当越来越多人开始讨论AI会创造多少价值，一个更值得追问的问题开始浮出水面，这些价值最终会落到谁手里。
最近，Vencap首席投资官David Clark和General Catalyst负责人David George做了一场近两个小时的深度对谈。David Clark做了34年母基金投资，长期从LP视角观察周期、估值、退出和损失率。David George所在的General Catalyst，则很早投中了OpenAI和Anthropic，离这轮AI浪潮的核心现场更近。
这场对话他们没有只聊模型能力和产品演示，而是把问题往更深处推了一层。头部模型公司的收入增长为什么已经超过Meta、Google和Microsoft，AI对实体经济的渗透率为什么还不到5%，未来最大的AI公司会长到多大，模型、应用、开源和Token价格又会怎样重新分配产业价值。
更有意思的是，两个人都没有急着给一个确定答案。他们一边看到前所未有的增长速度，一边也反复提醒，损失率会回来，很多今天被热捧的公司最终会掉队。对于想理解AI、投资和下一轮科技周期的人，这场访谈是一次很好的校准。以下，Enjoy：
来源：Z Finance
这场对话发生在AI月收入增量已超越Meta、Google和Microsoft，而实体经济渗透率尚不足5%的临界点。
两位对话者站在风投生态的不同坐标上审视同一轮浪潮：David Clark是Vencap首席投资官，拥有34年母基金投资经验，习惯用LP的冷峻视角丈量周期与退出规模；David George则是General Catalyst的负责人，这家机构在AI浪潮最深处下注，早年便押中了OpenAI与Anthropic。
当实验室的token成本与公开市场的高增长饥渴同时成为变量，他们试图回答一个更本质的问题：价值究竟流向哪里，以及这个周期会不会重蹈2021年的覆辙。以下是他们的核心观点：
1. 企业端的"ChatGPT时刻"才刚刚发生：自2024年11月起，头部模型公司的月度新增收入已超过传统科技巨头，但AI对实体经济的渗透仍不足5%，企业内绝大多数职能的自动化远未开始，上限远未触及。
2. 赢家规模将比以往大一个数量级：过去六年所有VC支持的IPO总和约1万亿美元，可能还不及未来三大IPO中的任何一家；前1%的退出门槛在24个月内从100亿美元飙至可能超过1000亿美元，价值创造的速度与体量都在加速。
3. 原生AI公司的运营方式是一种"耳语经济"：最前沿的AI公司内部，研究人员对着Agent耳语而非敲击键盘，效率极高；而成熟公司仍在用旧逻辑削减臃肿，真正的效率革命尚未到来。
4. 价值捕获的核心变量是token价格与市场结构：如果前沿模型仅有两三家，token价格将维持高位；若有五家竞争，价格下降将对整个生态更友好。开源、蒸馏可行性与本地部署能力，将决定价值最终流向模型层还是应用层。
5. 现在不是泡沫，因为供给而非需求受限：与典型泡沫的"过度供给破坏经济特征"不同，当前算力、内存、数据中心和电力全面稀缺，这种稀缺反而降低了泡沫风险，至少在未来三年内如此。
6. AI公司的半衰期正在急剧缩短：追踪《福布斯》AI 50榜单发现，去年上榜的公司有40%在今年掉出榜单，领先者的防御性比前代技术周期更脆弱，预测谁将捕获价值变得前所未有的困难。
7. 当前估值呈现极端分化：约80%的AI公司可能被高估，因为大多数终将失败；但少数领导者可能被严重低估，其未来估值可能达到今天的数倍，这正是通过广泛组合捕获异类价值的逻辑所在。
8. 公开市场正在经历"增长饥渴"：过去20年上市公司数量减少一半，Mag7增速已低于30%，市场极度缺乏高增长标的；让这些公司在高速增长期进入公开市场，将为投资者社群注入强心针。
9. 2021年的幽灵与损失率的回归：当前AI领域损失率处于个位数，这不可持续；历史上早期基金有60%的交易无法返还资本，万有引力终将重新发挥作用，真正的风险在于"领域成功了但选错了人"。
10. 未来五年风投行业的最大驱动因素是实验室市场结构与token成本变化：如果平台之上的公司价值能超过平台本身，建立在token和智能之上的大规模高价值公司浪潮才刚刚启动。
