当一个快80岁的投资大师，开始让AI帮他写教程，并坦诚地说“我被震住了”，你或许应该停下刷短视频的手，认真听听他想说什么。
橡树资本的联合创始人霍华德·马克斯，已年近八十。按照常理，这个年纪的人或许会对AI这种“年轻人的热闹”一笑而过，继续专注于他的财报与利率曲线。
但他没有。
他找了几位三四十岁的技术从业者，一点一点地追问，把不懂的地方彻底搞清楚。三个月后，他又回去做跟进。当有人建议他用Claude制作一套AI教程时，他照做了。随后，他将这段心路历程写成了一份万字备忘录，题为《AI奔涌向前》（AI Hurtles Ahead）。
读完整篇，我的第一反应并非“这老头真厉害”，而是——如果一个依靠深度判断力吃饭的人，都在认真把AI当作“必修课”来啃，那我们这些同样靠脑力谋生的普通人，凭什么还能装作视而不见？
今天，我们把这份备忘录中最具启发性的洞察拆解出来。不聊源码，不讲算法，只探讨它对你我究竟意味着什么。
01 “它不是在搜索，是在思考”：AI的三层进化，你在哪一层？
很多人使用AI的方式，仍然停留在“提出一个问题，获取一个答案”的层面。
霍华德·马克斯最初也这么认为。但在他与Claude深入“对话”后，意识到了一个关键点：AI不是搜索引擎，它是一个正在持续成长的“大脑”。
Claude为他制作了一份教程，将AI的能力划分为三个层级：
第一层：聊天式AI
你提问，它回答。节省的是你研究和思考的时间。2023年左右的AI大多停留在这个层面。
第二层：会使用工具的AI
你让它完成一项任务，它会自主去搜索信息、进行分析、执行操作。节省的是“执行时间”。2024年的AI开始进入这个领域。
第三层：自主代理（Agent）
你只给出目标，不提供具体步骤。它会自己规划、执行、检查、修改，直到成品交付给你。
这不再是辅助，而是替代。
霍华德在备忘录中引用了OthersideAI CEO马特·舒默的亲身经历：
“我跟AI说：我想做一个这样的app，它应该实现哪些功能，大概长什么样，用户流程、设计，全都你来想。然后它就真的做了。它会写出数万行代码。接着，它会自己打开这个app，点按钮，测试功能，像一个真实的人一样去使用。如果它觉得某个地方不对，它会自己回去改，自己迭代，直到满意。只有当它自己判断达到了标准，它才会回来跟我说：可以了，你来测试吧。”
这段话令人后背发凉。
原因不在于AI能写代码——而在于它在进行“自主判断”。它开始有了自己的“品味”。它会在你没有明确指示的环节，做出让你认可的选择。
霍华德自己的总结克制而深刻：
“第二层和第三层的区别，决定了AI到底是一个生产力工具，还是一个劳动力替代品。这也把一个500亿美元的市场，和一个数万亿美元的市场区分开来。”
这对你意味着什么？
如果你今天使用AI仍停留在“帮我写个文案”或“帮我查个资料”，那么你尚处于第一层。你只是为自己找了一个更高效的助手。
但若你的老板（或竞争对手）已经用上了第三层，他就不再需要“找一个文案”。他只需下达指令：“把这批产品上架，写好文案、配好图、测好链接、发布出去”，然后离开电脑，四小时后回来验收成果。
你并非在与AI本身竞争，而是在与“善用AI的人”竞争。而后者，正以你十倍的速度向前狂奔。
02 它真的在“思考”吗？这个问题不重要，重要的是它把活干了
关于AI是否具备“真正思考”能力，争论从未停止。
霍华德也向Claude提出了这个问题。Claude的回答既巧妙又诚实：
