导语
AI 把写代码这件事越做越快，但真正影响团队效率的，已经不只是开发本身。Andrew Ng 最新一条帖子提醒我们：AI 真正改写的，是岗位边界、协作方式，以及什么样的人会在团队里变得更值钱。
AI 时代最值钱的人，可能不是最会写代码的人
最近一轮 AI 讨论里，最常见的说法是：写代码越来越快了。
但 Andrew Ng 在一条 X 帖子里点破了更关键的一层：真正被改变的，不只是开发效率，而是整个软件团队的分工方式。当代码不再是最慢的一环，团队里最值钱的能力，也会跟着换位置。
以前，一个功能从想法到上线，大家默认最卡的是开发排期。现在，AI 代理把编码速度大幅拉高，新的问题开始浮出来：到底做什么最值得？谁最懂用户？谁能把产品、设计、实现、沟通这几件事接起来？
这也是这条帖子真正值得普通人看的原因。它讲的不是某个模型又升级了，而是一个更现实的变化：岗位边界正在变薄，能跨一步把事情做成的人，会越来越值钱。
一、AI-native 团队的变化，不是提效这么简单
Andrew Ng 说，AI-native 软件工程团队和传统团队最大的区别，不只是“用 coding agents 写得更快”，而是团队成员开始承担更宽的角色。
工程师不再只是写代码的人。他们可能同时在做产品判断、参与交互设计，甚至思考怎么把一个功能讲清楚给用户。反过来，PM 也不能只停留在写需求、排优先级。如果不会亲手做原型、不会借助 AI 把想法快速验证出来，很多沟通会变成新的瓶颈。
这背后是一个很大的结构变化。过去的团队分工是线性的：PM 定义需求，设计出方案，工程负责实现，市场负责传播，法务负责审核。每个人各守一段，虽然慢，但稳定。
可当 AI 把很多实现工作压缩之后，一条原本要多人接力的链路，越来越可能由少数几个人完成。一个懂用户的工程师，能直接判断该做什么，再借助 AI 很快做出第一版；一个懂构建的 PM，也能先把想法做成可演示的东西，再去拉动团队资源。
这说明一个趋势：以后最稀缺的，不是“单点执行”，而是“判断和执行连在一起”的能力。
二、代码更快之后，真正变慢的是组织里的其他环节
Andrew Ng 提到一个特别重要的观察：当编码速度提升 10 倍甚至 100 倍，团队里的瓶颈会转移到产品、设计、营销、法务合规，以及各种沟通环节。
这其实非常好理解。一个功能一天就能做出来，但如果团队要开三轮会才能决定要不要上线，速度还是慢。再比如，产品已经做好了，但营销还没想清楚怎么对用户解释，或者法务还要一周审查，那么 AI 带来的开发提速，最后也会被别的环节抵消。
所以，AI 真正带来的，不只是效率提升，更像是一盏探照灯，把组织里原来被“开发慢”掩盖住的问题全部照了出来。
以前大家总觉得，只要研发再快一点，一切都会顺。现在才发现，开发一旦不慢了，真正难的是：做对的东西、做得明白、推得出去。这也是为什么很多团队会突然意识到，自己缺的不是更多写代码的人，而是更多能看懂全链路的人。
三、为什么小团队会越来越强，通才会越来越贵
这条帖子里最值得反复咂摸的一句话，是 Andrew Ng 对小团队的判断。
当 AI 让 2 到 10 人的小团队，也能完成过去更大组织才做得了的工作时，团队结构就会变。以前必须分给五六个岗位的工作，现在可能由两三个人就能串起来做完。这样一来，小团队的速度、灵活性和试错成本，都会明显占优。
这时，最能打的人往往不是那种“只守一个点”的人，而是有主专业、但能跨一步解决相邻问题的人。
比如一个工程师，如果既懂开发，又懂一点产品判断，他就不需要等别人把需求翻译好再开工；一个 PM 如果能自己做出原型、跑出 demo，就不需要每次都靠工程团队排队验证想法；一个设计师如果更懂实现限制和业务目标，设计决策也会更快更准。
这就是为什么 AI 时代，“generalist”会变得更有优势。但这里有个前提必须说清楚：通才不是样样都浅，什么都会一点却没有主心骨。真正有价值的通才，是先把一个核心能力练深，再把最关键的相邻能力补起来。
也就是说，AI 并没有让专业失效。它只是让“只守边界、不愿补位”的工作方式，开始变得越来越贵、越来越慢。
四、对普通职场人来说，最重要的不是更焦虑，而是重新配能力
很多人一听到“岗位边界变薄”，就会本能地紧张：是不是以后每个人都得全能？
我觉得没必要这么理解。更现实的答案是：你不需要什么都学，但你需要在主专业之外，补上一段最能提高推进效率的能力。
如果你是工程师，最值得补的，往往不是再多学一门技术栈，而是产品判断。你要更懂用户问题、更懂优先级、更懂为什么这个功能值得做。
如果你是 PM，最值得补的，往往不是再写更完整的 PRD，而是构建能力。你不一定非得写生产级代码，但至少要会用 AI 工具把流程、原型、demo 跑出来。只有亲手做过，你才会知道一个想法到底难不难、值不值得、该先做哪一版。
如果你做设计、运营、内容，逻辑也一样。AI 不是要求所有人都转行去写代码，而是要求大家别再只会把任务“传给下一个人”。谁能让事情少一次交接、少一次等待、少一次误解，谁的杠杆就更大。
五、现在最值得做的 6 步行动
如果你不想只停留在“听懂趋势”，那可以从下面 6 步开始：
1）先找出你工作链路里最慢的地方
别急着学新工具，先看清自己现在最常卡在哪。是需求判断慢？沟通来回太多？原型验证太慢？找到最慢处，比盲目提效更重要。
2）补齐离你主岗位最近的一项能力
工程师优先补产品，PM 优先补构建，设计优先补业务理解，运营优先补数据与自动化。先补一项最贴身的，不要贪多。
3）练习把想法快速做成“可展示物”
能看见的东西，比会议纪要更能推动决策。一个粗糙 demo、一个可点击原型、一个自动化流程，往往比十页文档更有说服力。
4）主动理解上下游角色在乎什么
别只站在自己岗位看问题。理解上下游的目标、成本和限制，很多协作摩擦会自然减少。
5）尽量减少无效交接
很多项目慢，不是因为大家不努力，而是信息在传递中损耗太多。谁能把一个环节多往前推一步，谁就能替团队节省大量时间。
6）把沟通速度当成生产力
Andrew Ng 提到同地办公更快，本质上不是在争论远程办公对错，而是在提醒一件事：高频、即时、低损耗的沟通，本身就是效率工具。
六、结语：以后更贵的，是能判断、能补位、能落地的人
Andrew Ng 这条帖子最厉害的地方，是它把大家对 AI 的注意力，从“工具能做什么”，推进到了“组织会怎么变”。
写代码当然会继续越来越快，但这只是表层变化。更深的一层是，团队里真正被重估的能力，正在从单一岗位技能，转向跨角色判断、快速补位和直接落地。
对普通人来说，这不是坏消息，反而是一次重新洗牌的机会。未来更值钱的人，未必是把自己岗位守得最死的人，而更可能是那个既有硬本事，又能跨一步把事情做成的人。
如果说 AI-native 团队给了我们一个最现实的提醒，那大概就是这句：以后拼的不只是你会什么，还拼你能不能把不同能力接起来，变成真正的推进力。
夜雨聆风
