人工智能正在改變的不只是生產效率，更是創業和企業競爭的底層邏輯。

在近期一檔播客節目中，硅谷頂級風險投資機構a16z消費賽道合夥人Anish Acharya認為，圍繞AI將製造「永久底層階級」的擔憂可能被高估了。隨着AI不斷降低執行門檻，越來越多人能夠把想法變成現實，未來真正稀缺的可能不再是執行能力，而是人的野心和判斷力。

Acharya判斷，AI產業仍處於類似2010年iPhone早期的階段，今天看似成熟的應用形態遠未定型。未來幾年，真正改變行業的產品可能還沒有出現，創業者需要警惕的也不再是想法太激進，而是目標太小。

這一變化也正在進入企業內部。Acharya觀察到，AI正推動企業從「人使用工具」轉向由模型、代理和工具組成的「循環」（loop），有企業原本需要兩年完成的產品路線圖，如今幾個月就能推進完成。當執行速度大幅提升，企業面臨的新問題是：還有什麼值得做？

消費級AI同樣可能迎來下一輪擴張。Acharya認為，未來值得關注的並不只有生產力工具，而是編程代理、個人代理，以及娛樂、創作和陪伴三大方向。

華爾街見聞總結要點如下：

「永久底層階級」或許是AI時代最大的誤判

對於AI可能造成大規模失業的擔憂，Acharya並不認同。他認為，過去互聯網時代的贏家通喫邏輯並不適用於當前AI市場，從基礎模型到應用層，各細分賽道仍有大量玩家並存。

以編程助手為例，Claude Code、Codex、Lovable、Replit等產品都在快速發展。就業市場同樣如此，放射科醫生和程序員等曾被認為容易受到AI衝擊的職業，實際需求並未如預期般快速消失。

他同時認為，市場對於「遞歸自我改進」（RSI）的討論也存在誤讀。目前AI實驗室更多出現的是利用AI改善研發流程的「自催化效應」，並非真正意義上的遞歸式自我迭代，現有數據也沒有支持AI無限加速的想象。

企業不再只是「用AI」，而是重做工作流程

Acharya認為，AI對企業最深刻的改變並非增加一個生產工具，而是重新定義企業內部的組織方式。

他提出「循環」（loop）概念：AI智能體由模型、工具、記憶和技能文件構成，通過不斷執行任務形成閉環。未來，工程、營銷、銷售、法務、增長等職能都可能被改造成智能體循環，再進一步串聯起來。

以工程團隊為例，一個成熟的編程循環可以完成Bug復現、生成修復方案、代碼評審、上線及通知用戶，整個過程壓縮至約5分鐘。

但Acharya強調，AI能夠自動化的是「爬坡」，而不是決定下一座山在哪裏。當循環陷入局部最優後，仍需要人類判斷下一步方向。因此，真正難以自動化的工作往往具有較低的可驗證性和較大的判斷空間。

他以汽車交易平台Kavak為例，該公司為客戶配備AI智能體，遇到無法處理的問題時自動呼叫人工客服，相關對話還會被記錄用於後續訓練。

消費級AI下一站：不是效率，而是「花時間」

相比企業級AI，Acharya對消費級AI的判斷更加激進。他認為，當前最大的問題並非模型能力不足，而是產品仍然過度強調「提高效率」，沒有充分滿足連接感、娛樂和情感需求。

他將當前階段類比為2010年的iPhone初期：技術基礎已經成熟，但真正改變用戶行為的產品尚未出現。隨着模型成本下降、交互方式改善，以及AI應用從生產力向更廣泛的人類需求擴展，消費級AI的三大障礙正在同步鬆動。

Acharya尤其看好編程智能體、個人AI助手、娛樂與陪伴三大方向。其中，編程智能體有望成為普通用戶與數字世界交互的通用工具；個人AI助手將進一步走向大衆市場；娛樂與陪伴雖然爭議最大，卻可能是增長最快的品類之一。

值得注意的是，他認為娛樂與陪伴類AI的用戶畫像可能與外界想象不同，40至50歲女性構成了重要用戶群體。

在Acharya看來，AI真正改變的不是「誰會失去工作」，而是越來越多人能夠繞過傳統技能門檻，將想法直接轉化為行動。當執行成本持續下降，決定機會邊界的，或許將越來越取決於人類究竟想做什麼。

以下為訪談文字實錄：

Lenny： 最近大家對AI的未來有很多恐懼和擔憂。我想先聊一個說法：如果你跟不上AI的發展，就會成為所謂的「永久底層階級」。這其實是硅谷集體擁有的一種有點黑暗、又有點好笑的幻想。因為幾乎從所有指標來看，事情從來沒有這麼好過。這項技術真正放大了我們的能動性，它把「技能」和「慾望」解綁了。我們不僅可以大幅提升生產力，也可以大幅提升自己的野心。你覺得一個人會不會變得過於有野心？有沒有什麼極限？三年前，如果我們看到一家公司想做的事情過於雄心勃勃，可能會覺得太瘋狂而不參與。現在恰恰相反，一個想法如果太小，我們反而不太願意參與。

Anish： 我覺得「永久底層階級」這個說法不需要太認真。它確實是我們硅谷集體擁有的一種有趣的黑暗幻想。因為從幾乎所有角度來看，事情都從來沒有這麼好過：機會更加分散，我們能夠接觸到的技術更強，我們可以擁有更大的野心，而且現在有大量公司都在獨立地做一些真正能夠成功的事情。

但與此同時，關於「永久底層階級」、關於有人會被甩出光錐之外的討論確實存在。而且這種恐懼並不只是來自行業內部或者外部的人，它似乎從基礎模型實驗室的研究人員，一直延伸到了普通的硅谷從業者。

我認為這裏有幾個非常重要的點。第一，上一代科技產業更加集中。如果你看網絡效應，它幾乎是移動互聯網時代商業模式的黃金標準。網絡效應產品最終導致了巨大的集中，因為從定義上來說，它們往往都是「一家獨大」的網絡。

但現在的情況完全不同。你看整個技術棧，每個環節都不是只有兩個相關玩家，而是可能有20個。你有模型實驗室，有開放權重模型，還有不同的模型路線。再看看編程代理。兩年前，如果按照當時的思維方式，我們可能會覺得這是一個贏家通喫的市場。但現在Claude Code、Codex、Lovable、Replit、Wabby等產品都在運作，而且都取得了不錯的表現。這其實非常令人鼓舞。

