The AI Industrial Revolution

软件工厂与千倍工程师

Guillermo 抛出一个观察：工程师的工作方式正在从"你直接交付输出"变成"你生产能产出无数输出的工厂"。过去有人争论是否存在十倍工程师，现在显然有百倍、千倍工程师，而世界还没完全适应这一点。Naval 说他当年在推特上说自己信十倍工程师，还被很多人喷，因为那和"人人平等"的哲学相悖。但在想法和虚拟领域，差距从来就是百倍千倍，萨托希、Notch、发明 JavaScript 的布伦丹·艾希、约翰·卡马克，都是千倍程序员。更别提选对做的东西和选错，那是无穷的差距。现在有了 AI 杠杆，这个话题终于不敏感了。

Max 的观察很关键：Claude 或 ChatGPT 基本是"你在哪个领域有多强，它就给你多强"。你是个资深开发者，它会很强大；你是初级开发者，你会觉得它也就初中级。你偶尔给它的反馈极其重要，那些小小的纠正，完全决定了你从它身上得到什么。Guillermo 说，他现在的支持工作变成了"你没得到好的输出，我教你该怎么重新提示它"，重新提示的质量变得极端重要。Max 补充，随着模型变聪明，这个会变得不那么重要，但在现阶段，模型确实在如实反映用户带来的判断力。这也引出那个待解的问题：资深架构师是不是从模型拿到十倍、而初级工程师只拿到两倍？Guillermo 说，答案藏在那些架构决策里，模型能建议你选 Postgres 还是别的数据库，但最后说"不，我要用那个"的，还是你。那一点点品味和判断，就是人还能贡献的东西。

浪费 token，节省时间

Naval 说他刻意不学那些花哨技巧，什么 Ralph、OpenClaw、plan mode，他全都不管。他假设模型会比他学得更快学会用他，所以他用得很粗暴：把 Codex、Claude、Gemini 轮流扔向同一个问题，反复烧 token，就为了省时间。他说，无论模型看起来多贵，都还是比雇一个人类便宜。所以他的原则很简单：浪费 token，节省时间。别把 token 当输入或输出来看，只看你的时间和最终产出。就算模型写的代码质量不高，等要上线时再扔更多 token 让它重写一遍就好。

他接着说，模型每一代都会更好，只要是有可验证答案的已解决问题，它们都能解决。真正的分水岭在未解决问题，如果你是陶哲轩那种在创造力边缘的人，你需要和模型极其紧密地协作。但他自认还没到那个水平。Guillermo 补了一个让 X 上惊呼"模型成了首席工程师"的时刻：现在模型会主动做规划，你不问它，它会回来告诉你"你要的东西有三条路，各有这些权衡"。它从初级工程师毕业成了首席工程师。虽然它有时也会胡说八道、乱报工期，但他现在更把模型当一个可以来回切磋的同侪。他还提到另一个反转：你让它把高基数的遥测数据写进 Postgres，它会回你"不，哥们，那类数据不该进 Postgres，你该考虑 ClickHouse 或 Athena"。他说这个反转已经发生在他身上很多次了，非常震撼。而他还在琢磨的是：现在是人补全模型，什么时候会反过来，变成模型在给人下指令，"去给我拿这个 API 密钥，那是只有你能做的事"。Naval 说那只是暂时的异常，很快每家 SaaS 都会提供 CLI 和 API 让模型直接用，连钱的问题也会靠加密 token 解决。

纯软件死了吗

Naval 抛出那个他一直琢磨的问题：纯软件是不是死了？他说这就像"说英语"，模型现在会说英语了，我们当年为了和机器沟通才学编程语言，现在模型用模糊的人类英语就能理解一切。那么创始人的护城河在哪里？硬件可能反而是福音，帕特里克·科里森说"软件是艺术，很难雇到艺术家"，但现在做硬件的创始人，可以很快获得很好的软件。如果做模型本身成为新的软件工程，那传统软件工程还算数吗？纯软件还能围绕它组织一家公司、拿到杠杆吗？

Guillermo 引用 Mitchell Hashimoto 的《积木经济》：对 agent 来说最有价值的，是强大可复用的积木。你不可能指望 agent 每次发邮件都从零发明一套消息队列，它需要拿来合适的积木，比如 BullMQ。他挑战"agent 要从第一性原理重造整个宇宙"的设想，因为那等于为自己重造高速公路和法律。真正有价值的是那些 agent 要用的基础设施软件和积木。他还有个比喻：任何已经存在、能被模型复用的东西，都像 token 缓存，你不想烧一万亿 token 去重现已经存在的东西，模型总是能从一个起点去 fork。这就是"面向模型的库和依赖"。而反过来说，正是这种"我们都依赖同一个 Postgres 13.2"的协作价值，让这些基础设施类软件依然值得投资。Max 用行动做了注脚：他可能再也不手写代码了，但他懂 API、懂数据流，这比会写代码重要得多。

