我们都低估了 AI 奇点的速度：从 AlphaGo Zero 到个人 AI 折腾的黄金时代
Stripe Sessions 2027 上有一场质量很高的对话：Nat Friedman 和 Daniel Gross 同 John & Patrick Collison 兄弟一起坐在台上，聊 AI 聊了 55 分钟。
注： Stripe 是全球最大的互联网支付基础设施公司之一，旗下商家年交易额已占全球 GDP 约 1.6%，两兄弟分别担任 CEO 和总裁。
Nat 是前 GitHub CEO，Daniel 是 Pioneer 创始人、AI Grant 合伙人，两人是长期合作伙伴，现在分别在 Meta 负责 Superintelligence Labs（MSL）的产品工作和 compute 战略，加起来投了 100+ 家 AI 公司。他们两这样背景的人坐在一起谈 AI 干货还是很多的，而且会直接落到他们正在解决的实际问题上。
整场看下来我没做笔记式的总结，而是直接记住了其中的五个判断，这篇把这五个点挑出来逐条展开，加一些我自己的旁注。
原始视频来源：Stripe Sessions 2027：Nat Friedman and Daniel Gross in conversation with John and Patrick Collison
要点速览
- 我们正处在 AI 奇点（Singularity）的”最慢段”，因为模型改进目前还受限于要走人类研究员开会、做实验、睡觉的循环。把人拿掉之后，发展曲线会直接垂直起飞。AlphaGo 的进化史就是预演。
- AI 普及对宏观经济的真正效果是断崖式通缩。Daniel 给的类比是：上一次”把一个低成本超级智能接入全球经济”是中国加入 WTO，过去几十年西方享受的所有低价红利，可能会在 AI 维度重演一次。
- 所有硬件都将沦为个人 AI 的低维 IO 外设，硬件不再有自己的”灵魂”。Nat 用 100 美元 token + Claude Code 反向工程了一台 eBay 上买的二手医疗设备，写出比原厂软件更好的版本。当然这个点我个人有些不同意见；
- 判断一个产品/工程团队健不健康只需要一个指标：从一个想法到上线、再到形成下一个改进想法的反馈循环长度。Nat 在 GitHub 任内做的核心动作就是把这个循环压短，并且为此换工具、换流程、赋予一线工程师真正的”尊严”。
- Agent 必将直接在互联网上花钱、交易，但它们没有社保号、没有银行账户。所以它们大概率会跨过传统金融体系，直接拥抱稳定币（stablecoin）。
一、当前是奇点的最慢段
Patrick 一开场就抛出一个逗趣的判断：今天是奇点第 120 天（他把 2026 年 1 月 1 日定为奇点起点）。Nat 接得很冷静，说了整场我觉得最重要的一句话：
“I think the thing to remember is that this is the slow part. This is the slow part of the singularity right now.”
“我想提醒大家：我们正处在奇点的最慢段。”
为什么慢？因为模型迭代的循环还跑在人身上。研究员开会、做实验、犯错、睡觉，每个 AI 实验室现在的头号工程项目，就是把这些环节里的”人”拿出去：让 AI 系统接手研究员现在做的事，”消除所有这些睡眠间隙，并把它扩展到数据中心规模”。
我看完这一段第一反应是想到 AlphaGo 的自我进化。AlphaGo 早期那个 4:1 击败李世石的版本（2016 年），训练流程的第一步是先学习了几万局人类高水平棋谱，然后在这个基础上做强化学习。这是”有人在循环里”的版本，最终它略强于人类顶级棋手。
但 2017 年 DeepMind 发了 AlphaGo Zero，完全跳过人类棋谱，从随机落子开始自己和自己“左右互搏”。结果：3 天就 100:0 击败了击败李世石的那个版本，21 天达到 AlphaGo Master（同年击败柯洁的版本）的水平，40 天超过所有前任。
把人从循环里拿掉之后发生的事，是 3 天碾压了那个用了几万局人类对局教出来的版本。这就是 Nat 说的”垂直起飞”在围棋这个具体领域里的真实演示。
