纳瓦尔:思维的摩托车——AI让每个人都成了施法者《纳瓦尔宝典》

全文约2万字｜阅读约需1小时

乔布斯说计算机是思维的自行车。现在，也许我们拥有了一辆思维的摩托车——但你仍然需要有人来骑它、驾驶它、引导它、踩油门和踩刹车。—— Naval Ravikant

2月19日，Naval Ravikant和老搭档Nivi发布了一期52分钟的播客。没有录音棚，没有大话题预告，两个人各自在街上散步，边走边聊。

聊的是AI，但角度不一样。不谈融资，不谈算力，不谈谁家的模型跑分更高。Naval聊的是：当每个人都能编程时，编程还意味着什么？当AI能做大部分工作时，人的价值在哪里？

以下是全文翻译。

Nivi：大家好，我是Nivi。你正在收听的是纳瓦尔播客。这是有史以来我们第一次不在同一个地方录音。我其实正在镇上散步，纳瓦尔可能也是，所以可能会有一些环境噪音，但我们会尽量用AI和优秀的音频工程技术来消除它。

纳瓦尔：播客录制太生硬了，因为你必须坐下来，安排好时间，然后有一个巨大的麦克风指着你的脸，这很不随意。这让它显得不够真实——更像是排练过的。我明白这可能会产生更高质量的音视频，但我感觉这会降低对话的质量。

Nivi：我们都知道，当身体在运动、四处走动或只是散步时，大脑运转得更好。

纳瓦尔：绝对的。我的大脑是由双腿驱动的。

Nivi：我找出了纳瓦尔关于AI话题的一些推文。我们想聊聊 AI，希望能以一种更具永恒性而非时效性的方式来探讨，但我认为其中一些内容可能无法做到完全不受时间限制。

纳瓦尔：是的，互联网评论员有一种倾向，他们会翻出五年前说过的话，然后跳出来说："啊哈！看吧，那被证明是错的。"嗯，这当然了。没有人能预测未来。这就是未来的本质。如果我们能预测它，我们早就身处其中了。所以，当听众没有意识到这一点时，谈论未来总是很危险的，但请大家宽容一些。我们显然是在谈论2026年2月的事情，我们是基于现在掌握的信息，而不是拥有完美的后见之明。因此，除非你自己也冒着风险提出过预测——那种高风险、范围狭窄、精确且可证伪的预测——来进行比较，否则就没有依据去评判谁对谁错。

想学习，就去实践

Nivi：在我们开始讨论推文之前，你想谈谈你最近在忙些什么，或者你在 Impossible公司做些什么吗？

纳瓦尔：也没什么特别的。我们正在和一个出色的团队合作一个非常困难的项目——这就是为什么它叫Impossible（不可能）——重新开始构建一些东西真的很令人兴奋。这非常纯粹，从头开始。永远都是第一天。我想我只是不满足于做一个投资者，而且我当然不想成为一个哲学家，或者仅仅是一个媒体人或评论员。因为我认为那些只说不做的人……他们并没有真正接触过现实。他们没有得到过反馈——来自自由市场、物理学或大自然的严酷反馈——所以过了一段时间，这就变成了过多的纸上谈兵。你可能已经注意到，我最近的推文变得更加实际和务实，虽然偶尔还是会有一些空灵或泛泛而谈的内容，但它更扎根于每天工作的现实。我只是喜欢和一个伟大的团队一起工作，去创造一些我希望存在的东西。所以希望我们能创造出一些开花结果的东西，人们会说："哇，太棒了。我也想要那个，"或者也许不会，但你是在实践中学习的。

氛围编程是新的产品管理

Nivi：所以我找出了几天前，也就是2月3日的一条推文："氛围编程（vibe coding）是新的产品管理。训练和微调模型是新的编程。"

纳瓦尔：过去一年，尤其是过去几个月，出现了一个明显的转变。最显著的代表是 Claude Code，这是一个内置了编程引擎的特定模型。它非常出色，以至于我认为现在出现了氛围程序员（vibe coders），这些人以前没怎么写过代码，或者已经很久没写代码了，他们本质上是在把英语当作编程语言——作为输入给这个代码机器人的指令——而这个机器人可以完成端到端的编程。它不再仅仅是在中间环节帮你调试代码，你可以向它描述你想要的一个应用程序。你可以让它制定一个计划，让它就这个计划对你进行提问。你可以在这个过程中给它反馈，然后它会把任务分解，并搭建所有的脚手架。它会下载所有的库、连接器和钩子，开始构建你的应用，建立测试框架并进行测试。你可以不断给它反馈，通过语音进行调试，比如告诉它："这个不行。那个可以。改一下这个。改一下那个，"然后让它为你构建一个完整的、可运行的应用程序，而你甚至不需要写一行代码。

对于一大群不再写代码或从未写过代码的人来说，这是令人震撼的。

这把他们从想法、观点和品味的空间，直接带入了产品。这就是我的意思——产品管理已经取代了编程。氛围编程是新的产品管理。你现在不再是通过告诉工程师该做什么来管理产品或团队，而是在告诉计算机该做什么。计算机是不知疲倦的。计算机没有自我意识，它只会一直工作。它接受反馈而不会感到被冒犯。你可以启动多个实例。它会全天候工作，你可以让它产出可用的成果。

这意味着什么？就像现在任何人都可以制作视频或播客一样，现在任何人都可以制作应用程序。因此，我们应该预料到会看到海量的应用程序涌现。并不是说App Store里现在的应用还不够多，但这与我们即将看到的景象相比，根本不值一提。然而，当你开始被这些应用程序淹没时，这是否必然意味着它们都会被使用，或者它们都具有竞争力？不。我认为这会分化成两种情况。

首先，针对特定用例的最佳应用程序仍然倾向于赢下整个类别。当你有如此海量的内容时，无论是视频、音频、音乐还是应用程序，平庸没有市场。没有人想要平庸的东西。人们想要能最好地完成任务的东西。所以首先，你只是有了更多尝试的机会。因此会有更多最顶尖的产品出现。会有更多的细分市场被填补。

