2026-06-19 12:26:09
最新一期 Indigo Talk，邀请了老朋友 Jun Wei，一位是自称”中登大厂牛马”的 Meta 工程师，两人都站在风暴中心，聊的却是最朴素的问题：当智力变得廉价，靠售卖知识和时间为生的白领该怎么办？这次对谈给出了一条完整的逻辑链——为什么这场竞赛不可能停、程序员的历史使命为何已部分完成、窗口期的 Alpha 在哪里，以及普通人如何”先苟住，再找生态位”。
Apple Podcast & Spotify 播客 ｜ 小宇宙播客
Jun Wei（Meta 工程师 西雅图 / The Diff Podcast）
这不是又一波科技小浪潮，而是 Junwei 和 Indigo 都认定的、一生中见过的结构性变化最大的一次技术革命。
对话从一次线下活动说起。两周前两人还在西雅图见面，上周 Junwei 又专程从西雅图赶到温哥华，参加 Indigo 组织的 Rewired Meetup，于是约定活动之后录一期播客，聊聊当下大家最关心也最焦虑的话题：大厂人面对 AI 竞争，这个压力怎么缓解。
Junwei 的自我介绍带着典型的自嘲幽默。他七八年前在纽约读完 PhD 来到西海岸，开始”大厂牛马的生活”，一路经历了云计算、Uber 和 DoorDash 式的线上线下融合等一波波科技热潮。他对观众开了个玩笑：如果你是最近刷到这期视频，那我讲的是一个中登大厂牛马的痛苦；如果是两三年后 YouTube 又把它推荐给你，那你大概是在博物馆里看一个”上个世纪如何写代码的活标本”。这个玩笑背后藏着真实的判断——他自己都不确定，手写代码这门手艺还能以现在的形态存在多久。
Indigo 则点出了这次对话的基调：AI 从去年年底到现在的进步非常惊人，Agent Coding 能力大幅提升，干活能力大幅提升，矛头直接指向白领和程序员。但他强调，这期节目并不想贩卖悲观——Junwei 带着”过来人经验”，要聊的是焦虑之外的机会、希望和新变化，包括很多大厂中年程序员关心的家庭与子女教育问题。
白领售卖的是时间加领域知识，而大模型把 Knowledge 这一部分”打成零”，初级和中级从业者被直接扯平——这是结构性变化，不是周期性波动。
Junwei 给出了这次革命与以往科技浪潮的本质区别。云计算也好，Uber 也好，那时候科技更多是”赋能”：CEO 们用科技杠杆侵入传统行业，盘活资源，增加 Revenue，科技从业者的商业版图越做越大。但这一次完全不同——大家突然发现，智力这件事情开始更加廉价了。
他拆解了白领工作的本质：整个白领行业售卖的，其实是你的时间，加上你在小范围内的 Domain 知识，再加上一些合作关系。问题在于，有了大模型，再叠加过去二三十年搜索引擎积累的能力，你思考范围内的 Knowledge 和实时数据它都有，知识这部分的价值可以说直接归零。有人会反驳说”我的 Domain Knowledge 只有内部人知道”，Junwei 承认这点，但他指出大趋势：很多初级跟中级的从业者，其实都被扯平了——这就是结构性变化的含义。
他进一步把这件事放进更大的历史框架里。过去几十年，摩尔定律带来幂指数级增长，算力提升又加速了生物探索、材料寻找等全行业进步，这是人类文明增长最重要的引擎。这个引擎在北美造就了一个庞大的知识型白领阶层。而现在，这个阶层最赖以生存的质点被大幅度打折了。顶尖的人当然还会留下来，但问题出在”面”上：如果原来三个人的活，现在花 Token 就能解决掉其中一个人的，那就是 30% 的白领劳动力市场被重新定价——对整个社会而言，这是可预见的未来就会发生的事。