“霍华德，你关于投资知道的一切，也都来自别人。格雷厄姆教你安全边际。巴菲特教你质量。芒格教你跨学科的思维模型。你读了成千上万本书、备忘录、案例研究。你获得的每一个输入，都是别人的思考。你把不同学科的框架拿来，用在新的情境里，产出了真正新的东西。原材料来自别人，综合与锻造是你自己的。所以当有人说‘Claude只是把训练数据里的模式重新排列’，我会反问：这在结构上跟任何一个受过教育的大脑有什么本质区别？”
这段反驳，霍华德接受了。
“我年轻时作为投资者摄入数据，也学习前人如何看待这些数据、得出怎样的结论。我研究他们的思考路径，然后发展出自己的方法。这就是人类大脑扩展能力的方式。那么，AI的成长、学习与‘思考’，真的和我们有本质区别吗？”
随后，Claude补充了一句更为现实的论断：
“即便你把怀疑者的观点全部让出来——即便你在哲学层面接受我做的只是‘模式匹配’而非‘真正思考’——经济层面的含义也完全一样。如果我能产出一个年薪20万美元的研究助理级别的分析结果，那么付钱的人根本不在乎我是在‘真的思考’，还是在只是模式匹配。他在乎的是，这份工作成果是否足够可靠、足够有用。”
这句话，值得你停下来读两遍。
我们耗费数十年在学校里训练自己“如何思考”。但职场对“思考”的定价，从来不是因为这个过程叫思考，而是因为它能产出有价值的结果。
如果AI产出的结果，比大部分人的“思考成果”更好、更快、更稳定，那么市场就会用脚投票，选择“替代”，而非陷入无休止的“争论”。
这对你意味着什么？
别再纠结于“AI有没有意识”或“AI会不会取代人类”这类宏大而空洞的问题。你更应该问的是：
我所在岗位交付的成果中，有多大比例属于“模式识别+结构化输出”？
如果你的答案是“80%以上”，那么AI替代你的时间点，可能并非“十年后”，而是“现在”。
03 “AI帮助构建了它自己”：我们正在经历什么速度的变革？
霍华德在备忘录中做了一个耐人寻味的对比：
第一台计算机ENIAC于1945年建成。据传（无论是否属实），IBM的托马斯·沃森当时曾说：“我认为全球市场大概只需要五台电脑。”这反映了当时的普遍认知。
二十年后的1965年，计算机依然非常原始，普通人完全接触不到。
又过了十年，个人电脑才以套件形式出现。
直到1980年代初——ENIAC诞生将近40年后——IBM才开始向普通家庭销售个人电脑。
现在，让我们看看AI的发展时间轴：
2022年，AI还无法稳定地进行基础算术，它会很自信地告诉你 7×8 = 54。
2023年，它能通过律师资格考试。
2024年，它能写出可以运行的软件，并能解释研究生层级的科学问题。
2025年底，顶尖工程师表示已将大部分编码工作交给人工智能。
2026年2月5日，OpenAI发布了GPT-5.3 Codex。其技术文档中包含这样一句话：
“GPT-5.3-Codex是我们第一个在某种意义上参与了自身创建的模型。Codex团队使用早期版本来调试自身训练流程、管理自身部署，并诊断测试结果与评估。”
请再读一遍：AI帮助构建了它自己。
这不是对未来可能性的预测，而是已经发生的事实。
Anthropic的CEO达里奥·阿莫代伊表示，现在公司里“很多代码”都由AI编写，当前这一代AI与下一代AI之间的反馈回路正“以每月的速度加速积累”。他认为，我们可能“距离一个节点只剩1到2年”，届时这一代AI将能自主构建下一代。
这对你意味着什么？
如果你仍以传统的“线性技术发展速度”来规划自己的职业生涯，心想“我先干着，等AI真的能替代我的时候再说”——那你可能根本没有理解“指数级增长”的含义。
指数级的意思是：起初你完全看不见它，然后它突然出现，紧接着它就全面超越了你。
