公司变成一串自动循环：AI 能到坡顶，换山还得靠人
公司正在被改造成一串互相咬合的循环；循环可以把当前业务推到局部最优，但在平台期之后，选下一座山仍要靠人类直觉。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
AI 时代不会复制赢家通吃
AI 时代不会按移动互联网的方式赢家通吃：网络效应曾让搜索、社交走向一两家，而 AI 的技术栈每一层现在有约 20 个相关参与者。两年前大家认为编程代理最终会只剩一个赢家，如今 Claude Code、Codex、Lovable、Replit 却同时在往前跑。Anish 说，实验室里最前沿的人认为实际发生的是 autocatalytic effects——用新技术改进自己的流程——而不是 recursive self-improvement，所以不会出现一个把所有人吞掉的失控赢家。对创始人的启示是：不要单押某个全栈巨头，每一层（模型、代理、界面）都还有长期位置。
— Anish AcharyaCEO 想建更大的公司，而不是更少员工
员工大概率不必过度担心被 AI 替代，原因不是技术不够强，而是 CEO 的激励是增长、不是缩减。Sundar 不想经营一家更高效的 4 万亿美元公司，而想建一家 40 万亿美元公司。一位 Google 高管朋友告诉 Anish，公司没有裁员，而是用 AI 把两年的路线图压缩到三个月完成，现在的难题变成「路线图该加什么」。当执行不再稀缺，注意力就从省人力转向为更大目标找新事做。
— Anish Acharya公司会变成循环，下一步台阶需要人定
公司形态正在从岗位与部门列表，变成一串循环（loop）的级联：最初是个人工作流的自动化，之后是职能循环，再往后会跨业务部门，最终由循环来运行公司大部分运营。循环自身会不断产生输出，输出又成为下一层循环的输入，某个机制会把信号送回 CEO——什么时候该调整业务实体，什么时候战略该换。这套机制能帮公司爬到局部最优（local maxima），但到平台期后必须靠人类的直觉做分布外思考，把组织放到下一座山的山脚。让 AI 直接想出一个能赚百万美元的点子往往会失败，因为人能摆对方向，AI 只负责在既定坡道上扫荡。
— Anish Acharya用户想花掉时间，而不是省下时间
硅谷默认 AI 的价值是效率，Anish 认为这是误判：多数人并不真想省时间，而是想把时间花在能带来连接、爱、进步和乐趣的地方。历史上最大的产品一直是娱乐和社交，AI 的消费者机会因此不是「又省了几分钟」，而是做出让人感到更连接、更被爱、感受到进步或乐趣的循环。他批评过去 40 年技术一直在延伸智力，几乎没有延伸灵魂；要把 AI 装进这些欲望，属于产品设计挑战，不是模型能力挑战。
— Anish AcharyaAI 正在把技能和欲望解绑
Anish 认为 AI 不只是生产力工具，更像一层情感与精神界面——它可以把「技能」和「欲望」拆开。想做音乐的人，不再被「不会弹钢琴」挡在外面；想写程序的人，不必先学到能上班的程度；个人身份认同因此被放大。他回顾 1950-60 年代高风险环境曾大幅激发人类潜能，认为当前世界处在低冒险状态，AI 有机会让 GDP 增长从 2% 拉到 10-15%——前提是它提高的不是单个环节的速度，而是群体敢于想的事的规模。
— Anish Acharya想法太小，现在反而拿不到融资
投资标准在三年内发生了逆转。过去一个项目如果过于雄心勃勃，基金常会说一亿美元种子轮太夸张；今天在 a16z 看项目，反向标准来了——如果某个想法在 AI 帮助下仍然只能做那么小，就直接不投。「无上限的雄心」成为筛选公司的核心价值，Marc Andreessen 的说法是：我们要么登月，要么留下月球大小的陨石坑。
— Anish Acharya每周发布小东西才能练出产品直觉
给产品人的最直接建议是老话：多造东西。找一个谁都别告诉的项目，越小越好，把它当「底盘」，把新模型逐个跑一遍、发布成品、和人讨论——这是建立 AI 直觉的路径。节奏只要每周发布一小件，疯狂反而不可持续。Anish 自己用 Codex 给妻子做母亲节幻灯片：从短信和相册取出素材、自动配乐，最后生成 20 页对两人关系的回顾，连第一次约会的旧短信都翻出来。东西小，但这类作品会让人反复尝到 AI 的「喜悦时刻」——一旦尝到，观念就回不去了。
— Anish原话 · 已逐字校验
The loop will help you climb to the local maxima, but then it plateaus. You need human intuition. You need somebody to actually help you land at the base of the next hill.
循环会帮你爬到局部最高点，但随后它进入平台期。你需要人的直觉。你需要有人真正让你落到下一座山的脚下。
Anish Acharya15:12
We believe that people want to be more productive, but they don't. I think more people want to spend time than save time.
我们认为人们想要更高效，但他们并不想。我认为，更多人想要把时间花掉，而不是省下时间。
Anish Acharya32:24
It kind of unbundles skill from desire. For example, if you want to make music, you can make music now. You don't have to know how to play the piano.
它把技能和欲望解绑了。比如，如果你想做音乐，现在就能做，不必会弹钢琴。
Anish Acharya37:29
It can be totally unimportant. Um but use it as a chassis to use all the new models, ship things, talk about them, build your own intuition.
它可以完全不重要。但把它当作底盘，去使用所有新模型，发布东西，谈论它们，建立你自己的直觉。
Anish1:09:48
数字与实体
| AI 技术栈每一层相关玩家数 | 约 20 个 | 4:05 |
| CEO 目标公司规模对比 | 4 万亿美元 → 40 万亿美元 | 10:08 |
| 路线图执行时间压缩 | 2 年路线图 3 个月完成 | 10:08 |
| 医疗成本中行政费用占比 | 45% | 40:31 |
| AI 带动的潜在 GDP 增速 | 2% → 10-15% | 37:29 |
术语
- loop自动循环 / 闭环
- 以自身输出为反馈、不断自动迭代的一段工作流；Anish 用它描述未来公司的最小运行单元。
- autocatalytic effects自催化效应
- 用新技术改进自身流程，形成加速而非失控式放大的机制。
- recursive self-improvement递归式自我改进
- AI 反复改进自身导致指数级失控；Anish 认为它并非当前主导机制。
收听指南
正在用 AI 改自家产品或把公司流程重组的创始人和产品负责人，也适合关心 AI 对就业与消费机会判断的投资人。
时间紧可跳过最后的书单、人生格言和 DJ 轶事，不影响 AI 判断。