摘要

Ben Thompson 对消费级AI的核心判断是：视频而非文字，将获取最大的受众和市场。 文字之所以先出现，是因为最容易生产，但媒介一再从文字走向图片，再走向视频，而注意力最终集中于视频。Thompson认为，社交网络是纯娱乐实现规模化的一条路径，并提醒不要想当然地认为用户会拒绝AI视频——短视频当年同样违背了精英阶层的预期。
Google可能拥有最强的消费级AI位置，因为它同时具备领先的视频模型、YouTube分发、广告业务，以及YouTube视频数据的所有权。 Thompson称，OpenAI的Sora被Veo 2“打得很难看”，而Veo 3“非常惊艳”，如今也已经产品化：“视频没有竞争力，Google领先太多了。”他设想，Google拥有YouTube，使其在利用这些数据时具有效率和能力优势。YouTube已经开始上线这些能力，但部分已宣布功能尚未真正可用。
Gemini的Nano Banana图片编辑器，为消费级AI走出聊天框提供了早期证据。 据报道，Google的2.5 Flash Image在4天内为Gemini带来1300万新用户，用户在不到1个月内上传了50亿张图片；不同于典型的App Store短暂冲榜，Gemini连续数周保持第一。Thompson认为，图片创作只是中点，因为“终局是视频”。
YouTube最具影响力的AI功能，可能不是生成式炫技，而是自动商品标记。 它的AI可以识别创作者何时谈到Samsung手机，将这一时刻与给定链接匹配，再自动插入链接——这是一个起初“极其基础、却意义深远”的步骤，最终将实现对视频中商品的全程识别，并让每一个像素都具备变现能力。
YouTube进军电商，既为创作者和品牌带来上行空间，也制造了新的利益张力，同时让Amazon面临一个问题。 规模较小的创作者可以获得原本无法独自争取的品牌变现机会，而头部创作者可能眼看着YouTube从既有合作中抽成，前提是品牌将合作导入平台。节目最后提出但未回答：YouTube不断扩大的联盟营销入口和AI商品推荐，是否会威胁Amazon。
Thompson明确推翻了自己此前“Meta会比Google更好地推出AI产品”的判断。 Meta的AI“完全是一团乱麻”，而且“多少有些失控”；Google则已经开始把模型接入真实的消费级入口和广告业务。他更新后的简写是：沿用此前关于Meta拥有海量AI机会的论点，但把“Meta”替换成“Google”。
Apple在iPhone 17上的执行，支持的是围绕既有优势的有限复苏论，而不是一个已经解决的AI故事。 Andrew Sharp称，续航约为一天半，而他的15 Pro只有12小时；相机明显更好，方形传感器自拍技术实用，Liquid Glass也出乎意料地优雅。Thompson的框架是，Apple“退回”操作系统、界面和硬件，而其AI问题仍然“完全悬而未决”，一切“有待观察”。

精读

1. Apple的硬件重置重建信心，但没有回答AI问题

Sharp对iPhone 17 Pro的初步评价异常积极：从15 Pro升级后，他现在大约每一天半充一次电，而此前每12小时就要充电。相机“有明显提升”，即使抱着7个月大的女儿，新自拍技术也依然好用。Liquid Glass并没有像预期那样失败，反而“用起来相当优雅、舒服”。
Thompson解释称，自拍体验的改善来自方形传感器：它将拍摄方向与手机的握持方式解耦。用户可以保持竖握，在人像和横向取景之间切换，同时保留设备能够提供的最高画质——这修正了前置摄像头在塑造当今竖屏视频文化中的人体工学缺陷。
Thompson对Apple更大的判断是：在AI问题仍未解决的情况下，公司选择回到自己最擅长的领域——“我们要做自己最擅长的事”。手机、操作系统和界面设计依然强劲，说明Apple“仍然擅长我们正在做的事”，但AI问题“仍然完全悬而未决，一切都有待观察”。

2. 大众媒介持续从文字走向视频

Thompson从行业品味与大众行为之间的错位讲起。科技和媒体圈人士喜欢Twitter，因为它信息密度高、可定制，而且能激发思考；他至今仍会看到改变自己思路的推文。但“按数据来看，我才是那个例外”，大多数人并不愿意在信息上投入这么多精力。
他最有力的个人证据甚至有些夸张：小时候他每周读大约10本书，惩罚方式可以是剥夺阅读资格；而如今看Succession“感觉像在工作”。Twitter对他而言是娱乐，但这种偏好不能被误认为就是市场。
Facebook与Twitter的对比早已发出警告。Thompson曾看到台湾的英语教师同行们沉迷Facebook，而他认为Twitter显然更优；随后Facebook从文字走向图片和视频，TikTok则进一步把视频推向无处不在，而且严格说来根本不是社交网络。
Thompson给自己2015年的判断打了“70分”，但保留其核心观点：社交网络是实现规模化的路径，而不是最终产品。一旦形成规模，服务就可以转向纯娱乐——正如Sharp总结的那样，“娱乐才是终局”。每当精英阶层试图把自己的信息消费习惯投射到消费者需求上时，这都是一个有用的修正。