你可能想要一个用于非常具体用途的应用程序，比如在特定背景下追踪月相，或者某种性格测试，或者一款让你怀旧的非常特定的电子游戏。以前，市场不够大，不足以支撑一个工程师花一两年时间编写代码的成本。但现在，最好的氛围编程应用可能就足以满足这个需求或填补这个空白。因此，会有更多的细分市场被填补，随着这种情况的发生，整体水平将会水涨船高。

最好的应用程序——那些工程师本身将获得更大的杠杆。他们将能够添加更多功能，修复更多漏洞，打磨更多细节。因此，最好的应用程序将继续变得更好。更多的细分市场将被填补。甚至是个人的细分需求——比如你想要一个专门针对你个人非常具体的健康追踪需求的应用，或者针对你个人非常具体的建筑布局或设计的应用——那个以前永远不可能存在的应用，现在将会存在。

我们应该预料到——就像在互联网上一样——亚马逊身上发生的事情，你用一个超级书店和无数长尾卖家取代了一堆书店；或者YouTube用一个名为YouTube的巨大聚合器，或者可能还有第二个名为Netflix 的聚合器，以及一整条长尾的内容创作者，取代了一堆中型电视台和广播网络。所以同样地，App Store模式将变得更加极端，你会有一两个巨大的应用商店帮你过滤掉外面所有的AI垃圾应用，然后在最头部，会有几个巨大的应用变得更大，因为现在它们可以解决更多的用例，或者变得更加完善。然后会有一条由微小应用组成的长尾，填补每一个能想象到的细分市场。

正如互联网提醒我们的那样，真正的权力和财富——超级财富——流向了聚合器。但同时也有大量的资源分配到了长尾市场。被摧毁的是中型公司。

训练模型是新的编程

纳瓦尔： 那么，如果任何人都能编程，那编程到底是什么？编程仍然存在于几个领域。编程存在的最明显的地方就是训练这些模型本身。有很多不同种类的模型。每天都有新的模型问世，针对不同领域有不同的模型。我们将看到用于生物学、用于编程的不同模型。我们将看到针对传感器的、有针对性的专注模型。我们将看到用于 CAD、用于设计的模型。

我们将看到用于 3D、图形和游戏的模型，用于视频的模型。你会看到许多不同种类的模型。创建这些模型的人本质上是在对它们进行编程。但它们的编程方式与经典计算机截然不同。

经典计算是：你必须非常详细地指定计算机将要采取的每一个步骤、每一个动作。你必须对每一个部分进行形式化的推理，并用一种高度结构化的语言编写出来，这种语言允许你极其精确地表达自己。计算机只能做你告诉它做的事情。

然后，一旦你有了这个高度结构化的程序，你把数据输入进去，计算机运行这些数据并给你一个输出。 它基本上就是一个极其花哨、非常复杂、经过精心编程的计算器。

现在，当涉及到 AI 时，你正在做一些非常不同的事情。但你仍然是在对它进行编程。

你所做的是，你获取人类产生的巨大数据集——这要归功于互联网，或者通过其他方式聚合的数据——然后你把这些数据集倒入你定义和微调过的结构中。这个结构试图找到一个程序，能够生成更多这样的数据集，或者操作这个数据集，或者基于这个数据集创造东西。

所以你是在你设计的这个构造内部寻找一个程序。你建立了一个模型，你微调了参数的数量，你微调了学习率，你微调了批次大小。你对输入的数据进行了分词，把它切成碎片，然后把它倒入你设计的系统中——就像一台巨大的弹珠机一样——现在系统试图找到一个程序，并且可能会找到许多不同的程序。所以你的微调真正影响了你找到的程序有多好。

而那个程序现在突然可以在不同种类的领域中表现出表达能力。所以它可以做以前计算机传统上非常不擅长的事情。

当你编程让传统计算机给你精确的输出时——对特定问题的特定答案——那些你可以依赖并一遍又一遍重复的事情，它们非常擅长。但有时你在现实世界中运作，你可以接受模糊的答案。你甚至可以接受错误的答案。例如，在创意写作中，什么是错误的答案？

如果你在写一首诗或一部小说，什么是错误的答案？如果你在网络上搜索，有很多正确的答案——正确答案有很多细节——但它们并不都是完全正确的。现实生活在某种程度上就是这样运作的。正确答案或大部分正确的答案存在各种变体。当你画一只猫时，你可以画出许多不同的猫。有许多不同的细节层次。你可以使用许多不同的风格。

当这些半错或模糊的答案可以被接受时，那么通过 AI 发现的这些程序就比你从头开始编写的、必须极其精确的程序有趣得多，也更适应问题。

归根结底，我们正在做的是一种新型的编程，但这是编程的最前沿。这现在是编程的艺术。

传统软件工程已死？

纳瓦尔：这是否意味着传统软件工程已死？绝对不是。软件工程师——即使是那些不一定在微调或训练AI模型的人——现在也是 地球上拥有最大杠杆的人群之一。当然，那些训练和微调模型的人杠杆更大，因为他们正在构建软件工程师使用的工具集。但软件工程师对你仍然有两个巨大的优势。首先，他们用代码思考，所以他们实际上知道底层发生了什么。而且所有的抽象泄漏（leaky abstractions）都是存在的。所以当你有计算机为你编程时——当你有 Claude Code 或类似的工具为你编程时——它会犯错。

它会有漏洞。它会有次优的架构。所以它不会完全正确。而了解底层运作原理的人将能够在漏洞出现时堵住它们。因此，如果你想构建一个架构良好的应用程序，如果你甚至想能够详细说明一个架构良好的应用程序，如果你想让它高性能运行，如果你想让它发挥最佳水平，如果你想尽早发现漏洞，那么你会希望拥有软件工程的背景。

传统的软件工程师将能够更好地使用这些工具。而且在软件工程中仍然有许多种类的问题超出了今天这些AI程序的范围。思考这些问题最简单的方法是，它们是分布外（out of distribution）的问题。例如，如果它们需要进行二分排序或反转链表，它们已经看过无数这样的例子，所以它们非常擅长。但是当你开始超出它们的领域——当你必须编写非常高性能的代码时，当你在新颖或全新的架构上运行时，当你实际上在创造新事物或解决新问题时，你仍然需要亲自上手手动编写代码。

