内容来源：笔记侠 ( Notesman ) 。
责编 | 柒 排版 | 沐言
第 9715篇深度好文 ：5029 | 17 分钟阅读
思维方式
笔记君说：
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。
五、当 AI 能做一切事情，
人类还有什么是不可以被替代的？
马克斯的立场最为极端。他说，如果你的身份认同完全建立在你自己有多聪明、多有创造力上，接下来的日子可能会很难过。
但纳瓦尔站在了对立面。
" 创造力是那种能让你感到意外的东西，你跳出系统之外，去做了一件在系统内部甚至连想象都不可得的事情。它存在于训练数据之外，存在于喂给系统的分布之外。那里永远会有属于人类的空间。"
马克斯给出了自己对艺术的定义：有意义的分布外（超出模型训练数据覆盖范围）行为。某种令人惊讶的东西，它改变了穿越宇宙的未来轨迹。你的生活因为思考和反思了它而变得有所不同。
他说，我们即将在各处看到阿尔法狗 " 第 37 手棋 " 一般的神迹，那一步棋人类棋手不会走，但事后看无比精妙。
但纳瓦尔指出一个关键区别：那个 " 第 37 手棋 " 的灵感，来自一个人类想出了那个训练和提示词的方向。他依然把功劳归于那个人。
吉列尔莫接了一个具体的观察：每个用 Claude 做的网站看起来都一模一样。
衬线字体、棕色和米色、特定间距的等宽字体。一段时间后你得到了一个分布，然后你会说，这毫无创意，这是从模型里吐出来的千篇一律的东西。
纳瓦尔说，艺术必须是打破分布的。一旦你在各处看多了海量的同一种风格，它就落入了分布之内，不再令人惊喜，其艺术价值也就烟消云散了。
纳瓦尔的定义不同。他认为艺术是传递情感。
" 艺术对于人类来说就是：某人感受到了某种东西，并渴望你也能感同身受。所以创造者的身份和主体性至关重要。"
他举了一个例子：一张美丽的照片，如果是真人拍的，与 AI 生成了一张像素完全一样的照片相比，真人拍摄的那张拥有更深层的意义。因为背后有意图。如果没有意图，一幅一模一样的艺术品也将毫无意义。
纳瓦尔把论证推到了哲学层面。
他提到了库尔特 · 哥德尔（20 世纪最重要的数学逻辑学家）的不完备性定理（证明任何足够复杂的形式系统都存在无法在系统内部证明的真命题）：在一个形式系统内部被训练得在数学上臻于完美的 AI，无法主动跨出系统之外去击碎它。而人类可以。
" 那种事情我认为 AI 是触碰不到的。其意义恰恰来自于一个人类为了某种目的去践行了它，并传递了某些火花。"
马克斯提出了一个更深的问题：对于大语言模型（LLM）而言，有没有可能走出分布，去产生一个在训练集中完全不曾存在过的新想法？
纳瓦尔认为，真正的新想法大概率存在于自然界原本的领域中。
" 物理、交互、感知、情感、演化——这些语言并不直接受制的东西。虽然语言是对大量事物的极好压缩，但在语言之外依然存在大千世界。"
最后，纳瓦尔用一句话收束了整场讨论。
" 人类加上 AI 才是所有浪潮涌动的方向。没有 AI 的人类，注定被遗忘；
纯粹的 AI 目前还没到那个阶段，但人类加上 AI，我们正身处这样一个纪元，并且我打赌我们停留在这个纪元的时间会比大部分人想象的都要长久。"
参考资料：《纳瓦尔最新访谈 ｜建立你自己的 AI 工厂》，复利俱乐部。
* 文章为作者独立观点，不代表笔记侠立场。
人类加上 AI 才是所有浪潮涌动的方向。与其隔着屏幕听他们聊，不如亲自走进浪潮正在涌动的地方。
笔记侠 PPE 书院美国站 26 级「创新英雄・AI+ 出海专题」课程将于 2026 年 9 月 26 日正式启程。
10 天时间里，我们将带你走进美国硅谷与西雅图，深度参访谷歌、英伟达、微软、Meta 等全球 AI 产业标杆，聆听斯坦福名师、行业实战派的一手分享。
欢迎了解课程详情，提交报名信息。
好文阅读推荐：
分享、点赞、在看，3 连 3 连！
登录后才可以发布评论哦
打开小程序可以发布评论哦