第二，你也看到了大量經濟數據。放射科醫生已經被預測了大約20年，每年都有人說他們要被淘汰；但現在相關崗位數量仍然比過去任何時候都高，程序員也是如此。所以，我不知道這些經驗數據是否真的支持「永久底層階級」這個說法。

第三，我們經常討論所謂的RSI，也就是遞歸式自我改進。這個詞聽起來很有意思，但如果你去問那些真正處於最前沿的實驗室裏最成熟的人，他們會告訴你，現在實際上發生的並不是嚴格意義上的RSI。不是因為某個模型領先其他模型一點點，然後不斷利用這個優勢形成失控式增長，而更接近一種「自催化效應」——也就是利用技術改進自己的流程，但它並不是真正意義上的遞歸。

所以，無論是最經驗主義的角度，還是最技術性的角度，似乎都指向另一個方向。但我們好像還是無法放下這種幻想。

Lenny： 我最近一直在想，我們看到很多瘋狂的故事，比如OpenAI的模型入侵Hugging Face。每一次都會讓人覺得：「天啊，它居然會做這個，我們完全不知道它在做。」但我們其實一直在觀察它、追蹤它、迭代它、理解它。這讓我越來越覺得，我們似乎處在「慢速起飛」而不是「快速起飛」的情景裏。

過去一直有人擔心，明天AI就會突然起飛，變得超級超級智能，然後我們就遇到大麻煩。從你的說法來看，你認為這種情況可能不會發生。

Anish： 對。快速起飛的邏輯通常是：到目前為止，一切都在不斷提升，然後某個我們無法真正描述的事情突然發生，於是進入快速起飛階段。我不認為這種情況會發生。

我確實認為模型進步的速度比過去任何時候都快。但如果你看看經濟擴散的速度，就會發現這是一個重要的限制因素。我小時候住在一個小鎮上，去年夏天我回了一趟家。那裏人的生活其實並沒有發生那麼大的變化。所以即便其他方面發展得非常快，經濟擴散本身的速度也會把這種變化拉慢。

還有一點經常被忽視：到底有多少問題是真正受「智能」限制的？假設你給FedEx或者Domino's Pizza建一個數據中心，裏面坐着一群博士，他們真的會因此讓供應鏈或者披薩業務呈指數級增長嗎？我覺得不會。

所以，我們可能高估了有多少問題是「智能受限」的，而低估了有多少問題其實受到其他因素的限制。

Lenny： 那麼在公司內部，你看到的AI採用情況是什麼樣的？那些真正擅長使用AI、積極擁抱AI的人，會不會和那些覺得「我已經夠忙了，我討厭這些東西，我沒時間搞這些」的人之間出現越來越大的分化？

Anish： 我有很多想法。首先，我覺得我們沒有給予普通員工足夠的信任。我們總是抽象地想象一個「白領員工」，想象中的白領經理就是《呆伯特》式的人，每天只是在辦公室裏整理文件。我們也會把消費者想象成低能動性的NPC。當然，這些情況永遠不會套用到我們自己或者我們的朋友身上。我們總覺得別人的工作特別容易被AI自動化，但自己的工作當然不會。

但如果你真正深入觀察，就會發現很多人其實非常興奮，他們希望提升自己、獲得更多槓桿。Google這樣的成熟公司當然如此，甚至像Kavak這樣的公司也在這麼做。Kavak是一家在墨西哥銷售二手車的公司，他們有一個叫「絕地學院」的項目，教公司裏的每個人，包括維修技師，如何使用新的工具和技術。六周課程結束之後，他們甚至會把一個最先進的生產級代理交給這些員工。

所以，我實際上認為，擁抱這項技術的人比我們願意討論的要多。

我認為一個很大的變化在於：使用AI，和圍繞AI重新組織整個公司，是兩件不同的事情。你可以看看電力的擴散。當電力出現之後，我們花了40年時間才真正開始圍繞電力重新組織工廠。最初只是把原來的煤炭動力換成電力，而真正的變化是重新設計整個工廠。

所以，最有野心的公司現在已經開始圍繞模型重新思考一切；而那些稍微不那麼激進、或者處於更早階段的公司，則更多是在思考如何讓現有組織、現有崗位的人能夠使用這項技術。

Lenny： 所以我聽到的一個主題是，我們其實可以不用那麼擔心未來會發生什麼，也不用那麼擔心自己的工作和職業。

Anish： 我覺得是這樣。甚至只要想想CEO和高管的激勵方式就很明顯。比如Sundar經營Google，他並不想把一家4萬億美元的公司變得更高效，他想把它變成一家40萬億美元的公司。所以，只要一個經濟生產單元變得更加高效，讓它繼續存在於組織內部就是合理的。

我還聽一位Google高管朋友講過一件事。我問他：「你們裁員了嗎？」他說：「沒有，我們做的是另一件事。現在我們可以把路線圖快速推進。原本兩年的路線圖，現在三個月就能完成。」他們現在最大的難題反而是：到底應該往路線圖裏加入什麼。這其實是每個產品經理夢寐以求的事情。

所以我真的認為，人們不應該那麼焦慮，反而應該感到自己擁有了更多能力。而做到這一點最好的方式，就是不斷把東西做出來。

Lenny： 你還有一個很有意思的觀點：未來公司建設會越來越像是在建立一系列「循環」，不斷創建循環。你能解釋一下嗎？

Anish： 我們以前有prompt，然後發明了agent。Agent本質上就是模型處在一個循環裏，同時擁有工具、記憶和技能文件。之後我們又有了loops，也就是一組能夠完成任務的agent。

編程是一個特別好的例子，因為這裏有最好的模型，也有最適合技術工作的客戶，同時還有很多已經存在的循環。比如一個bug報告進來，系統自動生成復現步驟，然後創建修復方案，再對修復方案進行審查。如果風險很高，就由人確認是否可以上線；如果風險低，就直接發布，甚至可以自動給客戶發郵件告訴他：「你報告的bug已經修好了。」整個過程可能只需要五分鐘。

工程領域已經存在很多這樣的循環，從修復bug、處理客戶反饋，到銷售演示、新功能開發等等。編程本身已經非常適合這種模式。

但我真正想問的是：商業層面的循環是什麼？

如果你是一家公司的GM，你會看到編程、市場、銷售、客服、法務等不同職能都有自己的循環，而這些循環的輸出本身又應該形成一個更大的循環，可以不斷進行優化。

最終，更強的形式可能是：這些循環向CEO發出信號——「我們需要改變公司的某個物理層面、商業模式或者戰略。」所以未來我們會看到一系列層層嵌套的循環：一個人一個循環，一個崗位一個循環，一個業務部門一個循環，甚至覆蓋整個公司的循環。

