筆記

戴雨森談 AI 回報、Harness 與下一代公司的樣子

講者
戴雨森
原片日期
筆記日期
閱讀時間
約 22 分鐘
本文有 17 個章節

2026 年下半年會不會出現 AI 投資回調?這是創投機構真格基金管理合夥人戴雨森前一次受訪留下的判斷,而到了 2026 年 5 月,AI 編程工具的使用與收入快速增加,市場比他原先預期更熱。他沒有把整套觀點撤回,也沒有堅持原來的時間表:消費端的回報疑慮仍在,沒料到的是企業端 AI 編程在幾個月內跨過實用門檻,所以調整的是回報壓力出現的時間。

觀點可以很強,但必須知道它靠哪些前提站住

這場訪談約兩小時十八分,戴雨森回頭逐項拆解先前的判斷:哪些前提仍成立,哪個變化沒有預料到,自己為什麼沒有更早調整。

戴雨森原先對 AI 回報的疑慮,主要建立在面向一般消費者的生意。他認為,每月付二十美元的聊天機器人訂戶,不容易很快接受數十美元、甚至上百美元的月費;願意付錢的早期人群被吸收之後,新增付費者也未必持續高速增加。廣告與電商則不只是把廣告塞進對話框,還要找到合適的產品形式、購物流程與變現方式。連成熟網路公司都花過多年探索,不能假定 ChatGPT 一加入這些功能就能立刻形成巨額收入。

這部分,他認為沒有根本看錯。沒看到的是企業端的 AI 編程,會在幾個月內跨過實用門檻。Agentic Coding 是把找資料、改程式、測試等工作整段交給 Agent,而不只是請它補一句程式碼;原先常常差臨門一腳的任務,突然變得能完成,用量與付費意願便可能一起跳升。

他把這種變化比作燒水:溫度一直上升,不等於效用一直等比例增加,跨過某個門檻才有新的用途,實用價值可能非線性地出現。更難的是,事後看得見門檻,事前未必知道它何時到來;版本號看似只是小幅更新,也可能帶來很大的使用體驗差異。

所以,他調整的是回報壓力出現的時間,也加回部分記憶體、光通訊與 CPU 等硬體瓶頸相關的部位。他說自己的二級市場風格偏交易,欣賞 Stanley Druckenmiller,不是買一檔股票就固定抱五年。

訪談用 Strong Opinions, Weakly Held 概括這種態度:可以有鮮明判斷,但不要讓自己被它綁住。真正可調整的觀點,應該能說清楚由哪幾個原因推導而來;原因變了,結論就得跟著重估。戴雨森承認,公開說過的話會造成額外阻力。他雖然買回一些部位,仍不如某些朋友積極,部分原因正是先前已公開表達過看法。繼續錄節目、接受反面回饋,是他練習擺脫這個束縛的方法。

同一家公司,短期便宜、中期昂貴、長期又有大空間,並不矛盾

問 Anthropic 或 OpenAI 是否被高估,戴雨森先區分時間。他用約九千億美元的估值作比較,推演若短期上市、配合當時的市場情緒,價格可能被推到兩、三兆美元。

把時間拉到一、兩年,他仍擔心最終回報不足,估值可能明顯下降;拉到十年,若其中的公司成為長期贏家,又可能有五兆、十兆美元的空間。重點不在選一個數字,而是不能用長期技術潛力,直接回答短期交易價格是否合理,也不能用短期收入猛增,證明中期投資必然回本。

他也提醒,模型之間尚未形成永遠不變的領先。先是大家看好 OpenAI,後來偏向 Google,再來是 Anthropic,接著又重新評價 Codex。誰最新推出模型,常常看起來最強,不能把一次版本領先直線延伸成永久優勢。

當兩套工具完成任務的能力接近,品牌、價格、使用習慣與既有設定就開始重要。他自己在 Claude Code 裡累積了很多設定與 Skills;換工具不只是換一個模型,還要搬走這些工作習慣。他提到 Codex 當時的價格吸引力,但這種比較受訂閱方案、模型與任務影響,不是固定不變的半價。

