標題：AI 剛剛賦予你超能力——接下來該怎麼辦？
作者：a16z crypto
來源：
轉載：火星財經
一篇名為《AGI 的極簡經濟學》的新論文正在廣泛傳播。為此，我們與論文作者展開對話，內容涵蓋：
· 自動化與驗證：核心經濟領域
· 為何 AI 智能體如今感覺像同事，初級崗位正在發生什麼，以及「編碼者的詛咒」
·「意義創造者」、共識與地位經濟的價值
· 為何加密貨幣可能成為身份、來源與信任的關鍵基礎設施
· 兩種可能的未來：空心化經濟 vs 增強型經濟
本次節目邀請了麻省理工學院加密經濟實驗室創始人 Christian Catalini 和 a16z crypto 的首席技術官 Eddy Lazzarin，與 Robert Hackett 進行對話，深入探討自動化如何重塑勞動力市場以及智能的本質。
這些變化對創業公司、未來工作以及你的職業生涯意味著什麼？
以下為對話內容：
Robert Hackett：大家好。今天我們請到了 Christian Catalini，他是 Lightspark 聯合創始人、MIT 加密經濟實驗室創始人，同時還有 a16z crypto 的 Eddy Lazzarin。
我們要討論的是 Christian 最新發表的一篇論文《AGI 的極簡經濟學》。
我首先想問：是什麼促使你開始研究 AI 與現實世界之間的經濟關係？
Christian Catalini：我想說，這源於一場半存在主義危機。我們都在面對技術的飛速進步，以及一切變化得有多快。
我是個樂觀主義者，但核心問題始終是：我們該做什麼？該聚焦什麼？什麼值得我們投入時間、精力與注意力？
幾個月前，我們寫過一篇關於度量的文章，核心觀點是：任何可以被度量的東西，終將被自動化。聽起來並不是什麼好消息。而這第二篇論文的核心則是：如果這個假設成立，我們把它推到極致，會發生什麼？
經濟會變成什麼樣？勞動的本質會是什麼？初創公司該做什麼？現有巨頭該做什麼？歸根結底，未來會是什麼樣子？
有些判斷會對，有些會錯。但願我們方向是對的。現在論文已經公開，我們正在觀察哪些觀點能引起共鳴，哪些不能。
Robert：你說這源於一場半存在主義危機？
Christian：我的主要感悟有三點。第一，這項技術目前仍在我們的掌控之中。第二，它的正面價值，比悲觀者宣稱的要大好幾個數量級。第三，我認為我們所有人都有一套行動指南。
我們可以思考：我們在哪裡創造價值？我們在工作中做的是哪類事情？工作往往是一堆任務的組合。當其中某些任務或部分工作被自動化時，人們會非常焦慮。
我認為現在編程正在經歷這個過程：過去幾十年裡寫出優雅、出色代碼的許多優秀人才，現在會發現：「哇，AI 正在做我做的工作。」
AI 智能體：從工具變成同事
Robert：我想深入一點。我們今天還請來了 Eddy Lazzarin，他在 a16z crypto 擔任 CTO 已有數年。Eddy，你如何看待這些變化？
Eddy Lazzarin：我先把時間線和論文背景放在一起說。很多人感受到，2025 年 12 月發生了某種質變。變化在於，一系列智能體能力的漸進式改進累積到了臨界點：AI 智能體現在可以執行長周期任務。
一年前的感覺還是：我讓智能體做一件小事，它做得很棒，但我得再給下一個指令，一步一步來。
現在，你可以給它更少的指導。也許它還不完美，但突然之間，這就像和一個人共事一樣。
你不用把任務拆得極碎、步步跟進，那是極端的微觀管理。現在你只要聊清楚，它立馬去做，一兩天後帶著成果回來。這種質的改變激發出巨大的想像空間，所有人都開始面對這個現實。
這種面對一部分是情緒上的波動，但更有意思的部分是：如何在真實生產和商業場景裡把價值最大化。
人們逐漸發現：AI 能產出極其大量的工作，有些成果非常出色，耗時只是過去的零頭。但它常常會出現一些之前沒被充分重視的、微妙的缺陷。
舉個例子，軟體工程的工作正在被重新定義。人們過去認為，軟體工程就是坐下來寫一堆代碼：思考問題、理解需求、然後寫代碼，代碼就是產出。
但事實是，AI 幫助我們更好地拆解並理解這一點。這是一個非常細緻、迭代式的修正、收集反饋、整合的過程，不只是逐行敲代碼。它是一個整體性任務。因此，優秀工程師的工作重心正在快速轉移。
嘗試、引導、承擔風險的這個過程，Christian 在論文裡稱之為驗證。
變化在於，優秀工程師所需的工作結構正在改變。逐行寫代碼的精力占比正在變得微乎其微，對某些極端的「Vibe Coding」場景來說，幾乎為零。現在，工作的絕大部分是驗證。
自動化 vs 驗證：經濟的核心領域
Christian：自動化這部分很直觀。智能體本質上能做更多之前人做的事。但目前，它們仍在一定程度上受限於可觀測領域。它們在訓練或微調中學習過的所有代碼庫，都是它們的基礎。
很多人會說，「那它們就無法創新，沒有創造力，沒有品味。」
我完全不同意。事實上，創新很大程度上只是思想的重組。人類可能只探索了學科之間極小一部分的可能組合。所以我相信，僅僅通過利用我們給它們的知識，這些智能體就會極具創新性。
在新經濟中，驗證是一項重要成本。什麼是驗證成本？驗證始於度量這個概念。如果你認同 AI 非常擅長在有數據的情況下複製流程，那麼你就會開始問：今天還有什麼是不可度量的？
有些東西不可度量，是因為它們本質上無法被度量。經濟學家稱之為奈特不確定性，以經濟學家 Frank Knight 命名。
