AI 生成迭代速度加快,软件成日抛化.

杭州的小圈子闭门交流会，散会后我嗅到了一点味道。

软件时代的终结与AI重构，周末在杭州云谷学校。阿里巴巴与蚂蚁金服核心管理层几乎全部到场，马云、蔡崇信、吴泳铭、井贤栋、蒋凡、邵晓锋等等都在。没有发布财报，也没有人发布战略。讨论的只有一个问题：AI 时代，AI 时代的人，Ai时代要做的事，如何迎接Ai的迭代速度挑战？

请谨记马云的身份，商人的眼光会怎么定义Ai，Ai时代商业，这场会没有公开的完整实录，但几句被与会者带出来的话，比任何一份行业报告都更值得反复读。

一、这不是一场技术讨论，是对未来商业分工的重新划分。

马云的第一句话就把节奏定死了：AI 时代的冲击，超乎想象，而且大家都还没准备好。

关键不在"超乎想象"，在迭代速度的量词变了，Ai的效率让软件成为了日抛，很多公司直接取消了软件工程师。公司做出明确断言：软件时代彻底结束。笔者基于此判断，公司内部所有中台及内部软件项目全部取消，不再有软件工程师这一职位存在。

软件逐渐成“日抛化”趋势，在实际业务中的落地表现主要包含以下三点：

1.  取消内部软件工程师岗位公司目前已取消所有中台及内部软件相关的软件工程师岗位，不再保留传统的软件开发人力配置 。2.  利用 AI 即时重写复杂代码系统无论原有的代码系统（如 ERP）多么复杂，现在的做法是直接将系统界面和原有代码库交给 AI，由 AI 进行即时重写和生成，实现了软件的全即时生成模式 。3.  按需生产

• 技术底层逻辑发生根本改变：所有软件均为即时生成。
• 操作模式为：将ERP系统界面及原有代码库全部丢给AI，AI即可立刻重写，不受原有系统复杂度限制。这种模式类似隐形眼镜的“日抛”概念：软件不再是长期固定的配镜式开发，而是根据当天的具体场景按需生产，使用结束后即丢弃，并在次日根据新需求重新生成和进化，当软件资源像一次性筷子，餐巾纸，打包盒，擦屁股纸一样，随用随丢，社会即将发生深刻变革。

据现场交流的表述，AI 技术迭代速度超乎想象。过去十年我们习惯用"代际"描述技术，摩尔定律——从 3G 到 4G，从 PC 到手机，一次跨越需要五到十年，人们有足够时间完成技能迁移。但当迭代周期压缩到"日"，意味着：你今天做的技能训练，明天就已经过时。

这会带来两个后果，而且都不温情：

1.是社会物质极大丰富——效率提升是真实的，它会真实地反映在商品价格、服务供给和生活成本上。

2.是大量现有工作种类会消失，未来人类可能不再需要每天工作八小时。

第二条比第一条更难谈。历史上所有技术革命都在消灭岗位，但没有哪一次是主动以"周"为单位推进的。生产的节奏由资本逐利驱动，适应的节奏却由人的生理和习惯决定——这两者之间的时差，就是焦虑的来源。

所以这场会的性质其实很清楚：这不是技术交流，是一次关于"我们身处什么时代"的集体校准。

二、人和机器的差别，只剩三点

蔡崇信给出的答案极其克制。他认为未来人与机器人的核心区别主要在三件事：

1. 好奇心 —— 人具有自发的主动性

（补一句出处：这句在会上被记为吴泳铭所说——"好奇心决定了人会自发地去做一件事，而机器是被动的"。蔡崇信将其纳入了三点框架。）

这是最本质的一条差异。机器的"主动性"来自目标函数，是人写进代码里的条件反射；人的主动性来自"我想"，是先有冲动、后有目标，甚至没有目标。

这解释了一个日常现象：AI 能写出比大部分人更好的代码，却不会在深夜突然想做一个没有人要求的东西。

2. 共情力 —— 对他人的理解

共情不是"能识别情绪"，而是"在乎对方的处境，并愿意为此改变自己的行动"。

AI 可以精确测量语气中的情绪波动，但它不会因为看到对方难过而改变自己的计划。共情的本质是承担代价，而承担代价需要主体性——这是算法的定义域之外的事。

3. 体力

这一条最容易被当成玩笑，但恰恰是最被低估的。

当认知性工作被大规模接管，身体的在场性反而变成稀缺资源。这是一个反直觉但逻辑清晰的推论：如果所有需要动脑的活都能被完成，那么需要动身体、需要在现场、需要承担物理责任的岗位，会重新获得议价权。