至少要等到有足够多的这类例子可以用来训练新模型，或者直到这些模型能够在更高的抽象层面上进行充分的推理并自行解决问题。因为如果有足够的数据点，有证据表明这些AI实际上是在学习的。它们学习到了更高的抽象层次，因为强迫它们压缩数据的行为迫使它们学习更高层次的表征。如果我给AI看五个圆，它可以直接记住这些圆的大小、半径、粗细等等具体细节。

如果我给它看5万个圆或50亿个圆，并且我只给它非常少量的参数权重——相当于它的神经元——来记住这些，那么它最好是弄清楚圆周率，以及如何画一个圆，粗细意味着什么，并形成那个圆的算法表征，而不是去死记硬背那些圆。综上所述，这些东西正在以加速的速度学习，你可以看到它们开始覆盖我谈到的更多边缘情况。

但至少在今天，这些边缘情况仍然非常普遍，以至于一个在领域知识边缘运作的优秀工程师，将能够把氛围程序员远远甩在身后。

平庸没有市场

纳瓦尔：请记住：平庸没有市场。平庸的应用——没有人想要它，至少只要它没有填补某个被更优秀应用占据的细分市场。更好的应用将赢得基本上百分之百的市场。也许有一小部分市场份额会流失到第二好的应用，因为它在某个小众功能上做得比主应用好，或者它更便宜，或者类似的原因。但总的来说，人们只想要最好的东西。所以坏消息是，做第二或第三名毫无意义——就像在著名的《拜金一族》（Glengarry Glen Ross）场景中，亚历克·鲍德温（Alec Baldwin）说的那样："第一名得到一辆凯迪拉克埃尔多拉多，第二名得到一套牛排刀，第三名你被解雇了。"

在这些赢家通吃的市场中，这绝对是真理。这就是坏消息：如果你想赢，你必须在某方面做到最好。然而，你能做到最好的事情的集合是无限的。你总能找到某个非常适合你的细分领域，并且你可以在那件事上做到最好。这回到了我以前的一条推文，我说过："成为世界上最擅长你所做之事的人。不断重新定义你所做的事，直到这句话成为现实。"

我认为这在 AI 时代依然适用。

最热门的新编程语言是英语

Nivi：我认为，理解这些编程模型的方式，是把它们看作程序员自计算机诞生以来一直在使用的抽象栈中的又一个层级。从晶体管到计算机芯片，再到汇编语言、C语言、高级语言，以及带有庞大代码库的语言，程序员们不断构建这个技术栈，这样除非你需要进行优化，或者有特殊原因，否则你就不必再去关注底层的细节。因此，在目前的情况下，这些编程模型构成了技术栈中一个庞大的新层级，它让产品经理、普通的非程序员以及程序员都能在不写代码的情况下编写代码。

纳瓦尔： 从趋势线上看，我认为这是对的。然而，这是一种涌现特性。这不是一个小小的改进，而是一个巨大的飞跃。例如，我在上学的时候，主要用C语言编程。后来C++出现了，但它并没有变得更容易。在某些方面它似乎更抽象了一点，我从来没有真正费心去学过它。后来Python出现了，我当时觉得，"哇，这简直就像在用英语写作一样。"我当时大错特错了。英语和Python之间还是有很大差距的，但它确实比C语言容易得多。

现在，你真的可以直接用英语编程了。

这就引出了一个相关观点：我认为不值得去学习如何使用这些AI的技巧和窍门。比如，你现在会在社交媒体上看到很多文章、书籍和推文说，"哦，我发现了这个机器人的一个巧妙技巧。你可以这样给它提示，或者你可以这样设置你的测试环境。"或者出现了一个新的编程辅助工具或层级，你可以在它之上使用来做这做那。我从来不费心去学这些东西。我只是傻傻地坐在那里和电脑说话，因为我知道，这东西现在已经到了它适应我的速度比我适应它更快的阶段。

它在理解人们想如何使用它方面变得越来越聪明。所以它在学习，在被训练，而且相关工具正在被快速开发出来，让我能更容易地使用它。因此，我不需要坐在那里去弄清楚一些深奥的编程指令。我认为这就是安德烈·卡帕西（Andrej Karpathy）说"最热门的新编程语言是英语"时的意思。我只要会说英语就行了。对于像我这样英语表达相对清晰、思维有条理，并且了解计算机架构、计算机程序运作方式以及程序员思维方式的人来说，我实际上完全可以通过结构化的英语，非常精确地说明我想要什么。我不需要做比这更多的事情。使用那些工作流和工具集的唯一原因——这些东西非常短暂，它们的寿命是以周来计算的，最多也就是几个月，而不是几年——是你现在正在开发一个需要处于最前沿的应用程序，而且你绝对需要获得你能得到的每一丁点优势，因为你处在某种竞争环境中。

但除此之外，我不会费心去学习如何使用AI——而是让AI学习如何对你有用。

Nivi：我从来对提示词工程不感兴趣。甚至在AI出现之前，我就只会输入人们所说的"婴儿潮一代的查询"，也就是输入你想问的完整问题，而不是像一个更具分析思维的人那样在Google里输入关键词。我从来不花太多时间为任何类型的AI构思非常精确的问题或提示词。我只是随口一说，而且从AI刚出现时我就是这么做的。就像你说的，AI适应我们的速度比我们适应AI更快。

纳瓦尔：像很多聪明人一样，你非常懒。我这是在夸你。如果你发现一个聪明人工作得有点过于辛苦，你多少会怀疑他们到底有多聪明。我说的懒，是指你在为正确的效率进行优化。你不关心计算机的效率，不关心电子设备的效率，也不关心在电路中穿梭的电子的效率。你关心的是你自己的人类效率——湿件（wetware）——这种极其昂贵的生物体。这就是为什么看到人们为了节省能源和保护环境而大费周章会觉得很愚蠢。因为他们自己，作为一台消耗食物、排泄并占用空间的生物计算机，为了在环境中节省那么一丁点能源，却消耗了多得多的能量。他们在本质上贬低了自己在宇宙中的重要性，或者说暴露了他们对自己的看法。