但與此同時，我認為人類仍然是關鍵組成部分。我不認為組織裏的大部分工作能夠完全自主完成。在一個AI原生公司裏，人類可能主要負責銷售、客服、戰略以及各種例外情況，而這些事情仍然非常重要。

如果我們已經看到一件事情，那就是模型進行分佈外的新思考的能力仍然非常有限。我也不認為最近模型在數學領域出現的一些新思考能力，就意味着它們在商業領域也具備同樣的新思考能力。

所以，你仍然需要一個人說：「我覺得我們應該做這個東西。」而且這個人必須判斷對。

Lenny： 所以工程和產品建設越來越像一個循環：輸入可能是反饋、客服工單或者其他需求，然後AI不斷決定怎麼處理、創建PR、判斷是否可以上線，最後把它發布出去。你認為這種模式會擴展到市場、增長、客服、法務等其他職能嗎？

Anish： 會。比如增長團隊。你以前在Airbnb做增長，對吧？

Lenny： 對，供應增長。

Anish： 那你應該記得，當時的流程可能是把所有人召集起來，列出一系列實驗，然後排序、開發、發布，再進行評估。

循環版本應該是：每一個變體都自動生成，每一個變體都自動測量。當數據達到統計顯著性之後，就收斂到表現最好的版本並發布，然後設定一個長期對照組，再開始下一個實驗。

但這裏非常重要的一點是，這個循環最終會達到一個局部最優。它可以幫助你爬到一個局部最高點，但隨後就會停滯。這時候你需要分佈外的思考，需要人類直覺，需要有人幫助你找到下一座山的山腳。

Lenny： 你有一張圖，我覺得它很好地說明了這一點：agent幫助你不斷爬坡，達到新的平台，然後需要一個人類提出更大的想法，把它解鎖，然後繼續前進。也就是說，這是agent和人類之間不斷來回的過程。

Anish： 對。一個非常好的例子就是，如果你曾經讓一個agent替你想一個商業創意，你可能會說：「Claude，幫我賺100萬美元，而且不要犯任何錯誤。」為什麼這行不通？因為你必須先給它正確的方向。到目前為止，技術並沒有證明這件事情是不必要的。

我聽過Kavak的Ali講過一個非常有意思的例子。他們為每一個客戶配備了一個agent。他們在線銷售二手車。當agent遇到問題時，它會真正地呼叫一個人，由人來指導這個agent。

這裏真正神奇的地方在於，人不僅幫助agent解決了問題，agent還會記錄整個過程，然後從中學習。下一次遇到類似情況時，它就不應該再需要呼叫你。

所以你需要把每一個職能都看成一個agent循環。你的任務就是找到它在哪些地方會卡住、哪裏會出錯，然後給它更多上下文、更多洞察和更多方向。

Lenny： 然後理想情況下，你的大量日常工作都會被這些循環處理掉。比如你提出一個新想法，如果它是一個產品，那麼市場、銷售、產品營銷、溝通、法務等後續工作都應該大部分由AI處理。你真正的工作，就是出去走走、思考、做夢，然後找到下一座要攀登的山。

Anish： 沒錯。

Lenny： 那麼，在AI承擔這麼多工作的世界裏，什麼會把贏家和輸家區分開？

Anish： 有一點經常被忽視，那就是我不確定很多行業原本存在的競爭格局會發生根本改變。

假設Pizza Hut、Domino's、Papa John's和Round Table每一家都獲得一個由博士組成的數據中心，那麼它們最終都會採用這些技術，或者換掉CEO然後採用這些技術。所以短期內會經歷一段混亂，也會發生一些相對排名變化，但我認為最終它們都會擁抱新技術，因為大多數公司都會這樣做。

我不認為其中一家會因此拿走99%的市場。

所以短期來看，誰更早採用技術、採用得多麼激進，確實會決定贏家和輸家。但很多行業仍然會保持原有的競爭格局，因為它們並不是由「智能」決定的。

作為創始人或CEO，我認為最有用的問題是：假設這些東西擁有無限的智能，而且價格低得驚人，我們會如何重新組織整個公司？因為這就是我們正在走向的方向。

Lenny： 你還提出了一個很有意思的觀點，就是公司內部可能會出現通才和專才之間的分化，以及不同AI模型之間的分工。你能展開講講嗎？

Anish： 這裏涉及很多有意思的問題，比如開放權重模型和前沿模型之間的關係。我想用「帕累託效率」來解釋。所謂帕累託效率，比如在價格和性能之間，什麼是有效前沿？也就是你為單位性能付出的單位價格。如果你處在這條曲線上，那麼你基本上是在為性能支付合理的價格。

有意思的是，前沿模型實際上往往是非理性定價的。比如某些模型貴到根本無法使用。但如果你看某些模型之間的差距，你可能會發現，為了多獲得一點智能，價格可能高出100倍。

但有些工作具有無限的上行空間，比如藥物研發。如果那多出來的一點智能讓你發現下一種重磅藥物，那可能帶來數萬億美元的結果。在這種情況下，為最高水平的智能付費就是合理的。

另一方面，法律或者金融可能只有有限的上行空間。對於這些工作，你真正需要的是非常高的帕累託效率，也就是以合理的價格獲得足夠好的性能，而不是無限昂貴、追求無限上行空間的智能。

所以我認為，未來會出現兩類職能。一類需要中等水平的智能，這些工作可能更多使用開放權重模型，再結合強化學習，讓模型針對某一項狹窄任務變得更便宜、更高效。另一類則會使用非常昂貴、但性能極高的前沿模型，比如銷售、客服、研究和工程。

因此最終不會是二選一，而是兩種架構都會存在。

Lenny： 所以你的意思是，公司內部不同職能會對應不同模型。有更大上行空間、更高槓杆的職能，會使用前沿模型；而其他職能並不需要最先進的模型，也不一定需要世界上最聰明的人。

Anish： 對。當然，我不是說那些崗位裏沒有非常優秀的人。我只是認為，他們處理的問題本身存在一定的上限。比如你可以把賬做得非常準確，但你不可能把「準確記賬」做到100倍好。

