纳瓦尔最新访谈,给每个家长提了个醒:AI时代,教育方向大变!

——我完整听完70分钟访谈后，终于明白硅谷最聪明的一群人，到底在讨论什么。

最近半年，如果你关注AI，一定会有一种感觉。每天都有新模型发布，每周都有新的AI工具爆火，每隔几天，就有人告诉你："AI又颠覆了一个行业。"

关于AI的内容越来越多，焦虑也越来越多。

有人焦虑工作会不会被取代，有人焦虑孩子现在学的专业还有没有价值，也有人每天收藏各种AI教程，却始终不知道应该从哪里开始。

坦白说，我也一样。

AI来了，孩子到底该学什么？

计算机还能不能学？

编程会不会被AI取代？

未来哪些职业最稳定？

我一直觉得，这些问题，没有人能够轻易给出答案。

直到前几天，我完整听完了一场70多分钟的圆桌访谈。

参加访谈的四位嘉宾，并不是什么网红博主，而是四位真正站在AI浪潮最前沿的人。

纳瓦尔（Naval Ravikant），AngelList创始人，也是硅谷最有影响力的投资人之一。

Guillermo Rauch，Vercel创始人。他创办的平台，支撑着全球大量AI产品和互联网应用。

Blake Scholl，Boom Supersonic创始人。他正在重新制造超音速客机，希望把人类带回超音速飞行时代。

Max Hodak，Science创始人，曾担任Neuralink总裁，长期研究脑机接口和人工智能。

如果把AI比作一场巨浪，他们不是站在岸边讨论浪有多高的人，他们就在浪头上。

所以，我特别想知道，这群每天和AI打交道的人，到底在讨论什么。

让我意外的是，整整70多分钟，他们几乎没有讨论哪个模型更厉害，也没有比较Claude、ChatGPT还是Gemini谁更聪明。

他们真正讨论的，是一个更大的问题：当AI越来越聪明，人类还应该做什么？

这也是整场访谈最吸引我的地方。

因为今天，大多数人都在研究AI怎么用，而他们，已经开始讨论AI时代，人应该成为什么样的人。

访谈开始没多久，就出现了一个让我印象特别深刻的故事。

这个故事，没有发生在OpenAI，也没有发生在Google。而是发生在一家造超音速飞机的公司里。

故事的主人公，也不是工程师，更不是程序员，而是一位负责收发货物的前台接待员。

当我听到这里的时候，我暂停了视频，我突然意识到，这可能才是整场访谈真正的开始。

一个前台接待员，为什么让整个硅谷都开始重新思考AI？

整场访谈中，真正让我停下来思考的，并不是纳瓦尔那句"先干起来，能解决80%的AI焦虑"。

而是Boom Supersonic创始人Blake Scholl分享的一个故事。

Boom是一家造超音速飞机的公司，听起来，它和AI几乎没有任何关系。

它每天面对的是飞机、发动机、空气动力学、材料工程……

你很难把它和ChatGPT联系在一起。

但恰恰是在这样一家传统意义上的"硬科技公司"里，发生了一件让Blake Scholl非常震惊的事情。

有一天，他决定做一个大胆的实验。

他让公司几乎所有项目暂停了一周，不是停下来休息。

而是要求全公司每一个人——无论你是工程师、设计师，还是行政人员、前台，都必须用AI去解决自己工作中最想解决的一个问题。

Blake后来在访谈中坦言，一开始，他其实没有抱太大的期待。

他原本以为，这一周结束以后，大家可能会做出很多看起来很酷，却没有实际价值的小项目。

真正有用的，可能只有一两个，但结果完全出乎他的意料。

他说，那一周，公司里几乎每个人都做出了真正能够改善工作的东西。

而最让他意外的，并不是工程师，是一位负责收发货物的前台接待员。

这位员工每天的工作很简单。

卡车送来货物→她负责签收→确认入库→然后给相关同事发送邮件，通知他们材料已经到了。

这是一个每天都会重复很多次的流程；过去，没有人觉得它有什么问题。

因为一直都是这样做的。

但这一周，她尝试把整个流程交给AI重新设计。

她利用AI，把签收、通知、邮件发送等一系列步骤串联起来，做成了一套自动化流程。

后来，公司真的开始使用这套流程。

听到这里，我脑子里冒出的第一个问题不是：

这个前台会不会写代码？而是：她以前为什么没有这样做？Blake给出的答案特别有意思。

他说，并不是大家没有想法，而是过去，大多数人的想法，停留在脑子里。

因为从一个想法，到真正做出一个产品，中间隔着太多门槛。

你要会编程。

要懂软件。

要找工程师。

要不断修改。

很多人，还没开始，就放弃了。

AI第一次让普通人拥有了一种能力。

把脑子里的一个想法，快速变成一个可以真实运行的东西。

Blake说了一句话，我印象特别深。

大意是：每个人脑子里，其实都有很多能够让世界变得更好的想法。