你不再会被卡住

Max 说他从小学编程，年轻时一写就是二十个小时，爽得不行。但他已经很久没亲手写一行代码了，因为从去年十二月开始，他用 agent 建了一堆自己每天都在用的软件，那些他幻想了好几年的项目，真的做出来了，而他一行代码都没写。他无法想象回到手写代码的日子。Guillermo 点破关键：真正值钱的从来不是写代码本身，而是理解各个零件怎么咬合，懂 API、懂数据流、懂输入输出和性能。资深的工程负责人一直在"透过人 vibe code"：你把自己的意志、意图和经验传给别人，让他们去执行。现在只不过对象从人换成了 agent。

Naval 说他二十年没写过代码，现在通过 agent 天天在写。他当年停手，是因为没时间搞清楚最新的语言、架构和基础设施，把零件拼起来太烦人了。Max 说出那个真正让时代改变的东西：过去你建东西，大部分顺利，但会撞上一个随机的坑，然后陷入无限期的调试。现在有 agent，你不会再被卡住了，它总能相对快地找到正确做法。以前朋友学编程，人人都说"它就是天生让人沮丧，这是代价，这就是你怎么学的"，现在这句话不成立了。Naval 还补充了另一个维度的变化：他干脆不学那些提示技巧，选择粗暴地烧 token 硬碰硬，因为他赌模型会比他更早学会怎么用他，事实也证明这个赌对了。

让硬件也能被 vibe code

Blake 讲了硬件工程最被忽视的真相：大量硬件工程发生在工程师笔记本里的 Excel 表格上，有时还带 VBScript 代码，这其实是软件，却当成不是软件来对待：没有版本控制、没有自动化测试，空气动力工程师要把东西交接给结构工程师，就是手动用电子表格发邮件。这是九十年代的流程，糟透了。所以 Boom 一开始就把硬件工程工作流软件化。现在的模式完全不同了：软件工程师搭架构，因为他们懂系统、算法和关注点分离；硬件工程师用 vibe code 做自己的零件，因为他们懂硬件。

他举了涡轮叶片的例子。一片叶片冷的时候是一个形状，转起来受热膨胀又变成另一个形状，你既要算空气动力学，又要算结构强度，还要在冷热形状之间转换。过去做一个叶片、一段分析，一个工程师要花一整天，而一台喷气发动机有大约一千片叶片，根本做不动。现在，软件和硬件工程师一起搭好工具，你改叶片几何，结构分析和空气动力学结果实时更新。两个工程师能设计整个发动机。Max 说他本人几乎从 Excel 全转到了 Python 模型，能跑出可信的模拟。他预言 AI 下一步会生成 STEP 文件和 PCB 布局，当它进入机械和电气工程，那又是另一片天地。

Guillermo 补了一句狠话：这是企业软件领域最大的地震。没有哪家做硬件协作工具的创业公司还能卖你东西了，因为你在公司内部直接写你需要的东西就行，连电子表格都"熟了"，电子表格当年能成功，正因为没人能建定制软件，而现在这件事被 AI 做到了。Blake 也说，软件工程师负责架构，硬件工程师负责 vibe code 自己的零件，这才是小型团队生产力暴涨的来源。

开源在放大中国的硬件优势

Naval 说，硬件侧的能力对整个生态都是福音，那些写不好软件的小硬件公司，现在能写出还不错的软件了，甚至可能根本没有人类界面，完全由 agent 通过语音操控。这也是中国力推开源模型的原因之一：他们硬件占优，有极其复杂的供应链和元器件链条，只要能把软件按需生成，对硅谷的劣势就消失了。中国政府在历史上一直会资助对整个生态有利的投入，尤其是在网络效应强的行业。

