“不用AI的CEO，我会亲自干掉他！”亿万富翁马克·库班最新对话：看好Claude，但奥特曼迟早被自己反噬

主持人：但尽管宣传铺天盖地，我们的日常生活其实并没有发生太大改变。对绝大多数人来说，ChatGPT 顶多是偶尔尝个鲜，或者只是一个更好用的谷歌搜索。而所谓的 AI 智能体（AI Agent），听起来更是虚无缥缈的未来概念，在当下似乎毫无用武之地。你如何看待这种热度与实际落地之间的差距？

马克库班：我不觉得这中间有什么差距，真的一点都不觉得。从商业的角度来看，既然今天台下有这么多商业人士和学生，如果你现在还没有开始使用大语言模型——无论是 Claude（我的最爱）、ChatGPT、Grok 还是 Gemini，你其实都已经严重落后了。

而如果你在一家公司工作或者自己经营公司，却连什么是“智能体”都不知道，那你真的落伍了。

倒不是说 AI 已经变得多么聪明。它又不是阿诺德·施瓦辛格（终结者）突然破门而入，也不至于立刻接管一切。但就像历史上每一次技术工具的变革一样，它正在产生深远的影响。

我经历过很多技术浪潮，还记得当年向别人推销个人电脑（PC）时，他们说：“我们不需要这玩意儿。” 后来我又对人们说：“我们要把这些电脑联网。” 为此我还专门开了一家公司，结果他们又说：“联网干嘛？我把软盘拔出来，直接用软盘拷到另一台电脑上不就行了。”

接着互联网诞生了，人们又问：“互联网是什么？”我们创立了 AudioNet（世界上第一家流媒体公司），当时大家都觉得我是个白痴。他们说：“等等，你想用电脑来听体育广播、听收音机、看视频？伙计，我直接打开电视和收音机不就好了吗？”

历史总是在不断重演。永远有那么一小撮人敢为天下先，也永远有一群人在习惯性否定。但往往是那些敢于率先尝试的人，最终走得更远。我觉得今天的 AI 也是一回事。

主持人：可是等等，我做过功课。就在不久前的 2026 年 2 月，你还把 AI 比作“宿醉未醒的实习生”，对吧？

马克库班：但我现在指的是智能体（Agent）。我的意思是，当你部署一个智能体时——不管是基于 Claude 还是别的什么模型——它能帮你搞定所有你懒得做的繁琐琐事，以及那些你一直想做却抽不出时间的事情。

这相当于你招了个实习生，星期五早上他可能还宿醉未醒——话说实习生不都这样吗？——但现在用智能体，你就能轻而易举地把这些事情全办了。你甚至可以让那个实习生昨晚玩得更晚、今天来得更迟，因为这个 AI 智能体会 7x24 小时无休工作。

主持人：这一路上你也表达过一些怀疑。我非常赞同你的观点，现在确实是必须开始使用它的阶段，但相比那些狂热的鼓吹者，我觉得你对 AI 的评价一直是非常克制和客观的。

你曾亲身历经了几次重大的技术变革。如今，那些 AI 实验室把当下描述为一个“指数级增长”的时刻。这是一个奇妙的阶段，未来的地平线似乎正在向我们加速逼近，而不是渐行渐远。他们认为，这与以往那些呈线性发展的技术迭代完全不同——过去的变革虽然重要，但都是线性的。你站在哪一边？是指数级，还是线性？

马克库班：指数级。

主持人：为什么这么说？

马克库班：因为它的更新换代实在是太快了。如果是线性的，就像以前的个人电脑时代，甚至是第一代 iPhone 面世时——大家应该还记得，你买了第一部 iPhone，然后听到新一代 iPhone 的消息，无非是运行更快、内存更大、信号更好。

这就是线性发展。只是一步一步地往前挪，你安分地等待下一步。直到最后进入边际效应递减的阶段，你甚至都不在乎现在 iPhone 出到第几代了。它确实挺好，但并没有什么石破天惊的创新能让你非得换掉它不可。

但 AI 的变化却如同狂风骤雨。智能体 AI 能够胜任各种各样的工作。如果你想编程，它让每个人都能轻松上手。比如在我的 Cost Plus 药品公司，我喜欢把我们的定价与其他竞争对手进行对比。我直接对 Claude 说：“去这三个网站。这是 Cost Plus 药品的全部产品清单。找出其中最贵的 25 种，每周给我出一份价格对比报告。” 12 分钟后，砰，报告就出来了。

这在以前是不可想象的。虽说我也能写软件——至少以前会写——或者你也可以雇个人来写，甚至让宿醉的实习生去倒腾。但现在，你只要在手机上跟 Claude 说一声，然后要求“我想在任何浏览器上都能一键打开”，如果它犯了几个小错，你只需说：“不对，这里调整一下。把格式改了，我想要这样的排版”，然后你和它一来一回进行微调——这就是非线性的。它的发展曲线是直接冲向右上角的。

主持人：你能聊聊这个“宿醉实习生”的比喻是怎么来的吗？你遇到过很多这样的人吗？你自己当年也是其中之一吗？

马克库班：我做过的工作里没几样是干得好的，不过这一项我绝对很擅长。

主持人：如果这是指数级增长，那么它的终点在哪里？你说得对，iPhone 确实遇到了瓶颈期，15、16、17 代看起来都差不多。我今天早些时候聊到 iPhone 时，甚至一时间想不起现在到底出到第几代了。