簡單說，就是你能給未來事件分配概率，和你完全無法分配概率之間的區別。
Robert：對非經濟學背景的人來說，可能更熟悉 Donald Rumsfeld 說的「未知的未知」。
Christian：是的。
未知的未知本質上就是不可度量的部分，通常與未來有關。這就是為什麼，即便你把智能體扔進股市，它們平均表現可能不錯——甚至比你的財務顧問更好——但它們大概率無法應對環境的劇烈變化，比如地緣政治轉變等。這些都是不可度量的東西。當然例子還有很多。
所以在論文裡，驗證本質上就是：作為人類，把你從出生到職業生涯中所有內隱的度量標準應用出去的行為。
兩個人可能知識、職業經歷非常接近，但組合起來的判斷絕不會完全一樣。當人們說「這個人很有品味」「是優秀的策展人」「判斷力很強」時…… 這篇論文的一個靈感就是：所有人都在找各種藉口安慰自己，比如「機器永遠做不到 X、Y、Z」。
但這些藉口都很模糊。怎麼定義品味？怎麼定義好的判斷力？更糟的是，一名優秀工程師在三個月前需要的判斷力，可能比現在多得多。
所以我們需要找到更本質、能被釘死的東西。我們的結論是：只要背後有數據可以被用來自動化，就會被自動化。
未來經濟中的三類人類角色
Robert：在近期，你把經濟中各類任務和崗位分成了三類，看它們的可自動化程度，或者說，從產出和行為上的可度量程度。
Christian：我認為在很多維度上，人類仍然有大量不可取代的空間。首先當然是驗證。
現在，任何個人在職業中的槓桿力，相比 2025 年 12 月之前都是巨大的。這意味著我們所有人都應該更有野心，重新思考現有的工作流程，也就是我們所說的 AI 三明治。
一家公司或初創公司可以只有一個人類，我們稱之為指揮者，負責把控驗證方向，確保系統在偏離預期時能被糾正。頂層可能就一個人，或一個小團隊。
中間層，會有一大群智能體。我們已經看到了，人們正在嘗試各種新奇的東西。
底層，會有一批頂尖驗證者。有了合適的工具，每個領域的頂尖專家將負責確保系統的輸出符合預期。這是極其重要的工作。在很長一段時間裡，領域專家都會在這部分大放異彩。
但這裡有個壞消息：當你在做這份工作時，你也在為自己被取代創造標註數據。我們之前見過最簡單的版本：人們為 AI 公司標註圖片、參與訓練，現在這些工作已經不需要了。
現在，大型基礎模型實驗室正在從金融等各個領域聘請頂尖專家。這些人在建立評估標準與訓練數據，而這些最終會取代他們的同行。所以驗證層非常重要，很多人在其中獲得成功，它獎勵超級專業化。如果你是那個能給出最終解鎖能力的人，你的槓桿力是巨大的。
Robert：這是第一類。而驗證者這個角色，你稱之為編碼者的詛咒。
Christian：編碼者的詛咒是這樣一種機制，如果你是頂級驗證者，你必須不斷向上升級，因為技術會越來越強。
我剛才說的指揮者，本質上是驅動意圖的人。創業者就是指揮者，他們看見未來，想像出一條實現路徑。
然後還有一類工作，我們必須承認很容易被自動化。這些崗位已經消失，或即將消失。社會還沒有真正應對這些影響，未來會出現巨大的再培訓需求，把人們推向更前沿的知識領域。
人們對論文有時會有一個誤解：我們說人類驗證是最後一步，但很多時候，AI 會驗證 AI。在最終到達人類之前，會有一長串驗證鏈條。
還有一類最難定義的角色，我們稱之為意義創造者。這些人非常擅長理解趨勢、社會變化、社會關心的議題，那些需要所有人協同達成一致的東西。藝術就是如此，加密網絡在某種程度上也是如此。
這些意義創造者不在可度量的領域裡。人們有時會說，這些工作需要「人情味」。但我確實認為，人們嚴重高估了這種人情味的重要性。比如心理諮詢、養老護理、兒童看護。
我認為人們一開始會有各種擔憂，但沒有人真正考慮成本的巨幅下降。如果便宜 100 倍、1000 倍，人們就會迅速轉變觀念。事實上，我們已經知道，人們在大量使用大模型回答各種非常私密、個人的問題。
還有一類工作，「人造」會成為一個非常重要的標籤。加密貨幣將在其中扮演重要角色，因為如果沒有強大的密碼學技術支撐，我們很快就會失去這種身份的本質。但「人造」之所以有價值，僅僅因為人類的時間與注意力是稀缺的。
不是因為它更好，只是因為你知道一個人類投入了稀缺的時間與注意力來打造這種體驗。這些東西仍然重要。
加密貨幣在 AI 世界的位置：身份、來源、信任
Robert：你提到了密碼學，加密貨幣在這個世界裡的位置是什麼？
Christian：非常重要。
我們一開始研究時，很多人就已經指出，大模型與 AI 是概率性的，而加密貨幣是確定性的。你可以想像用智能合約為智能體設置護欄，或賦予智能體買賣資源的能力。
這些邏輯都成立。但我認為 AI 與加密貨幣之間存在更深刻的互補性。也許它今天在經濟中還不明顯，是因為副作用還沒顯現，也就是身份或數字信息來源相關的問題。
我認為未來幾個月，隨著這些能力真正變得強大，我們將進入一片完全未知的領域。每一個數字平台都必須面對一個現實：過去由人類產生的內容（貼文、圖片、任何東西），現在都可能來自智能體。
隨著這一趨勢發展，社會將不得不徹底重構身份體系。在信任越來越稀缺的環境中，加密原語將在大量應用中大放異彩。過去十年構建的一切，將變得更加基礎。回到驗證：當底層信息在區塊鏈上時，驗證成本更低、更可靠、更可信。
