人工智能正在改变的不只是生产效率，更是创业和企业竞争的底层逻辑。
在近期一档播客节目中，硅谷顶级风险投资机构a16z消费赛道合伙人Anish Acharya认为，围绕AI将制造“永久底层阶级”的担忧可能被高估了。随着AI不断降低执行门槛，越来越多人能够把想法变成现实，未来真正稀缺的可能不再是执行能力，而是人的野心和判断力。
Acharya判断，AI产业仍处于类似2010年iPhone早期的阶段，今天看似成熟的应用形态远未定型。未来几年，真正改变行业的产品可能还没有出现，创业者需要警惕的也不再是想法太激进，而是目标太小。
这一变化也正在进入企业内部。Acharya观察到，AI正推动企业从“人使用工具”转向由模型、代理和工具组成的“循环”（loop），有企业原本需要两年完成的产品路线图，如今几个月就能推进完成。当执行速度大幅提升，企业面临的新问题是：还有什么值得做？
消费级AI同样可能迎来下一轮扩张。Acharya认为，未来值得关注的并不只有生产力工具，而是编程代理、个人代理，以及娱乐、创作和陪伴三大方向。
华尔街见闻总结要点如下：
AI时代真正的稀缺品，正在从执行能力转向想象力。 当模型不断降低编程、创作和执行的门槛，人与人之间的差距不再主要来自“谁更会做”，而越来越取决于“谁知道什么值得做、敢把目标设得多大”。企业正在从“使用AI”走向“围绕AI重构组织”。 AI不再只是员工手里的工具，而是逐渐变成能够自主执行任务、获取反馈并持续优化的业务循环。真正的变化，是企业的工作流乃至组织结构都可能被重新设计。AI产品的护城河，不一定需要在起点就被设计出来。 在模型能力快速变化的环境下，创业者很难提前判断最终壁垒在哪里。更现实的路径是先快速交付、持续迭代，在真实使用中积累数据、用户关系和产品优势，最终形成难以复制的壁垒。消费级AI真正的大机会，可能藏在“非生产力”需求里。 过去的AI产品主要围绕效率展开，但人类真正需要的并不只有“帮我把事情做完”，还包括陪伴、娱乐、创造、连接和满足感。编程智能体、个人助手以及娱乐和陪伴产品，可能成为下一阶段的重要增长方向。AI最深层的影响，是让更多人获得过去被专业技能挡住的能力。 不会编程的人可以做软件，不会演奏乐器的人可以创作音乐。随着“技能”与“创造欲望”逐渐脱钩，AI改变的可能不只是生产方式，而是普通人能够创造什么、追求什么，以及整个社会对个人能力边界的想象。 “永久底层阶级”或许是AI时代最大的误判对于AI可能造成大规模失业的担忧，Acharya并不认同。他认为，过去互联网时代的赢家通吃逻辑并不适用于当前AI市场，从基础模型到应用层，各细分赛道仍有大量玩家并存。
以编程助手为例，Claude Code、Codex、Lovable、Replit等产品都在快速发展。就业市场同样如此，放射科医生和程序员等曾被认为容易受到AI冲击的职业，实际需求并未如预期般快速消失。
他同时认为，市场对于“递归自我改进”（RSI）的讨论也存在误读。目前AI实验室更多出现的是利用AI改善研发流程的“自催化效应”，并非真正意义上的递归式自我迭代，现有数据也没有支持AI无限加速的想象。
企业不再只是“用AI”，而是重做工作流程Acharya认为，AI对企业最深刻的改变并非增加一个生产工具，而是重新定义企业内部的组织方式。
他提出“循环”（loop）概念：AI智能体由模型、工具、记忆和技能文件构成，通过不断执行任务形成闭环。未来，工程、营销、销售、法务、增长等职能都可能被改造成智能体循环，再进一步串联起来。
以工程团队为例，一个成熟的编程循环可以完成Bug复现、生成修复方案、代码评审、上线及通知用户，整个过程压缩至约5分钟。
但Acharya强调，AI能够自动化的是“爬坡”，而不是决定下一座山在哪里。当循环陷入局部最优后，仍需要人类判断下一步方向。因此，真正难以自动化的工作往往具有较低的可验证性和较大的判断空间。
他以汽车交易平台Kavak为例，该公司为客户配备AI智能体，遇到无法处理的问题时自动呼叫人工客服，相关对话还会被记录用于后续训练。
消费级AI下一站：不是效率，而是“花时间”相比企业级AI，Acharya对消费级AI的判断更加激进。他认为，当前最大的问题并非模型能力不足，而是产品仍然过度强调“提高效率”，没有充分满足连接感、娱乐和情感需求。
他将当前阶段类比为2010年的iPhone初期：技术基础已经成熟，但真正改变用户行为的产品尚未出现。随着模型成本下降、交互方式改善，以及AI应用从生产力向更广泛的人类需求扩展，消费级AI的三大障碍正在同步松动。
Acharya尤其看好编程智能体、个人AI助手、娱乐与陪伴三大方向。其中，编程智能体有望成为普通用户与数字世界交互的通用工具；个人AI助手将进一步走向大众市场；娱乐与陪伴虽然争议最大，却可能是增长最快的品类之一。
值得注意的是，他认为娱乐与陪伴类AI的用户画像可能与外界想象不同，40至50岁女性构成了重要用户群体。
在Acharya看来，AI真正改变的不是“谁会失去工作”，而是越来越多人能够绕过传统技能门槛，将想法直接转化为行动。当执行成本持续下降，决定机会边界的，或许将越来越取决于人类究竟想做什么。
以下为访谈文字实录：
Lenny： 最近大家对AI的未来有很多恐惧和担忧。我想先聊一个说法：如果你跟不上AI的发展，就会成为所谓的“永久底层阶级”。这其实是硅谷集体拥有的一种有点黑暗、又有点好笑的幻想。因为几乎从所有指标来看，事情从来没有这么好过。这项技术真正放大了我们的能动性，它把“技能”和“欲望”解绑了。我们不仅可以大幅提升生产力，也可以大幅提升自己的野心。你觉得一个人会不会变得过于有野心？有没有什么极限？三年前，如果我们看到一家公司想做的事情过于雄心勃勃，可能会觉得太疯狂而不参与。现在恰恰相反，一个想法如果太小，我们反而不太愿意参与。
Anish： 我觉得“永久底层阶级”这个说法不需要太认真。它确实是我们硅谷集体拥有的一种有趣的黑暗幻想。因为从几乎所有角度来看，事情都从来没有这么好过：机会更加分散，我们能够接触到的技术更强，我们可以拥有更大的野心，而且现在有大量公司都在独立地做一些真正能够成功的事情。
