夜雨聆风过去两百年，每一次工业革命都会带来新的生产资料。
蒸汽机让人拥有了机器，电力让工厂实现规模化生产，互联网让信息可以无限复制。而今天，AI 正在带来另一种全新的生产资料——每个人都能拥有属于自己的“工厂”。
在最近一期纳瓦尔的播客中，几位站在科技最前沿的创业者聊了一个有趣的话题：真正让他们兴奋的，并不是产品本身，而是背后的生产方式正在发生根本变化。
过去，一个优秀工程师的价值来自于亲手完成多少工作；现在，一个优秀工程师的价值越来越取决于他能否搭建出一个能够持续产出的“软件工厂”。
过去，公司扩张意味着招聘更多的人；现在，越来越多的工作正在由 AI Agent 接手。人类开始从执行者变成管理者、训练者和验证者。许多曾经需要几十人团队完成的事情，如今几个人加上一群 AI 就能做到。
更值得关注的是，这种变化并不仅发生在软件行业。
飞机设计、芯片制造、生物科技、医疗研发、法律合规，甚至监管流程本身，都正在被 AI 重新改写。那些曾经需要数月完成的工作，开始被压缩到几分钟；那些曾经限制创新的门槛，正在快速降低。
如果说过去的互联网时代让每个人都拥有了一台电脑，那么 AI 时代正在让每个人都拥有一家工厂。
而真正的问题已经不再是“AI 会不会取代人”，而是：
当智能和执行力越来越廉价之后，人类还剩下什么？
这场讨论给出的答案或许出人意料——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。
这可能才是 AI 工业革命真正开始的地方。
以下是正文。
AI 工业革命：建立你自己的工厂
Naval 与三位前沿领域的创始人——Guillermo Rauch (Vercel)、Blake Scholl (Boom Supersonic) 和 Max Hodak (Science)——共同探讨新的生产资料：软件工厂、垂直整合、监管前沿以及自主化公司。
01
浪费 Token，节省时间
Nivi：欢迎大家。你正在收听的是《Naval Podcast》，这是你获取新权威知识的源泉。我们今天在尝试一些新的形式。我们邀请到了三位前沿领域的创始人——其实是三位帅哥，还有第四位帅哥，Naval。
让我来为大家介绍一下。
Guillermo：他正在将 Vercel 打造为一个面向 Agent（智能体）世界以及未来形态的 AI 云平台。
Blake Scholl：他正在自己的工厂里建造 Boom Supersonic——超音速客机，同时也在研发喷气发动机。
还有来自 Science 的 Max Hodak：他正在构建一种生物混合大脑接口（biohybrid brain interface），通过在硅片上培育活体神经元来恢复视觉等感觉功能，但其最终目标是探索大脑的新区域和新感官。
这三位正在打造的产品都不是用现成的零件拼凑出来的。他们正在建立自己的工厂。我们关心的不完全是他们具体在建造什么，而是他们在“如何建造”的过程中学到了什么。
他们正在创造什么样的新知识？ 他们的 Alpha（独特优势）是什么？ 他们发现了哪些其他创始人可以借鉴的原则？ 他们现在正在努力弄清楚什么？
Naval：哈哈，大家玩得开心就好。
Nivi：各位随时插话。
AI 软件工厂
Guillermo Rauch：我不记得我的原话是怎么说的了，但我最近真的对“软件工厂”这个概念深信不疑。过去工程师的工作就是打卡上班，直接交付产出，公司内部衡量的一切指标都是——“员工 A 交付产出 B 的能力有多强？”
而现在发生的变化是，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？”
这是一个非常显著的变化。我们过去相信——而且这在以前是有争议的——存在 10 倍工程师（10x engineers）。
现在很明显，已经出现了 100 倍甚至 1000 倍的工程师，而世界还没有完全适应这一点。
Naval：我以前在 Twitter 上说存在 10 倍工程师时经常被喷，因为这违反了“人人平等”的平等主义哲学。但现实情况是，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。
中本聪（Satoshi）、Notch（我的世界创始人）、发明 JavaScript 的人——也就是 Brendan Eich 们、John Carmack。这些都是 1000 倍的程序员。
更不用说——如果你选对了研究方向和选错方向相比，那是无穷大的差距。这不一定是因为他是更好的程序员，而可能仅仅是因为他最初在“决定做什么”上拥有更好的判断力。
当然，现在由于 AI 的杠杆作用，这个观点的争议性已经变小了。
Guillermo：现在有争议的是 Token 排行榜。人们仍然有些困惑——“好吧，我有一群 100 倍工程师。看看我付出的这些 Token 账单。”
我很好奇你们有没有遇到类似的情况——你们如何衡量投资回报率（ROI）？
Blake Scholl：这就像以前用代码行数来衡量工作量一样。Token 的消耗量和代码行数感觉极其相似，都不是直接对等的范式。
Max Hodak：我的观察是，Claude 或 ChatGPT 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——这些小小的更新似乎完全决定了你能从它们那里获得什么样的表现。
Guillermo：这演变成了我现在提供的一种新形式的“技术支持”——你来找我，说你没有从模型那里得到好的产出，然后我告诉你用什么提示词（Prompt）去引导模型。重新调整提示词（Reprompting）的质量变得极其重要。
Max：明确地说，我认为随着时间的推移，这一点会变得不那么重要。随着模型变得越来越聪明，你可以输入更少的内容并获得更多的产出。但在现阶段，它确实能够深刻地映射出使用者本身所带入的判断力。
浪费 Token，节省时间
Naval：我在某种程度上一直在抗拒学习所有的诀窍和技巧。比如“使用 Ralph Wiggum 技巧、使用 OpenClaw、使用 Hermes、使用这个提示词引擎、使用这种脚手架、插入这个组件、永远使用 Plan（计划）模式”。
我完全无视了这一切。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。所以我对它们一直是非常粗暴的。
我常对它们感到沮丧，并且发现随着时间的推移，我自己敲入的信息越来越少，做的工作也越来越少，因为我假设我可以靠蛮力解决问题。我会把同一个问题扔给 Codex、Claude 和 Gemini ，仅仅为了节省时间而浪费 Token。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。
即使它们写出了低质量的代码——我知道在很多情况下确实如此——当需要交付到生产环境时，我只需砸更多的 Token 过去。“通读一遍，检查它，重写它。”
它们每一代都会变得更好。我看不到这在什么地方会必然停滞。只要我们处于可验证的领域和已解决的问题中，它们就能搞定这些问题。现在，在未解决的问题领域——也许你是陶哲轩（Terence Tao），站在创造力的最前沿——你需要与模型进行非常紧密、谨慎的协作。但在软件工程方面，我还没到那个水平。
模型指导人类
Naval：Guillermo，你可能是我们团队里最硬核的软件工程师了。在模型能力的边缘地带，你觉得它们表现如何？
