总览

郭宇这场演讲围绕一个核心问题：AI会给我们的生活带来什么样的变化？

他的回答可以凝练为五点：

1. 软件的编写方式已经发生了根本变化。
   
    从去年10月开始，代码不再需要人写，语言模型可以自动生成。他把这叫作”软件的终结”。
2. 知识工作者面临集体危机。
   
    不是某一个岗位的事，是整个知识服务市场的价格坍塌——供给无限，价格趋零。
3. AI走不了直觉这条路。
   
    人类接近智慧有两种方式——实验和直觉。AI擅长实验，但直觉的背后是想象力，这是人和代码最大的区别。
4. AI将深刻改变社会结构。
   
    农业、营销、信息生态、战争形态、全球经济格局，无一不受影响。中美AI差距约6到12个月，主要在编码能力上。
5. 普通人的出路：用AI养直觉。
   
    不是为了学技术，是通过和AI对话来训练自己的思维，让想法变得更锋利。

一、我是谁

郭宇说了一件有意思的事：当大语言模型出来之后，世界上不再存在文科和理科的区别——你只要能用自然语言描述需求，就能做任何软件。

二、软件的终结

软件的终结已经发生了。

以前的软件，是程序员一行一行敲代码，功能写死在程序里。

但从去年10月开始，一种全新的模式出现了——你用自然语言写一个”Skill文档”，描述你想要什么，AI就能自动帮你写代码、执行任务。

Skill文档：用Markdown格式写的一份”说明书”，描述你的任务和需求。AI读取后自动生成代码来执行。你不用写代码，写说明书就行。

他举了一个例子：你告诉AI”我想搭一个网站，介绍某位记者的写作”，AI就会自己去搜索信息、选择设计风格、用Python现写代码，两三分钟就生成一个完整的网站。

以前这需要前端、后端、设计师配合好几周。

他还把软件分成了两类：

• 写死的软件
  
  ：功能固定，逻辑写死在代码里，改一个按钮可能要重新上线。我们过去几十年用的所有软件基本都是这一类。
• 最终的软件
  
  ：基于语言模型，能根据你的需求实时生成功能。你想要什么，它就能变成什么，拥有无限可能性。

他说，以往的软件都是通过”工作流”构建的——第一步做什么、第二步做什么，每一步的规则都是固定的。

但”最终的软件”不需要固定流程，而是通过AI实时推理来动态生成。

工作流（Workflow）：预先设定好的自动化流程，每一步的规则固定。传统软件靠这个构建，而AI时代的新软件不需要它了。

他还提到了一个关键工具：

Open Cloud / Cloud Code：一种AI编码Agent，常驻在你的电脑上，能自动读取你的文件、搜索信息、写代码、执行任务。你只需要用自然语言跟它对话，它就能帮你完成从搭网站到做APP的各种事情。它背后接入了Claude的Opus模型。

他说了一个很生动的比喻：以前的程序员是”Web coder”，自己在那敲代码；现在你只需要跟AI聊天，AI在旁边帮你干活。

本质上，人从”执行者”变成了”指挥者”。

但所有这些AI运行都需要消耗算力——每一次推理都在消耗TOKEN，而TOKEN背后是英伟达的GPU在运转。

TOKEN：AI模型处理文字的基本单位。一个汉字大约是1-2个TOKEN。每次和AI对话，输入和输出的文字都折算成TOKEN计费。

他还特别提到了Cloud Code的一个设计：它在沙箱里运行，跑完就把环境扔掉，不会破坏你电脑上的原有文件。

沙箱（Sandbox）：一个隔离的运行环境，AI在里面执行任务时不会影响你电脑上的其他文件。跑完要么保留结果，要么丢弃，不会搞乱你的系统。

三、AI对行业的影响

SaaS行业首当其冲。

Cloud Code能按需生成软件功能，这意味着你不再需要订阅那些固定功能的SaaS平台了。

WordPress这种建站工具理论上会被取代——”WordPress应该会未来会倒闭吧”。

当然他也说也许还会有很多人用，但趋势已经很明显了。

SaaS（Software as a Service）：软件即服务。传统软件买断装在电脑上，SaaS是按月付费、在网页上直接用的软件。比如Notion、Slack、飞书都是SaaS。AI可以按需生成软件功能，不再需要订阅固定功能的SaaS平台。