Indigo 在这里补了一个自己的预言。他前两天发了一条 X：一年之内 AI 已经替代了初级程序员，明年可能部分替代高级程序员，三年内替代研究员。很多人不服气，甚至有人骂他”没见识”。他的回应很干脆：
“我就把话放在这。”
讨论”会不会替代”已经没有意义，因为替代正在发生——而且这次裁员发生在财报漂亮、收入增长的时候，性质和以往的周期性裁员完全不同。
两人接着把视线转向正在发生的事实。Indigo 列举：微软刚宣布让员工签退休协议、做买断，“像华为一样”；Oracle 裁掉数万人。Junwei 补充了他在硅谷亲眼所见的残酷细节：就在两三周前，有人晚上收到邮件，早上工牌就刷不进去了——“就这么残酷的资本主义”。还有 Jack Dorsey 的 Block，裁员一半，并且把理由明确指向 AI：我们发现 AI 能够提高效率，我们要重构组织。Dorsey 还为此写了一篇广为流传的文章，Indigo 评价说写得确实深刻，现在 Dorsey 甚至在尝试让六千人直接向他汇报——组织层级本身正在被 AI 压扁。
哪些行业首当其冲？两人梳理出北美靠智力赚钱的三大板块：科技大厂、金融、律师事务所。律师可能会好一点点——不是因为 AI 干不了，而是因为律师行业很团结，有行业保护。Junwei 后面用了一个精彩的类比来解释这种保护机制：就像北美做电工、水管工要考证、要修几千个小时，其实几百个小时就够了，多出来的部分本质上是摩擦成本，像收税一样——行业协会间接性地向 AI 收税，不让你轻易进入这个 Community。金融则毫无保护可言：金融机构本来就追求足够瘦小、足够敏捷，能用 Agent 替代研究员、初级交易员，那当然替代。
Indigo 引用了 Anthropic 的报告和 Dario Amodei 的访谈来印证：所有白领的文案工作、数据处理工作——分析、报告、研究、代码——正好被 AI 的能力圈完整覆盖。他判断，职业市场的信息是滞后的，这种感知会在今年下半年到明年，随着市场数据的披露而变得人人可见。
AI Labs 不会停、国家不会停、个人也不会停——这是一个多方博弈的纳什均衡，除非人类整体撞到大问题、政治力量彻底介入，否则竞赛只会加速。
既然都知道会有这样一个未来，大家内心是怎么准备的？Indigo 抛出这个问题后，Junwei 先讲了竞赛为什么停不下来。
程序员这个行当有个根上的基因：祖师爷是 MIT 黑客实验室，最重要的传统就是开源跟自由共享。这个基因决定了知识扩散无法被行会式地垄断——于是出现了现在的局面：美国人睡觉了，美国的 AI 还在卷；中国人还醒着，还在发新的 Paper、新的模型，不断打榜。这些公司已经处在一个根本不可能停的状态，除非达到某种稳态，而那个稳态本身又极其微妙、极其不稳定，所以大家只会持续砸钱，直到真的撞墙。欧洲也一定要砸钱做自己的模型，每个政体都在投算力，希望”自主可控”地往前走。
Junwei 提到一个很有说服力的反例：大约一年半前，Elon Musk 等人签署公开信，呼吁头部实验室放缓发展速度——没有任何人在意，Elon 自己也不会在意，因为大家都心知肚明，这就是一个 Game。真正能让竞赛暂停的，只有人类整体撞到一个大难关，需要政治力量彻底介入、重新谈利益平衡。但现在影响还局限在知识从业者身上，政府的优先级还没排到这里。
Indigo 用模型发布节奏量化了这种加速：以前一个季度、四五个月出一版模型，现在两个月一版，他估计到年底会是一个月一版。然后他讲了一个自己亲历的”主权 AI”案例：他的基金第一期投了加拿大大模型公司 Cohere，最近 Cohere 与欧洲公司合并，欧盟机构和主权基金注资六亿多欧元，估值翻了十倍——“感谢 Trump，感谢大家的竞争”。地缘政治的裂痕让每个政体都必须拥有主权 AI：加拿大有 Cohere，欧洲有 Mistral，中国全线开源，剩下全是美国的。国家不会停，实验室不会停，算力投入不会停——基建才刚刚开始。