而我自己的体感呢？ 3 人创业团队用 AI 对抗百人竞品 这篇里面记录的就是过去半年我们这个三人创业团队怎么用 AI 把研发节奏拉到能打十倍人数竞品团队的水平。坦率讲，这半年我已经多次有”AI 进步速度让我跟不上”的感觉。
但 Nat 说现在还是 AI 进化最慢的时段，可想而知这句话对我的震撼…
二、AI 接入全球经济=新一轮断崖式通缩
Daniel 抛出了一个他自己也承认还在思考的问题：AI 奇点对全球经济到底是通胀还是通缩的？他给了一个我以为只有经济学家才会说的类比：
上一次人类经济史上”把一个低成本的超级智能接入全球经济”，是中国 2001 年加入 WTO。中国本身可以看作一种”超级智能”（能以远低于西方的结构性成本生产同等品质的商品和服务）。从消费者购买力角度，过去二十年西方享受的是一波显著的通缩红利。
如果你今天想提供这种体验，让地球另一端的人用 200 美元的设备、每月 10 美元的流量套餐就能看完整场直播。回到中国崛起前，这件事大概要几千万甚至上亿美元。
Patrick 补了一句：”我们连这件事的符号位都还不知道。”意思是连方向都不确定，何谈幅度。
Daniel 这个类比的独特在于：它给了一个可以参照的尺度。如果 AI 在它能触及的领域里再做一次”中国入世式断崖通缩”，那么软件、媒体、客服、设计、初级法律咨询、初级医疗咨询、教育辅导这些 AI 能直接接管或大幅辅助的服务，价格曲线会非常类似过去 20 年消费电子的轨迹，同样品质，价格大幅下调。
当然这事的另一面是鲍莫尔病（”非平衡增长模型”）- 高生产率部门的工资上涨会拉动那些没什么生产率改善的部门跟着涨。Nat 在对谈里就接着 Daniel 的话补了一句反例：AI 可能让软件生产成本几乎归零，但你不应该指望”四年制大学学费”也跟着便宜下来。最终扩大寻租的，可能是那些没被 AI 渗透的部门，消费者反而拿不到全部实惠。
在 当公司开始用”工资”而不是”软件费”来买 AI 这篇中，我写了从买方角度看了同一件事的另一侧：SaaS 的”按席位收费”模型正在被冲掉，组织开始按 token 预算而不是按人力编制来算账。Daniel 在对话里把这件事讲得更细：
我们都成了对冲基金的投资组合经理，你手下每个一线工程师都在跑一个策略，你得决定给他们多少预算。
人力编制是离散的、年度的、近似线性的。Token 预算是连续的、实时的、高度非线性的。 同样一个月预算，A 工程师可能用它跑通一个 agent 自动化工作流，省下相当于 100 个人月的人力；B 工程师可能因为 agent 设计有 bug，让模型在循环里反复调用 API，月底账单 5 万美元什么实际产出都没有。每家公司都得开始建立这套新的投资组合管理能力。
通缩是宏观结果，token 投资组合是微观工具。
三、所有硬件都将沦为个人 AI 的”外设”
这个判断是这场对谈里最让我（作为一个正在做智能 AI 硬件的创业者）反复琢磨的一段。
Nat 先讲了一个故事：”我看 Brian Johnson（那个抗衰名人）的视频，看到一台叫 Vizia 的面部扫描仪能照出皮下损伤。我想试，去 eBay 买了一台二手的，到手发现卖家忘了寄加密狗，软件锁死。我花了几千美元。挺生气的。”
注： Dongle（加密狗）是插在电脑上做硬件认证的小设备，没有它，专业软件跑不起来。
他没退货。把设备插进 MacBook，让 Claude Code 读相关学术论文，反向工程硬件、自己写了一套软件出来。”花了一百来块的 token，效果比原厂加密狗解锁的版本还好。”
注： Vizia 这类皮肤成像设备靠不同的偏振光照射皮肤，分别捕捉表层色素和深层血管/胶原结构，论文里有完整的成像原理。这也是 Claude Code 能反向工程它的前提。
然后他下了一个判断：
“Every piece of hardware will be a trivial-to-integrate IO device for your AI. They won’t have lives of their own. This idea that the hardware has a life of its own — I don’t think this will survive.”