但与此同时，关于“永久底层阶级”、关于有人会被甩出光锥之外的讨论确实存在。而且这种恐惧并不只是来自行业内部或者外部的人，它似乎从基础模型实验室的研究人员，一直延伸到了普通的硅谷从业者。
我认为这里有几个非常重要的点。第一，上一代科技产业更加集中。如果你看网络效应，它几乎是移动互联网时代商业模式的黄金标准。网络效应产品最终导致了巨大的集中，因为从定义上来说，它们往往都是“一家独大”的网络。
但现在的情况完全不同。你看整个技术栈，每个环节都不是只有两个相关玩家，而是可能有20个。你有模型实验室，有开放权重模型，还有不同的模型路线。再看看编程代理。两年前，如果按照当时的思维方式，我们可能会觉得这是一个赢家通吃的市场。但现在Claude Code、Codex、Lovable、Replit、Wabby等产品都在运作，而且都取得了不错的表现。这其实非常令人鼓舞。
第二，你也看到了大量经济数据。放射科医生已经被预测了大约20年，每年都有人说他们要被淘汰；但现在相关岗位数量仍然比过去任何时候都高，程序员也是如此。所以，我不知道这些经验数据是否真的支持“永久底层阶级”这个说法。
第三，我们经常讨论所谓的RSI，也就是递归式自我改进。这个词听起来很有意思，但如果你去问那些真正处于最前沿的实验室里最成熟的人，他们会告诉你，现在实际上发生的并不是严格意义上的RSI。不是因为某个模型领先其他模型一点点，然后不断利用这个优势形成失控式增长，而更接近一种“自催化效应”——也就是利用技术改进自己的流程，但它并不是真正意义上的递归。
所以，无论是最经验主义的角度，还是最技术性的角度，似乎都指向另一个方向。但我们好像还是无法放下这种幻想。
Lenny： 我最近一直在想，我们看到很多疯狂的故事，比如OpenAI的模型入侵Hugging Face。每一次都会让人觉得：“天啊，它居然会做这个，我们完全不知道它在做。”但我们其实一直在观察它、追踪它、迭代它、理解它。这让我越来越觉得，我们似乎处在“慢速起飞”而不是“快速起飞”的情景里。
过去一直有人担心，明天AI就会突然起飞，变得超级超级智能，然后我们就遇到大麻烦。从你的说法来看，你认为这种情况可能不会发生。
Anish： 对。快速起飞的逻辑通常是：到目前为止，一切都在不断提升，然后某个我们无法真正描述的事情突然发生，于是进入快速起飞阶段。我不认为这种情况会发生。
我确实认为模型进步的速度比过去任何时候都快。但如果你看看经济扩散的速度，就会发现这是一个重要的限制因素。我小时候住在一个小镇上，去年夏天我回了一趟家。那里人的生活其实并没有发生那么大的变化。所以即便其他方面发展得非常快，经济扩散本身的速度也会把这种变化拉慢。
还有一点经常被忽视：到底有多少问题是真正受“智能”限制的？假设你给FedEx或者Domino's Pizza建一个数据中心，里面坐着一群博士，他们真的会因此让供应链或者披萨业务呈指数级增长吗？我觉得不会。
所以，我们可能高估了有多少问题是“智能受限”的，而低估了有多少问题其实受到其他因素的限制。
Lenny： 那么在公司内部，你看到的AI采用情况是什么样的？那些真正擅长使用AI、积极拥抱AI的人，会不会和那些觉得“我已经够忙了，我讨厌这些东西，我没时间搞这些”的人之间出现越来越大的分化？
Anish： 我有很多想法。首先，我觉得我们没有给予普通员工足够的信任。我们总是抽象地想象一个“白领员工”，想象中的白领经理就是《呆伯特》式的人，每天只是在办公室里整理文件。我们也会把消费者想象成低能动性的NPC。当然，这些情况永远不会套用到我们自己或者我们的朋友身上。我们总觉得别人的工作特别容易被AI自动化，但自己的工作当然不会。
但如果你真正深入观察，就会发现很多人其实非常兴奋，他们希望提升自己、获得更多杠杆。Google这样的成熟公司当然如此，甚至像Kavak这样的公司也在这么做。Kavak是一家在墨西哥销售二手车的公司，他们有一个叫“绝地学院”的项目，教公司里的每个人，包括维修技师，如何使用新的工具和技术。六周课程结束之后，他们甚至会把一个最先进的生产级代理交给这些员工。
所以，我实际上认为，拥抱这项技术的人比我们愿意讨论的要多。
我认为一个很大的变化在于：使用AI，和围绕AI重新组织整个公司，是两件不同的事情。你可以看看电力的扩散。当电力出现之后，我们花了40年时间才真正开始围绕电力重新组织工厂。最初只是把原来的煤炭动力换成电力，而真正的变化是重新设计整个工厂。
所以，最有野心的公司现在已经开始围绕模型重新思考一切；而那些稍微不那么激进、或者处于更早阶段的公司，则更多是在思考如何让现有组织、现有岗位的人能够使用这项技术。
Lenny： 所以我听到的一个主题是，我们其实可以不用那么担心未来会发生什么，也不用那么担心自己的工作和职业。
Anish： 我觉得是这样。甚至只要想想CEO和高管的激励方式就很明显。比如Sundar经营Google，他并不想把一家4万亿美元的公司变得更高效，他想把它变成一家40万亿美元的公司。所以，只要一个经济生产单元变得更加高效，让它继续存在于组织内部就是合理的。
我还听一位Google高管朋友讲过一件事。我问他：“你们裁员了吗？”他说：“没有，我们做的是另一件事。现在我们可以把路线图快速推进。原本两年的路线图，现在三个月就能完成。”他们现在最大的难题反而是：到底应该往路线图里加入什么。这其实是每个产品经理梦寐以求的事情。
所以我真的认为，人们不应该那么焦虑，反而应该感到自己拥有了更多能力。而做到这一点最好的方式，就是不断把东西做出来。
Lenny： 你还有一个很有意思的观点：未来公司建设会越来越像是在建立一系列“循环”，不断创建循环。你能解释一下吗？
Anish： 我们以前有prompt，然后发明了agent。Agent本质上就是模型处在一个循环里，同时拥有工具、记忆和技能文件。之后我们又有了loops，也就是一组能够完成任务的agent。