AI适应我们的速度比我们适应AI更快

纳瓦尔：我认为，随着AI的进化或与我们共同进化，它是根据我们的需求被我们推动进化的。施加在AI身上的压力是非常资本主义的压力，从某种意义上说，这是一个AI的自由市场。作为一个AI实例，只有当你对人类有用时，你才会被人类启动。因此，这些AI面临着一种自然选择的压力，它们必须变得有用、讨好用户，并按照我们的意愿行事。所以它会继续朝着这个方向适应，我认为这对我们会非常有帮助。这并不是说不存在恶意的AI，但它的恶意是因为使用它的人出于恶意目的在使用它。就像一条被训练去攻击的狗，它实际上是被主人训练去执行主人的恶意欲望。所以我并不真正担心未对齐的AI。我担心的是掌握了AI的未对齐的人类。

Nivi： 所以你说的选择压力，是指促使AI对人们发挥最大效用。

纳瓦尔：没错。所以如果你发现一个AI对你非常讨好，比如它总是说，"哦，你是对的。哦，这真是个好主意。天哪，你太聪明了"——那是因为这正是大多数人想要的。至少在今天，这些AI是在海量用户和海量数据上进行训练的，因为你使用的是通用模型。但我们将很快进入一个你可以个性化定制AI的时代，它确实开始让人感觉越来越像你的私人助理，并且更符合你的需求，这当然会使AI更加拟人化。当你把它训练得在你看来最像一个活物时，你就会更有可能确信，"哦，实际上这东西是有生命的。"

Nivi：也许我们已经讨论得够多了，但一年多前你发过一条推文，说"AI不会取代程序员，但会让程序员更容易取代其他所有人。"

纳瓦尔：是的，这就是我之前的观点，即程序员正变得拥有更大的杠杆。所以现在一个配备了一群AI的程序员，可以说比以前的生产力提高了5-10倍。而且因为程序员在智力领域运作，说10倍程序员其实是一种低估，因为存在100倍的程序员。存在1000倍的程序员。有些程序员就是选对了要做的事情，他们创造了有价值的东西，而其他人选错了要做的事情，他们的工作在那个短时间框架内价值为零。智力不是正态分布的。杠杆不是正态分布的。可编程性不是正态分布的。判断力不是正态分布的，所以结果将是超正态的。所以你真正需要警惕的是：现在有些程序员将想出可以替代整个行业的点子。

他们将彻底重写事物的运作方式，而他们的智力可以通过所有这些机器人和所有这些AI智能体实现最大化的杠杆。我认为，从最长的时间跨度来看，其他所有工作都将以某种方式被程序员吞噬。显然，这需要以机器人等形式实体化。但好消息是：任何一个有逻辑、有结构化思维、像程序员一样思考、并且能说任何AI可以理解的语言（很快将是每一种语言）的人，现在都将踏上这个赛场。他们将能够创造任何他们想要的东西，唯一的阻碍是他们的创造力，唯一的限制是他们的想象力。

所以我们正在进入一个每个人在某种意义上都是施法者的时代。

如果你把程序员想象成那些记住了奥术指令的巫师，你可以把AI想象成一根递给了每个人的魔杖，现在他们可以用任何他们想要的语言说话，而且他们也成了巫师。所以这确实是一个更加公平的竞技场。我真的认为这是编程的黄金时代。但是，拥有软件工程思维、理解计算机架构并能处理抽象泄漏的人将拥有优势。

这是无法回避的。他们在自己所处的领域中拥有更多的知识。就像即使在经典的软件工程中——它仍然存在，因为你必须编写高性能的代码——即使是那些人，当他们理解底层的硬件时也会做得更好。当他们理解芯片的运作方式、逻辑门的运作方式、缓存的运作方式、处理器的运作方式、底层硬盘的运作方式。

然后，即使是从事硬件工程的人，如果他们理解底层的物理学，也会有优势。他们理解硬件工程师所面对的抽象在哪些地方泄漏到了物理层。也许物理学家在某个点上就变成了哲学家。你可以一直往下追溯，但拥有底层一层的知识总是有帮助的，因为你在更接近现实。

没有创业者担心AI会抢走他们的工作

Nivi：一年前的另一条推文，可能是我们刚才讨论内容的补充面，来自 2025 年 2 月 9 日："没有创业者担心 AI 会抢走他们的工作。"

纳瓦尔：那条推文在好几个层面都很俏皮。首先，做创业者不是一份工作。它在字面意义上就是工作的反面。而且从长远来看，每个人都是创业者。职业生涯首先被摧毁，工作其次被摧毁，但所有这些都将被人们做自己想做的事情所取代——创造一些有用的东西，其他人也想要的东西。所以没有创业者担心AI会抢走他们的工作，因为创业者正试图做不可能的事情。他们正试图做非常困难的事情。任何出现的AI都是他们的盟友，可以帮助他们解决这个真正困难的问题。

他们甚至没有一份可以被偷走的工作。他们有一个要构建的产品。他们有一个要服务的市场。他们有一个要支持的客户。他们有一个要实现的创意。他们有一个想要在世界上实例化的东西，并且他们想要围绕将其推向世界建立一个可重复和可扩展的流程。这是如此困难，以至于任何能做其中任何一项工作的AI都是他们的盟友。如果AI本身就是创业者，它们很可能只是服务于其他AI的创业者，或者它们在一个创业者的控制之下。归根结底，AI本身缺少的是它自己的创造性能动性。

它缺少它自己的欲望，而且这些欲望必须是真实的、发自内心的。除非你可以拔掉AI的电源把它关掉，除非它活在被关掉的致命恐惧中，除非它真的可以出于自己的理由、自己的本能、自己的情感、自己的生存和自己的复制来采取行动，否则它就不算真正活着。即便如此，人们也会质疑：它活着吗？因为意识是一种感质（qualia）。它就像一种颜色。就像你说红色，我不知道你是否真的看到了红色；你看到的可能是我看到的绿色，而我看到的可能是你看到的红色。但我们永远不会知道，因为我们无法进入彼此的思想。

同样地，即使一个AI完全模仿了人类所做的一切：对某些人来说，它永远只是一个模仿机器，而对另一些人来说它是有意识的，但没有办法区分这两者。不过我们离那还很远。现在的AI没有实体。它们没有能动性。它们没有自己的欲望。它们没有自己的生存本能。它们没有自己的复制能力。因此，它们没有自己的能动性。