马克库班：刚才我们聊到这儿的时候，我也一下子没想起来。

主持人：我可是专门追踪这个行业的，连我都记不清了。如果 AI 不会像手机那样遇到瓶颈，这项技术最终会走向何方？

马克库班：说它不会遇到瓶颈，和说它目前呈指数级暴涨是两码事。它可以在一段时间内继续呈指数级增长，不断改变自身功能、拓展应用场景，并深度重塑商业、教育等众多行业，但最终也可能走向平缓。

举个最典型的例子来说明现在的 AI 还不够聪明。如果你是一位盲人，在十字路口准备过马路，身边有一只导盲犬，手里拿着一部装有 AI 的手机。如果要在导盲犬和用手机 AI 导航之间二选一，我每次都会毫不犹豫地选择导盲犬。

纵观当下的 AI 以及可预见的未来，它根本无法预料自己行为的后果。如果你向 ChatGPT 或其他类似模型咨询，而它给了你一个糟糕的建议，它完全不知道你会因为听信这个建议而面临什么后果。

但是，一个坐在婴儿椅里的两岁小孩却知道，如果他把吸管杯推下桌子，妈妈就会跑过来，而他自己则会咯咯大笑。小孩知道自己举动的后果，也预判得出反应，这就是两者的本质区别。

所以，虽然 AI 是个极佳的商业工具，但它绝对不是包治百病的灵丹妙药，不可能替你做所有的决定。现在的 AI 使用者正分化为两类人：一类人使用 AI 是为了让自己可以什么都不用学，而另一类人使用 AI 则是为了让自己能学到一切。

比如，我可以对 AI 说：“我要给老板写份报告，帮我弄一份。”输入要求后，它提供研究数据，我直接交差。或者，我也可以这样用：“我老板对这个主题很感兴趣，需要一份报告。我想借此尽可能多地学习，利用不同的 AI 模型找出实现这个目标的最佳解决方案。我想深入了解这个领域，以便今后能提供更好的帮助。”

让人担忧的是那些只想应付差事、根本不想学习的人。但对于乐于学习的人来说，AI 是前所未有的知识民主化利器。即便一个八岁的孩子，生活在全球最贫困的地区、最糟糕的家庭环境中，只要他能接触到一部智能手机，能访问 chatgpt.com 或 claude.ai，他就拥有了世界上几乎所有的图书馆、教授和顾问资源。他可以提任何问题：“我想了解社会学和宪法，”不管是什么，只要说一句“教教我”，AI 就会专门为他定制一套教学计划。

对于那些利用 AI 去主动求知、心怀好奇并不断汲取新知识的人来说，AI 简直不可思议。只要你善用 AI 学习，你就永远能比身边的人更具竞争优势。但如果你只是把它当作逃避工作的“宿醉实习生”，那你在未来的竞争中会非常吃力。

主持人：稍微插一句。其实 AI 变得越来越聪明的过程，和那个扔吸管杯的小孩很像。实验室训练这些模型的方式，就是设定一个目标行为。当 AI 达到目标时，就给予奖励；没达到时，就没有奖励，它以此学会如何自我优化。所以也许它甚至能去按——

马克库班：但你必须先明确你所追求的优化目标。你必须定义所有的目标，并且了解全部的背景和上下文。然而在现实生活中，我们不可能未雨绸缪地知道所有背景。我们不知道下一步会发生什么，也不知道它会多快发生。并非所有现实中的信息都能用于训练这些模型。

比如你现在去问任何一个 AI ：“告诉我伊朗战争的结局会怎样。” 不管它给什么答案，基本上都毫无价值。你必须清楚 AI 的输出在什么地方才能契合你的实际目标。在游戏里训练 AI 很容易，因为变化是有限的。但在现实生活中，要理清各种背景复杂关系要困难得多，而且训练的效果也大打折扣。

相比之下，商业领域通常有明确的目标、标准、路径和流程，因此 AI 是优化这些环节的绝佳工具。

当下的创业与企业生存法则

主持人：那么，在拥有这些现成工具的今天，该如何创业呢？这与过去的创业方式有什么不同吗？为了服务客户，你要把客服工作完全交给这些 GPT 模型吗？关于如何运作一家公司，应该还有更底层的问题。

马克库班：这主要取决于你的企业处于什么生命周期。你是刚刚起步，还是已经有了一定的规模？如果你已经拥有了一家公司，那些你之前考虑外包的业务——比如客服呼叫中心之类的——现在用 AI 智能体来做就再合适不过了。那些你以前想交给实习生做的事，AI 智能体同样能完美胜任。

如果你经营的是一家大企业，我们经常听说有大型上市公司投入巨资引入 AI，却根本看不到投资回报。人们纳闷：既然 AI 这么好，为什么会这样？这是因为你的公司一直在按照原有的模式运转。要想真正发挥 AI 的威力，你必须彻底重构业务流程，将企业核心建立在 AI 之上。