他更远的判断是： AI降低了创业的最大摩擦——人力成本。

以前做一件事要招人，失败了要开人，现在一个人加AI就能试，失败了也没有解雇成本。

所以创业的门槛在急剧降低。

四、人类接近智慧的两条路

人类有好几种方式去逼近一个目标。

一种是像我，每天晚上睡觉之前跑1000个loop，通过大量重复去靠近。

另外一种就是靠你自己的insight（洞察力），你能从毫不相关的事情发散到一个毫不相关的想法。

我觉得这是人相对于语言模型来说的优势，就是人有想象力，有时候和原来的事情一点关系都没有。

insight（洞察力/直觉）：不通过逻辑推理，直接看到事物本质的能力。郭宇认为这是人相对于AI最大的优势——AI靠大量实验逼近答案，人可以凭直觉一步到位。

你如果经常使用cloud code，你跟它聊天、深入思考的时候，会发现它有时候会用很多感叹号，因为它自己也没想到。

因为语言模型的搜索是根据向量的分布来算的，所以它基本上是个概率模型。

向量分布 / 概率模型：语言模型的工作原理——它把文字转换成数学上的”向量”（一串数字），通过计算向量之间的距离和关系来预测下一个词。本质上是在算概率：哪个词最可能出现在下一个位置。所以它不是在”理解”，而是在”猜”。

五、想象力是最后的壁垒

这些agent有个非常重要的东西，就是发散思考和auto research的能力，这个能力可以代替大部分人的工作。

而且你知道人类是不太愿意思考的，一天刷10个小时抖音，不太愿意去想东西。

所以如果你真的不想被agent代替，无论是在工作中还是你的业余兴趣爱好，你就必须得去使用第二种方式，去寻求智慧——你要培养自己的直觉，培养自己对所有东西的感受，去理解这到底是一种什么样的东西。

对于青少年来说，现在可以开始使用cloud code来提升自己，卷过其他人，但6个月以后这可能也会变得没有意义。

你可以不断地通过实验来逼近智慧，但长期来看，你必须要知道自己和AI最大的区别在哪里——人是有insight的。

但这个insight也是受环境影响的，你的成长历程、心理状态、童年经历都不一样，我很难描述清楚怎么才能变成有这种insight的人。

我不觉得每个普通人都适合用cloud code，它是比世界上99.999%的人都要厉害的模型。

所以你可以理解为它在背后不断给你输入功力，你只要用它的功力做自己想做的事情就可以了。

想法在现在这个时代变得极其重要。

以前大家说行动重要，现在可能正好相反。

如果你有独特的想法，那你就要想我做出来之后别人会不会模仿我。

就像那个open cloud的创始人，他说X讯在抄他们的clock Hub，把他们的skill全部复制过去，然后他马上更新，说”我们发布的比你拷贝的还要快”。

这也是一种思路，就是你可以变得比别人更疯狂。

我还听说TIDB的创始人买了个带爪子的扫地机器人，能自动和机器人建立通信，让自己的龙虾指挥扫地机器人干活。

以往需要打开APP告诉机器人要出门，现在让龙虾自己指挥，每天转一遍看哪里脏了就扫哪里。

六、关于环境空间

我为什么选择生活在日本呢？

其实日本是一个很保守的国家，过上这种经典的生活很不容易。AI会带来很大的混乱，而日本这种社会结构很稳定，你的小孩的朋友都是和他在一个地方生活的。

这种经典的社会很难得。

如果你生活在美国，会发现很多有冲击力的改变都会让社会结构动荡，所以对我个人来说这是好事，但它确实存在很多问题，比如老人政治、工厂里的年工序列，会导致改变速度很慢。