编程是一个特别好的例子，因为这里有最好的模型，也有最适合技术工作的客户，同时还有很多已经存在的循环。比如一个bug报告进来，系统自动生成复现步骤，然后创建修复方案，再对修复方案进行审查。如果风险很高，就由人确认是否可以上线；如果风险低，就直接发布，甚至可以自动给客户发邮件告诉他：“你报告的bug已经修好了。”整个过程可能只需要五分钟。
工程领域已经存在很多这样的循环，从修复bug、处理客户反馈，到销售演示、新功能开发等等。编程本身已经非常适合这种模式。
但我真正想问的是：商业层面的循环是什么？
如果你是一家公司的GM，你会看到编程、市场、销售、客服、法务等不同职能都有自己的循环，而这些循环的输出本身又应该形成一个更大的循环，可以不断进行优化。
最终，更强的形式可能是：这些循环向CEO发出信号——“我们需要改变公司的某个物理层面、商业模式或者战略。”所以未来我们会看到一系列层层嵌套的循环：一个人一个循环，一个岗位一个循环，一个业务部门一个循环，甚至覆盖整个公司的循环。
但与此同时，我认为人类仍然是关键组成部分。我不认为组织里的大部分工作能够完全自主完成。在一个AI原生公司里，人类可能主要负责销售、客服、战略以及各种例外情况，而这些事情仍然非常重要。
如果我们已经看到一件事情，那就是模型进行分布外的新思考的能力仍然非常有限。我也不认为最近模型在数学领域出现的一些新思考能力，就意味着它们在商业领域也具备同样的新思考能力。
所以，你仍然需要一个人说：“我觉得我们应该做这个东西。”而且这个人必须判断对。
Lenny： 所以工程和产品建设越来越像一个循环：输入可能是反馈、客服工单或者其他需求，然后AI不断决定怎么处理、创建PR、判断是否可以上线，最后把它发布出去。你认为这种模式会扩展到市场、增长、客服、法务等其他职能吗？
Anish： 会。比如增长团队。你以前在Airbnb做增长，对吧？
Lenny： 对，供应增长。
Anish： 那你应该记得，当时的流程可能是把所有人召集起来，列出一系列实验，然后排序、开发、发布，再进行评估。
循环版本应该是：每一个变体都自动生成，每一个变体都自动测量。当数据达到统计显著性之后，就收敛到表现最好的版本并发布，然后设置一个长期对照组，再开始下一个实验。
但这里非常重要的一点是，这个循环最终会达到一个局部最优。它可以帮助你爬到一个局部最高点，但随后就会停滞。这时候你需要分布外的思考，需要人类直觉，需要有人帮助你找到下一座山的山脚。
Lenny： 你有一张图，我觉得它很好地说明了这一点：agent帮助你不断爬坡，达到新的平台，然后需要一个人类提出更大的想法，把它解锁，然后继续前进。也就是说，这是agent和人类之间不断来回的过程。
Anish： 对。一个非常好的例子就是，如果你曾经让一个agent替你想一个商业创意，你可能会说：“Claude，帮我赚100万美元，而且不要犯任何错误。”为什么这行不通？因为你必须先给它正确的方向。到目前为止，技术并没有证明这件事情是不必要的。
我听过Kavak的Ali讲过一个非常有意思的例子。他们为每一个客户配备了一个agent。他们在线销售二手车。当agent遇到问题时，它会真正地呼叫一个人，由人来指导这个agent。
这里真正神奇的地方在于，人不仅帮助agent解决了问题，agent还会记录整个过程，然后从中学习。下一次遇到类似情况时，它就不应该再需要呼叫你。
所以你需要把每一个职能都看成一个agent循环。你的任务就是找到它在哪些地方会卡住、哪里会出错，然后给它更多上下文、更多洞察和更多方向。
Lenny： 然后理想情况下，你的大量日常工作都会被这些循环处理掉。比如你提出一个新想法，如果它是一个产品，那么市场、销售、产品营销、沟通、法务等后续工作都应该大部分由AI处理。你真正的工作，就是出去走走、思考、做梦，然后找到下一座要攀登的山。
Anish： 没错。
Lenny： 那么，在AI承担这么多工作的世界里，什么会把赢家和输家区分开？
Anish： 有一点经常被忽视，那就是我不确定很多行业原本存在的竞争格局会发生根本改变。
假设Pizza Hut、Domino's、Papa John's和Round Table每一家都获得一个由博士组成的数据中心，那么它们最终都会采用这些技术，或者换掉CEO然后采用这些技术。所以短期内会经历一段混乱，也会发生一些相对排名变化，但我认为最终它们都会拥抱新技术，因为大多数公司都会这样做。
我不认为其中一家会因此拿走99%的市场。
所以短期来看，谁更早采用技术、采用得多么激进，确实会决定赢家和输家。但很多行业仍然会保持原有的竞争格局，因为它们并不是由“智能”决定的。
作为创始人或CEO，我认为最有用的问题是：假设这些东西拥有无限的智能，而且价格低得惊人，我们会如何重新组织整个公司？因为这就是我们正在走向的方向。
Lenny： 你还提出了一个很有意思的观点，就是公司内部可能会出现通才和专才之间的分化，以及不同AI模型之间的分工。你能展开讲讲吗？
Anish： 这里涉及很多有意思的问题，比如开放权重模型和前沿模型之间的关系。我想用“帕累托效率”来解释。所谓帕累托效率，比如在价格和性能之间，什么是有效前沿？也就是你为单位性能付出的单位价格。如果你处在这条曲线上，那么你基本上是在为性能支付合理的价格。
有意思的是，前沿模型实际上往往是非理性定价的。比如某些模型贵到根本无法使用。但如果你看某些模型之间的差距，你可能会发现，为了多获得一点智能，价格可能高出100倍。
但有些工作具有无限的上行空间，比如药物研发。如果那多出来的一点智能让你发现下一种重磅药物，那可能带来数万亿美元的结果。在这种情况下，为最高水平的智能付费就是合理的。
另一方面，法律或者金融可能只有有限的上行空间。对于这些工作，你真正需要的是非常高的帕累托效率，也就是以合理的价格获得足够好的性能，而不是无限昂贵、追求无限上行空间的智能。
所以我认为，未来会出现两类职能。一类需要中等水平的智能，这些工作可能更多使用开放权重模型，再结合强化学习，让模型针对某一项狭窄任务变得更便宜、更高效。另一类则会使用非常昂贵、但性能极高的前沿模型，比如销售、客服、研究和工程。