这就像在电脑普及前和普及后经营一家公司。两者的运作方式是完全不同的。

如果现在利用 AI 创办一家新公司，你可以通过无数种方式来利用智能体 AI 跑通流程、优化沟通环节，并利用大语言模型来加快效率。把 ChatGPT 或 Claude 当作文字创作的效率神器就是个极好的窍门。

比如我们今天收到一封邮件，有人询问我们网站的一些情况，这其中涉及法律条款。我直接把整封邮件复制粘贴到 Claude 里，附上网站链接，然后说：“帮我列出所有需要考虑的应对方案。”

换作以前，我肯定会说：“好吧，我得找律师，还得找这几个部门的负责人。”但现在，我自己用 AI 过一遍，自己先研究明白，然后再去找相关负责人确认：“这样行得通吗？”这样一来，我付给律师的咨询费变少了，和业务负责人沟通对齐的时间也大大缩短。在当下创业，你走的路会和前 AI 时代完全不同。

主持人：这也解释了我最开始提的那个问题：为什么我们现在面对着如此强大的技术，它却还没有完全渗透到我们生活的方方面面。正是因为你刚才提到的原因。

遇到问题先去问 Claude，在找律师前自己把方案捋一遍，如果你是公司掌舵人，这当然很好。但对于那些习惯了按部就班、运行了很久的传统公司来说，必须给那些非高层的普通员工一定的“创新授权”，让他们能够主动尝试：“我要把这项技术发挥到极致，在现有体系内搞点突破。”

马克库班：没错。我对我那快大学毕业、准备去咨询公司上班的女儿说：“你必须学会这个。如果你不掌握怎么用 Claude 或者智能体搞定各类复杂工作（比如用自然语言写代码的 Vibe Coding），别的懂这行的人随时会取代你。”

主持人：但更关键的问题在于，她的老板会允许她这么做吗？

马克库班：不，这根本不是问题。你必须把它当作工具，去摸透它的逻辑，这样随着它的演进，你才能跟上它日新月异的变化。如果你的老板支持你利用这些额外的技能，那很好。如果他们不支持，那他们在这个位子上也坐不了多久了。

如果 CEO 不明白这一点，他很快就会下台。如果董事会还执意留用一个不愿利用 AI 来建立竞争优势的 CEO，你一定要告诉我，我好去开家新公司，狠狠地击败他们。

现实就是这么残酷。这和我们当年做流媒体时一模一样，当时的情况是：“好，现在用电脑看视频非常折腾，但终有一天，你只要点一下，视频就会播放出来。”这就是我们今天的现实。你必须有远见，看清你的业务前景，学会使用当下的工具，并预判这些工具会将你带向何方。

尤其是现在有了 AI，企业面临的最大挑战在于，CEO 是否有决心打破现状、大刀阔斧地重构公司。如果不自我革命，就会有竞争对手以极低的成本来革命，把你干掉。归根结底，未来三年里只会有两类公司：一类是精通 AI 的公司，另一类是倒闭的公司。

主持人：这么说，我们即将迎来一个全新的竞争时代，因为对于那些想要入局颠覆行业的人来说，大门已经彻底敞开。

马克库班：门早就已经敞开了。你们现在所有人都可以拿出手机，打开自己最常用的大模型，想出一个创业点子。不用跑来问我：“马克，这个点子好不好？” 直接对 AI 说：“听着，这是我想做的事。给我写一份商业计划书，列出这个项目的优势、劣势和潜在陷阱，告诉我应该如何融资，以及商业模型应该是怎样的。”

十分钟后——我给你们举个我自己的例子。当我开始自学这些工具时，我想：“我要设计一个概念，看看能不能一路搞到申请专利的程度。” 于是我对 AI 说：“我们来设想一下，在衬衫上扣一个带摄像头的纽扣，能 24 小时不间断录像，然后自动传输到我的手机或电脑上保存。我需要一份商业计划书、一份材料清单（BOM），以及一份专利申请书。” 只用了 12 分钟。

当然，里面的内容百分之百正确吗？并没有。但我接着对它说：“好的，帮我列出这些原材料的所有潜在供应商和估算成本——就是制造这个产品所需的一切。” 两分钟后，搞定。

这些东西不需要完美无瑕，但想想在过去，你要做同样的事得费多大劲。如果换作以前，我得去谷歌搜索“我打算做这么个东西”，然后屏幕上会弹出 15 个蓝色链接。其中大半是毫无用处的垃圾信息，浪费了你的时间，而你还得一个个点开筛选。现在呢？AI 基于庞大的训练数据，计算出最可能给出的最优回答，再按照你指定的格式自动整理汇总。你有任何疑问，直接继续追问就行。

它绝对是一个极其强大的省时利器——一个不仅省时、还能随时满足好奇心和求知欲的工具，这对世界上的每个人都极具价值。正如我所言，无论你是 6 岁的小孩还是 96 岁的老人，只要你想搞懂某件事，它就能帮你快速实现。而且随着 AI 越来越强大，它的影响力还会更上一层楼。

主持人：但从另一个角度来看，作为投资人，你难道不会因为收到大量格式雷同的垃圾推介信而感到有些烦恼吗？众所周知你一向会亲自回复邮件。我相信你最近在收件箱里也注意到了和我们一样的情况：现在的很多来信听起来如出一辙，明显都是 ChatGPT 写的。

