摘要

Dwarkesh 的核心重构是：AGI 的优势不在于原始智商，而在于数字员工可以在保留隐性知识的情况下被复制。 “人类历史上第一次，可以直接把资本变成算力，再把算力变成劳动”，将数万亿美元转化为数十亿数字员工。
CEO 职能将成为算力消耗大户：苹果会不会每年花1000亿美元为“Mega Steve”做推理？ “当然”——这相当于购买数百万个主观小时，用于战略规划和五年期蒙特卡洛模拟。“Mega Steve 的一个战略洞见，可能就值数十亿美元。”
人才稀缺将让位于算力约束。 想要大概率达到 Steve Wozniak 水平的工程人才？没问题。只要有了1个，额外复制的成本就是几美分。限制因素不再是寻找或训练稀缺人才——“只是算力。”
最深刻的差异在于可进化性——一段可能是在引用 Gwern Branwen 的话中提到，公司无法克隆自己，因为它们“由人组成，而不是由可互换、易复制的小部件组成”；自动化公司与人类公司之间的差距，将类似于真核生物与原核生物之间的跃迁。
对“一家公司经济”的对冲是：内部规划仍然需要市场提供“更慢但不带偏见的外部反馈”。 尽管“随着 AI 系统进步，这种平衡可能会发生变化”。

精读

Dwarkesh 开场的观点是：把 AGI 想象成个人助理，“低估了它真正的集体优势”，而这种优势就是数字可复制性——员工可以在保留技能、判断力和隐性知识的情况下被复制数百万次，资金则通过将数万亿美元转化为“维持数十亿数字员工所需的电力、芯片和数据中心”来供给。

现实中的 Steve Jobs 必然只能通过经过筛选的报告、仪表盘、重要会议和战略摘要来了解世界；“Mega Steve”可能从数百万个经过提炼的复制体所看到的一切中学习，“就像 Tesla 的全自动驾驶 AI 模型可以从数百万名司机的驾驶记录中学习。”
算力账本是这样的：每年1000亿美元的推理预算，可以买来五年期蒙特卡洛模拟，以及这样的思考时刻：“如果我们收购 eBay、挑战 Amazon，FTC 会如何回应？……我还剩5分钟数据中心时间。让我评估 1,000种替代策略。”

人类知识无法复制粘贴——每名员工都需要数十年训练。AI 模型通过“直接借助潜在表征”进行沟通，Mega Steve 不断生成并重新吸收专业化复制体；从外部看，AI 公司将像一个统一智能体，能够以完整的保真度和上下文即时传播思想——这种社会组织方式的变化，其幅度堪比从狩猎采集部落走向股份制公司。
根据数千年数据得出的结论，“人口规模是关键输入”，决定社会产生新想法的速度。人口数量远超当今最大公司的 AI 公司，拥有多出几个数量级的机会来创造创新和改进。

一段可能来自 Gwern Branwen 的问题被完整引用：为什么卓越的公司不克隆自己，然后占领每一个细分市场？问题似乎在于，公司无法复制自身——它们甚至可能无法在时间维度上复制自身，最终走向“硬化与衰老”。
Dwarkesh 用生物学规模作类比：人类公司与自动化公司之间的鸿沟，将相当于从原核生物 → 真核生物的复杂性跃迁。

Dwarkesh 对全面大一统的对冲是：短期内，内部规划可能比市场竞争更高效，但它需要更慢、无偏的外部反馈；一家企业如果扩张得过大，“就有可能让内部目标偏离市场现实”；它的规划必须与真实的成功或失败挂钩，“而这正是市场所提供的东西。”
但他没有把可能性彻底排除：“随着 AI 系统进步，这种平衡可能会发生变化”——AI 公司将像软件一样，成功的业务单元可以完美复制，反馈循环也会更快。