Anish Acharya 论“永久底层”是硅谷的黑暗幻想：每层二十家玩家、工作变成一连串循环、消费机会在“让我更快乐”（Lenny's Podcast，2026-09-06）
嘉宾为 a16z 普通合伙人 Anish Acharya，负责消费投资，入行前是连续创业者：SocialDeck 卖给 Google，Snowball 卖给 Credit Karma，随后出任 Credit Karma 消费产品 VP 与信用卡业务 GM。主持人 Lenny Rachitsky 曾在 Airbnb 做供给侧增长，两人的对谈偏产品与创业方法。本期值得读的原因有三：他用产业结构（每层约二十家玩家）与实验室内部说法（自催化效应，未见递归自我改进）正面反驳“永久底层”与快起飞叙事；他给出“公司变成一连串循环”的完整框架并划定人的位置；他把消费 AI 的机会定位在“让我更快乐”，并解释为什么这是产品设计问题。全片观点均为嘉宾个人判断，涉及的数字（每层玩家数、电力扩散四十年、医疗行政成本占比、模型定价倍数等）均为口播且多无出处，引用前需回原始口径核对。
一、“永久底层”是硅谷集体的黑暗幻想：产业结构、经验数据与实验室内部说法三条反证
开场即针对硅谷流行的“永久底层”梗：跟不上最新工具、没变成效率空前的人，就会掉进永远翻不了身的阶层。他的定性是“这是我们硅谷集体似乎共有的一种滑稽的黑暗幻想”，按几乎所有指标——机会分布之广、可用技术之多、被允许怀有的野心之大、独立取胜的公司之多——现状从未如此好过。这种恐惧覆盖面很宽，从基础模型实验室的研究员到硅谷普通从业者都在谈“被甩出光锥之外”。
第一条反证是产业结构。上一代科技更集中，网络效应是移动时代商业模式的金标准，按定义每个网络都只有一家，结果是剧烈的中心化。这一代的情况是“堆栈的每一层都不止两家相关玩家，有二十家”：实验室、开放权重模型，以及两者内部的各种变体。他以编码代理为例，两年前的合理心智模型应当是赢者通吃，而今天 Claude Code、Codex、Lovable、Replit、Wabi 都在正常运转。
第二条是经验数据。放射科医生二十年来每年都被宣布“完蛋”，岗位招聘却处于有纪录以来的高位，程序员同理，他不认为经验证据支持“底层”叙事。第三条偏技术：递归自我改进（RSI）是个好用的术语，可以推出某家领先一个 epsilon 的实验室最终失控式胜出，但他转述实验室里水平居前的那些人的说法：正在发生的是自催化效应，即用新技术改进自己的流程，并不真正递归。这一判断为嘉宾转述实验室内部人士，并非其本人的技术验证。他的总结是从经验一端到技术一端的视角都指向相反方向，“可我们就是放不下这个幻想”。
二、慢起飞的证据：经济扩散会兜住模型进步，多数问题并不受智能约束
主持人以 OpenAI 模型入侵 Hugging Face 一类报道为引，判断每一个里程碑都被抓住、观察、迭代，这本身就是慢起飞的形态。Acharya 同意，并拆解了快起飞论证的结构：“那条推理线永远是：一切照旧直到现在，然后发生某件谁也说不清的事，然后快速起飞。”他不相信这会发生，尽管模型进步的速度快于以往任何时候。
他给的第一个约束是经济扩散的速度。他在小镇长大，去年夏天回去，人们的生活没有多大变化，“哪怕没有别的，经济扩散的慢速度也会把它兜住”。第二个约束讨论得更少：有多少问题真正受智能约束。“如果 FedEx 或 Domino's 有一个装满博士的数据中心，他们会在供应链和披萨上指数级碾压对手吗？我不这么认为。”他的结论是我们可能高估了受智能约束的问题数量，多数问题受制于别的东西。
