Benedict Evans 开篇抛出核心疑问：AI 究竟是像 PC、Web、智能手机那样重构入口与分发逻辑的“平台转移”，还是类似电力、计算那样渗透各行各业的“基础设施级变革”？这一区分至关重要——前者会诞生新的巨头、重排行业格局，后者则会慢慢融入背景，成为所有行业的底层支撑，却未必催生颠覆性的新玩家。

为了诠释这一差异，他讲述了电梯的演变：早年曼哈顿的电梯需要专人值守操作，如同有轨电车般复杂；Otis 推出自动电梯后，曾需通过营销强调其“安全”与“电子礼貌”（防夹红外线）；而如今，没人会感叹“我在使用电子自动电梯”，它只是“电梯”本身。真正改变世界的技术，最终都会从聚光灯下退场，成为无人提及却不可或缺的背景。

但当下的 AI 远未到“背景化”阶段，甚至存在两种相互矛盾的叙事：一边是发布会中“博士水平智能体即将降临”的激进宣言，另一边是“更强生产力工具”的务实定位。Evans 指出，这两种叙事无法同时成立——若真有接近人类的智能体，软件形态将被彻底重构；若只是更高效的工具，世界仍需大量软件公司、产品经理和工作流设计。当市场试图同时相信相互冲突的两件事，泡沫便极易滋生。

## 8亿周活背后：AI 热潮下的虚假繁荣与泡沫隐忧
ChatGPT 已拥有 8 亿 - 9 亿周活跃用户，但一个关键矛盾浮出水面：为何五倍于核心用户的人——看过、理解、注册过，甚至知道如何使用——却想不出近期能用它做什么？

Evans 认为，“AI”的定义本身就充满模糊性：在大众语境中，它更像“新东西”的代名词，而非严格的学术概念。机器学习曾被视为 AI，如今却已脱离这一标签；AGI（通用人工智能）则更像“新的、可怕的东西”，要么被宣称“已具备博士水平能力”，要么被断言“还有 5 年成熟，且永远还有 5 年”。这种不确定性，加上技术的颠覆性与兴奋性，注定会催生泡沫——“如果我们现在不在泡沫中，也即将进入泡沫”。

泡沫的另一重隐忧来自过度投资。科技巨头们纷纷加码算力、数据中心建设，理由是“不投资的下行风险比过度投资更大”。但 Evans 质疑：若未来模型效率提升，用 1% 的算力就能达到如今的效果，所有巨头的闲置产能将同时爆发，所谓“转卖产能”的Plan B 并不成立。这如同 90 年代预测带宽消耗——参数再多，也无法精准预判实际需求，最终只能回归本质问题：“这东西到底好不好用？”

## 平台转移的历史镜鉴：AI 会复制互联网，还是移动互联网？
回顾科技史，平台转移分为两种路径：互联网时代诞生了 Facebook、Google 等万亿美元级新巨头；移动互联网虽催生了 Uber、Snap 等公司，但核心收益仍被 Facebook、Google 等原有巨头捕获，更偏向“维持性创新”。

Evans 认为，AI 的走向无法简单套用过往框架。一方面，平台转移的本质是“改变用户行为与信息获取方式”——移动互联网让全球 50 - 60 亿人拥有了口袋电脑，催生了 TikTok、在线约会等此前不可能的场景，即便 Meta 这样的巨头，也因移动化而实现规模倍增；另一方面，AI 与以往平台转移的核心差异在于“物理极限未知”：90 年代我们知道电信公司无法立刻普及千兆光纤，知道 iPhone 不可能有一年续航，但如今没人能说清 AI 的能力边界——既没有成熟理论解释它为何有效，也无法预判 3 年后的基础能力。

这种未知导致了行业的“精神分裂”：OpenAI 既宣称“明年将拥有人类水平的 AI 研究员”，又强调“API 技术栈将赋能开发者，如同 Windows 一般”。Evans 直言：这两件事不可能同时为真——要么是替代人类专业能力的智能体，要么是提升效率的软件工具，二者逻辑互斥。而这种矛盾，恰恰是技术早期的典型特征。

## 应用层的机会：解绑通用能力，重构垂直工作流
AI 时代的真正机会，并非再造一个万能聊天框，而是像过去十几年 SaaS 行业拆解 Excel、邮件、数据库那样，将 ChatGPT 的通用能力“解绑”为垂直场景下可验证、可交付、可嵌入的流程。