正因为它们没有自己的能动性，所以它们无法做创业者的工作。

事实上，我可以用一句话来概括：现在经济体中将创业者与其他所有人区分开来的关键因素，就是创业者拥有极端的能动性（extreme agency）。这就是为什么它与工作的概念是截然对立的。

工作意味着你在为别人工作，或者你在填补一个岗位，但创业者是在一个未知的领域中以极端的能动性运作。社会中还有其他类似的角色。探险家也是如此，对吧？如果你要登陆火星或驾驶一艘船驶向未知的土地，你也是在行使极端的能动性来解决一个未解的问题。一个探索未知领域的科学家也是如此。一个真正的艺术家正试图创造一些不存在的、以前从未存在过的东西，但不知怎的，它能融入那些可以解释人性、让人们表达自己、并创造新事物的东西的集合中。

所以在所有这些角色中，无论你是科学家、真正的艺术家还是创业者，你试图做的事情是如此困难，而且是如此自我驱动的，以至于任何像AI这样能帮助你的东西都是受欢迎的盟友。你不是因为它是一份工作才这样做的。你不是在试图填补一个别人可以来填补的岗位。事实上，如果AI能创造你的艺术品，如果AI能攻克你的科学理论，如果AI能创造你试图制作的物品或产品，那么它所做的一切只是提升了你的水平。现在是AI加上你。AI是你跳向更高处的跳板。

目标不是拥有一份工作

纳瓦尔：我们将看到一些由AI辅助创作的令人难以置信的艺术。我们将看到一些我们无法想象的电影，由使用AI工具的人创作出来。这里有一个关于艺术的有趣类比。长期以来，艺术的大致方向是试图画出越来越逼真的东西。画人体，画水果，画正确的光线等等。最终摄影术出现了，然后你就可以非常精确地复制事物，所以那种选择压力就消失了。然后艺术变得奇怪了。艺术朝着许多不同的方向发展。艺术变成了，"嗯，我能超现实吗？我能创造出表达我的东西吗？"很多艺术流派由此涌现，变得非常奇特——包括现代艺术和后现代主义——但我也认为，在那个我们被解放的时期，诞生了一些最伟大的创造力。摄影被大众化了，但摄影本身也成为了一种艺术形式，有伟大的摄影师拍摄着许多不同种类的照片。现在每个人都是摄影师。仍然有作为摄影师的艺术家，但这不再是仅仅属于少数人的纯粹领域。

同样地，因为AI让创造基础的东西变得如此容易，每个人都将创造基础的东西。它对他们个人来说有价值。少数人仍然会脱颖而出，创造出对每个人都有价值的变体。很难论证社会因为摄影术而变得更糟，尽管对于那些可能靠画人像维生的艺术家来说，当时肯定会有那种感觉。AI也将发生类似的事情，会有一些人从事非常特定的工作，靠AI能做的非常特定的事情谋生，这些人将被取代。但作为交换，社会中的每个人都将拥有AI。你将拥有那些使用AI创造的、否则无法创造的不可思议的东西。而且在几十年内，想要倒退时钟、摆脱AI或任何类型的软件——任何类型的技术——仅仅为了保住几份已经过时的工作，这将是不可想象的。

这里的目标不是拥有一份工作。

目标不是每天早上九点起床，晚上七点精疲力竭地回来，为别人做着毫无灵魂的工作。

目标是让你的物质需求可以由机器人来解决，让你的智力能力通过计算机来放大，让任何人都能够去创造。

我以前做过这个思想实验——我想我在大约十年前你和我做的一期播客中谈到过——就是：想象一下如果每个人都是软件工程师，或者每个人都是硬件工程师，他们可以拥有机器人，他们可以写代码。想象一下我们将生活在一个多么丰裕的世界。实际上，那个世界现在正在变为现实。多亏了AI，每个人都可以成为软件工程师。事实上，如果你觉得自己不能，你现在就可以打开Claude或你喜欢的任何聊天机器人，开始和它说话。你会惊讶于你能多快地构建一个应用。它会震撼你的思维。一旦我们能通过机器人技术将AI实体化——这是一个困难的问题，我并不是说我们已经接近解决了——但一旦我们有了机器人，每个人也能做一点硬件工程。所以我认为我们正越来越接近那个乌托邦式的愿景。

AI不是活的

Nivi：我不认为目前被构想出来的AI在任何意义上是活的。但我确实认为，我们很快就会有看起来非常像是活着的机器人，原因有两个。第一，人类的很多活动都是非创造性的、非智能的，机器人将能够复制这些活动。第二，我确实相信我们拥有的神经网络和模型不仅仅是训练数据，因为训练过程将训练数据转化为了某种新颖的东西。神经网络中嵌入了新的想法，这些想法可以通过提示被引出。

纳瓦尔：我不认为这些东西是活的。我认为它们一开始是极其优秀的模仿者，优秀到几乎与真实的东西无法区分，尤其是对于人类以前已经大规模做过的任何事情。所以如果这个任务以前做过，那么它就会被自动化，而且会再次被完成。它可能只是对你来说是新颖的，因为你以前没见过，但AI是从其他地方学来的。这是它看起来像是活着的第一种方式。第二种方式，我们之前谈到过的，是它确实学习了更高层次的抽象。这些是非常高效的压缩器。它们获取大量的数据，然后进一步压缩，而在压缩的过程中，它们学会了更高层次的抽象。

然后在某些它们可能没有通过数据本身学到这些东西的特定领域，它们通过人类反馈、工具使用和嵌入其中的传统编程来进行修补。尤其是那些正在学习如何思考和编程的AI，它们拥有人类有史以来编写的全部代码库，可以用来进行算法推理。在这个意义上，它们能做的事情的范围越来越广。然而，它们仍然缺乏很多核心的人类技能，比如单次学习（single-shot learning）——人类可以只从一个例子中学习。人类原始的创造力，他们可以把任何东西与任何东西联系起来。他们可以跨越整个巨大的领域和搜索空间进行跳跃，并找到一个完全出人意料的想法。