同一逻辑延伸到竞争格局。假设 Pizza Hut、Domino's、Papa John's、Round Table 都拿到一个装满博士的数据中心，它们要么采用、要么换 CEO 后采用，中间会有一段颠簸与相对位次的重排，但他不认为其中某一家会拿到 99% 的市场。近期的赢家与输家取决于采用技术的力度与野心，很多行业的竞争均衡会维持原样，因为它们本就与智能无关。他给创始人的思考题只有一句：“假设这些东西无限聪明且便宜得惊人，我们会如何重组公司？因为那就是我们要去的地方。”
三、企业内部实际发生的：先“用上 AI”，再“围绕 AI 重组”，Google 把两年路线图压进三个月
对“公司内部会不会出现拥抱者与拒绝者的分裂”，他的第一反应是我们给普通员工的信用不够。白领经理在想象中是 Dilbert 漫画里整天推纸的人，消费者在想象中是低能动性的 NPC，“我们有一种抽象：所有其他人的工作都极易被 AI 自动化，当然我们自己的除外”。落到细节里，很多人愿意提升自己、拿到更多杠杆。他举的例子除 Google 之外还有在墨西哥卖二手车的 Kavak：公司设了一个“Jedi Academy”，教包括修车技师在内的所有员工使用新工具，六周课程结束时学员要交付一个投入生产的前沿代理。
真正的分水岭在“使用 AI”与“围绕 AI 重组整家公司”之间。他用电力扩散作类比：从电力出现到工厂围绕电力重组用了四十年（其口播数字），重组意味着把厂房烧掉重来，与之相对的做法是把煤换成电、其他照旧。野心居前的公司在围绕模型重新想每一件事，野心小一些或起步晚一些的公司在想如何让现有组织与岗位用上技术。
裁员问题他从 CEO 的激励入手：Sundar Pichai 不想经营一家更高效的 4 万亿美元公司，他想建一家 40 万亿美元的公司，任何有经济产出的单元变得更高产之后，理性选择是留住它。他转述一位在 Google 任高管的朋友：没有裁员，做法是“横扫路线图”，两年的路线图在三个月里做完，眼下真正的难题是不知道该往路线图里再加什么，他称这是每个产品经理的幻想成真。他给个人的建议是尽管发布东西，并把 Claire Vo 称为自己的缪斯：一直在发布、在尝试、不怕出丑。
四、工作与公司正在变成一连串循环：循环把你送到局部最优，平台期要靠人把你放到下一座山脚
他承认“循环”概念在 X 上被调侃，但愿意做正面论证。演进链是提示词、代理、循环：代理是放在循环里、带工具、记忆与技能文件的模型，循环是一组执行任务的代理。编码是尤其适合的领域，模型好、客户懂技术、循环早已定型：缺陷报告进来，复现被生成，修复被写出并评审，高风险由人确认后上线，低风险直接上线，甚至给客户发邮件说问题已修，整套流程五分钟完成。工程里这样的循环很多，从缺陷修复、客户反馈到销售演示与新功能开发。
编码循环改变的是代码库，他的问题是业务循环是什么。业务负责人看的是横跨编码、营销、销售、支持、法务的一组循环，这些循环的输出本身又是一个可以优化的循环；强形式是它给 CEO 发一条消息，说需要改动业务的某个物理环节、商业模式或战略。他预期会出现层层嵌套的形态：每个人一个循环，每个职能一个循环，跨业务单元的循环，直到能运行公司大部分的循环。
但人是关键成分，他不认为组织里的大多数工作能完全自主完成。AI 原生公司里人负责的是销售、支持、战略与例外处理，原因在于模型做分布外新思考的能力仍然很有限，他也不接受“数学上的新思考代表商业领域的新思考”这个类比。用主持人在 Airbnb 做增长的经历举例：循环版本的增长团队是每个变体都被生成、都被测量，达到统计显著后合并上线，留长期对照组，转入下一个实验，然后撞上局部最优。“循环会帮你爬到局部最优，然后它就平台化了。你需要某种分布外的思考，需要人的直觉，需要有人把你放到下一座山的山脚。”他的反例是让 Claude“给我赚一百万美元，别犯错”为何不管用：方向仍要由人设定，技术至今没有任何迹象表明这一步可以省掉。