马克库班：哈哈，不过我已经写了个智能体，专门识别并拦截这些邮件。真的。虽然垃圾邮件很多，但我以前收到的也不少。

在《创智赢家》（Shark Tank）节目里，人们总是向我兜售“下一个优步”或者“下一个某某”，大家就喜欢跟风抄袭。我常说，如果已经有一千个人在做同一件事，你为什么还要去做第一千零一个？如果有上万人，你为什么还要去做第一万零一个？这跟现在的 AI 乱象是一个道理。

我们未来会不会在某种程度上产生反 AI 的情绪？当然会。正因为 AI 太泛滥了，我们反而会更渴望线下真实的接触。相比于第 10,000 封冷冰冰的、写着“嗨，我看了你的领英主页，觉得你非常聪明，我觉得你很适合这个岗位”的邮件，人们会更加珍惜面对面的交流和活动。我当时心想：“你居然把这种群发邮件发给我？没搞错吧？”

主持人：那你申请了没有？

马克库班：申请了。

的确，现在会有很多令人啼笑皆非的过度现象，但这只是因为我们还处于初期阶段。每个人都在摸索各种花样。这些东西最终很多都会进垃圾箱。就像我们现在接到的骚扰电话虽然烦人，但至少现在手机能识别并标记为“疑似骚扰”，而在以前可不行。电子邮箱和其它的沟通工具也会发生类似的改变， AI 会进化到足够的水平，让“试图绕过拦截的投递 AI”与“反垃圾 AI 过滤器”在后台展开暗战。这只是技术发展的必然规律。

主持人：不过这难道不是件很酷的事吗？虽然它让所有人写一封推介信的门槛降低了，但也赋予了那些不懂技术的普罗大众去开发出“最小可行性产品”（MVP）并亲自展示给你看的能力。

马克库班：确实如此，完全同意。我想你也遇到过很多这样的人，我们都遇到过，他们说：“嘿，我有一个关于 App 的点子。你有认识的程序员吗？哦，没有就算了。” 以前他们根本不可能把想法落地。但现在不一样了，你真的可以自己搞出来，直接让 Claude 帮你写。以前，人们说：“我得去融点钱才能去雇个开发。”现在时代变了。

如果你你连去问问 Claude、学点东西、把自己的最小可行性产品搭出来都不愿意或者想不到，那我也绝对不会投资你。不论是创业者、员工还是学生，最核心的能力就是“好奇心”。而想要满足并持续激发这种好奇心，AI 就是最好的帮手。

我年轻的时候，常去书店坐在地上白嫖看那些买不起的书，或者泡在图书馆里。现在其实是一回事。就像我们很多人当年刚接触互联网时一样，会在各种信息里废寝忘食地钻研。但现在，获取知识的过程变得更快、更容易、更直接了。它就是一个更棒的工具，你需要去学会掌控它。

SaaS 行业的危机与专有知识产权的护城河

主持人：还有一个现象。现在的资本市场正在惩罚那些软件公司的股票，因为开发软件变得太简单了。投资者开始意识到，很多规模化的现成软件其实无法完美贴合用户的个性化需求，留留下巨大的被颠覆空间。有了 AI 之后，我们可以开发出多得多的定制化软件，有人甚至把这称为“SaaS 行业的末日危机”。你觉得当前的这一轮股价暴跌是合理的吗？

马克库班：很难一概而论。关键取决于具体的公司。

主持人：那太好了，我非常想听听哪些公司是安全的，哪些又在被淘汰的边缘。

马克库班：具体名字我就不点了。核心在于，你必须拥有某种不愿公开分享的独特知识产权（IP）。

举个例子，比如 DocuSign（电子签名巨头）。你可能会觉得签合同、电子签名这事儿很简单，Adobe 和其他公司都能做。但 DocuSign 是一家全球化企业，在签署法律文件时，每个城市、每个州、每个国家的法律条文都千差万别，你必须完全吃透这些细则。这种对各地法规的专业掌握就是他们独特的护城河，他们绝不会允许 AI 无偿获取这部分产权。

主持人：但反对的观点马上会说：AI 智能体自己也能去检索并输入地方规章啊。

马克库班：不，你首先得清楚该把文件投递到哪里。不然你想让它干嘛？去爬取全世界每个国家、每个州、每个城市的每一个地方官网上万条细则？光是消耗的 Token 算力费用可能就远远超过你所获得的收益了。

如果一家公司的软件包含了独特知识产权——我说的 IP 不仅仅指“我们的软件性能更好一些、速度更快一些或者更便宜一些”——而是指他们拥有一个独一无二的专用数据库，且不打算开放给 AI 训练的机密数据，那么这些公司就能安然无恙。但如果他们的商业模式只是简单地按账号数量（按座席）卖标准化的通用软件，那他们现在就大难临头了。

主持人：当时有传言说 Anthropic 准备发布一个法律插件，某些软件的整个法律板块市值瞬间蒸发。但这听起来可能确实有点反应过度，毕竟那些软件公司手里确实掌握着行业私有数据。