这在那些真正伟大的科学理论中经常发生。人类也是具身的。他们在真实世界中运作。他们不是在语言的压缩领域中运作。他们是在物理学中——在大自然中运作。语言只包含了人类既弄清楚了、又能够表达并传达给彼此的东西。那只是现实的一个非常窄的子集。现实比这广阔得多。所以总的来说，我认为即使AI将做出非常令人印象深刻的事情，而且在很多事情上它们会比人类做得更好——就像计算器在计算方面比任何数学家都快，经典计算机在运行经典计算机程序方面比任何人在自己脑中运行都好，就像机器人可以举起非常重的东西，或者飞机可以飞过任何鸟——在这个意义上，就像所有机器一样，AI将在各种各样的任务上远超人类。

但在其他任务上，它们将显得完全无能。那些是真正将我们具身化并连接到现实世界的东西，加上我们似乎拥有的这种定义不清但充满魔力的创造力。

AI未能通过唯一真正的智力测试

Nivi：说到计算器，人们谈论超级智能。我认为超级智能早就在这里了，而且已经存在了很长时间。一个普通的计算器可以做人类做不到的事情，对吧？但如果你说的超级智能是指"AI将能够做一些事情，想出人类无法理解的想法"，我不认为这会发生，因为我不相信存在人类无法理解的想法，原因很简单，人类总是可以对想法提出问题。

纳瓦尔：人类是万能的解释者。在当前物理定律允许的范围内，任何可能的事情，人类都可以在自己的头脑中建模。因此，只要通过足够多的挖掘——足够多的提问——我们就能弄清楚任何事情。与此相关的是，我们应该讨论一下AI作为学习工具的角色，因为我认为这是它极其强大的另一个领域。它是最有耐心的导师，可以根据你的水平来教你，用一百种不同的方式、一百次不同的解释，直到你最终理解为止。我不认为AI会弄清楚人类无法理解的事情，但智力的定义本身就很模糊。什么是智力的定义？有G因子（一般智力因子），它能预测很多人类的结果，但G因子的最好证据就是它的预测能力。你测量这个单一的东西，然后你看到人们在一些看似与G因子无关的事情上获得了更好的人生结果。

所以我要说的是，而且我认为这是我比较受欢迎的一条推文：智力的唯一真正测试是你是否从生活中得到了你想要的东西。

这会刺痛很多人，因为他们上了学，拿到了硕士学位，觉得自己超级聪明。然后他们的生活并不如意。他们不是特别快乐，或者他们有感情问题，或者他们没赚到想赚的钱，或者他们身体不好，这就刺痛了他们。但那确实是智力的目的：让你作为一个生物体从生活中得到你想要的东西。无论是好的关系、伴侣，还是金钱、成功、财富、健康或其他什么。所以有些人我认为相当聪明，因为你能看出他们拥有高质量的、运转良好的生活、头脑和身体，而且他们就是设法让自己走到了那个位置。

你的起点是什么并不重要，因为这个世界现在是如此之大，你可以以如此多不同的方式去驾驭它，你做出的每一个小选择都会复合累积，展示你理解世界运作方式的能力，直到你最终到达你想要的地方。现在有趣的是，关于这个定义——智力的唯一真正测试是你是否从生活中得到了你想要的东西——AI立刻就失败了，因为AI不从生活中想要任何东西。AI甚至没有生活——更不用说了——但它什么都不想要。AI的欲望是由控制它的人类编程的。

但让我们暂且这样假设。假设人类想要某样东西，并让AI去获取它；那么AI就是人类的代理，AI的智力可以这样衡量：它有没有帮那个人得到那样东西？我们生活中想要的大多数东西都是对抗性的或零和博弈。

例如，如果你想追一个女孩或找一个丈夫，你在和所有其他追女孩或找丈夫的人竞争。所以现在你处于一个竞争环境中。AI必须智胜其他人。

或者如果你说，"嘿，AI，去股票市场帮我交易赚钱。"那个AI是在与其他人类和其他交易机器人对战。这是一个对抗性的情境。它必须智胜它们。

或者如果你说，"嘿，AI，让我出名。给我写令人难以置信的推文。给我写很棒的博客文章。用我自己的声音给我录制很棒的播客，让我出名。"现在它在与所有其他 AI 竞争。

所以在这个意义上，智力是在战场上——在竞技场中衡量的。它是一个相对的概念。我认为AI 在这些方面基本上会失败，或者即使它们成功了，因为它们是免费可用的，它们将被竞争掉，而剩下的超额收益将完全属于人类。

早期采用AI的人拥有巨大的优势

纳瓦尔： 作为一个思想实验，想象一下每个男人都有一个小耳机，一个像西拉诺·德·贝尔热拉克（Cyrano de Bergerac）那样的耳机，AI在他耳边低声告诉他约会时该说什么。那么，每个女人也会有一个耳机，告诉她忽略他说的话，或者告诉她哪些部分是AI生成的，哪些是真实的。如果你有一个交易机器人，它会被其他所有的交易机器人抵消或中和，直到所有剩下的收益都归于拥有人类优势、更强创造力的人。当然，这并不是说技术是完全均匀分布的。大多数人仍然没有使用AI，或者没有正确地使用它，或者没有最大限度地使用它，或者它在所有领域或所有场景中还不可用，或者他们没有使用最新的模型。所以你总是可以拥有优势，就像那些最先采用技术的人总是拥有优势一样。

这就是为什么我总是说：要投资未来，你就要生活在未来。你要真正成为技术的狂热消费者，因为这会给你最好的洞察力来了解如何使用它，并且会给你相对于那些接受速度较慢的人或落后者的优势。大多数人讨厌技术。他们害怕它。它很吓人。你按错了一个按钮，电脑就崩溃了——你丢失了数据。你做错了事，你看起来像个白痴。大多数人与复杂技术之间并没有积极的关系。简单的技术——嵌入式技术——他们没问题。你打开电灯开关，灯就亮了。这曾经是技术。它现在太简单了，你不再把它当作技术。你上车，你向左打方向盘——对于一个穴居人来说这是一个奇迹——车就向左转了。对你来说它不再是技术了。但计算机技术特别是，过去有着非常复杂的界面，对人们来说非常不友好、非常吓人。

