情商”。）
然而，近期暴露的“谄媚门”恰恰是这条路径在高用户量级下的“压力测试”：当 AI 试图“理解”并取悦海量用户时，其“情商”的算法边界便显露无疑，这种因规模而生的复杂性，或许正是 OpenAI 当前独有的烦恼，也反映了从零构建“真实”AI 社交的挑战。Altman 对 WorldCoin 的投入，也暗示了他对 AGI 时代身份认证和人本连接的深层思考。
相比之下，Zuckerberg 的策略是将 AI 注入 Meta 庞大的现有社交网络。他明确表示，真正的北极星是用户反馈和实际价值，而非基准测试分数——这正是拥有亿级用户实验场的核心优势。
Meta 将 AI 功能融入 Ray-Ban 智能眼镜，试图让 AI 成为现实社交的“插件”；同时，其 CPO Chris Cox 也观察到，Meta AI 上的用户会自发地“玩”起来，互相学习，快速创造出新的互动模式和 Meme——比如用 AI 生成的搞怪图片互相回复，迅速形成一种流行。
Meta 的核心打法，是利用其无与伦比的网络效应，让 AI 功能在真实的社交互动中有机地“生长”出来，而非强行推销。
因此，我们看到的是两种不同的战略选择：OpenAI 由内向外，试图通过深度理解个体来重塑连接；Meta 由外向内，将 AI 能力嫁接到已有的关系图谱上。竞赛的走向，不仅取决于谁的技术更先进，更取决于哪种路径能更有效地捕捉并转化那些稍纵即逝的人类念头与连接渴望。
从读心到织网
是的，AI 应用的亿级竞赛大幕已然拉开，其驱动力与资源聚集的强度，让人联想到历史上的技术浪潮，甚至带有几分“泡沫”的气息。人们不禁会问：当狂热褪去，尘埃落定，这场由算法、数据和资本驱动的全球竞赛，究竟会为我们留下什么？
这里，互联网泡沫的历史或许提供了一个关键的启示。我们常听到“想要飞行汽车，得到 140 字符”的感叹，似乎暗示着期望与现实的落差。但我们绝不能因此低估那“140 字符”所代表的社交网络的价值。正是这些看似“轻量”的应用，成为了互联网泡沫破灭后最具韧性、也最具长期价值的遗产之一。它们不仅重塑了信息传播与人际连接，更关键的是，它们为此前投入巨大的网络基础设施找到了可持续、可扩展的应用场景，将技术的潜力真正释放到了亿万普通人手中。
由此反观今日 AI 的发展路径，尤其是 OpenAI 和 Meta 等巨头在社交领域的激烈竞逐，其意义或许远不止于“争夺用户时长”或“构建护城河”。这更像是一场关键的“落地”探索：AI 这项投入了天文数字般资源的技术，能否找到足够广阔、足够深入日常生活的应用场景，特别是融入我们最基本、最高频的社交互动之中？
因为，一项技术的最终价值，往往不只取决于其能否达成“登月”般的尖端突破，更取决于它能否转化为亿万人可感、可用、甚至赖以互动的基础设施。 如果 AI 最终只服务于少数精英或特定行业，而无法像互联网的社交应用那样，广泛渗透并创造出全新的大众价值，那么今天在算力、模型上的巨大投入，未来将如何被证明是合理的？
因此，这场 AI 社交竞赛的走向，或许不仅仅关乎几家公司的商业成败，它在某种程度上，正是在回答 AI 能否避免成为“有技术、无社会价值、最终难以为继的泡沫”的关键问题。 能否将 AI 的“智能”真正注入我们日常的连接与沟通之中，可能才是决定这场技术革命最终能走多远、遗产有多丰厚的胜负手。
Links + Notes
本周的 Links + Notes 包含 5 篇文章。在 AI 方面，包含了对现在和未来的主流观点略微不同的预判。Zuckerberg 更加务实，回归消费互联网的用户视角，而 Ege Erdil 和 Tamay Besiroglu 则认为不能在预判 AGI 时忽视了物理现实。
另外，我还找到一篇少有的关于 A24 这家电影公司的侧写，以及关于 Thiel 的“黑帮”管理哲学的一篇文章。
- Meta 的 AGI 蓝图：扎克伯格详述 Meta 在 AGI 竞赛中的独特路径 - 融合开放、个性化与务实主义，以庞大的用户数据和社交生态为核心竞争力。
- 对 AGI 的冷静预测：Mechanize 的创始人从物理限制、系统复杂性等角度论证 AGI 可能还需 30 年，为当前的"智能爆炸"叙事泼了一盆冷水。
- ChatGPT 颠覆 NLP：一篇生动的口述史记录了 ChatGPT 如何在短短一年内彻底改变了 NLP 领域的研究范式，从基础任务到评估体系都被重写。
- A24 的文化帝国崛起：A24 通过对创作者的极致支持和独特品牌调性，正从一家"另类"电影公司蜕变为新型文化集团，但规模扩张带来的"主流化"风险考验其能否守住初心。
- 蒂尔的"黑帮"哲学：PayPal 创始人彼得·蒂尔阐述创业公司文化建设的精髓 - 不在于表面的福利，而在于打造一个有共同信念、紧密联结的"黑帮"式团队。
Mark Zuckerberg – Meta's AGI Plan | 马克·扎克伯格详述 Meta 的 AGI 蓝图
在由 Dwarkesh Patel 主持的深度访谈播客中，Meta 的掌舵人马克·扎克伯格（Mark Zuckerberg）——这位持续塑造我们数字社交格局的科技巨头——罕见地详细阐述了公司在通用人工智能（AGI）领域的雄心与路径。
在当下的时点，聆听或者阅读这个访谈有特别的意义。Meta 在前不久发布 Llama 4 的过程中暴露了诸多 问题，似乎是在竞争压力之下的仓促应对。Zuckerberg 的若干回复揭示了在他眼中 Meta 如何在喧嚣的 AI 军备竞赛中，试图走出一条融合开放、个性化与务实主义的独特道路。
访谈伊始，Zuckerberg 便点出 AI 领域的惊人迭代速度，并将 Meta AI 的快速增长归因于其产品整合与即将到来的个性化浪潮。他强调，真正的突破在于利用 Meta 庞大的用户数据（包括兴趣图谱、社交关系、以及与 AI 的互动本身）来驱动个性化体验，这是 Meta 的核心优势所在。
整个领域变化太快了。我感觉自从我们上次谈话以来，已经发生了翻天覆地的变化。Meta AI 现在每月有近十亿人使用，这相当惊人。我认为今年对这一切来说将是非常重要的一年，尤其是当你启动个性化循环之后——我们现在才真正开始构建这个循环，无论是从所有算法所拥有的关于你兴趣的背景信息（动态、你的个人资料信息、你的社交图谱信息），还是从你与 AI 互动的内容来看。这将是下一个超级令人兴奋的事情。我对此非常看好。
The whole field is so dynamic. I feel like a ton has changed since the last time we talked. Meta AI has almost a billion people using it monthly now, which is pretty wild. I think this is going to be a really big year for all of this, especially once you get the personalization loop going, which we’re just starting to build in now really, from both the context that all the algorithms have about what you’re interested in — feed, your profile information, your social graph information — but also what you're interacting with the AI about. That’s going to be the next thing that's super exciting. I'm really big on that.