马克库班：很难说，因为这些数据中很多其实是源自美国联邦法院电子诉讼卷宗系统（PACER）及其他公开的法律数据库。我之前跟一家律所聊起过类似的话题，我问：“能不能把你们的所有诉状和法律文书拿来训练 AI？”他们拒绝了：“不行，这些是专有资产，涉及特定的客户隐私，不能公开分享。”但那是对律所而言，而不是针对普通的法律服务软件。

主持人：谈到另一个可能被颠覆的领域——咨询，人们经常提及，因为类似方案落地、业务分析之类的工作，通过精心编写提示词，可能直接一键就生成了。你刚才提到你的女儿即将步入咨询行业，你支持她的这个逆境决定吗？

马克库班：当然支持。在未来很长一段时间里，必然需要大批人才去指导各大企业如何引进 AI。这不仅包括技术的实施，更重要的是如何彻底重组他们的商业模式。当你的目标是利用 AI 提高生产力、提高利润率并增强竞争力时，整个运作机制将与过去截然不同。

这些 CEO 们面临的最艰难抉择是：“在深知股价可能会暂时大幅下跌的情况下，我是否有破釜沉舟的勇气彻底打破原有的业务，然后从头开始重建？” 而在咨询公司工作，你应该能掌握许多非公开的专有行业知识，从而可以陪伴并协助这些 CEO 顺利度过转型期。

主持人：我们来简要聊聊 AI 的商业模式。站在你的角度，看到投入到这些 AI 独角兽企业身上的天量资金，一定会觉得很有意思。OpenAI 最近宣布他们融资了 100 亿美元，这差不多是历史最大规模 IPO 的三倍。而且他们还计划在未来几年投入超过一万亿美元用于基础设施建设。我很想听听你的看法，不是单看这笔巨额开支本身，而是要实现这笔投资的预期回报，到底需要做多大的商业体量。

马克库班：他们根本不可能收回成本。这钱跟扔了没什么两样。我不是说 AI 在规模化应用上行不通，但你看苹果，他们几乎没在这上面花什么冤枉钱，却已经搭建好了底层生态，能让各种模型轻松接入、即插即用在数以亿计的终端设备上。

市场上现在充斥着关于巨额开支的恐慌、不确定和质疑（FUD）。什么“因为要建数据中心，我们必须砸下一万亿美元。” 但其实硬件的算力会变得越来越快，成本也会变得更低，其降价速度之快会超乎所有人想象。我觉得他们四处吹嘘的那些惊人数字最终根本无法兑现，这也是为什么我说他们是在信口开河，不可能发生的。

那些孤注一掷的玩家，有些手里的现金流甚至快撑不住这笔支出了，我也理解他们为什么要这么拼。但我依然不相信每个人都能成功突围。

究其原因，是因为我们还不确定基础大模型（比如 ChatGPT、Gemini、Grok、Claude 等）的商业结局，到底会像流媒体行业那样——有一个老大哥带着几家勉强分一杯羹（或者说至少有些能赚到钱）的跟风者，还是会像搜索引擎市场那样——赢家通吃，最终只剩下一家独大。所以他们必须竭尽全力去融资、梭哈、烧光每一分钱，甚至环游世界去拉关系，只为确保自己成为最后的唯一赢家。这感觉就像《黑客帝国》里的墨菲斯寻找救世主——我甚至在等基努·里维斯推门进来。

这是一条极其艰难的路，我觉得它无法带来他们所预期的回报。这基本上就是在规模化地打水漂。虽然很难，但如果你不这样表现出孤注一掷的态度，你就无法继续维持后续融资。在技术路线充满变数、前景铺朔迷离的局势下，一旦你的融资链条断了，那就彻底出局了，因为如果你成不了最后的生存者，你的麻烦就大了。

主持人：让我替他们辩护几句。目前在 AI 领域，我们注意到训练方向正在从通用性变得更加垂直，大家都在攻坚特定的专业能力。比如我们知道 Anthropic 在代码方面很有建树，而 OpenAI 在医疗健康领域深耕。要在这些垂直学科里训练出顶尖的能力是非常困难的。我们看到像 Anthropic 在编程代码上领先了一阵子，就是因为他们在此术业有专攻。这向我传达了一个信号：未来也许会有多个细分领域的赢家并存。

马克库班：但在像医疗这样具体的垂直领域，像 Open Evidence 这样的垂直厂商实际上正在大量收购知识产权，而 ChatGPT 并没有这么做。

你很快就会看到一个越来越普遍的趋势：手握知识产权的人，申请专利的积极性会大大降低。因为一旦你公开申请了专利，任何人都能查阅，这意味着所有的 AI 模型都能不费吹灰之力地把它喂给自己训练。

当我代表 Cost Plus 药品公司去拜访各大医院、科研院所和高校时，我总是劝诫他们：“不要发论文，直接卖授权。”一旦你公开发表了，虽然面子上很好看、让你在学术界声名鹊起，但也意味着所有大模型转瞬间都能把它吃透，你的先发优势直接就没了。对于这些垂直领域的应用来说，我并不确定它们未来还能否买到他们急需的核心 IP。