11. 消费侧可能是最大的结果来源：过去十年用户时间被大科技公司垄断，AI技术突破可能重新分配消费者注意力，创造比B2B更惊人的结果，但这一转变尚处极早期。
David George：在我职业生涯中，想不出有哪个时期我对事物的看法改变得比现在更快——这是好事，也令人谦卑。两大领域是规模和价值捕获。规模方面，去年11月世界发生了变化，这对我们的业务而言，尤其涉及到劳动力生产力。在此之前，我们对企业端大量工作的认知还停留在一种模糊的承诺阶段。我们可能将其与云、软件公司和生产力提升之类的事情联系起来。消费者侧，你可以把AI公司想象成消费业务，比如看他们有多少用户、定价如何、能长到多大。我认为那会比人们预期的要大得多，这个我们可以后面聊。
但自11月起，我认为我们所有的先验观点都围绕企业端实际会发生什么发生了偏移。或许为了给自那以后发生的事提供一个背景，基本上，Anthropic和OpenAI每月新增的收入已经超过Meta、Google或Microsoft。它们已经达到那样的收入增长规模，而这项技术向实体经济的实际渗透率还很小，不到5%。当然，在编程和技术前沿公司内部，情况要先进得多。但就企业内所有其他职能而言，能力的完全利用还远未开始。所以如果把这个事实——它们的收入增量已经超过hyperscalers，而经济渗透率还不到5%——联系起来，我认为最终结果会是惊人的。
因此，我们开始尝试观察以判断可能发生什么、上限在哪里——企业将不得不以某种方式为此付费。如果只看财富500强或标普500，它们其实很接近，合计每年产生约2万亿美元利润。如果这两家公司到今年年底做到2000亿美元的年收入运行率，我不会感到惊讶，这还不算使用开源和其他供应商的。所以在此基础上还可以加更多。我们已经在谈论相当于财富500强10%利润的水平了。因此我认为上限将取决于钱从何而来。
其中一个影响是，我们曾有很多理论认为开源和本地部署会非常重要，而现实是成本会很快迎面而来，让它们比我们预想的更早变得重要。所以规模方面，我们已经更新了先验观点，对结果的重要性、奖池规模和量级有了更坚定的信念。你可以从数字中看到早期迹象：实体经济几乎没有渗透，但其他职能会变得很好。编程领域发生的事，你可以在其他一些白领工作中开始看到苗头，比如法律领域开始出现——显然比编程小得多。但当模型变得非常好、围绕它们构建的产品变得非常好时，你就会看到采用和使用的起飞。我认为未来12个月内，这种情况会在组织和垂直领域的许多不同职能中发生。
David Clark：您认为其中有多大比例会是原生AI应用？因为我总是回到Chris Dixon的观点：前三四年往往会看到拟物化应用出现，我们已经看到了这点。目前大多数人用AI来做现有工作，只是更高效、更快、更便宜。但我们开始看到一些原生应用出现，尤其是围绕Agentic AI。您认为这会如何改变格局？
David George：我认为企业端将要发生的大变化是，我们今天在公司如何运营方面几乎还没有任何改变。最前沿的公司——我认为我们现在看到的一些裁员实际上是在削减过去的臃肿，我不认为那是真正的效率提升。这些公司内部发生了一件非常有趣的事：大多数资源投入，至少对优秀公司而言，实际上是在产品和创新上，而不是自动化自身运营方式，因为它们资源有限，而最优秀的公司知道，在产品端做对事情的回报有多大——而且最优秀的工程师也想做那方面的工作。
成熟公司可能更适合尝试自动化内部业务流程，但它们采用速度更慢。我们看到被投公司中有大量潜在机会可以提高效率，但并非最优秀的人在从事这项工作，增量资金也尚未流向那里。我聊过的一些公司内部最前沿的尝试者还处于文档化阶段——把所有东西转成Markdown文件，尽可能多地捕获上下文，然后看看如何在不牺牲客户体验的前提下适当管理业务并驱动效率。所以我们在这一块还非常非常早期。原生AI公司自身的运营方式则完全不同——创始人的思维方式就不一样。
David Clark：他们本可能发展得更快。