Guillermo：最近发生的一件事与你所说的产生了强烈共鸣。以前，你给模型一个提示词，它往往只会做经典的下一个 Token 预测（Next-token prediction），然后顺着你的想法跑偏。现在的模型已经开始具备这种直觉性的计划模式（Planning mode）——甚至不需要你要求它做计划——它会回来对你说：“看，你对我的要求有这三条路径可行。以下是各自的权衡取舍。”
这就是 X（前 Twitter）上的人们大呼“现在我们有了博士级工程师模型”的时刻。
模型在某个节点毕业了。它们以前是初级工程师。现在它们是首席工程师（Principal engineers），因为它们会带着一系列权衡方案来找你。当然，有时它们也会一本正经地胡说八道，这很好笑——它会告诉你“这需要三周时间”和“这么多 Token”。它会做出非常糟糕的预测。但我现在更尊重模型，把它当作一个可以进行智力往复碰撞的同伴。
当然这里面仍有很多差距。如果你是一个非常精通的工程师或架构师，你依然能榨出更多的汁水。
所以回到 Max 刚才提出的问题——如果你是初级，你得到的也是初级产出吗？
显然不是，因为初级人员可以获得比他们自己能写出的更先进的代码和知识。但一个经验丰富的架构师是否能获得 10 倍的提升，而初级工程师只能获得 2 倍？这是我一直在努力弄清楚的。
Max：还有架构决策的层面。我现在在我们团队的一些初级软件工程师身上看到了这一点——他们职业生涯的下一步发展是什么？那就是从为一个功能编写具体实现，演变为选择技术栈。比如在 Postgres 与其他数据库之间做抉择。在 ZeroMQ 与其他队列系统之间做挑选。模型可以给出建议，但关键就在这里——当你看到它时，你会说：“不，不，我想用另外那个东西。”
这就是那种真正起作用的微小反馈，也是你目前能够获得的产出类型。
Naval：这就是品味和判断力，对吧？话虽如此——你可以问模型“我应该用哪一个以及为什么”，它们无所不知。它们会给你一个非常漂亮的权衡矩阵。
Guillermo：这就是最近发生的变化。你会说：“嘿，把这个超级高基数（High-cardinality）的遥测数据放进 Postgres 里。”它会说：“不，不，老兄。我们不把这种数据放进 Postgres。你应该考虑 ClickHouse 或 Athena 之类的。”
这种情况经常发生在我身上。令人印象深刻。
但我仍在纠结的一点是——显然现在还是人类在完善模型。在什么时候会反过来？由人类开始接收指令：“去帮我拿这个 API Key，因为这是只有你才能做的事。”
或者“为我的下一笔投资弄到这个数额的资金。”走着瞧吧。显然我们现在还没走到那一步。
Naval：那只是暂时的反常现象。很快，每个优秀的 SaaS 公司或托管提供商都会提供 CLI（命令行）和 API 接口供模型直接使用。它们甚至不一定需要 API。只要它是基于文本的、基于 Unix 的——Agent 可以自己 Hack 出它需要的 API。至于资金部分——你接入加密货币，放入比特币或任何东西，模型就会去为它需要的一切付费。人们正在研发这些。
纯软件死了吗？
Naval：我现在正在思考的是——纯软件死了吗？纯软件工程成了一个过时的事物吗？这就像说英语一样。模型现在会说英语了。我们曾经不得不学习代码来与它们交流。现在模型能说英语了——模糊、不严谨的英语，就像人类一样——而且它们能理解事情。那么创始人的护城河在哪里？硬件吗？这是一种恩赐。以前你必须制造硬件，同时围绕它建立一个软件公司是非常困难的。Patrick Collison（Stripe 创始人）曾说过：“软件是艺术，而艺术家很难招。”
现在，作为硬件创始人——太棒了，你可以相当快地开发出非常好的软件。
如果你在创建模型，也许这就是新的软件工程——训练、调整、后训练（Post-training）、微调（Fine-tuning）。但经典的软件工程——那算死了吗？纯软件还值得投资吗？纯软件还能让你组织起一个公司和团队，并试图获得一些杠杆吗？
Guillermo：你们看到了吗——Mitchell Hashimoto 在 X 上发过一篇文章，叫《积木经济》（The Building Block Economy）。他的论点是，现在对 Agent 来说最核心、最实用的东西是极其强大的可复用积木（Building blocks）。借用 Max 的例子，你不会指望你的智能体每次需要发邮件时都从头发明一套队列基础设施系统。它需要引入正确的积木，大小刚好匹配任务——“好的，针对这个任务，用 BullMQ 即可”。
我质疑这样一种观点，即我希望 Agent 从第一原理出发重新发明整个宇宙，从而导致它与社会和文明的其余部分互不兼容。这几乎就像仅仅为了你自己，去重新发明高速公路、法律和政策。即使有获得额外优化的潜力，维持“我们都依赖 Postgres 13.2”依然具有巨大的大规模协作价值。
这些 Agent 将要使用的基础设施软件和积木这一类别——显然我有偏见，因为这正是我们正在建造的——是极具价值的。我不认为 Agent 会在短期内把这些全部重新发明一遍。
我还一直在用另一个比喻：任何已经被创造出来、可供模型复用的东西都像是一个 Token 缓存（Token cache）。你不想为了复制已经存在的东西而空耗一万亿个 Token。总有一个模型可以分叉（Fork）出来的起点。这将极其深刻地改变一切。
Naval：所以这些就像是类库和依赖项，只不过是给模型用的。
Guillermo：是的——专门给 Agent 用的。
你再也不会卡壳了
Max：不过针对 Naval 的问题——我从小就很早学会了编程。在我的整个青少年时期和二十多岁的时候，我会沉迷其中，连续写上 20 个小时的代码。那超级好玩。我了解各种不同编程语言的各种细节。
我已经有相当长一段时间没写过哪怕一行代码了。部分原因是因为我的工作角色不同了。但也因为——自去年 12 月以来，我构建了大量我自己现在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。我很难把这看作未来的一部分。
Guillermo：真正酷的是你理解这些碎片是如何卡合在一起的。任何理解什么是 API、数据如何流动、输入与输出、性能表现的人——因为你必须围绕“我对这次操作的预期水平是什么”来定位模型。这永远比具体写代码要有用无数倍。一个真正精通的工程主管一直以来都是在通过 Slack 或一对一会议进行所谓的“氛围编程（Vibe coding）”——你在传递你的意志、你的意图、你的经验，并让其他人去执行。现在我们做的是同样的事，只不过对方变成了 Agent。这就是你能够成功的原因。我不知道是不是每个人都能体会到同样水平的成功。
Naval：我从二十年没写过代码，发展到现在的通过 Agent 整天都在编程。构建了海量的软件。事实证明，只要理解软件工程和算法的基本原理，就能走很远。我当年停止编程的原因是我没有时间去弄清最新的语言、最新的架构以及可以接入的基础设施组件。虽然 Vercel 让这变得容易了很多，但即便如此——仅仅是配置环境起步就很让人头大。把各种碎片拼在一起、组装基础设施实在是太烦人了。
Max：真正改变的事情是——以前你可以构建很多东西，大部分流程都很顺畅，但随后你会撞上某个随机的 Bug，然后你可能会花上无限长的时间去调试某个极窄的问题。现在有了 Agent，你基本上再也不会卡壳了。这非常神奇。它们能相对迅速地找到正确的做事方法。我记得以前其他朋友尝试学习编程时，感觉就像——“不，它本质上就是令人沮丧的。这就是游戏规则的一部分。你就是这么学习的。”
而现在这已经不再是真理了。
02
氛围编程硬件