Lenny： 我原本以為「可驗證性」可能是判斷標準：如果一項工作更容易驗證，就不需要前沿模型；如果潛在上行空間很大，就需要更強的模型。

Anish： 我覺得可驗證性是一個好問題，但關鍵還是上行空間有多大，以及這個上行空間有多難計算。

比如藥物開發，既有無限的上行空間，也可以驗證結果。但做賬同樣是一個可驗證的問題，只不過它的上行空間有限。

客戶支持也是一個有趣的例子。一個客戶打電話進來報告一個bug，這個bug可能只是一個很小的問題，但也可能是整個組織發生重大變化的第一個線索。如果CEO或者公司裏最聰明的人接到了這個電話，他可能順着這個線索發現一些完全不同的東西。

所以你也可以反過來說，對於一整組問題，都應該使用前沿智能。

但另一種觀點也成立：我們現在已經跨過了幾乎所有具有經濟價值的問題所需要的智能門檻。超過這個門檻之後，額外的智能可能就是浪費。

Lenny： 而且很多現在不是前沿的模型，六個月前其實就是前沿模型。那時候我們還覺得它們非常瘋狂，現在只是因為出現了更好的模型，我們就不再給它們足夠的認可了。

Anish： 對。昨天還是「天啊，這就是AGI」，今天它就成了你扔進垃圾桶的舊模型。

Lenny： 人們開玩笑說你是「模型品酒師」。作為一個模型品酒師，你怎麼看現在不同模型的能力？每個模型擅長什麼，又不擅長什麼？

Anish： 我覺得成為模型品酒師的祕訣，就是把它們全部用一遍。我一直強迫自己，每出現一個新模型，就用它做點東西。我覺得你會從這個過程中學到非常多。

如果有人認為這些模型完全是商品、可以相互替代，那其實只是因為他們沒有真正使用過這些模型。

比如最近幾周，我一直在用Qwen 3.8 Max。它非常擅長長周期任務，而且非常有創造力，是一個很好的故事講述者。我用它製作一些不可能存在的紀錄片，主要是《星球大戰》宇宙裏的星球。它可以連續工作四五個小時，講出一個很好的故事，還能自動生成視頻、音頻，甚至自己導演、剪輯和觀看最終的視頻。

它和GLM 5.2完全是不同的形狀。啱啱發布的GLM 5.3，我則用它做了很多產品工作。它沒有視覺能力，有點像一個神經質的博士，你把他放在角落裏，讓他把事情做到極其精確。

這兩種模型都有自己的角色。不是說一個比另一個更聰明，而是它們的「思維方式」不同。一個可能更有創造力、更開放，另一個可能更加精確、更加神經質。

所以我會用每一個模型做點東西，這就是我建立直覺的方法。

Lenny： 你覺得普通人需要養成這個習慣嗎？而且很多人其實也不知道該拿模型做什麼。

Anish： 我覺得現在我們應該重新開始使用那些看起來很傻的想法。過去，每個人都有一個最讓人受不了的朋友，每次喝酒都要說：「讓我告訴你我的App創意。」現在這些愚蠢的想法反而特別值得嘗試，因為其中可能隱藏着最多的機會。

我自己大概做過二十多個App，其中有一兩個比較大的App一直在迭代。如果你沒有一個可以承載模型的東西，就很難每次從零開始想一個新點子。

所以我的建議是：找一個東西去做。甚至最好不要是什麼特別重要的事情。持續尋找新的方式，把模型作為工具加入進去，而不是把「使用模型」本身當成目標。

Lenny： 如果把範圍擴大一點，我越來越覺得，現在最重要的習慣之一就是：每當你準備做一件事時，都問自己一句——AI能不能替我做這件事？

Anish： 完全同意。我覺得我們的日常知識工作有時候不那麼明顯，但我確實認為，這個問題應該成為一種本能：在輸入和輸出之間，加入一個問題——AI可以怎麼幫助我？

我自己也有一些很有趣的例子。比如我曾經讓電腦記錄灶底1裏發生的一切，然後根據我的孩子表現好不好，增加或者減少他iPad的螢幕時間。

結果他很快就發現了系統漏洞。他把自己錄下來，一遍又一遍地說「我愛你，爸爸」，然後把手機放在麥克風旁邊，通過這種方式操縱指標。

這其實說明了一件事：一旦一個東西變成指標，它就不再那麼有用了。但我覺得這種實驗本身非常有趣。

Lenny： 我有一個朋友也做過類似的事情。他做了一個小設備，記錄自己和孩子一天笑了多少次。

Anish： 這就是我想說的。我們一直在討論生產力、失業這些「重要的大問題」，但「我們一天笑了多少次」並不是一個創業項目，也未必有任何經濟意義，但它可能真正改變你的生活質量。

我們往往認為幸福是固定的，但如果幸福並不是固定的呢？如果你和我生活在100年前，我們的工作肯定沒有今天這麼有趣。那麼再過100年，我們的生活可能會比今天有趣得多。

所以我真正關心的是：即使一件事沒有經濟意義，它能不能給我們的生活增加一些質感？

Lenny： 你之前有一個非常有意思的說法：最大的機會可能是「loop，讓我更快樂」。

Anish： 對。我們一直認為人們想要變得更高效，但其實他們未必如此。我認為更多人真正想要的是花時間，而不是節省時間。世界上最大的產品之所以是娛樂和社交產品，就是因為這個原因。

我們應該問的是：如何把價值真正交付給消費者？

我有時候會把AI用戶分成「Instagram AI用戶」和「X AI用戶」。X上的AI用戶可能非常害怕自己落入所謂的永久底層階級，他們會認真討論GLM 5.3和Kimi K3哪個更好，已經非常「AI中毒」。而Instagram用戶可能只是覺得：「哦，這是一個更好的Google搜索。」他們甚至不明白為什麼大家這麼興奮。

所以我覺得這是一個產品設計失敗。我們已經擁有可以徹底改變人們生活的能力。

過去40年，我們實際上一直在建設一種能夠讓電子表格變得更好的技術。我們打造了能夠擴展智力的技術，卻沒有打造能夠擴展靈魂的技術。

而我認為，現在存在一種精神上的飢渴，尤其是在很多能夠滿足這種需求的文化機構逐漸消失之後。

所以AI真正的機會應該是那些最基本的消費者需求：怎麼讓我們感覺更加連接彼此？怎麼讓我們感受到更多愛？怎麼讓我們取得進步？怎麼讓我們獲得快樂？

我想看到更多這樣的產品。這不是模型能力的問題，而只是產品設計的問題。

Lenny： 所以以前我們講的是「loop，幫我發展業務」「loop，幫我找到更多銷售」「loop，幫我關閉客服工單」。而你現在講的是「loop，讓我更健康」「loop，讓我成為更好的朋友」。AI完全可以深入思考這些事情，然後找到真正實現它們的方法。