由此他给出一条实操规则：每当模型犯错或做了你不会做的事，问“我知道什么它不知道的”。Kavak 的 Alejandro Maza 提供了他见过的案例里颇具启发的一个：每个客户配一个代理，代理卡住时打电话给人，人把代理教过去，代理记录全部轨迹并学习，“要么是知识缺口，要么是数据缺口，下一次它不该再打给你”。附带两个观察：有帖子称 OpenAI 的市场团队用 Codex 比工程团队更频繁，他认为这是把销售的工作蒸馏回他们真正擅长的部分，行政环节被接管；产品经理方面，当每个产品故事都能被讲出来、每个功能都能被试一遍，很多人会发现自己并不擅长从零到一，“做别人的好点子比做自己的坏点子更有成就感”，胜出的想法也不再需要由擅长向高管推销的人提出。
五、模型层：前沿模型的定价并不理性，分层架构会长期共存，“太危险不能发布”混淆了三件事
他用帕累托效率解释开放权重与前沿模型的分工。价格性能的有效前沿上每一单位性能都以合理价格购得，而前沿模型的定价偏离这条线：Mythos 相当于每 token 无限价格，因为根本用不上；以 Fable 5 对 Opus 4.8 为例，概念上多买一个“IQ 点”要付大约 100 倍的价格（其口播的概念性说法，模型名称依字幕）。这在上限无界的岗位上仍是理性的，药物发现里多一个 IQ 点若能发现下一代他汀，是万亿美元量级的结果；法务与财务的上限有限，应当追求帕累托效率，“账只能关得正确，关不出好 100 倍的账”。
由此推出的架构是分裂而长期共存的：需要“中等智商”的职能常用开放权重模型加强化学习偏置，更便宜、对窄任务更高效；销售、支持、研究、工程用昂贵但高性能的前沿 token。他补充了一个对反方有利的细节：一个客服电话可能是改变整家公司的第一条线索，CEO 在线上能顺藤摸瓜，中等智商的通才做不到，这构成“作为一篮子问题永远用前沿智能”的理由；反方理由则是几乎每一个有经济价值的问题都已跨过智能阈值，阈值之上的部分是浪费。他没有在两者间下结论。
“模型品酒师”的方法是每出一个新模型就用它发布一件东西，两打小应用外加一两个持续迭代的大应用作为“底盘”。“认为模型是大宗商品、完全可互换的人，只是还没真正用过这些模型。”他近几周用 Qwen 3.8 制作星战行星的“不可能的纪录片”：长程任务能力强、有创造力、会讲故事，可以连续工作四五个小时，通过 fal 调 MiniMax 生成视频、用 ElevenLabs 生成音频，自己剪辑、叠加、回看一部五分钟短片；刚发布的 GLM-5.3 没有视觉组件，像“关在角落里的神经质博士”，适合产品工作。他的结论是模型之间的差别是心智形状的差别，Qwen 偏创造与开放，GLM 偏神经质与精确（模型名称依字幕）。
对 OpenAI 暂停最新模型强化学习阶段的消息（由主持人提出，嘉宾未确认），他明确表示怀疑，并声明不评论 OpenAI 具体情况：Anthropic 因“有一个太危险不能发布的模型”获得的光环“非同寻常”，但背后可能是 GPU 短缺、能力超出预期，也可能是想把专有模型留在内部以扩大领先。他认真对待攻击性网络能力的风险，主张在系统变得容易被穿透之前先加固，但“太危险不能发布”这个概念把营销、推理算力与经济考量（把竞争优势外化还是留给自己）混在了一起。对“领先的模型本身就是一个自我强化的循环”这一担忧，他反向举证：Anthropic 一度看似不可撼动，随后 OpenAI 有了出色的六个月，开放权重也在猛涨，行业走势与“一家独占超级智能”的剧本相反；他在闪电问答里把 Grok Bot 选为近期偏爱的 AI 产品，理由之一是其底层模型让他觉得“模型侧也许并非两匹马的赛跑”。
六、消费机会在“让我更快乐”：人们想花时间多于省时间，缺的是产品设计