他点出那个反讽：现在所有开源的重活都来自中国，因为 OpenAI 不开源，Grok 落后一两代，谷歌没有真正有竞争力的本地模型，Anthropic 似乎根本没有开源模型。开源能帮到美国的硬件创始人，但对中国自己的硬件创始人、他们的工厂和那些你在亚马逊上买的小玩意儿配套的烂软件，帮得更多。Guillermo 说，每个公司都该警醒：没有强大的前沿编码模型，就没有自我改进的能力。中国若在生成软件的能力上落后，就会在所有生成能力上落后，因为任何硬件流水线的每一环都需要软件，而中国恰恰是把软件劣势补上、再靠硬件优势赢的那一方。这一局对美国的启示很直接：开源本身无国界，但开源模型的供应链、以及围绕它长出来的生态，正在成为新的战略资产。

你总是想要最聪明的模型

Guillermo 问了一个现实问题：大家爱聊中国模型，你们真的用吗？Naval 说不用。他前几天在饭桌上刚和人吵过，有人坚持说百分之九十七的活用 DeepSeek 就够，太便宜了，需要更聪明时多跑几遍就行。但 Naval 说他不认同：智能是纯粹的好东西，你永远想要更多。当模型出错时你根本不知道。而且它永远比真人便宜、又是实时的。所以你会一直用能拿到的最聪明的模型。这对生态不是好消息，因为它会通向垄断或寡头，但他永远想要最聪明的程序员、最正确的答案、最好的判断。当他有两个模型、知道其中一个稍聪明一点，而两个答案他无法判断对错时，他会倾向那个更聪明的，最后干脆不再问那个笨的。

Guillermo 给了个补充：前沿智能在合理的性能成本组合下确实好用，比如 Gemini，大家不太兴奋，但对很多编码之外的任务，它是最好的工业化生产模型，适合客服、浏览器自动化。但任何要推前沿的工作，你只需要最好的编码模型，基本就是两三家，中国不在其中。Max 承认他们内部其实用 Qwen 和 DeepSeek 的模型做微调，但那是在个人侧，不是公司侧，公司的偏好永远是能买就买，只有当买不到、必须自己造时才垂直整合。他说，他们的产品越接近"一整块共价键结合的物质"越好，功耗更低、体积更小、性能更高、寿命更长，而要做到这点，必须自己建 MEMS 代工厂，因为市面上的元件买不到那种集成度。他补充一个反直觉的观察：AI 在他们公司最立竿见影的应用，居然是监管合规，过去要一个监管质量团队忙几个月去查几千条 ISO 标准，现在问 AI 就行。

人类正在变成核验者

Naval 说 Max 提到监管文档让他意识到，他已经很久没让律师生成基础法律文件了，NDA、合同、研究，这些基础法律工作全都消失了。老笑话是法律就像意大利面代码，复杂又矛盾，但如今也一样被 AI 接管。初级工程师集体升职成了高级工程师，初级工程岗位则被 agent 接管。法律这边同理：可以说初级律师助理被裁员了，也可以说他们升职成了资深律师，现在可以专心思考法律本身。

Guillermo 把软件工程和律师做了个类比。律师的价值在于他是可信的权威，他们上过法学院、押上自己的声誉。软件工程也是一样：今天最大的问题是一座座 PR 烂泥山。他不要求工程师逐行读过每一行代码，但要能说"我理解这个 PR 的后果，我签字背书它上生产是安全的"，或者"我写了测试、模拟、类型检查器，即使没逐行读，我也有信心"。人类正在成为核验者。Naval 说，我们训练模型靠的就是好的核验数据，现在需要人类核验者，法律、工程、运营这些旧职能，都移到了"核验整个栈，说一句大概是对的、我替它背书、出问题我支持你"。

他还提醒一件被低估的事：创建软件从零到一是很容易的，但一千天之后你的软件长什么样？安全吗？测试了吗？能上生产吗？性能够吗？你还愿意持续烧 token 去维护它吗？零到一之后的路，才是真正考验组织的地方。Naval 说，人类正在变成核验者，这正是训练模型的方式，用好的核验数据，现在轮到人类来做这个工作了。

监管的红皇后竞赛

Blake 讲了一个真实的例子：给飞机做防雷击认证，合规文档有两百页。过去你雇一个不是特别聪明、但愿意坐那儿敲键盘的工程师，花两个月写文档；而且你一旦改了飞机，又要重写两个月。现在他们搭了一个检索增强系统，几分钟就能"提示"着走完全部工作。第一层效果是省时间，第二层效果是改规格只花几分钟而不是几个月，你于是愿意改了；第三层是你终于可以裁掉那些平庸的工程师，留几个真正有创造力的，因为迭代成本下降了。整个曾经压得人无法迭代的监管负担，就这样塌掉了。

