访谈/播客

Reid Hoffman 谈为何每个人如今都是「智能体的管理者」

Reid Hoffman on Why Everyone is Now a Manager of Agents

访谈/播客🎤 嘉宾：Reid Hoffman（里德·霍夫曼，LinkedIn 联合创始人、Greylock 合伙人、Manas AI 联合创始人）；主持人：一位 PayPal 老同事（自称同为 PayPal 校友）⏱ 29:31👁 NA

▶ 在 YouTube 观看

Reid Hoffman 在一场 SAIR 科学活动的炉边对话中，阐述 AI 如何把每个知识工作者变成「智能体管理者」，并分享其 AI 药物发现公司 Manas、对 AI 加速科学与公众情绪的看法。

核心要点

Hoffman 认为知识工作的范式正在转变：没有人应该再做纯粹的「个人贡献者」，而应成为「智能体的管理者」，用 agentic 工作流来放大自身能力。
概率式生成模型与确定性代码之间的「闭环」（生成代码、执行、由模型评估、再重构）是 AI 能力跨领域加速的核心，也反驳了 Sutton 等人对此循环价值的轻视。
他与 Siddhartha Mukherjee 共同创办的 Manas AI 用预测式 AI 寻找癌症药物靶点与分子，已产出若干 IND 候选物，但验证仍需 2 至 3 年，因为生物学最终必须「动手试」。
关于超级智能等说法，他区分了「确有可能」与「纯属炒作」：把人上传到冯·诺依曼探测器是 BS，但未来 1 至 5 年出现大范围新能力的概率难以归零。
他预测 2026、2027 年公众对 AI 的情绪会变差，因多数人偏好「确定地没有下行风险」，应对之道是主动转向好的未来，而非靠「放慢」来回避坏未来。
给科研创业者的核心建议：商业的适应度函数是「最简单且有高经济价值的事」，而非解决最难问题的金牌；不要把生意想得简单。

分章详解

最有用的问题：从概率系统到「加速闭环」

Hoffman 引用自己「AGI 是我们尚未发明的那种 AI」的说法，指出当下最有用的问题是：如何让概率式的规模学习系统获得「加速格式（acceleration formats）」。
他以编码能力在 2025 年 12 月随 Claude Code、Opus 4.6 以及 Codex（GPT-5.5）的爆发为例，说明这种加速适用于所有知识工作，包括科学。
关键机制：概率系统生成确定性代码，代码被执行、被学习型系统评估、再被重构，形成复合循环（compounding loops）。
他认为 Sutton 关于纯生成的观点有误导性——生成式系统与其自身产出（代码等）之间的循环正是能力加速的来源。
实例：他的播客 Possible 早期（去年 1 月）搭建了把节目翻译成 20 种语言的流程，用 GPT-5.5 Codex 重做后，用更简单的智能体集合、更接近「一次成型（one-shot）」地完成。

Manas 论题：把最好的 AI 与最好的科学结合做药物发现

他以 AlphaGo 的「Move 37」类比生物学中的新颖发现：围棋的走法比宇宙原子还多，而生物学更复杂——癌症不是一种病，而是上千种。
幻觉与好点子的区别在于「事后被证明是好的」——Move 37 当时被所有人视为败着，也可视为一种「幻觉」。
药物发现链条：识别靶点、找到能结合靶点且无毒副作用的分子、可制造、可测试、过动物/人体/临床试验，每一步都要用预测式 AI，但空间极其复杂。
数据稀疏问题：构建预测算法通常需要大量算力与数据，而生物数据虽多却非常稀疏，必须解决。
公司有世界级 AI 团队，但用的是「Sid 强化学习」——由 Sidharth（Siddhartha）Mukherjee 提供领域先验来聚焦巨大空间；原型阶段已发现若干 IND 候选物，并看到疑似「Move 37」级别的独特特征。
但他强调：即便能在 in silico 反复交叉验证，真正确认成果至少还需 2 至 3 年，因为生物学终究要「试一试」。

炒作与现实：超级智能、科学加速的边界

他承认有非常聪明的人预测 3 年内出现某种超级智能；他不愿一概斥为炒作。
他点名（不指名）认为「2 年内人人以 15 美分把自己上传到冯·诺依曼探测器去探索宇宙」是 BS。
他指出当下 AI 已具备某些超级智能特征：是一种「锯齿状」的能力边界，某些方面极强、某些方面又不行。
他提到 Terence Tao（陶哲轩，主持方的联合创始人）做出的数学成果——陶认为若不与生成式 AI 合作、不把它当工具，就无法做出那些特定发现。
他对「2 年内白领大屠杀」之类说法持保留，但认为未来 1 至 5 年出现大范围新能力的概率即使只有 0.1% 或 0.001% 也难以归零。
科学加速预计先出现在数学与理论物理（数据复杂度较低），再逐步扩展到化学、生物，呈「这里一点、那里一点」的不均匀推进。

从创始人到投资人，再回到运营

他回顾自己在 operator、founder、investor 之间反复切换的动机：就是「去解决问题」——从 SocialNet 到被招入 PayPal 做高管，再创办 LinkedIn，又领投 OpenAI。
创办 Manifold/Manas 的原因之一是反对硅谷的「软件盲点」：以为一切都能纯靠软件/模拟解决，或一键造出 3000 个药物研究员；他认为应直面「原子世界」。
现年 58 岁，他说不太可能再回到全职运营岗，但很可能再联合创办一两家公司——融合投资人与运营者的优势是帮忙拉起初始团队、投入强度，再转为董事会主席角色。
给科研创业者的建议：高 IQ 的研究者常误以为生意会简单、顺理成章，这会让很多项目踩雷；从学术转商业最大的领悟是——商业的目标是「最简单且高价值的事」，而非解最难问题的金牌。
创业路径意味着用有限资本证明自己以拿到下一轮——一旦点燃引信，做不成生意就会「炸掉」。

