先干起来，能解决80%的AI焦虑笔记侠
AI让智能和执行力变廉价之后，人还剩什么？
最近，纳瓦尔（AngelList创始人，硅谷著名天使投资人）和三位创始人做了一场圆桌对谈：
Vercel（前端云平台公司）创始人吉列尔莫·劳赫、Boom Supersonic（超音速客机制造公司）创始人布莱克·斯科尔、Science公司（生物科技公司）创始人马克斯·霍达克（前Neuralink总裁）。
对谈中出现了一个让所有人意外的细节。一家造超音速客机的公司里，负责收发货的前台接待员，用AI写出了一套自动化流程，公司现在正在使用。
这个细节背后是一个更大的命题：当编程的门槛归零，人类的核心角色正在从执行者变成验证者。未来最稀缺的，不再是知识和技能，而是创造力、判断力，以及把一个想法变成现实的自主性。
希望今天的内容分享，对你会有所启发。
一、“软件工厂”，正在取代“写代码”
过去，很多人的工作就是打卡上班，直接交付产出，公司内部衡量的指标是员工的产出能力有多强。
而吉列尔莫·劳赫给其内部员工提出一个新标准：
“我评价你作为一个工程师的标准变成了：你是否建立了一个能够成倍产出B到Z的工厂？”
这意味着工程师的角色正在从执行者变成管理者。过去衡量的是你亲手做了多少，现在衡量的是你搭建的系统产出了多少。
纳瓦尔认为，“当你身处想法的领域，在智力和虚拟的数字领域中沉浸时，差距甚至不是10倍，而是100倍或1000倍，而且向来如此。”
他举例：中本聪（比特币发明者）、我的世界创始人马库斯·佩尔松、发明JavaScript的布伦丹·艾克、约翰·卡马克（3D游戏引擎之父）。这些都是1000倍的程序员。
如果选对了研究方向和选错方向相比，差距甚至是无穷大。这不一定是因为他们是更好的程序员，而可能仅仅是因为他们在“决定做什么”上拥有更好的判断力。
1000倍工程师不是神话，判断力才是那个乘数。
二、氛围编程：二十年没碰代码的人，现在整天在编程
布莱克·斯科尔在Boom Supersonic（超音速客机制造公司）造超音速客机。
他描述了硬件工程领域一个长期存在的荒诞现象。
“大量的硬件工程都发生在一个个孤立的工程师笔记本电脑里的Excel表格中。非常复杂的表格，有时还带着VBScript（Visual Basic脚本语言）代码。没有版本控制，没有自动化测试。
如果你想把某个东西从空气动力学专家移交给结构工程师，那是通过邮件手动发送表格来完成的。这简直是20世纪90年代。”
现在，软件工程师负责设计架构，因为他们理解系统和算法。硬件工程师可以“氛围编程”（用自然语言指挥AI写代码而非手动编程）自己的部分，因为他们懂硬件工程。
布莱克举了一个具体得不能再具体的例子。
涡轮叶片在冷态和热态下体积不同，工程师必须同时满足空气动力学和结构设计在两种状态下的要求。
过去，一个工程师要花一整天时间分析一个叶片。而一个喷气发动机里大约有上千个叶片。
“现在，通过软件和硬件人员共同创造的解决方案，你可以改变叶片的几何形状，并实时看到结构和空气动力学的结果。两个工程师就能设计出一整个喷气发动机。这天差地别。”
马克斯·霍达克是Science公司（生物科技公司）的创始人，他在做生物混合大脑接口。他说自己已经有相当长一段时间没写过一行代码了。
“自去年12月以来，我构建了大量我自己每天都在使用的软件。所有这些我幻想了多年的项目，现在我都用上了，因为我已经把它们真正造出来了。这里面没有一行是我自己写的。我完全无法想象再回到用手敲代码的时代。”
马克斯提到了一个变化，过去学编程时，卡在某个Bug上调试半天被视为“游戏规则的一部分”。
“现在有了Agent（AI智能体，能自主执行任务的AI程序），你基本上再也不会卡壳了。它们能相对迅速地找到正确的做事方法。”
纳瓦尔自己二十年没写过代码，现在通过Agent整天都在编程。他说，只要理解软件工程和算法的基本原理，就能走很远。
吉列尔莫用了一个词来定义这种新的工作方式：氛围编程。它的本质不是写代码，而是传递意志和意图，让Agent去执行。
编程的门槛塌了，但门槛塌了之后站住的是判断力。
三、“浪费Token，节省时间”
关于怎么用好AI模型，纳瓦尔有一个听起来很反直觉的建议。
“我假设模型的演进速度会比我搞懂如何使用它的速度还要快。它摸透我的速度会比我摸透它的速度更快。”
纳瓦尔说他对模型一直非常粗暴。他没有学那些提示词（给AI模型的指令文本）技巧和脚手架工具，因为他假设模型的演进速度会超过他学习使用它的速度。
他的做法是同时把同一个问题扔给Codex（OpenAI的代码生成工具）、Claude（Anthropic的AI模型）和Gemini（Google的AI模型），纯粹为了节省时间而浪费Token（AI模型的计算计费单位）。