过去，他们只是没有能力把它们变成现实。

看到这里，我突然明白了。

为什么四位嘉宾反复强调，不要只是研究AI，而要开始使用AI。

因为AI真正降低的，不是知识门槛，而是行动门槛。

过去，一个想法，可能永远只是一个想法。

今天，一个想法，可能下午就能做出第一个版本。

故事才刚刚开始。因为接下来，几位嘉宾讨论的话题，比这个前台的故事更进一步。

他们开始讨论：

如果未来每个人都可以"造软件"，那么真正稀缺的能力，到底还剩下什么？

从"写代码"到"造工厂"，AI真正改变的，不是程序员

如果说，前台接待员的故事，让大家看到了AI正在降低普通人的行动门槛。

那么接下来，Vercel创始人Guillermo Rauch提出的一个概念，则让我第一次意识到：

AI真正改变的，也许不是程序员，而是整个工作的定义。

他提出了一个词——Software Factory（软件工厂），刚听到这个词的时候，我有点没反应过来。

软件不是一个人一行一行写出来的吗？为什么突然变成了"工厂"？

Guillermo解释说，以前评价一个工程师，很简单。

看你写了多少代码。

完成了多少功能。

解决了多少Bug。

但现在，他评价工程师的标准已经变了。他更关心的是：你有没有搭建一个能够持续产出的系统。

他说，现在衡量一名优秀工程师，不再是你亲手完成了多少工作，而是你建立的这套系统，能不能不断地产出结果。

看到这里，我突然想起了工厂。

过去，一个工人一天可以生产100个零件。

后来有了流水线，一个工人管理一条生产线，一天可以生产1000个零件。

今天，AI就像是进入办公室的流水线。

过去你亲自干，未来，你负责设计流程，AI负责执行。这就是Guillermo所说的"软件工厂"。

他说，工程师正在从执行者，变成管理者。

这句话听起来很抽象。

但另外两位嘉宾，很快就把它讲得特别具体。

Boom创始人Blake Scholl说，飞机发动机里，一个涡轮叶片的设计，过去可能需要工程师花一整天去计算。一台发动机，大约有上千个叶片。空气动力学、结构设计、温度变化……每一个参数，都需要反复调整。

现在，硬件工程师负责提出需求，软件工程师负责搭建AI系统，AI实时计算不同方案。

工程师几乎可以一边修改，一边看到空气动力学和结构变化。

过去，两个人可能只能设计一个零件。

现在，两个人可以设计一整台发动机。

他说了一句特别有意思的话：

"这简直是天差地别。"

而Science创始人Max Hodak，则分享了自己的经历。

他说，自己已经很久没有亲手写过代码了。

但过去很多停留在脑子里的想法，这半年却一个接一个地做了出来。这些软件，每天都在被自己使用。

更重要的是：

没有一行代码，是他自己写的。

他说，现在已经很难想象，再回到过去那种一个字符一个字符敲代码的时代。

听到这里，我突然明白了一件事，这三个人，其实讲的是同一件事情。

AI不是让程序员失业。

AI也不是让每个人都去学编程。

AI真正改变的是：

过去，"会不会写代码"决定了你能不能创造。

现在，"你想创造什么"，开始变得比"你会不会写代码"更重要。

这时候，纳瓦尔接过了话题。他说，自己已经二十多年没有写代码了。但现在，他几乎每天都在"编程"。

因为AI已经把编程这件事情，变成了另外一种形式。

你不再需要熟练掌握某一种语言，你需要的是：

知道自己想解决什么问题，知道结果应该是什么，然后不断调整、不断验证。

说到这里，纳瓦尔引用了自己一直坚持的一个观点。

他说，真正拉开人与人差距的，从来都不是多写几行代码，而是你决定做什么！

他举了几个大家熟悉的名字。

比特币的创造者中本聪。

《我的世界》创始人。

JavaScript发明者Brendan Eich。

传奇程序员John Carmack。

在他看来，这些人之所以成为"1000倍工程师"，并不只是因为代码写得更快。

而是因为：他们选择了一个正确的问题。

他们把自己的创造力，放到了一个能够产生巨大杠杆的位置。

看到这里，我突然意识到。

原来前面那个前台接待员，并不是一个孤立的故事。

她和这些顶尖创业者，做的是同一件事；不是写代码；而是发现问题。然后，把一个原本只能停留在脑子里的想法，真正变成现实。

纳瓦尔最反常识的一句话：不要省Token，要省时间

如果说前三十分钟，几位创业者一直在讨论AI正在怎样改变工作方式。

那么接下来，纳瓦尔开始谈他自己使用AI的方法。

让我意外的是，他几乎推翻了现在互联网上很多关于AI的建议。

今天，打开任何一个AI教程，你都会看到类似的内容：

"如何写Prompt。"

