a16z 創始人：Agent 時代，真正重要的東西變了

原文標題：Marc Andreessen introspects on Death of the Browser, Pi + OpenClaw, and Why "This Time Is Different"

原文編譯：FuturePulse

信號來源： 這是a16z創始人 Marc Andreessen 在 Latent Space 播客的最新訪談。他是美國著名的互聯網企業家，是互聯網早期發展的關鍵人物之一；也在創辦a16z之後成為矽谷頂級投資人的代表人物。整場對話圍繞 AI 的發展歷史和最新趨勢展開，十分值得一讀。

一、這輪 AI 不是橫空出世，而是 80 年技術長跑後第一次全面"開始幹活"

• 這輪 AI 不是橫空出世，而是 80 年技術長跑後

• Marc Andreessen 直接把當下稱為 "80-year overnight success"，意思是公眾眼中的突然爆發，背後其實是幾十年的技術儲備被集中釋放。

• 他把這條技術線索回溯到早期神經網絡研究，並強調今天行業實際上已經接受"神經網絡是正確架構"這一判斷。

• 在他的敘述裡，關鍵節點不是單一時刻，而是一連串堆疊：AlexNet、Transformer、ChatGPT、reasoning 模型，再到 agents 與 self-improvement。

• 他特別強調，這次不是只有文本生成變強，而是四類功能同時出現：LLMs、reasoning、coding，以及 agents / recursive self-improvement。

• 他之所以認為 "this time is different"，不是因為敘事更動聽，而是因為這些能力已經開始在現實任務裡工作。

二、Pi 與 OpenClaw 所代表的 agent 架構，是一次比 chatbot 更深的軟體架構變化

• 他把 agent 說得很具體：本質上就是 "LLM + shell + file system + markdown + cron/loop"。在這個結構裡，LLM 是推理與生成核心，shell 提供執行環境，文件系統保存狀態，markdown 讓狀態具可讀性，cron/loop 則提供周期性喚醒與任務推進。

• 他認為這套組合的重要性在於：除了模型本身是新的，其他組件全都是軟體世界早已成熟、可理解、可重用的部分。

• agent 的狀態被保存在文件裡，因此可以跨模型、跨 runtime 遷移；底層模型可以替換，但記憶與狀態仍然保留。

• 他反覆強調 introspection：agent 知道自己的文件、能讀自己的狀態，甚至能改寫自己的文件與功能，朝"extend yourself"的方向前進。

• 在他看來，真正的突破不只是"模型會回答"，而是 agent 能利用既有 Unix 工具鏈，把整台電腦的潛在能力都接進來。

三、瀏覽器、傳統 GUI 與"人手點軟體"的時代，會被 agent-first 的互動方式逐步替代

• Marc Andreessen 明確說過，未來"你可能不再需要用戶介面"。

• 他進一步指出，未來軟體的主要使用者可能不是人，而是 "other bots"。

• 這意味著很多今天為人類點擊、瀏覽、填表而設計的介面，會退化成 agent 背後調用的執行層。

• 在這個世界裡，人更像是提出目標的人：告訴系統自己要什麼，再由 agent 去調用服務、操作軟體、完成流程。

• 他把這個變化連到更大的軟體未來：高品質軟體會越來越"豐沛"，不再是少數工程師手工打造的稀缺品。

• 他還判斷，程式設計語言的重要性會下降；模型會跨語言寫程式、互相翻譯，甚至未來人類更關心的是解釋 AI 為什麼這樣組織程式碼，而不是死守某一種語言本身。

• 他甚至提到一個更激進的方向：從概念上說，AI 不只可能輸出程式碼，也可能直接輸出更底層的二進位碼（binary）或 model weights（模型權重）。

四、這次 AI 投資週期與 2000 年互聯網泡沫有相似，但底層供需結構並不相同

• 他回顧 2000 年時強調，崩盤很大程度上不是"互聯網不行"，而是電信與帶寬基礎設施過度建設，光纖與資料中心被超前鋪設，隨後經歷長時間消化。

• 他認為今天確實也能看到"過度建設"的擔憂，但當前投資主體主要是微軟、亞馬遜、Google 等現金充沛的大公司，而不是高度槓桿化的脆弱玩家。

• 他特別指出，現在只要形成可運行 GPU 的投資，通常很快就能轉成收入，這一點與 2000 年大量閒置容量不同。

• 他還強調，我們現在使用的其實是"被沙包化（sandbagged）"的技術版本：因為 GPU、記憶體、資料中心等供給不足，模型潛力沒有被完全釋放。

• 在他的判斷裡，未來幾年真正的約束不只是 GPU，還包括 CPU、memory、network 與整個晶片生態的聯動瓶頸。

• 他把 AI scaling laws 與過去的 Moore's Law 並置，認為它們不只是描述規律，也在持續激發資本、工程與產業協同前進。

• 他提到一個很反常但重要的現象：隨著軟體優化速度越來越快，某些舊一代晶片甚至可能比剛買時更有經濟價值。

五、開源、邊緣推理與本地運行，不是邊角料，而是 AI 競爭格局的一部分

• Marc Andreessen 明確認為 open source 非常重要，原因不只是免費，而是"讓整個世界學會它是怎麼做成的"。

• 他把類似 DeepSeek 這類開源發布形容為一種 "gift to the world"，因為 code + paper 會快速擴散知識，抬高整個行業的底線。

• 在他的敘述裡，開源不只是技術選擇，也可能是一種地緣政治與市場策略：不同國家與公司會基於自己的商業限制與影響力目標，採用不同開放策略。

• 他同時強調 邊緣推理（"Edge inference"） 的重要性：未來幾年中心化推理成本未必足夠低，很多消費者級應用無法承擔長期高昂雲端推理成本。

• 他提到一個反覆出現的模式：今天看似"不可能在 PC 上跑"的模型，幾個月後常常就真的能在本地機器上運行。

• 除了成本，促使本地運行的還包括信任、隱私、延遲與使用場景：穿戴設備、門鎖、隨身設備等都更適合低延遲、就地推理。

• 他的判斷非常直接：幾乎所有帶晶片的東西，未來都可能帶一個 AI 模型。

六、AI 的真正難題，不只在模型能力，而在安全、身份、金流、組織與制度阻力

• 在安全上，他的判斷非常尖銳：幾乎所有潛在的 security bug 都會更容易被發現，短期內可能出現一段"計算機安全大災難"。

• 但他同時也認為，編程智能體會把修補漏洞的能力規模化；未來"保護軟體"的方式，可能就是讓 bot 去掃描並修好它。

• 在身份問題上，他認為"機器人證明（proof of bot）"不可行，因為 bots 會越來越強；真正可行的方向是 "真人證明（proof of human）"，也就是生物識別、加密驗證與選擇性披露（selective disclosure）的結合。

• 他還談到一個經常被忽略的問題：如果 agents 真要在現實世界辦事，它們最終會需要金錢、支付能力，甚至某種形式的銀行帳戶、卡或穩定幣式基礎設施。在組織層面，他借用管理資本主義（managerial capitalism）的框架，認為 AI 可能重新強化 founder-led company，因為 bots 很擅長報表、協調、文書與大量"管理性工作"。

• 但他並不認為社會會快速順滑接受 AI：他舉出職業執照、工會、碼頭工人罷工、政府部門、K-12 教育、醫療等例子，說明現實世界有大量制度性減速器。

• 他的判斷是，AI 烏托邦主義者和末日論者都容易忽略一點：技術一旦可能，不代表 80 億人會立刻跟著改變。