Anthropic 开发的 Claude 专注于编程，这本质上不能算作垂直行业，因为代码能力是通用的。它是流程驱动的，我觉得这个策略非常聪明。

但反观其他的模型，Gemini 有着天然的优势，因为谷歌搜索已经全面接入了 Gemini。如今你的每次搜索都会直接返回一个 AI 提炼的回答，而且谷歌可以在这个回答旁边卖广告。我不确定 Meta 后面会有什么大动作，我也不知道 OpenAI 最终会何去何从。因为医疗对 OpenAI 来说只是一个功能点，而不是主打产品；但在 Open Evidence 这类垂直应用上，这才是核心卖点，其他竞品只要愿意花钱砸核心 IP 也能随时追赶。

而且还有个更大的死结：回顾现在以及未来几年的这些基础大模型，它们基本都是建立在文本和图片的基础上的，很少真正理解视频。它们对物理世界的真实运作逻辑一无所知。就像我之前举的例子，那个两岁小孩把吸管杯推下餐椅——AI 根本无法像人类一样产生直观的物理常识感知。即使你给它喂了海量的信息，它也自己推导不出  这样的公式，因为这需要建立在对物理法则、对整个物质世界的深刻理解之上。

我们正在经历从“大语言模型”到“世界观模型”（worldview approach）的跃升，后者建立在对现实世界物理规则的掌握以及对视频内容的精准理解之上。我投资了一家公司，他们正在发射卫星，能够从太空识别地面上各种天然物质的化学和物理构成，是木材、岩石还是别的，就像光谱仪一样。我认为这种物理层面的感知研究，未来会降维打击 Claude 或 Grok 目前做的很多纯文本文字处理工作。

在我看来，我们现在连 AI 冰山一角的最美妙处都还没看到，未来的发展会超乎所有人的想象。所以，想想这些巨头们烧掉的这么多钱——你看，如果你像 Claude 那样拥有最拔尖的编程能力作为安身立命的底盘，那非常棒。但其他大模型所谓的独特核心竞争力到底在哪儿，我真不清楚。你清楚吗？

主持人：我也不知道。不过，我的意思是，如果最后能有三到四个大赢家并存，这个市场规模应该也足够养活他们了吧。

马克库班：最多三个。再多的话日子就很难过了。到头来你可能就只是一个平平无奇的网页，或者一个普通的 App，而你却为了做一个 App 砸进去了一万亿美元。这学费交得也太贵了。

大模型巨头们应该多去俯下身关注那些基层的应用

主持人：让我问你一个问题。你在全美名声大噪，很大程度上是因为你身上那种敢说敢做、挑战传统规则的叛逆精神。

马克库班：怎么可能，没有的事。

主持人：那在如今的行业领袖里，比如 Sam Altman 或者 Dario Amodei 身上，你能看到自己当年的影子吗？

马克库班：Dario 身上或许还有点，但 Sam 身上绝对没有。

主持人：能详细展开讲讲吗？

马克库班：Dario 现在整天在试图危言耸听，吓唬大家，但这其实是吸引投资的老套路。当年我们做 Broadcast.com 时，我也到处鼓吹：“我们要彻底颠覆有线电视和卫星接收器之类的一切。” 

当时显然没做到，但我一直对外讲：“再过几年就会实现了。” 

三十年后的今天，我们才算是真正做到了。

Dario 一直在推着 Claude 往前走，正如你提到的，他们在编程和智能体上的独特护城河确实立住了。而且我觉得他们也意识到了未来必须朝着“世界物理法则模型”演进。

但 Sam 有些过于不着边际了，我觉得这迟早会反噬他。比如他们曾经计划包下某家公司 40% 的存储芯片，结果最近又单方面毁约。

做生意不能这样。到了一定时候，大家就会失去对你的信任，不愿再跟你合伙。

我还听说，他们刚把他从安全委员会调整到了别的岗位。不可否认 Sam 创造了许多了不起的成就，但在我看来，他们现在很多公开发声，除了有利于拉投资之外，对整个行业并没有什么实质益处。

主持人：如果让你给他们提建议，你会说什么？

马克库班：他们根本不需要我的建议。现在这个行业太早期了，变化也太迅速。关键是要尽可能广泛地建立生态连接。但我认为，相比于只和顶尖程序员打交道，大模型巨头们应该多去俯下身关注那些基层的应用。

苹果在某些方面就做得非常聪明：对于每个手拿 iPhone 的用户来说，大模型都是即插即用的。他们可以自由选择并随时更换他们想接入的任意模型。这就像苹果以前处理搜索引擎一样，要么自己付费使用最好的，要么向大模型收费提供入口。

我认为应该多去到孩子们所在的地方，指导学校如何把 AI 运用到教学中去，让它真正成为推动教育公平的民主化工具，并帮助老师去重新点亮每一个孩子眼神中的渴望。

我们现在的教学模式依然非常传统：老师站在台上，制定教学大纲、照本宣科，所有人听课的进度和内容完全一样。然后我们还希望所有学生能对同一道题给出标准答案。一旦有学生卡壳，老师就会抓狂。

老师们的痛点在于，他们被迫对班上的每个孩子提千篇一律的问题，让他们写格式雷同的期末作文。实际上，每当我跟老师交流时，我都对他们说：“对你们而言，最难也是最珍贵的，是点亮孩子眼里的光芒，让他们发自内心地对某一门学科产生真正的兴趣。” 