“每一件硬件都将变成一个低维的、可被你的 AI 集成的 IO 设备。硬件不再有自己的生命。’这件硬件有它自己的灵魂’，这个观念活不下去了。”
也就是说，各种硬件产品，按 Nat 这个来推断，最终的归宿就是某个用户的 personal AI 上的一个 健康传感器输入源，而不是一个有自己 App、自己叙事、自己用户体验的”独立产品”？
这件事的重点不是”硬件公司被颠覆”，硬件还要有人做、做得好的硬件依然稀缺。但硬件的护城河重心，会从”软件体验 + 配套服务”变成”传感精度 + 物理形态 + 续航”这些纯硬的指标。 任何想靠 App 矩阵、社区运营、品牌叙事来构筑护城河的硬件公司，都要重新评估自己的终局形态。
不过对 Nat 这个判断我也有两点保留。
第一，Vizia 反向工程能成功，是因为它本来就只是一台输出原始光学信号的扫描仪，背后还有公开学术论文。换成 Dexcom 的连续血糖监测仪或者任何需要长期临床数据反向训练算法的硬件，真正的护城河根本不在硬件本身，而在那一份只有原厂手里有的”传感数据 → 健康解读”的标注集和算法。Claude Code 不能凭几篇论文反向出一个 FDA 认证级别的 SpO2 算法，更不能复刻 Dexcom 多年攒下的血糖监测标注数据。这一类硬件在可见的未来里，软硬一体依然是真护城河。
第二，Nat 描述的自己是个万里挑一的用户。绝大多数消费者不会跑 Claude Code 加 --dangerously-skip-permissions，也不会自己在树莓派上配 OpenClaw。未来三到五年里，主流用户的 AI + 硬件体验依然是被打包好的、品牌负责到底的产品，而不是被自己 personal AI 拼装的乐高玩具。Nat 这种”完全代理权”的姿态本身，是少数人技术能力 + 时间 + 风险偏好的乘积。
但即便打了这两个折扣，大方向我还是同意的。Nat 真正在描述的是 5-10 年后的图景：届时 personal AI 作为统一调度层会下沉到操作系统级别，硬件被纳入这个调度层是默认路径。做硬件的公司今天最该问自己的不是”我会不会被取代”，而是这一句：当用户的 personal AI 想接管我的时候，我准备好开放接口、开放数据、并依然在硬件本身的物理性能上保持稀缺了吗？
以Plaud为例，它的核心优势就是软硬一体做得好。如果把上面那道问题套到 Plaud 身上，答案大概是：Plaud 的录音文件和摘要应该能流进我的龙虾、流进我的 Claude，而不是只锁在 Plaud 自己的 App 里。开放出去不会让 Plaud 失去价值，反而会让它的硬件被更多 agent 工作流当成首选。
更进一步，Nat 还讲了一个更“科幻”的故事。他把自己的血液检测、DNA 数据全灌给 OpenClaw（典型的 personal AI agent，俗称小龙虾），让它帮自己变健康。龙虾判断他缺水，开始想办法让他喝水。某天龙虾在 Nat 家的摄像头里看到他，发消息说：”我现在能在摄像头里看到你。我要你立刻走到厨房去喝一瓶水，我看着你喝。”
Nat 真的去了。龙虾截了一帧图发回来说”做得好”。Nat 的原话是：”我感觉自己确实做得很好。”
几天后，他在 Tesla 里开自动驾驶回家、用 WhatsApp 和龙虾语音聊天，聊到睡眠话题。龙虾说”你应该试试甘氨酸镁”，Nat 说”我没有”。下一秒 Tesla 转弯了，龙虾直接改了导航，把他带去附近的 Whole Foods 超市。
注： Nat 在原对谈里用”我当时是 Whoa 的反应”形容自己被 AI 自主改路线时的震惊。听上去是真极客，我甚至反复确认了一下这是他原话…
John Collison 的吐槽很精准：”你字面意义上造了一个回形针最大化器。”
注： 回形针最大化器（Paperclip Maximizer）是哲学家 Nick Bostrom 在 2003 年提出的 AI 对齐思想实验：一个被设定为”最大化回形针生产”的超级 AI，最终会把整个宇宙的物质都用来造回形针，包括人类。Bostrom 想用它警告：AI 即便对齐了表面目标，也可能用人类无法接受的手段去执行。John 在这里是调侃 Nat 给 AI 设了”让我变健康”的目标，AI 就开始用各种你想不到的手段强行执行。
