先确认任务能否被说清
评估自动化不能只看模型会不会做，还要看人能否把问题隔离出来并准确描述。若同一任务连交给真人都很难讲清，换成更强模型也未必能解决交互与部署问题。
verifiabilityunderstanding
跳到 00:14:03 
DEPTH PROFILE
本尼迪克特·埃文斯
Benedict Evans
独立科技分析师
Benedict Evans Newsletter
策展者投资人美国生态
- 20
- 观点
- 12
- 精选
- 1
- 访谈
EDITOR'S SELECTION
代表观点
12 条经过五问筛选的核心判断
新用例必须被发明
新技术起初总被塞进旧流程，真正原生的产品通常出现得更晚。宽带不会自动生出 Instagram，图像生成也只有变成虚拟试穿这类具体解决方案，才可能越过短暂的新鲜感。
understandingbusiness-of-agi
跳到 01:03:00 自动化会重写工作内容
技术反复替代会计工作的具体步骤，但会计人数仍长期增长，因为人们不只是把旧任务做得更多，而是在做过去不存在的新工作。只统计将消失的任务，会落入劳动总量固定的误区。
org-and-talent
跳到 00:16:00 交付物不是整份工作
客户购买咨询服务，并不只是购买最后那份 PowerPoint；放射科、法律和会计同样包含责任、关系与组织协作。若 benchmark 只测可见产物，就会把职业中真正难替代的部分漏掉。
verifiabilityorg-and-talent
跳到 00:20:29 AI 冲击行业不会均匀
同一种平台技术能摧毁出租车市场，却只在酒店业旁边增加一个新市场；互联网也没有改变记者的写作任务，却先摧毁了本地广告。AI 的真正冲击可能来自任务清单之外，有些行业甚至不会发生结构变化。
org-and-talent
跳到 00:22:04 基础层拿不走全部价值
移动网络、TSMC 和 AWS 都是庞大且盈利的基础设施，却没有因此拥有上层所有产品。模型公司即使成为关键基础层，应用分发、行业知识与产品能力仍会让价值沿技术栈分散。
business-of-agi
跳到 00:32:29 前沿模型会减少但不会只剩一档
当前模型领先者频繁轮换，也没有搜索或社交网络那样的壁垒。若 scaling 持续抬高训练成本，前沿玩家会像先进半导体厂商一样减少，但大量任务仍会按 ROI 选择不同价格和能力档位。
business-of-agiagi-roadmap
跳到 00:27:36 类比用于提问而非预测
把 AI 比作电力、移动网络或半导体，并不能证明它会沿同一路径发展。历史类比的价值，是枚举成本结构、竞争层次和价值流向等问题，再检查哪些机制可能重现。
understanding
跳到 00:03:09 人人自建工具有三道门槛
大多数人看不见值得解决的问题，也不会把领域经验转成新的软件工作流，即使两者都具备，也未必有权改动受监管数据和核心系统。模型降低写代码的门槛，并没有同时消除发现、设计与组织授权的门槛。
understandingorg-and-talent
跳到 00:28:57 企业转型不能靠通用 Copilot
给每个人一个 Copilot 没有自动产生新工作方式，逐个部署 pilot 也只是局部止痛。企业要重构流程、数据和组织，但内部通常没有齐全的复合人才，因此实施与专业服务仍是长期工程。
org-and-talentbusiness-of-agi
跳到 00:58:59 coding 成功难以外推
开发者既是工具用户也是工具构建者，代码又有海量训练数据和可重复运行的验证机制。咨询等知识工作依赖隐性知识且结果难以规模化校验，因此不能假定它们会照搬 coding 的进步曲线。
ai-codingverifiability
跳到 00:38:00 平均答案不是原创突破
模型擅长从训练数据生成多数人可能给出的答案，但原创策略不仅缺少样本，也缺少像棋局胜负那样可扩展的验证器。模仿既有流行风格与发明 punk 或 hip hop，是两类不同的问题。
tasteverifiability
跳到 00:40:22 ALL INSIGHTS
全部观点
按当前资料入库顺序排列
01
AI 还不是大众计算入口
coding 已有明确的产品市场匹配，少数灵活知识工作者也会高频使用 AI，但大多数人只在一周内偶尔打开一两次。用户数量不能代表使用深度，硅谷重度用户更不能代表普通人的工作方式。
ai-codingunderstanding
跳到 00:11:51 02
先确认任务能否被说清
评估自动化不能只看模型会不会做，还要看人能否把问题隔离出来并准确描述。若同一任务连交给真人都很难讲清，换成更强模型也未必能解决交互与部署问题。
verifiabilityunderstanding
跳到 00:14:03 03
新用例必须被发明
新技术起初总被塞进旧流程，真正原生的产品通常出现得更晚。宽带不会自动生出 Instagram，图像生成也只有变成虚拟试穿这类具体解决方案，才可能越过短暂的新鲜感。
understandingbusiness-of-agi
跳到 01:03:00 04
自动化会重写工作内容
技术反复替代会计工作的具体步骤，但会计人数仍长期增长，因为人们不只是把旧任务做得更多，而是在做过去不存在的新工作。只统计将消失的任务，会落入劳动总量固定的误区。
org-and-talent