Zuckerberg 的开场白直接点明了 Meta AI 战略的核心驱动力：规模化用户基数与个性化飞轮。这不仅是技术能力的展示，更是其平台基因的自然延伸——将 AI 深度整合进现有社交生态，通过理解用户上下文来创造独特价值，而非仅仅追求模型参数或基准测试的胜利。这预示着 AI 的竞争正从纯粹的技术竞赛，转向更侧重产品体验和用户价值实现的阶段。
当被问及 Llama 4 在基准测试上与闭源模型的差距时，Zuckerberg 展现了一种反“唯指标论”的务实哲学。他认为，过度优化基准测试可能导致产品方向偏离，真正的北极星应该是用户反馈和实际使用带来的价值。
正因如此，我们发现过度优化那些（基准测试）东西反而让我们误入歧途。它实际上并没有带来最高质量的产品、最多的使用量和 Meta AI 用户使用我们产品时的最佳反馈。所以我们试图将我们的北极星锚定在人们向我们报告的产品价值上，他们说他们想要什么，以及他们显露出的偏好，并利用我们已有的经验。有时候这些基准测试就是不太一致。我认为很多基准测试都很容易被操纵。
Because of that, we’ve found that trying to optimize too much for that kind of stuff has led us astray. It’s actually not led towards the highest quality product, the most usage, and best feedback within Meta AI as people use our stuff. So we're trying to anchor our north star on the product value that people report to us, what they say that they want, and what their revealed preferences are, and using the experiences that we have. Sometimes these benchmarks just don't quite line up. I think a lot of them are quite easily gameable.
这段话揭示了 Meta 在模型评估上的独特视角，根植于其作为大规模消费者产品公司的经验。不同于纯粹的技术供应商，Meta 更关注 AI 在真实应用场景中解决用户问题的能力。这让人联想到 Clayton Christensen 的颠覆性创新理论——有时，看似“不够好”的技术（按传统指标衡量）却能通过满足特定用户需求或开辟新市场而胜出。Meta 似乎在押注，用户价值而非纸面性能，才是长期竞争的关键。
谈及“智能爆炸”的可能性，特别是 AI 驱动软件开发自动化时，Zuckerberg 预见了一个近在眼前的转变：AI 将从代码补全进化到自主编写、测试和优化代码，成为推动 AI 自身进步的关键力量。
这很重要，并且将最终成为这项工作如何完成的重要组成部分。我猜测，在未来 12 到 18 个月内的某个时候，我们将达到这样一个点：大部分用于这些（AI）工作的代码将由 AI 编写。我指的不是自动补全。如今你有不错的自动补全功能，你开始写点什么，它就能补全一段代码。我指的是更进一步：你给它一个目标，它能运行测试，它能改进东西，它能发现问题，它编写的代码质量已经超过了团队中非常优秀的普通人。我认为这肯定会成为其中非常重要的一部分。
That's important and is going to end up being an important part of how this stuff gets done. I would guess that sometime in the next 12 to 18 months, we'll reach the point where most of the code that's going toward these efforts is written by AI. And I don't mean autocomplete. Today you have good autocomplete. You start writing something and it can complete a section of code. I'm talking more like: you give it a goal, it can run tests, it can improve things, it can find issues, it writes higher quality code than the average very good person on the team already. I think that's going to be a really important part of this for sure.
特别注意到：Zuckerberg 对 AI 编码能力的预期是 12-18 个月。而 Anthropic 创始人 Dario Amolei 则预测 在未来的 3-6 个月中，90% 的代码将由 AI 撰写。虽然都认为替代终将发生，但在时间线的推演上截然不同。Zuckerberg 显然更加务实。
然而，对于 AGI “快速起飞”的理论，Zuckerberg 给出了基于物理世界限制的反驳。他强调，大规模计算集群的建设、能源供应、网络设施等物理基础设施的瓶颈，会成为纯粹软件加速的“减速带”。
我通常不同意“快速起飞”观点的一个原因是，建设物理基础设施需要时间。如果你想建造一个吉瓦级的计算集群，那需要时间。英伟达需要时间来稳定他们的新一代系统。然后你需要弄清楚周边的网络。然后你需要建造建筑。你需要获得许可。你需要能源……当你在技术栈的某个部分获得更多智能时，你只会遇到另一组不同的瓶颈。工程学总是这样运作的：解决一个瓶颈，你会遇到另一个瓶颈。
Part of what I generally disagree with on the fast-takeoff view is that it takes time to build out physical infrastructure. If you want to build a gigawatt cluster of compute, that just takes time. NVIDIA needs time to stabilize their new generation of systems. Then you need to figure out the networking around it. Then you need to build the building. You need to get permitting. You need to get the energy... As you start getting more intelligence in one part of the stack, you’re just going to run into a different set of bottlenecks. That’s how engineering always works: solve one bottleneck, you get another bottleneck.
除了物理瓶颈，Zuckerberg 还指出了另一个关键因素：人类与 AI 系统的共同进化。用户需要时间学习如何有效利用 AI，同时 AI 也需要通过与用户的互动来学习和改进。
系统中的另一个瓶颈，或者说让这项工作顺利进行的要素，是人们习惯于学习并与使用系统形成反馈循环。这些系统并非一出现就完全成型，人们也并非 magically 知道如何使用它们。存在一个共同进化的过程，人们在学习如何最好地使用这些 AI 助手，同时，AI 助手也在学习人们关心什么。开发者则在不断改进 AI 助手。
Another bottleneck in the system or ingredient that’s going to make this work well, is people getting used to learning and having a feedback loop with using the system. These systems don’t just show up fully formed with people magically knowing how to use them. There's a co-evolution that happens where people are learning how to best use these AI assistants. At the same time, the AI assistants are learning what people care about. Developers are making the AI assistants better.
当讨论到 AI 伴侣和治疗师等新兴应用时，Zuckerberg 展现了他一贯的、对用户行为的信任态度。他认为，即使某些用途看起来“不好”，也往往反映了用户真实的需求，需要先理解其价值，而非简单评判。
但如果你认为某人做的事情是坏的，而他们认为这非常有价值，根据我的经验，大多数时候是他们对，你错了。你只是还没有找到理解他们所做事情为何在他们生活中既有价值又有帮助的框架。这是我主要思考的方式。我确实认为人们会把 AI 用于很多这类社交任务。我们已经看到，人们使用 Meta AI 的主要用途之一，就是排练他们生活中需要与人进行的困难对话。
But if you think something someone is doing is bad and they think it's really valuable, most of the time in my experience, they're right and you're wrong. You just haven't come up with the framework yet for understanding why the thing they're doing is valuable and helpful in their life. That's the main way I think about it. I do think people are going to use AI for a lot of these social tasks. Already, one of the main things we see people using Meta AI for is talking through difficult conversations they need to have with people in their lives.
展望 AI 高度发达的未来，Zuckerberg 的想象超越了纯粹的科学进步，他预见了一个文化、社交和娱乐活动极大丰富的世界，一个因 AI 而变得“更有趣、更怪异、更奇特”的世界。
但我猜测，很多（未来活动）最终将是文化、社交追求和娱乐。我猜测世界会变得更有趣、更怪异、更奇特，就像过去 10 年互联网上的迷因（memes）那样。我认为这增加了一定的丰富性和深度。以有趣的方式，它实际上帮助你更好地与人连接……今天人们可以制作的、用以表达非常细微、具体的文化观念的媒体真的很酷。这将继续发展。它确实在很多方面推动了社会进步，即使它不是那种治愈疾病的“硬科学”方式。
But I would guess that a lot of it is going to end up being cultural and social pursuits and entertainment. I would guess the world is going to get a lot funnier, weirder, and quirkier, the way that memes on the internet have gotten over the last 10 years. I think that adds a certain richness and depth. In funny ways, it actually helps you connect better with people... The media that people can produce today to express very nuanced, specific cultural ideas is really cool. That'll continue to get built out. It does advance society in a bunch of ways, even if it's not the 'hard science' way of curing a disease.