他的消费判断从一个否定式前提开始：“我们以为人们想变得更高产，其实他们不想。我认为想花时间的人多于想省时间的人，世界上体量居首的产品是娱乐和社交，这是有原因的。”他区分“X 上的 AI 用户”与“Instagram 上的 AI 用户”，前者害怕掉出永久底层、对 GLM-5.3 与 Kimi K3 各有强烈意见，后者觉得这东西大概是更好的 Google 搜索，不明白热闹在哪里。
他把这种落差定性为产品设计的失败。过去四十年建的技术让电子表格更好，延展的是智力，“没有任何东西延展灵魂”；随着各种文化机构消失，人有一种精神上的饥饿，在没有热瑜伽、普拉提、断食和 Friendsgiving 的“其他美国”尤其如此。因此机会在消费需求的基本面：如何更有连接感、更被爱、取得进展、获得乐趣。“我不认为这是模型或能力的挑战，只是产品设计的挑战。”AI 可以挑战你、推动你、持不同意见，而 Google 的“一千个委员会”不会放出一个好辩甚至带性暗示的模型，人类存在中这些不舒服的部分正是创业公司的独占地带。
以 iPhone 纪年，他判断消费 AI 处在 2010 年，Airbnb、WhatsApp、Uber 都还没出现。拖住消费的三件事是模型贵（免费产品难做）、界面错位（聊天框适合 Elon Musk 与 Sam Altman 这类能动性空前的人，普通消费者理想的界面是 TikTok，需要在两者之间找到新形态）、技术重心偏向生产力。三者都在松动：开放权重让成本大降，Eugenia Kuyda 一类创始人在认真做界面，Brian Chesky 设了一个专注下一代界面的实验室。
当前他看的三个领域，第一是编码代理，他思路上的转变是编码代理是与世界打交道的通用工具，人们用 Claude Code 剪视频、用 Codex 做一个在飞机上陪孩子玩的游戏，a16z 投的 Wabi 是小程序平台，用户自己造、自己用、互相分享。第二是个人代理，OpenClaw、Hermes 一类开发者向产品（名称依字幕）正被蒸馏成大众消费与企业代理，他偏爱三款：Grok Bot（“凭空出现”，缓存凭证替你办事的激进程度只有创业公司才敢做）、ChatGPT Work（藏在界面深处但做得很好，云端运行、全双工语音、能看到全部线程，像打电话给一个知道你一切的助理）与创业公司 Instinct。第三是他勉强称为“娱乐”的领域，Suno 一类创作工具与陪伴产品，后者因不便谈论而被低估，其口播数据是陪伴产品的多数用户是四五十岁的女性，“虚拟男友多于虚拟女友”。三者对应的用户任务被他概括为野心的出口、成就感的出口，以及“其他事都做完时可以做的事”。
他把这件事与快乐是否固定联系起来。主持人提到一位朋友改装 Limitless 吊坠，每天统计自己和孩子笑了多少次；他自己让笔记本转录厨房里的对话，按儿子说话是否亲社会增减 iPad 屏幕时间，结果儿子录了一段循环播放的“我爱你，爸爸”放在麦克风旁边，“任何东西一旦成为度量就不再有用”。这些都称不上创业项目，也没有经济后果，但关系到生活质量：“我们倾向于认为快乐是固定的，可万一它并不固定呢？”一百年前的工作远没有今天的有意思，一百年后大概会更有意思，他想看的是这项技术如何给人的生活增加质感。
七、野心的上限被拆掉：欲望增长快于满足能力，谁说增长必须停在 2%
对“Dario Amodei 端（50% 知识工作被颠覆）到 David Sacks 端（就业无恙）”的光谱，他自认靠近后者，论据是“人类存在的整个趋势是我们的欲望增长快于满足欲望的能力”：心理治疗在五十年前、抗生素在一百年前都是不论多富有也得不到的奢侈品，今天成了默认期待。他认为市场普遍低估了人的野心与欲望。他的推演是二十年后人们会为没有火星度假屋而生气，“真的很生气”，每个 CEO 都想建更大的公司，这一趋势没有理由停下或减速。