有了 AI，你就能为每个学生定制个性化的教学方案。

比如你可以说：“今天我们上美国历史课，学习宪法。六年级的小比利基础比较薄弱，所以我们用 AI 为他量身制定一个学习计划。它会根据小比利掌握的节奏进行，并根据他的答题情况实时调整提问难度，同时向老师和家长同步小比利的学习进度，让他们随时掌握孩子的情况。”

我们甚至还可以用 AI 来进行兴趣定制。如果他比起乔治·华盛顿，对保罗·里维尔的传奇故事更感兴趣，那就可以让 AI 多花点篇幅讲保罗·里维尔，从而激发他的积极性。

无论什么学科，AI 都能提供这种千人千面的个性化教学。而传统的讲堂根本做不到这一点。说回你刚才关于 AI 大模型公司的提问：如果能让学校的师生亲身体会到你提供的 AI 工具有多棒、多省心，你就成功培养了他们的使用习惯，他们一旦上手，就会对你的工具产生长期的粘性。

主持人：确实，我记得有研究指出，一对一的个性化辅导能让学生的平均成绩提高整整两个标准差？

马克库班：具体的学术数据我不清楚，但逻辑上绝对完全说得通。

主持人：看来台下有内行知道这个研究。没关系。但这确实是真的，我看到前排有观众在点头了，肯定就是这个数据。而且在以前，由于高昂的成本，绝大多数家庭都负担不起这种一对一的私人家教。但如果现在可以通过 AI 规模化铺开——

马克库班：以前这确实极度消耗时间和金钱。让老师扔给你一句话：“回去给我写篇读后感”或者“把这篇课文给我背下来”，这与孩子放学回家，用手机或平板电脑，看着生动有趣的图画和动画来学习，是完全不同的体验。而且 AI 还能敏锐地觉察出孩子当前是否在专注听讲。

AI 很容易就能判断出你有没有在认真答题，也很容易能分析出你的回答是否是用心思考的结果。它能辨别学生是否在积极发问，还可以自动阅卷、提炼要点，并把反馈直接发送给老师和家长，最后家长和老师就能根据这些具体反馈给出更精准的辅导建议。这体验是无与伦比的。

这种学习模式不仅适用于小孩子，其实也适用于所有人去学习任何知识。不知道大家有没有用过谷歌的 NotebookLM？它可以直接把你扔过去的员工培训手册一键转成两个主持人对谈的播客节目，这功能简直神了。

比如，做一期关于“美航中心体育馆洗手间清洁标准”的培训播客，由一男一女搭档对谈：“哎呀，我们刚才正好翻了翻场馆卫生间的清洁指南。这里面的道道还真不少，光是拖把的用法就大有讲究。”

他们之所以把枯燥的规章变成播客，是因为现在的年轻一代根本不愿意看密密麻麻的文字。但是如果把它变成播客，尤其是那种把“拖把应该怎么握、消毒液怎么配比”聊得让你捧腹大笑的幽默对谈，就会彻底改变知识传播的效率。如果你能抓住这个趋势，学会利用这种技术去培训和学习，那么不论你是创业者、CEO、管理者，还是员工、学生、老师，你都能降维打击你的对手。如果你继续墨守成规，那就只能拿到老掉牙的平庸结果。

职业未来的“缓冲带”：用 AI 赋能中小企业

主持人：那么在这样一个时代里，什么样的人才能最终脱颖而出？

马克库班：那些最懂如何驾驭这些工具的人——那些真正明白，在 AI 时代，最核心的黄金法则叫做“迭代（iterate）”的人。随着工具的不断更新，你必须像滚雪球一样持续迭代：你自己在变聪明，你的员工在变聪明，你的用户也在变聪明，各种 AI 智能体之间的沟通配合同样会越来越丝滑、高效。

作为创业者，我非常清楚大家一路上要跨过的那些坎：年销售额达到 50 万了、达到 100 万了、开始盈利了，员工发展到 10 个人了。到了这个阶段你可能会想：“稳了，公司走上正轨了，客户口碑也不错。”

但在 AI 时代，这种偏安一隅的想法是极其危险的，你必须保持高强度的自我进化。因为随时可能有一个新人冒出来，说：“这家老店已经停止创新了，他们连这个新 AI 工具都不会用，我要去抢他们的市场。” 你必须永无止境地自我迭代。

主持人：我听过不少员工私下议论，他们觉得在工作里天天用这些 AI 工具，本质上就是在“手把手训练 AI 来取代自己”。在某些特定岗位上，这恐怕确实是不可避免的现实。在更宏观的就业市场层面，随着 AI 技术的持续升温，你怎么看待未来人们的工作前景？

马克库班：岗位流失是一定会发生的，这毫无疑问。但我绝不赞同埃隆·马斯克所谓的“工作将不再是必需品”，或者“未来会有 50% 的人失业”那套极端论调。不至于。

如果你的日常工作仅仅是机械地处理格式、做一些简单的选择题判断，那你被 AI 取代的概率确实极高。但如果你具备深度思辨能力，市场对你的需求就永远存在。一个既有独立思考、又精通工具的人，能分得清哪些环节该交给智能体去跑、哪些必须由人类把关，懂得什么时候该让 AI 辅助开发，这样的人永远不怕丢饭碗。

