模型发布节奏越来越快、参数越来越大、推理能力越来越强，但你有没有发现一个反直觉的现象：真正被广泛使用、愿意付费的 AI 产品，往往不是媒体报道最多的那些。

2025 年 10 月 21 日，OpenAI 投资人、LinkedIn 联合创始人 Reid Hoffman 给出了一个不同寻常的解释：

杀手级的 AI 产品不是最强的，而是能让人更懒、更富。

他说，几乎所有人都盯着“模型能力”的天花板，却忽视了真正让 AI 产品爆发的关键：能不能让用户干得更少、赚得更多。

循着这个逻辑，Hoffman 在访谈中重点谈到了三个正在被低估的方向：

① 医疗与药物发现 —— 不是模拟药效，而是创造药物

② 教育与知识工具 —— 不是搜索答案，而是重构学习

③ 劳动力增强 —— 不是替代工作，而是让人“更懒更富”

它们不是最酷炫的 demo，也不是最大的模型，但都在悄悄扩张。它们的共同特点是：不追求技术极限，而是追求商业闭环；不在硅谷的聚光灯下，却在真实场景里快速渗透。

接下来，让我们看看 Hoffman 为什么在这三个方向上下注。

第一节｜AI + 医疗，不是助手，是重建药厂

Reid Hoffman 做过无数投资，但他亲自下场联合创办的 AI 公司，只有极少数。而其中最重要的一家，是专注药物发现的 Mati AI。

他怎么说的？

“我们不是做传统医疗 AI，也不是做诊断辅助工具。我们在建一座工厂，一个以 AI 为主力的药物制造工厂。”

这个定位很不寻常。

在硅谷，几乎所有医疗方向的 AI 产品都在围绕“提升医生效率”展开，比如自动摘要、病历识别、问诊助手。但 Hoffman 并不关心这些。他的问题是：

能不能直接用 AI 设计分子？

✅ 不是帮医生开药，而是直接造药

传统药物发现过程有三大难点：

设计分子靠灵感；

实验周期太长；

很多冷门病种没人愿意投。

而 AI 能做的是，从亿级的化合物组合中，用语言模型的方式生成有潜力的结构，然后用预训练模型预测它是否会有效。过去需要几个月的筛选周期，现在几小时就能完成。

Hoffman 的核心洞察是：如果你把分子结构当作一种语言，AI 就可以像写作文一样生成、改写和评估分子。

他举例说：传统治疗癌症的做法，是用毒药杀死癌细胞，但同时也在杀你。我们希望用 AI 直接找出只杀癌细胞、不杀人的分子。

这不是宣传标语。

他自己找来合作的联合创始人，是美国最顶尖的肿瘤医生之一、《万疾之王:癌症传奇》(The emperor of all maladies: A biography of cancer)的作者 Siddhartha Mukherjee，两人创办 Mati 的明确目标就是：让那些原本因为利润太低没人愿意研发的病，也能有药。

✅ 机会不在医院，在药厂

在 Mati 的核心架构中，承担的不是辅助角色，而是药物设计的核心工作：

把抗癌药的靶点、结合位置、毒副反应，转化为 AI 能分析的内容；

让 AI 从海量组合中找出最可能有效的分子结构；

用预测模型快速验证，大幅缩短从设计到筛选的周期。

所以 Hoffman 判断：AI 改变医疗行业的方式，不是提升医生工作效率，而是从根本上重建药物开发的方式。

第二节｜AI + 教育，不是学得快，是重新定义“学习”

Reid Hoffman 提出过一个看似简单的问题：假如每个专业都有一个专属 AI 助手，会发生什么？

早在 ChatGPT 之前，他就在斯坦福的长期规划会上公开建议："应该为每一个学科，构建定制的 AI 工具。

为什么？

因为传统教育系统的核心是让人记住知识，但 AI 出现后，“知识”不再稀缺了。你需要的，不是再教一遍是什么，而是有人帮你用对知识、用好工具。

他说：

“医生这个职业不会消失，但它的本质会变。不会再是‘我上过10年医学院，所以我懂’，而是‘我知道该怎么用 AI，查出对的结果’。”

医生、律师、程序员、会计这些过去依靠记忆和经验积累的职业，都在变成一种新的角色：AI 的专家用户。

✅ 不问 AI 意见，是不明智的

Hoffman 说他和朋友去参加一场关于“AI会不会替代医生”的辩论，反方举了很多传统论据，比如“人类有温度”“诊断要交叉验证”之类。

但他指出，这些观点忽略了一点：今天的 AI，不一定总是对，但它掌握的知识量早就超过任何一个人类了。

他的观点很直接：

“如果你得了严重的病，却不去咨询 ChatGPT 或其他 AI 作为辅助判断，那是非常不明智的”