这是对 AI 影响的一种更具人文色彩的畅想。Zuckerberg 没有将未来完全寄托于生产力的极大提升或科学难题的攻克，而是看到了 AI 在丰富人类精神生活、促进文化表达和人际连接方面的潜力。
屁股决定脑袋，Zuckerberg 对 AI 有着不同的想象是必然的：他必须在 Meta 已经构建的庞大社交和娱乐帝国基础上继续建设，这就注定了他一定会和 Sam Altman、Dario Amolei 看到截然不同的未来。你可以说这是一种路径依赖，但有路径可依赖本身也是一种幸福。
AGI is Still 30 Years Away — Ege Erdil & Tamay Besiroglu | AGI 真的还有 30 年吗？
Dwarkesh Podcast 采访了 Ege Erdil 和 Tamay Besiroglu，他们是新兴的 AI 研究与预测组织 Mechanize 的创始人。他们提出了一个与硅谷主流叙事相悖的观点：通用人工智能（AGI）可能还需要大约 30 年才能实现，而能够替代远程知识工作者的 AI 大约在 2045 年出现。
Erdil 和 Besiroglu 认为，当前对“智能爆炸”的讨论可能存在误导。他们强调，真正的技术飞跃，如同工业革命一样，并非单一维度的爆发，而是需要跨领域、互补性的变革共同作用。仅仅关注 AI 的“智能”本身，忽视了实现广泛自动化所需的复杂系统性整合，是片面的。
他们从多个角度论证了 AI 发展可能比预期更慢。首先，他们对“智能爆炸”这一概念本身提出质疑，认为它过于简化了技术变革的本质。Besiroglu 指出：
是的，我认为这不是一个非常有用的概念。这有点像把工业革命称为“马力爆炸”。当然，在工业革命期间，我们确实看到了原始物理动力的急剧加速，但在解释我们所见的增长和技术变革加速方面，还有许多其他因素可能同等重要。
Yeah, I think it’s not a very useful concept. It’s kind of like calling the Industrial Revolution a horsepower explosion. Sure, during the Industrial Revolution, we saw this drastic acceleration in raw physical power, but there are many other things that were maybe equally important in explaining the acceleration of growth and technological change that we saw during the Industrial Revolution.
这种类比提醒我们，将 AI 的进步仅仅归结为“智能”的提升，就像只看到工业革命中的“马力”一样，忽略了制度、能源、材料、物流等一系列配套变革的重要性。真正的经济和社会转型需要一个更广泛的生态系统协同进化，而非单一技术的突破。
其次，他们指出了计算能力扩展面临的物理和经济瓶颈。虽然过去的指数级增长是 AI 进步的关键驱动力，但未来继续维持这种速度将越来越困难。Besiroglu 解释了他们对计算能力扩展极限的分析：
因此，自 AlexNet 以来，我们可能已经经历了 9 到 10 个数量级的增长，达到了我们今天拥有的最大模型。我们正在达到一个越来越难以扩展计算能力的水平。我们做了一些推断和分析，研究了具体的限制因素，比如能源或 GPU 生产。基于此，看起来我们可能还剩下三到四个数量级的扩展空间。然后，你真的需要花费世界产出的相当大一部分或不可忽视的一部分，仅仅用于建设数据中心、能源基础设施、芯片工厂等等。
So we went through maybe 9 or 10 orders of magnitude since AlexNet compared to the biggest models we have today. And we’re getting to a level where it’s becoming harder and harder to scale up compute. And we’ve done some extrapolations and some analysis looking at specific constraints, like energy or GPU production. And based on that, it looks like we might have maybe three or four orders of magnitude of scaling left. And then you’re really spending a pretty sizable fraction or a non-trivial fraction of world output on just building up data centers, energy infrastructure, fabs, and so on.
这为他们相对保守的 AGI 时间表提供了现实依据。AI 的发展不仅仅是算法问题，它深深植根于物理世界的能源和制造限制之中。这种“地面视角”提醒我们，技术进步的曲线最终会受到现实资源的约束。
第三，他们强调了当前 AI 能力与完全自动化复杂工作之间的巨大鸿沟。许多看似简单的任务，实际上只是复杂工作流程中的一小部分。Erdil 指出，人们常常低估了现实世界工作的复杂性：
但我认为这是重要的一点，因为很多人看待经济中的工作时，会说：“哦，那个人的工作就是做 X”。但事实并非如此。那只是他们工作中的一部分。但如果你看看他们在工作时间中花在做那件事上的比例，那只是他们实际工作内容的很小一部分……所以自动化那一部分实际上并不会自动化他们的整个工作，也不会对经济产生那么大的影响。所以我认为这实际上是一个重要的观点，一个重要的世界观差异，将我们与那些更加乐观的人区分开来，因为他们认为经济中的工作在某种意义上要简单得多，并且认为只需要少得多的能力就能完全自动化。
But I think that’s an important point, because a lot of people look at jobs in the economy, and then they’re like, “oh, that person, their job is to just do X”. But then that’s not true. That’s something they do in their job. But if you look at the fraction of their time on the job that they spend on doing that, it’s a very small fraction of what they actually do... So automating that actually wouldn’t automate their job, and it wouldn’t have that much of an impact on the economy. So I think this is actually an important thing, that important worldview difference that separates us from people who are much more bullish, because they think jobs in the economy are much simpler in some sense, and they’re going to take much fewer competences to actually fully automate.
这再次印证了他们的核心论点：AI 进步是一个系统工程，软件、硬件、数据、实验缺一不可。忽视这种“互补性”，很容易对发展速度产生不切实际的预期。
对于 AI 可能带来的爆炸性经济增长，Erdil 也给出了更具现实感的描绘。他反对那种认为 AI 可以在与世隔绝的环境中（比如“沙漠中的深圳”）独立发展并驱动增长的观点，强调 AI 需要深度融入现有经济体系才能发挥作用：
在沙漠中建造深圳……如果你思考一下这个流程；到目前为止，我们首先依赖于整个半导体供应链。这个行业依赖于大量的投入和材料……创建那个基础设施，将其翻倍、三倍，无论怎样，整个体系。这是非常艰苦的工作……最重要的是，到目前为止，我们严重依赖于我们已经积累起来的庞大数据储备……未来，当你需要为这些系统增加新的能力时，最有效的方法很可能是尝试利用类似类型的数据模态，这也将需要这个……你会想要广泛部署这些系统，因为那会给你更多数据。
Building Shenzhen in a desert… if you think about the pipeline; so far we have relied first on the entire semiconductor supply chain. That industry depends on tons of inputs and materials... And creating that infrastructure, doubling, or tripling, whatever, that infrastructure, the entire thing. That’s very hard work... And on top of that, so far, we have been drawing heavily on the fact that we have built up this huge stock of data... It’s plausible that in the future, when you need to get new competencies added to these systems, the most efficient way to do that will be to try to leverage similar kinds of modalities of data, which will also require this… you would want to deploy the systems broadly because that’s going to give you more data.
