Silicon Valley Girl播客在2026年2月24日再次迎來(lái)了LinkedIn聯(lián)創(chuàng)、傳奇投資人Reid Hoffman。這是他們的第二次對(duì)談，上次那期視頻已經(jīng)收獲71.9萬(wàn)次觀看。這一次，Hoffman帶來(lái)的信號(hào)更緊迫：大多數(shù)人認(rèn)為自己在用AI，其實(shí)根本沒(méi)認(rèn)真用。

Hoffman如今的身份早已超出"LinkedIn創(chuàng)始人"這個(gè)標(biāo)簽。他是OpenAI的早期投資人，是Anthropic的間接股東，在2025年還聯(lián)合創(chuàng)立了專(zhuān)注AI驅(qū)動(dòng)藥物研發(fā)的Manas AI，將AI的觸角伸向了癌癥治療領(lǐng)域。今年2月，他在另一檔播客中剛剛發(fā)布了"2026年AI五大預(yù)測(cè)"，其中包括一個(gè)讓很多人不舒服的判斷：任何想活下去的公司，都必須在2026年底前把所有會(huì)議錄下來(lái)，并讓AI智能體跑遍這些記錄。采訪就在這個(gè)背景下發(fā)生。

對(duì)話進(jìn)行到很早的時(shí)候，Hoffman說(shuō)出了一個(gè)數(shù)字，把主持人Marina問(wèn)懵了。

我們只走到了5%

"現(xiàn)在是AI繁榮，還是說(shuō)這只是未來(lái)的10%？"

"也許是5%。"

這個(gè)答案不是謙辭，是認(rèn)真的評(píng)估。Hoffman的邏輯是：人們現(xiàn)在看到的編程能力、代碼生成，只是一個(gè)入口，背后是通用推理能力的全面釋放。他舉的例子很具體——旅行規(guī)劃。過(guò)去，你雇不起一個(gè)真正了解你品味的私人旅行顧問(wèn)。現(xiàn)在，一個(gè)理解你對(duì)某類(lèi)考古遺址癡迷的AI智能體以替你規(guī)劃行程、研究細(xì)節(jié)、甚至協(xié)助預(yù)訂。"這一切剛剛開(kāi)始，但已經(jīng)全部在視線范圍內(nèi)了。"

更大的變化在于工作本身的結(jié)構(gòu)。在他看來(lái)，用不了多少年，"個(gè)人獨(dú)立貢獻(xiàn)者"這個(gè)概念會(huì)消失。每個(gè)人都將以一批AI為工具組合開(kāi)展工作。他甚至預(yù)測(cè)，下次他們?cè)僮鲞@個(gè)訪談的時(shí)候，Marina的平板電腦上可能就會(huì)有一個(gè)AI智能體在實(shí)時(shí)提示：這個(gè)問(wèn)題可以再追問(wèn)，那個(gè)細(xì)節(jié)值得展開(kāi)。

會(huì)說(shuō)話的人比會(huì)打字的人更有優(yōu)勢(shì)

"我說(shuō)的'基礎(chǔ)'，比你想象的要難。"Hoffman這樣定位門(mén)檻。

他認(rèn)為真正的基礎(chǔ)用法，不是偶爾丟七個(gè)字進(jìn)去看看結(jié)果。首先，切換到語(yǔ)音輸入。人說(shuō)話的速度遠(yuǎn)快于打字，信息密度更高，AI的響應(yīng)質(zhì)量會(huì)顯著提升。其次，善用一個(gè)少有人知道的技巧：讓AI幫你寫(xiě)提示詞。他的做法是，先口述自己大致想了解什么——比如"聚變技術(shù)的發(fā)展前景、哪些公司在做有趣的事、實(shí)驗(yàn)室有沒(méi)有新突破"——然后讓AI把這段話整理成一個(gè)完整的研究型提示詞，再把這個(gè)兩頁(yè)長(zhǎng)的提示詞跑一遍，得到真正有深度的答案。

這已經(jīng)是"基礎(chǔ)"了。

進(jìn)階一步的核心方法，是角色扮演提問(wèn)。Hoffman對(duì)這套方法非常篤定。以聚變技術(shù)為例，你可以先得到一個(gè)整體答案，然后分別讓AI扮演技術(shù)專(zhuān)家、風(fēng)險(xiǎn)投資人、政府政策官員、核安全監(jiān)管者，各自給出他們視角下的判斷。最后，還可以再問(wèn)AI：我還遺漏了哪些值得聽(tīng)的角色？