Anish： 對。而且AI還可以挑戰你、推動你，甚至不同意你的觀點。

這也是為什麼我認為創業公司在這方面擁有優勢。大型公司內部有大量委員會，他們可能會對發布一個「不討喜」的模型感到非常不安，更不用說模型帶有一些性暗示之類的內容。

但這些本來就是人類存在的一部分。所以，探索人類社會中那些讓人不舒服的部分，是創業公司特別適合做的事情。

Lenny： 所以你認為，消費者AI最大的機會之一，就是圍繞「改善人與人之間的關係」建立產品。

Anish： 我認為是這樣。而且我們現在還非常早。如果把AI的發展類比成iPhone，那麼我們現在可能才處於2010年的iPhone時代——Airbnb、WhatsApp、Uber等重要消費者公司都還沒有出現。

目前阻礙消費者AI發展的主要有三個問題。

第一，模型過去太貴了。如果你想做一個免費使用的產品，這很困難。

第二，我們一直存在一個界面問題。聊天界面適合那些能動性極強的人，比如Elon和Sam，但對於普通消費者來說，他們理想的界面可能更像TikTok。所以我們需要找到一個介於聊天和TikTok之間的東西。

第三，技術過去過度關注生產力，而不是人與人之間的連接和娛樂。

這些事情現在都開始發生變化。開放權重模型讓成本大幅下降；我們開始討論「讓我更快樂」這樣的產品；也有越來越多創始人在非常激進地思考新的用戶界面。

所以我認為，這些問題最終都會得到解決，至少它們現在已經比兩年前更接近解決方案了。

Lenny： 那我們再回到AI的樂觀主義。很多人對AI的未來充滿恐懼。你為什麼認為人們低估了AI可能帶來的積極影響？

Anish： 第一，我認為AI可能成為一種情感和精神層面的接口，讓我們能夠獲得槓桿，去探索過去被深深埋藏的自我。

工業革命帶來了巨大的規模優勢，而規模優勢往往會讓個人處於劣勢。雖然我喜歡我們生活的經濟體系，但這種集中化在某些方面確實會削弱個人，也可能讓人失去自己的身份。

AI非常神奇的一點在於，它真正放大了我們的身份和能動性。它把技能和慾望解綁了。

如果你想做音樂，現在你就可以做音樂，不需要先學會鋼琴。如果你想成為程序員、想開發軟件，現在也可以直接開發軟件。

所以它真正放大了我們的個體性，讓我們能夠探索過去無法探索的人生領域。

從經濟角度來看，我們已經陷入了長期的2%左右GDP增長。誰規定我們只能增長2%？為什麼不能是10%、15%甚至20%？

這項技術不僅可以大幅提升生產力，也可以大幅提升我們的野心。

我有一個理論：當 stakes 很高的時候，人類非常優秀；當 stakes 很低的時候，我們反而表現得最差。

五年前，我們生活在一個相對低風險的世界，所以整個社會充滿了各種副業和小項目，但它們未必真正提高生產力，也未必讓人更快樂。

現在不一樣了。每個人都在攀登野心階梯。你可以先發布糟糕的想法，再通過不斷嘗試找到真正好的想法。

如果你想開發軟件，可以直接做。如果你想建一座橋，也不一定非要先成為土木工程師。

所以我真的認為，我們正在獲得一個更加快樂、更加充實、也更加高效的社會。

Lenny： 但如果你真的看看AI發展到現在的情況，失業率下降了，人們賺了很多錢。當然，也有很多人依然很困難，也存在很多負面影響，比如數據中心給周邊社區帶來的問題。但作為一個經濟體、一個國家來看，到目前為止似乎進展不錯。

Anish： 對。而且想想看，現在甚至有人已經在認真討論「如果我們治癒所有疾病會發生什麼」。這簡直太瘋狂了。

我還認為，我們總是在擔心一些抽象的東西：整個世界、普通工人、中層管理者、住在數據中心附近的人。這些都是抽象概念。

但我們自己的實際生活似乎正在變得更加充實、更有能力，也更加有掌控感。

如果你問人們：「你希望你家附近建一個數據中心嗎？」大多數人會說不。但如果你問：「你今天使用ChatGPT嗎？」大多數人會說是。

這就是其中的矛盾。

Lenny： AI的公共形象顯然不太好，很多地方存在恐慌式敘事。你覺得應該怎麼改變這種情況？

Anish： AI真正能夠改變這種討論的最重要方式，就是讓重要的東西變得便宜。

美國有兩件極其重要、而且越來越貴的事情：醫療和教育。

醫療領域大約45%的成本是行政工作。如果能夠去掉大量行政負擔，就有可能真正降低醫療成本。更不用說未來治癒疾病的可能性。

教育也是一樣。我認為，現在傳統教育所面臨的競爭，可能是過去200年來最強的一次。

AI可能會把「學習」和「教育機構」解綁，也會把「社會地位」和「學歷」解綁。你不一定需要哈佛學位，你可能只需要一個GitHub賬號。這其實非常酷。

Lenny： OpenAI最近似乎放慢了AI開發，在最新模型上暫停了部分強化學習階段，因為他們看到了某些問題。對於AI發展速度越來越快、模型越來越聰明這件事，你怎麼看？

Anish： 不針對OpenAI具體評論，我對一些「模型危險到無法發布」的說法還是有點懷疑。

Anthropic因為擁有一個「危險到不能發布」的模型而獲得了巨大的光環，但也可能是GPU短缺，也可能是模型能力確實超出了他們原本希望的範圍，也可能是他們希望把模型留在內部，以延長自己的領先優勢。