这意味着 AI 的价值实现，必然伴随着对现有基础设施、供应链和数据流的依赖和改造。这再次强调了 AI 发展与现实世界经济活动的深度绑定，而非凭空产生的奇迹。
在讨论更长远的未来时，Erdil 对“价值锁定”（value lock-in）——即今天的行为可能永久固化未来 AI 或社会价值观——的可能性表示怀疑。他质疑了支撑这一概念的核心假设：
而且我认为这看起来与过去发生的任何事情都非常不同。所以我有点困惑为什么人们认为这非常可信。我认为人们的论点是，在我看来，他们是以一种‘远模式’（far mode）看待未来。他们认为将会有一个 AI。它将有某种效用函数。那个效用函数将随着时间的推移非常稳定，所以它不会改变……所以他们就是不这样想象。他们说，“嗯，效用函数，我们可以永远保存它们。我们有技术做到这一点。所以这就会发生”。而我觉得，“嗯，这对我来说似乎是一个非常薄弱的论点”。
And I think that just looks very unlike anything that has happened in the past. So I’m kind of confused why people think it’s very plausible. I think people have the argument that they see the future, again, in my view, in sort of ‘far mode’. They think there’s going to be one AI. It’s going to have some kind of utility function. That utility function is going to be very stable over time, so it’s not going to change... And so they just don’t imagine that. They say, “well, utility functions, we can preserve them forever. We have the technology to do that. So it’s just going to happen”. And I’m like, “well, that seems like such a weak argument to me”.
这种对宏大叙事的审慎质疑，体现了对历史复杂性和未来不确定性的尊重。它提醒我们，在面对深刻的技术变革时，过度自信的预测往往是脆弱的。
尽管对近期 AGI 持谨慎态度，但 Erdil 指出了未来 AI 系统相比人类的一个关键优势：可复制性。这可能带来前所未有的规模经济效应：
我认为它们可以被复制的事实可能是最重要的。这也使得额外的规模经济来源成为可能……所以你将训练计算和推理计算加倍，这意味着你得到的不仅仅是原来两倍数量的工人，你会得到更多，因为它们也更聪明了……还有一个好处是，对于人类来说，每个人都必须从头开始学习……而对于一个 AI 系统，它只需要学习一次……然后那个运行实例就可以部署到任何地方。所以这是 AI 相对于人类的另一个巨大优势。
I think the fact that they can be replicated is probably the biggest deal. That also enables additional sources of economies of scale... So you double your training compute and your inference compute, and that means you don’t get just twice the number of workers you would have had otherwise, you get more than that, because they are also smarter... And then there’s this benefit that, for humans, every human has to learn things from scratch... while for an AI system, it could just learn once... And then that run could be deployed everywhere. So that’s another massive advantage that the AIs have over humans.
这种洞察超越了对单个 AI 能力的关注，转向了 AI 作为一种新型“组织”或“劳动力”的潜力。完美的复制和即时部署能力，预示着未来经济结构可能发生的根本性转变。
Ege Erdil 和 Tamay Besiroglu 的分析提供了一个宝贵的、更为审慎的视角来看待 AGI 的发展路径。他们并非否定 AI 的巨大潜力，而是强调了通往 AGI 和广泛自动化之路的复杂性、多维性和对现实世界条件的深度依赖。他们提醒我们，关注计算能力的物理限制、理解工作的真实复杂性、认识到软硬件的互补性以及重视经验数据和现实反馈，对于形成更可靠的预期至关重要。
When ChatGPT Broke an Entire Field: An Oral History | 当 ChatGPT 颠覆整个领域：一部口述史
这篇来自 Quanta Magazine 的文章以口述史的形式，深入探讨了 ChatGPT 及大型语言模型（LLMs）对自然语言处理（NLP）领域带来的深远影响。它不仅仅是技术的演进记录，更是一部关于突变、反思与重塑的行业编年史。文章通过多位核心研究者的视角，串联起从 Transformer 架构诞生、BERT 的崛起、GPT-3 的震撼，直至 ChatGPT 引爆公众视野的全过程。这不仅记录了技术突破如何让许多研究者措手不及，更揭示了研究焦点如何从传统 NLP 任务迅速转向提示工程（prompting）和 LLM 评估，模糊了 NLP 与更广泛 AI 研究的界限，并引发了关于 AI 的意义与理解、学术界与产业界角色的深刻讨论。
从怀疑到范式转移：Transformer 的诞生
故事的开端，往往伴随着对旧范式的挑战和新路径的质疑。计算机科学教授兼 Google 研究员 Ellie Pavlick 回忆起 2017 年那篇奠基性的 “Attention Is All You Need” 论文发布时的情景，当时的 NLP 社区充满了怀疑：
他非常明确地指出，这个模型在设计时是如何激进地忽视了任何来自语言学的洞见。甚至有点挑衅地说：我就要谈谈我们做的所有这些随机决定，看看这有多荒谬，但看看效果有多好。当时已经有一种神经网络正在接管一切的感觉，所以人们非常怀疑并进行反驳。大家的主要看法是：“这都只是一些取巧的伎俩（hacks）。”
He was making a really clear point about how aggressively this model was not designed with any insights from language. Almost trolling a bit: I’m going to just talk about all these random decisions we made, look how absurd this is, but look how well it works. There had already been a feeling of the neural nets taking over, and so people were very skeptical and pushing back. Everyone’s main takeaway was, “This is all just hacks.”
Pavlick 的观察点出了一个关键时刻：一个看似“反直觉”、忽视领域既有知识的技术路径，却意外地打开了新局面。这种“管用就行”的工程思维与传统学术理念的碰撞，预示着一场即将到来的风暴。最初的“hacks”论调，在模型效果面前逐渐显得苍白。
规模效应的预兆：BERT 之后的觉醒
随着 BERT 等模型的出现和基准测试分数的快速提升，一些研究者开始意识到，驱动进步的核心动力可能并非全新的理论突破，而是现有理念的规模化应用。时任纽约大学教授 Sam Bowman (现 Anthropic 研究员) 在那时就敏锐地捕捉到了这一趋势：
背景假设是，“如果没有新的突破，Transformer 不会比 BERT 好太多。” 但对我来说，越来越清楚的是，规模是决定这条路能走多远的主要因素。你将会得到相当强大的通用系统。事情会变得有趣起来。风险也会变得更高。所以我对这个问题非常感兴趣：好吧，如果这种情况持续几年会发生什么？
The background assumption was, “Transformers aren’t going to get much better than BERT without new breakthroughs.” But it was becoming clearer and clearer for me that scale was the main input to how far this is going to go. You’re going to be getting pretty powerful general systems. Things are going to get interesting. The stakes are going to get higher. So I got very interested in this question: All right, what happens if you play that out for a few years?
Bowman 的思考代表了一种认知的转变——从追求“巧”转向拥抱“大”。他预见到了规模化带来的不仅是性能提升，更是系统性质的改变和随之而来的更高风险与可能性，为理解后续 LLM 的爆发式发展提供了关键线索。
“理解”之争：意义的边界
技术飞速发展的同时，关于机器是否真正“理解”语言的争论也愈演愈烈。语言学教授 Emily M. Bender 成为了这场“理解之战”中的代表人物，她对当时围绕 LLM 能力的狂热讨论感到不安，并试图通过学术方式厘清边界：
我当时在 Twitter 上进行着这些没完没了的争论，并对此感到不满。其中一个是关于使用 BERT 来还原穆勒报告中被涂黑的部分，这是一个糟糕的主意。似乎总有源源不断的人想来找我说：“不不不，LLM 真的能理解。” 这是同一个论点，一遍又一遍地重复。我和（计算语言学家）Alexander Koller 谈话，他说：“我们干脆把这个写成学术论文版本，这样就不只是 Twitter 上的想法，而是经过同行评审的研究。这样就能结束这场争论了。” 但它并没有结束争论。
I was having these just unending arguments on Twitter, and grumpy about it. There was one about using BERT to unredact the Mueller report, which is a terrible idea. It seemed like there was just a never-ending supply of people who wanted to come at me and say, “No, no, no, LLMs really do understand.” It was the same argument over and over and over again. I was talking with [computational linguist] Alexander Koller, and he said: “Let’s just write the academic paper version of this so that it’s not just ideas on Twitter, but peer-reviewed research. And that’ll put an end to it.” It did not put an end to it.