探索期與賽跑期,需要的組織不一樣

戴雨森對 Anthropic 的理解帶有他自己說明的限制:許多資訊來自外部交流與二手消息,不能當作公司內部全貌。

在他的解讀裡,當大家還不知道 AI 能做什麼,自由探索與少數研究者的原創判斷很重要。OpenAI 鼓勵小團隊嘗試多種方向,這樣的組織容易長出新種子,但也可能出現產品上線後缺乏持續投入的情況。當主要方向逐漸清楚,競爭變成沿著一條路線高速推進,方向一致、從上而下調集資源的組織,可能更有優勢。

他把 Anthropic 的價值觀面試、內部思考文件同步,以及 Claude Code 的頻繁迭代,放進第二種組織的框架來看。這不是說個人創造力沒有用,而是已有明確主線時,公司能不能把產品持續做下去,同樣決定結果。

這個優勢也有條件。如果接下來幾年主要沿著現有方法進步,專注可能繼續占優;若新的研究方法重新改寫路線,原本發散的探索反而可能又有價值。矽谷出現許多新的研究型公司,正可理解成對這種可能性的押注,而不是現有大公司一定已經失去創新能力。

編程本身也不只是和醫療、金融並排的一個垂直行業。當 AI 能寫程式,它也能幫辦公室工作者處理資料、幫研究者做實驗工具,形成可橫跨領域的能力。這正是這次變化比單一軟體工具成長更重要的原因。

模型公司的收入,是客戶的投入,不是客戶的結果

訪談後半談到的問題和股價一樣重要:AI 能寫更多程式,為什麼公司不一定賺更多錢?當軟體開始替人做事,產品、組織與人的能力又該怎麼變?

訪談最關鍵的商業拆解,是把「投入、產出、結果」分開。

客戶付錢買 Token,這是投入。AI 寫出程式、完成一份報告,是產出。軟體真的賣出去、成本真的下降、利潤真的增加,才是企業要的結果。模型公司收入上升,只能直接證明有人願意投入,不能直接證明所有付款者已經得到結果。

假設一家公司突然多出十倍編程能力,它的收入會變十倍嗎?戴雨森的答案通常是否定的。許多成熟公司並不是沒有工程師,而是不知道要做哪個新產品,或是組織協作太慢。編程變便宜後,最容易做的事反而是複製鄰居的功能:原本做網站的開始做簡報,原本做簡報的也開始做網站。供給增加很快,新需求卻未必同時出現。

這還有時間差。建資料中心,可以規畫用好幾年收回資本支出;今天燒掉的 Token,客戶卻未必願意等兩年才知道有沒有賺錢。新產品需要時間長出來,但模型使用費已經付出。投入規模愈大、雲端業者愈需要借款建設,最終回報就愈不能無限延後回答。

訪談在這裡談到大型硬體與模型收入的金額。能確定的論點是:上游收到錢,不等於下游客戶已經賺到錢;下游若長期沒有收益,上游需求能否持續便要打問號。

降本也不能跳過人的工作結構。工程師即使多數時間在寫程式,仍可能負責溝通、協調、信任關係與少見的例外情況。就像自動駕駛能處理大部分高速公路路況,還不等於能立刻拿掉駕駛。戴雨森認為,有些裁員只是消除原有冗員,不能全算 AI 的新增效果;同一個人的薪資也只能省掉一次,不能永遠靠同一波裁員支持成長。

他用漏水的水槽形容當時市場:湧進來試 AI 的人,比失望離開的人多,總用量仍會大漲,但這不表示漏水已經堵住。持續使用的理由,最終仍要回到真正得到價值。

報告多十倍,組織能承擔的責任不一定多十倍

這個限制不只適用工程師。投資人可以讓 AI 同時整理十家公司,但不會因此自然有能力投出十倍資金、承擔十倍損失。做決策的人仍要讀、檢查、判斷,並對後果負責。

戴雨森把它說成組織能「背的鍋」有限:AI 可以增加文件供給,但若不能把工作從頭做到尾,也不能承擔決策後果,瓶頸就可能從寫報告的人,移到審查與負責的人。檢查時間可以下降,卻不能假定已經歸零。