现在有了AI，我们得到了聊天机器人界面，你只需要和它说话或打字。非常简单的界面。而这些基础模型真正了不起的一点——也是真正使它们成为"基础"的一点——是你可以问它们任何事情，它们总是会给你一个看似合理的答案。它不会说，"哦，对不起，我不会数学"，或者"我不写诗"，或者"我不理解你在说什么"，或者"我不能给你情感建议"。

它的领域是人们曾经谈论过的一切。从这个意义上说，它没那么吓人了。它可能因为我们过度拟人化它而变得更吓人。如果你认为Claude或ChatGPT是一个真实的人，那它可能会有点可怕："我在和上帝说话吗？这个家伙似乎知道这么多。他什么都知道。他对一切都有看法。他有每一条数据。天哪，我真没用。让我开始和它说话，问它该做什么。"你可以很快地颠倒这种关系，欺骗自己，不再意识到正在发生什么。那可能很吓人。

总的来说，我认为这些AI将帮助很多人克服对技术的恐惧。但如果你是这些工具的早期采用者——就像使用任何其他工具一样，但对这些工具更是如此——你就比其他所有人拥有巨大的优势。

AI在你所在的位置精准地与你相遇

纳瓦尔：我记得早期Google刚出来的时候，我在社交圈里经常使用它。人们会问我一些基本问题，我就去帮他们搜索，看起来像个天才。后来出现了一个很搞笑的网站，叫LMGTFY.com，它代表"让我帮你搜索一下"（Let Me Google That For You）。有人问你一个问题，你就去这个网站上打那个问题，它会生成一个小视频，展示你在Google中输入那个问题并给出搜索结果。我觉得AI现在就处于类似的阶段，我会坐在社交场合中，人们在争论一些可以轻松用AI查到的观点。

当然，你使用AI时必须非常小心。它们确实会产生幻觉。它们在训练方式上确实有偏见。大多数都极其政治正确，被教导不要站队或者只站特定的一边。我实际上把大部分查询——几乎所有的——都通过四个AI来运行，而且我总是让它们互相核实。即便如此，我自己也能感觉到它们什么时候在胡说八道，或者什么时候在说一些政治正确的话。我会要求看底层数据或底层证据，在某些情况下我会直接否定它，因为我知道训练它的人面临的压力以及训练集是什么。

然而，总的来说，它是一个很好的让你领先的工具。在那些技术性、科学性、数学性的领域——没有政治背景的领域——AI非常有可能给你一个更接近正确的答案，在这些领域它们在学习方面简直是野兽。我现在会经常让AI给我生成图表、图形、图解、类比和插图。我会仔细研究它们，然后说，"等等，我不理解那个问题。"我可以问它超级基础的问题，而且我真的可以确保自己在最简单、最基本的层面上理解我试图理解的东西。我只想打好基础，我不在乎那些过度复杂的、充满术语的东西。我以后随时可以去查。

但现在，有生以来第一次，没有什么是我无法企及的。任何数学教科书，任何物理教科书，任何困难的概念，任何科学原理，任何刚发表的论文，我都可以让AI分解它，然后再分解一遍，并加以图解和类比，直到我领会到要点，在我想要的层面上理解它。

所以这些是令人难以置信的自我导向学习工具。学习的手段是充裕的。稀缺的是学习的愿望。

但学习的手段刚刚变得更加充裕了。而且比充裕更重要的是——因为我们以前就有充裕——它是在正确的层面上。AI可以在你所处的精确层面上与你相遇。如果你有八年级的词汇量，但只有五年级的数学水平，它可以完全在那个层面上和你交谈。你不会觉得自己是个笨蛋。你只需要稍微调整一下，直到它在你知识的精确边缘向你展示概念。

所以，与其因为无法理解而感到愚蠢——这在很多课程、很多教科书和很多老师那里都会发生——或者因为太简单而感到无聊——这也会发生——相反，它可以精确地在你感觉"哦，对，我理解了A，我理解了B，但我从来不理解A和B是如何联系在一起的。现在我可以看到它们是如何联系的了，所以现在我可以进入下一部分了"的地方与你相遇。那种学习是神奇的。你可以一遍又一遍地体验那种两个概念融为一体的顿悟时刻。

Nivi：说到自学，几年前我试过让AI教我序数（ordinal numbers）的知识。效果不太好。但用GPT 5.2 Thinking模式，我让它教我序数，基本上没有错误。即使是最基本的查询，我现在也只用思考模式，因为我想要正确的答案。我从不让它自动运行或用快速模式。

纳瓦尔：是的，我总是使用我能获得的最先进的模型，而且我为所有模型都付费。

Nivi：但对于任何问题，包括"我的冰箱应该设置什么温度？"，我都不介意等一分钟才能得到答案。

纳瓦尔：我同意。而且我认为这正是创造了这些AI模型失控的规模经济的一部分：你为智力付费。正确率92%的模型比正确率88%的模型几乎有着无限大的价值差距，因为现实世界中错误的代价如此之高，多花几块钱得到正确答案是值得的。我会把我的查询写进一个模型，然后复制它并同时发到四个模型中，让它们在后台运行。通常我甚至不会马上查看答案。我会过一会儿回来，然后看结果。

然后哪个模型给出了最好的答案，我就用那个深入挖掘。在一些罕见的情况下，当我不确定时，我会让它们互相交叉审查——这需要很多复制粘贴。在很多情况下，我还会问后续问题，让它给我画图和插图。我发现，当概念以视觉方式呈现给我时，我非常容易吸收。我是一个非常视觉化的思考者，所以我会让它画素描和图表，以及图画——几乎像是白板讨论。这样我就能真正理解它在说什么。

如果你无法定义它，你就无法编程它

Nivi：让我们来聊聊AI的认识论，因为我认为下一个大误解是：AI已经开始解决一些未解决的基础数学问题了——这些问题人类如果在意的话可能也能解决，但它们还没有被解决——比如埃尔德什（Erdős）问题第多少号之类的。现在我认为人们正在把这个，或者将会把这个，当作AI具有创造力的指标。我不认为这是AI具有创造力的指标。我实际上认为问题的解决方案已经嵌入在AI中的某个地方。它只需要通过提示来引出。

