全文 4,000字 | 閱讀約 13 分鐘

（Reid Hoffman談：硅谷正在忽視的 AI 機會）

模型發(fā)布節(jié)奏越來越快、參數(shù)越來越大、推理能力越來越強，但你有沒有發(fā)現(xiàn)一個反直覺的現(xiàn)象：真正被廣泛使用、愿意付費的 AI 產品，往往不是媒體報道最多的那些。

2025 年 10 月 21 日，OpenAI 投資人、LinkedIn 聯(lián)合創(chuàng)始人 Reid Hoffman 給出了一個不同尋常的解釋：

殺手級的 AI 產品不是最強的，而是能讓人更懶、更富。

他說，幾乎所有人都盯著“模型能力”的天花板，卻忽視了真正讓 AI 產品爆發(fā)的關鍵：能不能讓用戶干得更少、賺得更多。

循著這個邏輯，Hoffman 在訪談中重點談到了三個正在被低估的方向：

• ① 醫(yī)療與藥物發(fā)現(xiàn) —— 不是模擬藥效，而是創(chuàng)造藥物

• ② 教育與知識工具 —— 不是搜索答案，而是重構學習

• ③ 勞動力增強 —— 不是替代工作，而是讓人“更懶更富”

它們不是最酷炫的 demo，也不是最大的模型，但都在悄悄擴張。它們的共同特點是：不追求技術極限，而是追求商業(yè)閉環(huán)；不在硅谷的聚光燈下，卻在真實場景里快速滲透。

接下來，讓我們看看 Hoffman 為什么在這三個方向上下注。

第一節(jié)｜AI + 醫(yī)療，不是助手，是重建藥廠

Reid Hoffman 做過無數(shù)投資，但他親自下場聯(lián)合創(chuàng)辦的 AI 公司，只有極少數(shù)。而其中最重要的一家，是專注藥物發(fā)現(xiàn)的 Mati AI。

他怎么說的？

“我們不是做傳統(tǒng)醫(yī)療 AI，也不是做診斷輔助工具。我們在建一座工廠，一個以 AI 為主力的藥物制造工廠。”

這個定位很不尋常。

在硅谷，幾乎所有醫(yī)療方向的 AI 產品都在圍繞“提升醫(yī)生效率”展開，比如自動摘要、病歷識別、問診助手。但 Hoffman 并不關心這些。他的問題是：

能不能直接用 AI 設計分子？

? 不是幫醫(yī)生開藥，而是直接造藥

傳統(tǒng)藥物發(fā)現(xiàn)過程有三大難點：

1. 設計分子靠靈感；

2. 實驗周期太長；

3. 很多冷門病種沒人愿意投。

而 AI 能做的是，從億級的化合物組合中，用語言模型的方式生成有潛力的結構，然后用預訓練模型預測它是否會有效。過去需要幾個月的篩選周期，現(xiàn)在幾小時就能完成。

Hoffman 的核心洞察是：如果你把分子結構當作一種語言，AI 就可以像寫作文一樣生成、改寫和評估分子。

他舉例說：傳統(tǒng)治療癌癥的做法，是用毒藥殺死癌細胞，但同時也在殺你。我們希望用 AI 直接找出只殺癌細胞、不殺人的分子。

這不是宣傳標語。

他自己找來合作的聯(lián)合創(chuàng)始人，是美國最頂尖的腫瘤醫(yī)生之一、《萬疾之王:癌癥傳奇》(The emperor of all maladies: A biography of cancer)的作者 Siddhartha Mukherjee，兩人創(chuàng)辦 Mati 的明確目標就是：讓那些原本因為利潤太低沒人愿意研發(fā)的病，也能有藥。

? 機會不在醫(yī)院，在藥廠

在 Mati 的核心架構中，承擔的不是輔助角色，而是藥物設計的核心工作：

• 把抗癌藥的靶點、結合位置、毒副反應，轉化為 AI 能分析的內容；

• 讓 AI 從海量組合中找出最可能有效的分子結構；

• 用預測模型快速驗證，大幅縮短從設計到篩選的周期。

所以 Hoffman 判斷：AI 改變醫(yī)療行業(yè)的方式，不是提升醫(yī)生工作效率，而是從根本上重建藥物開發(fā)的方式。

第二節(jié)｜AI + 教育，不是學得快，是重新定義“學習”