“无论这些模型看起来多么昂贵，它们仍然比人类便宜得多。所以我想说，尽管浪费Token，去把时间省下来。不要把Token看作输入或输出。只需盯着你的时间，盯着最终的产出。”
即使模型写出了低质量的代码，纳瓦尔也不在意。他会砸更多的Token过去，让模型自己通读、检查、重写。它们每一代都会变得更好，他看不到这在什么地方会必然停滞。
马克斯有一个观察：Claude或ChatGPT（OpenAI的AI对话模型）基本上和你自己在某个领域的水平一样。如果你是一个非常优秀的开发者，这些工具就会极其强大。
如果你是一个初级开发者，你会发现它也更像一个初级开发者。你偶尔给它们的反馈似乎极为关键，这些小小的更新完全决定了你能从它们那里获得什么样的表现。
纳瓦尔还抛出了一个关于模型选择的判断。他说他永远想要最聪明的模型。
“当你面前有两个模型，你知道其中一个比另一个聪明一点，而它们都给出了答案，通常你实际上无法分辨哪一个才是真正正确的答案。
所以如果我知道某一个模型更聪明一点，我就会采用那个答案，并最终会停止向那个我认为不那么聪明的模型提问。”
他认为这最终会在AI领域造成垄断或寡头垄断的局面。
但他永远想要最聪明的程序员、最正确的答案、最好的判断力。考虑到他将要通过资本、代码、人员和营销投入其中的巨大杠杆，他希望每一次都能做出正确的决定。
所有人都在学怎么用AI，纳瓦尔说别学，让它来摸透你。
四、“人类正在变成验证者”
当执行层面的工作被Agent接管，人类的角色正在发生根本性转变。
纳瓦尔用一句话概括了这个变化：“人类正在变成验证者（指负责审核和背书AI产出结果的人）。”
他说，这就是训练这些模型的方式。许多以前属于人员、律师、工程师、运营人员的职能，通过高质量的验证数据，转移到了验证整个技术栈上。
吉列尔莫描述了Vercel已经在运行的自主化基础设施。
当指标出现异常，Agent自动展开调查，决定是否创建事件（系统故障记录），并开始尝试修复。除了最终修改生产环境（面向真实用户运行的线上系统）的权限仍留给人类之外，Agent几乎做了一切。
他还提到了一个叫deepsec的安全研究工具，利用云端上万个并发Agent扫描整个代码库。
“它在几天内就发现了相当于好几个季度的安全研究进展，仅仅消耗了一万四千美元的Token账单，这相当于数月整个团队的人力。”
布莱克·斯科尔做了一个实验。他叫停了Boom Supersonic全公司所有项目一周的时间，从前台接待员到工程师，要求每个人用AI构建自己认为最重要的东西。
“我预料会看到大量愚蠢的项目和极少数能破局的项目，结果出现了大量能破局的项目，而愚蠢的项目极少。其中有两三个是足以改变发展轨迹的；它们绝对会改变公司的前进方向。”
让布莱克最惊讶的是，负责收发货的前台接待员构建了一套自动化流程。她以前的工作是从卡车上卸下包裹，在货物入库时给相关人员发邮件。她用AI把这套流程自动化了，公司现在正在使用。
“每个人脑子里其实都有一些关于什么东西能让世界变得更好的想法，但他们最初的想法通常是粗糙的，而且他们无法将其投射出去并直观看到。
但如果他们能从想法直接跨越到一个真正的实体，他们就能做出反应并进行迭代。给他们一周时间，到最后他们就构建出了一些完全合乎逻辑的东西。”
吉列尔莫·劳赫把这个趋势推向了极致。他提出了一个问题：你如何组装起一个不直接动手做具体工作的劳动力队伍，他们所做的一切只是训练为他们代劳的Agent？
他的判断是，一场文化变革正在发生：很多新进来的人直觉上就知道自己的工作不是去死磕那个东西，而是去训练死磕那个东西的Agent。而如果你能训练一个Agent去死磕那个东西，你就不该花时间自己去死磕它。
纳瓦尔补充道，人类大脑最擅长的是从0到1的创造：想出一个还不存在的东西，然后用Agent把它做出来。
“你每时每刻都身处你创造力和兴趣的最大化区域。你不需要每天都想出一个全新的东西，那是不可能的，但偶尔你想出一个新东西，就能创造出一个高能的杠杆点。”
吉列尔莫还提出了一个关于工程文化的观点。现在最大的问题是大量AI生成的代码像漫山遍野的垃圾一样涌来。他希望工程师能够对每一个拉取请求（PR，代码合并请求）说“我理解”。
“这并不一定意味着你读过每一行。它意味着你可以说我理解这个PR带来的后果。我签字同意，代表我对后果负责。或者，我编写了测试、模拟、证明、类型检查器，我有信心签字保证它在生产环境中是安全的。”
他还提醒了一件事：创造软件非常容易，从0到1。但试想1000天之后，你的软件长什么样？它安全吗？经过测试了吗？达到生产级了吗？性能达标吗？以及你是否还有动力投入所有的Token去在生产环境中维护它？
以前你做东西，现在你签东西。