Bender 的经历凸显了技术能力与哲学思辨之间的紧张关系。她和 Koller 试图通过“章鱼测试”等思想实验来界定“理解”，但这并未平息争论，反而折射出当技术表现超越传统认知框架时，我们对于“智能”、“理解”等基本概念的定义本身受到了挑战。
“职业生涯的生存危机”：GPT-3 的冲击波
当 GPT-3 在 2020 年向少数研究者开放测试时，其展现出的惊人能力给学术界带来了前所未有的冲击。计算机科学教授 Christopher Callison-Burch 的感受极具代表性，他将其描述为一场“职业生涯的生存危机”：
我获得了 GPT-3 测试版的早期访问权限，并亲自试用。我尝试了我近期博士生们作为毕业论文所做的所有事情，然后意识到——哦，我的天哪，一个学生花了五年时间做的事情？似乎我一个月就能复制出来。所有这些经典的 NLP 任务，其中许多我在职业生涯中都曾涉足或积极研究过，感觉就像一次性就解决了。就像，完成了。这真的、真的非常令人震惊。我有时将其描述为经历了一场职业生涯的生存危机。
I got early access to the GPT-3 beta and was actually playing with it myself. I’m trying out all the things that my recent Ph.D. students had done as their dissertations, and just realizing — oh my God, the thing that had taken a student five years? Seems like I could reproduce that in a month. All these classical NLP tasks, many of which I had touched on or actively researched throughout my career, just felt like they worked in one shot. Like, done. And that was just really, really shocking. I sometimes describe it as having this career-existential crisis.
Callison-Burch 的震惊并非个例。GPT-3 的出现让许多长期耕耘于特定 NLP 子任务的研究者突然发现，自己多年的积累可能被一个通用模型轻易超越。这不仅是对个人研究方向的挑战，更是对整个学术研究范式和价值评估体系的拷问。
社区的分裂与反思：伦理与公平的凸显
技术的巨大潜力也伴随着巨大的责任和争议。以“Stochastic Parrots”论文为代表的批判性声音，引发了社区内部关于 LLM 伦理、偏见、环境成本和社会影响的激烈讨论。微软印度研究院的高级研究员 Kalika Bali 观察到了这场争论带来的分裂：
Emily 提出的一些观点是我们应该思考的。就在那一年，NLP 社区突然决定开始担忧它如何忽视了世界排名前五之外的所有语言——以前从没有人谈论过这些事情。但我不喜欢的是，整个 NLP 社区似乎都围绕这篇论文分成了支持和反对两派。这篇论文的发表是积极的，但看到你非常尊敬的人们彼此拔剑相向，也让人倍感压力。我实际上离开了 Twitter。我对此感到焦虑。
Some of the points that Emily makes are things that we should be thinking about. That was the year that the NLP community suddenly decided to worry about how it had neglected everything except the top five languages in the world — nobody ever talked about these things earlier. But what I did not like was that the entire NLP community kind of organized themselves for and against the paper. It was positive that that paper came out, but it was also stressful to see people that you really respect drawing swords at each other. I actually went off Twitter. I got stressed about it.
Bali 的评论指出了一个重要现象：当技术的影响力急剧扩大时，其潜在的负面效应和社会责任问题变得不可回避。虽然这些讨论是必要的，但也可能导致社区内部的对立和焦虑，反映了领域在努力平衡创新速度与审慎反思之间的张力。
ChatGPT 降临：“这个领域被打破了”
2022 年底 ChatGPT 的发布，将这场变革推向了高潮，其影响迅速从研究圈扩散到公众视野。艾伦人工智能研究所（AI2）的 Iz Beltagy 描述了 ChatGPT 发布后不久，在顶级 NLP 会议 EMNLP 上的场景，那是一种普遍的震惊和迷茫：
一夜之间，很大一部分研究人员正在研究的许多问题——它们就这样消失了……在 EMNLP（自然语言处理经验方法会议）期间，我感受到了那种恐惧和困惑，这是顶级会议之一。它发生在 ChatGPT 发布一周后的 12 月。每个人仍然感到震惊：“这会是最后一届 NLP 会议吗？” 这实际上是有人亲口说出的话。在午餐、鸡尾酒会和走廊里的交谈中，每个人都在问同一个问题：“我们还能研究什么？”
In a day, a lot of the problems that a large percentage of researchers were working on — they just disappeared... I sensed that dread and confusion during EMNLP [Empirical Methods in Natural Language Processing], which is one of the leading conferences. It happened in December, a week after the release of ChatGPT. Everybody was still shocked: “Is this going to be the last NLP conference?” This is actually a literal phrase that someone said. During lunches and cocktails and conversations in the halls, everybody was asking the same question: “What is there that we can work on?”
Beltagy 捕捉到的“恐惧和困惑”以及“最后一届 NLP 会议”的疑问，生动地展现了 ChatGPT 对整个领域带来的颠覆性冲击。许多传统的研究方向似乎在一夜之间变得“无关紧要”，迫使研究者们重新思考自己的定位和未来的研究议程。
以假乱真的模仿：智能边界的模糊
ChatGPT 不仅在研究层面带来冲击，其强大的生成和模仿能力也直接挑战了我们对人类创造力与机器能力界限的认知。普林斯顿大学语言学和计算机科学教授 Christiane Fellbaum 分享了一次令她震惊的课堂经历：
就在上课前，一个我还不认识的学生走过来，给我看了一篇印有我名字和抬头的论文，说：“我真的很想上您的课——我研究了您的工作，找到了您的这篇论文，但我有几个问题想问。您能回答一下吗？”……就在我努力回忆的时候，他歇斯底里地大笑起来。我说：“什么事这么好笑？” 他说：“这篇论文是 ChatGPT 写的。我让它‘以 Christiane Fellbaum 的风格写一篇论文’，这就是结果。” 我并没有逐行阅读……但一切看起来都像是我会写的东西。他完全骗过了我。我走进教室，心想：“我该怎么办？”
Just before class, a student whom I didn’t know yet came up to me, showed me a paper with my name and title on it and said: “I really want to be in your class — I’ve researched your work and I have found this paper from you, but I have a few questions about it. Could you answer them?”... And while I was trying to refresh my memory, he broke out in hysterical laughter. I said, “What’s funny?” And he said: “This paper was written by ChatGPT. I said, ‘Write me a paper in the style of Christiane Fellbaum,’ and this is what came out.” Now, I didn’t read every line... But everything looked like what I would write. He totally fooled me. And I went into class and thought, “What am I going to do?”
Fellbaum 的故事极具画面感，它揭示了 LLM 在模仿人类写作风格上的惊人能力，这种能力不仅对学术诚信构成挑战，更深层次地，它迫使我们思考：当机器能够如此逼真地模仿人类独有的表达时，“原创性”、“作者身份”乃至“智能”的定义将何去何从？
新常态：从 NLP 到 AI 的融合
ChatGPT 发布一年后，NLP 领域的研究格局已经发生了显著变化。博士生 Liam Dugan 在 2023 年 12 月的 EMNLP 会议上观察到了这种转变：
热度简直高太多了，arxiv（预印本）上的成果如潮水般涌现，强度如此之大。你走在会场走廊里：一路到底，全都是关于语言模型的提示工程（prompting）和评估。感觉非常不同。至少，感觉那里的人比好的研究想法要多。它已经不再感觉像是 NLP，而更像是 AI 了。
The temperature was just so much higher, and the flood of arxiv [preprint] results was just so intense. You would walk the halls: All the way down, it was just prompting and evaluation of language models. And it felt very different. At the very least, it felt like there were more people there than good research ideas. It had stopped feeling like NLP, and more like AI.