Superagency 与公众情绪：转向好未来

他的著作《Superagency》给出乐观论证，但他也预测 2026、2027 年公众对 AI 的情绪会变差。
原因之一：60% 至 70% 以上的人偏好「确定地没有下行风险」，因此对颠覆性技术本能说「不」。
他把这次转型类比为「认知工业革命」，并以好莱坞/内容产业被 AI 生成图像、影片颠覆为缩影。
负面情绪还源于对大科技公司的普遍反感，以及「这对我个人有什么正面用例」的疑问。
他给政府的建议：让每个人的手机上免费运行医疗助手、法律助手、教育助手，让人们获得切实可感的好处。
核心立场：你不是靠回避坏未来来创造好未来，而必须主动「导向」好未来；指望大家一起放慢在人类历史中并不现实。

人人都是智能体管理者，与对科学/资本的启示

核心论点：把信息与知识工作重新概念化——没有人应只做个人贡献者，而应成为「智能体的管理者」；面对任何严肃问题都要问「如何部署 agentic 工作框架来加速」。
智能体优势：7×24 不间断、不会无聊、可重复劳动、可做暴力式探索，适用于几乎任何有趣问题，包括很多科学问题。
并非「躺沙发上让 AI 替你解决核聚变约束」——但即便做聚变研究，也可写下工作假设，让 AI 产出详尽报告、列出正反与并行证据并按你认可的优先级排序，这本身就是科学的加速。
对耐心资本（patient capital）的建议：科学比软件慢，他的通用做法是尽量把问题简化到软件能加速的部分（「有了魔杖就尽量多用」）。
融资原则：思考一次融资时同时考虑后两轮，预设「若看不到 X 就关停/出售/重大转向」的判据；对后续资本难筹的项目预留资金以在数据成立时催化下一轮；推崇 seed/A/B 随证据递增承诺的机制。
对支持型机构的期望：促成大学到公司的「技术转移」匹配（科学家通常不适合管这类组织，需配对合适的创业人才），以及通过此类聚会促进信号与关系的网络化分享。

关键引述

“根本上说，没有人应该真的去做个人贡献者，他们应该成为智能体的管理者。（fundamentally no one should really be an individual contributor, they should be a manager of agents.）”— Reid Hoffman

“幻觉与好点子的区别，就在于事后被证明是好的——尽管它一开始看起来既新颖又糟糕；你可以说 Move 37 当时也是一种幻觉。”— Reid Hoffman

“你不是靠回避坏未来来创造好未来；你必须主动导向好的未来。（You don't make good futures by avoiding bad futures. You have to steer towards good futures.）”— Reid Hoffman

“商业的适应度函数挑战，是去做最简单却有价值的事，而不是去拿解决最难问题的金牌。”— Reid Hoffman

“最奇怪、最反直觉的一点是：你从生成模型拿到一个结果，对它说『做得更好』，它真的就更好了——这完全不像人类。”— Reid Hoffman

术语 / 人物

Reid Hoffman（里德·霍夫曼） — LinkedIn 联合创始人、风投机构 Greylock 合伙人、OpenAI 早期投资人、Inflection AI 联合创始人，著有《Superagency》。

Manas AI（视频中口语作 Manifold/Manas） — Hoffman 与 Siddhartha Mukherjee 于 2025 年初创办的 AI 驱动癌症药物发现公司，Mukherjee 任 CEO、Hoffman 任董事长；初期聚焦乳腺癌、前列腺癌、淋巴瘤。

Siddhartha Mukherjee（西达多·穆克吉） — 哥伦比亚大学癌症研究者、医生，普利策奖著作《众病之王：癌症传》作者，Manas AI 联合创始人兼 CEO（视频中被称作 Sid）。

智能体管理者（Manager of Agents） — Hoffman 提出的工作范式：用 agentic 工作流编排多个 AI 智能体来放大个人能力，而非自己当个人贡献者。

Move 37 — AlphaGo 对战李世石时下出的著名一手，当时被视为败着，后被证明是天才之举；Hoffman 以此类比药物发现中「看似幻觉实为突破」的新颖结果。

IND 候选物 — Investigational New Drug（研究中新药）申报候选分子，是药物进入临床试验前的关键里程碑。

Superagency — Hoffman 2025 年出版的著作，主张 AI 可扩展每个人的能力（超级能动性），给出对 AI 的乐观论证。

概率系统与确定性代码闭环 — 概率式模型生成确定性代码，代码可执行、被模型评估并重构，形成复合循环，是 AI 能力跨领域加速的核心机制。

背景补充

Reid Hoffman 是 LinkedIn 联合创始人、Greylock 合伙人、OpenAI 早期投资人与 Inflection AI 联合创始人，曾任微软董事，著有 2025 年探讨 AI 赋能人类的著作《Superagency》。他与普利策奖作家、癌症研究者 Siddhartha Mukherjee 于 2025 年初共同创办全栈式 AI 药物发现公司 Manas AI（Manas 为梵语「心智」之意），首轮约 2460 万美元种子融资，初期聚焦乳腺癌、前列腺癌与淋巴瘤，并推进探索药物分子与生物靶点结合规律的 Project Cosmos。2026 年 6 月他宣布离开微软董事会，进入 Manas 的「创始人模式」。本视频是其在 SAIR（陶哲轩等联合创立的科学与 AI 研究基金会）一场科学活动上的炉边对话。

适合谁看

适合关注 AI 智能体工作流、AI 加速科学（尤其 AI 制药/生物）的研究者与创业者，以及希望理解 AI 对知识工作、就业与公众情绪长期影响的科技从业者与投资人。