所以现在就开始让孩子练体育，不是"兼顾全面发展"的教育理念问题，而是能力结构的问题。

三、"沟通"正在从软技能变成硬资产

现场有一个判断值得单独拎出来：

未来机器人可以处理绝大多数事务，但"人与人之间的沟通"以及"人与机器的沟通"，会成为最重要的能力。

注意这句话的结构——它把沟通拆成了两个方向，而这两个方向的价值来源完全不同。

人与人的沟通：价值在于共情。AI 能生成话术，但无法承担"说错了的后果"。在信息过剩的时代，能把复杂的事讲清楚、把对立的关系讲和的能力，本身就是一种稀缺权力。

人与机器的沟通：价值在于提问质量。蔡崇信的原话很精准——

思辨能力不是会问问题，而是问对问题。

会问问题是检索能力，问对问题是判断能力。前者 AI 已经做得很好，后者 AI 无法替你承担，因为"对"的标准取决于你想要什么，而定义目标这件事本身还没被交出去。

这两条加起来，指向一个不太舒服的结论：未来最值钱的沟通能力，是在人和人之间取得信任，以及在人和机器之间取得准确。

四、这条赛道不能停，因为它是一场进化赛

会上还有一个判断，冷静得近乎冷酷：

AI 的发展如同进化竞赛——只要有一个国家或公司不停止，其他参与者就无法停下，否则会被淘汰。

这是一种博弈论意义上的囚徒困境，而不是价值判断。

个体理性在这里完全失效：任何一方单独放缓，收益为零而代价极高。所以结果不取决于谁更清醒，只取决于谁跑得快。这解释了为什么即便所有人都看到风险，AI 领域的军备竞赛仍然不会自发起作用。

这件事对我们的直接含义：既然放缓不是选项，那么"如何应对"就不再是开放问题，而是必答题。个人层面唯一能做的，不是等一个行业性的答案，而是把自己的能力结构挪到更难被替代的位置上——这恰好回到了那三点。

五、落到具体行动：六件事

1. 教育必须立刻转向

方向已经清楚：从知识灌输，转向好奇心、想象力、创造力和判断力的培养。

这里有个关键判断依据：AI 让知识的获取变得极其便宜，于是知识本身不再是壁垒。过去教育的大部分时间花在"记住"，而"记住"这件事正在以肉眼可见的速度贬值。

判断力则相反——当所有答案都能被检索到，"该信哪个答案、该问什么问题、这个答案适不适用于我的处境"就成了新的稀缺能力。

2. 拓宽眼界，而不是在班级里内卷

家长和教育者应该致力于扩展下一代的眼界，这比在班级内部"内卷"更有意义。

内卷的逻辑是"在同一标准下排名更高"，而 AI 正在让"同一标准"这件事本身失效。当任何人都能在几秒内获得标准答案，统一的考试标准将失去筛选力。未来的筛选标准会回到"你能接触到什么、你能看见什么"——也就是眼界本身。