氛围编程一个涡轮叶片
Nivi：嘿 Blake，你在 Boom Supersonic 是如何应用这一切的？
Blake Scholl：这完全改变了软件和硬件开发者的角色。从第一天起，我们就试图把许多传统的工程工作流——硬件工程工作流——转化为软件。如果你没有接触过硬件工程，让我试着把这一点解释清楚。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 代码。所有这些实际上都是软件，但它们被当作好像不是软件一样对待。没有版本控制（Source control），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。太糟糕了。
所以我们开始构建软件框架来使硬件工程流程自动化并可重复，其理念是我们可以降低迭代成本。但当时进展缓慢——我们永远雇不起足够多的软件工程师。而我们现在进入的是一个令人动容的全新模式：软件工程师负责设计架构，因为他们理解系统、算法和关注点分离（Division of concerns）。然后，硬件工程师可以“氛围编程（Vibe-code）”他们自己的部分，因为他们懂硬件工程。其结果就是小团队实现了惊人的生产力爆发。
举个例子。如果你在设计一个涡轮叶片——经典情况下，涡轮叶片开始时是冷的，但运行时它会变热，因此体积会膨胀。你必须设计出空气动力学和结构设计，使其在冷形态和热形态下都能工作。你必须在冷和热、结构和空气动力学之间进行转换。这需要一个工程师花一整天时间，来针对一个叶片进行某一小块的分析。而一个喷气发动机里大约有上千个叶片。你做不了太多优化。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。
Guillermo Rauch：你提到的一件事是，软件工程师正在为其余的工程师创造工具和架构。对我来说，这是企业级软件最大的行业剧变——再也没有哪家做硬件协作工具的初创公司能卖给你任何东西了。在公司内部，你随时都可以自己编写出你当下所需的正确工具。甚至表格都有点过时了。表格之所以成功，是因为以前没人能构建定制化软件。最接近定制化软件的东西就是带有堆 VBScript 函数的表格。
Naval：对——它们是轻量级编程。
Max Hodak：我个人已经几乎完全从 Excel 转向了 Python 模型，在里面我可以获得可信的仿真模拟。AI 目前还没有进入、但我认为在未来一年内——大概在 2026 年内会进入，并且会非常令人兴奋的领域是：目前它能生成软件，但很快它就能生成 STEP 文件（3D 模型文件）和 PCB（电路板）布局。当它降临到机械和电气工程领域时，那是我们尚未见过的全新景象。非常酷。
开源放大了中国的优势
Naval：在硬件方面，这对于所有那些因为做不出好软件而写出极烂软件的小型硬件公司和配件公司来说是个福音。现在他们将能够做出“足够好”的软件。或者它甚至可能都不是带有面向人类前端的软件——它可能完全是 Agent 化的，由一个 Agent 去访问它，而你通过声音与其交谈来控制硬件。
这也是中国大力投入开源模型的原因之一。他们正在全方位押注开源，因为他们拥有硬件制造优势。他们拥有这些非常复杂的供应链和零部件链。他们基本上在说——“嘿，如果我可以按需生成软件，那么面对硅谷时我就不再有这个劣势了。”
但这并不是他们开源的唯一原因。他们目前也处于落后位置，他们在蒸馏（Distilling）模型，在苦苦追赶，在资源上进行协作。但中国政府在资助那些能促进行业生态全面发展的努力上是有历史传统的，尤其是在具有网络效应的商业中。他们希望汇聚所有资源，在 AI 上追赶，并利用它来赋予他们的硬件产品和工厂以优势。
讽刺的是，他们做所有的开源工作是因为 OpenAI 并不 open。Grok 发布了模型，但它们落后了一两代。Google 有一些本地模型，但没什么真正具备竞争力的。Anthropic 据我所知——我甚至不知道他们有任何开源模型。所以所有的开源大旗都是中国在扛。这帮到了我们的硬件创始人，但更帮到了他们的硬件创始人以及工厂。你从亚马逊上买来在无聊的周六下午摆弄的那些乱七八糟的硬件小玩意，它们所配套的那些曾经很烂的软件，现在都正在极快地变得好起来。
Guillermo：每个人都迎来了当头棒喝：如果没有顶尖的前沿代码生成模型，你就无法实现自我进化。试想如果中国作为一个整体无法在最前沿的每个环节都具备产出能力。这不仅仅是产出软件的问题——在硬件管线的任何一个环节中，你都需要生成软件。如果你在生成软件的能力上落后了，你就会在生成一切的能力上落后。
你永远想要最聪明的模型
Guillermo：我有一点很好奇：大家都很喜欢讨论中国的模型。你们自己会用中国的模型吗？你们认识有谁在用中国的模型吗？
Naval：不用。这是我昨天在晚餐时争论的一个观点。桌上的一个人声称，在 97% 的事情上你只需要用 DeepSeek 就够了，因为它太便宜了，如果你需要更高的智能，你只需要把同一个问题反复运行多遍就行。你只会在最先进的任务上使用 OpenAI、Anthropic 等。我当时有点觉得“不一定”。我认为智能是一种很纯粹的东西。你永远渴望更高的智能。当这些模型犯错时，你根本意识不到。而且它总是比一个真人便宜，且是实时的。
所以你只会去使用市面上能找到的最聪明的模型。这其实不算个好消息，因为这意味着你最终会在 AI 领域造成垄断或寡头垄断的局面。但我永远想要最聪明的程序员。我永远想要最正确的答案。我永远想要最好的判断力。考虑到我将要通过资本、代码、人员和营销投入其中的巨大杠杆——我希望每一次都能做出正确的决定。当我面前有两个模型，我知道其中一个比另一个聪明一点，而它们都给出了答案，通常我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。你们有发现这些所谓的“次聪明”模型的用途吗？
Guillermo：我们看到了用途。我们有 AI Gateway的数据——基本上每个应用层 Agent 都会经过它。开源模型确实有使用量，但头部依然被前沿的高阶智能牢牢占据。
不过有一个例外：成本和性能处于合理平衡的前沿智能在规模化应用时极具杀伤力。Gemini——人们对 Gemini 似乎提不起什么极高的热情，但 Google 推出的模型在特定的性能-成本组合上非常聪明。有趣的是，对于编程以外的很多任务，它们是最好的工业级生产模型。你可以把它们扔去处理客服支持任务或浏览器自动化。我永远会把一个 Gemini 模型放在那，我也会看向中国的模型来处理这类事情。
但任何时候只要我是为了推向前沿，你就需要最好的代码生成模型。那基本上也就是两三个模型。中国人肯定不在此列。
软件仍需要双手
Nivi：Max，你正在极力推进垂直整合和极度的紧迫感。想聊聊这个吗？
Max：很多东西你买不到，所以你必须想办法自己造。我们显然不会在像前沿模型这样的事情上从头造——我订阅了 Anthropic。回到 Naval 的观点，我们实际上确实会使用一些中国的模型。我们使用千问和 DeepSeek。我们内部对 3.2 版本进行了大规模微调，我把它用于很多事情——我们打算很快迁移到 4 版本。但这属于个人层面，不是公司层面。