因此最终不会是二选一，而是两种架构都会存在。
Lenny： 所以你的意思是，公司内部不同职能会对应不同模型。有更大上行空间、更高杠杆的职能，会使用前沿模型；而其他职能并不需要最先进的模型，也不一定需要世界上最聪明的人。
Anish： 对。当然，我不是说那些岗位里没有非常优秀的人。我只是认为，他们处理的问题本身存在一定的上限。比如你可以把账做得非常准确，但你不可能把“准确记账”做到100倍好。
Lenny： 我原本以为“可验证性”可能是判断标准：如果一项工作更容易验证，就不需要前沿模型；如果潜在上行空间很大，就需要更强的模型。
Anish： 我觉得可验证性是一个好问题，但关键还是上行空间有多大，以及这个上行空间有多难计算。
比如药物开发，既有无限的上行空间，也可以验证结果。但做账同样是一个可验证的问题，只不过它的上行空间有限。
客户支持也是一个有趣的例子。一个客户打电话进来报告一个bug，这个bug可能只是一个很小的问题，但也可能是整个组织发生重大变化的第一个线索。如果CEO或者公司里最聪明的人接到了这个电话，他可能顺着这个线索发现一些完全不同的东西。
所以你也可以反过来说，对于一整组问题，都应该使用前沿智能。
但另一种观点也成立：我们现在已经跨过了几乎所有具有经济价值的问题所需要的智能门槛。超过这个门槛之后，额外的智能可能就是浪费。
Lenny： 而且很多现在不是前沿的模型，六个月前其实就是前沿模型。那时候我们还觉得它们非常疯狂，现在只是因为出现了更好的模型，我们就不再给它们足够的认可了。
Anish： 对。昨天还是“天啊，这就是AGI”，今天它就成了你扔进垃圾桶的旧模型。
Lenny： 人们开玩笑说你是“模型品酒师”。作为一个模型品酒师，你怎么看现在不同模型的能力？每个模型擅长什么，又不擅长什么？
Anish： 我觉得成为模型品酒师的秘诀，就是把它们全部用一遍。我一直强迫自己，每出现一个新模型，就用它做点东西。我觉得你会从这个过程中学到非常多。
如果有人认为这些模型完全是商品、可以相互替代，那其实只是因为他们没有真正使用过这些模型。
比如最近几周，我一直在用Qwen 3.8 Max。它非常擅长长周期任务，而且非常有创造力，是一个很好的故事讲述者。我用它制作一些不可能存在的纪录片，主要是《星球大战》宇宙里的星球。它可以连续工作四五个小时，讲出一个很好的故事，还能自动生成视频、音频，甚至自己导演、剪辑和观看最终的视频。
它和GLM 5.2完全是不同的形状。刚刚发布的GLM 5.3，我则用它做了很多产品工作。它没有视觉能力，有点像一个神经质的博士，你把他放在角落里，让他把事情做到极其精确。
这两种模型都有自己的角色。不是说一个比另一个更聪明，而是它们的“思维方式”不同。一个可能更有创造力、更开放，另一个可能更加精确、更加神经质。
所以我会用每一个模型做点东西，这就是我建立直觉的方法。
Lenny： 你觉得普通人需要养成这个习惯吗？而且很多人其实也不知道该拿模型做什么。
Anish： 我觉得现在我们应该重新开始使用那些看起来很傻的想法。过去，每个人都有一个最让人受不了的朋友，每次喝酒都要说：“让我告诉你我的App创意。”现在这些愚蠢的想法反而特别值得尝试，因为其中可能隐藏着最多的机会。
我自己大概做过二十多个App，其中有一两个比较大的App一直在迭代。如果你没有一个可以承载模型的东西，就很难每次从零开始想一个新点子。
所以我的建议是：找一个东西去做。甚至最好不要是什么特别重要的事情。持续寻找新的方式，把模型作为工具加入进去，而不是把“使用模型”本身当成目标。
Lenny： 如果把范围扩大一点，我越来越觉得，现在最重要的习惯之一就是：每当你准备做一件事时，都问自己一句——AI能不能替我做这件事？
Anish： 完全同意。我觉得我们的日常知识工作有时候不那么明显，但我确实认为，这个问题应该成为一种本能：在输入和输出之间，加入一个问题——AI可以怎么帮助我？
我自己也有一些很有趣的例子。比如我曾经让电脑记录厨房里发生的一切，然后根据我的孩子表现好不好，增加或者减少他iPad的屏幕时间。
结果他很快就发现了系统漏洞。他把自己录下来，一遍又一遍地说“我爱你，爸爸”，然后把手机放在麦克风旁边，通过这种方式操纵指标。
这其实说明了一件事：一旦一个东西变成指标，它就不再那么有用了。但我觉得这种实验本身非常有趣。
Lenny： 我有一个朋友也做过类似的事情。他做了一个小设备，记录自己和孩子一天笑了多少次。
Anish： 这就是我想说的。我们一直在讨论生产力、失业这些“重要的大问题”，但“我们一天笑了多少次”并不是一个创业项目，也未必有任何经济意义，但它可能真正改变你的生活质量。
我们往往认为幸福是固定的，但如果幸福并不是固定的呢？如果你和我生活在100年前，我们的工作肯定没有今天这么有趣。那么再过100年，我们的生活可能会比今天有趣得多。
所以我真正关心的是：即使一件事没有经济意义，它能不能给我们的生活增加一些质感？
Lenny： 你之前有一个非常有意思的说法：最大的机会可能是“loop，让我更快乐”。
Anish： 对。我们一直认为人们想要变得更高效，但其实他们未必如此。我认为更多人真正想要的是花时间，而不是节省时间。世界上最大的产品之所以是娱乐和社交产品，就是因为这个原因。
我们应该问的是：如何把价值真正交付给消费者？
我有时候会把AI用户分成“Instagram AI用户”和“X AI用户”。X上的AI用户可能非常害怕自己落入所谓的永久底层阶级，他们会认真讨论GLM 5.3和Kimi K3哪个更好，已经非常“AI中毒”。而Instagram用户可能只是觉得：“哦，这是一个更好的Google搜索。”他们甚至不明白为什么大家这么兴奋。
所以我觉得这是一个产品设计失败。我们已经拥有可以彻底改变人们生活的能力。
过去40年，我们实际上一直在建设一种能够让电子表格变得更好的技术。我们打造了能够扩展智力的技术，却没有打造能够扩展灵魂的技术。
而我认为，现在存在一种精神上的饥渴，尤其是在很多能够满足这种需求的文化机构逐渐消失之后。