他在寫(xiě)作中也用這套方法：讓AI扮演"反對(duì)者"，針對(duì)他的觀點(diǎn)逐一反駁。"這個(gè)角色很簡(jiǎn)單，就是讓它做懟我的那個(gè)人。反過(guò)來(lái)，也可以讓它找出我論點(diǎn)里被我自己忽視的支撐證據(jù)。"

還有一個(gè)往往被忽視的陷阱：AI的訓(xùn)練數(shù)據(jù)有截止日期，距今大約18個(gè)月。所以凡是涉及"現(xiàn)在哪些AI工具最好用"這類(lèi)問(wèn)題，直接問(wèn)模型本身是沒(méi)有意義的——它的世界觀早就過(guò)期了。正確做法是給它明確的指令，讓它先做網(wǎng)絡(luò)研究，拉取最新信息，再給出回答。"你得把它當(dāng)成一個(gè)研究任務(wù)來(lái)布置，而不是直接提問(wèn)。"

拿300億市值換來(lái)的那堂課

今年2月，Claude一段200行代碼的發(fā)布，讓B2B軟件板塊蒸發(fā)了約3000億美元市值。Hoffman沒(méi)有回避這個(gè)話題，但他的解讀和市場(chǎng)反應(yīng)截然不同。

傳統(tǒng)SaaS的護(hù)城河，本質(zhì)上是"功能堆積"帶來(lái)的遷移成本。以Salesforce為例——客戶A要一個(gè)功能，B要另一個(gè)，C再要三個(gè)，最終這個(gè)產(chǎn)品復(fù)雜到競(jìng)爭(zhēng)對(duì)手光是復(fù)制它就要花十億美元，遑論還要贏得市場(chǎng)信任。用了Salesforce的公司，不可能輕易切換到一個(gè)"也許"靠譜的新供應(yīng)商。這套邏輯讓SaaS行業(yè)長(zhǎng)期享有高毛利。

AI把這個(gè)邏輯打穿了。一家公司現(xiàn)在可以直接說(shuō)：我只需要其中兩個(gè)功能，加上一個(gè)Salesforce根本沒(méi)有的定制功能。與其付高額訂閱費(fèi)，不如用AI維護(hù)一套自己的系統(tǒng)，成本可能更低，還更貼合實(shí)際需求。

但Hoffman同時(shí)糾正了另一個(gè)流行誤判——軟件工程師要失業(yè)了？他的答案是：不會(huì)，因?yàn)樗麄儠?huì)"無(wú)處不在"。超市、制造業(yè)、傳統(tǒng)行業(yè)，都會(huì)開(kāi)始雇傭懂得思考軟件問(wèn)題的人。工程師的角色會(huì)變：不再是坐下來(lái)一行一行寫(xiě)代碼，而是像樂(lè)團(tuán)指揮，同時(shí)調(diào)度二十個(gè)AI編程智能體，通過(guò)語(yǔ)音指令分配任務(wù)、交叉驗(yàn)證、整合結(jié)果。"從小提琴手變成指揮，這個(gè)轉(zhuǎn)變正在發(fā)生。讓人驚訝的是，商業(yè)世界對(duì)'指揮'的需求有多大。"

在2026年讓收入翻倍的最簡(jiǎn)單路徑

一個(gè)拿8萬(wàn)美元年薪、做普通工作的人，今年怎么用AI實(shí)現(xiàn)收入翻倍？

Hoffman給出的答案出乎意料地務(wù)實(shí)，沒(méi)有講AI副業(yè)，沒(méi)有講創(chuàng)業(yè)：讓自己成為企業(yè)急需但找不到的那種人。

他的觀察是，現(xiàn)在所有規(guī)模的公司都知道自己需要AI轉(zhuǎn)型，但不知道從哪里找人。這個(gè)缺口極其真實(shí)。對(duì)于非技術(shù)背景的人，機(jī)會(huì)不在于成為AI研究員，而在于成為"讓業(yè)務(wù)跑得更好的AI應(yīng)用者"——懂得如何用AI優(yōu)化供應(yīng)鏈分析、財(cái)務(wù)建模、市場(chǎng)營(yíng)銷(xiāo)、銷(xiāo)售流程。

具體路徑是：把這些能力變得可被發(fā)現(xiàn)。在LinkedIn上展示你正在用AI做什么、怎么做、結(jié)果如何。"人們?cè)谡疫@類(lèi)人，因?yàn)樗麄冎雷约盒枰@種轉(zhuǎn)型，而內(nèi)部人員又很難從零跳到一個(gè)全新的范式。"