我们的首选永远是买现成的。如果有供应商能以极具优势的价格提供某项服务——例如 PCB。我们不生产 PCB。那些基本上跟不要钱一样。你可以从亚洲无限制地采购。但是，我们的产品越接近于由共价键结合而成的单一整体（a single block of covalently bonded matter），它们的表现就会越好。功耗更低、体积更小、性能更高、寿命更长。现成的组件是没有的。为了做到那种程度的整合——去真正超越单纯拼凑你从货架上能买到的东西（这其实非常受限）进行创新——你必须学会自己动手。这就体现为垂直整合。因此，我们在东海岸拥有一家专属的 MEMS（微机电系统）晶圆厂。没有其他办法能做到我们想要的那种封装和组装。
所有这些在未来几年内都会受到 AI 的沉重影响。虽然现在还没完全走到那一步。讽刺的是，我们在公司内部看到 AI 带来的最大影响之一是在与监管机构的互动上。如果我们可以生成文件，或者如果我们去问——“我们想对这个产品进行迭代，这里有几千个可能适用的 ISO 标准，我们必须遵守哪些，请帮我梳理一遍”——这在以前需要一整个监管和合规团队忙活好几个月。现在 AI 基本上自己就知道。
每当我想到诸如手术项目或 MEMS 制造厂时——归根结底，软件仍然需要双手。它会比我们更聪明，但如果它无法制造实体，那些就是真正的边界。我们已经对我们的晶圆厂以及公司的许多其他部分进行了数字仪器化，其方式是，随着这些模型变得更好，它应该会非常直接地反映在我们正在进行的细胞工程和我们正在开发的材料科学等事情上。我们的蛋白质工程团队确实大量使用了深度学习——我认为我们在那里可能处于世界领先水平。但这非常依赖于具体的应用。它在公司的不同部门意味着不同的东西。没有单一的唯一答案。
人类正在变成验证者
Naval：Max 刚才提到的监管方面的事情让我想通了——我已经很久没有通过律师去生成一份基础的法律文件了。我不再找律师要保密协议（NDA）、这份协议那份合同、签署这个、研究那个。所有基础的法律任务也都消失了。有一个老笑话是，法律就像烂代码（Spaghetti code）——用英语表述的极度复杂的代码。它与这边的代码冲突，必须塞进那边的代码里。它没有任何真正的 API。
对于初级工程师和初级工程来说——初级工程师基本上获得了晋升为高级工程师的机会，而初级工程则被 Agent 接管了。同样地，在法律界，你可以说“法律助理（Paralegal）都被开除了”，或者你可以说“法律助理刚刚被晋升为高级律师，现在他们可以把时间花在思考法律条文本身上了”。
Guillermo：思考软件工程的演变与律师之间的平行关系其实很有意思。你永远不知道律师究竟在这些文件里写了什么——你只是信任他们。“嘿，律师，你能帮我看看这份文件吗？你能告诉我它是否合法吗？你能做红线修改吗？”你在与律师的关系中所看重的，是他们作为一个值得信赖的权威。他们读过法学院。他们是在拿自己的名誉背书。
软件工程也有类似之处。今天最大的问题是这种最终变成 PR（拉取请求）的漫山遍野的 Slop（代码垃圾）。Twitter 上有很多迷因——“曾几何时，我们会通读 PR 的每一行代码。”好吧，在我的世界里——也就是基础设施领域——我希望工程师能够对那个 PR 的每一行都说“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，“我编写了测试马 harness、模拟、证明、类型检查器——即使没有通读，我也有信心签字保证它在生产环境中是安全的。”
在某种世界里，我们接受一切都将是系统无法完全理解的烂代码，但我们编写评估器（Evaluators）来带给我们信心，并且我们依赖那些人——基础设施生产工程师——来说，“好吧，我没意见，把这个送进生产环境吧。”如果你的系统挂了，有人会被 Call 醒。另一件人们低估的事情是：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？
Naval：人类正在变成验证者（Verifiers）。这就是我们训练这些模型的方式——通过高质量的验证数据——而现在我们需要人类验证者。许多以前属于人员、律师、工程师、运营人员的职能，转移到了验证整个技术栈上，并说：“对，这大致正确，我基本愿意为其背书，如果搞砸了我会支持你。”
第三部分：监管前沿
监管的红皇后赛跑
Blake：我们看到的与监管相关的事情之一是——它极大地减少了对变化的抗拒，并改善了迭代。举个例子：假设你要去认证一架飞机。在无数件事情当中，你必须证明它能够承受雷击。该测试计划的监管文件长度拉通来看，比如说，有 200 页。经典做法是，你会雇佣一个——老实说，不是特别聪明的工程师，但他愿意呆在那里，像键盘上的猴子一样，敲出 200 页的监管合规文件。这需要花费几个月的时间。而且顺便说一句，如果你改动了飞机，现在你想哭的心都有了，因为又得花两个月的时间去重写这些枯燥的合规文件。
我们发现的是，我们可以构建一个 RAG（检索增强生成），使我们基本上可以通过提示词在——我们称之为几分钟内——完成所有的工作。第一阶效应是你看省了大量时间。第二阶效应是，如果你改变了飞机的规格，现在只需要几分钟而不是几个月。所以你能够变得愿意去做出改变。第三阶效应是你可以淘汰掉那些不够优秀的工程师，只留下少数真正富有创造力的工程师进行快速迭代，因为改变的成本降下来了。在某种意义上，这让阻碍迭代能力的整个监管负担消失了。
Max：这在目前的 AI 领域是一个严重被低估的故事。硅谷的共识是监管很烂——我们想走得更快，我们想实现这个惊人的未来，我们想要丰裕、繁荣，而阻碍这个未来的东西都应该避免。当然，我们确实过度监管了。我们让在很多地方建造任何物理实体都变得不可能。建造任何物理东西所要经历的过程完全是疯了。
但很多法规本身并不是问题所在，如果你真正读过其中的很多条文——拥有没有雾霾窒息的城市是很棒的。能够在许多河流中游泳是很棒的。这些很多都是进步。问题在于，让人类去处理、理解并遵守这些规章制度是非常困难的，而且每次你必须与政府交换信件时，你都要等待数月。如果你能把我们学到的很多东西拿过来，让其变得完全没有摩擦，那将会非常酷。我认为这是一个未被充分讲述的故事。
Naval：直到监管机构也开始向我们疯狂吐出 Token。然后你开始从监管机构那里收到海量的你必须遵守的文件，这演变成了 Agent 对阵 Agent 的战争。但至少这是一场公平的决斗。
Max：那基本上就是我们现在面临的状况。
Blake：我实际上认为这比起我们现在的处境是一种进步。现在最糟糕的事情之一是，如果你要建造任何物理基础设施，你必须获得建筑许可。你是“被推定有罪，直到证明清白”。我们遇到过最糟糕的是消防部门，因为他们拥有“把人从着火的建筑里拉出来”的道德尚方宝剑——然而他们实际做的只是把你的建筑设计卡上好几个月。如果我们能用一个能迅速对你的建筑规划提出批评的 Agent 来取代消防局长——即使它的反馈可能有些过头——那也绝对会比今天存在的漫长延误要好得多。
Guillermo Rauch：当 Max 谈到这潜在地可能是一件好事时——我们拥有所有这些监管——我的脑海里想到的是：让 Agent 获得成功的关键在于人类或其他 Agent 设定了正确的测试护栏。人们对目标、或循环感到非常兴奋，在其中你告诉模型，“去做这件事，这是你的退出条件。”我告诉 Blake，“去让我们所有人都享受超音速。你的退出条件是你已经遵守了所有这些法规。”完全有这样一个世界，我们说法规很棒——它们就像我们的测试套件（Test suite）。只要通过它们不引发矛盾，并且法规实际上是合理的，它们就是一个极好的护栏。否则我们就会直接把 Slop（垃圾产品）发射到天空中去。
