大家都在問 AI 賺不賺錢，Benedict Evans 說「我也不知道」，然後給了你一張地圖
每年矽谷都在等一個人的簡報。不是 OpenAI 的發表會，也不是 Nvidia 的 keynote，而是一個英國分析師做的投影片。今年他又更新了一版，然後上了 a16z 的 podcast，把這幾年大家最想問的問題攤開來一條一條講。
最有意思的是，他講了一個小時，最常出現的一句話是「我不知道」。但聽完你會發現，知道自己哪裡不知道，比假裝什麼都知道有用得多。
TL;DR
- Agentic coding（AI 自己寫程式）是目前唯一真正跨過鴻溝、客戶搶著用的應用，其他領域大多還在「好像有點用」的階段
- 現在 token 的供需嚴重失衡，就像當年手機數據費爆炸的翻版，這個價格混亂是暫時的，遲早會回到均衡
- Evans 的核心判斷：foundation model 很可能變成像電信網路那樣的基礎建設，蓋得很貴、用量爆炸，但賺錢的是上層的別人
- 真正的價值會往上層走，但 chatbot 不是對的產品形態，模型公司也不可能自己把所有應用都做完
- AI 對律師、顧問、會計這些行業意味著什麼，答案不在舊金山，而在那些行業內部的人手上
- 大型科技公司今年要花掉超過五成營收在 capex 上，這個曲線不可能無限往上，因為地球上根本沒有那麼多錢
先認識一下講話的這個人
這集在二〇二六年六月八日上線的節目，來自 a16z 自家的 podcast。a16z 就是矽谷那家投了一堆知名新創的創投，主持人是 a16z 的 Erik Torenberg，節目定位基本上是把產業裡最會思考的人找來聊趨勢。
這集的來賓 Benedict Evans，可能是科技圈被引用最多的獨立分析師之一。他以前是 a16z 的合夥人，現在自己寫一份訂閱數很高的電子報，每年固定出兩次大型簡報，今年這版叫做《AI Eats the World》。你可以把他想成科技業的「年度體檢報告醫生」，他不做產品也不投資，專門站在歷史的高度看這一波浪潮會怎麼走。他研究過 PC、網路、智慧型手機、雲端每一次的轉折，所以當他拿 AI 跟這些東西比較的時候，講的不是空話。
唯一真的跑起來的，是 AI 寫程式
過去一年半，AI 圈最大的變化是什麼？Evans 的答案很乾脆：agentic coding 從「有點用」變成「改變一切」。
這件事其實有點好笑但又很合理。每一波新技術，第一個被拿來用的東西，往往就是用來造這個技術本身的工具。當年 PC 出現，大家第一件事是用電腦來造電腦。現在 LLM 出現，第一個真正爆發的應用是用 AI 來寫更多 AI、寫更多程式。會去搞這些工具的人是軟體工程師，工程師最想自動化的當然是自己的工作。所以這個結果，事後看一點都不意外。
但 Evans 強調一個重點：這是六個月前還跑不起來的東西。也就是說，現在所有關於「junior 工程師還要不要請」「團隊會長成什麼樣」的討論，全部都是在一片混亂中瞎猜。他自己的態度是，這需要兩三年才會沉澱下來，現在誰敢說三年後軟體工程師的職涯長什麼樣，那個人「腦子有問題」。
這裡有個值得想的問題。以前公司請 junior，到底是因為真的需要他做那些雜事，還是請來訓練成未來的 senior？如果你把那些雜事自動化掉了，那條養成的路徑會發生什麼事？這個問題以前是理論，現在變成每家軟體公司都要面對的現實。我之前在當 AI 把智力變便宜，人類最後的工作叫驗證那篇也聊過類似的「Missing Junior Loop」，年輕人的入場券正在被抽走，這不是嚇唬人。
一邊吃到飽，一邊收到一萬美金帳單
講到現在 token 的價格亂象，Evans 丟出一個我覺得超精準的比喻。
