夜雨聆风
程序员会不会被替代？
写代码是不是不值钱了？
未来还要不要学编程？
这些问题当然重要，但它们可能都太小了。
在纳瓦尔播客《AI 工业革命》第三期里，真正值得抓住的不是“AI 如何写代码”，而是一个更大的转向：
AI 正在把“建造东西”的门槛重新改写。
这期对话里，纳瓦尔找来了三位很有代表性的前沿创始人：Guillermo Rauch 在做面向 agent 世界的 AI 云基础设施；Blake Scholl 在 Boom Supersonic 建造超音速飞机和喷气发动机；Max Hodak 在 Science 做脑机接口和生物混合系统。
他们看起来来自三个完全不同的领域：软件、航空、脑机接口。
但他们实际谈的是同一件事：
当 AI 进入公司内部，真正变化的不是某个岗位效率提升了 30%，而是公司开始从“人做事”变成“人设计一套会做事的系统”。
这就是 AI 工业革命真正的入口。
01
工程师的工作，不再是交付一个结果
过去我们评价一个工程师，很简单：
你能不能把这个功能做出来？
你能不能按时交付？
你能不能修掉这个 bug？
也就是说，公司买的是一个人的输出。
但在 AI agent 出现之后，评价标准开始变化。一个更高级的工程师，不只是自己产出一个结果，而是能不能搭出一座“软件工厂”，让这座工厂持续产出很多结果。
这就是这一期最关键的判断之一：
未来最值钱的人，不是手速最快的人，而是能制造杠杆的人。
过去所谓 10 倍工程师已经很稀缺，但在 AI 杠杆下，真正厉害的人可能是 100 倍、1000 倍工程师。因为他的价值不来自多写几行代码，而来自判断力、架构能力、问题选择能力，以及把模型组织进工作流的能力。
这也解释了为什么“看 token 消耗”是一种很低级的管理方式。
就像过去用代码行数衡量程序员一样，用 token 数衡量 AI 工作，也会把人带偏。真正应该看的不是模型用了多少 token，而是节省了多少人的时间，最终创造了什么结果。
纳瓦尔在这点上非常直接：token 再贵，也比人的时间便宜。
这句话背后的意思是，AI 时代的核心成本不是算力，而是人类注意力。谁能把自己的判断力放大，谁就拥有新的生产资料。
02
纯软件的护城河正在变薄
对软件行业来说，这期对话里最刺耳的问题是：
纯软件还值得投资吗？
过去，代码是一种门槛。你得学语言，懂框架，熟悉数据库、队列、部署、监控，才能把一个想法变成产品。
但现在，模型开始“说人话”。
人不一定要通过代码和机器沟通，机器已经可以通过自然语言理解人的意图。于是，传统软件工程的一部分门槛被抹平了。
这不意味着软件不重要。
恰恰相反，软件会变得更重要，只是价值位置变了。
未来有价值的，不一定是一个又一个封闭的软件产品，而是 agent 可以调用的基础设施、模块、接口、工作流和构件。
对 agent 来说，好的基础设施就像“缓存”。它不需要每次从零开始重新发明数据库、消息队列、支付系统、部署系统。它需要的是稳定、可组合、可复用的 building blocks。
这也是为什么基础设施公司反而可能变得更重要。
AI 不会消灭软件，它会消灭大量平庸的软件包装；但它会放大真正可靠的底层构件。
换句话说，软件的价值从“我替你做一个工具”，转向“我成为所有 agent 建造时绕不开的底座”。
03
最大的受益者，可能不是软件公司，而是硬件公司
这一期最有价值的部分，是 Boom Supersonic 的例子。
很多人以为硬件工程很先进，但 Blake 提到一个现实：大量硬件工程流程，其实还停留在 Excel、VBA、邮件、手工传文件的时代。
一个复杂的工程分析，可能存在某个工程师电脑上的电子表格里。没有版本控制，没有自动测试，没有可复用流程。一个分析结果要交给另一个团队，可能还是通过邮件发送。
这不是现代工业应有的样子。
Boom 的做法，是把传统硬件工程流程软件化，让工程师不是每次手工跑流程，而是把流程变成可重复、可验证、可迭代的软件系统。
更关键的是，AI 改变了软件工程师和硬件工程师之间的关系。
软件工程师负责系统架构，负责把流程抽象成平台；硬件工程师则可以利用 AI，把自己的领域知识快速变成可运行的工具。
这带来的变化非常大。
比如设计涡轮叶片。传统流程里，一个叶片从冷态到热态会发生形变，需要同时考虑空气动力学和结构力学。过去，一个工程师可能要花一天时间，只分析一个叶片的一部分。而在 AI 和软件化工作流之后，工程师可以实时改变几何形状，并立刻看到结构和气动结果。
这不是“写代码更快”。
这是迭代成本坍塌。
一旦迭代成本下降，硬件公司的速度就会完全不同。
过去硬件难，是因为它不像软件那样容易修改、测试、部署。AI 如果能把硬件里的隐性流程变成软件，把软件变成 agent 可操作的系统，那么实体世界会第一次获得类似互联网公司的迭代速度。
这才是“AI 工业革命”这个说法真正有分量的地方。
04
公司内部会出现一种新岗位：训练 agent 的人
这期对话里还有一个很重要的组织变化：