"10个提高AI回答质量的技巧。"

"怎样让ChatGPT更懂你。"

很多人花大量时间研究提示词，研究各种工作流，希望把每一个Token都用到极致。

纳瓦尔却说了一句听起来非常"浪费"的话。

"不要舍不得Token。浪费Token，节省时间。"

他说，自己从来没有认真研究过那些复杂的Prompt技巧。

原因很简单。

他认为，模型进化的速度，一定比自己学习Prompt的速度更快。

今天你花几十个小时研究出来的技巧，也许下一个版本更新以后，就已经过时了。

与其不断适应AI，不如让AI不断适应自己。

所以，他处理问题的方法非常直接。

同一个问题。

同时丢给Claude。

同时丢给Gemini。

同时丢给Codex。

让几个模型一起回答。

然后选择最好的那个。

如果觉得答案不够好。

继续追问。

继续修改。

继续重来。

直到满意为止。

很多人觉得这样太浪费。

浪费Token。

浪费算力。

浪费钱。

纳瓦尔却说了一句特别有意思的话。

大意是："无论这些模型今天看起来多贵，它们都比雇一个人便宜得多。"所以，他几乎从来不计算Token。

他计算的只有一件事，是时间。

因为时间，才是真正无法再买回来的东西。

看到这里，我突然意识到。

纳瓦尔讲的，其实不是AI，而是一种做事情的方法。

过去，我们总喜欢为了节约一点点成本，投入大量时间。比如为了省几十块钱，花几个小时比价。为了写一句Prompt，研究两天教程。为了找到"最佳方案"，迟迟不开始。

但纳瓦尔几乎完全相反。

他的逻辑是：

把时间放在最重要的地方，至于那些可以用钱解决的问题，就交给AI。

这让我想起访谈中另外一位嘉宾——Max Hodak说的一句话。

他说，现在的大模型，其实很像一面镜子。

如果你本身就是一个优秀的开发者。

AI会变得非常强大。

如果你只是刚刚开始学习。

AI也只能陪着你慢慢成长。

换句话说。

AI不会凭空创造能力。它更像一个放大器、它会不断放大你的思考方式、放大你的判断、也放大你的问题。

访谈进行到这里的时候，我突然发现。

四位嘉宾其实一直没有讨论：AI会不会取代人。他们讨论的，一直都是另一件事，人应该把时间花在哪里。

以前大量时间花在执行。今天大量时间开始花在思考、花在判断、花在创造、花在提出真正值得解决的问题。

也正因为如此。

纳瓦尔后面说了一句话，我认为比"先干起来，解决80%的AI焦虑"更值得每一个人认真想一想。

他说：未来，人类真正的角色，正在慢慢变成——验证者。

而这一句话，也把整场访谈带到了最核心的话题。

当人类开始变成"验证者"，教育真正改变的时刻到了

访谈进行到这里的时候，纳瓦尔说了一句话。

他说："人类正在变成验证者（Verifier）。"

刚听到这句话的时候，我没有完全理解。什么叫验证者？过去，无论是程序员、律师、运营、设计师，大家的工作都是亲自动手完成。

程序员写代码、设计师画图、运营写方案、律师起草合同。

AI出现以后，这些事情开始发生变化。越来越多的代码，是AI写的；越来越多的文案，是AI生成的。越来越多的设计图，也是AI完成的；

那么，人类做什么？纳瓦尔给出的答案是：验证。不是验证AI聪不聪明。

而是验证：这件事情是不是正确？是不是安全？是不是符合目标？是不是值得真正投入生产环境？

Vercel 创始人 Guillermo Rauch 分享了一个他们公司正在发生的变化。

过去，当线上系统出现异常，需要工程师立刻查看日志、分析原因、定位问题，然后想办法修复。

现在，他们开始让Agent自己完成这一系列工作。

Agent会主动监控系统。发现异常以后，它会自己分析原因。决定是否需要创建故障事件、甚至开始尝试修复。

真正留给工程师的，只剩最后一步，签字！

也就是说："我理解它为什么这么改。"

