AI能力指数级改善对企业竞争与需求扩散的影响——Netflix联合创始人Reed Hastings访谈要点梳理（The CEO Signal，2026-08-13）

——据Semafor旗下The CEO Signal节目《Reed Hastings on AI, Judgment and “Creative Destruction” | The CEO Signal》（2026-08-13）整理

摘要：本文对Semafor旗下The CEO Signal节目专访Netflix联合创始人、前首席执行官Reed Hastings的主要观点进行了梳理汇总。梳理了其将AI能力改善速度折算为劳动力当量的推论及对企业竞争格局的判断，介绍了其个人使用AI的方式、对小公司角色的看法以及国际象棋与教育两个领域的对照，最后阐述了其对CEO判断力与前沿实验室的看法。据其介绍，过去十年AI能力大约每年提升一倍，若延续下去，五年后将比今天强32倍，十年后则达千倍量级。

关键词：企业采用；组织变革；消费级AI；Netflix；Reed Hastings

一、能力翻倍与企业竞争

Hastings将AI能力的指数级改善折算为劳动力当量，认为企业将由此进入相互进攻的创造性毁灭阶段。

（一）每年翻倍的能力改善

Hastings表示：“过去十年，AI大约每年好一倍。如果这延续下去，看起来相当可能，那么五年后AI会比今天聪明32倍、有效32倍。”按此推算，十年后为千倍量级。他认为：“我认为大多数人类都在低估每年翻倍、也就是指数级改善速度会带来什么。”

（二）劳动力当量与企业选择

他将能力倍数直接换算为劳动力当量：“这就像让你的劳动力翻倍。突然，砰，你有了两倍的劳动力。”由此企业面临两个选项：一是裁减一半人员、守住现有业务线；二是用新增的资源进攻竞争对手。他判断后一种选择的总和将构成产业层面的后果：“所以你会看到很多公司互相进攻，这就是创造性毁灭的伟大行动。”

二、AI的实际用法与小公司的位置

Hastings本人将AI用于学习领域知识和改进软件，并认为小公司可能成为AI更积极的使用者。

他的用法主要有两类：一是把AI当作领域知识的家教，“我在让AI教我索道怎么工作、污水系统怎么工作、哪些地产开发做成了以及为什么”；二是编码，“我们在用AI改善这个地方的软件。你在场内移动和买东西的应用，前端和后端的整合，现在因为AI容易做多了”，这一用例发生在一家约150人规模的非科技企业，由他本人推动。

被问及大公司是否更占优势，他持否定看法，认为小公司有时创新力更强，会成为AI更激进的使用者，借此解锁各类场景与竞争对手竞争。他判断一些公司会成为Blockbuster，原因在于没有站到这件事正确的一侧，而其他人正忙于打造下一个具有颠覆性的Netflix。

三、国际象棋与教育的对照

Hastings以国际象棋说明AI扩散并未消灭需求，同时认为技术在教育领域尚未取得显著的正面成果。

国际象棋方面，他指出：一是棋类在三十年前就已被计算机攻克，人们并未因此放弃下棋，活跃棋手比以往任何时候都多；二是典型的、中位水平的十岁、十五岁、二十岁棋手比三十年前显著更强；三是其机制在于这些人得到了AI的棋艺辅导，“平均而言，AI的棋艺辅导比你叔叔好得多”。

教育方面，他的评价相当负面，认为技术在教育领域至今“我们其实没有任何了不起的正面结果”。他认为突破点在于按自身节奏学习，时间表约为五年；障碍在教师一侧，这类教学方式超出了教师所受训练、师范教育内容与既有习惯，“所以这仍然是一个很大的改变”。

四、CEO的判断力与对前沿实验室的看法

Hastings将CEO的工作比作棋手的取舍，并对模型能力与前沿实验室作了定性。

他对“只有偏执者才能生存”一说作了拆解，认为偏执者实为妄想，CEO的工作更像棋手，决定哪些情形值得往深处推算；若把全部时间用来担心极不可能发生的事，这些时间就没有花在更重要的情形上。对于不可控的变量，他的处理方式是承受：“我们对其中一些情形其实没有那么多控制力。比如你可以担心它会不会搞乱货币政策，但如果真的发生了，你只能应对。”他列出的可控事项包括客户、价值观以及能够控制的事。他还回顾了Netflix在1997年至1998年面临的存亡焦虑，以及2000年互联网降温后裁员三分之一、完成的事情反而更多的经历。

关于模型能力，据其介绍，他曾于1986年至1988年攻读AI学位；他认为当前模型在很多领域相当于研究生水平，尚未达到博士水平。对于前沿实验室，他认为“他们在内心里更像人文主义者，多于资本家”。对于时代变化，他表示人类正在开始一个新阶段，人类已不再是智能居首的生物。

总的看，Hastings认为AI能力每年翻倍的趋势若延续，相当于企业劳动力成倍增加，企业将在守成与进攻之间作出选择，由此引发广泛的创造性毁灭；小公司可能更积极地运用AI，国际象棋的经验显示AI扩散后需求仍可扩大，教育领域的突破则有待教师一侧的转变。