未来很多人的工作，不再是直接完成任务，而是训练一个 agent 去完成任务。
这听起来像一句口号，但他们已经在公司里做实验。
比如 Vercel 已经把很多 SRE 工作自动化。过去工程团队会手动设置告警阈值：错误率超过多少就报警，延迟超过多少就报警。现在的方式是，系统发现异常后，agent 自动调查，判断是否创建事故，必要时把人拉进来，并开始提出修复方案。
安全研究也是类似。大量 agent 可以并发运行，做漏洞扫描、红队研究、代码重写和优化，把过去几个月的人力工作压缩到几天。
更有意思的是 Boom 的内部实验。
他们曾经暂停全公司项目一周，让所有人用 AI 做自己认为最重要的工具。原本预期会出现很多玩具项目，少数有价值项目。结果恰好相反：很多项目都真的有用。
最打动人的例子，是收发货岗位的人也能做自动化。她原本的工作是从货车上接收包裹，然后通知相关的人。借助 AI，她可以把这个流程自动化，并真正让公司使用。
这说明一件事：
很多人并不是没有想法，而是过去没有把想法变成工具的能力。
AI 给普通员工补上的，不只是“技能”，而是从问题到原型的通道。
当一个人能把自己的局部痛点变成一个可运行系统，公司内部就会长出大量小型自动化。未来的组织，可能不再只依赖中心化 IT 部门，而是每个岗位都能把自己的经验训练成 agent。
05
监管也会变成“测试套件”
这期后半段谈了很多监管、FDA、医疗、航空审批，看似偏离主线，其实仍然在谈“建造链路”。
实体世界之所以慢，不只是因为技术难，还因为合规、认证、审批、文档、责任链条都很重。
但 AI 可能改变这里的成本结构。
比如一个产品要符合哪些 ISO 标准？某个改动会影响哪些合规要求？如何生成可追溯的文档？过去这可能需要一个质量和法规团队花几个月梳理。现在，AI 可以帮助团队快速定位标准、生成文档、做 traceability。
从这个角度看，监管不一定永远只是墙。
如果规则清晰、标准合理，它也可以变成测试套件。就像软件上线前要跑测试，硬件和医疗产品也可以在 agent 帮助下持续跑合规测试。
但问题在于，现实监管并不总是像代码一样一致。
纳瓦尔提到一个很关键的矛盾：如果监管者批准了一个坏东西，职业生涯可能结束；但如果他阻止了一个好东西，几乎没人会看见损失。
这会天然制造保守。
所以 AI 进入监管领域后，可能出现两种结果：一方面，企业用 agent 降低合规成本；另一方面，监管机构也用 agent 生成更多反馈和要求，最后变成 agent 对 agent 的文档军备竞赛。
这部分对我们作为时代浪潮的一员也有启发。
真正的产业竞争，不只是模型能力竞争，而是模型能不能进入制造、医疗、航空、供应链这些复杂现实系统。谁能降低从想法到产品、从产品到市场的总成本，谁才真的拥有 AI 工业革命的红利。
06
人类剩下的，不是知识，而是判断、品味和创造力
最后，讨论回到一个老问题：
AI 这么强，人还剩下什么？
这期里有一个很好的答案：未来不是“人 vs AI”，而是“会用 AI 的人 vs 不会用 AI 的人”。
知识本身正在贬值。
不是因为知识不重要，而是因为模型可以快速穿透术语、文献、框架和流程。一个人如果只是记住了一套专业话语，AI 会很快追上来。
真正稀缺的是判断力、品味、创造力和行动意愿。
判断力决定你问什么问题。
品味决定你接受什么答案。
创造力决定你能不能提出系统外的新方向。
行动意愿决定你能不能把想法推到真实世界。
这也是为什么小团队和个人创始人的机会会变大。
过去，一个想法要变成公司，需要很多人：工程、设计、运维、法务、销售、运营。现在，很多环节都可以被 agent 放大。一个非常小的团队，甚至一个人，就可能完成过去几十人才能完成的工作。
这不会让所有人都变成创业者。
但它会让更多有判断力和创造力的人，第一次拥有把愿景变成现实的能力。
结尾：别问 AI 会不会替代你，问你能建造什么
这期播客最值得带走的，不是某个具体预测，而是一种新的工作观。
过去，一个人要证明自己有价值，靠的是“我能完成这项工作”。
现在，一个人要证明自己有价值，靠的是“我能不能设计一个系统，让这项工作持续被完成，而且一次比一次好”。
这就是从劳动者到建造者的转变。
AI 工业革命不是让所有人都坐在电脑前写提示词。
它真正打开的，是一条从想法到工具、从工具到流程、从流程到公司、从公司到现实世界的新通道。
所以，今天最重要的问题不是：
我的工作会不会被 AI 替代？
而是：
我能不能用 AI 建造一个过去只有大公司、专家团队、庞大组织才能建造的东西？
当建造的门槛下降，世界不会自动变好。
但那些有判断、有品味、有创造力、也愿意动手的人，会第一次站到一个很不一样的位置上。
他们不只是使用工具。
他们会开始制造工具。
然后，用工具制造世界。
我是杏仁，持续记录 AI 时代的认知升级、工具实践和第二大脑搭建。愿我们不只是追赶变化，也能慢慢长出自己的判断系统。
请独立思考，保持批判
将复杂问题进行简化
用行动去证明你的观点
