我們現在是 AI 的 1997 年：Benedict Evans 一場讓你冷靜下來的對話

TL;DR

• AI 跟網路、行動裝置是同一個量級的平台轉移，但也「只是」那個量級。把它想像成 1997 年的網路，大部分東西還沒被做出來，沒人知道最後會長怎樣。
• 「公司明天買 ChatGPT、兩週後裁光員工」這種想像是胡扯。企業導入週期動輒一年半起跳，整個產業翻新要五到十年。
• 過去兩百年每一次技術都消滅一批工作、又長出一批新工作，你只看得到要消失的那個，看不到還沒誕生的那個。
• 判斷一份工作會不會被取代，關鍵是分清楚「任務」和「工作」。McKinsey 賣的從來不是那份七十五頁簡報。
• AI 模型很可能變成低毛利的大宗商品，真正的價值會往上層應用跑。Distribution（通路）才是越來越硬的護城河。

寫在前面：這集是 Lenny's Podcast 在 2026 年 5 月 31 日上線的一集，主持人 Lenny Rachitsky 是矽谷產品圈最大的電子報作者，他的節目專訪科技圈做產品、做投資、做研究的第一線人物。這次來賓是 Benedict Evans，科技分析圈少數真正稱得上「思想家」的人。他當過很多年的賣方股票分析師，後來進 a16z 當了長達數年的駐點分析師（in-house analyst），離開後自己獨立寫作六年，每週發一封觸及將近二十萬人的電子報。他每半年會做一份大型簡報，今年春天那份叫做《AI eats the world》，這集基本上就是繞著那份簡報在聊。Evans 的特色是極度反 hype，他花了大半輩子研究 PC、網路、手機這幾波浪潮到底改變了什麼、價值最後流到誰手上，所以聽他講 AI，你會得到一種難得的鎮定感。

我們不是在末日，我們在 1997 年

Evans 開場就丟出他自稱最有爭議的觀點：AI 跟網路、行動裝置是同一個級別的大事，但也就只是那個級別。科技圈很多人覺得這是工業革命等級，他不買單；但反過來，也有人覺得他低估了 AI，他也覺得好笑，畢竟「智慧型手機本身就已經是天大的事了」。

真正有意思的是後半句。如果你要拿網路來類比，那我們現在是 1997 年。很興奮沒錯，但大部分東西還不能用，大部分人會拿它來做的事都還沒被發明出來，而且沒人說得清這些東西真的成熟之後會怎麼運作。

我覺得這個比喻特別好用，因為它一次解決了兩種人的焦慮。一種是覺得「天啊一切明天就變了」的恐慌派，一種是覺得「這不就是個聊天機器人嗎」的嗤之以鼻派。1997 年的網路兩種人都有，結果呢？兩種人都猜錯了結局。Evans 自己也很誠實，他說他這份八十頁的簡報，被人吐槽是「用八十頁講我們不知道」。這句話雖然刻薄，但也滿真的。

「兩週裁光員工」這種話是 moron 在講的

聊到大家最焦慮的失業潮，Evans 講得很直白。那些在推特上的末日論者，幻想每家大公司明天就買 ChatGPT、兩個禮拜後就把員工全裁了，他用了一個字：morons（白痴）。

原因很簡單，這些人完全不懂世界怎麼運轉。一個典型的企業軟體銷售週期，順利的話要一年半。沒有人會把 SAP 整套拔掉換成別的東西。也許五年、十年後整個系統會長得完全不一樣，但那是一個以年為單位的過程，而且是一個產業一個產業慢慢來。

至於失業這件事本身，Evans 搬出第一年經濟系學生都會講的東西：過去兩百年，每一次新技術都消滅一批工作，然後那個自動化又解鎖一批新工作。一八〇〇年的時候九成的人是農民，每天擔心的是作物會不會欠收。從那之後我們一直在自動化、一直在創造新職位。你永遠看得到那個要消失的工作，但你看不到還沒誕生的那個，因為它聽起來通常蠢到不行（「鐵路工程師？誰想跑那麼快？」）。

這裡我想接一段 Shopify 的 Tobi Lütke。他在Tobi Lütke 上 20VC：AI 是大裁員的代罪羔羊裡講過幾乎一樣的話：科技業這波裁員跟 AI 沒太大關係，AI 只是個好背的鍋。Evans 補了一個更耐人尋味的觀察：就連最前沿的 AI 公司，包括 OpenAI、Anthropic，自己都在瘋狂增加人手。你以為最不該請人的公司，反而請最多人。

任務 vs 工作：你到底花錢買 McKinsey 什麼？

整集我最喜歡的框架，是 Evans 拿來判斷一份工作會不會被取代的方法：分清楚「task（任務）」和「job（工作）」。

他舉了一個很妙的例子。以前的電梯是有專人操作的，沒有按鈕，操作員拉一根桿子把你送到樓層。後來電梯自動化了，現在你進去按個按鈕，「按按鈕」就是那份工作。在這種情況裡，任務就是工作，任務被自動化，工作就沒了。

但更多時候不是這樣。他講了 Amazon 的類比：Amazon 厲害的地方是「當你知道你要哪個 SKU，它幫你拿到」。如果你已經知道要那支麥克風架，上 Amazon 一秒搞定。但如果你不知道要買哪支麥克風，你根本不該從 Amazon 開始。Claude Code 也一樣，它可以幫你寫出程式碼，但「要寫什麼程式碼」是另一份工作。要做什麼功能、客戶是誰、怎麼上市，這些才是真正的工作。