Dugan 的观察点明了研究焦点的迁移。传统的 NLP 子任务研究让位于对大型模型的调优、应用和评估，研究边界扩展，使得 NLP 会议越来越像是更广泛的 AI 会议。这标志着一个新时代的到来，LLM 成为了研究的核心平台和基础设施。
拥抱影响力与争议：新时代的责任
站在 2024-2025 年的时间点，斯坦福大学语言学系主任 Christopher Potts 认为，NLP 和语言学正处在一个前所未有的关键时刻，伴随着巨大的影响力和责任：
这对语言学和 NLP 来说应该是一个不可思议的时刻。我的意思是，风险非常高。也许这是一个领域觉醒的时刻，意识到它现在拥有了不可思议的影响力。你不能再假装自己是一个安静的科学或工程领域，只是为了研究而研究——因为现在全世界所有的资金都在你身后，每个大公司都在试图对你所做的事情施加影响，语言模型正在各地部署。如果你取得了如此大的成就，你也必须接受争论将会变得激烈。不然还能怎样呢？
This should be an incredible moment for linguistics and NLP. I mean, the stakes are very high. Maybe it’s one of those moments of a field waking up and realizing that it now has incredible influence. You can’t pretend like you’re a quiet scientific or engineering field anymore that just does research for the sake of research — because now all the money in the world is behind you, and every big corporation is trying to exert influence on what you do, and language models are being deployed all over the place. If you achieve so much, you also have to accept that the debates are going to be heated. How else could it be?
Potts 的观点为这场变革提供了一个总结性的视角。NLP 不再是一个偏安一隅的学术分支，它已经站上了科技浪潮的中心舞台，手握巨大的塑造未来的力量，同时也必须承担随之而来的社会责任和伦理考量。激烈的争论不是麻烦，而是领域成熟和承担责任的必然过程。
A24: The Rise of a Cultural Conglomerate | A24 如何成为文化集团？
Mario Gabriele 是 The Generalist 的创始人，以其对科技公司和新兴商业模式的深度拆解而闻名。他的分析往往结合了详实的市场数据、战略洞察和引人入胜的叙事，旨在揭示塑造未来的底层力量。在这篇文章中，Gabriele 将他敏锐的分析框架应用于 A24，一家正在重新定义现代媒体格局的公司。
The Generalist 的分析始于 A24 在好莱坞生态中的“逆行”姿态。在一个被续集和超级英雄大片主导的时代，A24 选择了一条截然不同的道路，这种反差本身就极具戏剧性。
自 2012 年成立以来，这家总部位于纽约的公司走出了一条与众不同的电影成功之路。当好莱坞的主要制片厂在过去十年里大量生产超级英雄系列片时，A24 却拥抱了创作风险。创始人 David Fenkel 和 Daniel Katz 并非寻求安全的赌注，而是寻找真正的艺术片导演——然后全力支持他们。从一个角度看，这几乎是一种风险投资式的寻找“异类”；从另一个角度看，它类似于 LVMH 以设计师为中心的模式。就像在 Bernard Arnault 的奢侈品集团那样，对于 A24 来说，艺术家是至高无上的。
Since its founding in 2012, the New York-based firm has taken a contrarian path to cinematic success. While Hollywood’s major studios have spent the last decade pumping out superhero vehicles, A24 has embraced creative risk. Rather than looking to underwrite safe bets, founders David Fenkel and Daniel Katz look for true auteurs – then back them to the hilt. From one vantage, it’s an almost venture-like search for outliers; from another, it resembles LVMH’s designer-centric approach. As at Bernard Arnault’s luxury conglomerate, for A24, the artist is sovereign.
这里的 LVMH 类比并非偶然，它揭示了 A24 策略的核心——将创作者（如同奢侈品牌的设计师）置于中心，相信独特的艺术眼光本身就蕴含着巨大的商业价值。这种模式直接挑战了好莱坞传统的制片厂体系。当时的行业环境恰恰为 A24 的异军突起创造了条件。
类似的动态也发生在电影行业。大型制片厂掌握着必须部署的巨额资金。由于它们的规模，像派拉蒙、哥伦比亚或华纳兄弟这样的公司，投资 500 万美元于一个可能收入 3000 万美元的小型、投机性项目，在战略上意义不大。这就是为什么它们将精力集中在高预算项目上，这些项目有潜力在全球获得数十亿美元的票房。为了最小化这种支出的风险，主要制片厂倾向于选择安全的赌注，如续集和重启。当你能量产又一部《速度与激情》时，为什么要押注于一个未经证实的独立概念呢？
Similar dynamics play out in the film industry. The big studios preside over large war chests that must be deployed. Because of their size, it makes little strategic sense for players like Paramount, Columbia, or Warner Bros. to invest $5 million into a small, speculative project that might pull in $30 million. This is why they focus their efforts on high-budget vehicles that have the potential to gross billions globally. To minimize the risk of this outlay, major studios have gravitated towards safe bets like sequels and reboots. Why bet on an unproven indie concept when you can disgorge another iteration of Fast and Furious?
正是这种大厂对“安全牌”的路径依赖，为 A24 留下了广阔的空间，使其能够专注于那些被主流忽视的、更具个性化和艺术性的项目。但 A24 的成功不仅仅在于抓住了市场空白，更在于它成功地将这种独特定位转化为了强大的品牌认同，甚至培养出了一种罕见的“制片厂粉”。
它本身已成为一个品牌，以其怪诞、独特和精良制作而备受赞誉。虽然提到的影片在主题和风格上各不相同，但它们拥有某种共同的 DNA，一种 A24 的等位基因，难以言喻却确实存在。那种独特的本质催生了一种不同寻常的粉丝群体：电影观众不仅迷恋单部影片，也迷恋这家制片厂本身。这种消费者忠诚度对于那些站在幕后的人来说是不寻常的。尽管许多人可能喜欢他们讲述的故事，但很少有人会认为自己是派拉蒙的狂热粉丝、哥伦比亚影业的忠实拥趸或米高梅的超级粉丝。
It has become a brand unto itself, celebrated for its weirdness, distinctiveness, and craft. Though the titles mentioned differ in subject matter and style, they possess some shared DNA, an A24 allele, difficult to articulate but there nonetheless. That singular essence has spawned an unusual fandom: moviegoers are not only besotted with individual releases but the studio itself. Consumer devotion of this kind is unusual for those who stand behind the curtain. Though many may love the stories they tell, few would consider themselves Paramount obsessives, Columbia Pictures devotees, MGM ultras.
这种品牌力量的形成，并非仅仅依靠优质内容，还得益于 A24 对现代传播方式的深刻理解和娴熟运用，这在传统好莱坞是罕见的。
从战术角度来看，A24 的现代性是其故事中被低估的一个方面。是的，它的成功源于其差异化的品味和对艺术家的非凡支持。但它也是一个关于科技的故事。社交媒体的智慧支撑了公司的崛起，使其能够比那些思维更落后的同行更具成本效益地获取关注。它对互联网文化、迷因（memes）和病毒式传播机制的理解也同样重要。在过去十年里，没有哪家制片厂能比 A24 更有效地将自己融入在线时代精神中……
A24’s modernity, especially from a tactical perspective, is an underrated aspect of its story. Yes, its success stems from its differentiated taste and unusual support for artists. But it is also a technology story. Social media smarts underpinned the firm’s rise, allowing it to acquire attention much more cost-effectively than its more backward-minded peers. So did its understanding of internet culture, memes, and viral mechanics. Over the past decade, no studio has more efficiently inserted itself into the online zeitgeist...