Reid Hoffman 提出過一個看似簡單的問題：假如每個專業(yè)都有一個專屬 AI 助手，會發(fā)生什么？

早在 ChatGPT 之前，他就在斯坦福的長期規(guī)劃會上公開建議："應該為每一個學科，構建定制的 AI 工具。

為什么？

因為傳統(tǒng)教育系統(tǒng)的核心是讓人記住知識，但 AI 出現(xiàn)后，“知識”不再稀缺了。你需要的，不是再教一遍是什么，而是有人幫你用對知識、用好工具。

他說：

“醫(yī)生這個職業(yè)不會消失，但它的本質會變。不會再是‘我上過10年醫(yī)學院，所以我懂’，而是‘我知道該怎么用 AI，查出對的結果’?！?/p>

醫(yī)生、律師、程序員、會計這些過去依靠記憶和經(jīng)驗積累的職業(yè)，都在變成一種新的角色：AI 的專家用戶。

? 不問 AI 意見，是不明智的

Hoffman 說他和朋友去參加一場關于“AI會不會替代醫(yī)生”的辯論，反方舉了很多傳統(tǒng)論據(jù)，比如“人類有溫度”“診斷要交叉驗證”之類。

但他指出，這些觀點忽略了一點：今天的 AI，不一定總是對，但它掌握的知識量早就超過任何一個人類了。

他的觀點很直接：

“如果你得了嚴重的病，卻不去咨詢 ChatGPT 或其他 AI 作為輔助判斷，那是非常不明智的”