他說這跟二〇〇九、二〇一〇年的手機數據費一模一樣。當年 AT&T 推出 iPhone 配吃到飽方案，結果大家買了 iPhone、升級到 3G、開始狂看 YouTube，整個網路直接被流量灌爆，因為電信商根本沒有那個容量。一邊是有人辦了吃到飽，狂用也才付那點錢；另一邊是沒辦吃到飽的人，亂用幾天收到五千、一萬美金的帳單。
現在的 AI 完全是這齣戲的重演。你付二十美金月費，用掉價值一萬美金的 token；或者你接 API 玩兩天，收到一張一萬美金的帳單在那邊問「這三小」。這種新聞現在每天都在發生。
但這個比喻真正狠的地方在後半段。手機數據從那時候到現在，流量成長了大概一千五到兩千倍，整個電信業一年營收約一兆美金，每年花兩千億在 capex 上。然後呢？股價二十年來基本上是平的。所有好玩的、賺錢的東西，都是別人在上面蓋的。電信商蓋了一個全世界最精密、最貴、用量爆炸性成長、徹底改變我們生活的基礎建設，結果自己沒賺到什麼錢，因為價值全部往上層跑掉了。
Evans 說這就是 LLM 現在最核心的問題：模型公司會變成電信商，還是會變成 Windows？
為什麼他說 foundation model 不是產品
這是整集最有觀點的部分。Evans 把他的推論拆成幾塊積木，一塊一塊擺在桌上。
第一塊：模型之間好像沒辦法做出可持續的差異化。它沒有網路效應，沒有像 Instagram、YouTube、Google 搜尋那種一旦卡位就甩開對手的護城河。這個模型也許比那個強一點，你也許比較喜歡這家的調性，但本質上它們用差不多的晶片、做差不多的事、跑出差不多的結果，差別只剩下你願意燒多少錢。
第二塊：chatbot 本身是個很怪、很受限的初代介面。對某些人、某些任務它很好用，但大部分情況你需要一堆額外的東西，工具、資料、設定、權限、為這個任務量身打造的介面。而且很關鍵的一點，會用工具把事情做好的人，跟懂得設計這個工具該長什麼樣的人，根本是兩種人。很會做財務的人，不見得設計得出 TurboTax（美國最普及的報稅軟體）。
第三塊：模型公司不可能自己把所有應用都做完，就像微軟做不出每一個 Windows app、蘋果做不出每一個 iPhone app。
把這幾塊拼起來，結論就浮出來了。模型像是大宗商品（commodity，意思是高度同質化、靠價格競爭的東西），chatbot 不是對的產品，模型公司又沒辦法包辦上層所有東西，那它們就是底層的基礎建設。
接著最致命的問題：底層基礎建設有沒有定價權？想想看，全世界大概三到六家公司在做前沿模型，每家一年燒掉兩千億到兩兆美金不等，外加一堆開源跟邊緣模型。一群公司搶著賣本質上同質化的東西，價格紀律從哪裡來？更別說 Google 還靠廣告賺錢，它對定價的態度跟 OpenAI 根本不一樣。
Evans 很坦白地說：「我不是說我知道它們會變成大宗商品，我的立場是，這裡有一串推論告訴你它看起來會變成商品，那你來告訴我為什麼不會。」這種講法我很欣賞，他把舉證責任丟回給樂觀的人。這個「模型會不會變商品」的辯論，跟我之前整理 Rajiv Jain 清空 Mag7 那篇的邏輯其實互相呼應，一個管一千六百億美金的老手也在賭 AI 的經濟學是門爛生意。
別問舊金山，要問洛杉磯
Evans 講了一個我覺得超好用的思考框架。他以前在 a16z 寫過兩篇東西，一篇叫〈Content isn't king〉，一篇叫〈Netflix isn't a tech company〉。
他的意思是，Netflix 這整件事是科技業搭好的舞台撐起來的，但 Netflix 所有真正重要的問題，全部是「洛杉磯問題」：要做哪些節目、做幾部、要不要衝獎、要不要做電影、要不要買運動賽事、買哪種運動。這些都不是舊金山的工程師回答得了的，這些是媒體產業的問題。舊金山的人甚至連該問什麼問題都不知道。