這也說明,為什麼相同工具對小團隊和大公司的影響不同。小團隊可能真的有想法、卻沒有開發人力,AI 直接補上短缺;大公司的障礙可能是選題、分工與權限。兩者都增加程式產出,不代表會以相同比例增加商業成果。

Harness 不是裝飾外殼,而是把模型變成可工作產品的那一層

Harness 在這場訪談裡,指包在模型外面、讓它能取得資料、使用工具並連續做事的運行框架。戴雨森用賽車隊比喻:模型像車手,周圍還需要維修、換胎與賽道安排,才能持續跑出表現。

這一層包含幾件不同的事。Context 是當下任務、使用者或公司的背景資料;工具與工作循環,決定 AI 如何查資料、執行操作、檢查再繼續;Runtime 是程式實際運行的環境;Sandbox 則是把操作隔開的沙盒環境。模型能力再強,也不會憑空知道某家公司的內部資料,或自己擁有一部能持續工作的電腦。

因此,他不認為「模型很重要」與「產品外層很重要」互相排斥。好模型讓原本做不到的任務成為可能,好產品則讓人實際用上這種能力。甚至普通聊天框,也是一種把模型能力轉成使用形式的安排,而不等於裸露的 API。

產品還可能反過來改善模型。他認為,真實編程任務會留下高品質回饋:哪個改動成功、哪個套件不合適、什麼測試失敗。這些訊號比一般閒聊更接近明確工作結果,可能形成資料回流,再用來訓練模型。他用 Cursor 與其模型 Composer 為例,說明產品走向自有模型的路線。

模型公司確實有算力、人才與對自家技術的了解,但研究能力與產品判斷不是同一件事。他回憶,自己曾拿 Manus 做的簡報去問模型研究者,對方不認為簡報漂亮與否是當時的根本問題;使用者卻可能非常在乎。模型研究者可以選擇先提高通用能力,應用公司也可以先把具體體驗做好。兩者的優先順序不同,不代表其中一方沒有價值。

Manus、Claude Code 與 OpenClaw,示範的是不同產品選擇

戴雨森提到,Manus 把瀏覽器放在沙盒裡,讓 AI 不只回答問題,也能操作網頁;Wide Research 則讓多個子 Agent 平行處理不同任務。他把這些視為應用層先做出來的創新,不是單靠更大模型自然附送的產品形態。

Claude Code 把許多工作放在命令列。對人類而言,圖形化按鈕可能更直覺;對 AI 而言,明確指令、工具與工作循環的安排,可能更方便連續執行程式任務。

OpenClaw 的不同,則在於進入使用者既有的聊天工具、存取本機資料、累積跨對話記憶,並透過定期喚醒機制繼續處理事情。使用者不必先搬到一個全新網站,就能在熟悉的通訊介面交辦工作。在戴雨森的使用經驗裡,這種「它記得我」的感受,比隔離每個對話的純淨性更有吸引力;但他也提到,研究者會擔心背景混在一起,增加錯誤與幻覺。

這些能力不是沒有代價。存取電腦檔案帶來安全風險,記憶與長任務會增加維護難度,他自己也常把工具弄壞。訪談把早期使用者願意容忍不穩定,視為新公司取得探索空間的一個原因。

也因為記憶與習慣留在產品裡,使用者可能願意修好原來的 Agent,卻不願意換掉整套系統。他們可以換較便宜的底層模型,但仍想保留自己的背景、設定與合作經驗。這是他認為 Harness 有黏性的核心理由,而不是模型升級後每個「殼」都會自動消失。