David George：而且，我们已经看到的市场规模与模型领域所见相比还是太小。模型公司新增的收入已经超过整个上市软件公司的总和。所以，它们虽然管理不算特别严谨，但商业模式很好，所以能增长、能做好。大家都有购买更多软件的要求，人数也在增长，所以一切都还行。新公司则非常精干、非常激进，并且一直工作。所以，进入最前沿的公司时你会看到很有意思的场景——所有研究人员坐在那里，对着Agent耳语，甚至不敲键盘，他们效率极高，像是在耳语中运行成群的Agent。我认为这大概就是未来，只是还非常早期。我觉得拟物化阶段，可以说就是今天所有被动响应式的东西。我认为未来会转向主动式参与，无论是在消费者端还是企业端。
David Clark：回想12个月前我们的预设，有几件事发生了变化，有一件被强化了——我们一直认为最大型公司会比以往周期的规模大一个数量级，而现在看来这一趋势在加速。我们发布过一些数据，显示前1%退出规模大约每五年翻一番。2020到2024年，前1%退出起点是100亿美元。今年2月我们更新了数据，2025年前两个月前1%退出变成200亿美元。昨天我们刚更新，仅看已完成的退出，现在是320亿美元——这就是前1%的门槛。如果再考虑OpenAI和Anthropic，可能到9月份会超过1000亿美元。也就是说，在24个月的时间里，前1%退出规模翻了10倍。
David George：我没记错的话，那些大公司加起来的规模已经超过整个罗素2000指数。这些公司的体量已经变得如此巨大。我们建立自己的基金也是为了应对这一点。我们相信，随着新趋势出现，后续每一代公司都会比前一代更大。我们做过类似分析，看了过去六年所有VC支持的IPO，加总起来略超1万亿美元——这可能还比不上我们预计将发生的三大IPO中的任何一家。所以结论是：成果持续变大，而且发生得更快，价值创造的速度是非凡的。
David Clark：特别是像Wiz和Cursor这样的公司，大概四、五、六年时间从零到300亿美元，再到可能的600亿美元。
David George：同样，我们经常讨论部署节奏、基金规模等等。如果外推一下，以前的趋势大约小10倍，而结果大得多。而且赢家公司的集中度非常高。我们现在相信是进入市场投资的好时机。ChatGPT时刻，我认为还不到四年前。我们现在才刚刚看到基础技术之上发生一些最有趣的事情。关于谁捕获价值——这也是先验观点不断变化的地方——我们可以长谈。但我们相信，现在正是那些将成为未来十年世代级公司被创造出来的时刻。
David Clark：我的先验观点发生了一些变化的另一个方面，是关于变化速度以及领先公司防御性会发生什么。因为在之前几代技术周期中，我们看到最终捕获市场经济价值的并不一定是先行者——Google不是第一个搜索引擎，Facebook也不是第一个社交网站。我们追踪的一件事是，《福布斯》每年发布AI 50初创公司榜单。非常有意思的是，从去年到今年，去年榜单上的公司有40%掉出了榜单。所以这些公司的半衰期感觉非常短。因此，我们的先验观点在某种程度上演变为：我们确实认为结果会大得多，但试图预测谁将捕获这些价值，感觉变得越来越难。你们在内部投资组合中也看到这种情况了吗？
David George：是的，确实变得更难了，因为技术变化发生得太快了。所以我们总是跟创始人说，脚下的沙地在不断流动——这非常真实，我们的先验观点在价值捕获（ZP注：价值捕获指将已创造的价值，转化为可获取的实际收益）方向上已经更新了很多。我们在ChatGPT之前投资了OpenAI，早期有一段时间我们认为模型公司就是一切，再也不会有应用公司了，它们都会消失。然后我们经历了一个周期，认为什么都会有应用公司，而模型公司只是API。现在我们又回到了模型公司正向上延伸到应用层的时刻，这是它们增强用户粘性的最大方式。所以在评估某个事物在生态中的位置时，首先，现在你必须处在token路径上——这是我们为自己的公司寻找的首要条件。这之所以如此重要，是因为我之前说过的：技术买家已经面临实际的成本压力，而且发生得非常快。所以他们不会为上一代软件增加预算，事实上，他们甚至无法用削减旧开支来覆盖AI带来的成本增长。因此这些旧软件会承压。老实说，这种压力可能必须来自要么提高售价，要么重组劳动力。