Naval：这将演变成一场红皇后赛跑（Red Queen’s race）。他们会有 Agent，我们也会有 Agent。我想我们可能会拥有更好的 Agent——这是好事，总好过人类对人类。但他们的循环周期、他们的响应时间，可能会拉得更长。App Store 现在正被垃圾应用淹没。我敢肯定专利局正被垃圾申请淹没。这些机构对 AI 的采用会很慢。它们会被聪明的创业者用排山倒海的文件直接 DDoS 掉。突然涌入的大量文件完全可能导致审批时间进一步延长。
为什么医疗领域没有创新
Blake：这创造了一个真正转变监管模式的机会。想象一下如果我们像今天建造东西那样在城市里开车。在你去任何地方之前，你必须写一个计划，把它寄给某个监管机构，然后等待。你的计划必须注明，“我们将采用某某路线，行驶在这一限速内，使用我们的转向灯，在每个停止牌前驻车，绝不闯红灯，”诸如此类。三个月后你收到一份修改意见：“我们认为你应该在另一条街上开车。”最终你获得了批准，然后你才去开车。这简直是疯了——你永远去不了任何地方。然而这绝对是我们在建物理基础设施的方式。我们应该让更多的这类事情基于“事后执法”（Enforcement-based），而不是基于“事前审批”（Pre-approval-based）。
Max：如果我把一个医疗设备交付给很多人，这里面存在未知数。我们要负责任，我们做了临床试验，我们报告了所有数据，但是——
Naval：Max，这就是为什么现在医疗创新如此之少的原因。FDA 的审批流程是一场噩梦。事实上，过去十年硅谷在科技领域的两大重大进展——AI，以及此前的 Crypto（加密货币）——它们都在数学领域，因为那是最后一块未被监管的领域。当他们开始监管前沿模型、开始监管 GPU 时，那里的创新也会停滞。Peter Thiel 曾感叹在物理领域没有创新。好吧，它一直被巨大的监管壁垒所阻碍。
你总是能找到一个吓人的案例——一个疫苗事故，或者一个著名的医疗灾难——但监管的触角蔓延到了每一处，各处都是，并且存在所有这些相互矛盾的监管机构。SpaceX 曾因为没有雇佣足够多的——我忘了是什么——移民或难民而被起诉，但由于政府另一边的规定，因为他们不是公民，SpaceX 根本不被允许雇佣他们。这不是在一个地方就能编译通过的逻辑代码。这些是全美各地凭空捏造出来的随机规定。你可能符合了一个州的规定却违反 another 另一个，违反了这边的联邦规定，惹恼了这边的某个人，而那个人在五十个违规的人里选择只起诉他的朋友。这是任意的。这是反复无常的。
Blake：而且认为这能让事情更安全的想法完全是一个神话。看看波音。他们让 737 MAX 通过了认证，而那架飞机只有一个单一的传感器来完全控制飞机的抬头和低头姿态。哪怕是个实习生都不会认为这是个好主意。然而它一路绿灯通过了认证系统。这东西并没能真正让我们更安全，它只是让我们更慢。
Max：呃，这里面确实存在功能失调。我认为在某种意义上，这让我们更安全，就像核能管理委员会（NRC）让我们更安全一样——他们的职责是确保核能安全，而他们做到这一点的方法是在 70 年代到大概一年前这段时间里，审批通过的电厂数量为零。如果我们永远不建造任何核电厂，它确实会是完美的绝对安全。
我想表达得非常清楚——在很多事情上我是站在去监管这一边的。我同意 Blake 的观点，很多事情可以做得更有效率。但我也认为如果只是简单地甩锅说“这只是 FDA、这只是官僚机构的问题”，就有些太片面了。问题更深。如果 FDA 批准了十种真正重要且救命的药物，他们不会得到任何赞誉。但只要有一个患者死亡，他们就会被揪到国会接受质问和唾骂。他们有着非常严重的负向激励。现实情况是，这反映了广大选民的信念。在开展人体受试者研究时面临的风险感知，与我们获得新药的速度之间，存在着客观的权衡。
Blake：这完全是不对称的。如果你批准了一个坏东西，你的职业生涯就毁了。如果你拦截了一个好东西，根本没人会注意到。这造成了不对称的减速。我认为这是监管体制中最核心需要解决的问题。
Max：这是一个非常深刻的问题，因为这就是选民的基本盘所在。我们会对一些我们未来正在研发的东西进行民意调查，以了解公众在这个问题上的立场。如果你推得太狠，你可以绕过去——有各种方法可以尝试走得更快。但如果你被视为一个坏家伙，你就会被我们所生活的这个社会所排斥。这是你必须去解的题。这比单单说一句“我们需要监管改革”要深远得多。
我们需要一场真正的50州试验
Naval：你提出了一个很深刻的点，Max——这就是选民、公民所在的位置。我们喜欢归咎于政治家。你在 X 上总能看到这种言论——人们在说“这个政客、那个政客”。但他们是通过多数票选出来的。这就是选民字面意义上的意志。这就是他们选择的打包方案。你可能不喜欢这个具体的化身，但如果你撤掉这一个，另一个非常相似的很快就会取而代之，因为选民会用选票把他们重新投上去。
在文化上，大多数人很难理解我们失去了什么、错过了什么。X 上有一位法国创业者在哀叹 57% 的 GDP 都被政府吸走了，导致你无法创建公司。但对于普通的法国公民来说，那是不可见的。他们注意不到他们错过了什么。他们只知道自己比美国稍微穷一点。
《经济学人》最近刚发了一篇小文章——在当了三十年的变相学者之后，经济学家们终于重新转回支持资本主义了——探讨美国是如何超越所有人、增长更快、规模更大的。但他们立刻转过头去说，“这是因为海洋优势，因为自然资源”——把一切功劳都归结了，唯独不提资本主义。他们不想说那个肮脏的“资本主义”（Capitalism），因为出于某种原因，所有这些杂志在某个节点都变成了马克思主义者。他们无法设想或想象，如果我们能更自由放任一点、更开放一点，本来可以达到怎样的繁荣。
我很乐意看到在五十个州之间开展一场真正的试验。不同的法规，不同的税收结构。现在联邦税收结构和联邦法规主导了一切。但想象一下，如果你得了癌症，你可以去某个小巧的州，去尝试每个人正在研发的任何药物。买者自负（Caveat emptor）——你必须自己做好研究。这被称为试验特区。无人机也是一样。飞机也是——这稍微难一点，因为你必须跨越很多区域——但也完全可行。
Blake：这里面蕴含着某种奇妙的东西——创新特区的概念。我们现在面临一个很严重的 NIMBY（Not In My Backyard，别建在我家后院）问题，大家都支持创新、支持建设，但都不希望这些事情发生在自己身边。但如果我们能够建立一些自愿加入的 YIMBY（Yes In My Backyard，请建在我家后院）区域，那么就能形成一个天然的实验场。从定义上讲，它发生在人们表示知情同意的地方。你可以尝试不同的规则，或者没有规则，或者不同的执法方式——被推定无罪——看看实际上会发生什么。创新的后果是什么？安全的后果是什么？然后成功的经验就可以推广开来。
Max：回到 Naval 的观点，创新特区并不能解决药物研发中的问题。不久前通过了《尝试权法案》（Right to Try Act）。在这之前，我们已经有了长久得多的被称为“单例患者临床独立申请（Single Patient IND）”的路径。如果你的医生给 FDA 打电话说，“我想给我的患者使用一种未上市的药物，”FDA 批准了超过 99% 的此类请求。它们甚至可以通过电话直接授权。
问题在于，要给患者用药，你仍然需要临床级的（Clinical-grade）药物。拥有这种物资的唯一实体通常是正在进行临床试验的 IP（知识产权）所有人——他们正在投入数亿美元来制造这个东西。如果你的患者（他可能本来就已经病得很重了）发生了什么不测，FDA 会做出不利推断（Adverse inference），而这会被视作该药物的一项属性，而这种属性是全球通用的——与你的创新特区无关。所以存在两个问题。第一，你需要让 IP 所有人把他们的一部分药交给你——他们可不会这么做。第二，你需要阻止全球监管机构对他们如果把药分给你可能会给他们的临床试验蒙上的阴影投去怀疑。