同樣的道理，AI 對法律業意味著什麼，這是律師的問題，不是 AI 工程師的問題。生成式影片對好萊塢意味著什麼，Ben Affleck 大概比 Evans 懂太多了，畢竟人家蓋了一家公司還賣了一億美金。
這個框架的價值在於，它告訴你不要再聽科技圈的人對每個產業的未來指手畫腳。那些律師事務所、顧問公司、投資銀行的金字塔結構，底層那些 associate 到底在做什麼、客戶到底在付錢買什麼，這些只有真正在裡面待過的人才知道。你把底層工作自動化掉之後會發生什麼，得問業內人。
而且 Evans 點出一個更深的東西：很多公司內部的運作是隱性的、沒寫下來的、不在任何訓練資料裡的。Bain、BCG、McKinsey 這些顧問公司有一大塊價值，就是他們有「執照」進到公司裡跟每個人聊，搞清楚這家公司「實際上」怎麼運作，而不是「理論上」該怎麼運作。為什麼員工不照策略走？因為他們的獎金目標就是叫他們別照策略走。這種東西你很難寫成一個 AI skill 丟給模型說「來，幫我做張 PowerPoint」。
老東西做更多，不等於做了新東西
Evans 提了一個聽起來很平凡但很容易被忘記的觀察：每次新技術出來，大家第一步都是拿它做「舊事情但更多」。更多試算表、更多簡報、更快更好。但真正重要的，從來不是把舊事情做更多，而是做出以前根本做不到的新東西。
他用蒸汽機舉例。蒸汽機讓火車變成可能，你買再多匹馬也變不出一台特快車。比較近的例子是音樂產業這二十五年。前半段是「如果不用花十五美金買 CD 就能聽到那首歌會怎樣」，後半段是「如果每月十五美金就能聽到世界上所有的音樂會怎樣」，而後者是以前完全不可能的事。
那 AI 的「新東西」會是什麼？Evans 給了一個我覺得很有想像力的方向：廣告、電商、品牌、行銷。這是一個廣告一兆美金、零售二十五兆美金的市場。
他的觀察是，Google 跟 Amazon 其實根本不知道商品是什麼。它們知道這是個 SKU、知道賣家在 metadata 欄位填了什麼、知道買這個的人也買了那個，但它們不知道「為什麼」。所以才會有那個經典笑話：你在 Amazon 買了一個馬桶蓋，它就一直推薦你馬桶蓋，好像你在收集馬桶一樣。但 LLM 原則上能真的「理解」這些東西是什麼、人為什麼買、還會搭配買什麼。
於是以前是科幻小說的事，現在變得可能。比如丟一張外套的照片問「這是什麼、哪裡買得到」，再問「推薦十件類似但不同價位的外套」，甚至「看看我的 Instagram，推薦一件會改變我風格但又不會太誇張的冬天外套」。三年前這完全是天方夜譚，現在你會覺得，欸，好像真的做得出來。Google 跟 Facebook 廣告營收最近的暴漲，背後就是這套東西被塞進它們的預測系統。我在 Google 在 AI 賽道上回神了 那篇也聊過，Google 正在開始收 AI 的過路費，這條線值得一直盯著。
七千億 capex 撞到的牆，叫做「地球上沒那麼多錢」
有人問，Google CEO 說過「投資不足的風險比投資過頭更大」，那有沒有一個 capex 數字會讓這句話不成立？
Evans 的回答很實際。微軟、Meta、Google 今年都排隊要把超過五成營收砸在 capex 上。我們覺得電信很燒錢吧？電信也才花營收的一成五到兩成。今年這四大公司的 capex 指引加起來是七千億美金。這是什麼概念？全球行動通訊一年 capex 約兩千億，整個電信業約三千億，油氣業看你怎麼算大概七千億到一兆。
換句話說，AI 這幾家公司已經要花到跟「全球油氣業」一個量級的錢了。他直接說：這些公司明年不可能花到一兆五，就算硬花也得借錢，而且絕對撐不久。隨便抓個數字，我們不可能一年花十兆在 AI 基建上，因為地球上根本沒有十兆可以這樣花。這就是物理定律等級的天花板。