目前价值捕获的最大驱动因素，我认为是某种完全不可知的东西——模型公司的市场结构是什么样的？竞争有多激烈？如果前沿只有两三家，token价格可能较高；如果有五家，token价格可能较低。token价格较低对整个经济可能更好，因为不会有那么大的压力去快速重组劳动力。目前，数量更少，没有五家。前沿智能的需求现在有巨大的无弹性。还有一个问题是，这种状况会随时间变化多少？比如，很多工作用前几代模型是否就能做得很好？但今天没有人那样消费token。所以，那是不可知的。市场结构是不可知的。开源扮演什么角色？那是悬而未决的。本地能运行多少？用小模型能运行多少？这些都是开放性问题，我认为会决定谁捕获价值。但对于更广泛的生态系统来说，要想繁荣，可能是竞争使token价格保持较低水平。
David Clark：我的几位同事目前在中国，他们反馈的情况与我们在美国看到的相比非常有趣。他们提到，中国领先的大语言模型在能力上大概落后美国6个月，但价格便宜10倍。所以目前的一个未知数是，这些公司能占领多大比例的市场？我们未来十年最终要做的事情中，有多少必须由最前沿模型完成，又有多少可以由次一级模型捕获？这是经典的创新者困境：下一代产品能做到前沿产品的80%，但成本只有10%。而随着时间推移，那些能力会扩展，维持前沿地位会变得更难。
David George：是的。目前来看，我们对绝对前沿的旺盛需求感到惊讶。这可能部分是因为我们还不在优化阶段，但我的感觉是，优化阶段可能比我们预想的来得更早。关于开源的未来还有很多其他开放性问题，比如这些参与者蒸馏大模型的能力如何？大模型公司不希望自己的模型被蒸馏。而蒸馏一个模型的成本大概只有预训练成本的2%。如果这种情况持续且可行，那对开源可能是好兆头；如果不行，可能对开源不利。所以目前，你说得对。同类token的每token成本正在以每年超过10倍的速度下降，但前沿token的需求在金额上的增长远超这个降幅。
David Clark：当你们考虑这些公司估值时，如何将这一点纳入考量？因为我担心的一点有点像2021年。我认为2021年那个市场是新兴管理人的峰值，因为很多管理人做了种子轮，老牌机构在种子轮后六个月进来加价，基本上零损失率。我们知道风险投资不是这样运作的。感觉今天我们有点类似那种情况，但主角是老牌机构——因为基本上是老牌机构在AI领域捕获了早期的突破性公司。但当我回顾历史，我们早期基金有60%的损失率，即60%的交易无法返还投入的资本。如果看过去几年AI领域的损失率，虽然不是零，但可能是个位数百分比。这是不可持续的。那么你如何看待我们今天在这个周期中的位置？因为在某个阶段，万有引力定律会重新发挥作用。
David George：也许解释一下我们在早期阶段的投资哲学会有帮助，因为我们也不追求低损失率。如果我们损失率低，说明我们没有承担适当的风险。我们经常开玩笑说，生态里有个知名风投从业者，他最大的骄傲是从未在一笔交易上亏过钱。我们说，那不是骄傲，那是可怕的数据点，那不是你想要的。那是一家私募公司。如果你那样做，完全可以认为你没有承担足够风险。我们历史上处理这个问题的方式——这是Chris Dixon的理念——在任何一个有多位优秀创业者参与、我们认为有顺风（ZP注：助推企业/资产/产业增长的外部有利因素）、对技术有积极判断的重大领域，我们应该选择最佳创始人，在早期阶段支持市场领导者。如果这个领域成功了并且我们拥有领导者，那很好；如果领域没成功但我们拥有领导者，也没关系，那本来就是我们业务的一部分。不好的情况是领域成功了但我们选错了人——那才是我们真正审视并确保做对的事情。
所以，有很多领域没有完全成功，但我们支持了领先的企业家，他们很有才华，他们竞争，领域里有很多参与者，那对我们完全没问题。这就是支撑我们如何有那样损失率的哲学，以及我们如何平衡承担适当风险——当然在成长期略有不同，我们损失率不应该那么高。目前一切都太早期，我们还看不清楚会发生什么。所有关于谁捕获价值的未知数，正如你所说。我确信损失率会随时间上升。我们只能考虑如何建设公司，结果会随时间显现。