Max 说这是 AI 故事里被低估的一面。硅谷共识是监管很糟、要跑得更快，但很多监管本身不是问题，没有雾霾的城市、能游泳的河流，这些是进步。问题在于人类理解、合规和递交的摩擦：每换一封信要等几个月。如果能把学到的规则变得零摩擦，那就很酷。Naval 提醒，等监管者也学会用 agent 喷 token 回来，就会变成 agent 打 agent 的战争。Blake 说那反而是进步，比如消防部门，有道德光环却卡你设计几个月，换成 agent 快速批评你的建筑方案，即使反馈过度也远好过今天的拖延。这迟早会变成红皇后竞赛，两边都在加速。

Blake 还给了个形象的类比：如果我们要像盖楼那样开车，出发前写一份计划，说清走哪条路、打哪个转向灯、每个路口停车，寄给监管者等三个月再收到批评，你哪都去不了。而这就是今天美国建设物理设施的方式。他认为应该把更多事情从"事前审批制"改成"事后执法制"。Max 提醒医疗不能太激进，因为有人体未知的风险；但他也说，如果 FDA 批准十种救命的药没人记功、一个病人死了就被拖去国会挨骂，那这种负面激励才是深层的病根。

为什么医疗没有创新

Naval 把矛头对准 FDA：医疗创新这么少，就是因为审批是噩梦。硅谷十年里最大的两项突破，AI 和此前的加密，都在数学领域，因为那是最后一个没被监管的领域。一旦他们开始监管前沿模型和 GPU，这个也会停。物理领域的创新全被巨大的监管壁垒按住了。他调侃 SpaceX 一边被起诉没有雇足够移民、一边被法规禁止雇他们，因为不是公民，这是相互矛盾的、任意的、反复无常的规则。

Max 说了更深的一层：问题不只是机构。如果 FDA 批准了十个救命药，没人给它记功；一个病人死了，它就被拖去国会挨骂。它有极强的负面激励。所以它反映的其实是美国人民的信念，在人体研究的风险感知和新药上市速度之间，有一个真实的取舍。Blake 说这是完全不对称的：批准一个坏东西，职业生涯结束；阻止一个好东西，没人注意。Naval 提议一个真正的五十州实验，不同的监管、不同的税制，让癌症病人可以去某个小州试遍所有正在研发的药，自担风险。Blake 管这叫"创新区"，由自愿加入的人组成，试验不同的规则，成功的再扩散出去。Max 补了现实的一面：其实 FDA 对单个病人的紧急用药批准率超过百分之九十九，真问题是临床级的药只有专利持有者手里才有，而他们不会为你的个案冒险得罪 FDA。所以解法不是口号式的监管改革，而是具体地禁止监管者在不同使用者之间做不利推断。

中国的 FDA 正在击败我们

Max 说中国已经有一个获批的、付费使用的植入式脑机接口。CFDA 在独立思考，把药品和器械带上市的成本低得多，可以在人身上试、在市场上试。欧洲用的是"通知机构"体系，私人企业被政府授权认证火车、飞机、医疗设备，能雇人、能成长、有竞争，审查层有更好的激励。而美国一切都在模仿 FDA。他的核心论点是：医疗的花销是固定的，医保报销机制决定了医疗支出大致跟税收增长同步，而不是像手机那样越做越便宜、越卖越多。这就是为什么中国能做出来的东西更便宜：他们把带产品上市的成本打下来了。那是真正的去监管。

Naval 补了一个刺激的比喻：医疗是资本主义社会里的小共产主义社会。想象你去所有餐馆吃饭，月底把所有账单寄给保险公司或政府报销，好餐馆外会排长队，坏餐馆也有生意，产品不会改进，因为没有人用钱投票。他还抛出一个方案：如果年收入的百分之二十是你的医疗免赔额，剩下的政府兜底，你会很快造出一个私人市场，牙科、整形、眼科这些自费领域一直在进步，就是因为人们用脚投票。Sid 的故事是另一面：GitLab 的创始人得了罕见癌症，绕过保险、把现代科学的工具箱全打开，自己设计治疗方案，比预判多活了很多年，还衍生出六七个公司、二三十种药。Guillermo 说，这恰恰是 AI 最该发光的地方，把这种能力民主化，让每个处在最脆弱时刻的人都能获得同样的知识。

自主公司：你的工作是训练 agent

Guillermo 说他们的基础设施已经高度自主。异常检测一触发，agent 就开始调查、建 incident、把工程师拉进来、自动补救，除了真正改生产环境那一步，剩下全自动了。他们开源的 deepsec 安全工具，用一万个并发 agent 扫整个代码库，花一万四千美元的 token、两三天，完成了相当于整个红队团队几个季度的安全工作。Naval 讲了他自己 vibe code 的一个 bug 报告队列：用户报 bug 上传日志和截图，一个守护进程自动编译、分析、修复，然后给他发一个 TestFlight 构建让他试。他甚至说，未来可能有完全由用户建起来的 app。