如果 Harness 像作業系統,模型就比較像可以更換的處理器

戴雨森提出另一個比喻:Windows 或手機作業系統,把底層硬體的複雜性包起來,開發者不必每次都自己處理處理器、記憶體與攝影機。類似地,成熟 Harness 若負責模型連線、記憶、工具與工作循環,新的開發者就能在上面做一個功能、介面或 Skill。

因此,使用者看見的應用,未必直接連到底層模型,也可能運行在 Claude Code 或其他 Agent 的環境上。模型像提供運算能力的處理器,Harness 像承接應用的作業系統。這是他用來解釋產業分工的類比。

同樣地,即使作業系統廠商自己做辦公軟體與瀏覽器,也不代表第三方軟體公司沒有空間。戴雨森因此反對把終局簡化成「模型廠商一定做完所有應用」。但他沒有否認吞併的可能:產品公司仍得累積獨特資料、建立使用者關係,必要時也往模型層走。被收購可以是投資人的好退出,卻不是產品可以停止創新的理由。

Agent 之間的差異,可能讓專有經驗變成可交易的服務

若兩人的 Agent 都只是呼叫同一個模型,它們做出的東西差不多,彼此沒有太多交換理由。戴雨森想像,隨著每個人累積不同的資料、記憶與工作方法,差異會變大。

例如,和戴雨森討論過許多創業計畫的 Agent,可能更懂他的投資判斷;讀過張小珺大量訪談、準備過提綱的 Agent,可能更會設計採訪問題。別人不一定要把整份 Skill 複製走,而可以付錢請這個專門的 Agent 完成一件事。

他用一個假設價格說明:一萬元服務費中,一千元可能是模型使用成本,九千元來自獨特背景與經驗的價值。這是區分「算力成本」與「專有知識溢價」的思想實驗,不是已經成交的價格。

他認為,這可能形成 Agent 互相委託任務的市場,甚至出現網路效應。但訪談只提出可能性,沒有說這種市場已經成熟;單純讓主人指揮 Agent 上網發文,也不等於 Agent 已經自主形成分工。

早期不要只為了避開大公司,就把自己鎖進很窄的市場

許多創業建議強調垂直領域:服務一種特定客戶、解決一個特定流程,例如某類診所的預約系統。戴雨森不否認這類生意,但認為技術剛大幅改變時,過早求窄、求穩,可能錯過更大的使用方式。

相對地,通用產品可以承接不同場景,先觀察哪些需求真正浮現。原先未必知道簡報、網站或資料分析會成為重要用途,卻可以因為產品有彈性而接住它們。他認為,成熟軟體市場的通用機會已被拿走後,做垂直軟體的理由,不能不加思考地搬到 AI 的早期。

這不是做一個什麼都行、什麼都不好的工具,而是在說創新方向不必只由既有分類決定。跟風看似安全,卻可能浪費變動最快的時間。模型能力、沙盒與記憶等基礎設施愈成熟,應用開發門檻愈低,可以做的事也愈多,不必把所有改善都解讀成創業空間縮小。

他觀察當時應用投資與估值都在上升,但也說自己出手節奏只是略快,並沒有隨市場大幅加速;這是他在投資圈看到的情況。他還拿某家公司早期融資作具體對比。

大公司「看不上」的東西,反而可能留下入口。戴雨森列舉過去被嫌小眾、技術含量低、太累、太超前,或有合規爭議的公司與模式,意在說明大公司有時不是沒看見,而是有理由不做。他把曾被嫌棄的應用外殼與開源,也放在這個框架裡。

選創業者,是找能提出原創判斷的人,不是只找追上熱門詞的人

戴雨森說,自己投資的出發點仍是人。先追蹤一個有技術理解與企業家精神的人,提供早期協助,等他決定創業;後來他的方向成為熱門題目,並不表示一開始只是照著熱門題目找人。