所以為什麼大家還在花錢請 McKinsey？你以為你買的是那份七十五頁簡報嗎？那種 LinkedIn 上的 AI 騙子最愛貼「我用 Claude 做了一份 McKinsey 簡報」，你點開一看就是一坨。但就算它做得跟真的一樣，那也不是你付錢的原因。你付 Bain 錢，是要他們爬遍你整間公司，搞懂「為什麼你當初沒這樣做」、政治怎麼運作、去跟你的客戶聊真正的想法。簡報只是 task，那從來不是你雇他們的理由。

這也解釋了一個超反直覺的現象：你以為顧問業要被 AI 滅了，結果最精明的 AI 大廠反而在大舉投資、收購這些顧問公司和 forward deployed engineer。因為要把一間公司的內部流程重新想像一遍、再真的接起來，這本身就是個需要五到十個人做上一兩個月的專案，而企業內部根本沒有閒人坐在那等著做這件事。

模型會變成大宗商品，價值往上層跑

Evans 對價值流向的判斷，可能是這集對投資人最重要的一段。他的核心問題是：模型公司到底有沒有定價權（pricing power）？

他的答案偏悲觀。模型之間看不出網路效應，沒有贏者全拿，所以競爭會無限持續下去。如果競爭永遠在、產品又沒有真正的差異化，那憑什麼有定價權？他拿自己的老本行電信業來打比方：全球行動通訊一年營收約一兆美金，每年砸兩千億資本支出，行動數據用量畫成圖是一條完美往上的指數曲線，是 2010 年的一兩千倍。結果呢？電信股二十五年原地踏步，因為那是個高資本支出、低毛利的大宗商品式公用事業。所有酷的東西都是上層的人做的，是聽這集 podcast 的你做的。

他用了一個我覺得很傳神的對比：模型到底會像 Windows，還是像 AWS？Windows 是平台，開發者全綁在上面，微軟因此有上層槓桿。AWS 不是，你買一套軟體根本不在乎它跑在哪朵雲上。Evans 認為 AI 比較像 AWS。如果聊天機器人不是最終的介面、真正要的是各種 app，而這些 app 模型公司自己做不完（就像當年微軟也沒能把所有軟體都自己寫了），那價值自然往上層應用跑。

關於模型是不是顏料還是電費這個爭論，可以對照Anthropic CFO Krishna Rao：算力是顏料不是電費，那是站在模型公司這邊的反方論述，兩篇對著看很有意思。Evans 提醒一個重點：現在這種「有人一個月在 token 上燒掉一百五十萬美金」的瘋狂，就像 2010 年有人收到五萬美金的行動數據帳單，是暫時的失衡，不是穩態。

通路才是越來越硬的護城河

既然產品趨近大宗商品，那 distribution 就變成決勝點。Evans 觀察得很準：Google 用通路硬推 Gemini，Meta 把 AI 噴在每一個介面上。對科技圈的人來說 Gemini 跟 ChatGPT 差很多，但對一般人來說根本沒差。一個夠用的產品，配上鋪天蓋地的通路和品牌，就是個大殺器。

這條線跟 Snap 的 Evan Spiegel 在Snapchat CEO 談 distribution 才是真正的護城河講的完全是同一件事：軟體本身不是護城河，這件事 AI 圈正在重新發現一次。當人人都能用 vibe coding 兩天做出一個產品，能把東西送到使用者面前的能力，才是真正值錢的。

那關於反 AI 情緒，跟給一般人的建議

Evans 對最近越來越大聲的反 AI 情緒，拆解得很冷靜。他說那是一團毛茸茸的混亂，裡面有真的、有半真的、也有完全假的。最假的是「資料中心耗水」的說法。他真的去翻了 Livermore 實驗室 2024 年底的研究，美國資料中心耗水量大約只佔全美用水的百分之零點零一七。當然如果你住的小鎮只有一口井、結果被資料中心包走了，你會氣炸，但那是都市規劃問題，不是資料中心問題。

至於失業到底發生了沒，他的答案很誠實：沒有清楚的共識。更荒謬的是，我們對 AI 的使用幾乎沒有像樣的資料，模型大廠連一個 ChatGPT 的日活躍用戶數都不肯給。但政治上這不重要，如果你是個找不到工作的學生，這對你就是個大問題，不管原因是 AI 還是別的。

最後 Lenny 問，給擔心自己飯碗的人什麼建議？Evans 的話很值得抄下來：別把頭埋進沙裡、嘴上喊著「我討厭這些東西」。那會給你一種道德優越感，你可以上 Bluesky 對全世界大喊 AI 有多邪惡，很好，我替你開心，但那幫不了你。真正有用的是一頭栽進去、徹底搞懂你能用它做什麼。如果一家律所去年請一百個 associate、今年只請五十個，你去面試時說「我覺得 AI 是狗屎、我永遠不會用」，大概不是個好棋。

這跟我一直相信的一件事一模一樣：搞懂了再做，不懂就先學。AI 不會因為你討厭它就消失，但你對它的理解深度，會直接決定你接下來幾年站在哪裡。

想看更多這類把 hype 拆開、回到產業基本面的觀察，歡迎訂閱 wilsonhuang.xyz，我會持續寫。