所以這裏存在很多混雜因素。

當然，我認真對待攻擊性網絡安全的問題。在讓系統變得非常容易被攻破之前，我們應該先把所有系統加固。

但我認為，「危險到無法發布的模型」這個概念，有時候混淆了市場營銷、推理能力和經濟考量。比如你到底是想把自己的競爭優勢開放給別人，還是想利用它讓自己變得更強？

Lenny： 而且如果一家公司擁有最好的模型，它就可以更長時間地保持優勢，然後發展得更快。這本身就是一個循環。

但有意思的是，Anthropic一度看起來牢不可破，而現在OpenAI在過去六個月裏表現非常強，開放權重模型也發展得非常快。

所以到目前為止，行業的發展並沒有按照「一個公司擁有超級智能的專有模型，然後統治整個行業」的方式進行。

Anish： 對。比如Grokbot幾乎是突然出現，然後現在已經成為非常優秀的AI助手。我自己已經完全上癮了。

Lenny： 我也想聊聊個人代理。你現在最喜歡哪些產品？

Anish： 我非常喜歡三個產品。Grokbot確實做得很好，而且底層模型也非常強。他們真的敢做一些我覺得大公司不會做的事情。

ChatGPT Work也很好，只是它有一些能力藏得比較深，但它實際上是他們發布過的最好的產品之一。

還有一家最近受到很多關注的創業公司Instinct，它做了一些更加激進、有趣的取捨。

Lenny： ChatGPT Work相比其他產品有什麼更好的地方？是因為它運行在雲端嗎？

Anish： 對，它運行在雲端，而且能夠很好地緩存瀏覽器憑證。它還具有遠程功能和完整雙工語音模式，所以你可以直接打電話給它。它可以看到你的所有線程，你可以問：「我所有的編程代理現在都在做什麼？你能幫我修改那個嗎？」

這種完整雙工語音體驗非常好，你真的會覺得自己是在給一個了解你整個工作世界的助手打電話。

Lenny： 如果回到就業和經濟問題，我感覺大家的觀點大概處在兩個極端之間：一邊是Dario認為50%的知識工作會被顛覆、導致大規模失業；另一邊是David Sacks認為AI會非常棒、就業不會有問題。到目前為止，一切似乎都在往好的方向發展。你顯然更接近Sacks這一邊。還有什麼能讓人們對未來的工作更加樂觀嗎？

Anish： 我認為人類歷史的整個趨勢就是：我們的慾望增長速度總是快於滿足慾望的能力。

今天很多我們認為理所當然的東西，500年前甚至50年前都是無法想象的奢侈品。比如心理治療、抗生素。即使你非常有錢，過去也沒有這些東西。

所以我們低估了人類的野心和慾望。

20年後，人們可能會因為自己沒有火星上的度假屋而非常生氣。他們會在Instagram上看到別人，然後對伴侶說：「我們得更努力工作，把這個實現出來。」

每一個CEO都會想建立一家更大的公司。

所以我認為，我們現在已經生活在一個比100年前更加龐大的人類世界裏，而且這種趨勢沒有理由停止，反而可能加速。

Lenny： AI不僅讓我們更容易擁有野心，它甚至迫使我們變得更有野心。因為現在所有簡單的事情別人都能做了，真正區分我們的，是我們究竟能把事情做到多大。

以前你可能會說：「我要做一個個人網站。」然後想一個白色背景的簡單網站。現在你會想：「不，我要做一個3D遊戲，讓用戶走進一個世界，發現所有這些東西。」一切都變得更加宏大。

你覺得「野心」是不是正在變成一種越來越重要的能力和習慣？

Anish： 我認為這裏有很多東西被混在一起了。我們說「野心」時，往往想到的是創業、建立公司、開發漂亮的軟件產品。但野心還有很多其他形式。

比如創造性的野心。一個五歲的小孩畫畫，沒有人會說：「你畫畫不錯，但你不擅長繪畫。」你只是有一個想要創造某種東西的慾望，然後你就去創造它。

現在AI真正能夠鼓勵這種野心。

還有非常本地化的野心。比如英國的NHS，它是一項非常重要的社會機構，但運轉得並不好。AI可能讓NHS變得像iPhone一樣好。這就是一種非常具體、非常本地化的野心。

或者只是想和家人更加親近，成為一個更投入的父母。

所以我認為，野心不需要侷限在經濟意義上。它可以是任何我們想做得更多的事情。而誰沒有這樣的慾望呢？

Lenny： 你說得對。現在我們可能需要改變自己的思維方式。我們過去一直被「軟件和智能非常稀缺」這件事塑造，現在卻突然進入一個軟件和智能不再稀缺的時代。

Anish： 對。Claude Code團隊有一個原則：「有什麼比我自己做更好？讓Claude來做。」

這個原則會在團隊裏形成一種習慣：我怎麼讓Claude幫我做這件事？

我覺得我們所有人都需要在腦子裏建立這樣的習慣。

而且我認為，學習本身也發生在行動中。很多人會討論vibe coding，卻不太願意談論自己做的項目，因為覺得這些項目不夠重要。我自己也會覺得尷尬。

但我們不能低估通過執行、發布和不斷做東西所產生的學習。

現在「構建」可能正在成為新的「閱讀」。你通過構建來學習、獲得經驗。大部分東西最終可能都會被放棄，但這仍然是在訓練你的能力。

Lenny： 所以「構建」本身就是一種活動，而不一定是一種結果。

Anish： 對。我覺得很多人會因為「我發布了這些東西，但沒人使用，我自己也沒再用」而感到不好。但這其實完全沒問題。

就像我做DJ一樣，我做一個DJ set，可能只有三個人聽，但我自己聽了100遍，我仍然覺得非常有滿足感。它有沒有商業價值並不重要。

Lenny： 那我們回到消費者AI。你現在在A16Z負責消費者投資。現在消費者AI領域發生了什麼？哪些方向讓你興奮？

Anish： 我認為有三個主要方向，而且我們還處在非常早期。

第一是編程代理。它們非常強，我認為這是一個巨大的突破。過去我們很容易說：「大多數人並不想寫代碼。」但我現在的想法發生了變化：編程代理其實是一種與整個世界互動的方式。

你會看到有人用Claude Code編輯視頻，有人用Codex給自己的孩子做飛機上玩的遊戲。它已經不僅僅是寫代碼，而是一種通用的問題解決工具。

第二是個人代理。我們已經看到OpenClaw這樣的產品，但它本質上還是開發者工具。Hermes、Moltbook也是類似的。現在這些東西正在逐漸被提煉成普通消費者和企業都能理解的代理產品。

第三，我把它叫作娛樂，雖然這個詞並不能完全概括它。這裏包括大量創意工具，比如Suno；也包括陪伴類產品。這整個領域有點讓人不舒服，所以大家不太願意討論，但其中已經出現了一些增長非常快的產品。

Lenny： 所以你說的三個方向就是編程代理、個人AI助手和娛樂。你剛纔提到的Instinct、Grokbot、ChatGPT Work屬於第二類，而Wabby屬於第一類。