不是說要盲信 AI，而是你應該養(yǎng)成一種新的思維習慣：

• 醫(yī)生說了一個結論？你拿去問問 AI；

• 兩個 AI 給出不同建議？你就去找人類專家交叉對比。

他說，未來專業(yè)人員要學會的是：當你相信的東西和 AI 給的不一樣時，你需要非常強的理由去堅持你的判斷。不再是第一判斷者，而是交叉驗證者和質疑者。

這不是讓人被邊緣化，而是讓人站到新的位置上。你不再需要死背知識，而是要掌握如何用 AI 幫你找到、篩選、對比、理解知識。

? 會用 AI 的人，比 AI 本身更稀缺

在傳統(tǒng)教育里，學歷和證書是選人的標配。Hoffman 講了一個他非常喜歡的觀點：

科學的本質，是相信專家的無知。

很多人會說：我有醫(yī)學博士，我有法學博士，我當然專業(yè)。但 AI 出現(xiàn)之后，“懂得多”不再是最重要的技能。

他說，編程行業(yè)比其他職業(yè)更早適應 AI 的原因，是這里從來就不認學位，只認代碼能不能解決問題。

這就帶來一個核心變化：未來重要的不是你知道什么，而是你會不會用 AI 去幫你找到你不知道的。

Hoffman 認為，未來醫(yī)生的核心競爭力，不再只是讀過醫(yī)學院，而是會用 AI 工具做更精準的分析。

所以他推崇的方向不是讓 AI 替代老師，而是讓老師成為 AI 的訓練師。同時，每個學習者也要完成角色轉變：從被動接受信息，到主動導航和篩選知識。

這不是讓教育變簡單，而是讓“會學習”的定義變了。

第三節(jié)｜AI + 工作，不是取代誰，而是讓人更懶更富

Reid Hoffman 在整場訪談中，反復強調一句話：

AI 最有殺傷力的產品，不是最聰明的，而是讓人更懶、更富。

這就是他判斷 AI 產品能否成功的核心標準。

我們都習慣把“懶”當作貶義詞，但在商業(yè)世界里，“懶”有時候代表效率。能用更少的力氣干成更多事情，才是真正聰明的方式。

在他看來：現(xiàn)在大多數(shù)好用的 AI 工具，賣得好的不是因為它能做多少，而是因為它能幫你省多少事。

比如：

• 一位醫(yī)生可以同時處理 3 倍的病例；

• 一個律師能同時起草好幾份文書；

• 一個創(chuàng)業(yè)者用 AI 輔助寫 BP、分析競品、做用戶調研，一小時干完原來兩天的活。

這些都不是顛覆行業(yè)，也不是換掉誰，而是把人放在一個新的位置：我還做決策，但我不再干重復活。

Hoffman 說得：

“真正能爆發(fā)的 AI，不是讓你失業(yè)，而是讓你省勁?！?/p>

? 越是用得起 AI 的崗位，越容易先受益

Hoffman 把這個趨勢總結為一句話：軟件吞噬世界，AI 重構勞動

什么意思？他解釋說，AI 在許多行業(yè)的最初切入口，并不是去取代全部流程，而是先吞掉那些“非創(chuàng)造性的勞動”部分。

• 醫(yī)生的初診流程、表單填寫；

• 律師的合同結構整理；

• 市場分析人員的競品研究文檔編寫；

• 咨詢顧問的調研報告、行業(yè)模型搭建……

你今天還在手動做這些事？那你真的不夠懶。

在他看來，未來的趨勢不是會不會被 AI 替代，而是：你有沒有盡可能地用 AI 來節(jié)省時間、擴大產出。

這也是他看好這個賽道的原因：

• 從公司角度看，能用 AI 讓一個員工頂三個人，是直接的提效；

• 從個人角度看，會用 AI 的人，升職更快、項目更多、時間更富裕。

Hoffman 總結得很清楚：

“一切要求人像機器人一樣工作的崗位，遲早會讓位給真正的機器人。但凡需要人腦和主觀判斷的工作，都會變成人+AI的協(xié)作模式，而不是AI替代人”

? 真正在用 AI 的，是小團隊

Hoffman 發(fā)現(xiàn)了一個有趣的現(xiàn)象：小企業(yè)、律師事務所、個體醫(yī)生那里看到的 AI 使用，比在大公司里還多。

他認為，大企業(yè)有太多流程、審批、內部阻力，不敢輕易讓 AI 介入核心業(yè)務。但個體創(chuàng)業(yè)者、自由職業(yè)者、小團隊反而行動最快、最果斷。

比如他提到的一個例子：一位原告律師接入 AI 工具后，簽約率翻倍，案件準備效率提高幾倍。這不是因為 AI 多懂法律，而是因為他更快搞定了案子，省下了以前花在整理、打印、復核上的時間。

這就是“懶而富”模型的核心：

• 把 AI 做成一個工作副手；

• 自己做最重要的判斷；

• 其余一切交給 AI 去提速。

這類產品，是 Hoffman 最看好的 AI 應用方向。

他說：

“別想做那種每個人都會因此失業(yè)的產品。沒人愿意買。最好的產品，是讓你工作更少、賺更多錢?！?/p>

這才是 Hoffman 眼中，AI 最真實的商業(yè)邏輯。

第四節(jié)｜為什么是現(xiàn)在？

很多人今天不再懷疑 AI 的潛力，而是開始懷疑一個更現(xiàn)實的問題：是不是都晚了？是不是每個方向都有人做了？

但 Reid Hoffman 的回答是：你看到的熱鬧方向，大概率不是機會本身。

他說：

“大家都盯著模型規(guī)模、參數(shù)數(shù)量、誰訓練得最貴，卻忽視了一個關鍵問題。AI 真正好用的地方，往往在沒人看見的角落。”

他把這種看漏的地方稱為：硅谷的盲點。

? 機會在“原子”，不在“比特”

什么叫“比特”？在 Hoffman 的話里，比特代表軟件世界，比如：

• 聊天機器人；

• AI 寫稿；

• 文本總結、表格分析……

這些都屬于“語言”層面的任務，門檻低、技術成熟、創(chuàng)業(yè)者多。

而“原子”代表真實世界，比如：

• 藥物分子；

• 細胞反應；

• 工業(yè)制造；

• 生物結構……

Hoffman 說，大多數(shù)人只想在“比特世界”里卷功能、卷性能、卷提示詞。但真正長期有價值的方向，是如何讓 AI 進入原子世界。比如藥物制造、生物設計、物理過程預測。