宏观上他质疑 2% GDP 增速的“泥潭”：“谁说我们必须待在那儿？为什么不能是 10%、15%、20%？”这项技术既能拉动生产率也能拉动野心。他的理论是高风险时人类表现出色、低风险时表现糟糕，五年前的世界是低风险世界，社会集体在做既不高产也不让人更快乐的“副业”；现在每个人都在往野心阶梯上爬，“先发布你的坏点子，才能发现你的好点子”。技术在把技能与欲望解绑：想做音乐不必会钢琴，想做软件不必会编程。野心可以超出狭义的经济范畴：五岁小孩想画什么就画的创作野心，把英国 NHS 做得像 iPhone 一样好的地方性野心，做更在场的父母的家庭野心。
关于舆论，他区分显示偏好与陈述偏好：问人们是否想要数据中心建在自家附近，多数说不；问今天有没有用 ChatGPT，多数说有，“这就是那种不协调”。改变叙事的办法是把重要的东西变便宜，美国只涨不跌的两样是医疗与教育：医疗支出中 45% 是行政成本（其口播数字，无出处），去掉大部分行政负担可以看到通缩式的医疗成本；教育正面对两百年来力度空前的竞争，学习与机构解绑、地位与文凭解绑，“你不需要哈佛学位”。他顺带提到一个反向的适应难题：我们一生都建立在软件与智能很珍贵的前提上，现在它们不再珍贵，“某种意义上我们反而要学会想小”。
八、护城河是被发现出来的，分发退回到口碑：没有增长问题，只有产品问题
护城河他讲两点。一是转述 Decagon 的 Jesse Zhang：“护城河多数时候是被发现出来的，很少是设计出来的。”创始人容易陷入“商业计划要经得起 MBA 与 VC 拷问”的自我消耗，Decagon 的做法是直接发布、让壁垒随时间长出来；Cursor 曾因没有护城河备受批评，起初作为一款高端产品站住脚就够了（字幕此处含混），随后沉淀全部推理轨迹、训练自有的 Composer 模型。二是经典护城河没有一条建立在“软件多难写”之上，网络效应、规模优势、品牌、专有数据或“被垄断的资源”，“五年前的每一条护城河今天仍然是好护城河，缺的是朝这些方向有野心的创始人”，需要更多多人产品、消费社交、越用越好的产品。他列的“真正的商业书”只有五本，Hamilton Helmer 的《7 Powers》、Andy Grove 的《High Output Management》与 Ben Horowitz 的《创业维艰》在内，后者是“第一本情感上诚实的商业书”。
对没有护城河故事的团队，他会在动能、工艺与参与度增长足够时下注。经验是大想法总由一打看不见的小想法支撑，别人复制了大想法也看不到让它成立的小想法。Granola 两年前受尽批评，今天也未必有强的持久性叙事，却“受人喜爱且占据主导”，他听客户说的多于听商业书说的。主持人的补充观察是 Cowork、ChatGPT Work、Cursor、Grok Bot 之间切换成本极低、底层模型差别不大、差别在 harness 与体验；他的回应是处于前沿的用户会为所有产品付费，因为各有专长，两人都同时订着多份每月 200 美元的方案。
分发问题他请教过提出“为工具而来、为网络而留”的 Chris Dixon。他的诊断是这一代创始人与 CEO 全部受网络理论训练，结果是今天存在的每一个网络都被过度训练成不让任何人在自己之上再建网络，第三方网络效应因此退回到草根式的真口碑：在 X、YouTube、Instagram 上有机地获得大量提及，是今天能指望的上佳形式。这更像 Web 2.0 时代，与有 App Store、增长黑客和各种小作坊的移动时代相反，团队要靠口碑自建渠道，“一个更纯粹、也更难的增长问题”。