如今的现状是，AI 的应用呈现明显分化：硅谷的开发者、营销人员会说“我用它替代了 Google、CRM 甚至 dbt”，大公司通过它将营销素材从 30 个扩充到 300 个；但更多人只是觉得“还行吧”——发达国家仅 10% - 15% 的人每天使用 AI，20% - 30% 的人每周使用，其余人即便拥有账号，也想不出具体用途。

问题的核心在于“工作流适配”：Excel 能让会计师 10 分钟完成一个月的工作，但对律师而言，它只是偶尔用来制作工时表的工具；AI 也是如此，对程序员、内容创作者而言是刚需，但对多数职业来说，需要被包裹在特定产品、工作流和 UI 中——不是让用户绞尽脑汁思考“如何提问”，而是像按电梯按钮一样自然触发。

这正是 AI 创业公司的机会：如同过去企业软件公司拆解 Oracle、Excel 的能力，如今的创业者需要深入特定行业、特定岗位，发现未被满足的工作流需求，用 AI 重构解决方案。美国大公司如今平均使用 400 - 500 个 SaaS 应用，它们本质上都是用旧概念解决新问题；AI 时代，这种“解绑与重构”会重演，且规模更大。

## 竞争关键：分发、渠道与品牌，而非参数
一个关键判断是：ChatGPT 未必具备网络效应，模型正逐渐“商品化”。

从基准测试来看，主流模型的性能差距已不明显；对普通用户而言，每周使用一次时，甚至感受不到 Claude、GPT、Gemini 之间的差异。但使用量却高度集中——ChatGPT 占据绝对优势，Claude 几乎没有消费者用户，Meta 和 Google 则远远落后。 Evans 指出，这背后的核心是“分发与渠道”：在模型成为大宗商品、网络效应尚未形成（或可复制）的阶段，品牌、默认设置和用户习惯才是竞争壁垒。

这如同 Chrome 浏览器的成功——它没有明显的技术优势，也无网络效应，却凭借品牌认知和用户习惯占据主导。对 OpenAI 而言，8 亿周活看似庞大，实则脆弱：它没有自己的基础设施（依赖微软算力，每月收到巨额账单），没有生态锁定，用户粘性仅来自品牌和功能叠加。因此，它必须疯狂扩张产品边界——既是浏览器，也是社交视频应用，又是应用平台——试图在模型商品化前建立真正的防御。

而对科技巨头而言，竞争逻辑各不相同：Google 可通过 AI 优化搜索、广告等核心业务，用现金流支撑算力投入；Meta 需用 AI 重构内容、社交与推荐，否则核心业务将受冲击；Amazon 面临双重挑战——既是 AWS 的算力服务商，又需应对 AI 对购买决策、商品推荐的重构；Apple 则处于两难：若 AI 只是一项服务，它无需拥有；若 AI 重构了计算本质，它缺乏自研模型的短板将被放大。

## 未来展望：从功能到新物种，AI 的三个演进阶段
Evans 用经典框架描述 AI 的演进路径：
1.  第一阶段：吸收为功能——将 AI 融入现有产品，做显而易见的优化（如搜索更精准、营销素材生成更快）；
2.  第二阶段：创造新东西——催生此前不可能的场景（如同移动互联网催生 TikTok、Uber）；
3.  第三阶段：重构行业——有人彻底颠覆现有逻辑，重新定义问题本身。

目前，AI 仍处于第一阶段向第二阶段过渡的早期。如同 iPhone 推出前，移动行业每年都在进步，却没人预见智能手机的革命性；如同 Google 之前有搜索工具，Facebook 之前有社交产品，AI 领域也必将出现“打破图表”的新物种——它未必是更强大的模型，而是能让用户“无需学习就能自然使用”的产品形态。

至于 AI 是否会成为“比互联网更大的变革”，Evans 给出了朴素的判断：关键在于它能否真正替代人类能力，而非仅作为工具。如今的 AI 只是在特定场景下表现出类人能力，远未达到“通用智能”；但它的潜力未知，我们无法否定其进化为更本质变革的可能。

最终，AI 会像电梯、互联网、智能手机那样，从热词退为背景。而在此之前，行业的核心命题的是：谁能将通用能力转化为垂直场景的解决方案？谁能通过分发、渠道和品牌建立真正的壁垒？谁能创造出定义新时代的“iPhone 时刻”？这些问题，将决定下一轮科技格局的走向。