Benedict Evans 最近说了一句话，让科技圈两边的人都不高兴：
AI 和互联网一样重要，也只和互联网一样重要。
觉得 AI 会改变一切的人说他低估了；觉得 AI 没什么大不了的人说他在炒作。
但 Evans 的意思其实很精准：互联网和智能手机已经够颠覆了，我们不需要把 AI 和工业革命相提并论，才能承认它是件大事。
Evans 是前 a16z 驻场分析师，做了二十多年科技行业研究。
他刚发布了一份新报告《AI is Eating the World》，在 Lenny's Podcast 上聊了将近一个半小时。
以下是他最值得细读的几个判断。
如果要用互联网做类比，Evans 说，我们大概处于 1997 年的位置。
很多东西还跑不起来。
大多数真正有价值的应用还没被建出来。
已经"上车"的人以为全世界都和他们一样，但现实是，哪怕在 13 到 18 岁这个最容易接受新事物的群体里，每天使用 AI 的人也只有 15% 到 20%，每周用一次的大约也是 20%，剩下 60% 根本没在用。
这个数字说明什么？说明我们离"AI 改变了所有人的日常"还差得很远。
1997 年的互联网，大家也觉得很激动，但 Google 还没出现，Facebook 还要再等七年，iPhone 要等十年。
那些真正重塑世界的东西，当时没有人能预测到。
Evans 做了 80 张幻灯片，有人评价说"这 80 张都在说我们不知道"。
他觉得这个评价"有点刻薄，但也挺准的"。
有一个现象让很多人困惑：OpenAI 和 Anthropic 这两家最前沿的 AI 公司，正在大力投资收购咨询公司，招募大量"前向部署工程师（FDE）"。
按理说，AI 应该替代顾问才对。
为什么最懂 AI 的公司反而最需要顾问？
Evans 说：企业不养闲人。
一家公司想用 AI 重新设计内部工作流，这本身就是个项目，需要五到十个人花一两个月搞清楚能做什么、怎么做。
然后真正落地又是另一个项目，要把三个垂直系统接入两个横向系统，还要培训员工。
问题是，这些活谁来干？公司里没有坐着等活干的人。
所以你要么找麦肯锡，要么找埃森哲，要么找这些新出现的"前向部署工程师"。
他们本质上就是住在旧金山的埃森哲外包开发者。
这个逻辑也回答了另一个问题：为什么 AI 没有立刻消灭大量工作岗位？因为企业的变革速度受制于组织惯性，不是受制于技术本身。
一套企业软件的销售周期就要 18 个月，没有人会因为 ChatGPT 发布就立刻把 SAP 换掉。
这是 Evans 整个分析框架里最核心的一个区分。
他举了一个例子：电梯操作员。以前有人专门负责开电梯，按楼层。
自动化之后，这个工作消失了，因为这份工作本身就只是一个操作动作，任务即工作。
但大多数工作不是这样的。
你雇麦肯锡，是为了那份 75 页的 PPT 吗？表面上看是。
但 Claude 现在也能生成一份看起来像麦肯锡风格的幻灯片，你看一眼就知道那是垃圾。
你真正付钱买的，是他们走遍你的公司，搞清楚为什么你们没做那件事，内部政治是怎么运作的，客户真正怎么想的。
PPT 只是把这些洞察装进去的容器。
Amazon 能帮你找到你知道自己想要的商品，但如果你不知道要买什么麦克风，最好别从 Amazon 开始。
Claude Code/Codex 能帮你写代码，但"写什么代码"这个问题，它帮不了你。
会计行业是最好的反例。
从算盘到打孔卡，从大型机到数据库，从 Excel 到云端 ERP，每一次技术革新都被预言会消灭会计师。
结果呢？整个 20 世纪会计师数量持续增长，21 世纪还在涨。
原因就是价格弹性：当一件事变得更便宜，人们不会做同样的事少花钱，而是用同样的钱做更多的事。
Evans 在报告里把分析分成三块：资本、部署、影响。
其中关于资本这部分，他的结论相当不客气。
Sam Altman 说过要"像卖水电一样卖 AI 智能"。
Evans 的反应是：他需要有人给你解释一下公用事业行业的利润结构。
他做过电信分析师。全球移动通信行业每年收入约一万亿美元，每年资本支出约两千亿，数据消费量从 2010 年到现在增长了 1500 到 2000 倍。
股价在过去 25 年基本没动。
为什么？因为这是一个增长型、低利润的商品化基础设施行业。
所有真正有价值的东西，都是别人在上面建的。
基础模型公司面临同样的问题：模型之间没有网络效应，没有赢家通吃的机制，产品差异化有限，用户随时可以换。
在这种情况下，凭什么有定价权？
他的判断是：最终的价值会沉淀在应用层，而不是模型层。
这更像 AWS 的故事，而不是 Windows 的故事。
用 AWS 的公司不会因为"所有软件都在 AWS 上"而被锁定，但用 Windows 的开发者会。
当然，他也承认自己可能是错的。
在 1997 年预测互联网格局，大多数人会错过几乎所有重要的事。
Evans 对当前的反 AI 情绪有个判断：这不是一件事，是二十件事混在一起。
有些是真实的，数据中心确实推高了部分地区的电费。
Deepfake让一个 15 岁的孩子可以在一个下午制作并传播同学的裸照，这和 Photoshop 时代完全不同。
有些是被夸大的，数据中心的用水量约占美国总用水量的 0.017%，说 AI 在"抢水喝"基本是无稽之谈。
有些处于模糊地带。关于 AI 对就业的影响，经济学家们看了大量数据，目前没有清晰的共识。
18 到 24 岁年轻人的就业确实在放缓，但这个趋势在有学位和没学位的人群中都存在，在"看起来会被 AI 影响"和"看起来不会被 AI 影响"的职业里也都存在。
他把这个情况类比为当年的社交媒体反弹：有些担忧是真的，有些是似是而非的，有些完全是错的，但它们全部混在一起，很难分开讨论。
Evans 给出的建议只有一条，但说得很直接：
别把头埋进沙子。
你可以去 Bluesky 上骂 AI 有多邪恶，这会给你带来强烈的道德优越感，但这没有任何用处。
真正有用的是：把自己完全浸入进去，搞清楚今天的 AI 能做什么，你能用它做什么，它怎么改变你的工作。
如果你要去一家律所面试，而他们今年只招 50 个人而不是 100 个，你在面试里说"我不打算用 AI"，基本就是在帮他们做筛选。
这不是特别令人安慰的答案。
但 Evans 认为，这是唯一诚实的答案。
就像他在报告里那张幻灯片写的标题：这次会和以前完全不同，就像以前每次一样。
Evans 的报告《AI is Eating the World》可以在他的网站 ben-evans.com 上找到，每周还有 newsletter 更新。