不过每个社会都有这种情况，是人口结构决定的，没办法改变。

接下来的时代，我们不知道市场会怎么定价这种不确定性，也不知道有AI能力的国家会因为一些人和事的变化，在经济分配制度上变成什么样，没人知道。

但我赞同大部分人其实就是想过普通的小日子，在日本过普通小日子是非常好的，我也是想过普通小日子，所以选择来日本生活。

如果你想每天生活在疯狂和变化里、做些改变世界的事情，那你应该去湾区。

对我个人来说，在家里可以享受精神乐趣，出门有白云蓝天，咖啡馆里都是穿着漂亮的人在喝咖啡，我觉得这是完美世界。

七、AI将怎样改变世界

关于宇宙是不是模拟的这个事情，马斯克经常说。

量子力学关于宇宙有个解释，就是没有过去、未来和现在，所有信息都是交织在一起的，因为我们在系统内部，永远没办法观察到系统是怎么产生的，比如为什么光速永远不变。

未来人类有了各种各样的AI，同时又可以不需要依赖人了，这个族群其实已经在进化了，他们可以去探索其他星球，建立更好的社会。

所以肯定会有一个社会完全依赖AI，生产率非常好，景色也非常棒，希望我可以活到那一天，看看人怎么和AI一起进化。

大家不用思考太多，如果你每天像我一样去用AI，和它对谈，引发思考过程，并且把思考过程分享出来，大家会发现有很多东西不是单向思考能感受到的。

我们人类有个很大的缺点，就是没办法替代别人去感受，你必须得去用，用了之后切身实地地去体会。

无论是安排个人生活还是咨询情感问题，你都会发现它会从另一个视角启发你的思考。这其实ChatGPT就有，和cloud code没什么太大关系。

但cloud code最大的一点是它会自动帮你去做，弥合想法和行动之间的隔阂，人会感受到更多，因为人很难推动自己从思考到行动。

我有个逻辑——世界上大部分人思考很懒惰，就算思考了也很难推动行动。

如果你能在这两个阶段都做到，既有丰富思考又能推动行动，你已经超越了绝大多数人。

很多时候这需要你自己来探索，有了cloud code，你可以让探索的能力变得越来越强。

最后你能够成为什么样的人，也许会成为一个非常厉害的人——一个人可能抵好几家公司。

以往你写文章可能只有报刊订阅者能看，现在在推特上写文章也许一篇就有上亿阅读量。

马斯克在推特上用阅读量分成，有人通过CGM（即梦2.0）做了个模仿星球大战的视频，获得了26000美元的分成。

你根本不知道你做什么事情能够成功，你能够做的事情比以往多了百倍，去体验就可以了。

就像如果你是个冲浪专家，怎么成为一个好的surfer，没人能准确用语言告诉你，智慧这个东西你要自己去探寻。

关于战争：

再比如，现在打仗，比如打伊朗，他们只要在地图上用鼠标点一下，就会被自动通过人工智能调度去打击目标。

这已经不是做一个网站那么简单的事情了，它可以调度世界上各种各样的情报，然后通过火力来打击，这是很可怕的事情。

所以我能理解为什么西方很多人觉得这很可怕，这是我一直以来坚持的想法——所有科技行业的从业人员都是反人类主义者，因为他们都在反人类原本的样子，都在尝试让人变成一个奇奇怪怪的其他形态的东西。

但所有人都有强烈的动力往这个方向走，硅谷的各种大公司CEO也一样，因为它对生产力有非常致命的吸引力。

它可以影响各种各样人的心智、各种各样的信息，进而影响股市、战争、经济。

所以这些超级大国背后的AI公司，包括cloud的CEO说未来超级人工智能会出现在数据中心。

毫无疑问，美国在这件事情上有了绝对的霸权。

这对很多人来说不是好事，因为是否是好事取决于你的立场，你是不是拿美国护照，能不能分到好处，这是立场问题。

但我觉得这是一个不可避免、所有人都得接受的事实，就算你现在假装不接受，以后你的小孩也得接受。

关于农业：

还有农业方面，一些农场、农园花了一辈子时间学育种，比如日本的秦王等品种都是长期育种的实验品。

这是天然适合agent来做的事情，所以我在想，用cloud code是可以自动帮你去做蓝莓育种的，这是一个很有意思的方向。

八、AI差距

他核心的观察是：中国公司花大量算力在做”消费模型”——让7岁到70岁的人都能用的AI，比如豆包看穿搭、陪聊天。

但没有足够投入去做”编码模型”的训练。

编码模型 vs 消费模型：消费模型是给普通用户用的，陪你聊天、看穿搭；编码模型是给开发者用的，能理解和生成代码。郭宇认为中国公司算力偏向消费端，编码模型投入不足，这是中美代差的核心原因。

而编码能力恰恰是Agent时代的基础——能写代码，就能做任何事。

所以虽然中国团队在开源模型和消费模型上做得不错，但和Claude的Opus模型之间，还是存在大约6个月的代差。

这个差距不大，但在指数级变化的AI行业，6个月可能意味着错过整个范式转换的窗口。

九、想法

学好怎么使用cloud code的这些编码的agent，短期内这是有价值的技能。

但6个月以后这可能也会变得没有意义。

长期来看，关键不是学某个工具，而是培养自己的insight——你的直觉、想象力、感受力。

这些是你和AI最大的区别。

未来不是被预测出来的，是被想象出来的。

软件终结了，但故事才刚开始。

发布时间：2026年4月