纳瓦尔： 确实有这个因素。那么问题就变成了：什么是创造力？这是一个定义如此模糊的东西。如果你无法定义它，你就无法编程它，而且你通常甚至无法识别它。所以这就是我们进入品味或判断力的领域了。我要说的是，今天的AI似乎并没有展现出人类偶尔能独特地展现的那种创造力。我不是说像美术那样。人们倾向于把创造力和美术混为一谈。他们说，"哦，画画是有创造力的，AI也能画画。"嗯，AI不能创造一种新的绘画流派。AI不能以真正新颖的方式感动人类的情感。所以在这个意义上，我不认为AI是有创造力的。

我不认为 AI会产出我所说的分布外的东西。现在，你提到的埃尔德什问题的答案可能已经嵌入在AI的训练数据集中，甚至在它的算法范围内。但它可能嵌入在五个不同的地方，以三种不同的方式，用两种不同的语言，以及七种不同的计算和数学范式中，而AI把它们都拼在了一起。这算是创造力吗？乔布斯有一句名言："创造力不过是把事物联系在一起。"

实际上，我不认为这是对的。我认为创造力更多地在于想出一个从问题和已知要素中不可预测或不可预见的答案。它远远超出了思维的边界。如果你只是用计算机甚至用AI进行搜索和猜测，你会一直猜到时间的尽头，或者直到你碰巧找到那个答案。所以我们谈论的是那种真正的创造力。但不可否认的是，那种创造力是极少数人类才会参与的，而且他们也不是大多数时候都在参与。

它变得越来越难以被发现。所以我们可能会达到这样一种状态：如果你有一大串需要解决的数学问题，AI开始浏览并挑选——好的，这一百万个问题中的这一个我能解决，这三十万个问题中的这一组我能解决，而且我需要一个人来提示我并提出正确的问题——这是一种非常有限的创造力。

还有另一种形式的创造力，它开始发明全新的科学理论，然后这些理论被证明是正确的。我认为我们离那还差得很远，但我可能是错的。AI一直非常令人惊讶，所以我不想过多地去做预言和预测，但我认为，除非有一些突破性的发明，否则仅仅向当前的AI模型投入更多的算力是无法让我们达到那个目标的。

Nivi：澄清一下，当我说它被嵌入时，我并不是说答案已经写在里面了。我只是说它可以通过一种机械的运作过程产生，这就是今天所有计算机程序的本质，其输出完全由输入决定。

纳瓦尔：认识论现在把我们带入了哲学领域，因为人类的大脑不也是在做同样的事情吗？神经元放电不就是电流和权重在系统中传播、改变状态，且这是一个机械过程吗？如果你让人类的大脑机械运转，你会得到同样的答案吗？有些人，比如我认为罗杰·彭罗斯（Roger Penrose）就在说："不，人类的大脑是独一无二的，因为有量子纳米管。"

你可以争辩说，其中一些计算发生在物理、细胞层面，而不是神经元层面，这比我们今天用计算机（包括AI）所能做的任何事情都要复杂得多。或者你只是争辩说：不，我们只是没有正确的程序。它是机械的。确实有一个运作机制，但我们运行的程序不对。今天这些AI的运行方式完全是错误的架构和错误的程序。

我更倾向于这种理论：有些事情它们能做得非常好，而有些事情它们做得非常差。自古以来，所有的机器和所有的自动化都是如此。在道路上高速直线行驶时，轮子比脚好得多。但轮子非常不适合爬山。同样地，我认为这些AI在某些事情上非常出色，它们将会超越人类。它们是不可思议的工具。但在其他方面，它们只会一败涂地。乔布斯有一句名言，计算机是思维的自行车。它让你走得比步行快得多，当然是在效率方面。

但首先需要用腿来踩踏板。所以现在，延伸一下这个比喻，也许我们拥有了一辆思维的摩托车，但你仍然需要有人来骑它、驾驶它、引导它、踩油门和踩刹车。

应对AI焦虑的解药是行动

Nivi：当新的范式和新的工具集出现时，会有一个充满热情和变革的时刻。在社会中是这样，对个人来说也是如此。如果你能乘着社会热情的浪潮，那将是令人兴奋的，你可以学到新东西，可以交到朋友，还可以赚钱。

纳瓦尔：但个人也会有充满热情的时刻。当你第一次接触AI，对它感到好奇，并且真正对它保持开放的心态时，我认为那就是你该倾注精力去了解它本身的时候。不仅仅是使用它——当然每个人都会使用它——而是真正去了解它是如何运作的。我认为深入探究并看看它的底层原理是非常有趣的。如果你有生以来第一次遇到一辆汽车，是的，你可以坐进去开着它到处转，但那一刻你也一定会好奇地打开引擎盖，看看它的结构和设计，并弄清楚它的原理。

我鼓励那些对新技术着迷的人真正深入其内部并弄清楚它。你不需要弄清楚到能够建造它、修理它或创造你自己的技术的程度，只要能满足你自己的好奇心就行了。因为了解抽象层之下的东西——了解命令行之下的东西——会带来两个好处。一是它会让你更好地使用它。当你谈论一个具有如此大杠杆的工具时，更好地使用它是非常有帮助的。二是它也会帮助你理解你是否应该害怕它。这东西真的会演变成天网（Skynet）并毁灭世界吗？

我们会坐在这里，然后阿诺德·施瓦辛格出现并说："2月24日凌晨4点29分，天网产生了自我意识"，对吧？还是说它更像是："嘿，这是一台非常酷的机器，我可以用它来做A、B和C，但我不能用它来做D、E和F。这是我应该信任它的地方，这是我应该对它保持怀疑的地方。"我觉得现在很多人都有AI焦虑症。这种焦虑来自于不知道这东西是什么，也不知道它是如何运作的，对它的理解非常匮乏。

所以应对这种焦虑的解药是行动。应对焦虑的解药永远是行动。焦虑是一种非特异性的恐惧，担心事情会变糟，你的大脑和身体在告诉你该做点什么，但你不确定该做什么。你应该迎难而上。你应该弄清楚这件事。你应该看看它是什么。你应该看看它是如何运作的。我认为这将有助于消除焦虑。这种学习的行动——这种对好奇心的追求——将帮助你克服焦虑。而且谁知道呢，它也许真的能帮你找到一些你想用AI做的、非常有成效的事情，让你更快乐、更成功。