不是说要盲信 AI，而是你应该养成一种新的思维习惯：

医生说了一个结论？你拿去问问 AI；

两个 AI 给出不同建议？你就去找人类专家交叉对比。

他说，未来专业人员要学会的是：当你相信的东西和 AI 给的不一样时，你需要非常强的理由去坚持你的判断。不再是第一判断者，而是交叉验证者和质疑者。

这不是让人被边缘化，而是让人站到新的位置上。你不再需要死背知识，而是要掌握如何用 AI 帮你找到、筛选、对比、理解知识。

✅ 会用 AI 的人，比 AI 本身更稀缺

在传统教育里，学历和证书是选人的标配。Hoffman 讲了一个他非常喜欢的观点：

科学的本质，是相信专家的无知。

很多人会说：我有医学博士，我有法学博士，我当然专业。但 AI 出现之后，“懂得多”不再是最重要的技能。

他说，编程行业比其他职业更早适应 AI 的原因，是这里从来就不认学位，只认代码能不能解决问题。

这就带来一个核心变化：未来重要的不是你知道什么，而是你会不会用 AI 去帮你找到你不知道的。

Hoffman 认为，未来医生的核心竞争力，不再只是读过医学院，而是会用 AI 工具做更精准的分析。

所以他推崇的方向不是让 AI 替代老师，而是让老师成为 AI 的训练师。同时，每个学习者也要完成角色转变：从被动接受信息，到主动导航和筛选知识。

这不是让教育变简单，而是让“会学习”的定义变了。

第三节｜AI + 工作，不是取代谁，而是让人更懒更富

Reid Hoffman 在整场访谈中，反复强调一句话：

AI 最有杀伤力的产品，不是最聪明的，而是让人更懒、更富。

这就是他判断 AI 产品能否成功的核心标准。

我们都习惯把“懒”当作贬义词，但在商业世界里，“懒”有时候代表效率。能用更少的力气干成更多事情，才是真正聪明的方式。

在他看来：现在大多数好用的 AI 工具，卖得好的不是因为它能做多少，而是因为它能帮你省多少事。

比如：

一位医生可以同时处理 3 倍的病例； 一个律师能同时起草好几份文书； 一个创业者用 AI 辅助写 BP、分析竞品、做用户调研，一小时干完原来两天的活。

这些都不是颠覆行业，也不是换掉谁，而是把人放在一个新的位置：我还做决策，但我不再干重复活。

Hoffman 说得：

“真正能爆发的 AI，不是让你失业，而是让你省劲。”

✅ 越是用得起 AI 的岗位，越容易先受益

Hoffman 把这个趋势总结为一句话：软件吞噬世界，AI 重构劳动

什么意思？他解释说，AI 在许多行业的最初切入口，并不是去取代全部流程，而是先吞掉那些“非创造性的劳动”部分。

医生的初诊流程、表单填写； 律师的合同结构整理； 市场分析人员的竞品研究文档编写； 咨询顾问的调研报告、行业模型搭建……

你今天还在手动做这些事？那你真的不够懒。

在他看来，未来的趋势不是会不会被 AI 替代，而是：你有没有尽可能地用 AI 来节省时间、扩大产出。

这也是他看好这个赛道的原因：

从公司角度看，能用 AI 让一个员工顶三个人，是直接的提效；

从个人角度看，会用 AI 的人，升职更快、项目更多、时间更富裕。

Hoffman 总结得很清楚：

“一切要求人像机器人一样工作的岗位，迟早会让位给真正的机器人。但凡需要人脑和主观判断的工作，都会变成人+AI的协作模式，而不是AI替代人”

✅ 真正在用 AI 的，是小团队

Hoffman 发现了一个有趣的现象：小企业、律师事务所、个体医生那里看到的 AI 使用，比在大公司里还多。

他认为，大企业有太多流程、审批、内部阻力，不敢轻易让 AI 介入核心业务。但个体创业者、自由职业者、小团队反而行动最快、最果断。

比如他提到的一个例子：一位原告律师接入 AI 工具后，签约率翻倍，案件准备效率提高几倍。这不是因为 AI 多懂法律，而是因为他更快搞定了案子，省下了以前花在整理、打印、复核上的时间。

这就是“懒而富”模型的核心：

把 AI 做成一个工作副手；

自己做最重要的判断；

其余一切交给 AI 去提速。

这类产品，是 Hoffman 最看好的 AI 应用方向。

他说：

“别想做那种每个人都会因此失业的产品。没人愿意买。最好的产品，是让你工作更少、赚更多钱。”