04 “一个工具如果能让你的分析师效率提高20%，它的价值是那个分析师薪酬的20%。但如果它能从头到尾完成分析师的全部工作，那它的价值就等于那位分析师的全部薪酬。”
这句话，是Claude告诉霍华德的。霍华德将其原封不动地写入了备忘录。
随后，他举了两个例子：
“我儿媳的一位朋友负责一家电商公司的广告文案部门。她告诉我，AI可以替代她团队里80%的员工。”
“驾驶是美国最大的职业之一。Waymo在旧金山已经承担了大约五分之一的出租车行程。等那些需要驾驶的车辆真正变成无人驾驶，原本靠开车谋生的人去哪里找工作？”
霍华德并没有给出乐观的答案。他说：
“我无法想象，软件公司未来还需要像过去那样多的人，去‘指挥Claude写软件’，而过去这么多年，一直是这些人在写软件。”
他承认，科技行业的乐观派会指出：历史上的每一次重大技术创新，从农业机械化到工业革命，都曾被预言将导致大规模失业，但每一次新的工作岗位都会出现，整体就业并未中断。
但霍华德的回应是：
“第一，我承认，从历史出发做这样的外推并非没有道理。第二，世界上也不存在‘证明某件事不会发生’的方法。第三，我既没有足够的未来学想象力去设想新工作会是什么，也没有足够的乐观去确信它们一定会出现。当然，这并不意味着它们不会出现。”
他补充了一句略带心酸的“乐观”：
“最近有位朋友写信给我，说他宁愿做个乐观者而最终证明自己错了，也不愿做个悲观者但最后证明自己是对的。我也是。我真希望我这些担忧最后都只是杞人忧天。”
这对你意味着什么？
这不是在贩卖焦虑，而是在陈述一个事实：不要等待社会给你一个完美的解决方案，因为你可能等不起。
当AI能够替代一个部门80%的员工时，那个部门不会“平稳转型”，而更可能会“结构性缩减”。剩下的20%员工并非永远的幸存者，他们只是“暂时还需要的协调者”。一旦AI连协调工作也能自主完成，那20%的位置也将消失。
你不能仅仅指望“新工作自然会出现”。新工作当然会出现，但它未必恰好出现在你所在的城市，也未必恰好匹配你现有的技能组合。你需要主动去寻找，主动去学习，主动在变化中抢占先机。
05 对投资者（和每一个做决策的人）意味着什么？
霍华德作为投资大师，自然要从投资角度发问：AI将如何影响我们这个行业？
他的结论值得每一个依靠判断力生存的人仔细聆听。
AI的优势显而易见：
- 吸收的数据处理量远超任何人类。
- 记忆更持久、更精确。
- 更擅长识别历史模式与规律。
- 没有恐惧、贪婪、偏见等情绪干扰。
但AI的弱点同样明确：
“伟大的投资者远不止是快速、冷静的数据处理专家，他们必须在Claude承认AI可能最薄弱的地方表现得很强：应对缺乏足够经验积累可靠模式的新兴领域，仍然要能做出高质量判断。他们还必须对定性因素做主观判断，具备品味和鉴别力。”
霍华德举了一个例子：在橡树资本的成功中，选择正确的合作方发挥了至关重要的作用。AI如何进行这类涉及信任、价值观和长期默契的判断？
另一点在于：AI没有切身利益。它不会真正承受集中持仓带来的心理压力，也无法感受资本亏损所带来的切肤之痛。其承担风险的意愿，不会像人类那样受到天性中风险厌恶本能的约束。
然而，霍华德也说了一句非常现实的话：
“如今，唾手可得的量化信息不可能成为获得超额收益的关键，因为每个人都有。在此基础上，AI处理这些信息的能力可能比所有人都强。如果这些信息并非关键，那么投资优势就必须体现在：正确判断这些信息的重要性和影响；评估管理效能和产品创新等定性因素；预测公司的未来发展。很少有人能出色地完成这些任务——简而言之，很少有人拥有卓越的洞察力。”