生物，就是“比特化的原子”。而這，恰恰是被低估的起點。

為什么機會還在？因為難度大、反饋慢、監(jiān)管多、沒人講得清楚。但正因為這樣，一旦有人找到突破口，就可能建立起下一個十億美元級別的公司。

? 找對問題，比做強模型更關鍵

Hoffman 強調：

人們總是根據(jù) AI 現(xiàn)在的表現(xiàn)來下結論。這是最大的誤解。

他舉了個例子：你兩個月前試過 ChatGPT，覺得沒用，就放棄了？這就像你看到兩歲半的老虎·伍茲打高爾夫，覺得你打得比他遠，就斷定他不會成事。但如果他一直練下去呢？

他說：你現(xiàn)在用到的 AI，是你這輩子用過的最差的 AI。

真正該問的不是AI 有多強，而是：

• 這個方向，AI 能幫你省多少事、掙多少錢？

• 這個領域，競爭對手多不多？門檻夠不夠高？

• 這個問題，用戶真的著急解決嗎？

不是 AI 沒用，是你沒找對問題。

? 為什么是現(xiàn)在 ?

Hoffman 認為，今天是切入 AI 創(chuàng)業(yè)的好時機，原因不在于技術突破，而在于關鍵要素都到位了。

① 模型能力跨越臨界點

不只是對話，而是開始有真正的推理能力;可以自動分析、生成結構化內容、進行深度研究

② 使用門檻大幅降低

API 成熟，開源模型豐富，調用成本下降;不是程序員也能訓練模型、接入插件、快速試驗

③ 商業(yè)閉環(huán)開始形成

企業(yè)、專業(yè)人士、自由職業(yè)者開始主動為 AI 付費;AI 已經(jīng)從"新奇工具"變成"生產力工具"

這三個信號同時出現(xiàn)，意味著：早期還在熱身的賽道，正進入加速階段。

而那些看上去還沒人講的方向，不是沒人想過，而是門檻高、難講清、不確定。正因如此，這才是真正的機會。

真正值得做的，不是最熱的 AI，而是最有用的 AI。

他說，不是每個賽道都值得卷，但醫(yī)療、教育、職業(yè)增強這三類方向，之所以值得關注，是因為它們不像搜索、對話那樣容易 Demo，但一旦做成，用戶留存率極高，變現(xiàn)路徑極穩(wěn)。

這就是為什么他把投資的重心，押在這幾個方向上。

因為他不是看項目火不火，而是看是不是能長期產生真實價值。

結語｜不需要追最強 AI，只要找到最有用的那一個

Reid Hoffman 給出的答案很簡單：

AI 不是用來替代誰，而是幫助一部分人更快地超越另外一部分人。

他點名的那些被低估的方向，都有一個共同特征：

“不靠技術領先取勝，而是真正理解用戶想省掉什么步驟、解決什么困難、節(jié)省多少時間?！?/p>

就像早期計算機讓普通人能算賬，網(wǎng)頁讓普通人能寫內容，大語言模型讓普通人能理解復雜世界。AI 的下一步，就是讓普通人也能操作專家級的系統(tǒng)。

所以，真正值得做的，不是最強的 AI，而是滿足三個條件的 AI：

你明天還會用、愿意花錢買、能幫你節(jié)省一半時間。

如果你今天還沒找到這樣一款工具，那可能不是 AI 不夠強，而是你還沒有真正開始找。

那些最不起眼的地方，往往藏著最大的機會。

本文由AI深度研究院出品，內容翻譯整理自 OpenAI 投資人、LinkedIn 聯(lián)合創(chuàng)始人 Reid Hoffman 關于 AI 投資與創(chuàng)業(yè)的訪談。未經(jīng)授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

https://www.youtube.com/watch?v=brjL6iyoEhI&t=608s

https://www.businessinsider.com/reid-hoffman-silicon-valley-blind-spot-ai-software-biology-2025-10

來源：官方媒體/網(wǎng)絡新聞，

排版：Atlas

編輯：深思

主編：圖靈