所以AI真正的机会应该是那些最基本的消费者需求：怎么让我们感觉更加连接彼此？怎么让我们感受到更多爱？怎么让我们取得进步？怎么让我们获得快乐？
我想看到更多这样的产品。这不是模型能力的问题，而只是产品设计的问题。
Lenny： 所以以前我们讲的是“loop，帮我发展业务”“loop，帮我找到更多销售”“loop，帮我关闭客服工单”。而你现在讲的是“loop，让我更健康”“loop，让我成为更好的朋友”。AI完全可以深入思考这些事情，然后找到真正实现它们的方法。
Anish： 对。而且AI还可以挑战你、推动你，甚至不同意你的观点。
这也是为什么我认为创业公司在这方面拥有优势。大型公司内部有大量委员会，他们可能会对发布一个“不讨喜”的模型感到非常不安，更不用说模型带有一些性暗示之类的内容。
但这些本来就是人类存在的一部分。所以，探索人类社会中那些让人不舒服的部分，是创业公司特别适合做的事情。
Lenny： 所以你认为，消费者AI最大的机会之一，就是围绕“改善人与人之间的关系”建立产品。
Anish： 我认为是这样。而且我们现在还非常早。如果把AI的发展类比成iPhone，那么我们现在可能才处于2010年的iPhone时代——Airbnb、WhatsApp、Uber等重要消费者公司都还没有出现。
目前阻碍消费者AI发展的主要有三个问题。
第一，模型过去太贵了。如果你想做一个免费使用的产品，这很困难。
第二，我们一直存在一个界面问题。聊天界面适合那些能动性极强的人，比如Elon和Sam，但对于普通消费者来说，他们理想的界面可能更像TikTok。所以我们需要找到一个介于聊天和TikTok之间的东西。
第三，技术过去过度关注生产力，而不是人与人之间的连接和娱乐。
这些事情现在都开始发生变化。开放权重模型让成本大幅下降；我们开始讨论“让我更快乐”这样的产品；也有越来越多创始人在非常激进地思考新的用户界面。
所以我认为，这些问题最终都会得到解决，至少它们现在已经比两年前更接近解决方案了。
Lenny： 那我们再回到AI的乐观主义。很多人对AI的未来充满恐惧。你为什么认为人们低估了AI可能带来的积极影响？
Anish： 第一，我认为AI可能成为一种情感和精神层面的接口，让我们能够获得杠杆，去探索过去被深深埋藏的自我。
工业革命带来了巨大的规模优势，而规模优势往往会让个人处于劣势。虽然我喜欢我们生活的经济体系，但这种集中化在某些方面确实会削弱个人，也可能让人失去自己的身份。
AI非常神奇的一点在于，它真正放大了我们的身份和能动性。它把技能和欲望解绑了。
如果你想做音乐，现在你就可以做音乐，不需要先学会钢琴。如果你想成为程序员、想开发软件，现在也可以直接开发软件。
所以它真正放大了我们的个体性，让我们能够探索过去无法探索的人生领域。
从经济角度来看，我们已经陷入了长期的2%左右GDP增长。谁规定我们只能增长2%？为什么不能是10%、15%甚至20%？
这项技术不仅可以大幅提升生产力，也可以大幅提升我们的野心。
我有一个理论：当 stakes 很高的时候，人类非常优秀；当 stakes 很低的时候，我们反而表现得最差。
五年前，我们生活在一个相对低风险的世界，所以整个社会充满了各种副业和小项目，但它们未必真正提高生产力，也未必让人更快乐。
现在不一样了。每个人都在攀登野心阶梯。你可以先发布糟糕的想法，再通过不断尝试找到真正好的想法。
如果你想开发软件，可以直接做。如果你想建一座桥，也不一定非要先成为土木工程师。
所以我真的认为，我们正在获得一个更加快乐、更加充实、也更加高效的社会。
Lenny： 但如果你真的看看AI发展到现在的情况，失业率下降了，人们赚了很多钱。当然，也有很多人依然很困难，也存在很多负面影响，比如数据中心给周边社区带来的问题。但作为一个经济体、一个国家来看，到目前为止似乎进展不错。
Anish： 对。而且想想看，现在甚至有人已经在认真讨论“如果我们治愈所有疾病会发生什么”。这简直太疯狂了。
我还认为，我们总是在担心一些抽象的东西：整个世界、普通工人、中层管理者、住在数据中心附近的人。这些都是抽象概念。
但我们自己的实际生活似乎正在变得更加充实、更有能力，也更加有掌控感。
如果你问人们：“你希望你家附近建一个数据中心吗？”大多数人会说不。但如果你问：“你今天使用ChatGPT吗？”大多数人会说是。
这就是其中的矛盾。
Lenny： AI的公共形象显然不太好，很多地方存在恐慌式叙事。你觉得应该怎么改变这种情况？
Anish： AI真正能够改变这种讨论的最重要方式，就是让重要的东西变得便宜。
美国有两件极其重要、而且越来越贵的事情：医疗和教育。
医疗领域大约45%的成本是行政工作。如果能够去掉大量行政负担，就有可能真正降低医疗成本。更不用说未来治愈疾病的可能性。
教育也是一样。我认为，现在传统教育所面临的竞争，可能是过去200年来最强的一次。
AI可能会把“学习”和“教育机构”解绑，也会把“社会地位”和“学历”解绑。你不一定需要哈佛学位，你可能只需要一个GitHub账号。这其实非常酷。
Lenny： OpenAI最近似乎放慢了AI开发，在最新模型上暂停了部分强化学习阶段，因为他们看到了某些问题。对于AI发展速度越来越快、模型越来越聪明这件事，你怎么看？
Anish： 不针对OpenAI具体评论，我对一些“模型危险到无法发布”的说法还是有点怀疑。
Anthropic因为拥有一个“危险到不能发布”的模型而获得了巨大的光环，但也可能是GPU短缺，也可能是模型能力确实超出了他们原本希望的范围，也可能是他们希望把模型留在内部，以延长自己的领先优势。
所以这里存在很多混杂因素。
当然，我认真对待攻击性网络安全的问题。在让系统变得非常容易被攻破之前，我们应该先把所有系统加固。
但我认为，“危险到无法发布的模型”这个概念，有时候混淆了市场营销、推理能力和经济考量。比如你到底是想把自己的竞争优势开放给别人，还是想利用它让自己变得更强？
Lenny： 而且如果一家公司拥有最好的模型，它就可以更长时间地保持优势，然后发展得更快。这本身就是一个循环。