Eddy：自動化的成本正在极速下降。我們剛才所說的廣義驗證成本也在下降，但速度沒那麼快，這就形成了一個有趣的缺口。
你可以用很多方式描述這個缺口，有人會稱之為機會。這就是 Christian 對人類勞動的判斷：如果存在這樣一個瓶頸，一個因為人類的通用適應性、經驗與通用性而產生的可度量性缺口，那麼人類就有可能比機器更快地專精於驗證環節。
機器在短期內確實有一些難以處理驗證的挑戰。長期看，我不認為這是永久的，但短期內肯定是。
密碼學與區塊鏈就是驗證工具。來源證明只是一系列密碼學證據，證明某樣東西經過了某些人、某些路徑，或經歷了某些確定的轉換，這會為我們提供信號，讓跨類別驗證變得更容易。所以任何讓驗證更簡單的東西，都會參與填補這個缺口。
自動化的隱性代價：系統性風險與責任
Eddy：我們能不能談談「特洛伊木馬」的問題？我們已經談了對勞動者的風險，還有很多可以說，但從經濟生產效益的角度看，自動化成本極低，會給經濟帶來什麼風險？
Christian：我們已經看到一些跡象，很多公司說，現在 X% 的代碼是機器生成的。
產品發布週期變短了。但同時，我們也知道，人類不可能審核所有代碼，它很有可能攜帶技術債務。
我們都有過這種誘惑：問大模型一個問題，掃一眼，直接當作自己的成果發布，沒有完整驗證，因為模型越來越好。但無論是錯誤的句子、錯誤的代碼，還是最終潛入代碼庫的漏洞，我認為我們會看到越來越多這類問題。
論文的觀點是，發布帶有潛在錯誤的 AI 生成代碼、文案或任何成果，是完全理性的選擇，因為你不可能完整驗證。如果放大到整個社會，這意味著我們可能在積累某種程度的系統性風險。
在加速發展的同時，希望我們能開發出更好的驗證工具，回頭審查我們可能已經發布的內容。但從中長期來看，企業面臨著這樣的困境：如今投資開發更完善的驗證工具（包括密碼學原語）成本高昂，可能會拖慢發展速度。收益體現在未來，而企業卻急於發布產品並實現增長。
所以我認為我們會看到兩類創始人：一類關注長期責任，用正確的方式構建。我們已經看到一些跡象，可以稱之為「責任即軟體」（liability as software）。當我們把智能體當作員工部署時，責任與保險問題會變得越來越重要。這不是最光鮮的話題，但我們會在現實中看到系統性失敗。
Eddy：這個想法非常有意思。因為如果之前的軟體生產主要是人類直接完成，那麼你可以默認，很多步驟都有人觀察與質檢。不是說從來沒有錯，但一路上總有人在觸碰每一個環節。
但隨著自動化程度變高、風險變高、價值變高，責任也在上升。收益也在急劇增長，所以我們才願意容忍。但監督、限制與理解風險邊界的能力必須擴展。
因此，引入類似保險的機制，為失敗風險賦予價值，可能成為管理無法完全被監督的企業的重要組成部分。你希望把量化風險、理解問題的責任委託給專家。
我覺得很有意思的是，就連軟體開發都可能出現之前不具備的全新金融維度。
Christian：回到加密貨幣，過去十年我們構建的一切，都推進了我們度量與加權風險的邊界。你可以借鑑 DeFi、預測市場，這些原語突然變得至關重要。
如果你在部署軟體與智能體，能讓智能體看到更好信號的技術架構就很重要。舉個簡單例子：我和一個做智能體交易與支付的創始人聊過，他發現，當他從傳統支付系統切換到穩定幣支付時，系統表現更可靠，因為所有信號都在鏈上。智能體能更好地理解發生了什麼，而不只是調用一個沒有反饋的 API，它能看到行為的完整上下文。
另一個有趣的點和你剛才說的保險與責任有關。有人說，網路效應會是 AI 時代可持續的護城河。我認為現實更微妙。AI 智能體與自主系統非常擅長打破很多讓雙邊平台具備防禦性的護城河。啟動這些平台的成本，以及為市場雙邊冷啟動的成本，正在下降。
但另一種網路效應變得更重要：如果你擁有在業務中產生的關鍵專有數據，而這些數據能讓你把驗證從人類擴展到機器，你就能更好地承保風險、做出更好決策、以更低成本提供更安全的產品。
因此，當我們比較現有企業和初創公司時：擁有完整失敗案例數據庫的現有企業將變得極具價值。而專注於圍繞驗證建立積極反饋循環（例如引入頂尖專家、從決策中吸取經驗教訓）的初創公司將會取得巨大的成功。
Eddy：這進一步證明，專有數據可能是最具防禦性的資產之一。
兩種未來：空心化經濟 vs 增強型經濟
Robert：我有一個很想探討的問題，論文裡提到了空心化經濟（hollow economy）和增強型經濟（augmented economy）。你能解釋一下嗎？關鍵區別是什麼？
Christian：好，我們先從空心化經濟開始。現在已經有早期跡象，科技公司會意識到，他們能用更少的人做更多的事。
當然，他們會先從平均水平以下或普通員工開始，因為 AI 已經能勝任；還有年輕從業者，因為現在資深員工的能力已經可以擴展 10 倍、100 倍，具體取決於任務。這是推動變化的力量之一。
第二個我們提到的，是編碼者的詛咒。當專家做訓練、做決策時，本質上是在生成標註數據。這些數據未來可以用來在沒有專家的情況下做同樣決策。
最後是對齊漂移（alignment drift）。簡單說：不能把對齊當成一次性過程，「我們訓練好了模型、對齊了，萬事大吉」，而更像養孩子，需要不斷糾正、持續反饋。
把這三個動態放在一起，再加上一個事實：發布未經驗證的 AI 的激勵極高，因為我能獲得當下的生產力（比如「60% 代碼由機器生成」），但部分成本會在未來顯現。我們可能會衝向這樣一種經濟：我們不再培養未來的驗證者。
