Ben Thompson与John Collison对话聚焦AI广告与聚合理论新视角

访谈概览

Ben Thompson（Stratechery创始人）与Stripe总裁John Collison于2026年1月27日在Stripe办公室的Cheeky Pint酒吧进行对话。全程以轻度编辑的文字稿形式公开，涵盖AI广告、聚合理论、代理商业、TSMC供给约束等多个前沿话题，为业界提供了系统化的思考框架。

AI广告模型的争议与机会

广告与AI的基本矛盾：Ben指出，OpenAI近期在ChatGPT中引入基于对话上下文的广告展示，导致用户对“广告是否影响答案”产生担忧。
Meta式全局画像：John建议，广告不应仅仅基于当前对话关键词，而应利用用户在平台上的长期行为画像，实现类似Instagram的精准投放。
技术实现路径：
1. 建立统一的用户画像服务（User Profile Service），跨产品共享信号。
2. 将广告位从“答案旁”迁移至独立的交互层，避免即时冲突。
3. 通过强化学习（RL）优化广告展示的用户满意度与转化率。

聚合理论在生成式AI时代的升级

Ben回顾了Aggregation Theory的核心——需求方聚合者拥有更高的边际价值。AI大模型（如GPT‑4、Gemini）正成为新的需求聚合层，聚合的方式从“内容搜索”转向“任务执行”。

需求聚合：AI助手能够在用户的购物、信息检索、内容创作等场景中统一入口，形成新的流量池。
供给聚合：模型提供商（OpenAI、Google）通过API把算力、数据、模型能力打包出售，形成平台化供给。
竞争格局：OpenAI倾向打造“一站式”聚合平台，Google则更强调把算力能力嵌入其生态（YouTube、Search）中。

代理商业的四层进化模型

John提出了从表单填写到全链路自动化的四级路径：

表单自动化：AI仅替代手动填写订单信息。
参数化搜索：用户以自然语言描述需求（如“适合寒冷气候的羽绒服”），AI在商品库中检索并推荐。
个性化画像：系统基于浏览、购买、社交数据生成用户偏好向量，实现“先买后看”。
预判式投放：在用户未发起需求前，通过画像预测并主动推送合适商品或服务。

John强调，当前多数AI商业模型仍停留在第1层或第2层，真正的商业价值只有在第3层及以上才能显现。

TSMC供给瓶颈的宏观影响

Ben把TSMC的保守CapEx策略称作**“TSMC刹车”**，指出AI算力的扩张正受到晶圆产能的硬性约束：

资本回收风险：晶圆厂的折旧占成本近99%，未充分利用即形成巨额负担。
供需错配：AI实验室与云服务商的算力需求呈指数增长，而TSMC的产能提升幅度远低于需求曲线。
潜在解决方案：
- 超级大客户（如NVIDIA、Apple）提前预付产能；
- 鼓励竞争者（如Intel、Samsung）加速逻辑制程布局；
- 在政策层面推动多元化供应链以降低地缘风险。

结论与行业展望

本次访谈显示，AI技术正从单纯的模型创新向商业模型创新快速渗透。广告的重新定位、聚合理论的再定义以及代理商业的层级进化，都是未来竞争的关键维度。同时，硬件供给（尤其是TSMC）仍是制约行业规模化的核心瓶颈。业界需要在技术、商业和供应链三方面同步发力，才能把生成式AI的潜力转化为可持续的商业增长。

“技术本身不是价值，价值在于它如何重新组织人与信息、人与商品的关系。” — Ben Thompson