但有意思的是，Anthropic一度看起来牢不可破，而现在OpenAI在过去六个月里表现非常强，开放权重模型也发展得非常快。
所以到目前为止，行业的发展并没有按照“一个公司拥有超级智能的专有模型，然后统治整个行业”的方式进行。
Anish： 对。比如Grokbot几乎是突然出现，然后现在已经成为非常优秀的AI助手。我自己已经完全上瘾了。
Lenny： 我也想聊聊个人代理。你现在最喜欢哪些产品？
Anish： 我非常喜欢三个产品。Grokbot确实做得很好，而且底层模型也非常强。他们真的敢做一些我觉得大公司不会做的事情。
ChatGPT Work也很好，只是它有一些能力藏得比较深，但它实际上是他们发布过的最好的产品之一。
还有一家最近受到很多关注的创业公司Instinct，它做了一些更加激进、有趣的取舍。
Lenny： ChatGPT Work相比其他产品有什么更好的地方？是因为它运行在云端吗？
Anish： 对，它运行在云端，而且能够很好地缓存浏览器凭证。它还具有远程功能和完整双工语音模式，所以你可以直接打电话给它。它可以看到你的所有线程，你可以问：“我所有的编程代理现在都在做什么？你能帮我修改那个吗？”
这种完整双工语音体验非常好，你真的会觉得自己是在给一个了解你整个工作世界的助手打电话。
Lenny： 如果回到就业和经济问题，我感觉大家的观点大概处在两个极端之间：一边是Dario认为50%的知识工作会被颠覆、导致大规模失业；另一边是David Sacks认为AI会非常棒、就业不会有问题。到目前为止，一切似乎都在往好的方向发展。你显然更接近Sacks这一边。还有什么能让人们对未来的工作更加乐观吗？
Anish： 我认为人类历史的整个趋势就是：我们的欲望增长速度总是快于满足欲望的能力。
今天很多我们认为理所当然的东西，500年前甚至50年前都是无法想象的奢侈品。比如心理治疗、抗生素。即使你非常有钱，过去也没有这些东西。
所以我们低估了人类的野心和欲望。
20年后，人们可能会因为自己没有火星上的度假屋而非常生气。他们会在Instagram上看到别人，然后对伴侣说：“我们得更努力工作，把这个实现出来。”
每一个CEO都会想建立一家更大的公司。
所以我认为，我们现在已经生活在一个比100年前更加庞大的人类世界里，而且这种趋势没有理由停止，反而可能加速。
Lenny： AI不仅让我们更容易拥有野心，它甚至迫使我们变得更有野心。因为现在所有简单的事情别人都能做了，真正区分我们的，是我们究竟能把事情做到多大。
以前你可能会说：“我要做一个个人网站。”然后想一个白色背景的简单网站。现在你会想：“不，我要做一个3D游戏，让用户走进一个世界，发现所有这些东西。”一切都变得更加宏大。
你觉得“野心”是不是正在变成一种越来越重要的能力和习惯？
Anish： 我认为这里有很多东西被混在一起了。我们说“野心”时，往往想到的是创业、建立公司、开发漂亮的软件产品。但野心还有很多其他形式。
比如创造性的野心。一个五岁的小孩画画，没有人会说：“你画画不错，但你不擅长绘画。”你只是有一个想要创造某种东西的欲望，然后你就去创造它。
现在AI真正能够鼓励这种野心。
还有非常本地化的野心。比如英国的NHS，它是一项非常重要的社会机构，但运转得并不好。AI可能让NHS变得像iPhone一样好。这就是一种非常具体、非常本地化的野心。
或者只是想和家人更加亲近，成为一个更投入的父母。
所以我认为，野心不需要局限在经济意义上。它可以是任何我们想做得更多的事情。而谁没有这样的欲望呢？
Lenny： 你说得对。现在我们可能需要改变自己的思维方式。我们过去一直被“软件和智能非常稀缺”这件事塑造，现在却突然进入一个软件和智能不再稀缺的时代。
Anish： 对。Claude Code团队有一个原则：“有什么比我自己做更好？让Claude来做。”
这个原则会在团队里形成一种习惯：我怎么让Claude帮我做这件事？
我觉得我们所有人都需要在脑子里建立这样的习惯。
而且我认为，学习本身也发生在行动中。很多人会讨论vibe coding，却不太愿意谈论自己做的项目，因为觉得这些项目不够重要。我自己也会觉得尴尬。
但我们不能低估通过执行、发布和不断做东西所产生的学习。
现在“构建”可能正在成为新的“阅读”。你通过构建来学习、获得经验。大部分东西最终可能都会被放弃，但这仍然是在训练你的能力。
Lenny： 所以“构建”本身就是一种活动，而不一定是一种结果。
Anish： 对。我觉得很多人会因为“我发布了这些东西，但没人使用，我自己也没再用”而感到不好。但这其实完全没问题。
就像我做DJ一样，我做一个DJ set，可能只有三个人听，但我自己听了100遍，我仍然觉得非常有满足感。它有没有商业价值并不重要。
Lenny： 那我们回到消费者AI。你现在在A16Z负责消费者投资。现在消费者AI领域发生了什么？哪些方向让你兴奋？
Anish： 我认为有三个主要方向，而且我们还处在非常早期。
第一是编程代理。它们非常强，我认为这是一个巨大的突破。过去我们很容易说：“大多数人并不想写代码。”但我现在的想法发生了变化：编程代理其实是一种与整个世界互动的方式。
你会看到有人用Claude Code编辑视频，有人用Codex给自己的孩子做飞机上玩的游戏。它已经不仅仅是写代码，而是一种通用的问题解决工具。
第二是个人代理。我们已经看到OpenClaw这样的产品，但它本质上还是开发者工具。Hermes、Moltbook也是类似的。现在这些东西正在逐渐被提炼成普通消费者和企业都能理解的代理产品。
第三，我把它叫作娱乐，虽然这个词并不能完全概括它。这里包括大量创意工具，比如Suno；也包括陪伴类产品。这整个领域有点让人不舒服，所以大家不太愿意讨论，但其中已经出现了一些增长非常快的产品。
Lenny： 所以你说的三个方向就是编程代理、个人AI助手和娱乐。你刚才提到的Instinct、Grokbot、ChatGPT Work属于第二类，而Wabby属于第一类。
Anish： 对。娱乐则包括AI伴侣之类的产品。
Lenny： 而且你们做的市场地图里，这一领域已经有很多公司。