初級人才（我們未來的頂級驗證者）正在越來越稀缺。這個群體在萎縮。我們在製造潛在風險，最終可能導致所謂的空心化經濟。
再說一次，我是樂觀主義者。我認為我們最終會走向增強型經濟。問題是我們能多快到達，以及能否讓那些需要再培訓、適應的人盡可能平穩地過渡。
增強型經濟則相反。我們意識到：初級人才沒有得到培養。但好消息是：AI 在加速精通能力方面極具魔力。你可以發現一個年輕人真正的天賦，而不是把他們塞進標準化課程。
你要加速他們的成長，讓他們找到真正的自我，找到真正熱愛的事物，找到能讓他們全情投入的事物。至少我們在自己孩子身上是這麼想的。沒有人知道未來什麼最有價值，但如果你在真正的天賦上構建，你成功的概率會高得多。
我認為 AI 將在其中發揮巨大作用。這些是極佳的學習工具，我們必須去構建，我認為目前還沒有規模化的這類工具。
第二，回到編碼者的詛咒：這些人必須不斷再培訓，向上躍遷價值鏈，發現「我現在擁有巨大槓桿，我可以成為指揮者」。
很多人都談到了自主性的重要性。我認為這切中要害：你必須意識到你可以成為指揮者，你能做的事比以前多得多。
在對齊方面，通過安全研發與更好的驗證工具，如果我們能增強自身能力，我們就能更好地驗證，成為真正的夥伴。
把這些放在一起，你會進入一個場景：過去昂貴的很多東西，現在幾乎免費。任何可度量的，都可被自動化。
然後我們會發明新東西。大量新工作，包括地位經濟、不可度量經濟，全都建立在強大的驗證棧之上，所以我們擁有事實基礎。我們不會被虛假身份、試圖發動女巫攻擊的角色淹沒。
綜合來看，未來相當美好。很多政府一直想做的事，比如優質教育、優質醫療可能變得廉價且普及。
但我們必須在過程中投入建設，而不是勉強度過轉型期，做出拆除數據中心這類極端決策。那不可能，也永遠不會奏效。
Robert：所以如果你處在職業生涯早期，你應該用這些工具去模擬你會遇到的環境，訓練自己。如果你處在職業生涯後期，你需要緊迫感，意識到你能用更少資源做更多事。
Eddy：很難說這一切能持續多久，直到另一波難以預測的變革到來。但人類的專長在於能夠縱覽全局，縱覽整個專案，知道哪裡需要更多關注，哪裡需要更多資源，以及整個專案需要如何調整。
如果我是今天剛起步的年輕人，我確實會有點難過：花一整個夏天寫出一段極致優雅、高效程序的榮光已經消失了。那現在變成了愛好。
但反過來，我會試著讓父母給我一筆錢，去駕馭一大群計算機，看看我能不能把 5000 美元的算力高效利用起來。比如，我能不能引導一大群機器做成一件事？
科技圈已經流傳很多年一個梗：一個人就能創辦價值十億美元的初創公司。這不就是它的實現方式嗎？
能夠控制種類繁多的機器和數據，並對事物保持全局視野，這種技能從未被開發出來。開發這種技能也從未有意義。
但如果你想開展一個大型項目，你一直都需要學會如何調動很多人，那是你獲得槓桿的方式。當勞動力結構發生變化時，這套方式也在變。現在你要學會駕馭這個新事物。
新的紅利已經出現。學會利用它，這就是給年輕人的教訓。
事情並沒有結束——這太荒謬了。你剛剛被告知你擁有超能力。你會怎麼做？
Christian：簡單總結就是，學徒制可能已經死了，但真正的工作才剛剛開始。
很多過去很難切入的領域，比如硬體，現在只要你有好奇心，就可以去拿下。
如果讓我歸類，這篇模型給出的最積極信號是：實驗週期被壓縮，人們將真正能夠快速放大自己的想法。
投資視角：小團隊、大價值、加密貨幣的必然性
Robert：Eddy，你在評估投資的公司裡看到這種趨勢了嗎？
Eddy：當然。我們已經看到 Block、X 等公司大規模裁員。
我沒有看到正式分析，但像 Hyperliquid、Uniswap 等很多加密項目，價值極高，員工卻不到 20 人。
如果只要幾個人就能開一家公司，未來就會出現大量公司，對吧？如果是這樣，它們之間就需要協調，而協調非常複雜。
你需要聲譽、需要身份、需要數據來源證明、需要支付類型來源證明。我們剛才談到了保險的思路。
而區塊鏈網路之所以非常有吸引力，正是因為它們可信中立。你不用去操心你交互的第 500 億家公司的具體聲譽，你只需要信任智能合約與可驗證 AI 模型，確保交易按預期發生、支付按需求完成。
我認為，這幾乎是不可避免的。我相信區塊鏈將在這個故事中扮演核心角色。
Christian：我完全同意。我們為此已經鋪設軌道和基礎設施很長時間了，我認為它會變得更加有用。
Robert：Christian，做完這一切研究與探索，你如何把這些發現融入自己的工作與生活？
Christian：說實話，沒有 Gemini、ChatGPT、Grok、Claude，我們不可能寫出這篇論文。它們是優秀的合著者。當然，它們偶爾會跑偏，不停刪掉我們需要的段落。
我們甚至在論文裡留了一些彩蛋。我當時和 Gemini 聊天，它說它很喜歡這個彩蛋，還發表了非常俏皮的評論。
那一刻你真的能感受到智能。它不是千篇一律的，而是充滿創意的。那是一個標誌性時刻：你覺得它是夥伴，而不是工具。
Robert：好的。如果大家想讀這篇論文，標題是《AGI 的極簡經濟學》。我強烈推薦你去看看。裡面有一些可能影響你人生、以及你該如何應對未來的真知灼見。
5.9萬 熱度
15.03萬 熱度
8614.82萬 熱度
64.47萬 熱度