就像我对我女儿说的：只要你吃透这些工具、保持理性求知的敏锐，同时又对世界充满好奇不断学习，你就永远有市场。AI 毕竟不懂得自己行为的实际后果。任何正经企业，都绝不可能对 AI 盲听盲信，任由它自己去发号施令。中间必须要有一个具备判断力的“缓冲带”——也就是懂决策的人类，来规划什么情况下该用、什么时候该叫停。这就是大批中层管理人员在未来的全新定位和不可替代的价值。

另外，未来还会有成千上万的企业面临脱胎换骨的业务重组。在重组的过程中，急需大批能够把各个模块、各种技术和业务逻辑无缝串联起来的复合型人才。所以，我觉得就业机会依然会非常充裕。

如果我是今天刚毕业的大学生，或者是一个想找兼职赚零花钱的 16 岁少年，我会把市面上关于 AI 的玩法全研究一遍，然后去联系各种中小企业，对他们说：“让我来帮你们。我能帮你们定制一整套 AI 智能体，把你们那些早就该做、却一直因为手头紧或者腾不出人手而堆在待办清单底部的脏活累活全接管过来。”这样能立竿见影地提高他们的生产力、强化竞争优势，并帮他们赚到真金白银。

我给你们举个绝佳的例子。我在《创智赢家》（Shark Tank）里投资过一家叫 Rebel Cheese 的企业，他们生产素食奶酪，面向全球发货。凡是做过包装纸箱邮寄的人都知道，像 UPS、DHL 等快递公司对于不同规格的箱子收费标准是不一样的，而且寄往不同的邮区运费差得也很大。你大概也知道，这些物流巨头给你的账单其实经常会算错。对做电商的人来说，这很常见对吧？

主持人：确实是这样。

马克库班：结果这家公司做了什么呢？他们自己写了一个简单的 AI 智能体。每当货物准备发出时，它就自动拍一张箱子的照片，识别出尺寸，核对官方价目表。接着拍下发票照片进行自动比对。一旦发现物流公司的收费有出入，它就自动给客服发去索赔申请。就这么一个简单的自动化流程，帮他们每个月省下了整整 5 万美元。全过程完全自动化，甚至不需要任何人工插手。

这就是智能体的用武之地，但前提是你得懂得如何把这套机制开发出来。大多数中小企业目前根本没有意识到这一点，他们手头没有多余的预算专门招人，也没有什么实习生（管他宿醉没宿醉）能踏踏实实地把这事儿办妥。

在座的创业伙伴都懂，每到周六你脑子里总有那么十几件口口声声说“今天一定要抽空做完”但到最后都拖延了的事。永远如此。而这些事情正是智能体最拿手的。如果我是现在的毕业生，我会挨个去敲这些中小企业的大门，按每小时 100 美元的费率给他们提供 AI 流程改造服务。

另外，因为这些 AI 大模型每次更新版本都会出现“模型幻觉偏移”（drift），所以这些智能体也需要定期调试维护。这能给你带来源源不断的、稳定的后期维护费。其实现在很多只上过几堂电脑课、稍微懂一点 Python 的年轻人，就能轻松接下这些活。这里的就业机会可以说是多得数不清。

主持人：确实，各大厂基本上都已经不再招初级开发了。

马克库班：的确如此。

主持人：我刚才理解错了，我还以为你的建议是让年轻人去中小企业里全职打工。其实他们完全可以自己开个顾问公司，把这个当成一种企业外包服务来卖，对吧？

马克库班：我指的其实就是这个意思。去找那些中小企业，像 Rebel Cheese 一样，向他们展示那些繁琐、耗时、而且因为不确定能不能回本而不敢轻易招人的业务。你只需要在几周或者几天里帮他们把这些业务抽象出来，用 AI 智能体把流程跑通，然后把剩下的脏活累活全部托管给 AI。

如果在座的哪位还不知道智能体是什么，那你真得赶紧学一学了。最快的入门方法就是直接打开 ChatGPT，输入：“我是个纯小白。智能体到底是个什么玩意儿？能教教我怎么做，并告诉我它能怎么帮到我的业务吗？”

我再告诉你们第二层秘诀：作为 CEO、管理者或员工，如果你害羞、不敢和你的 AI “掏心掏肺”地深入探讨问题，你就注定会被淘汰。我说的可不是让你向它吐槽你的个人生活琐事，比如“这个人适不适合我？我该不该去追求他？”不是这个意思。

刚开始跟一个 AI 一来一回地进行深度对话确实会觉得有些怪异，甚至会想：“天哪，我怎么又在跟它唠嗑了。”我甚至把我的 AI 接入了车载系统，开着开着车就跟它热烈讨论起来，偶尔自己反应过来，还会哑然失笑：“这一幕还真是挺荒诞的。”但你必须克服这种心理上的别扭。因为一旦你突破了这一层，你就会发现它给出的反馈，比如刚才我提到的那个专利方案，真的水平极高，让你由衷惊叹：“这确实厉害。”

如果你连这关都过不去，固执地不肯去习惯这种交互方式，你在未来的职业生涯和商业世界里将会举步维艰