那為什麼大家還是停不下來？因為這是存亡問題。一方面現在投資回報是大幅正的，另一方面你不敢讓別人衝你卻不衝，因為那樣你公司就沒了。沒有人想變成二〇〇〇年代的微軟、九〇年代的 IBM，或是被蘋果壓著打了整個二〇一〇年代的 Meta。所以 CFO 坐在那邊問「我們到底要參與到什麼程度」，但沒人答得出來。這種 FOMO 我在 All-In 拆 Anthropic 三件事 那篇裡也看到同樣的焦慮，整個產業都被綁在同一台失速列車上。
那「token maxing」會不會有清算的一天
主持人問了一個很現實的問題：會不會有一天公司認真做 ROI 研究，發現自己 AI 用過頭了，然後縮手？
Evans 說，現在當然已經有人拿最貴的模型在網路上瞎搞，這跟二〇一〇年那些一萬美金數據帳單的故事一樣蠢。但他覺得更有趣的問題是 ROI 本身很難算。這就像九〇年代末給每個人網路，然後說「去吧，變得更有生產力」。Deloitte 跟 Fed 的調查都顯示，目前 AI 的好處大多是「很難量化」的那種，更好的分析、更好的客服、做簡報更快。這些有價值，但你很難說「我們用 AI 做了個新東西，帶來這麼多營收」。做出新的營收線，本來就比讓大家用 AI 把試算表做快一點難得多。
還有一個更殘酷的概念叫 consumer surplus（消費者剩餘）。如果一份財務模型以前要做一週，現在十秒做完，你不會因此多收客戶錢，你只會做五十份。這些東西變成「競爭必需品」，每個人都得買、都得用，但生產力的提升會被競爭給吃掉，你沒辦法靠它多收錢。麥肯錫的分析以前要一週現在要一天，那它就是做五倍的分析、收客戶一樣的錢，成本也沒變。這跟我在 Snowflake 把整個技術文件團隊砍掉 那篇聊的 Jevons paradox 是同一個道理，效率提升不一定等於利潤提升。
二十年後，這一切會變成理所當然
整集最後，Evans 拿出一張他超愛用的圖：一張一九五〇年代初的 IBM 廣告，一群工程師舉著計算尺，標題寫著「一台 IBM 電子計算機，等於多給你一百五十個工程師」。他說，這跟你在 a16z 看到的多少張 pitch 一模一樣。
他的收尾我覺得很值得記下來。每隔十到十五、二十年，我們就會經歷一次這種根本性的技術變革，每一次都很驚人、都改變一切、都「跟以前發生過的任何事都不一樣」。所以 AI 當然驚人、當然有變革性、當然跟以前不一樣。但行動通訊也是個大事，網路也是，PC 也是，運算本身也是。這些當年也都很難說清楚會怎麼發展。
所以我們應該把「會再來一次」當成基本假設。它會毀掉一些人的生活，讓一些人失業，搞出一堆我們不開心的東西，也帶來一堆我們覺得超棒的東西。然後二十年後，我們會忘記曾經有個世界電腦做不到這些事。
他舉了個當下的例子：我們講了一個小時的視訊，電腦沒當機，串著 HD 畫面，他的 iPhone 還同時把畫面投到 Mac 上，這一切就這樣運作著，像魔法一樣，而我們完全不會注意到。「這就是這一切最後的樣子。二十年後我們會說，當然啊，電腦本來就會這樣。」
我自己聽完最大的收穫，不是哪個預測，而是他面對不確定性的姿態。有讀者罵他「你的工作不就是告訴我們會發生什麼嗎，怎麼一直說不知道」。但他的回答是，在這個階段，路有很多條，硬要說「我覺得就是那條」，你可能對，但你得意識到這有多不確定、有多少種可能。等到 S 曲線收斂、答案明朗了，那一刻就是你該換下一個問題的時候。科技最弔詭的地方就是，當你完全搞懂一件事會怎麼發展，那就是你該去看別的東西的時候了。他說他的蘋果試算表五年沒更新了，因為蘋果贏了，下一題。
如果你也喜歡這種把雜訊濾掉、只留下真問題的思考方式，我會把這類產業觀察持續寫在 wilsonhuang.xyz，不嫌棄的話歡迎訂閱追蹤。
資料來源：
推薦閱讀
喜歡這篇文章嗎？
訂閱電子報，每週收到精選技術文章與產業洞察，直送你的信箱。
💌 隨時可以取消訂閱，不會收到垃圾郵件