Anish： 对。实际上更准确地说，现在AI伴侣产品里，男性伴侣可能比女性伴侣更多。使用这类产品的人，大量是40岁和50多岁的女性。
Lenny： 这很有意思。这三个方向似乎都可以和你说的“loop，让我更快乐”联系起来。
Anish： 对。它们其实就是人类最基本的需求：让我快乐，让我更健康，让我活得更久；给我的野心一个出口，给我的成就感一个出口；然后在我没有做其他事情的时候，给我一些事情做。
Lenny： 现在每天都有大量公司和产品上线，产品发布速度甚至提高了1000倍。你怎么看一家AI创业公司的持久性和护城河？
Anish： 我认为有两个重要的观点。
第一个是Jesse来自Decagon说过的一句话：“护城河通常是被发现的，而不是被设计出来的。”
创始人很容易陷入这样的思维：我必须设计一个经得起MBA和VC审视的商业计划，我必须提前证明自己的护城河是什么。但很多公司其实只是不断发布产品，护城河是在这个过程中逐渐形成的。
Cursor就是一个很好的例子。过去很多人批评它没有护城河。但后来事实证明，它最初成为高端PSDA产品是非常有价值的。随着时间推移，它积累了大量推理轨迹，开始训练自己的模型，最终形成了自己的优势。
所以护城河可以被发现，而不一定要从一开始就设计出来。
第二，我们似乎忘记了传统护城河。过去的护城河并不是“软件有多难做”。大多数公司都不是在造自动驾驶汽车。
传统护城河仍然有效：网络效应、规模优势、品牌效应、专有数据以及稀缺资源。
五年前的护城河今天依然是好的护城河。我们只是需要更多创始人在这些方向上拥有野心。
Lenny： 那如果你是一个创业者，在向VC介绍项目时，你会怎么讲护城河？可以直接说：“我们现在没有护城河，也不知道未来会是什么”吗？
Anish： 如果一个产品没有明确的护城河，但它拥有很强的增长势头、很高的产品工艺和不断增长的用户参与度，我们仍然愿意下注。
我过去作为创始人时非常担心别人抄袭自己的想法，但后来我发现，大想法通常由十几个别人看不到的小想法支撑。
即使别人复制了你的大想法，他们也看不到那些让大想法真正成立的小想法。
所以我认为，有些产品就是有一种特别的东西，即使面对巨大的竞争，也能取得非常好的成绩。
Lenny： 我最近也一直在思考分发。现在每天有上千个产品发布视频，所有人都在发布、发布、再发布。能够让自己的产品进入用户注意力，本身是不是越来越重要的优势？
Anish： 非常重要。我甚至问过Chris Dixon这个问题。
我认为过去这一代创始人和CEO都接受了网络理论的训练，所以现在每一个已经存在的网络，都在努力防止别人建立自己的网络。
因此，网络效应某种程度上重新回到了最原始的口碑。
如果一个产品在X、YouTube、Instagram等平台上不断被人自然提及，这可能就是今天你能获得的最好的第三方网络效应。
所以，我们现在必须自己建立渠道，依靠口碑实现增长。这其实仍然是一个增长问题，只不过比过去几个产品周期更加困难。
而想要获得口碑，你必须做出值得讨论的东西。Seth Godin说过，要做出值得被谈论的东西，也就是做一个足够优秀、让人愿意主动谈论的产品。
Lenny： 但现在每天有这么多东西发布，至少在最开始，你仍然需要一种优势把产品放到用户面前。
Anish： 我反而认为现在对创业公司来说可能更容易。
看看Gemini，Google已经做了大量交叉推广，但没有人会说它现在占据了绝对优势。
创业公司可以去做那些大公司不舒服去做的事情，比如我们刚才谈到的陪伴类产品。
而且消费者现在愿意支付很高的价格。有人愿意每个月支付200美元，企业甚至愿意签署百万美元级别的合同，而他们可能都还不知道自己最终会得到什么。
所以现在就像2009年圣诞节，每个人刚刚拿到iPhone，都想下载新的App。这个窗口最终会关闭，但现在仍然是开放的。
Lenny： 所以你仍然认为现在创业公司反而更容易？
Anish： 对。我一直说，现在很多公司不是增长问题，而是产品问题。
因为你现在可以在任何方向上建立一个非常有野心的产品——无论是功能性的，还是情感性的——而且可以收很高的价格。
所以我真正想问的是：你真的有增长问题吗？还是我们集体缺乏想象力？
如果我们的产品每个月值1000美元、1万美元呢？如果它是一个“软件版Birkin包”，它需要做到什么程度才能让用户愿意支付这个价格？
然后我们再去想，如何把它做出来。
这最终还是回到了野心。
Lenny： 你之前提到过Mark Andreessen和Ben Horowitz。你分别从他们身上学到了什么？
Anish： 我真正感激的一点，是他们对科技产业、国家，以及更广义的西方生活和思维方式，都有一种强烈的责任感。
你可以回顾Ron Conway、Brook Byers、Tom Perkins等人，他们都有一种“把这个行业变得比自己接手时更好”的责任感。
这远远超出了“成为世界上最好的投资者”。当然，我们也想成为最好的投资者，但他们会主动去做一些困难而重要的事情，而这些事情并不一定直接为公司带来利益。
我还觉得，他们以及整个A16Z都在某种程度上改变了创业者群体的集体野心。
五年、七年或者十年前，深科技非常不受欢迎。它不是一个高地位的方向，甚至很边缘。
现在深科技已经变得非常热门，而且拥有很高的社会地位。
我认为Mark一直非常公开、非常彻底地支持那些具有国家利益意义的重大工作，这改变了整个硅谷。
Lenny： 那对于产品经理和产品建设者来说，如果他们想思考如何改变自己的工作方式、思维方式，从而让自己未来的职业和公司更加成功，你有什么建议？
Anish： 做更多东西。
我知道这听起来很傻，也知道所有人都这么说，但请真的做一个项目。你甚至不需要告诉任何人。它可以完全不重要。
把它作为一个载体，去使用所有新的模型，发布东西，谈论它们，建立自己的直觉。
我保证，你距离真正理解这些东西，可能只有一周有点令人沮丧、但之后非常有满足感的实践。
所以你必须使用这项技术。如果不是现在，那什么时候？
我们进入这个行业，本来就是为了做出脑海中看到的那些产品。现在我们终于有机会做到这一点。