Blake：那你在医学上会如何解这个题？
Max：这属于内部圈内门道了。必须明令禁止 FDA 在不同使用者之间针对例如某种衣壳（Capsid）做出跨案例的不利推断。存在一些特定的方式，可以通过相对轻微的监管触动来真正加速创新，只需阻止这种偏执驱动我们的决策即可。
中国药监局（CFDA）正在击败我们
Guillermo Rauch：外面有什么比 FDA 更好的标杆吗？我们是在拿这些监管机构和谁做对比？
Naval：每个人都在效仿 FDA。每个人都在抄 FDA 的作业。
Max：两个维度的补充。第一，欧洲并没有真的比 FDA 更好，但他们有一套不同的体系。他们拥有这些认证机构（Notified bodies），基本上是被其东道国政府加持的私营企业，去认证各种事物。火车、飞机、医疗设备。认证机构体系在审查层创造了稍微好一些的激励机制，因为它们可以雇人，它们可以扩张，彼此之间存在竞争。它们自身当然也必须符合东道国政府设定的条件，但这战略上意味着可以比美国拥有多得多的审查人员。
第二，目前实际上已经有一款获得批准、并且在产生营收的植入式 BCI（脑机接口）了，是在中国。中国的国家药监局正在独立思考。他们拥有的一套体系，如果我们不小心应对的话，将会让我们面临苦战。将药物或设备推向市场的成本要低得多。你可以在人体上进行尝试，并在市场上进行检验。
有一件事我一直在花大量时间思考。二十年前我们买的笔记本和手机要少得多；每一个都昂贵得多。现在它们更便宜了，数量多得多，我们买得更多，总支出也上升了。这太棒了。高通、三星和苹果的股价一路飙升。皆大欢喜。它们正在利用手机和笔记本带来的超额财富去研发更多的手机和笔记本。
这在医疗保健领域并不会发生。由于报销机制的存在——这属于一场企业级别的销售——我们用来购买医疗保健的资金池基本上是固定的。它并不会像我们在技术增长型行业中所看到的那样，随着产出更好医疗结果的内容增多而同步扩大。医疗支出的增长率大致与税收收入的增长率持平。如果 AI 正在蓬勃发展，技术有了重大突破，两年后我们在 AI 上的支出是现在的十倍，这会很棒。但如果两年后我们在医疗保健上的支出是现在的十倍，那将是一场灾难。这从根本上与成为技术增长型行业相冲突。
医疗保健领域存在着这个终极的综合问题，都指向同一件事：把这些东西推向市场的成本实在是太高了。这正是中国正在着手解决的。摆脱这一困境的出路不是单一支付方体制或对医疗保险进行某种修正。而是要把成本降下来，使得某人可以用信用卡、用金融贷款（最坏情况就像买辆车那样）去购买它——然后你在交易中向他们收费。要做到这一点，我们必须降低把这些东西推向市场的成本。中国正在这样做。这将允许他们以 10,000 美元而不是 100,000 美元的价格出售这些东西。这就是去监管。
医疗是资本主义内部的共产主义社会
Naval：从根本上说，医疗保健领域不存在私有化市场。人们有时会做一个类比——想象一下，如果你去餐厅吃饭不用当场付钱，而是去完所有的餐厅后，在月底把所有的收据和账单寄给你的保险公司或政府，由他们来给你报销。每家好餐厅门口都会排起长龙。每家烂餐厅也都能活下去。排队等待会极其糟糕。产品质量也不会提升。你基本上是在一个更大的资本主义社会内部运行着一个微型的共产主义社会。这就是我们在医疗保健领域正在做的事情。
Blake：这也是我们在公路上正在做的，这也是为什么我们面临交通拥堵的原因。上高速公路没有动态调价机制，所以它永远被堵死。
Naval：如果你想碰触一下医疗保健领域的利益雷区，思考一下这个方案。告诉我它有什么漏洞。想象一下，你每年收入的前 20% 是你的医疗免赔额。如果你身无分文且无家可归，它就是零。如果你很富有，它就是数百万美元。无论你的年收入是多少，前 20% 就是你的医疗自付起付线。其余部分由政府和保险体系兜底，直到今天设立的常规上限。
你很快就会创造出一个私有化市场。在牙科、整形外科以及大量可选的医疗手术中，你会迎来竞争的局面。你会看到提升。看看准分子激光原位角膜磨镶术（LASIK）近视手术。看看带有贴面、牙套和牙科手术的牙科。看看整形外科。这些领域确实在不断进步，因为它们是自费用户——人们在用自己的钱投票。
我们需要在正常的医疗体系中实施某种对等的方案。但人们会直接疯掉。他们甚至不想往前思考一步。“不，不，不，那穷人怎么办？”穷人没有收入。“20% 对有些人来说太多了。”好吧，你可以在里面加入一些起付调节。但总的来说，如果你没有一个让人们为了各种医疗手术自掏腰包的私有化市场，你就是无法获得这种反馈闭环。你就是无法获得向该体系中注入更多资金的能力。
目前，非常富有的人可以自愿向该体系中投入资金。但各处的价目表都是不透明的。费率表在任何地方都找不到。整个体系就不是为此设计的。如果你去采购医疗服务并想自掏腰包，有时他们给你报的价格会是他们向保险公司收费的 10 倍。
Sid的故事：单个患者的精准医疗
Max：你们听过 GitLab 的 Sid 的故事吗？他经历了一场极其成功的 IPO，随后被诊断出患有一种罕见的癌症。他活得远比预后判定的要长。他真正把命运掌握在了自己手里。他做了前线化疗，随后有了一种替代疗法，他全部尝试遍了，医生们当时对他说：“我们已经无能为力了。”自那以后，基于他的案例诞生了六七家公司。现在他的阶梯治疗方案里有二十或三十种药物。他目前还活着。
Guillermo：他现在状态棒极了。我前几天刚见过他。他基本上创造了他自己的个性化医学和治疗计划。
Max：这是我目前听到的少数几个奇迹奇闻之一。对我来说极其清晰的是，在最高端——如果你不需要去和保险公司扯皮，你拥有资源，你说“我想要现代科学的完整工具箱”——创造奇迹的结果是完全可能的。如果你去问你的医生，“如果我这么做会发生什么？”他们会开始大喊大叫并摔东西。但在最高端，奇迹完全是可能的。这种“N-of-1 医学”（针对单个患者的精准医疗）最终将成为理解如何构建更多可转化成果的极具价值的研究源泉。
Guillermo：这需要患者在他们最虚弱的时刻展现出极强的自主性，这挺讽刺的。我的朋友因癌症去世了，他当时最不想做的事就是去研究针对单个患者的精准医疗——他每周都在走向死亡。这正是 AI 应该大放异彩的地方，让当你发现自己身处那种境地时你实际能做的事情变得大众化。从知识获取的角度来看，竟然只有这么少的人能接触到这些，这太疯狂了，不仅仅是资金层面的原因。
04
自主化公司
自主化基础设施
Nivi：你们的组织中现在有多少自主化软件在独立运行，或者处于近乎自主化并能自我进化的状态？
Guillermo：我们大量的基础设施已经实现了自主化。我们拥有一种在发现异常时就会自动触发的能力——我建议每个人都创造一个这样的版本，或者 Vercel 也有提供。今天大多数工程组织应对异常的方式依然是手动设定警报或监控阈值，这挺疯狂的，但整个行业就是这么运转的。
我们已经将很大一部分 SRE（站点可靠性工程）的工作自动化了。任何变慢、变快或改变吞吐量的指标都会触发异常告警，由一个 Agent 展开调查，并且 Agent 可以决定是否创建一个事件（Incident）。如果事件被立项，人类就会被拉进来，而 Agent 则开始进行修复尝试。除了赋予 Agent 修改生产环境的权限之外，我们正在做一切事情——我们是用银盘子把解决方案呈送给工程师。
