Silicon Valley Girl播客在2026年2月24日再次迎来了LinkedIn联创、传奇投资人Reid Hoffman。这是他们的第二次对谈，上次那期视频已经收获71.9万次观看。这一次，Hoffman带来的信号更紧迫：大多数人认为自己在用AI，其实根本没认真用。
Hoffman如今的身份早已超出"LinkedIn创始人"这个标签。他是OpenAI的早期投资人，是Anthropic的间接股东，在2025年还联合创立了专注AI驱动药物研发的Manas AI，将AI的触角伸向了癌症治疗领域。今年2月，他在另一档播客中刚刚发布了"2026年AI五大预测"，其中包括一个让很多人不舒服的判断：任何想活下去的公司，都必须在2026年底前把所有会议录下来，并让AI智能体跑遍这些记录。采访就在这个背景下发生。
对话进行到很早的时候，Hoffman说出了一个数字，把主持人Marina问懵了。
我们只走到了5%
"现在是AI繁荣，还是说这只是未来的10%？"
"也许是5%。"
这个答案不是谦辞，是认真的评估。Hoffman的逻辑是：人们现在看到的编程能力、代码生成，只是一个入口，背后是通用推理能力的全面释放。他举的例子很具体——旅行规划。过去，你雇不起一个真正了解你品味的私人旅行顾问。现在，一个理解你对某类考古遗址痴迷的AI智能体以替你规划行程、研究细节、甚至协助预订。"这一切刚刚开始，但已经全部在视线范围内了。"
更大的变化在于工作本身的结构。在他看来，用不了多少年，"个人独立贡献者"这个概念会消失。每个人都将以一批AI为工具组合开展工作。他甚至预测，下次他们再做这个访谈的时候，Marina的平板电脑上可能就会有一个AI智能体在实时提示：这个问题可以再追问，那个细节值得展开。
会说话的人比会打字的人更有优势
"我说的'基础'，比你想象的要难。"Hoffman这样定位门槛。
他认为真正的基础用法，不是偶尔丢七个字进去看看结果。首先，切换到语音输入。人说话的速度远快于打字，信息密度更高，AI的响应质量会显著提升。其次，善用一个少有人知道的技巧：让AI帮你写提示词。他的做法是，先口述自己大致想了解什么——比如"聚变技术的发展前景、哪些公司在做有趣的事、实验室有没有新突破"——然后让AI把这段话整理成一个完整的研究型提示词，再把这个两页长的提示词跑一遍，得到真正有深度的答案。
这已经是"基础"了。
进阶一步的核心方法，是角色扮演提问。Hoffman对这套方法非常笃定。以聚变技术为例，你可以先得到一个整体答案，然后分别让AI扮演技术专家、风险投资人、政府政策官员、核安全监管者，各自给出他们视角下的判断。最后，还可以再问AI：我还遗漏了哪些值得听的角色？
他在写作中也用这套方法：让AI扮演"反对者"，针对他的观点逐一反驳。"这个角色很简单，就是让它做怼我的那个人。反过来，也可以让它找出我论点里被我自己忽视的支撑证据。"
还有一个往往被忽视的陷阱：AI的训练数据有截止日期，距今大约18个月。所以凡是涉及"现在哪些AI工具最好用"这类问题，直接问模型本身是没有意义的——它的世界观早就过期了。正确做法是给它明确的指令，让它先做网络研究，拉取最新信息，再给出回答。"你得把它当成一个研究任务来布置，而不是直接提问。"
拿300亿市值换来的那堂课
今年2月，Claude一段200行代码的发布，让B2B软件板块蒸发了约3000亿美元市值。Hoffman没有回避这个话题，但他的解读和市场反应截然不同。
传统SaaS的护城河，本质上是"功能堆积"带来的迁移成本。以Salesforce为例——客户A要一个功能，B要另一个，C再要三个，最终这个产品复杂到竞争对手光是复制它就要花十亿美元，遑论还要赢得市场信任。用了Salesforce的公司，不可能轻易切换到一个"也许"靠谱的新供应商。这套逻辑让SaaS行业长期享有高毛利。