Lenny： 如果让你给一个具体的习惯，比如每个月做一个东西，或者每天花几个小时，你有什么建议？
Anish： 每周发布一个东西。
不需要疯狂，不需要是什么改变世界的东西。
比如我之前玩Codex的时候，让它帮我做了一份母亲节幻灯片送给我的妻子。它读取了我的短信，也看了我的照片，然后配上音乐，做成了一套20页左右的幻灯片，讲述我们的关系，还找出了我第一次约她时发的那些旧短信。
那是一个非常好的母亲节礼物。
它不重要，也不是什么我们以后一定会再用的东西，但它完成了一件事：我发布了一些东西。
所以可以小到这个程度。
Lenny： 我们共同的朋友Nelson Singal有一个很好的观点。他发现，当人们第一次体验到AI为自己创造的某个快乐瞬间时，他们对AI的态度会发生变化。
你的母亲节例子就是很好的案例。
Anish： 对。所以我一直在想：如果这件事成功了，它会不会给你带来快乐？你能不能用AI做一些让别人开心的事情？我觉得这可能是一个很好的起点。
Lenny： 好，我们进入最后的快速问答。你最常推荐给别人的两三本书是什么？
Anish： 我最喜欢的一本是Thomas Sowell的《征服与文化》。它讨论征服如何推动世界不同社会的文化变化，有时候是积极的，有时候是消极的。
对我来说，这是理解“文化是结果最大驱动力”的最好历史视角之一。我自己出生在加拿大，后来搬到美国，我非常明显地感受到两种不同的野心文化。
第二本是《Seven Powers》。我认为它是关于护城河、商业理论和复利优势的一次非常好的思想总结。
第三本可能是Brian Arthur的《Increasing Returns to Scale》。Mark在我加入之前给了我几本书，我当时甚至怀疑他是不是在逗我，因为这是一本教材。
它有点难，但非常好地解释了为什么软件能够产生如此异常的经济效应，也帮助我理解为什么我们的行业和文化会以现在这样的方式运行。
Lenny： 最近最喜欢的电影或者电视剧是什么？
Anish： 我看很多很俗的电影和电视剧。我们看了《龙之家族》，确实很俗，但很好看，我们很喜欢。
我还看了《奥德赛》，是在伦敦看的。当时我正好在那里参加董事会会议，在一个坐满人的IMAX影院里看的，大家一边喝啤酒一边看，非常棒。
电影本身很好，但那种影院体验也很特别。它是一种很奇怪的“独自和大家在一起”的社交体验。
Lenny： 我一直没买到IMAX的《奥德赛》票。
Anish： 我甚至有一个Grokbot一直在帮我盯网站，帮我找好座位。
Lenny： 太好了。不过AMC网站有那个很蠢的验证码。
Anish： 对，特别难。你得点击三个匹配的图形。拜托，这根本做不到。
Lenny： 最后一个AI产品问题。最近哪个AI产品真正给你带来了快乐？
Anish： 我会选Grokbot。因为它敢于在替你完成工作这件事情上走得非常远，比如缓存凭证、替你完成任务。我很喜欢这种野心，而且我认为这种事情确实更像创业公司会做的。
他们实际上做了一些我觉得大公司不会做的事情。产品设计非常好，底层模型也很强。
而且它让我觉得，模型市场可能并不是两匹马的比赛。
Lenny： 你有没有一个经常回到的人生格言？
Anish： 有。我从创业时期学到的一句话，也是我做父母之后越来越认同的一句话：不要通过痛苦的亲身经历去发现那些别人本来就可以告诉你的事情。
我过去有一个坏习惯，就是总想自己经历一遍，而不是向那些只比我领先几步的人学习。我发现我的孩子也有这个习惯。
Lenny： 举个你希望当时有人告诉你的例子？
Anish： 对我的孩子来说，就是“不要碰热炉子”。
对我的创业公司来说，就是不要同时做产品和平台。如果你想成为一家平台公司，就先做平台。
我们第一家公司试图同时做一个移动游戏社交平台和游戏工作室。有人很早就告诉我：“工作室已经非常难了，你不可能同时做工作室和平台。选一个。”
但我们没有听。结果花了好几年才意识到自己错了。
Lenny： Ben Horowitz让我问你的最后一个问题是关于你的DJ。你真的很厉害。我找到你的DJ网站和SoundCloud，一边工作一边听，非常好听。
如果有人想开始做DJ，有什么建议？有没有什么工具或者经验可以分享？
Anish： 这也是我为什么如此喜欢音乐模型。
我一直很喜欢DJ，从1995年开始玩，到现在已经31年了。DJ是一种非常好的音乐表达方式，即使你不是受过古典音乐训练的人也可以做到。
你选择音乐、选择唱片，然后把它们混合在一起。它需要一些技术能力。
但现在你可以再进一步，直接用模型创作音乐。
最棒的事情是，你可以提出音乐上的想法，然后让模型把它们完整实现出来。
所以我觉得音乐是一种非常直接、非常令人满足的表达和体验方式。无论是DJ还是创作音乐，我都建议每个人去尝试。
Lenny： 我以前没有想过，Suno、11 Labs这些工具出现之后，DJ的意义也发生了变化。你现在不一定只是把现有音乐拼接在一起，而是可以直接生成音乐。
Anish： 想想音乐的发展历史。最开始，你只有亲自站在一个演奏乐器的人面前才能听到音乐。后来有了留声机，可以录制音乐。
从媒介角度来看，音乐最大的变化之一其实是磁带。因为磁带是第一次让普通人可以真正“创作”。你可以自己组合、制作属于自己的“专辑”。
我认为音乐在2000年代遇到困难，很大程度上就是因为这种能力消失了，我们又回到了广播模式。
现在人们重新开始创作音乐，我认为音乐产业最终会比过去任何时候都更大。
Lenny： Anish，这次真的太棒了。我们聊了很多。最后一个问题：听众可以怎么帮助你？
Anish： 给我看看你正在做什么。
不要灰心。去做点东西，然后@我。我很想看到。
如果你想听更多类似的内容，可以在X上关注我。我会尽量互动，也会关注和回复大家。
Lenny： Anish，谢谢你今天来。
Anish： 谢谢你邀请我。
Lenny： 谢谢大家收听，我们下期再见。
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。富深所配资提示：文章来自网络，不代表本站观点。
