Runway CEO Siqi Chen：AI真實滲透率仍被低估
硅谷創業者、財務軟件公司Runway聯合創始人兼CEO斯奇·陳（Siqi Chen）公開發文稱，人工智能目前仍處於"極早期、被低估、被低炒作"的階段，理由是重度使用AI智能體（agent）的科技從業者和普通用戶之間存在巨大鴻溝——前者已經把多個MCP（模型上下文協議）工具連接進智能體、持續更新個人知識庫（"gbrain"），而後者大多還停留在把ChatGPT給出的答案手動複製粘貼進Word Copilot這類基礎操作上。
陳提到的"gbrain"，指的是Y Combinator總裁加里·譚（Garry Tan）今年4月5日以MIT許可證開源的個人AI智能體記憶系統，它把用戶的知識以純文本Markdown文件組織成可自我關聯的知識圖譜，供AI智能體讀寫和推理；據公開資料顯示，譚本人的"大腦"庫中保存有數萬篇Markdown筆記、數千個"人物"頁面和數百個"公司"頁面，該項目上線24小時內即獲得約5000個GitHub星標，目前已增長至約1.4萬個。
陳提到的另一個關鍵詞MCP（Model Context Protocol，模型上下文協議），由AI公司Anthropic於2024年11月推出，旨在解決AI模型與外部工具、數據源之間"每換一個工具就要單獨開發一套對接代碼"的重複勞動問題；此後OpenAI已於2025年3月正式採用該協議並接入ChatGPT桌面客戶端，谷歌DeepMind也於2025年4月跟進支持，2025年12月，該協議進一步被捐贈給Linux基金會旗下的Agentic AI Foundation進行統一維護。
與"重度用戶"形成對比的，是OpenAI自身披露的ChatGPT真實使用數據：該公司統計其約7億周活躍用戶的對話內容後發現，約49%的對話屬於"問答諮詢"，40%屬於"幫忙完成任務"（如起草文案、編程、規劃），僅11%屬於"個人表達和探索"；其中約四分之三的對話內容集中在實用性建議、信息查詢和寫作這幾類基礎場景，編程和自主智能體式的複雜任務在整體使用中仍屬於小衆。
陳本人的創業和投資履歷，也是其判斷AI處於早期階段的重要背景：他本科畢業於加州大學聖地亞哥分校數學與計算機科學專業，早年曾在Zynga擔任總經理，之後創辦酒店預訂等多家初創企業，2020年5月聯合創立財務規劃軟件公司Runway，出任聯合創始人、CEO兼CFO，該公司2023年7月完成2750萬美元A輪融資；陳本人同時也是活躍的天使投資人，已披露的投資項目超過40個，近期投資標的包括Sentra、Hyperspell等多家AI相關初創公司。
從投資和市場認知的角度看，陳這番言論本質上是在給"AI是否被過度炒作"的爭論提供一個反向論據：如果按其描述，連接多個MCP工具、讓智能體自動更新個人知識庫這樣的深度用法，目前仍侷限在一小撮重度科技從業者和早期開發者羣體中，而佔絕大多數的普通用戶和企業員工，日常使用AI的方式還停留在手動複製粘貼這種最基礎、最低效的形態——這意味着AI技術能力與其實際滲透率、實際生產力轉化率之間，還存在巨大的落差尚未被市場充分定價；對於持有AI相關資產（無論是二級市場的AI概念股，還是一級市場的AI應用初創公司）的投資者而言，這種"認知領先於普及"的落差，往往被早期佈局者視爲長期價值被低估、而非短期泡沫破裂的信號。
補充信息：需要說明的是，陳在推文中提到的"長期在線、深度重度使用智能體"和"手動複製粘貼ChatGPT答案"均爲其個人觀察和表述，並未附帶具體的用戶比例或調研數據來源；上文引用的OpenAI官方使用數據，是獨立於該推文的公開統計，僅作爲佐證當前AI真實使用形態的參考背景。
來源：公開信息
ABAB AI 解讀
陳的創業履歷本身，就是一部反覆捕捉"技術能力與主流採用之間落差"的歷史：他早年在Zynga經歷了社交遊戲靠病毒式增長快速滲透大衆市場的階段，此後又輾轉多家消費級或中小企業軟件創業項目，2020年創立的Runway瞄準的正是財務團隊仍普遍依賴Excel、流程落後於技術能力這一落差，並在2023年拿到2750萬美元A輪融資——他這次關於AI"被低估"的判斷，延續的正是他過去十幾年反覆押注的同一類敘事：技術已經領先，行爲習慣還沒跟上。
真正支撐這套判斷的資本路徑，不只是言論本身：陳作爲天使投資人，近一年密集投資了Sentra、Hyperspell、ego AI、Emergent等多家AI基礎設施類初創公司，說明他的"AI被低估"表態並非純粹的輿論造勢，而是與他自己實際資金配置方向一致的判斷；而他所引用的兩項具體證據——加里·譚開源的"gbrain"記憶系統上線24小時漲粉約5000星、目前累計約1.4萬星，以及MCP協議已被OpenAI、谷歌DeepMind相繼採納並納入Linux基金會治理——本身就是開發者和基礎設施層資金、注意力持續湧入的直接信號，只是這股資金和關注度目前還集中在技術圈層內部，尚未傳導到普通終端用戶的日常習慣上。
這種"基礎設施跑在用戶習慣前面"的模式，在過去的技術週期中反覆出現：互聯網早期，技術極客靠RSS訂閱和自建腳本組合各種服務，普通用戶卻還停留在用搜索框和電子郵件的階段；移動互聯網早期，開發者已經搭建起豐富的應用生態，多數用戶卻仍只用手機打電話發短信。放在AI這一輪週期裏，OpenAI自身披露的數據——7億周活躍用戶中，49%用於"問答"、40%用於"完成任務"、僅11%用於"個人表達"，且四分之三的對話集中在寫作、信息查詢等基礎場景——恰好印證了即便用戶規模已經龐大，絕大多數人依然把AI當作"更聰明的搜索框"，而只有一小撮技術從業者已經邁入了智能體編排、持久記憶系統這類更深層的用法。
從結構上看，這本質上是一次早期階段、擴散不均衡的"技術替代"：通用型顛覆性技術，往往是工具和協議層（比如被Linux基金會標準化的MCP、迅速獲得開發者關注的開源記憶系統GBrain）率先成熟，而普通用戶的行爲習慣則要等到出現"強制切換點"——比如Word Copilot這類默認軟件把AI能力直接內嵌、不再需要用戶手動複製粘貼——或者等到新一代用戶羣體自然接棒，纔會真正改變。陳的論點實質上是說：當前市場是按照已經可見的主流行爲（手動複製粘貼式使用聊天機器人）在給AI定價，而一旦MCP這樣的協議標準化、GBrain式的持久記憶工具從技術圈層擴散進默認消費級軟件，其釋放出的生產力提升空間，可能遠大於當前的市場定價——這也是歷史上多次通用技術週期（電氣化、互聯網、移動互聯網）在爆發式重新定價之前，都出現過的同一種滯後。
ABAB News · 認知定律
基建總是跑在習慣前面，這是技術週期的固定劇本。
複製粘貼的人越多，說明紅利還沒被真正兌現。
少數人連上的協議，遲早變成多數人的默認設置。