Tim O'Reilly 在约翰霍普金斯大学发表演讲,回顾硅谷四十余年变迁
来源标题:What Happened to Silicon Valley?
Tim O'Reilly 于 2026 年 10 月 16 日在约翰霍普金斯大学发表第二届 Margaret Levi 政治经济学年度讲座,回顾其 40 余年职业生涯中硅谷政治经济的变迁。讲座结合 AI 与历史会议,内容取材于他多年来的多篇文章,实际演讲与书面稿差异较大。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
借助 O’Reilly 学习平台,你可以获得所需的资源和指导,让自己的技能始终保持敏锐、始终领先一步。免费试用最长 14 天。加入 O’Reilly 平台上的在线直播活动,向塑造科技行业的专家学习。
作者:Tim O’Reilly 2026 年 11 月 20 日 • 阅读时长 32 分钟
2026 年 10 月 16 日,我配合约翰斯·霍普金斯大学在巴尔的摩举办的“AI 与历史”会议,发表了第二届年度 Margaret Levi 政治经济学讲座。以下是我按原稿撰写的讲座内容,其中吸纳了我多年来所写许多文章中的材料。在实际演讲时,我大幅脱离了讲稿,这一点你可以从下方嵌入的视频或上面链接中的文字记录中看到。
以 Margaret Levi 的名字命名来做一场讲座,是我的荣幸。我被要求回顾我在硅谷内外四十多年职业生涯中,硅谷政治经济的变化,我想不出比 Margaret 的愿景更好的框架来组织我的发言。
Margaret 明白,我们合作能力的进步对更美好的未来至关重要。合作是人类的超级能力。她还追问:当我们长久以来构建的合作体系不再履行其应尽之责时,会发生什么?
这正是硅谷今天面临的问题。这个率先实现大规模集体智能突破的行业,曾因其解决了客户生活中的新问题而赢得他们的喜爱。如今它却常常引发恐惧和厌恶。事情怎么会错得如此离谱?
但让我从自己的经历讲起。四十多年前,我以 500 美元的初始投资创办了自己的公司。我们没有接受任何风险投资,建立起如今每年产生数亿美元盈利收入的业务,资金来源是喜爱我们产品并为此付费的客户。我们走的是慢路,靠稳健的有机增长。这与今天硅谷那种冲向看似最新一座山头的争先恐后截然相反。即便攀登那座山会把公司困在局部最优,人们也盼着在行业转向下一座山之前先拿到回报。
我最初的公司目标很简单:“为有趣的人做有趣的工作。”后来它演化为两条原则:“通过传播创新者的知识来改变世界”,以及“创造的价值要多于你获取的价值”。这些原则不仅塑造了我的公司,也塑造了我对互联网应有的样子的期待。1993 年我们推出 GNN(Global Network Navigator)时,它是第一个网络门户,也是万维网上第一个靠广告支持的网站,两年间人们都去那里寻找其他网站。我们打造的是一个指向他人所创造的最佳内容、然后不再挡路的机器。
甚至我们对广告的想法也不是你今天所理解的那样。它受直邮广告启发:你在印刷杂志上读文章或看随附的广告,然后拨打 800 电话,或者在“宾果卡”上圈出一个号码寄给出版方,以便广告主给你寄宣传册。我意识到,网络可以很好地取代那套笨拙的系统,每家公司都应当拥有自己的网站,提供更多关于其产品和服务的信息。我们发明的不是那种“抓住你注意力”的广告。它关乎实用性,关乎分享客户真正想要和需要的信息。简言之,那就是商业网络,如今没人再把它当作广告,尽管它是最持久、最有用的那一种。
商业网络只是网络所成为之物的一小部分。网络是业余爱好者的游乐场,而不是创业者的。它是人类想象力、创造力、分享精神的一场奇妙集体创作,最终(尽管那是在后来才变得有毒)也成为对注意力的竞争。我们手工精选的最佳网站目录,很快就被 Google 等提供的算法方案超越。产生的内容量远超纯人工策展所能应付的程度。这是 Richard Sutton 后来在分析 AI 训练时所称的“苦涩教训”的一个早期例子。
在我 2005 年的文章《什么是 Web 2.0?》中,我描述了挺过互联网泡沫破灭的公司如何都以某种方式弄明白了如何大规模帮助人们驾驭随之而来的信息爆炸。正如 Herbert Simon 在 1971 年指出的,信息充裕会导致注意力稀缺。面对日益增长的信息充裕,他预测我们会用机器来帮助我们更好地分配时间和注意力。事实也确实如此:信息变得如此充裕,以至于人工策展已无法应对。取而代之的是,强大的专有算法系统利用其收集的数据,将用户与其寻求的答案、新闻、娱乐、产品、应用和服务匹配起来。今天的 AI 在许多方面都是这一脉络的延续。
我把这称为“驾驭集体智能”。从经济角度看,这一切都是网络化、数据驱动的市场协调方面的一系列非凡进步。即便它归私人所有,感觉也像是一种公共品。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。