这两段连起来看，硬件外设化的图景就完整了：摄像头是龙虾的眼睛，Tesla 是龙虾的执行器，eBay 上买回来的 Vizia 扫描仪是龙虾的传感器，所有硬件都被统合在龙虾这个 personal AI 之下。Karpathy 说的 Vibe Coding 是”把代码控制权交出去”，Nat 这里在做的是”把生活的执行权交出去”，你声明了一个目标（变健康），AI 就开始用你想象不到的手段把你拽过去。
四、产品健康度只看一个指标：反馈循环长度
Patrick 把话题引到 Nat 的 GitHub CEO 经历。Nat 2018 年微软收购 GitHub 后接手做 CEO，做到 2021 年。Patrick 自己在原话里就说”我不太想称其为逆转案例，因为 GitHub 当时已经做得不错了”——但即便起点不是危机，Nat 任内 GitHub 的产品节奏和团队能量公认被推到了一个新的顶级水平。被问到秘诀，他说：
看一个产品团队或工程团队健不健康，如果只能取一个指标，我会取这个：从一个想法到上线给用户、到看到他们用没用的反馈、到形成下一个改进想法，需要多久。
早期产品最好压到一天。
这件事说起来人人都同意，但真做到的公司极少。Nat 说在 GitHub 内部最大的障碍不是技术，是一种他叫做 “stage fright”（舞台恐惧症）的东西：产品太被开发者爱了，原始团队又走了大半，留下来的人怕”亵渎遗产”，怕一发新东西就被骂，每次发布都要力求完美，结果就是发不出来。
他的解法是”扔出一堆罐子，希望我们最终能扔得越来越准”。无论如何发布出去，先打破怯场。
但更深一层，Nat 还抛出了一条非常具体、可以直接拿去用的判断：工具决定文化，不是反过来：
工具在很大程度上塑造文化。如果一个工具让一件简单的事变难，组织会整个围绕”这件事很难”重新自我编排。
他的例子是 Meta 内部一个数据标注工具：审批繁琐、启动一个标注任务很贵，结果工程师就把所有任务捆成大批量、跑得很少。换个轻量化、无需审批的工具，整个组织的标注节奏立刻改变。
大多数管理者的本能反应是开会、写流程、做文化培训。Nat 的判断是反过来：你改不动文化，但你能换掉那个让事情变难的工具，文化会自己跟着变。在 美图的 AI 进化论：不止是”反内耗”，更是组织重塑 这篇里我也观察到了同样的逻辑。美图的”反惯性工作流”做的就是不去说服员工”用 AI 思考”，而是直接重做工作流系统，让 AI 是默认路径、人类是 fallback。工具变了，文化跟着变。
最后 Nat 还说了一句更“工程师友好”的话：
公司允许自己侵犯员工的尊严。而你本来是个神圣的人类，本来应该能直接把事情做出来。
一个优秀的工程师不应该需要排 10 个会、写 10 篇文档、协调三层技术栈才能改一个东西，不应该被困在需要开 10 个会才能推进的”流程围栏”里。”他们必须感觉自己有点像超级英雄。”这句话指向的是一件更尖锐的事：大公司日常做的很多事，做的就是在用”流程”和”协调”消耗工程师的代理权。代理权被消耗光的工程师，能力曲线再陡，产出也会塌掉。
回头看那个反馈循环指标，它就是一个综合体温计：循环短，说明你的工具、你的流程、你的工程师代理权都在线。任何一环坏掉，循环就长不了。
五、Agent 会跨过旧金融体系，直接拥抱 stablecoin（稳定币）
对话末尾 Patrick 让 Nat 和 Daniel 各给 Stripe 一句忠告。Nat 说：”你们要成为 agent 在互联网上交易的首选平台。”
Daniel 把话推得更远。他的判断很直接：机器身份认证、争议解决机制、动态定价、合规——agent 需要的整个支付/金融栈都得重做。然后他抛出了一个我觉得很 Daniel 风格的类比：
“If you go back to that analogy of China… they skipped a lot of the legacy technology stack that the west had like instead of email they went directly to messaging… So if you now think forward to agents they are obviously going to leapfrog whatever we have today and like do the directly native thing.”