3. 消费级AI正在重演从文字到图片再到视频的路径

Thompson明确将论点收窄到消费级AI：什么能够广泛引发共鸣，并最终赚钱。报纸、杂志、电视和用户生成媒体都从文字起步，加入图片，最终将更多注意力交给视频；文字之所以先出现，是因为印刷和带宽让它最容易实现。
ChatGPT或许“永远都会是首选的文字信息源”，但Thompson将其Studio Ghibli图片风潮视为消费者需要的不只是对话的证据。随后Google的Nano Banana又给出了强有力的演示：据报道，Gemini在4天内新增1300万用户，用户在不到1个月内上传了50亿张图片。
持续性与峰值同样重要。很多App会在App Store登顶一两天后迅速消失，但Gemini连续数周保持第一，期间不断有新的图片梗传播。Thompson称Nano Banana“不可思议”，认为它具备真正的留存力，但坚持认为图片意味着“我们才走到一半，因为终局是视频”。

4. Google的视频领先，关键在于YouTube终于开始交付

Thompson不认同那种断言用户会讨厌AI生成视频的自信判断：10年前，很少有人会预料到，用户花在30秒TikTok视频上的时间会超过专业制作内容。“不要对人类偏好妄下定论”；历史已经证明，人们喜欢视频，尽管AI视频最终会得到怎样的接受仍不确定。
他的竞争判断则谨慎得多。图片生成仍是Google、OpenAI和Midjourney之间的竞争，但“视频没有竞争力”：OpenAI试图用Sora抢占注意力，Google用Veo 2“让他们难堪”，而Veo 3“非常惊艳”，也越来越产品化。
Thompson承认，Google这条投资逻辑他跟进得晚了，毕竟股价在过去几个月已经上涨。Google其实一直拥有这些要素——DeepMind的能力10年前就已清晰可见——但其对OpenAI的混乱巴黎回应和Bard早期发布，让执行能力成为关键问题。YouTube的公告之所以重要，是因为“他们真的交付了”。
部分已宣布的工具尚未上线，Thompson保留了这一限定：一两个月后再回来检查，如果这些功能始终没有出现，就应该追究Google的责任。计划中的功能包括在YouTube内生成Veo 3视频、自动剪辑并为上传片段配旁白，以及将文字转成歌曲——后者甚至可以把一段政治长篇大论变成病毒式传播的歌曲。

5. 自动商品链接指向每个视频像素的变现

这个“极其基础、却意义深远”的功能，就是自动标记。过去，创作者需要逐帧查看上传视频，找到相关时刻，插入链接，再调整链接何时结束；现在，YouTube可以识别第20分钟左右关于Samsung的讨论，将其与提供的Samsung链接匹配，并自动放置链接。
Thompson认为，这项便利可以直接延伸到他此前关于Meta的判断：“Instagram未来的每一个像素都将具备变现能力。”AI可以识别视频中的商品并附加链接，最终还可能支持比单纯检查创作者是否念出赞助商文案更复杂的归因机制或竞价流程。
这套经济逻辑有利也有弊。中小创作者可以获得他们今天无法独自争取的品牌机会，但YouTube也看到头部创作者“从YouTube赚到的钱比在YouTube上赚到的更多”，因此希望分走一部分收入；品牌可能迫使这些创作者将原本的直接合作转移到平台上。
Thompson承认，自己关于Meta的关键假设错了：他曾因为Meta由创始人主导，就在产品交付上给予其更多信任，但如今Meta的AI“完全是一团乱麻”，而且“多少有些失控”。Google拥有模型、YouTube入口、广告机器，以及Thompson认为的一个额外优势：它拥有这个平台，因此更擅长利用YouTube的视频数据。用他的话说，AI将成为“广告史上最丰厚的礼物之一”。
节目最后回应了一位听众的问题：YouTube不断扩大的联盟营销入口和AI商品推荐，是否会威胁Amazon；但节目没有给出答案。

即时反应：全新的 Meta AI App 已上线，而且酷得惊人｜Ben Thompson 主持《Sharp Tech》NVIDIA：OpenAI、算力的未来与美国梦｜BG2 与 Bill Gurley、Brad Gerstner 对谈