竞赛的另一个加速器是湾区本身。Junwei 描述了这个”养蛊”般的环境：如果你在美国或中国的中部城市创业，第一步走对了，第二步走对了，第三步没有参照就 Lost 了——即使你手里有 Codex、有 Claude，你也”没见识”。但湾区是个思想的熔炉，PhD 浓度太高，智力浓度太高，各种想法会迅速 Converge，创业者 7×24 小时盯着彼此最新的 Paper，离资本又近，反馈和迭代都极快。Indigo 总结得很形象：硅谷和三藩在给全世界提供智力燃料，然后把智力燃料转化成模型的燃料，烧掉其他地方的工作岗位。
两人还共同回忆起一个讽刺的细节：一年半前大家还在 diss 大模型”没找到 Killer Application”。结果最后找到的杀手级应用是 Coding——把行业自己人给干掉。以前订阅模式一个月包月还有人嫌贵，现在用 Agent 写代码，烧 Token 如流水，而且会上瘾，停不下来。在企业内部也一样：你还在祖传手写代码，你的同事已经口述需求跑得飞快，竞赛已经是全员的。连学术界也未能幸免：PhD 用 Claude、GPT 写论文找 idea，教授把学生 polish 过的论文再扔进自己的 AI 里过滤一遍审稿——所有知识行当都在边被赋能、边被惊吓，然后”毕业即失业”，形成一个怪圈。
程序员的历史角色是把物理世界翻译成逻辑世界，几十年积累的代码恰好成了喂养大模型的最佳语料——这个翻译员群体的历史使命，有一部分已经悲壮地完成了。
这一段是全场最有思想密度的部分之一。Junwei 先剖析了大厂工程师这个群体的”用户画像”：大家不一定是生意人，可能 GPA 很高，但都是一个模子生产出来的，最大的共同短板是没有商业闭环能力——你之前做的事情属于”卖手艺”，由大厂来定价说你这手艺值多少钱。现在生态发生了根本性倾斜：你不仅要跟同行比拼，还要跟 Token 比性价比。
然后他给出了那个令人脊背发凉的历史隐喻。程序员这个群体的使命，本质上是把物理世界翻译到逻辑世界。几十年来人类程序员钉是钉、铆是铆写下的海量代码——你可以把它们理解成积累的 log——现在这些 logging 正好让大模型给吃进去了。语料如此规整、如此结构化，天然适合做自动化、做 Agent。“程序员 Somehow 作为一个翻译员的历史使命，有一部分人其实已经就完成了。” Indigo 接了一句：“就很悲壮。”
Indigo 从裁员模式的变化印证了这个判断。过去的裁员是周期性的：利润有压力、加息了、要控成本，裁完等景气回来再招。但现在财报很好、收入在增长，公司却开始裁员——这说明不是周期问题，是部分程序员的历史使命真的结束了。疫情期间大量”转码”进来的聪明人，行业其实已经不需要这么多人再去写那些最原始的、喂给大模型的代码了。
Junwei 还观察到一个学术圈的代际断层，他的说法很妙：2017-2018 年（Attention is All You Need 发表）之前的 PhD “已经不纯血了”，18 年之后的人是 Based on 这篇 Paper 开始的新纪元。有教授抱怨新一代学生连基础的 Computer Vision 知识都没有，但这并不妨碍他们发好 Paper——因为他们整个思维范式的 Foundation 变了。世界上到底需要多少 Pure Computer Science 的人去研究复杂度？对大多数小康之家的孩子来说，CS 是一门安身立命的手艺，不是阳春白雪的学问。而现在，斯坦福新开的课（比如 CS336）很少再讲传统内容，直接教 Transformer 的各种变体、教大模型 From Scratch——你可以立场上认为大模型就是一个新的 OS，现在教孩子的就是如何从零写一个 OS。