这对你意味着什么？
如果你从事的是以“处理信息”为核心的工作——例如分析师、研究员、策划、运营等——那么你的“可替代性”正在急剧上升。因为AI在处理信息的速度、广度和一致性上，已经超越了个体人类。
若想保持竞争力，你必须向“判断”和“洞察”的领域迁移。工作重点不应再是“收集数据并告诉我发生了什么”，而应是“在数据不完整、历史模式不清晰的情况下，做出具有高概率正确性的决策”。
这很难。但正因为其困难，才构成了真正的价值壁垒。
06 回到那个最初的问题：这是泡沫吗？
霍华德在去年12月的备忘录中就曾提出这个问题。三个月后，他的答案没有根本改变，但思考更为完整。
他指出，判断是否存在泡沫，需要从几个层面审视：
技术本身是不是一阵风？
非常肯定：不是。它是真实存在且具有巨大潜力的技术，有潜力深刻改变商业和生活的方方面面。
落地应用是不是还很遥远？
不是。目前已经存在真实需求，并且正在大规模应用。
建设基础设施的人是不是在做不理性的事？
“在每一次席卷式的技术创新中，那种不顾一切地抢建基础设施的狂奔，确实极大加速了新技术的采用，但也导致大量资本被错配并最终被毁掉。这一次没有理由认为会例外。”
市场给AI相关资产的估值是否非理性？
“微软、亚马逊、谷歌这类利润极其丰厚的公司，今天的价格不太可能最终被证明是‘高到毁灭性’的离谱。”
霍华德的最终建议，非常“中庸”，但也异常清醒：
“既然没人能断言这是不是泡沫，我建议任何人都不要不计后果地全仓押上，同时还假装自己不面对‘事情变坏时可能被毁灭’的风险。但反过来，任何人也不该完全置身事外，从而错过一次伟大的技术跃迁。最好的做法似乎是：保持适度的仓位，同时做到精选与审慎。”
这对你意味着什么？
这不是建议你去购买AI股票。
而是告诉你一个普适的原则：不要ALL IN，但也不要完全置身事外。
ALL IN的人，是在赌运气，赌输了可能满盘皆输。
置身事外的人，是在赌“变化不会影响到我”，但历史反复证明，这种赌注的赔率往往最差。
所谓“适度仓位”，在个人层面的映射就是：投入适当的时间与精力，去使用、去试验、去犯错。不要等到身边所有人都在熟练运用AI提升效率时，你还在茫然地问“这东西到底有什么用”。
写在最后
霍华德·马克斯在备忘录的结尾说了一段令人深思的话：
“我无法想象AI带来的变化速度不会远远超过社会的适应能力。想想当年制造业外包对美国和其他发达国家制造业岗位造成的冲击；AI影响的岗位会更多，速度会更快。”
但他最终仍然选择做一个乐观者。
“我真希望我这些担忧最后都只是杞人忧天。”
我的立场或许更为简单直接：
我并非意在恐吓，而是希望揭示一个事实：AI正在替代某些工作，但它不会发出正式通知。
它不会发邮件告诉你“你的岗位已被优化”。它会悄无声息地让那位善用AI的同事，产出比你多三倍的工作成果，然后你的绩效排名自然下滑，最终你可能在不知不觉中被“优化”掉。
你或许并没有做错什么。你只是变得太慢了。
因此，我的建议只有一个：
从今天开始，将AI作为你的“第二大脑”来系统性训练。 不是偶尔咨询，而是将其深度嵌入你的日常工作流。让它撰写初稿，你来修改润色；让它搭建框架，你来填充精髓；让它运行数据分析，你来做出最终判断。
你不需要成为AI算法专家。你只需要成为“善于利用AI的技术从业者”中的一员。
因为在这场前所未有的技术变革中，最大的风险或许并非AI过于强大，而是你的适应速度过于迟缓。想了解更多前沿技术趋势与深度讨论，欢迎来云栈社区交流。
发表于 2 小时前
|
查看: 3|
回复: 0