这才是 Hoffman 眼中，AI 最真实的商业逻辑。

第四节｜为什么是现在？

很多人今天不再怀疑 AI 的潜力，而是开始怀疑一个更现实的问题：是不是都晚了？是不是每个方向都有人做了？

但 Reid Hoffman 的回答是：你看到的热闹方向，大概率不是机会本身。

他说：

“大家都盯着模型规模、参数数量、谁训练得最贵，却忽视了一个关键问题。AI 真正好用的地方，往往在没人看见的角落。”

他把这种看漏的地方称为：硅谷的盲点。

✅ 机会在“原子”，不在“比特”

什么叫“比特”？在 Hoffman 的话里，比特代表软件世界，比如：

聊天机器人； AI 写稿； 文本总结、表格分析……

这些都属于“语言”层面的任务，门槛低、技术成熟、创业者多。

而“原子”代表真实世界，比如：

Hoffman 说，大多数人只想在“比特世界”里卷功能、卷性能、卷提示词。但真正长期有价值的方向，是如何让 AI 进入原子世界。比如药物制造、生物设计、物理过程预测。

生物，就是“比特化的原子”。而这，恰恰是被低估的起点。

为什么机会还在？因为难度大、反馈慢、监管多、没人讲得清楚。但正因为这样，一旦有人找到突破口，就可能建立起下一个十亿美元级别的公司。

✅ 找对问题，比做强模型更关键

Hoffman 强调：

人们总是根据 AI 现在的表现来下结论。这是最大的误解。

他举了个例子：你两个月前试过 ChatGPT，觉得没用，就放弃了？这就像你看到两岁半的老虎·伍兹打高尔夫，觉得你打得比他远，就断定他不会成事。但如果他一直练下去呢？

他说：你现在用到的 AI，是你这辈子用过的最差的 AI。

真正该问的不是AI 有多强，而是：

这个方向，AI 能帮你省多少事、挣多少钱？ 这个领域，竞争对手多不多？门槛够不够高？ 这个问题，用户真的着急解决吗？

不是 AI 没用，是你没找对问题。

✅ 为什么是现在 ?

Hoffman 认为，今天是切入 AI 创业的好时机，原因不在于技术突破，而在于关键要素都到位了。

① 模型能力跨越临界点

不只是对话，而是开始有真正的推理能力;可以自动分析、生成结构化内容、进行深度研究

② 使用门槛大幅降低

API 成熟，开源模型丰富，调用成本下降;不是程序员也能训练模型、接入插件、快速试验

③ 商业闭环开始形成

企业、专业人士、自由职业者开始主动为 AI 付费;AI 已经从"新奇工具"变成"生产力工具"

这三个信号同时出现，意味着：早期还在热身的赛道，正进入加速阶段。

而那些看上去还没人讲的方向，不是没人想过，而是门槛高、难讲清、不确定。正因如此，这才是真正的机会。

真正值得做的，不是最热的 AI，而是最有用的 AI。

他说，不是每个赛道都值得卷，但医疗、教育、职业增强这三类方向，之所以值得关注，是因为它们不像搜索、对话那样容易 Demo，但一旦做成，用户留存率极高，变现路径极稳。

这就是为什么他把投资的重心，押在这几个方向上。

因为他不是看项目火不火，而是看是不是能长期产生真实价值。

结语｜不需要追最强 AI，只要找到最有用的那一个

Reid Hoffman 给出的答案很简单：

AI 不是用来替代谁，而是帮助一部分人更快地超越另外一部分人。

他点名的那些被低估的方向，都有一个共同特征：

“不靠技术领先取胜，而是真正理解用户想省掉什么步骤、解决什么困难、节省多少时间。”

就像早期计算机让普通人能算账，网页让普通人能写内容，大语言模型让普通人能理解复杂世界。AI 的下一步，就是让普通人也能操作专家级的系统。

所以，真正值得做的，不是最强的 AI，而是满足三个条件的 AI：

你明天还会用、愿意花钱买、能帮你节省一半时间。

如果你今天还没找到这样一款工具，那可能不是 AI 不够强，而是你还没有真正开始找。

那些最不起眼的地方，往往藏着最大的机会。

📮原文链接：

https://www.youtube.com/watch?v=brjL6iyoEhI&t=608s

https://www.businessinsider.com/reid-hoffman-silicon-valley-blind-spot-ai-software-biology-2025-10

本文来自微信公众号“AI 深度研究员”，作者：AI深度研究员，36氪经授权发布。