"我愿意承担它进入生产环境之后的一切后果。"

Guillermo说了一句让我印象特别深的话。

他希望工程师面对每一次代码提交的时候，都能够说："I understand."不是说：我读过每一行代码。而是说：我理解它会带来什么结果。

因为未来，代码越来越可能不是你写的，但责任，依然属于你。

看到这里，我忽然想到了一件事情。

过去，我们一直认为：会不会做，是能力。

未来，也许更重要的是：会不会判断。

判断哪一个答案更合理、判断哪一个方向值得投入、判断AI有没有犯错、判断什么时候应该相信AI、什么时候应该推翻AI？

如果说过去的教育，更多培养的是"会做的人"，那么未来，教育很可能要培养更多"会判断的人"。

访谈中，还有一个让我特别喜欢的细节，Guillermo说，现在AI最大的一个问题，是生成代码太容易了。

容易到什么程度？容易到大量低质量代码，像垃圾一样涌进系统。

他说，这其实不是AI的问题，而是人的问题，因为AI负责生成，人负责筛选。

如果筛选能力没有提升，AI越强，混乱反而越大。

这一段让我想起了今天的短视频。

以前，一个人一天最多录几条视频。现在，AI一天可以生成几十条。

未来真正拉开差距的，不一定是谁生成得更多。

而是谁知道：哪一条值得发、哪一句值得保留、哪一个观点真正有价值、生成越来越容易、选择越来越重要。

写到这里，我脑子里突然浮现出一句话。

它不是纳瓦尔说的，却是我听完整场访谈以后最大的感受！

过去，知识决定了一个人的高度。

未来，判断力决定了一个人的高度。

AI会越来越聪明，但判断什么值得相信、判断什么值得坚持、判断什么值得投入十年时间。

这些事情，暂时还只能由人来完成。而这，也许就是未来教育真正需要重新思考的地方。

AI越来越聪明，人类还有什么不会被替代？

访谈接近尾声的时候，话题开始变得越来越有意思。

四位嘉宾不再讨论AI能做什么，而是开始讨论另一个问题：

如果有一天，AI什么都会了，人类还剩下什么？这个问题，没有人能够真正回答，但几位嘉宾，却给出了完全不同的答案。

Max Hodak的观点最直接。

他说，如果一个人的价值感，完全建立在"我比别人聪明""我比别人更有创造力"这些事情上，那么未来几年，可能会非常痛苦。

因为AI会越来越聪明。今天，它已经能够写代码。明天，它可能设计芯片。后天，它可能完成很多过去只有专家才能完成的工作。

如果一直拿AI和人类比谁更聪明，也许永远都会焦虑。看到这里，我相信很多人都会点头。

这也是今天互联网上最大的焦虑来源。AI是不是比我聪明？我会不会被替代？

就在这时候，纳瓦尔说了一段让我印象特别深的话。他说，真正的创造力，永远来自"分布之外"。

什么意思？他说，AI今天之所以能够回答问题，是因为它学习了海量的人类知识。它擅长的是，在已有知识里寻找规律。但真正改变世界的新想法，很多时候恰恰来自那些过去从来没有出现过的东西。

