夜雨聆风
不追热点，每周手工精选全球顶尖专家关于职业、投资、个人成长的分享，让你离目标更进一步。
嘉宾介绍
本期访谈的阵容堪称"硬核科技的全明星"。除了大家熟悉的硅谷"投资哲人" Naval Ravikant 之外，还有三位正在物理世界开疆拓土的创业者：
Max Hodak：Science 首席执行官，曾是 Neuralink 的联合创始人（也就是和马斯克一起搞脑机接口的那位）。他现在不仅在研究生物芯片，还买下了一家专门的微机电系统（MEMS）代工厂。
Blake Scholl：Boom Supersonic 创始人。他正试图在自家工厂里复兴超音速客机，甚至连喷气发动机都要自己造。
Guillermo Rauch (Gummo)：Vercel 创始人。他在思考如何为未来的 AI 智能体（Agents）构建云基础设施。
Naval 对这三位嘉宾的评价一针见血：他们不再仅仅满足于用现成的零件拼凑产品，而是在亲手构建自己的工厂。他对"软件吞噬世界"这个判断提出了一个非共识反思：纯软件的时代，可能已经结束了。
本期话题
最近我们看新闻，会发现一个很微妙的词频变化。
一年前，大家谈论 AI 的时候，满屏都是"大模型"、"涌现"、"提示词（Prompt）"。但最近，大家聊得最多的词变成了"电力"、"芯片"、"液冷数据中心"和"变压器"。这种感觉就像是，我们原本以为进场的是一群写代码的诗人，结果最后发现最缺的竟然是焊电路板的工人和造发电厂的蓝领。
这种模糊的直觉背后隐藏着一个问题：如果 AI 真的能自动写代码、自动出设计方案，那么过去二十年里我们引以为傲的"软件护城河"，是不是正在变得像空气一样廉价且透明？
这次 Naval 和三位"原子世界"大佬的访谈，恰好提供了一个理解这件事的视角。让我们意识到，当智能变得唾手可得时，真正的稀缺资源正在悄悄发生改变。
正文
代码正变成一种"模糊的自然语言"
过去我们觉得写代码很难，是因为人类得去学电脑的语言（C++、Python、JavaScript）。但在 Naval 看来，这个逻辑正在改变。现在的 AI 已经学会了人类的语言，它能理解那种"模糊、充满直觉、甚至有点随便的英语"。
以前的工程师是直接交付产出（比如写一个 App 的功能）；而现在的顶级工程师，任务是去构建一个"产生代码的工厂"。这就好比以前你是亲手织布的工人，现在你是那个设计全自动织布机的人。在这个语境下，代码的门槛正在消失。
这让我们联想到国内 SaaS（软件即服务）行业的现状。很多公司在卷功能、卷界面，但如果 AI 可以在一分钟内模仿并生成同样的逻辑，那这些纯软件的功能还有什么溢价？如果软件只是艺术或语言，那它就很难再作为一家公司的核心壁垒。
"纯软件正走向平庸化。当模型已经能听懂人类的'vibe（氛围感）'并自动产出逻辑时，软件工程将从'创作'变成'验证'。"
对于我们普通从业者来说，一个最直观的震撼可能是：现在的 100 倍甚至 1000 倍工程师已经真实存在了。但这多出来的 999 倍效率，不是因为他们写代码速度快，而是因为他们拥有更强的判断力（Judgment）和品味（Taste）。
AI 需要一双能干活的"手"
如果软件本身不再稀缺，那么什么才是贵的东西？Max Hodak 给了我们一个非常硬核的答案：物理资产。
Max 的公司 Science 正在做那种能让人恢复视力的生物接口。他发现，市场上根本买不到他需要的精密组件。于是，他做了一个在纯软件创业者看来"极重"的决策——买下一家代工厂（MEMS foundry）。
他提出了一个观点：软件虽然越来越聪明，但它仍然需要一双"手"去接触物理世界。如果你不能亲手制造出那些单晶硅、传感器、喷气发动机叶片，那么 AI 的智力就只能困在屏幕里。
"物理世界是有边界的。未来的赢家，是那些能用 AI 把物理制造的过程缩短 10 倍、100 倍的人。"
这就像国内的新能源汽车行业。为什么华为、小米都在强调垂直整合？为什么比亚迪要自己造电池、造芯片？因为在 AI 普及的未来，智能是标配。谁能把软件生成的奇思妙想，以最快速度、最高良率（合格产品的比例）转变为物理实体，谁才是真正的霸主。硬件不再只是软件的容器，它是软件能否干涉现实的唯一通道。
两名工程师造出一台喷气发动机
Boom Supersonic 的创始人 Blake 分享了一个听起来像科幻小说的细节。
传统的航空航天工程，其实是非常"原始"的。无数的工程计算被埋在杂乱的 Excel 表格和各种各样没人管的 VBScript 代码里，数据传输全靠发邮件。如果你想改一个喷气发动机叶片的形状，可能需要几百名工程师协同工作几个月，因为这涉及复杂的空气动力学和结构应力的反复模拟。
但 Blake 现在的做法是，让软件工程师搭建底层架构，让硬件工程师通过类似"氛围编程（Vibe Coding）"的方式，把物理规则写进去。
"现在，我们利用软件与硬件的结合，只需要两名工程师，就能完成以前需要一千人才能搞定的发动机叶片设计。"
这对于中国的制造业来说是一个巨大的启发。我们以前常说"工程师红利"，但未来的红利可能不再是人数，而是这种"一人成军"的系统整合能力。如果你能用 Python 驱动一套复杂的物理模拟系统（比如模拟芯片制造中的光刻过程，或者精密机床的震动规律），你所爆发出来的生产力将是颠覆性的。
为什么中国在硬件上的优势会被 AI 放大？
Naval 在访谈中提到了一个非常有趣的观察，关于为什么中国公司如此热衷于开源 AI 模型。
他的逻辑是：美国在最前沿的大模型上领先，但中国在硬件供应链和零部件链条上有着巨大的优势。如果 AI 能够实现"软件按需生成（Software on demand）"，那么软件开发上的短板可以被迅速补齐。
"中国拥有硬件制造优势，如果他们能通过开源模型迅速补齐软件能力的最后一块拼图，他们在全球硬件创新中的优势会变得非常可怕。"
这让我们想起了国内像 DeepSeek 这样的开源模型，以及像华为、大疆这样深耕硬件底层逻辑的公司。当软件开发的成本无限趋向于零，拥有最完整供应链、最高效代工厂的国家，其实是在"物理原子的主场"里作战。这也就是为什么，即便在大模型竞赛中，我们也绝不能丢掉在制造业、在能源基础设施上的先发优势。
希望今天的分享，能让你离目标更进一步。
关注"弗兰克的大道"，我们明天见!
来源与版权
内容参考："Full Episode: The AI Industrial Revolution" | Naval
视频地址：https://www.youtube.com/watch?v=fXpWz8aPj6U