这对”老登”们意味着什么？Junwei 毫不留情地指出：硅谷精神最重要的就是反叛、反对权威，用最新的东西取代旧的，最受不了的就是老登——硅谷没有老登。作为老派，唯一让人愿意跟你玩的资本是你有钱或者有人脉；想靠”我是你某某古早师兄”刷脸，没有人理你，因为思考的 Fashion 和 Foundation 已经完全不同。他举了 Garry Tan 的例子：斯坦福 CS 本科出身，写过开源监控库 Prometheus，现在一边 Lead YC 的变革、做 Podcast 扩大影响力，一边还天天更新自己的 GitHub——这才是不被淘汰的姿态。
程序员这个职业本身在变——增删改查的码农时代结束了，剩下两条路：要么钻进金字塔尖研究模型本身，要么横向打通全栈、修炼”程序品位”，成为懂关联而非抠细节的 Builder。
如果还想留在这个行当，该怎么办？Junwei 给出的答案是一场彻底的自我革命：把自己所有的 Tech Stack 全部 Refresh 一遍，重新上货架再卖自己——就像十年前大数据浪潮时一样，但这次更彻底。你需要跟最新的青年才俊们站在同一个 Tech Stack 上，能跟得上他们的 Paper、有参与度，而不是忐忑不安地等着被干掉。
如果你不主动革自己的命，那就会和很多跟你技能相同的人一起出局；即使苟到最后，剩下的人也吃不到这个时代真正的 Buffer 和利润。
Indigo 从自己的经历出发做了系统总结——他做 VC 之前也是程序员，微博早期写过代码，自认”现在再写程序太落伍了”。他看到的第一个变化是职业本身的转型：从 Programmer 变成 Builder。随着技术一层层往上抽象，代码实现的细节不再重要，你交付的越来越多是 Intention——意图。
由此分出两条清晰的路径。第一条：如果你是最优秀的 Computer Science 人才，那就去研究模型、研究 AI 里最复杂的东西，去做这个时代的 OS——就像三十年前写操作系统的是大神中的大神，今天写 Mamba、做 Linear Attention、做大模型优化的人，依然能吃到很大的红利。但这条路在金字塔顶端，人很少，路很难走。
第二条路留给大多数人：横向学习，把 Full Stack 的关联性学会，成为一个好的 Architect。你懂所有东西怎么连接——A 关联 B 到 C 时会有什么问题——但里面的实现细节不用再抠了。这时候真正稀缺的能力变成了程序品位：我虽然不写代码，但我知道什么是好代码。不为实现细节较真，为代码最终达到的目的负责。
Indigo 说得很直白：IT 行业真的不需要那么多写增删改查的码农了。很多人当年选专业就是冲着”大厂码农收入高”，这扇门已经关上了——大家都冻结招聘了，再讨论这个话题已经不合时宜。至于 AI Lab 的顶部研究员说”三年后我们自己也被取代”，更多是自嘲：金字塔尖上，AI 永远只是研究助理，它不能帮你出结论。
当写代码的时间被压缩到和写文章一样长，纯软件不再有壁垒，竞争的焦点就变成了想法、表达和注意力——创业的核心逻辑变成了做媒体。
对想从大厂出来创业的人，Indigo 分享了他在上次活动中提出的判断：Everything is Media。他观察到现在 95 后、00 后创业者的打法完全不同：第一天先上社交网络，发 Reddit、发 X，喊出”我要做什么”——第一个喊出来，就是你的，不管你做不做得出来。第二天代码就出来了，设计很垃圾但没关系；马上有人试用、有反馈，第三天用 Agent 重写一遍，一周之后东西就比较完善了。先公开交付，再快速迭代，用开源吸引眼球，再做社群推广。