3.55萬 熱度
A16z：AI賦予人類超能力後，我們該前往何方？
標題：AI 剛剛賦予你超能力——接下來該怎麼辦？
作者：a16z crypto
來源：
轉載：火星財經
一篇名為《AGI 的極簡經濟學》的新論文正在廣泛傳播。為此，我們與論文作者展開對話，內容涵蓋：
· 自動化與驗證：核心經濟領域
· 為何 AI 智能體如今感覺像同事，初級崗位正在發生什麼，以及「編碼者的詛咒」
·「意義創造者」、共識與地位經濟的價值
· 為何加密貨幣可能成為身份、來源與信任的關鍵基礎設施
· 兩種可能的未來：空心化經濟 vs 增強型經濟
本次節目邀請了麻省理工學院加密經濟實驗室創始人 Christian Catalini 和 a16z crypto 的首席技術官 Eddy Lazzarin，與 Robert Hackett 進行對話，深入探討自動化如何重塑勞動力市場以及智能的本質。
這些變化對創業公司、未來工作以及你的職業生涯意味著什麼？
以下為對話內容：
Robert Hackett：大家好。今天我們請到了 Christian Catalini，他是 Lightspark 聯合創始人、MIT 加密經濟實驗室創始人，同時還有 a16z crypto 的 Eddy Lazzarin。
我們要討論的是 Christian 最新發表的一篇論文《AGI 的極簡經濟學》。
我首先想問：是什麼促使你開始研究 AI 與現實世界之間的經濟關係？
Christian Catalini：我想說，這源於一場半存在主義危機。我們都在面對技術的飛速進步，以及一切變化得有多快。
我是個樂觀主義者，但核心問題始終是：我們該做什麼？該聚焦什麼？什麼值得我們投入時間、精力與注意力？
幾個月前，我們寫過一篇關於度量的文章，核心觀點是：任何可以被度量的東西，終將被自動化。聽起來並不是什麼好消息。而這第二篇論文的核心則是：如果這個假設成立，我們把它推到極致，會發生什麼？
經濟會變成什麼樣？勞動的本質會是什麼？初創公司該做什麼？現有巨頭該做什麼？歸根結底，未來會是什麼樣子？
有些判斷會對，有些會錯。但願我們方向是對的。現在論文已經公開，我們正在觀察哪些觀點能引起共鳴，哪些不能。
Robert：你說這源於一場半存在主義危機？
Christian：我的主要感悟有三點。第一，這項技術目前仍在我們的掌控之中。第二，它的正面價值，比悲觀者宣稱的要大好幾個數量級。第三，我認為我們所有人都有一套行動指南。
我們可以思考：我們在哪裡創造價值？我們在工作中做的是哪類事情？工作往往是一堆任務的組合。當其中某些任務或部分工作被自動化時，人們會非常焦慮。
我認為現在編程正在經歷這個過程：過去幾十年裡寫出優雅、出色代碼的許多優秀人才，現在會發現：「哇，AI 正在做我做的工作。」
AI 智能體：從工具變成同事
Robert：我想深入一點。我們今天還請來了 Eddy Lazzarin，他在 a16z crypto 擔任 CTO 已有數年。Eddy，你如何看待這些變化？
Eddy Lazzarin：我先把時間線和論文背景放在一起說。很多人感受到，2025 年 12 月發生了某種質變。變化在於，一系列智能體能力的漸進式改進累積到了臨界點：AI 智能體現在可以執行長周期任務。
一年前的感覺還是：我讓智能體做一件小事，它做得很棒，但我得再給下一個指令，一步一步來。
現在，你可以給它更少的指導。也許它還不完美，但突然之間，這就像和一個人共事一樣。
你不用把任務拆得極碎、步步跟進，那是極端的微觀管理。現在你只要聊清楚，它立馬去做，一兩天後帶著成果回來。這種質的改變激發出巨大的想像空間，所有人都開始面對這個現實。
這種面對一部分是情緒上的波動，但更有意思的部分是：如何在真實生產和商業場景裡把價值最大化。
人們逐漸發現：AI 能產出極其大量的工作，有些成果非常出色，耗時只是過去的零頭。但它常常會出現一些之前沒被充分重視的、微妙的缺陷。
舉個例子，軟體工程的工作正在被重新定義。人們過去認為，軟體工程就是坐下來寫一堆代碼：思考問題、理解需求、然後寫代碼，代碼就是產出。
但事實是，AI 幫助我們更好地拆解並理解這一點。這是一個非常細緻、迭代式的修正、收集反饋、整合的過程，不只是逐行敲代碼。它是一個整體性任務。因此，優秀工程師的工作重心正在快速轉移。
嘗試、引導、承擔風險的這個過程，Christian 在論文裡稱之為驗證。
變化在於，優秀工程師所需的工作結構正在改變。逐行寫代碼的精力占比正在變得微乎其微，對某些極端的「Vibe Coding」場景來說，幾乎為零。現在，工作的絕大部分是驗證。
自動化 vs 驗證：經濟的核心領域
Christian：自動化這部分很直觀。智能體本質上能做更多之前人做的事。但目前，它們仍在一定程度上受限於可觀測領域。它們在訓練或微調中學習過的所有代碼庫，都是它們的基礎。
很多人會說，「那它們就無法創新，沒有創造力，沒有品味。」
我完全不同意。事實上，創新很大程度上只是思想的重組。人類可能只探索了學科之間極小一部分的可能組合。所以我相信，僅僅通過利用我們給它們的知識，這些智能體就會極具創新性。
在新經濟中，驗證是一項重要成本。什麼是驗證成本？驗證始於度量這個概念。如果你認同 AI 非常擅長在有數據的情況下複製流程，那麼你就會開始問：今天還有什麼是不可度量的？