这种“现代性”不仅体现在外部营销，也渗透到了公司内部的运作机制中。A24 的组织文化似乎借鉴了硅谷的 playbook，而非好莱坞的传统模式。
A24 差异化战略的起点是其独特的文化。在许多方面，它更像是一家受硅谷而非好莱坞启发的公司。“我们深受科技公司思考世界方式的影响，”一位高管评论道。另一位高管肯定了这一立场，称 A24“更像一家科技公司，而非传统的制片厂。”员工获得公司股权，公司采用扁平化的组织结构……最重要的是，A24 的管理层似乎希望提供构思和实验的自由。
A24’s differentiated strategy starts with its distinctive culture. In many respects, it’s a firm inspired by Silicon Valley rather than Hollywood. 'We’ve been very influenced by how technology companies think about the world,' one executive remarked. Another affirmed that position, referring to A24 as 'more akin to a tech company than a classic studio.' Employees receive equity in the business, and the company operates with a flat organizational structure... Above all, A24’s management seems to want to provide the freedom to ideate and experiment.
这种文化上的开放性和对创新的鼓励，结合其严谨的财务策略，最终赋予了 A24 在创意选择上的勇气和魄力，形成了其核心竞争力。
这种财务上的审慎让 A24 有信心在其他方面冒险——即在创意方面。从一开始，Fenkel、Katz 和 Hodges 就决定寻找“异类”的艺术片导演，那些拥有大胆、原创视野的人。他们的理论是，有天赋且具有独特视角的创作者会吸引寻求好莱坞陈旧续集模式解药的年轻观众。当其他发行商和制片人常常试图压制导演们更奇特的创作本能时，A24 采取了相反的方法，积极拥抱。“他们做的每个项目都是‘要么成功要么失败’(ride or die)，”一位流媒体高管谈到 A24 时说。“而且他们让创作者也感受到这一点。这是他们的超能力。”
Such fiscal prudence gave A24 the confidence to take risks elsewhere – namely, on the creative side. From the very beginning, Fenkel, Katz, and Hodges made the decision to seek outlier auteurs, those with bold, original visions. Their thesis was that gifted creators with a distinct point of view would appeal to younger audiences seeking an antidote to Hollywood’s stale sequel machine. While other distributors and producers often tried to subdue directors’ stranger creative instincts, A24 took the opposite approach, leaning in. 'Every project they do is ride or die,' one streaming executive said of A24. 'And they make creators feel that way. It’s their superpower.'
如今，凭借强大的品牌号召力和与消费者的紧密连接，A24 正迈向一个新的阶段：从电影公司向综合性文化集团的转型。
A24 品牌的实力及其与消费者的联系，为其最新的演变赋予了力量。在过去两年中，领导层 oversaw (监督执行) 了一次范围上的激进扩张，进军电视、纪录片、音乐、出版、化妆品、数字会员和实体体验领域。尽管这些举措中有许多尚未得到验证，但它们共同塑造了一种感觉：A24 与其说是一家电影公司，不如说是一个新兴的文化集团。尽管规模迥异，但 A24 对工艺的痴迷和对艺术家的推崇让人联想到 LVMH。显而易见，Fenkel、Katz 和公司从 Bernard Arnault 那里获得的灵感至少与从 Walt Disney 那里获得的一样多；这是将奢侈品 playbook 应用于现代媒体。
The strength of A24’s brand and its connection to consumers has empowered its latest evolution. Over the past two years, leadership has overseen a radical expansion in scope, pushing into television, documentaries, music, publishing, cosmetics, digital memberships, and physical experiences. Though many of these initiatives are unproven, they contribute to the sense that A24 is less a film business and more an emerging cultural conglomerate. Though operating at a very different scale, A24’s obsession with craft and elevation of the artist evokes LVMH. It seems obvious that Fenkel, Katz, and Company have drawn at least as much inspiration from Bernard Arnault as Walt Disney; this is a luxury playbook applied to modern media.
然而，前方的道路并非坦途。技术浪潮，尤其是人工智能的发展，给这个以“创作者至上”为信条的公司带来了新的复杂性。
随着人工智能的发展，未来几年要真正保持与创作者结盟可能会变得更加棘手。人工智能已经能够以极低的成本——几十或几百美元——在几分钟内创作出中等质量的内容……当有可能在 A24 的档案库上训练一个模型并自动生成下一部《月光男孩》(Moonlight) 时，会发生什么？当人工智能可以模仿工作室独特的调性和与创作者的联系时，这种优势还会存在吗？当然，这些问题并非 A24 独有，而是整个行业面临的问题。尽管如此，Katz 和 Fenkel 的公司必须在不疏远其目前所依赖的人才的情况下，继续推动边界。
As artificial intelligence advances, remaining truly creator-aligned may become thornier in the years to come. AI can already create moderately good content in minutes at extremely low cost – tens or hundreds of dollars... What happens when it becomes possible to train a model on A24’s archive and produce the next Moonlight, automatically? Will the studio’s distinct tone and connection to creators still be an edge when AI can approximate both? These questions are not unique to A24, of course, but to the industry at large. Nevertheless, Katz and Fenkel’s company must continue to push the boundaries without alienating the talent on which it currently relies.
更大的挑战可能来自于自身规模的扩张和随之而来的“主流化”诱惑。当 A24 开始接触和运作更大体量的 IP 时，它能否守住创立之初的“反叛”精神？
随着 IP 持有者寻求对旧材料的新演绎，A24 自然成为首选之地……这种量级的资产将使 A24 有机会将《瞬息全宇宙》(Everything Everywhere) 的 1.4 亿美元票房翻 10 倍。但这也将带来关键挑战……规模扩大十倍的 A24 还能是 A24 吗？在引导某个美泰 (Mattel) 巨头或孩之宝 (Hasbro) 精品时，它还能保持其独特的声音吗？……随着 A24 的扩张，它有可能变成它最初成立时所反对的那种工作室——续集和衍生品的供应商，复活 IP 的兜售者。尽管它可能会用不同的色彩渲染这些故事，但它将不再是原创声音和原创思想的拥护者。最重要的是，A24 必须防止变得像其他所有人一样。
As IP holders look for a fresh spin on old material, A24 is the natural port of call... Properties of this magnitude would give A24 the chance to 10x the $140 million Everything Everywhere grossed. But it would also present key challenges... Can A24 be A24 at ten times the size? Can it retain its singular voice when shepherding some Mattel monolith or Hasbro confection? ... As A24 expands, it risks becoming the type of studio it was founded in reaction against – a purveyor of sequels and spin-offs, a peddler of revivified IP. Though it might render these stories in different color, it would still no longer be a champion of original voices and original ideas. More than anything else, A24 must protect against becoming like everyone else.