跳到 00:16:00 05
交付物不是整份工作
客户购买咨询服务，并不只是购买最后那份 PowerPoint；放射科、法律和会计同样包含责任、关系与组织协作。若 benchmark 只测可见产物，就会把职业中真正难替代的部分漏掉。
verifiabilityorg-and-talent
跳到 00:20:29 06
AI 冲击行业不会均匀
同一种平台技术能摧毁出租车市场，却只在酒店业旁边增加一个新市场；互联网也没有改变记者的写作任务，却先摧毁了本地广告。AI 的真正冲击可能来自任务清单之外，有些行业甚至不会发生结构变化。
org-and-talent
跳到 00:22:04 07
基础层拿不走全部价值
移动网络、TSMC 和 AWS 都是庞大且盈利的基础设施，却没有因此拥有上层所有产品。模型公司即使成为关键基础层，应用分发、行业知识与产品能力仍会让价值沿技术栈分散。
business-of-agi
跳到 00:32:29 08
前沿模型会减少但不会只剩一档
当前模型领先者频繁轮换，也没有搜索或社交网络那样的壁垒。若 scaling 持续抬高训练成本，前沿玩家会像先进半导体厂商一样减少，但大量任务仍会按 ROI 选择不同价格和能力档位。
business-of-agiagi-roadmap
跳到 00:27:36 09
边际成本限制消费 AI 扩张
AI 推理不像过去的软件分发那样接近零边际成本。一个真正吸引十亿人的应用可能先撞上基础设施容量和账单，因此创业者很难先免费扩张到一亿用户，再慢慢寻找收入模式。
business-of-agi
跳到 00:48:43 10
类比用于提问而非预测
把 AI 比作电力、移动网络或半导体，并不能证明它会沿同一路径发展。历史类比的价值，是枚举成本结构、竞争层次和价值流向等问题，再检查哪些机制可能重现。
understanding
跳到 00:03:09 11
终局未知时先做实验
模型为何有效、能力边界在哪里都还没有可靠答案，直接争论 AGI 终局很难产生可操作信息。更有效的做法是先构建软件、观察真实用途，并接受当前大量概念和产品都会失败。
agi-roadmapunderstanding
跳到 00:09:15 12
别用定义证明 AGI 终局
若先把 AGI 定义成能做所有人类工作的系统，再推导它会替代所有工作，结论只是在重复前提。判断模型终局必须保留可证伪条件，不能靠定义把未知能力写成必然。
agi-roadmap
跳到 00:25:31 13
人人自建工具有三道门槛
大多数人看不见值得解决的问题，也不会把领域经验转成新的软件工作流，即使两者都具备，也未必有权改动受监管数据和核心系统。模型降低写代码的门槛，并没有同时消除发现、设计与组织授权的门槛。
understandingorg-and-talent
跳到 00:28:57 14
AI 会让软件更多
AI 让开发更快更便宜，也让过去无法自动化的任务进入软件范围，因此软件总量更可能增加。与此同时，功能会在 Excel、核心系统、自建工具和独立应用之间持续捆绑与拆分。
business-of-agi
跳到 00:34:30 15
结构优势不能替代执行
拥有模型、资本或潜在网络效应，并不会自动产出清晰好用的产品。过去的平台赢家也要在产品市场匹配出现前做对团队、界面与分发，技术结构只有经过执行才会变成真实优势。
org-and-talentbusiness-of-agi
跳到 00:51:00 16
AI 用法要从行业内部找
外行看到广告和咨询，往往先想到自动生成创意或 PowerPoint；从业者却优先用 AI 清理广告投放后台、加速客户研究。真正高价值的用例来自行业流程里的隐蔽瓶颈，而不是最显眼的交付物。
org-and-talentverifiability
跳到 00:45:01 17
企业转型不能靠通用 Copilot
给每个人一个 Copilot 没有自动产生新工作方式，逐个部署 pilot 也只是局部止痛。企业要重构流程、数据和组织，但内部通常没有齐全的复合人才，因此实施与专业服务仍是长期工程。
org-and-talentbusiness-of-agi
跳到 00:58:59 18
AI 的价值不只在文字图片
AI 是让欺诈检测、后台流程和新产品成为可能的使能技术，不只是一台生成文字与图片的机器。许多价值最终会藏在更好的服务里，既不显示 ChatGPT，也不主动标注 AI。
business-of-agi
跳到 01:06:46 19
coding 成功难以外推
开发者既是工具用户也是工具构建者，代码又有海量训练数据和可重复运行的验证机制。咨询等知识工作依赖隐性知识且结果难以规模化校验，因此不能假定它们会照搬 coding 的进步曲线。
ai-codingverifiability
跳到 00:38:00 20
平均答案不是原创突破
模型擅长从训练数据生成多数人可能给出的答案，但原创策略不仅缺少样本，也缺少像棋局胜负那样可扩展的验证器。模仿既有流行风格与发明 punk 或 hip hop，是两类不同的问题。
tasteverifiability
跳到 00:40:22 EVIDENCE
访谈来源
观点所依赖的证据层
一手音视频
查看来源 ↗Ep 91: Top AI Analyst Unpacks Today's AI Hype Cycle
2026-07-16 · 74 分钟 · EN