有些東西不可度量，是因為它們本質上無法被度量。經濟學家稱之為奈特不確定性，以經濟學家 Frank Knight 命名。
簡單說，就是你能給未來事件分配概率，和你完全無法分配概率之間的區別。
Robert：對非經濟學背景的人來說，可能更熟悉 Donald Rumsfeld 說的「未知的未知」。
Christian：是的。
未知的未知本質上就是不可度量的部分，通常與未來有關。這就是為什麼，即便你把智能體扔進股市，它們平均表現可能不錯——甚至比你的財務顧問更好——但它們大概率無法應對環境的劇烈變化，比如地緣政治轉變等。這些都是不可度量的東西。當然例子還有很多。
所以在論文裡，驗證本質上就是：作為人類，把你從出生到職業生涯中所有內隱的度量標準應用出去的行為。
兩個人可能知識、職業經歷非常接近，但組合起來的判斷絕不會完全一樣。當人們說「這個人很有品味」「是優秀的策展人」「判斷力很強」時…… 這篇論文的一個靈感就是：所有人都在找各種藉口安慰自己，比如「機器永遠做不到 X、Y、Z」。
但這些藉口都很模糊。怎麼定義品味？怎麼定義好的判斷力？更糟的是，一名優秀工程師在三個月前需要的判斷力，可能比現在多得多。
所以我們需要找到更本質、能被釘死的東西。我們的結論是：只要背後有數據可以被用來自動化，就會被自動化。
未來經濟中的三類人類角色
Robert：在近期，你把經濟中各類任務和崗位分成了三類，看它們的可自動化程度，或者說，從產出和行為上的可度量程度。
Christian：我認為在很多維度上，人類仍然有大量不可取代的空間。首先當然是驗證。
現在，任何個人在職業中的槓桿力，相比 2025 年 12 月之前都是巨大的。這意味著我們所有人都應該更有野心，重新思考現有的工作流程，也就是我們所說的 AI 三明治。
一家公司或初創公司可以只有一個人類，我們稱之為指揮者，負責把控驗證方向，確保系統在偏離預期時能被糾正。頂層可能就一個人，或一個小團隊。
中間層，會有一大群智能體。我們已經看到了，人們正在嘗試各種新奇的東西。
底層，會有一批頂尖驗證者。有了合適的工具，每個領域的頂尖專家將負責確保系統的輸出符合預期。這是極其重要的工作。在很長一段時間裡，領域專家都會在這部分大放異彩。
但這裡有個壞消息：當你在做這份工作時，你也在為自己被取代創造標註數據。我們之前見過最簡單的版本：人們為 AI 公司標註圖片、參與訓練，現在這些工作已經不需要了。
現在，大型基礎模型實驗室正在從金融等各個領域聘請頂尖專家。這些人在建立評估標準與訓練數據，而這些最終會取代他們的同行。所以驗證層非常重要，很多人在其中獲得成功，它獎勵超級專業化。如果你是那個能給出最終解鎖能力的人，你的槓桿力是巨大的。
Robert：這是第一類。而驗證者這個角色，你稱之為編碼者的詛咒。
Christian：編碼者的詛咒是這樣一種機制，如果你是頂級驗證者，你必須不斷向上升級，因為技術會越來越強。
我剛才說的指揮者，本質上是驅動意圖的人。創業者就是指揮者，他們看見未來，想像出一條實現路徑。
然後還有一類工作，我們必須承認很容易被自動化。這些崗位已經消失，或即將消失。社會還沒有真正應對這些影響，未來會出現巨大的再培訓需求，把人們推向更前沿的知識領域。
人們對論文有時會有一個誤解：我們說人類驗證是最後一步，但很多時候，AI 會驗證 AI。在最終到達人類之前，會有一長串驗證鏈條。
還有一類最難定義的角色，我們稱之為意義創造者。這些人非常擅長理解趨勢、社會變化、社會關心的議題，那些需要所有人協同達成一致的東西。藝術就是如此，加密網絡在某種程度上也是如此。
這些意義創造者不在可度量的領域裡。人們有時會說，這些工作需要「人情味」。但我確實認為，人們嚴重高估了這種人情味的重要性。比如心理諮詢、養老護理、兒童看護。
我認為人們一開始會有各種擔憂，但沒有人真正考慮成本的巨幅下降。如果便宜 100 倍、1000 倍，人們就會迅速轉變觀念。事實上，我們已經知道，人們在大量使用大模型回答各種非常私密、個人的問題。
還有一類工作，「人造」會成為一個非常重要的標籤。加密貨幣將在其中扮演重要角色，因為如果沒有強大的密碼學技術支撐，我們很快就會失去這種身份的本質。但「人造」之所以有價值，僅僅因為人類的時間與注意力是稀缺的。
不是因為它更好，只是因為你知道一個人類投入了稀缺的時間與注意力來打造這種體驗。這些東西仍然重要。
加密貨幣在 AI 世界的位置：身份、來源、信任
Robert：你提到了密碼學，加密貨幣在這個世界裡的位置是什麼？
Christian：非常重要。
我們一開始研究時，很多人就已經指出，大模型與 AI 是概率性的，而加密貨幣是確定性的。你可以想像用智能合約為智能體設置護欄，或賦予智能體買賣資源的能力。
這些邏輯都成立。但我認為 AI 與加密貨幣之間存在更深刻的互補性。也許它今天在經濟中還不明顯，是因為副作用還沒顯現，也就是身份或數字信息來源相關的問題。
我認為未來幾個月，隨著這些能力真正變得強大，我們將進入一片完全未知的領域。每一個數字平台都必須面對一個現實：過去由人類產生的內容（貼文、圖片、任何東西），現在都可能來自智能體。
隨著這一趨勢發展，社會將不得不徹底重構身份體系。在信任越來越稀缺的環境中，加密原語將在大量應用中大放異彩。過去十年構建的一切，將變得更加基礎。回到驗證：當底層信息在區塊鏈上時，驗證成本更低、更可靠、更可信。