不是重复，而是突破。

不是模仿，而是创造。

他说，这些东西，至少今天，仍然属于人类。

为了说明这个观点，纳瓦尔还提到了数学家哥德尔提出的"不完备性定理"。

他说，一个系统，往往无法依靠系统自身，证明所有事情。真正重要的突破，很多时候来自于跳出原来的框架。

我不是数学专业。

第一次听到这里的时候，并没有完全理解。

但后面，Guillermo举了一个特别生活化的例子。

他说，现在很多人用Claude做网站。

做着做着，你会发现一个很有趣的现象。

大家的网站越来越像。一样的字体、一样的排版、一样的配色、一样的按钮。

刚开始，你觉得很好看。慢慢地，你发现：所有东西都长得一样。

为什么？因为AI正在学习过去最常见、最成功的设计。

它越来越擅长做"平均值"。但真正让人眼前一亮的东西，往往不是平均值，而是有人突然打破了这种规律。

纳瓦尔接着说了一句话，我觉得特别美。

他说：艺术，是一个人感受到某种情绪，希望另一个人也能够感受到。

所以，同样一张照片，如果是AI生成的，它可以很漂亮。

如果是一个真实的人拍摄的，哪怕画面完全一样。意义也可能不同。因为，人们在意的不只是照片。

还在意：是谁拍的？为什么拍？那一刻，他想表达什么。

这，就是人的主体性。听到这里，我忽然沉默了几秒钟。

因为我发现，整场访谈绕了一大圈。最后讨论的，竟然不是AI，而是人！

AI越来越强。所以，人到底什么地方最珍贵？不是计算速度、不是记忆能力、甚至不是知识，而是那些无法量化的东西。

一次真正的好奇心、一次真正的灵感、一次真正想改变世界的冲动。还有，一个人愿意把这种冲动，坚持很多很多年。

看到这里，我终于理解了为什么纳瓦尔一直说：人类加AI，才是未来。

他不是乐观、也不是悲观。他只是认为：AI会越来越擅长完成已经存在的事情。而人类，依然要负责提出那个世界上原本不存在的问题。

我为什么觉得，每一位家长都应该认真听完这场访谈？

写到这里，我一直在想一个问题。

为什么整场访谈结束以后，我想到的不是AI，而是教育？后来我才发现，真正让我震撼的，不是某一句金句。

而是四位创业者几乎都在讨论同一件事情，他们没有讨论孩子应该学什么。

他们讨论的是：未来，人应该成为什么样的人。

这是两个完全不同的问题。

过去几十年，我们这一代父母努力培养孩子，大多数时候都有一条非常清晰的成长路径。

小时候学知识、长大了学技能、毕业以后找一份稳定的工作。只要掌握一项别人不会的技能，就拥有竞争力。

所以，我们努力让孩子学英语、学编程、学钢琴、学各种兴趣班。

因为技能意味着机会，但AI出现以后，这条逻辑开始发生变化。

不是知识不重要了、不是技能没有价值了。而是越来越多原本需要多年学习才能掌握的能力，开始变得触手可及。

不会写代码？AI可以帮你。

不会设计？AI可以帮你。

不会剪视频？AI可以帮你。

甚至不会写文章？AI也可以帮你完成第一稿。

过去，能力决定了一个人能不能开始。

今天，AI正在不断降低开始的门槛。

于是，一个新的问题摆在了每一个家长面前。

当技能越来越容易获得的时候，真正拉开人与人差距的，还会是什么？

整场访谈没有直接回答这个问题。但几位嘉宾不断提到的一些词，却让我记了下来。

创造、判断、验证、行动、好奇，这些词，在过去的教育体系里，并不是考试最容易衡量的能力。却可能成为未来越来越重要的能力。

这几年做加拿大留学，我越来越明显地感受到一种变化。

以前，很多家长咨询我的第一个问题都是：哪个专业最好就业？

最近一年，越来越多的问题变成了：AI来了，这个专业还值得学吗？

其实，没有人能够预测十年后的就业市场。就像十年前，没有人会想到AI会发展得这么快。

今天热门的专业，未来可能会改变。

今天不存在的职业，未来也可能大量出现。

所以，也许比选择某一个专业更重要的是：

孩子有没有面对变化的能力。当一个行业发生变化的时候，他还能不能继续学习？当一种技能不再值钱的时候，他还能不能重新开始？当AI越来越聪明的时候，他还能不能提出一个真正值得解决的问题？

我想，这才是这场访谈真正想讨论的事情。

听完整场访谈以后，我忽然想起一句老话：

授人以鱼，不如授人以渔。

过去，我一直把它理解成学习方法。

今天，我突然觉得，它还有另外一层意思。

未来，知识会越来越容易获得。真正重要的，也许不是记住多少知识。而是知道什么时候学习，学习什么，以及为什么学习。

AI会越来越聪明。但一个人的好奇心、责任感、判断力、创造欲望，以及面对失败以后重新站起来的勇气，依然需要在真实的人生里慢慢长出来。

这些东西，没有任何一个模型，可以替你经历。所以，这篇文章，我并不想告诉大家答案。

我只是想推荐一场访谈。

因为我相信，未来几年，我们还会看到越来越多关于AI的新闻。新的模型会出现、新的工具会出现、新的职业也会出现，但比这些新闻更重要的是：

世界最前沿的一群人，正在思考什么。

他们未必永远正确，但他们提出的问题，值得每一个普通家庭认真想一想。

也许十年以后，我们早已经忘记今天最好用的是哪一个AI模型。但我希望，我们不会忘记这场访谈留给我们的那个问题：

当AI越来越聪明，我们希望自己的孩子，成长为什么样的人？

如果有时间，我真心建议大家完整听一遍这场访谈。

不要只看一句"先干起来，能解决80%的AI焦虑"。

真正有价值的，不是一句金句，而是七十多分钟里，四位创业者不断碰撞出来的思考。

欢迎在评论区留言"AI"，我们一起继续讨论。