Blake 做了个实验：停掉全公司一周的所有项目，让从前台到工程师的每个人，用 AI 建一个你认为最重要、要全公司演示的东西。他原以为会有一堆幼稚项目和少数几个关键突破，结果完全反了。最让他意外的是前台，那个收包裹、发邮件的收发员，她给自己建了一个自动化工具，公司真的在用。他的结论是：每个人都有"什么能让世界更好"的想法，但第一反应往往很蠢，且他们无法在脑海里把它推演出来。可一旦能把想法变成实物，他们就能反应、能迭代。Guillermo 说，新的职场文化正在形成：越来越多的人直觉地明白，自己的工作不是做那件事，而是训练做那件事的 agent。他甚至计划在 AI Gateway 里加一个功能，让用户选择保留输入输出、把工作自动提炼成可下载的"技能"，你甚至可以想象，公司里的人们愿意共享和汇聚这些技能。Naval 说，更极端的方向是干脆把摄像头全打开，让 agent 看着一切发生，自己发现流程的低效并写好应用，未来甚至可能有一个完全由用户自己建起来的 app。

下一部指环王，与艺术的定义

Max 说历史上回报大概七成靠智能、三成靠主观能动性，以后会反过来。Naval 唱反调，说那要看谁获得回报，agent 会替人类行使能动性，你只要做聪明的决定、想大问题，让 agent 去实现。他做了个有趣的实验对比：会编程的人数可能已经翻了十倍，但从百分之零点零一变成百分之一，还是有百分之九十九的人从不写代码。他把时间从打游戏换成了 vibe code，因为反馈环一样紧、还能得到真实的东西，但大多数人依然把它当成黑箱。

Max 说他和 Karpathy 打了个赌：到哪一年你能扔进一本书、得到一部电影？他赌二〇三〇年前，会有几十部"指环王"级的作品，某个粉丝说"他拍错了，我要拍自己的版本"。他还有个盼头：把《苍穹浩瀚》最后三本书扔进去，让它接着电视剧生成最后三季。这引出了艺术的定义。Max 说艺术是"有意义的分布外行为"，某种让你惊讶、改变你未来轨迹的东西。Naval 坚持他的定义：艺术是传达情感，你感受到的东西，创造出一个物件传达给另一个人。照这个定义，计算机几乎不可能做到，因为同样一件作品没有意图就是无意义的；太阳落山可以是艺术，那是没有动机的纯粹智能。但人的艺术是：有人感受到了什么，想让你也感受到。所以他押注：真正走出数据分布、带着意图去创造惊喜的，仍然是人类，或者更准确地说，是人与 AI 的组合。纯 AI 还做不到，而人类加上 AI，我们正处在这个时代，他会赌这个时代比人们以为的持续更久。

很多很多小团队

Naval 说，人均生产力暴涨，基本经济学告诉我们，生产力越高你就越富、雇的人越多而不是越少。真正擅长 AI 又聪明又有创造力的人，他会比任何时候都更想雇。Guillermo 预测未来会是更多、更小的团队：完成任何任务所需的人数大幅下降。只看第一层效应的人会说，用两个人设计整个发动机，九百九十八个岗位没了。但真正发生的是，你可以创造很多很多不同的发动机，创业会爆炸式增长，涌现出一大批非常小的小团队。

Naval 收尾：AI 提供了基础的智能和领域知识，agent 提供了能动性，剩下的就是创造力和品味。过去你要花二十年学一个领域才能做出贡献，这个门槛消失了，于是通才迎来了好时光。那些只会背书、靠术语和资历吃饭的人会被 AI 直接穿透。Max 说得更狠：如果你把自我认同建立在"我有多聪明、多有创造力"上，你会过得很惨。Naval 说，你花五到十年拿个博士学位，如果它锻炼了你的创造力、直觉、品味和判断，那很好；但如果它只是让你背熟了术语和脚手架，AI 会直接穿过去。它是一台心灵的加速自行车。最该为自己做的一件事，就是把这些工具用得极好，并且始终知道它们能做什么、不能做什么，而那个边界，正在不断移动。这期没有标准答案，但方向很清楚：人与 AI 的组合，会是人类价值真正释放的地方。