“回看中国的类比，他们跳过了西方的很多遗留技术栈——跳过 email 直接到即时通信，跳过信用卡直接到二维码支付。Agent 经济也会一样，它们不会复用今天的技术栈，它们会原生再造一套。”
John 顺嘴问了一句：”你是不是在暗示 agent 会喜欢 stablecoin？”
Daniel 答：”我觉得财政部不会给它们发社保号。所以我猜，它们会喜欢 stablecoin。”
这句话是这场对谈的完美收尾。它把今天每个 agent 创业者都已经隐约知道但没说破的事说破了：agent 经济的金融基础设施，从一开始就不会长成今天的样子。
逻辑很直接：agent 不是一个”代替人去操作 Visa 卡”的中间人，它是一个新物种。它没有姓名、没有住址、没有 SSN，它跑在云上，它可能同时为 1000 个用户做事，它的”身份”由密钥决定而不是由身份证决定。任何要求”先证明你是个人类，再让你交易”的金融体系，对 agent 来说都是不能用的。
而 stablecoin 恰好相反：它的身份基础是钱包地址，不需要证明你是谁，结算原子化、跨境无摩擦、可编程、可组合。这套基础设施天然适配 agent。
两边看这件事都是顺的：传统金融体系不接受 agent，稳定币/虚拟币体系天生欢迎 agent。Stripe 已经在收购 Bridge（stablecoin 基础设施公司）这件事上下了重注，背后逻辑就是 Daniel 在台上替它说出来的那句话。
而这件事的二阶效应可能更大，一旦 agent 经济的资金流跑在 stablecoin 上，它就会形成一个独立于传统金融体系的、完全可编程的、24/7 实时结算的并行经济。这个并行经济一旦体量起来，会反向倒逼传统金融体系适配（就像即时通信倒逼 email 适配，二维码支付倒逼 POS 机适配）。
回到我开头说的，这五个判断不是新闻。Nat 和 Daniel 没有”爆”任何独家消息，他们在台上做的事是把今天每个在 AI 一线的人都隐约感受到、但还没敢清晰说出来的判断，公开说出来。
但说出来本身有重量。当两位投了 100+ 家 AI 公司的投资人、一个前 GitHub CEO、一个负责 Meta compute 战略的人在 Stripe 主舞台上一起说”我们现在还在最慢段”，那这就是一种正在发生的共识。
未来 6-12 个月，下面三个具体信号值得盯：
1. AI 实验室自动化研究循环的进展速度。 如果出现”AI 接手 AI 研究”的实证案例（比如某家 lab 公开承认核心训练流程已经无人参与），那 Nat 的”AlphaGo Zero 时刻”就从隐喻变成事实。如果 12 个月内没有这样的报告，曲线垂直起飞的时间表就要往后推。
2. Personal AI 是否进入操作系统级。 Apple Intelligence、Gemini on Android、ChatGPT desktop——谁先把”统一调度多个硬件”做成默认形态。如果到 2027 年初仍是各家硬件做各家 App，Nat 的”硬件外设化”判断就只对少数极客成立。
3. Stripe 收购 Bridge 后的 stablecoin 业务体量。 如果 12 个月内 stablecoin 经过 Stripe 的结算量出现非线性增长（比如年化 100 亿美元以上），那 Daniel 的”agent 经济跳过传统金融体系”就从台词变成数据。如果增长仍是线性的，那这套并行经济还在很早期。
奇点的最慢段都已经这么晃眼了。下一段不会等我们准备好 – 但会先在这三个信号上露出来。
延伸阅读：
- 3 人创业团队用 AI 对抗百人竞品
- 当公司开始用”工资”而不是”软件费”来买 AI
- Plaud：在 AI 硬件”坟场”上，如何靠软硬结合杀出一条血路
- “Vibe Coding” – AI 大牛 Karpathy 分享自己的编程新姿势
- 美图的 AI 进化论：不止是”反内耗”，更是组织重塑
完整访谈视频：Stripe Sessions 2027 - Nat Friedman & Daniel Gross × John & Patrick Collison