另一件运转得非常好的事情是：自主化优化和自主化安全研究。我们开源了一个叫 deepsec 的工具。它非常令人惊叹——就像神话中的工具，但你今天就能用上。我们利用云端的上万个并发 Agent 针对我们整个 Monorepo（单体大仓库）运行它。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——这相当于数月的红队对抗、一整个团队的人力。
网络安全正在变成一场噩梦：漏洞太多，工作量太大，对手太强大。你必须进行前瞻性的投入。你可能在 Twitter 上看到过人们把代码库从一种语言翻译成另一种语言——一旦你完成了让程序跑通的工作，利用前沿模型将其优化或用原生语言重写在现在是完全可行的。
Naval：单单从我自己氛围编程出来的 App 来看——我为我的 TestFlight 用户构建了一个 Bug 报告队列。他们从 App 内部报告 Bug；它会自动上传日志和截图。当然他们也会把这个功能当作功能需求收集。一个简单的守护进程（Daemon）会编译所有的 Bug 报告，在后台主动分析并修复它们，随后在发给测试人员之前先给我推送一个 TestFlight 构建版本让我试用。我可以预见未来的 App 字面意义上可以由其用户来构建。我不是说这是一个好主意——它可能会变成一团糟。
Guillermo：我们应该把这个功能交付出去，看看会发生什么。
Naval：当作一场社会实验。你最终可能会造出一辆荷马·辛普森之车（Homer Simpson car）——带有一把伞、一个手电筒、一个马戏团喇叭，集成了每一个功能。但对于 Bug 修复来说，你绝对可以做到这一点。
你的工作是训练 Agent
Blake：我们做过这个试验的一个版本。我曾叫停了全公司所有项目一周的时间，并对所有人说：“每一个人，从前台接待员到工程师，去构建任何你认为最重要、最应该存在的东西。你唯二的要求是：你必须使用 AI，并且在完成后你必须向全公司进行 Demo 演示。”我当时预料会看到大量愚蠢的项目和极少数能破局的项目。结果我们得到了截然相反的局面——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。
最让我惊讶的是：前台接待员——负责收发货的同事，他的工作曾经是从卡车上卸下包裹并在货物入库时给相关人员发邮件——他为此构建了一套自动化流程。我们现在实际上正在使用它。
我得出的结论是：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。
Guillermo：想象一下如果所有的工作都是那样的。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？你必须提醒人们，举办黑客马拉松。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。
Naval：事情可能会变得更加疯狂。也许你只需打开所有的摄像头，Agent 就会观察正在发生的一切，看到收发货流程效率低下，然后自己写好 App 并呈送出来。
Guillermo：我们很可能会向 AI Gateway 中交付一个功能，允许人们选择保存输入和输出。然后你可以说，“针对我所有的输入和输出，提取出技能——从我的工作中学习并将它们沉淀为我可以自己下载的技能。”
你可以想象公司里的人会想要把这些技能分享并汇总到一起。
Naval：挺有意思的——对我来说那是难以想象的，因为我自己的工作不是重复性的。我会寻找各种可以自动化的事情，而我自己的工作中已经几乎没有什么可以自动化的留下来了。我希望每个人最终都能达到那样的境地：你每时每刻都身处你创造力和兴趣的最大化区域。如果还有任何需要自动化的东西遗留，那就自动化它——让它从你的生活里滚蛋，这会释放你去进行创造，而那正是你创造所有价值的所在。
这在“工作-职业”的思维定势中很难看清，因为你雇佣人们是为了让他们一遍又一遍地做同样的事，而那正在走向消亡。这挺吓人的——人们在问，“那我该干嘛呢？”你将会去做富有创造力的事情。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。
下一部《指纹王》
Max：从历史上看，回报可能 70% 取决于智能，30% 取决于自主性。现在它将转变为 70% 取决于自主性，30% 取决于智能——并且随着模型变得更好，这一比例还会进一步倾斜。
Naval：Max，我持相反观点。我认为是 99% 取决于智能，1% 取决于自主性——因为 Agent 自身会去执行那些自主性。你字面意义上只需说：“嘿 Agent，我负责做聪明的决策和思考宏大的想法；你只需去具体执行和落地。”有时我想在我正在氛围编程的 App 上构建一个功能，我会问 Agent：“我接下来应该构建什么功能？去通读一下日志。”
Max：我需要澄清一下，我刚才说的是对人类而言的回报。最契合未来的人类是那些更有自主性的人——那些能打开 Claude 并思考“我应该构建什么？”而不是去看 YouTube 的人。
Naval：这是一个有趣的实验。我们现在都认识很多以前不写代码但现在在写代码的人——在很多情况下，包括我们自己。程序员的百分比可能已经上升了 10 倍。
Guillermo：这也是为什么我们的注册量冲上云霄的原因——全都是一帮完全不是工程师的全新人群。
Naval：但大多数人依然没有在创造代码。我对我的朋友们说，“氛围编程太好玩了。”我以前有一个用来打第一人称射击游戏放松消遣的玩家群；我现在彻底退游了。那些时间现在全部无缝转移到了氛围编程上。它更有娱乐性，你能从中得到真实的成果，而且反馈闭环同样紧密甚至更棒。
我告诉我的朋友们，“你们应该去氛围编程，”而他们则给我一个茫然的眼神。对他们来说那向来是个黑匣子——他们假设你只是在对电脑自言自语。他们没有意识到现在这容易了太多。所以我们可能已经从 0.01% 的人口写代码发展到了大概 1%——可以说是 100 倍的增长——但 99% 的人依然永远不会去触碰它。
Guillermo：这太疯狂了。它就像一个电子游戏——一个极赞的电子游戏——但通关后真实的世界里会产出成果。
Naval：普通人对它的接触稍微多了一些，但主要是通过媒体模型（多模态模型）——视频模型。折腾制作视频和图片的人要比写代码和应用的人多得多。但视频有其自身的问题——总有一天“给我制作一部关于 X 的精彩电影”能吐出一部很好的纪录片，但眼下普通人还没有那种品味或判断力。
Max：这是我和 Andrej Karpathy（前 OpenAI 创始成员）打的一个赌：哪一年你可以扔进去一本书，然后吐出来一部电影？我认为这一天很近了——他已经大幅调低了他的时间线。到 2030 年，我们将拥有几十部不同版本的《指环王》——某些粉丝会说，“导演拍得不对，我要制作我自己的版本。”
我自己的一个基准线是：我是《苍穹浩瀚》（The Expanse）的狂热粉丝。它有一部电视剧和九本书；他们拍了前六本书的内容，但没拍最后三本，而且中间存在重大剧情分歧。我非常期待能把最后三本书扔进去，以电视剧为基准条件，然后对它说：“把最后三季给我生成出来。”
Guillermo：那是一个极为震撼的功能。当你刚才说“给我弄出下一部《指环王》”时，我整个人都兴奋起来了——因为在想象力和文化层面上，我们已经很久没有迎来像《哈利·波特》和《指环王》级别的突破了。
你对艺术的定义是什么？
Naval：那么人类究竟有哪些是独一无二、无法被取代的？这触及到了核心问题。Max，你是一个 AGI 极致唯物主义者——所以对你来说，人类什么都不剩；Agent 会包揽一切。