AI把这个逻辑打穿了。一家公司现在可以直接说：我只需要其中两个功能，加上一个Salesforce根本没有的定制功能。与其付高额订阅费，不如用AI维护一套自己的系统，成本可能更低，还更贴合实际需求。
但Hoffman同时纠正了另一个流行误判——软件工程师要失业了？他的答案是：不会，因为他们会"无处不在"。超市、制造业、传统行业，都会开始雇佣懂得思考软件问题的人。工程师的角色会变：不再是坐下来一行一行写代码，而是像乐团指挥，同时调度二十个AI编程智能体，通过语音指令分配任务、交叉验证、整合结果。"从小提琴手变成指挥，这个转变正在发生。让人惊讶的是，商业世界对'指挥'的需求有多大。"
在2026年让收入翻倍的最简单路径
一个拿8万美元年薪、做普通工作的人，今年怎么用AI实现收入翻倍？
Hoffman给出的答案出乎意料地务实，没有讲AI副业，没有讲创业：让自己成为企业急需但找不到的那种人。
他的观察是，现在所有规模的公司都知道自己需要AI转型，但不知道从哪里找人。这个缺口极其真实。对于非技术背景的人，机会不在于成为AI研究员，而在于成为"让业务跑得更好的AI应用者"——懂得如何用AI优化供应链分析、财务建模、市场营销、销售流程。
具体路径是：把这些能力变得可被发现。在LinkedIn上展示你正在用AI做什么、怎么做、结果如何。"人们在找这类人，因为他们知道自己需要这种转型，而内部人员又很难从零跳到一个全新的范式。"
小公司为什么反而可能赢
"两年内被大模型替代"——这个焦虑在独立创业者中正在蔓延。
Hoffman对此的判断分两层。第一层：大量内容将被AI生成，这是现实。人们会消费很多"电梯音乐"式的AI内容，并不追究它是不是人做的。这股浪潮不可避免。
第二层，也是更重要的：大公司在这场变革中其实非常脆弱。它们长期运行在"工业效率模型"上——渠道固化、流程优化、规模扩张。就像迪士尼这样的庞然大物，调头需要时间和代价。小公司没有这个负担，能更快地重构业务，抓住平台转型期的窗口。
"采用AI的小公司，在这轮变革里对大公司有天然优势。不采用AI的小公司，日子会非常难过。"
对于被AI直接冲击所在领域的创业者——Hoffman直面了一个具体案例：主持人Marina的公司做TOEFL备考，而Gemini很可能很快就能直接提供TOEFL练习。他的建议是：停止把当前的产品形态当作终点，接受"整个业务必须以AI为底座重构"这个现实。然后找到AI无法独立提供的东西：群体体验。这些大模型目前的设计全是一对一的。你能不能把人聚在一起，用AI辅助，创造出群体学习或社群体验？这是一个AI短期内很难自己做成的事。
60%到70%的未来发明，将由人类加AI共同创造
Hoffman被问到了一个很大的问题：AI是不是最后一次人类主导的革命？
他给出了一个概率分布。未来50到100年里，60%到70%的重大发明，将来自"人类加AI"的协作——每个做发明的人，大概率在用AI辅助完成。他提到有些物理学家正在用AI解决物理问题，不是什么惊天大发现，但AI加速了人类的探索速度，这个趋势已经在发生。
再往上，约25%到30%的创新将主要由AI驱动，人类更多是验收和确认的角色——"我们花1000万美元算这个聚变约束问题，值不值？"这类判断。
还有5%，是没有AI辅助的人类纯粹的"尤里卡时刻"。"只有5%"——他说这话时主持人的语气里有点惊讶，但他坚持这个数字。
在2027年2月之前，做一件事
最后，Hoffman被问到：现在是2026年2月，一年后你希望听到这个节目的人做了什么不至于掉队？
他的答案不是"学会用某个工具"，也不是"搞定某个技能"。
"把思考AI能帮什么，变成一种反射。"
无论什么事——规划罗马假期、写一篇文章、分析马耳他的经济状况，甚至和母亲进行一次困难的对话——先停一秒，想一想：如果我要用AI来帮我做这件事，我会怎么做？然后你可以决定不用，没问题，因为时间和精力是有限的。但这个"先想一想"的习惯，是他认为最值得培养的事。
"我的判断是，今天没有任何一件事是AI帮不上忙的。帮上不等于给出答案，但它能帮。"
热门跟贴