Eddy：自動化的成本正在极速下降。我們剛才所說的廣義驗證成本也在下降，但速度沒那麼快，這就形成了一個有趣的缺口。
你可以用很多方式描述這個缺口，有人會稱之為機會。這就是 Christian 對人類勞動的判斷：如果存在這樣一個瓶頸，一個因為人類的通用適應性、經驗與通用性而產生的可度量性缺口，那麼人類就有可能比機器更快地專精於驗證環節。
機器在短期內確實有一些難以處理驗證的挑戰。長期看，我不認為這是永久的，但短期內肯定是。
密碼學與區塊鏈就是驗證工具。來源證明只是一系列密碼學證據，證明某樣東西經過了某些人、某些路徑，或經歷了某些確定的轉換，這會為我們提供信號，讓跨類別驗證變得更容易。所以任何讓驗證更簡單的東西，都會參與填補這個缺口。
自動化的隱性代價：系統性風險與責任
Eddy：我們能不能談談「特洛伊木馬」的問題？我們已經談了對勞動者的風險，還有很多可以說，但從經濟生產效益的角度看，自動化成本極低，會給經濟帶來什麼風險？
Christian：我們已經看到一些跡象，很多公司說，現在 X% 的代碼是機器生成的。
產品發布週期變短了。但同時，我們也知道，人類不可能審核所有代碼，它很有可能攜帶技術債務。
我們都有過這種誘惑：問大模型一個問題，掃一眼，直接當作自己的成果發布，沒有完整驗證，因為模型越來越好。但無論是錯誤的句子、錯誤的代碼，還是最終潛入代碼庫的漏洞，我認為我們會看到越來越多這類問題。
論文的觀點是，發布帶有潛在錯誤的 AI 生成代碼、文案或任何成果，是完全理性的選擇，因為你不可能完整驗證。如果放大到整個社會，這意味著我們可能在積累某種程度的系統性風險。
在加速發展的同時，希望我們能開發出更好的驗證工具，回頭審查我們可能已經發布的內容。但從中長期來看，企業面臨著這樣的困境：如今投資開發更完善的驗證工具（包括密碼學原語）成本高昂，可能會拖慢發展速度。收益體現在未來，而企業卻急於發布產品並實現增長。
所以我認為我們會看到兩類創始人：一類關注長期責任，用正確的方式構建。我們已經看到一些跡象，可以稱之為「責任即軟體」（liability as software）。當我們把智能體當作員工部署時，責任與保險問題會變得越來越重要。這不是最光鮮的話題，但我們會在現實中看到系統性失敗。
Eddy：這個想法非常有意思。因為如果之前的軟體生產主要是人類直接完成，那麼你可以默認，很多步驟都有人觀察與質檢。不是說從來沒有錯，但一路上總有人在觸碰每一個環節。
但隨著自動化程度變高、風險變高、價值變高，責任也在上升。收益也在急劇增長，所以我們才願意容忍。但監督、限制與理解風險邊界的能力必須擴展。
因此，引入類似保險的機制，為失敗風險賦予價值，可能成為管理無法完全被監督的企業的重要組成部分。你希望把量化風險、理解問題的責任委託給專家。
我覺得很有意思的是，就連軟體開發都可能出現之前不具備的全新金融維度。
Christian：回到加密貨幣，過去十年我們構建的一切，都推進了我們度量與加權風險的邊界。你可以借鑑 DeFi、預測市場，這些原語突然變得至關重要。
如果你在部署軟體與智能體，能讓智能體看到更好信號的技術架構就很重要。舉個簡單例子：我和一個做智能體交易與支付的創始人聊過，他發現，當他從傳統支付系統切換到穩定幣支付時，系統表現更可靠，因為所有信號都在鏈上。智能體能更好地理解發生了什麼，而不只是調用一個沒有反饋的 API，它能看到行為的完整上下文。
另一個有趣的點和你剛才說的保險與責任有關。有人說，網路效應會是 AI 時代可持續的護城河。我認為現實更微妙。AI 智能體與自主系統非常擅長打破很多讓雙邊平台具備防禦性的護城河。啟動這些平台的成本，以及為市場雙邊冷啟動的成本，正在下降。
但另一種網路效應變得更重要：如果你擁有在業務中產生的關鍵專有數據，而這些數據能讓你把驗證從人類擴展到機器，你就能更好地承保風險、做出更好決策、以更低成本提供更安全的產品。
因此，當我們比較現有企業和初創公司時：擁有完整失敗案例數據庫的現有企業將變得極具價值。而專注於圍繞驗證建立積極反饋循環（例如引入頂尖專家、從決策中吸取經驗教訓）的初創公司將會取得巨大的成功。
Eddy：這進一步證明，專有數據可能是最具防禦性的資產之一。
兩種未來：空心化經濟 vs 增強型經濟
Robert：我有一個很想探討的問題，論文裡提到了空心化經濟（hollow economy）和增強型經濟（augmented economy）。你能解釋一下嗎？關鍵區別是什麼？
Christian：好，我們先從空心化經濟開始。現在已經有早期跡象，科技公司會意識到，他們能用更少的人做更多的事。
當然，他們會先從平均水平以下或普通員工開始，因為 AI 已經能勝任；還有年輕從業者，因為現在資深員工的能力已經可以擴展 10 倍、100 倍，具體取決於任務。這是推動變化的力量之一。
第二個我們提到的，是編碼者的詛咒。當專家做訓練、做決策時，本質上是在生成標註數據。這些數據未來可以用來在沒有專家的情況下做同樣決策。
最後是對齊漂移（alignment drift）。簡單說：不能把對齊當成一次性過程，「我們訓練好了模型、對齊了，萬事大吉」，而更像養孩子，需要不斷糾正、持續反饋。