他以兩個年輕的具身智能團隊為例,提到研究工作、長期追蹤,以及從約兩億元人民幣走向更高估值的變化。

另一個案例是從高扭矩電機(能產生較大轉動力量的馬達)走向機器人靈巧手的創業者。投資人原先未必確定做手的時點正確,創業者卻判斷:人手操作資料容易取得,未來會需要更接近人手、自由度更高的硬體。等到以人類操作影片訓練機器人的路線受到重視,先前的選擇才顯得更有價值。戴雨森也看重他曾自己出資創業,而不是等募到資金才開始行動。

這些判斷仍建立在學習力、創造力、領導力與意志力,還有共同創辦人之間的信任、能力互補與承受考驗的經驗。技術時代改了,不代表底層能力全換一套。

他不把博士學位當成所有 AI 創業的必要條件。研究型公司需要相應研究能力,做應用的人也必須深入理解模型能做什麼,卻不必人人先取得博士。比學歷標籤更重要的是:是否很早開始使用技術、知道細微差別,並能提出自己的判斷,而不只是重述播客裡的熱門結論。

在產品上,個人的非共識看法仍有作用。當模型訓練逐漸工業化,某些環節更像系統工程;但做出世界尚未見過的產品,仍需要有人認定一個需求值得解決、召集人並動用資源。他拿 OpenClaw 創辦人想在吃飯、外出時繼續操作電腦上的 Agent 為例:先是自己強烈需要,才逐步做出新的互動方式。

真正省下注意力的產品,未必讓使用者每天多打開幾次

行動網路常用「使用者數量 × 使用時間 × 變現效率」思考收入,DAU 在這套模式下自然重要。但生產力 Agent 可能剛好相反:使用者交辦後不用一直回來盯,才表示它真的有用。

如果為了拉高 DAU,故意要求使用者反覆打開產品檢查,就可能把好指標做成壞體驗。戴雨森更關心的是,Agent 能持續完成多久的有價值工作、是否讓人省心。很多人使用當然可能是好事,但不能只憑打開次數判斷這種產品的價值。

早期投資時,營收與流量也常能被短期手段拉高。他會看有多少人真心喜歡產品:十個非常喜歡的使用者,可能比一百個覺得普通的人更有意義。

原來的護城河也可能反轉。封閉應用把資訊留在裡面,可以提高人類使用者的離開成本;若使用者的 Agent 讀不到資料,反而可能把人推向較開放的工具。訪談以微信與飛書說明這種動機:人想讓 AI 參與工作,就會重新考慮資訊該放在哪裡。這不是說所有封閉平台都會衰退,而是介面的服務對象正在改變。

同理,給人用的圖形介面,不一定是給 Agent 用的最佳介面。若軟體的主要使用者逐漸變成 AI,清楚的 API、命令列與可讀資料,可能比更漂亮的按鈕重要。產品成長也不能只靠紅包、補貼與買流量;得先有一個使用者實際感到「原來還能這樣」的能力。戴雨森也承認豆包有投放,他強調的是語音與方言等體驗不能被行銷預算替代。

三類機會:先讓人有 Agent,再讓 Agent 有自己的工作世界

戴雨森把機會分成三類。第一類,是讓更多人低成本擁有好 Agent,包括安裝、設定與管理。第二類,是讓它適應原本為人設計的世界:操作現有軟體、付款、註冊服務、取得計算環境。第三類,則是直接為 Agent 設計工具與交易方式,而不再要求它假扮成人使用每個介面。

支付是他的例子。人類一天付款次數有限,通常也不會為千分之一元刷卡;Agent 查一百個資料庫,未來可能就有一百次極小額付款。先給它一張卡,可以讓它進入現有系統,但高頻、小額、多對多的交易,最後可能需要不同設計。這是他對未來需求的推測。

軟體也有三種值得想像的改善。原有難用的軟體,可以因開發能力變便宜而改善品質;同一個應用可以按不同使用者需要改造,而不是讓進階使用者與九十多歲長輩用完全相同的功能;低頻、一次性的需求,也可能值得做一個小程式,例如只為一場訪談準備的工作介面。