Max：我不是反人类主义者，但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，你接下来的日子可能会很难过。
Naval：我依然站在那一观点的对立面。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（Distribution）之外。那里永远会有属于人类的空间。
Guillermo：你们有没有注意到每个用 Claude 做的网站看起来都一模一样？人们摸透了 Claude 风格的网站长什么样——衬线字体、棕色和米色、带有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 Claude 里吐出来的 Slop（千篇一律的垃圾）。”
Max：明确地说，我不认为这是人类与计算机的对决——而是带上计算机的人类对阵只有计算机。但计算机将会产生疯狂的超级感官刺激；它将会接管娱乐制造。我们在 TikTok 上已经看到了这种现象的微弱萌芽。我个人对艺术的定义是有意义的分布外（Out-of-distribution）行为——某种令人惊讶的东西，就像你在 Z 轴上展开了移动。而“有意义”意味着它改变了你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。
Max：我的定义很宽泛。有些军事策略你也可以称之为艺术。我们即将在各处看到阿尔法狗的“第 37 手棋（Move 37s）”一般的神迹。你对艺术的定义是什么？
Naval：我有多个维度的定义。我认为艺术是在传递情感（Conveying emotion）——某种你感受到了、并传递给他人的东西；你创造了一个承载了你内心所感之情感的客体。按照这个定义，计算机几乎是不具备这种能力的：如果背后没有意图（Intent），一幅一模一样的艺术品也将毫无意义。你可以争辩说大自然也是艺术——比如日落——但那是没有动机在运转的纯粹智能，所以没有自我的介入，而你的大脑识别出了这个复杂的系统。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。
Max：所以一张美丽的照片——如果是真人拍的，与 AI 生成了一张连最后一个像素都完全一样的照片相比，真人拍摄的那张对你来说拥有更深层的意义。
Guillermo：你们记得一两年前的 ControlNet 吗？有一幅中世纪村庄风貌的场景，里面蕴含着一个螺旋纹理——那是 AI 生成的。那是我第一次审视这门技术并觉得它真正酷炫的时刻之一。
Naval：但这不正好击碎了你的前提吗？是一个人类想到了那个训练和提示词，从而得到了那个视错觉的 ControlNet 想法。未来 AI 完全可能自己做到这一点，但我依然把这一功劳归功于那个想出光影错觉 ControlNet 点子的人。
这里的门槛将会被大幅拉高——它将需要越来越多震撼的内容才能让你感到惊喜。就像吉卜力工作室（Studio Ghibli）：OpenAI 某种程度上为每个人把吉卜力工作室给祛魅了。没人再想看到另一个单纯的吉卜力风格作品了。它已经被穷尽了。
Naval：没错，但艺术必须是打破分布的。一旦你在各处看多了海量的吉卜力风格，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。人类是那些能够完全脱离数据分布创造出惊喜的生灵，并且他们这样做是带着意图的——而意图对于意义而言至关重要。拿一个在形式系统内部被训练得在数学上臻于完美的 AI 来说。随后库尔特·哥德尔（Kurt Gödel）带着完全超越该系统的事物走了进来——也就是不完备性定理（Incompleteness theorem）——主动跨出系统之外去击碎它。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。
AI能产生新想法吗？
Max：真正深刻的问题是：对于一个大语言模型或 Transformer 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？
Naval：现在的训练集大到你很难想象有什么想法是完全不曾以某种形式涵盖其中的。但如果它们真的存在，它们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。
Max：我认为问题在于你如何在没有随机性的情况下走出分布。在强化学习（Reinforcement learning）中，你可以从分布中采样一个动作并获得走入全新领域的随机性。人类能够走出分布吗——任何全新的想法究竟是从哪里冒出来的？我们是否同样依赖于随机性？
Naval：我们并不是依赖于纯粹的随机性。自然选择确实是通过纯粹的随机性在运转——让一个基因发生突变然后静观其变。但人类似乎具备剪切无限空间、淘汰巨大无效维度的能力，因此我们的创造力在更宏大的框架下是有章可循、逻辑自洽的。这是我们独特的能力之一。也许 AI 正在边缘地带尝试这样做，正如我们在一些数学问题上所看到的——但数学是一个边界极其清晰的领域。在当下，真正跨出界限并带给人类惊喜依然是人类独占的领地。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。
数量极其庞大的小型团队
Naval：人类将会拥有极其巨大的价值——更上一层楼的价值。这里的每一个人，我们的生产力都已经冲破了天花板。基本经济学告诉我们，当生产力变高时，你会变得更富有，并且你会雇佣更多的人而不是更少。如果某人非常擅长驾驭 AI，并且极具智慧和创造力，我反而比以往任何时候都更想雇佣他们，为了获得那份绝佳的杠杆。
Guillermo：那是一个全新的硬性要求。我们目前在大力招募初级人员和超级资深的人员，只要他们极其擅长与 Agent 协作并且能够快速适应。我的假说是我们最终会迎来数量更庞大的小型团队。任何特定任务所需的人数都会大幅暴跌。那些只看得到第一阶效应的人会大呼，“所有的工作岗位都消失了——我以前需要一千人现在两个人就能搞定一个喷气发动机；998 个岗位没了。”
但它实际意味着的是你可以去创造海量的、各不相同的喷气发动机。我们将迎来一场创业精神的全面大爆发、创始人的全方位井喷，以及数量极其庞大、规模极度精简的微型团队。
Naval：AI 提供了底座级别的智能和行业知识，并切碎了所有黑话壁垒；现在 Agent 提供了大量的落地执行力。所以留下来的核心资产就成了创造力、品味——以及没错，你需要拥有启动并坚持下去的足够驱动力，但你不再需要耗费二十年的时间去苦熬某一个垂直行业才能开始做出贡献。这一门槛的倒塌意味着通才们（Generalists）正在迎来属于他们的狂欢节。
归根结底，我们其实都是通才——我们喜欢思考一切事物。Max 坐在这里探讨意识、FDA、脑科学和创造力。而 Twitter 上那些动辄喜欢叫嚣“专家、凭证、信源”的人则是正在受到重创的人群，因为专业黑话堆砌的知识壳子在今天已经不那么值钱了。
你花费了五年或十年的时间去攻读一个博士学位——希望它锤炼了你的创造力、直觉、品味和判断力，因为如果它所做的一切仅仅是帮你背诵了各种行业黑话和教条脚手架，AI 能一眼望穿并切碎它。它是一辆自行车的思想版，被踩上了全速推进的油门。所以，这是带上 AI 的人对阵不带 AI 的人——而你能为自己做的唯一一件最好的事，就是让自己与这些工具融为一体，并且永远清晰洞察它们能做到和做不到的边界。而那，本身就是一个时刻在移动的动态靶面。