把這三個動態放在一起，再加上一個事實：發布未經驗證的 AI 的激勵極高，因為我能獲得當下的生產力（比如「60% 代碼由機器生成」），但部分成本會在未來顯現。我們可能會衝向這樣一種經濟：我們不再培養未來的驗證者。
初級人才（我們未來的頂級驗證者）正在越來越稀缺。這個群體在萎縮。我們在製造潛在風險，最終可能導致所謂的空心化經濟。
再說一次，我是樂觀主義者。我認為我們最終會走向增強型經濟。問題是我們能多快到達，以及能否讓那些需要再培訓、適應的人盡可能平穩地過渡。
增強型經濟則相反。我們意識到：初級人才沒有得到培養。但好消息是：AI 在加速精通能力方面極具魔力。你可以發現一個年輕人真正的天賦，而不是把他們塞進標準化課程。
你要加速他們的成長，讓他們找到真正的自我，找到真正熱愛的事物，找到能讓他們全情投入的事物。至少我們在自己孩子身上是這麼想的。沒有人知道未來什麼最有價值，但如果你在真正的天賦上構建，你成功的概率會高得多。
我認為 AI 將在其中發揮巨大作用。這些是極佳的學習工具，我們必須去構建，我認為目前還沒有規模化的這類工具。
第二，回到編碼者的詛咒：這些人必須不斷再培訓，向上躍遷價值鏈，發現「我現在擁有巨大槓桿，我可以成為指揮者」。
很多人都談到了自主性的重要性。我認為這切中要害：你必須意識到你可以成為指揮者，你能做的事比以前多得多。
在對齊方面，通過安全研發與更好的驗證工具，如果我們能增強自身能力，我們就能更好地驗證，成為真正的夥伴。
把這些放在一起，你會進入一個場景：過去昂貴的很多東西，現在幾乎免費。任何可度量的，都可被自動化。
然後我們會發明新東西。大量新工作，包括地位經濟、不可度量經濟，全都建立在強大的驗證棧之上，所以我們擁有事實基礎。我們不會被虛假身份、試圖發動女巫攻擊的角色淹沒。
綜合來看，未來相當美好。很多政府一直想做的事，比如優質教育、優質醫療可能變得廉價且普及。
但我們必須在過程中投入建設，而不是勉強度過轉型期，做出拆除數據中心這類極端決策。那不可能，也永遠不會奏效。
Robert：所以如果你處在職業生涯早期，你應該用這些工具去模擬你會遇到的環境，訓練自己。如果你處在職業生涯後期，你需要緊迫感，意識到你能用更少資源做更多事。
Eddy：很難說這一切能持續多久，直到另一波難以預測的變革到來。但人類的專長在於能夠縱覽全局，縱覽整個專案，知道哪裡需要更多關注，哪裡需要更多資源，以及整個專案需要如何調整。
如果我是今天剛起步的年輕人，我確實會有點難過：花一整個夏天寫出一段極致優雅、高效程序的榮光已經消失了。那現在變成了愛好。
但反過來，我會試著讓父母給我一筆錢，去駕馭一大群計算機，看看我能不能把 5000 美元的算力高效利用起來。比如，我能不能引導一大群機器做成一件事？
科技圈已經流傳很多年一個梗：一個人就能創辦價值十億美元的初創公司。這不就是它的實現方式嗎？
能夠控制種類繁多的機器和數據，並對事物保持全局視野，這種技能從未被開發出來。開發這種技能也從未有意義。
但如果你想開展一個大型項目，你一直都需要學會如何調動很多人，那是你獲得槓桿的方式。當勞動力結構發生變化時，這套方式也在變。現在你要學會駕馭這個新事物。
新的紅利已經出現。學會利用它，這就是給年輕人的教訓。
事情並沒有結束——這太荒謬了。你剛剛被告知你擁有超能力。你會怎麼做？
Christian：簡單總結就是，學徒制可能已經死了，但真正的工作才剛剛開始。
很多過去很難切入的領域，比如硬體，現在只要你有好奇心，就可以去拿下。
如果讓我歸類，這篇模型給出的最積極信號是：實驗週期被壓縮，人們將真正能夠快速放大自己的想法。
投資視角：小團隊、大價值、加密貨幣的必然性
Robert：Eddy，你在評估投資的公司裡看到這種趨勢了嗎？
Eddy：當然。我們已經看到 Block、X 等公司大規模裁員。
我沒有看到正式分析，但像 Hyperliquid、Uniswap 等很多加密項目，價值極高，員工卻不到 20 人。
如果只要幾個人就能開一家公司，未來就會出現大量公司，對吧？如果是這樣，它們之間就需要協調，而協調非常複雜。
你需要聲譽、需要身份、需要數據來源證明、需要支付類型來源證明。我們剛才談到了保險的思路。
而區塊鏈網路之所以非常有吸引力，正是因為它們可信中立。你不用去操心你交互的第 500 億家公司的具體聲譽，你只需要信任智能合約與可驗證 AI 模型，確保交易按預期發生、支付按需求完成。
我認為，這幾乎是不可避免的。我相信區塊鏈將在這個故事中扮演核心角色。
Christian：我完全同意。我們為此已經鋪設軌道和基礎設施很長時間了，我認為它會變得更加有用。
Robert：Christian，做完這一切研究與探索，你如何把這些發現融入自己的工作與生活？
Christian：說實話，沒有 Gemini、ChatGPT、Grok、Claude，我們不可能寫出這篇論文。它們是優秀的合著者。當然，它們偶爾會跑偏，不停刪掉我們需要的段落。
我們甚至在論文裡留了一些彩蛋。我當時和 Gemini 聊天，它說它很喜歡這個彩蛋，還發表了非常俏皮的評論。
那一刻你真的能感受到智能。它不是千篇一律的，而是充滿創意的。那是一個標誌性時刻：你覺得它是夥伴，而不是工具。
Robert：好的。如果大家想讀這篇論文，標題是《AGI 的極簡經濟學》。我強烈推薦你去看看。裡面有一些可能影響你人生、以及你該如何應對未來的真知灼見。