正如我们常说的幂律效应，赢家自然会脱颖而出，而对于未达预期的项目，我们也会竭尽所能。我们建设公司的方式，我认为是在迎合创业者的需求。你问过新兴管理者与像我们这样的大平台的区别，我们之所以把大平台建设得规模很大，就是因为创业者想要那样。这体现在高交易成功率和对重要事物的高持股比例上。这次AI浪潮速度之快的一个后果是，公司在生命早期就遇到大公司问题。所以我们需要调整建设公司的方式。这也是我们扩大招聘规模、建设更广泛平台的原因之一，包括国际化、渠道等，我们已经有了定价、扩展销售团队等方面的专家。此外还有我们一直为公司做的所有事情，原因是公司私有化时间更长，而且在生命早期就需要这些。比如Cursor，收入已达数十亿美元，但公司还很小，还非常早期。前一代技术没有发生得这么快，所以他们不会遇到需要谈判的重大商业交易、复杂的供应商关系、云合同、国际扩张等。这些现在都发生得更早。所以我认为，我们所看到的市场份额增长，部分就是创业者表达他们的偏好。
David Clark：有趣的是，我一位同事昨天参加了英国风险投资协会举办的会议，他们现场调查了观众：你们认为当前AI估值如何？太高、合适、太低？80%说太高，约6%说太低。当我思考AI领域时，感觉这比例大概是对的，因为我认为80%的公司今天可能被高估，因为我们知道大多数公司最终不会成功，而其中一小部分可能被严重低估，因为它们会成为领导者，估值会达到今天的数倍。从出资人的角度来看，我真的很为难要站在你的立场上，因为要挑选那些个别公司，我知道你可以构建组合，但作为出资人的优势之一是我们可以在AI领域拥有广泛且多样化的潜在异类组合。从历史上看，这个篮子会随时间增值，即使大多数公司可能失败。
David George：看，正是这种动态说明了为什么我们的业务以早期阶段为中心如此重要。我们必须对最终成功的公司做早期投资，当然很多不会成功，但这是事物本质。所以我们的业务起点和终点都在于早期业务的成功程度。在成长期，我们花时间思考的很多事情，类似于我在风险端描述的风险投资视角，但也包括在给定公司和情境下我们应该投资多少。所以，命中率作为行业话题被广泛讨论，但我们确实必须提高命中率，因为有你描述的那种风险动态。
David Clark：我们还收到很多关于“我们是否处于AI泡沫”的问题。今天感觉不同的一个方面是，典型的泡沫是由过度供给破坏经济特征，而今天我们处于稀缺状态——没有足够的算力、内存、数据中心、电力。感觉我们现在是供给受限而非需求受限。你认为这如何改变周期的形态？
David George：首先，目前供应受限可能是一件健康的事情，仅从某种意义上说，它可能降低了出现泡沫的可能性。我相当有信心地说我们现在不处于泡沫中。我对三年后不会处于泡沫中则没那么有信心。但我只能谈我们现在的状况。我们严重供应受限——目前你无法在2028年底或2029年初之前获得大规模数据中心容量，这是事实。我认为这还会变得更难。我认为美国数据中心建设比人们预期的进度大概落后一年，所以我们已经落后了。数据中心供应链中几乎所有环节都供应受限。部分原因是台积电保持克制并试图平衡，但部分原因是其他硬件组件难以制造和加速生产以满足需求。
我认为数据中心阻力这件事简直疯狂。我看到的各种反对理由都很荒谬。最好的数据中心运营商会走进社区说，我们会资助一个自然保护区，会资助你们学校的高速互联网，会让它变得美观，会创造大量就业和税收——这些都应该是好事。然后我们却遭到反对，比如“它消耗太多水”。我就想，我宁愿少吃四五个杏仁，也要确保我有能力做所有需要做的事情，我家院子消耗的水比数据中心多得多。所以我们拭目以待这种阻力是否会有所缓解并对生态系统产生影响。但我认为未来三年我们更可能保持供应受限，而不是进入泡沫区域。唯一可能改变这一点的，是出现大规模更小的模型，那可能来自某种算法突破。确实有公司在研究这个。如果你从人脑出发，人脑在学习和获取智能上下文方面的效率远高于模型。所以我预期这方面会有一些转变，未来不会一切都如此消耗token。如果出现某种巨大的意外阶跃变化，我们可能会进入供过于求的局面，但我认为短期内不太可能。然后如果你看未来四五年的建设预期，如果我们花5万亿美元的资本支出，能否获得1万亿或2万亿美元的收入作为回报？我们可以争论应该得到多少回报，但这大概是一个合理的预期。如果仅两家大模型公司今年年底就达到2000亿美元的年收入运行率，我认为大家应该对未来几年这个等式感到相当放心。再说一次，很难说供应端会发生什么，而供应显然是我认为会驱动泡沫的因素。但我认为我们现在离那还很远，所以我们对当前投资感到相当有信心。