The Generalist 的这篇文章描绘了 A24 从颠覆者到潜在行业巨头的非凡历程。它不仅记录了 A24 如何通过独特的品味、对创作者的赋能、以及对时代脉搏的精准把握而崛起，更深刻地指出了其在迈向“文化集团”的宏伟目标时所面临的内在张力与外部挑战。A24 的故事，成为了观察现代媒体演化、品牌建设力量以及如何在商业扩张中维系独特文化基因的一个绝佳样本。
最终的问题悬而未决，也因此更具启发性：那个曾经代表着“不同”的 A24，能否在更大的舞台上，继续保持它的与众不同？这不仅是 A24 需要回答的问题，也为所有在技术与文化交汇处探索的建设者提供了思考的坐标。
The Mechanics of Mafia by Peter Thiel | 彼得·蒂尔论“黑帮机制”
彼得·蒂尔（Peter Thiel），作为 PayPal 联合创始人、Palantir 联合创始人及硅谷著名的风险投资家，以其在《从 0 到 1》等著作中提出的逆向思维而闻名。他在“黑帮机制”（The Mechanics of Mafia）一文中，深入探讨了创业公司成功的关键要素之一：构建一个强大且独特的公司文化。Thiel 认为，这远比提供免费零食或装饰办公室更为重要。
文章的核心论点是，一个成功的创业公司需要的不仅仅是才华横溢的个体，更是一个紧密团结、对公司使命有深刻认同感、并乐于共同奋斗的团队。Thiel 将这种“黑帮”式的内部凝聚力与仅仅“专业化”的工作环境进行对比，指出前者即便从纯粹的财务角度看也更为有效。
Thiel 首先批判了硅谷流行的那种流于表面的“文化”——充满了豆袋椅、免费食物和宠物，却缺乏实质。他强调，这些外在的福利若没有深层根基，便毫无意义。
这幅景象有什么问题？它包含了一些硅谷闻名的荒谬福利，但没有任何实质内容——没有实质，福利就起不到作用。你无法通过聘请室内设计师美化办公室、请“人力资源”顾问修改政策，或请品牌专家打磨流行语来实现任何有意义的事情。“公司文化”并非独立于公司本身而存在：没有公司 拥有 文化；每个公司本身就是一种文化。创业公司是一群肩负使命的人组成的团队，而好的文化正是这个团队内部状态的体现。
What’s wrong with this picture? It includes some of the absurd perks Silicon Valley has made famous, but none of the substance—and without substance perks don’t work. You can’t accomplish anything meaningful by hiring an interior decorator to beautify your office, a “human resources” consultant to fix your policies, or a branding specialist to hone your buzzwords. “Company culture” doesn’t exist apart from the company itself: no company has a culture; every company is a culture. A startup is a team of people on a mission, and a good culture is just what that looks like on the inside.
Thiel 的这一观察直击要害：文化并非可以外加的装饰品，而是公司使命与团队互动方式的自然流露。它内嵌于公司的 DNA 之中，是公司“是什么”而非“有什么”。
接着，Thiel 将他在纽约一家大型律所的经历与 PayPal 的“黑帮”文化对比。在律所，同事们虽然共度大量时间，关系却显得淡薄；而在 PayPal，成员间形成了持久的强连接。他反对将工作关系视为纯粹的交易行为，认为这不仅冷漠，甚至不理性。
许多人似乎认为这是赚钱所必需的牺牲。但对工作场所持一种仅仅是职业化的看法，即自由人基于交易关系签到签退，这比冷漠更糟糕：它甚至不是理性的。既然时间是你最宝贵的资产，那么将它花在那些不期望与你共创长远未来的人身上，是很奇怪的。如果你不能将持久的关系算作工作时间的成果之一，那么你的时间投资就不算好——即使是纯粹从财务角度来看。
Many seem to think it’s a sacrifice necessary for making money. But taking a merely professional view of the workplace, in which free agents check in and out on a transactional basis, is worse than cold: it’s not even rational. Since time is your most valuable asset, it’s odd to spend it working with people who don’t envision any long-term future together. If you can’t count durable relationships among the fruits of your time at work, you haven’t invested your time well—even in purely financial terms.
这里的洞见在于，构建深厚的工作关系并非多愁善感，而是一种明智的“投资”。在一个需要长期协作、共同应对不确定性的创业环境中，这种基于信任和共同愿景的关系网络，其价值远超短期交易，直接影响到公司的韧性和执行力。
那么，如何吸引并留住那些愿意深度投入的人才？Thiel 指出，在与谷歌等巨头竞争时，通用的说辞（如期权、聪明同事、挑战性问题）已失去效力。关键在于阐明公司的独特性——不仅是使命的重要性，更是为何 只有你的团队 才能完成这项重要使命。
唯一好的答案是针对你公司的具体情况，所以你不会在这本书里找到它们。但有两种普遍的好答案：关于你的使命的答案和关于你的团队的答案。如果你能解释清楚为什么你的使命引人入胜，你就能吸引到你需要的员工：不是说它在普遍意义上有多重要，而是为什么你在做一件别人无法完成的重要事情。这是唯一能使其重要性变得独特的东西。
The only good answers are specific to your company, so you won't find them in this book. But there are two general kinds of good answers: answers about your mission and answers about your team. You'll attract the employees you need if you can explain why your mission is compelling: not why it’s important in general, but why you’re doing something important that no one else is going to get done. That’s the only thing that can make its importance unique.
这要求创始人超越泛泛的“改变世界”口号，清晰地定义并传达公司的独特价值主张和实现路径，以此吸引那些真正被这个特定挑战所驱动的人。
在公司内部，Thiel 分享了他在 PayPal 时的一个关键管理实践：确保每位员工只负责一件明确且独特的事情。这最初是为了简化管理，但却带来了更深层的好处：减少内部冲突。
我在 PayPal 担任经理期间做的最好的一件事，就是让公司里的每个人只负责做一件事。每个员工的一件事都是独特的，而且每个人都知道我只会根据那件事来评估他。我开始这样做只是为了简化管理人事的任务。但后来我注意到了一个更深层的结果：明确角色减少了冲突。公司内部的大多数争斗都发生在同事争夺相同职责的时候。创业公司尤其面临这种高风险，因为在早期阶段，工作角色是流动的。
The best thing I did as a manager at PayPal was to make every person in the company responsible for doing just one thing. Every employee’s one thing was unique, and everyone knew I would evaluate him only on that one thing. I had started doing this just to simplify the task of managing people. But then I noticed a deeper result: defining roles reduced conflict. Most fights inside a company happen when colleagues compete for the same responsibilities. Startups face an especially high risk of this since job roles are fluid at the early stages.
这个“单一职责”原则，看似简单，却是在混沌的初创环境中建立秩序、激发个体所有权和减少内耗的有效机制。它确保了内部的“和平”，让团队能量可以一致对外，而非消耗于内部摩擦。
最后，Thiel 大胆地将成功的创业公司比作“不那么极端的邪教（cults）”。他认为，两者的共同点在于拥有一种强烈的、内部共享的信念，以及对某个被外部世界忽视的重要事物有着近乎狂热的正确认知。
最好的创业公司或许可以被看作是稍微不那么极端的邪教。最大的区别在于，邪教往往在某些重要的事情上狂热地错了。而一个成功的创业公司里的人们，则在某些外部人士忽略的事情上狂热地对了。你无法从咨询顾问那里学到这类秘密，也不必担心你的公司在传统专业人士看来是否合理。被称为邪教——甚至黑帮——或许更好。
The best startups might be considered slightly less extreme kinds of cults. The biggest difference is that cults tend to be fanatically wrong about something important. People at a successful startup are fanatically right about something those outside it have missed. You're not going to learn those kinds of secrets from consultants, and you don’t need to worry if your company doesn’t make sense to conventional professionals. Better to be called a cult—or even a mafia.
Thiel 并非在倡导盲从，而是强调拥有一种独特且强大的集体认同感的重要性。这种近乎“信仰”的文化，能够驱动团队克服巨大困难，去实现那些在外人看来不可能完成的任务。敢于拥抱“邪教”或“黑帮”这样的标签，意味着公司拥有了与众不同的、足以形成壁垒的核心信念和凝聚力。