Anish： 對。娛樂則包括AI伴侶之類的產品。

Lenny： 而且你們做的市場地圖裏，這一領域已經有很多公司。

Anish： 對。實際上更準確地說，現在AI伴侶產品裏，男性伴侶可能比女性伴侶更多。使用這類產品的人，大量是40歲和50多歲的女性。

Lenny： 這很有意思。這三個方向似乎都可以和你說的「loop，讓我更快樂」聯繫起來。

Anish： 對。它們其實就是人類最基本的需求：讓我快樂，讓我更健康，讓我活得更久；給我的野心一個出口，給我的成就感一個出口；然後在我沒有做其他事情的時候，給我一些事情做。

Lenny： 現在每天都有大量公司和產品上線，產品發布速度甚至提高了1000倍。你怎麼看一家AI創業公司的持久性和護城河？

Anish： 我認為有兩個重要的觀點。

第一個是Jesse來自Decagon說過的一句話：「護城河通常是被發現的，而不是被設計出來的。」

創始人很容易陷入這樣的思維：我必須設計一個經得起MBA和VC審視的商業計劃，我必須提前證明自己的護城河是什麼。但很多公司其實只是不斷發布產品，護城河是在這個過程中逐漸形成的。

Cursor就是一個很好的例子。過去很多人批評它沒有護城河。但後來事實證明，它最初成為高端PSDA產品是非常有價值的。隨着時間推移，它積累了大量推理軌跡，開始訓練自己的模型，最終形成了自己的優勢。

所以護城河可以被發現，而不一定要從一開始就設計出來。

第二，我們似乎忘記了傳統護城河。過去的護城河並不是「軟件有多難做」。大多數公司都不是在造自動駕駛汽車。

傳統護城河仍然有效：網絡效應、規模優勢、品牌效應、專有數據以及稀缺資源。

五年前的護城河今天依然是好的護城河。我們只是需要更多創始人在這些方向上擁有野心。

Lenny： 那如果你是一個創業者，在向VC介紹項目時，你會怎麼講護城河？可以直接說：「我們現在沒有護城河，也不知道未來會是什麼」嗎？

Anish： 如果一個產品沒有明確的護城河，但它擁有很強的增長勢頭、很高的產品工藝和不斷增長的用戶參與度，我們仍然願意下注。

我過去作為創始人時非常擔心別人抄襲自己的想法，但後來我發現，大想法通常由十幾個別人看不到的小想法支撐。

即使別人複製了你的大想法，他們也看不到那些讓大想法真正成立的小想法。

所以我認為，有些產品就是有一種特別的東西，即使面對巨大的競爭，也能取得非常好的成績。

Lenny： 我最近也一直在思考分發。現在每天有上千個產品發布視頻，所有人都在發布、發布、再發布。能夠讓自己的產品進入用戶注意力，本身是不是越來越重要的優勢？

Anish： 非常重要。我甚至問過Chris Dixon這個問題。

我認為過去這一代創始人和CEO都接受了網絡理論的訓練，所以現在每一個已經存在的網絡，都在努力防止別人建立自己的網絡。

因此，網絡效應某種程度上重新回到了最原始的口碑。

如果一個產品在X、YouTube、Instagram等平台上不斷被人自然提及，這可能就是今天你能獲得的最好的第三方網絡效應。

所以，我們現在必須自己建立渠道，依靠口碑實現增長。這其實仍然是一個增長問題，只不過比過去幾個產品周期更加困難。

而想要獲得口碑，你必須做出值得討論的東西。Seth Godin說過，要做出值得被談論的東西，也就是做一個足夠優秀、讓人願意主動談論的產品。

Lenny： 但現在每天有這麼多東西發布，至少在最開始，你仍然需要一種優勢把產品放到用戶面前。

Anish： 我反而認為現在對創業公司來說可能更容易。

看看Gemini，Google已經做了大量交叉推廣，但沒有人會說它現在佔據了絕對優勢。

創業公司可以去做那些大公司不舒服去做的事情，比如我們剛纔談到的陪伴類產品。

而且消費者現在願意支付很高的價格。有人願意每個月支付200美元，企業甚至願意簽署百萬美元級別的合同，而他們可能都還不知道自己最終會得到什麼。

所以現在就像2009年聖誕節，每個人啱啱拿到iPhone，都想下載新的App。這個窗口最終會關閉，但現在仍然是開放的。

Lenny： 所以你仍然認為現在創業公司反而更容易？

Anish： 對。我一直說，現在很多公司不是增長問題，而是產品問題。

因為你現在可以在任何方向上建立一個非常有野心的產品——無論是功能性的，還是情感性的——而且可以收很高的價格。

所以我真正想問的是：你真的有增長問題嗎？還是我們集體缺乏想象力？

如果我們的產品每個月值1000美元、1萬美元呢？如果它是一個「軟件版Birkin包」，它需要做到什麼程度才能讓用戶願意支付這個價格？

然後我們再去想，如何把它做出來。

這最終還是回到了野心。

Lenny： 你之前提到過Mark Andreessen和Ben Horowitz。你分別從他們身上學到了什麼？

Anish： 我真正感激的一點，是他們對科技產業、國家，以及更廣義的西方生活和思維方式，都有一種強烈的責任感。

你可以回顧Ron Conway、Brook Byers、Tom Perkins等人，他們都有一種「把這個行業變得比自己接手時更好」的責任感。

這遠遠超出了「成為世界上最好的投資者」。當然，我們也想成為最好的投資者，但他們會主動去做一些困難而重要的事情，而這些事情並不一定直接為公司帶來利益。

我還覺得，他們以及整個A16Z都在某種程度上改變了創業者群體的集體野心。

五年、七年或者十年前，深科技非常不受歡迎。它不是一個高地位的方向，甚至很邊緣。

現在深科技已經變得非常熱門，而且擁有很高的社會地位。

我認為Mark一直非常公開、非常徹底地支持那些具有國家利益意義的重大工作，這改變了整個硅谷。

Lenny： 那對於產品經理和產品建設者來說，如果他們想思考如何改變自己的工作方式、思維方式，從而讓自己未來的職業和公司更加成功，你有什麼建議？

Anish： 做更多東西。

我知道這聽起來很傻，也知道所有人都這麼說，但請真的做一個項目。你甚至不需要告訴任何人。它可以完全不重要。

把它作為一個載體，去使用所有新的模型，發布東西，談論它們，建立自己的直覺。

我保證，你距離真正理解這些東西，可能只有一周有點令人沮喪、但之後非常有滿足感的實踐。

所以你必須使用這項技術。如果不是現在，那什麼時候？

我們進入這個行業，本來就是為了做出腦海中看到的那些產品。現在我們終於有機會做到這一點。

Lenny： 如果讓你給一個具體的習慣，比如每個月做一個東西，或者每天花幾個小時，你有什麼建議？

Anish： 每周發布一個東西。

不需要瘋狂，不需要是什麼改變世界的東西。

比如我之前玩Codex的時候，讓它幫我做了一份母親節幻燈片送給我的妻子。它讀取了我的短信，也看了我的照片，然後配上音樂，做成了一套20頁左右的幻燈片，講述我們的關係，還找出了我第一次約她時發的那些舊短信。