David Clark：我们之前谈到了公司的规模。你认为这对公开市场总体意味着什么？公开市场是否有足够的能力来吸收和消化这些？这对后续一代公司意味着什么？这些IPO之后是否会出现消化不良？
David George：是的，我认为让这些公司处于高速增长期进入公开市场，对投资者社群来说是非常好的事情。关于这些公司纳入指数等问题一直有很多争论。我父母的退休基金就在指数账户里。所以我的希望——而且看起来趋势也是这样——是它们会被纳入指数并得到更广泛的持有。所以我认为这是好事。过去20年左右，上市公司数量减少了一半，所以我认为这将是一个强心针，把一些高增长、有趣的东西带入公开市场。我经常谈到这一点。如果排除数据中心供应链相关公司，公开市场上很少有高增长公司可供购买。
Mag7现在的增速都低于30%，所有软件公司增速也低于30%，所有互联网公司也一样。Palantir几乎是唯一一家增长70%左右的公司。所以我认为市场需要一些高增长。它们只是碰巧绝对值更大。但同样，我认为这些公司的未来很可能在很长多年内保持高速增长。十年后回头看，我们会惊叹于最大公司变得多大，就像我们现在看Mag7一样——十年前你绝不会想到会出现4万亿美元或5万亿美元的公司，但现在已经有了。所以我认为所有权会发生一些转移以腾出空间购买这些公司，但我认为市场确实能承受。
David Clark：这很好。最后一个我想听听你看法的问题，David，如果AI的乐观情景成立，你认为五年后风险投资行业会是什么样子？
David George：我认为关键在于一些目前尚处未知的事物的领导作用。未来五年行业结构的最大驱动因素是我之前谈到的模型行业和实验室的市场结构——开源扮演的角色、token竞争的程度。比尔·盖茨有句名言，我可能记不准，但大意是：如果你是一个平台，建立在平台之上的公司价值需要超过平台本身的价值。如果这就是未来，我对此非常乐观，我们将会看到一波大规模的高价值公司建立在token、AI和智能之上，而我们正处于看到这些的极早期阶段。所以我们只需要处于支持那些创始人的位置。如果你看我们业务的健康状况，我们用“我们是否在早期看到并投出了最好的公司，然后持续跟进支持那些创始人”来衡量，一遍又一遍，情况看起来都很好。但我认为实验室的市场结构问题和token成本的变化，可能是未来五年风投行业价值创造的最大驱动因素。
我倾向于认为有足够多的聪明人在研究这个，最终一切会变好的。很可能是一个“并且”——实验室非常有价值，同时还有大规模生态系统，建立在智能之上的公司也极其有价值。最后，我认为一些最大的结果，可能最大的结果，往往来自消费侧。我们花了很多时间讨论B2B侧，消费侧的转变还非常早期。我最兴奋的事情之一是，过去大概十年，在AI之前，用户时间基本被大科技公司捕获，与它们竞争极其困难。所以我乐观地认为，随着所有这些技术变化和突破，我们会看到用户时间、消费者注意力的转移，我认为这很可能会创造非常非凡的结果。
David Clark：我投资风险投资基金已经34年了，这绝对是我参与过的最令人兴奋也最可怕的时期。变化的速度是真正的机会，但你也必须把事情做对。我对我们所看到的一切以及风投真正处于改变我们生活和工作方式中心的可能性感到非常兴奋。
David George：我也是。机会如此巨大。改变我们生活和工作方式——我强烈认为它会从社会层面让我们的生活和工作变得更好。所以我们的做事方式会有很大变化，而从中会创造出大量价值。
The New Power Law: A Decade of Outcomes in Two Years | a16z
https://www.youtube.com/watch?v=AiM9mZCmVPY
编译：Karl Ma
也许你还想看：
AI正在杀死“传统公司”？
精彩评论