小公司為什么反而可能贏

"兩年內(nèi)被大模型替代"——這個(gè)焦慮在獨(dú)立創(chuàng)業(yè)者中正在蔓延。

Hoffman對(duì)此的判斷分兩層。第一層：大量?jī)?nèi)容將被AI生成，這是現(xiàn)實(shí)。人們會(huì)消費(fèi)很多"電梯音樂(lè)"式的AI內(nèi)容，并不追究它是不是人做的。這股浪潮不可避免。

第二層，也是更重要的：大公司在這場(chǎng)變革中其實(shí)非常脆弱。它們長(zhǎng)期運(yùn)行在"工業(yè)效率模型"上——渠道固化、流程優(yōu)化、規(guī)模擴(kuò)張。就像迪士尼這樣的龐然大物，調(diào)頭需要時(shí)間和代價(jià)。小公司沒(méi)有這個(gè)負(fù)擔(dān)，能更快地重構(gòu)業(yè)務(wù)，抓住平臺(tái)轉(zhuǎn)型期的窗口。

"采用AI的小公司，在這輪變革里對(duì)大公司有天然優(yōu)勢(shì)。不采用AI的小公司，日子會(huì)非常難過(guò)。"

對(duì)于被AI直接沖擊所在領(lǐng)域的創(chuàng)業(yè)者——Hoffman直面了一個(gè)具體案例：主持人Marina的公司做TOEFL備考，而Gemini很可能很快就能直接提供TOEFL練習(xí)。他的建議是：停止把當(dāng)前的產(chǎn)品形態(tài)當(dāng)作終點(diǎn)，接受"整個(gè)業(yè)務(wù)必須以AI為底座重構(gòu)"這個(gè)現(xiàn)實(shí)。然后找到AI無(wú)法獨(dú)立提供的東西：群體體驗(yàn)。這些大模型目前的設(shè)計(jì)全是一對(duì)一的。你能不能把人聚在一起，用AI輔助，創(chuàng)造出群體學(xué)習(xí)或社群體驗(yàn)？這是一個(gè)AI短期內(nèi)很難自己做成的事。

60%到70%的未來(lái)發(fā)明，將由人類(lèi)加AI共同創(chuàng)造

Hoffman被問(wèn)到了一個(gè)很大的問(wèn)題：AI是不是最后一次人類(lèi)主導(dǎo)的革命？

他給出了一個(gè)概率分布。未來(lái)50到100年里，60%到70%的重大發(fā)明，將來(lái)自"人類(lèi)加AI"的協(xié)作——每個(gè)做發(fā)明的人，大概率在用AI輔助完成。他提到有些物理學(xué)家正在用AI解決物理問(wèn)題，不是什么驚天大發(fā)現(xiàn)，但AI加速了人類(lèi)的探索速度，這個(gè)趨勢(shì)已經(jīng)在發(fā)生。

再往上，約25%到30%的創(chuàng)新將主要由AI驅(qū)動(dòng)，人類(lèi)更多是驗(yàn)收和確認(rèn)的角色——"我們花1000萬(wàn)美元算這個(gè)聚變約束問(wèn)題，值不值？"這類(lèi)判斷。

還有5%，是沒(méi)有AI輔助的人類(lèi)純粹的"尤里卡時(shí)刻"。"只有5%"——他說(shuō)這話時(shí)主持人的語(yǔ)氣里有點(diǎn)驚訝，但他堅(jiān)持這個(gè)數(shù)字。

在2027年2月之前，做一件事

最后，Hoffman被問(wèn)到：現(xiàn)在是2026年2月，一年后你希望聽(tīng)到這個(gè)節(jié)目的人做了什么不至于掉隊(duì)？

他的答案不是"學(xué)會(huì)用某個(gè)工具"，也不是"搞定某個(gè)技能"。

"把思考AI能幫什么，變成一種反射。"

無(wú)論什么事——規(guī)劃羅馬假期、寫(xiě)一篇文章、分析馬耳他的經(jīng)濟(jì)狀況，甚至和母親進(jìn)行一次困難的對(duì)話——先停一秒，想一想：如果我要用AI來(lái)幫我做這件事，我會(huì)怎么做？然后你可以決定不用，沒(méi)問(wèn)題，因?yàn)闀r(shí)間和精力是有限的。但這個(gè)"先想一想"的習(xí)慣，是他認(rèn)為最值得培養(yǎng)的事。

"我的判斷是，今天沒(méi)有任何一件事是AI幫不上忙的。幫上不等于給出答案，但它能幫。"