但個性化不是 AI 會寫程式就自動完成。若既有應用不開放改造介面,想法仍可能卡住。新需求也要有人發現,不會因為有無限工程師,就同一天全部冒出來。

更大的新模式,可能等到 Agent 普及後才出現。網路早期先把報紙、商業與郵件搬上網,後來才長出搜尋、社群與平台交易;智慧手機普及,也不只是把桌面網站縮小,還讓新的內容生產、遊戲與線下服務組合成形。他因此猜想,當人人都有 Agent,溝通、廣告、表格甚至合作的基本單位都可能變化。例如 AI 之間直接交換結構化資料,未必還需要先製作一張給人看的試算表。

下一代公司變小,不只是工程師席位變少

AI 原生公司的優勢,在產品開發階段尤其明顯:幾個人可能就能從設計、前後端、測試做到上線與營運,不必沿著原本瀑布式的部門流程層層交接。但地面推廣、商務談判等工作仍可能需要人,不是所有公司都能只剩幾個人。

另一個差別,是背景資料從第一天就能被 AI 看見。戴雨森提到,一個人與 Agent 共同協作的平台,把自家任務與開發也放在同一套系統裡。相較之下,經營十年的公司往往有大量分散資料、慣例與部門默契,並不會因員工裝了工具,就立刻成為 AI 可使用的工作背景。

當 AI 能橫跨不同技術工作,原來基於人的能力限制形成的職能分工,也可能重新安排。既有部門牆卻不會因模型更強自動消失,所以大公司的問題常是組織變革,而不只是軟體採購。

戴雨森借蒸汽機工廠與電動機工廠作歷史類比:原本圍繞主軸與皮帶安排的廠房,換了動力來源後,還得改變空間與生產流程,才更能發揮新技術。用在 AI 上,他要說的是:技術先到,組織與人如何工作仍需要時間改變。

下個字節跳動級公司,未必還長得像資訊流平台

戴雨森不否定字節系創業者的素質,質疑的是把過去成功的打法直接移植。若只是用 AI 產生內容,再放進單列或雙列資訊流、買量、分發、變現,可能仍是在舊冠軍最熟悉的規則裡競爭。

娛樂產品一開始就要和短影片、短劇、成熟遊戲爭同一段空閒時間,分發也可能得向原有平台買。使用者想要的是好玩,不是單純想玩「有 AI 的遊戲」。相比之下,原來得手動處理的工作,若能由 AI 大幅加速,價值差異可能更容易感受。

這是他較看好生產力方向、對部分消磨時間型 AI 應用較保留的理由,不是對所有消費產品一概否定。他想找的是新技術帶來的新需求與新分工,而不是規定下一個大公司一定做辦公軟體。OpenClaw 進入既有聊天工具、沒有先要求使用者搬到自己的流量陣地,就是他用來對比的新路線。

熱門研究與硬體題目,仍要回到究竟解決什麼問題

戴雨森對中美創業的觀察也不是單一故事。矽谷一部分資金追逐新研究型公司,另一部分仍偏好產品與垂直軟體;中國則在機器人、硬體與其他硬科技上更熱。他沒有把這說成每個投資人都一樣的選擇。

他看到的研究熱點包括 AI 編程、機器人的基礎模型,以及用 AI 加速 AI 研究。機器人領域希望透過更多操作資料,改善穩定性,甚至讓模型在少量或沒有新示範下處理新任務。所謂世界模型,想理解或預測世界狀態如何變化,但這個詞仍有不同定義,不能因公司用了同一標籤,就認定技術路線相同。

這股熱度也伴隨浪費與焦慮。他描述矽谷一些團隊先大量使用 AI、再找出有效用途,有些使用費可能買到創新,也有些只是消耗。有人興奮於新能力,有人擔心工作被取代,甚至想持有可能取代自己的公司的股票。這些是他在交流中感受到的反應,也再次說明,用量、人的感受與最終回報不能混為一談。