3. 重点培养逻辑思维，落在"问对问题"上

不是鼓励孩子多提问，而是训练他判断：什么问题值得问，这个问题该由谁来回答。

一个训练方法：孩子每问一个问题，先反问自己三个问题——

• 这个问题 AI 能直接回答吗？能的话，答案的价值在哪？
• 如果不能，缺的是信息、还是判断？
• 我希望得到的答案，会改变我的哪个决定？

4. 现在就开始培养体育运动能力

理由见前文：当脑力工作被替代，体力成为少数不会被替代的能力之一。

而且它还有一个被忽略的作用——体育是极少数无法用 AI 代劳的"沉浸式体验"。孩子在跑道上流的汗，是真实的身体记忆，这种记忆无法被外包。

5. 让 AI 处理重复琐碎事务，把时间还给人类特质

这是一条分配命题，不是技术命题。

如果 AI 的收益只是让人做更多的事，那它就是在加剧消耗。真正的用法是：把重复性事务交出去，换回审美能力、创意和想象力的时间。判断今天的生活是不是变好了，标准不是效率提高了多少，而是有没有时间做那些无用的、但让人完整的事。

6. 避免让 AI 成为"扔不掉的拐杖"

这是会上最值得抄下来的一句提醒：别让 AI 变成你扔不掉的拐杖。

拐杖的隐喻精准在于：一旦拄上，肌肉会萎缩。判断力、记忆、推演能力都遵循同样的机制——每次外包，你都失去一次锻炼机会，而这个损失是隐性的、不可见的。

具体建议：保留一部分必须自己完成的场景——重要决策的信息要自己读一遍，关键的推导要自己走一遍。有些工作看起来"效率很低"，其实那个低效本身就是训练场。

附：三段需要保持清醒的话

下面这三段在讨论中属于"推测"或"引用他人观点"，不构成已验证的判断，但值得放进框架里观察：

一、手机形态：可能消失的 App 与商店

会上引用了马斯克的观点：预测6–8 年后手机将没有 App 和 App 商店，变成一个高度定制的"AI 脸"或接口，通过意念或语音直接处理所有需求。

这个预测的技术前提是意图识别足够可靠——系统必须能准确理解"我想要什么"，而不仅是"我说了什么"。目前语音交互在嘈杂环境、多轮澄清、歧义意图上仍会出错，距离"完全不需要界面"还有距离。

不过方向是清楚的：当 AI 足够理解意图，界面就会从"用户手动操作"退化为"意图的呈现层"。

二、脑机融合：百年尺度的猜想

会上提到了极具争议的观点：未来 100–200 年内，AI 可能直接植入大脑，实现人脑与世界知识库的互联，人类将与 AI 融合，拒绝融合者可能被边缘化。

这里需要说清楚：这是一个百年尺度的思想实验，不是技术预测。它隐含的前提包含几个目前完全不存在的东西——安全双向写入、可验证的记忆读写协议、跨设备意图的精确定位、以及神经信号的长期无损接口。

至于"拒绝融合者被边缘化"——这个论断没有技术依据，纯粹是社会价值判断。它真正的来源是信息可见度的差距：当别人能秒查答案而你不能，差距会自然产生。这跟脑机接口没关系，只是把差距的来源换了。

理性态度：把这类猜想当作"值得跟踪的技术方向 + 值得警惕的社会隐忧"，不要当作规划依据。

三、机器人的好奇心：一个人世代的时间尺度

会上推测：虽然目前机器是被动的，但在一代人时间内，机器人可能会发展出好奇心。

这个推测比另外两个更值得认真对待，因为它指向的是一个可观测的技术路径：当前的"主动性"依赖目标函数，而目标函数的通用化、乃至从数据中自发形成长期目标，本身就是活跃研究方向。

但需要区分两种"好奇心"：

• 功能性的：优化器在解空间里搜索更优解——这不是好奇心，是计算；
• 现象性的：在没有外部指令时，主动探索并形成偏好——这才是好奇心的定义。

两者之间隔着的东西，我们目前还看不清楚。所以"一代人内出现好奇心"这个说法，可以当作一个值得跟踪的假设，但没有任何证据支撑它会发生。

写在最后

这场会的价值，不在于它预测对了什么，而在于它把一群最有资源的人正在认真对待的问题，摆到了我们面前。

三句话可以概括：

时代判断——AI 以"日"为单位迭代，这是不可逆的。能力判断——好奇心、共情力、体力，以及沟通能力。态度判断——不要把 AI 变成扔不掉的拐杖。

第一个决定你在哪儿，第二个决定你有什么用，第三个决定你还剩多少自己。