没人真正知道会产生什么，「这是人类从未创造过的数字产物」。

撰文：龙玥，华尔街见闻

近日，在 a16z 最新播客节目中，普通合伙人 Martin Casado、Erik Torenberg 与董事会合伙人 Steven Sinofsky 展开了一场深度对话：AI 在数学领域的突破意味着什么？创新的底层逻辑是否正在被重写？初创公司与大厂的竞争格局又将如何演变？

三位讨论者认为，过去 75 年支撑整个计算机产业的基本假设，正在被 AI 逐条重新检验。其中最关键的一条——创新是工程问题，不是资金问题——已经失效。AI 正在改写创新的底层经济逻辑：从工程约束转向资本约束，20 人团队如今能有效部署 10 亿美元。这一判断直接影响对初创公司 vs 大厂竞争格局、风险投资逻辑乃至 AI 能力边界的判断。

从算盘到 AI：抽象层级的 75 年跃迁

Sinofsky 拿出一本 1953 年 IBM 的宣传册。

封面上，原子轨道环绕着人头，开篇第一句话是：「人类花了数百万年才认识到轮子的用处。」

那本册子里，IBM 用了整整一页解释什么是「数字计算机」——输入、存储、运算、控制、输出。

Sinofsky 说：「这就是 75 年来我们理解计算机的方式。」

从算盘到计算尺，从差分机到个人电脑，从图形计算器到云计算——每一次技术跃迁，本质上都是「抽象层级的上移」。低层级的问题被封装，人类在更高层级上解决新问题。

TI-85 图形计算器出现时，数学老师们集体恐慌：「我们的专业要完了。」Sinofsky 说：

但他们没有抱怨微积分的出现，因为微积分对他们来说已经是起点。人们对变化的反应，远比对基准线的反应激烈。

AI 解出数学难题，引发的恐慌，与当年图形计算器如出一辙。

AI 解数学：突破还是「游戏高手」？

近期，有人让 Claude 尝试求解黎曼猜想，在数学界引发广泛讨论。

对此，Casado 直接泼了一盆冷水。

把所有年份里研究这些问题的博士后工资加起来，总金额并不大。这意味着市场从来没有真正把解决这些问题当成优先级。所以我不确定，解出这些题，能证明 AI 打通了什么具有重大经济价值的关口。

他把 AI 的数学能力比作星际争霸冠军：「这是史上最强的星际争霸选手——很厉害，但我很难把它和现实经济价值直接挂钩。」

Sinofsky 则提供了另一个视角。他认为，数学领域的突破，或许是在「催生新的抽象工具」。

就像四色定理的证明——不是写出一个漂亮的数学推导，而是用计算机穷举了所有有限情形，用算力换来了答案。

一旦你有了新的抽象层级，所有人就不必再从零开始，可以直接在这个层级上构建工具。

最大的范式转移：从工程瓶颈到资本瓶颈

这场对话最核心的洞察，来自 Casado 的一个思想实验。

20 年前，你给一家 10 人初创公司 10 亿美元，他们根本用不掉。买买服务器，钱就没了。

10 年前，给 10 亿美元，你雇工程师，写代码，但神话人月是真实的——人多了反而慢。

现在，给 20 个人 10 亿美元，他们真的能有效地花出去。

他的结论是：

我们已经把这个行业从工程瓶颈问题，转变成了资本瓶颈问题。这是根本性的不同。我们以前从没有过这种状态。

Sinofsky 补充说，这并非第一次资本瓶颈——计算机行业最初的 30 到 40 年，恰恰也是资本制约的时代。「你想用计算机做点什么，第一步是先搞到一台。」

然后是工程瓶颈时代，现在，又回到了资本瓶颈。

初创公司为什么还没被巨头碾压？

按常识，微软、谷歌、Meta 坐拥资本、数据、分发渠道，理应碾压一切。

但现实是：Cursor、Anthropic、OpenAI 正在以「流星速度」增长。

Casado 给出了两个原因。

第一，AI 解决了分发问题。

过去，你不知道营销预算花在哪里有没有效果。现在，对算力和 GPU 的需求是无限的，你可以直接决定投入多少来驱动增长。

第二，初创公司现在能筹到足够多的钱，真正和巨头站在同一起跑线上。

而巨头们呢？Sinofsky 说得很直白：

微软更担心亚马逊和谷歌在做什么，根本不关心任何一家初创公司。初创公司不会直接冲着巨头打，巨头也不会注意到初创公司。

他还透露了一个细节：有大公司为了把算力优先供给企业客户，内部产品团队反而处于「AI 饥荒」状态，「而他们的竞争对手，没有一家是饥荒的」。

Sinofsky 以自己在微软的亲身经历为例。他当年拿着第一台 Surface 去见英特尔高层，对方一听里面装的是 ARM 芯片，态度立刻转冷。

他们觉得那是打印机用的芯片。他们只做摩尔定律，就像谷歌只做超大规模——如果 AI 转向端侧，那不是他们的事。

Sinofsky 总结说：

颠覆的本质，是大公司的文化常量。记分卡、销售体系、薪酬结构、历史包袱、客户承诺——这些都改不了。这是物理定律。

200 亿砸进去，没人知道会出来什么

对话的最后，三人触及了一个更深的未知。

Casado 坦言，他之前犯了一个错误：

我以为递归自我改进、快速起飞不会发生，这没错。但我没想到，我们可以无限往里砸钱，而且规模定律一直在成立。

你拿 200 亿美元，砸进一个模型。我们两个人看着它，随便测试——我不认为我们能理解那意味着什么。那么多算力，那么多数据，我不知道它能做到什么。

Sinofsky 表示认同，并把这类比为指数增长：「没有人能对指数建模。」

他还举了一个具体场景：蛋白质组合的穷举，过去是「无限问题」，现在可以变成「资本问题」。

我们可以把以前无限的问题，通过资本变成有限的。这是非常奇怪的事情。

Casado 说，这也是他现在不再试图预测 AI 能力上限的原因：

我已经决定，我无法预测一个用 200 亿美元创造出来的东西，它的能力边界在哪里。