同樣地,把普通編程能力叫成通用人工智慧,不等於原先關於創造新知、發現新事物的問題已解決。他擔心「AGI」這個目標在說法上不斷縮水。沿著已知範例寫程式,和提出從未有過的問題與解法,仍是他要分開看的事。

在消費硬體上,他尤其擔心只是把聊天或感知功能加到舊品類,就被當成全新品類。硬體需要供應鏈、開模、庫存與更慢的迭代,消費者還得多養成一個佩戴、充電、換衣服時記得移動設備的習慣。若價值只是錄下來、提醒幾件事,對普通人未必足以抵消麻煩。他對這類產品持保留態度,也坦承自己偏好的是有實際健康用途的設備,而不是因為貼上 AI 標籤就認定有價值。

至於機器人,他看重實際操作能力、手、手臂與更好的模型,對人形機器人當時的資本熱度則仍觀望。沒有投某類產品,不等於證明該類永遠沒用;他也承認錯過了一些機會。

工具能外包執行,但不能替人完成理解的練習

戴雨森自己的使用例子很具體:把追蹤的播客轉錄送進 Notion,把文章、會議紀錄、電子報整理成日報,並讓同一個人、公司或股票的資訊逐步累積在一起。這讓不會寫程式的人,也能做出日常可使用的小工具。

但他越常用,越擔心思考也一起被外包。拿到答案,不等於自己經過推理、理解答案從哪裡來。他把這比作長期不用腿部肌肉,於是提出「思想的健身房」:刻意整理一個觀點的論據,試著講清楚,才知道自己哪裡真的懂,哪裡只是含混帶過。

他也提醒,指揮 AI 不斷做事,有時是在享受當老闆、說一句話就有人執行的快感。這個感受未必等於創造了價值。對他自己而言,難題逐漸從「沒有人替我寫程式」變成「我到底想做什麼」;因此使用與創新都得從小任務開始練,而不是坐擁很多訂閱就自然有好點子。

創新也需要練習。有一個朋友先觀察到期域名,再逼自己想能做什麼應用;買到與貓有關的域名,就替家裡的貓做監控。戴雨森自己把家人的健康裝置資料彙在一起,也和朋友共同開發比較睡眠等資料的小工具。這些不必立刻變成大生意,價值在於實際遇到協作與產品問題,練習從「有很多 AI 等我指揮」走到「我知道想做什麼」。他還提到,有朋友每月花上萬美元使用模型。

面對工作被替代,他短期較擔心技術變化快過人的重新學習,長期則相信會有原先想不到的新工作。他用蒸汽機、紡織、染料與化工擴散的故事解釋這種想法,也承認不能直接類比。他甚至提到稅收或基本收入等重新分配可能成為社會課題,但沒有提出完整政策方案。

最後回到教育與人的剩餘能力。他曾以為人保留目標主動性與品味,後來又懷疑品味未必是人的永久專利。Agency 在這裡指主動選擇要做什麼、提出問題並推動它,而不只是把交辦事項完成。他暫時更重視這種能力,但也知道主動型 Agent 正在進步,不能保證這條界線永遠固定。

這裡還有一個他尚未解決的區別:沿用既有範例完成任務,和產生人類原先沒有的問題、笑話或知識,是否需要不同能力?他用原創笑話與數學發現舉例,表達自己對模型能否真正跨出既有資料範圍的疑問。至於好奇心、原創判斷與主動性要如何教,他明說仍沒有答案。

他還觀察到,共同做事的 AI 比單純聊天更容易讓人產生信任與依賴;它記得自己、協助完成過真實任務,甚至帶來養成式的情感投射。這同樣是尚未準備好答案的變化。

所以,訪談沒有以「人類還剩某一種能力,從此安全」作結。戴雨森給出的仍是一個暫時做法:多使用、多創造、刻意思考,並繼續把自己的判斷拿出來接受回饋。對早期投資人而言,被新事實推翻不只是尷尬,也表示世界仍在變化,還有值得理解的新事情。