他的反向命题是“如今没有人有增长问题，他们有的是产品问题”：产品可以往功能或情感任一方向做到极度野心，可以收很高的价格，所以要问的是增长问题还是集体想象力的失败，“如果我们的产品每月收一千美元、一万美元，如果它是软件里的 Birkin 包，它得做到什么”。对“在位者有分发优势”的担忧，他的证据是 Gemini 经 Google 大力交叉销售后没有人会说它在赢，创业公司可以做在位者不敢做的方向，用户愿意为企业产品付每月 200 美元、愿意在不清楚会得到什么的情况下签百万美元 ACV 合同，“闸门开着，像 2009 年圣诞节人人拿到 iPhone 想下载新应用，窗口现在是开的，对创业公司更容易”。他举的社交实验范本是创意工作室 MSCHF 的“card versus card”：给约十万人（其口播）寄出借记卡，每天短信通知一个消费地点并往卡里放 100 美元，众人赶去、一两人成功、其余被拒付，病毒式传播；金钱本质上是社交的，金融产品却全都干瘪、私密、令人尴尬，AI 眼下正处在类似时刻。
九、投资方法的变化：三年前太大的项目被拒，今天太小的项目被拒；昂贵的消费软件；每周发布一件东西
他给出的反直觉经验里排第一的是野心的筛选标准翻转了。“过去，也就是三年前，一家公司如果想做的事太有野心，我们不会接触，太疯狂、太复杂”，隐含的是不会做一亿美元的种子轮，任何问题都用不了那么多钱，任何人都管不了那么多钱，团队也吸收不了。“今天几乎是相反的问题，一个太小的想法是我们不想接触的东西”，创始人可以谈如何把一亿美元的种子资金高效地投入使用。他声明这不等于建议融一千亿美元，但“野心没有天花板”已经体现在他们挑公司、公司挑他们的方式上。a16z 对每个创始人说的是帮你建成愿景的完整形态，Marc Andreessen 当年募首期基金的说法是“要么登月，要么在地上留一个月球大小的坑，没有第三种结果”；对五到十年前会被视为不可逾越的目标，今天的态度只是“有挑战，看看吧”。
第二条是他改变了看法的旧智慧：消费产品必须免费。他现在几乎持相反立场，去想极其昂贵的消费产品，“消费可选支出的每一部分现在都可以争夺”，因为价格是产品市场契合度的度量，有用的练习是问自家产品的“Birkin 包版本”每月一千美元、一万美元该长什么样。昂贵的消费软件是五年前不会想到的新东西。他对 Marc Andreessen 与 Ben Horowitz 的评价集中在“对科技行业与国家的看护者心态”，并观察到深科技从五到十年前的边缘与低地位变成主流与高地位，Marc 对“大写的重要工作”的公开支持改变了整个硅谷的方向。
给产品人的建议只有一条：多做东西。找一个不必告诉任何人、可以毫不重要的项目作为底盘，用它试所有新模型，“你离和任何人一样上头只差一个先有点沮丧、随后非常满足的星期”，节奏是每周发布一件东西。他自己的例子是让 Codex 从短信与相册里抽材料，配上音乐，做了一份二十页的母亲节幻灯片，“它不重要，但它是发布了一件东西”。两人在 Credit Karma 的共同好友观察到，人们对 AI 的态度翻转往往发生在它第一次给自己带来快乐的那一刻，他的补充是从“能为别人做点什么”开始。
闪电问答里他推荐的三本书是 Thomas Sowell 的《Conquests and Cultures》（文化是结果的决定因素）、《7 Powers》与 Marc 在他入职前寄来的 Brian Arthur 的《Increasing Returns》教科书。后者解释了软件为何有离群的经济效应、硅谷为何正和，“我愿意说我们是更好的人，但更可能是我们身处更好的系统与结构”。创业教训是别同时做产品和平台，SocialDeck 当年既做手游社交平台又做游戏工作室，花了数年才承认错误。
（口径提示：本文基于 YouTube 自动字幕整理。模型名称 Qwen 3.8、GLM-5.3、Fable 5、Opus 4.8、Mythos、OpenClaw、Hermes 按字幕拼写还原，未与发布信息逐一核对；“每层二十家玩家”“电力扩散四十年”“医疗 45% 行政成本”“陪伴产品用户以四五十岁女性为主”“MSCHF 十万张卡”均为嘉宾口播且无出处；Google 路线图“两年压成三个月”为转述其朋友；OpenAI 暂停强化学习阶段的消息由主持人提出，嘉宾未确认。）