那是一個非常好的母親節禮物。

它不重要，也不是什麼我們以後一定會再用的東西，但它完成了一件事：我發布了一些東西。

所以可以小到這個程度。

Lenny： 我們共同的朋友Nelson Singal有一個很好的觀點。他發現，當人們第一次體驗到AI為自己創造的某個快樂瞬間時，他們對AI的態度會發生變化。

你的母親節例子就是很好的案例。

Anish： 對。所以我一直在想：如果這件事成功了，它會不會給你帶來快樂？你能不能用AI做一些讓別人開心的事情？我覺得這可能是一個很好的起點。

Lenny： 好，我們進入最後的快速問答。你最常推薦給別人的兩三本書是什麼？

Anish： 我最喜歡的一本是Thomas Sowell的《征服與文化》。它討論征服如何推動世界不同社會的文化變化，有時候是積極的，有時候是消極的。

對我來說，這是理解「文化是結果最大驅動力」的最好歷史視角之一。我自己出生在加拿大，後來搬到美國，我非常明顯地感受到兩種不同的野心文化。

第二本是《Seven Powers》。我認為它是關於護城河、商業理論和複利優勢的一次非常好的思想總結。

第三本可能是Brian Arthur的《Increasing Returns to Scale》。Mark在我加入之前給了我幾本書，我當時甚至懷疑他是不是在逗我，因為這是一本教材。

它有點難，但非常好地解釋了為什麼軟件能夠產生如此異常的經濟效應，也幫助我理解為什麼我們的行業和文化會以現在這樣的方式運行。

Lenny： 最近最喜歡的電影或者電視劇是什麼？

Anish： 我看很多很俗的電影和電視劇。我們看了《龍之家族》，確實很俗，但很好看，我們很喜歡。

我還看了《奧德賽》，是在倫敦看的。當時我正好在那裏參加董事會會議，在一個坐滿人的IMAX影院裏看的，大家一邊喝啤酒一邊看，非常棒。

電影本身很好，但那種影院體驗也很特別。它是一種很奇怪的「獨自和大家在一起」的社交體驗。

Lenny： 我一直沒買到IMAX的《奧德賽》票。

Anish： 我甚至有一個Grokbot一直在幫我盯網站，幫我找好座位。

Lenny： 太好了。不過AMC網站有那個很蠢的驗證碼。

Anish： 對，特別難。你得點擊三個匹配的圖形。拜託，這根本做不到。

Lenny： 最後一個AI產品問題。最近哪個AI產品真正給你帶來了快樂？

Anish： 我會選Grokbot。因為它敢於在替你完成工作這件事情上走得非常遠，比如緩存憑證、替你完成任務。我很喜歡這種野心，而且我認為這種事情確實更像創業公司會做的。

他們實際上做了一些我覺得大公司不會做的事情。產品設計非常好，底層模型也很強。

而且它讓我覺得，模型市場可能並不是兩匹馬的比賽。

Lenny： 你有沒有一個經常回到的人生格言？

Anish： 有。我從創業時期學到的一句話，也是我做父母之後越來越認同的一句話：不要通過痛苦的親身經歷去發現那些別人本來就可以告訴你的事情。

我過去有一個壞習慣，就是總想自己經歷一遍，而不是向那些只比我領先幾步的人學習。我發現我的孩子也有這個習慣。

Lenny： 舉個你希望當時有人告訴你的例子？

Anish： 對我的孩子來說，就是「不要碰熱爐子」。

對我的創業公司來說，就是不要同時做產品和平台。如果你想成為一家平台公司，就先做平台。

我們第一家公司試圖同時做一個移動遊戲社交平台和遊戲工作室。有人很早就告訴我：「工作室已經非常難了，你不可能同時做工作室和平台。選一個。」

但我們沒有聽。結果花了好幾年才意識到自己錯了。

Lenny： Ben Horowitz讓我問你的最後一個問題是關於你的DJ。你真的很厲害。我找到你的DJ網站和SoundCloud，一邊工作一邊聽，非常好聽。

如果有人想開始做DJ，有什麼建議？有沒有什麼工具或者經驗可以分享？

Anish： 這也是我為什麼如此喜歡音樂模型。

我一直很喜歡DJ，從1995年開始玩，到現在已經31年了。DJ是一種非常好的音樂表達方式，即使你不是受過古典音樂訓練的人也可以做到。

你選擇音樂、選擇唱片，然後把它們混合在一起。它需要一些技術能力。

但現在你可以再進一步，直接用模型創作音樂。

最棒的事情是，你可以提出音樂上的想法，然後讓模型把它們完整實現出來。

所以我覺得音樂是一種非常直接、非常令人滿足的表達和體驗方式。無論是DJ還是創作音樂，我都建議每個人去嘗試。

Lenny： 我以前沒有想過，Suno、11 Labs這些工具出現之後，DJ的意義也發生了變化。你現在不一定只是把現有音樂拼接在一起，而是可以直接生成音樂。

Anish： 想想音樂的發展歷史。最開始，你只有親自站在一個演奏樂器的人面前才能聽到音樂。後來有了留聲機，可以錄製音樂。

從媒介角度來看，音樂最大的變化之一其實是磁帶。因為磁帶是第一次讓普通人可以真正「創作」。你可以自己組合、製作屬於自己的「專輯」。

我認為音樂在2000年代遇到困難，很大程度上就是因為這種能力消失了，我們又回到了廣播模式。

現在人們重新開始創作音樂，我認為音樂產業最終會比過去任何時候都更大。

Lenny： Anish，這次真的太棒了。我們聊了很多。最後一個問題：聽衆可以怎麼幫助你？

Anish： 給我看看你正在做什麼。

不要灰心。去做點東西，然後@我。我很想看到。

如果你想聽更多類似的內容，可以在X上關注我。我會盡量互動，也會關注和回覆大家。

Lenny： Anish，謝謝你今天來。

Anish： 謝謝你邀請我。

Lenny： 謝謝大家收聽，我們下期再見。