支撑这种打法的，是一个不可想象的成本变化：写代码的时间变得跟写文章一样长了。写一个巨大的工程，难度降到了写一本书的量级。但成本归零的另一面是壁垒归零：既然大家都能这么便宜地交付，那就比谁的想法好、谁更会做应用、谁能抓住注意力。
Indigo 顺势亮出了自己作为 VC 的投资纪律：过去两年多投 AI 基金，一个纯软件应用都不投（有一两个例外是关系户），只投 Infra 和模型，现在会往 AI For Science 这类更有深度的方向延伸。逻辑很简单：如果你唯一的优势是会写别人不会写的软件，这个壁垒已经不存在了——没有什么软件是别人”不会写”的，跟 Agent 说一声就写出来了。他还提到刚听的 Naval 新播客，对方对纯软件的判断与他一致。
新时代需要的能力组合于是变成：第一，有审核代码的品位；第二，有足够清晰的表达，让 AI 能准确理解你的意图。你写过多少行代码已经毫无重要，你要跟 00 后竞争的是如何 Build in Public、如何展示自己、如何”献才艺”——有点像做自媒体，一个大的秀场。
Junwei 从西雅图的视角补充了硬币的另一面。他先讲注意力的转化：有人靠审美、有人靠审丑获得破天流量，但最终都要回到经典的漏斗模型——流量怎么转化成生意的 Workflow、怎么留存。以前这些事归 Marketing 和 CEO 操盘，现在整个 Workflow 压在一两个人的小团队身上：你既是技术人员，又是 Marketing，你还得”有活”、得”整活”——他甚至举了快手吃播博主的例子：同样是吃播，有人就是能靠”自己有活”跑出来。
然后是更扎心的观察：四五年前大厂人说要创业，底气其实来自退路——刷题能力还在，随时可以回去，所以”抛弃大厂”显得潇洒。但现在没有退路了，这件事情要见真章了。市场验证也变得极快：现在这种环境下，你出来做半年还没有进展，就说明你没看明白这件事；而你写的东西，下个月就可能被人取代。
他还泼了一盆针对”Vibe Coding 狂欢”的冷水。国内因为某些编程工具的爆火，Builder 们天天在写产品，那种感觉像”憋久了终于找到释放的窗口”。但 Junwei 一针见血：那只是程序上的爽，跟真正的 Business 完全无关——你写的东西第一没人用，第二也不是解决了黎曼猜想，只是把开源库一点点堆上去的爽感。以前写完扔给大厂总能换成钱，现在你必须自己把它接进商业回路，这才是真正的新挑战。
职业梯子已经不存在了，取而代之的是窗口期的 Alpha——把过去为人类设计的软件世界，针对 Agent 全部 Redesign 一遍。这个窗口可能只有一两年，想吃到就得现在跳进去。
那么眼下还有什么确定的机会？Junwei 指出了一个巨大的工程缺口：过去所有的 UI/UX 都是针对人优化的，而现在干活的主体正在变成 Agent。无论前端后端，都面临一场针对 Agentic 场景的大重构，这本身会产生巨大的工作量。他举了 Web3 的例子：一个 Agent 要做支付，额度很小、涉及 Gas 和 EOA 账户，怎么 Verify、怎么设计权限，这些都需要重新 Redesign。
但他对这个机会的定性极其清醒：这个坑已经属于稍纵即逝，可能就是一两年你还有活干，干完之后，我们并不知道下一步是什么。这是与过去最大的心理断裂——以前的职业是可预期的：三级升四级、四级升五级，做到七级八级就满足退休；现在没有 Pass 了，看到 Alpha 就得赶紧跳进去，做完再看下一个坑在哪。他给这种状态起了个名字：海外务工人员变成了”大零工”——有活就赶紧干。
进入门槛倒是被拉平了。以前大厂的吸引力在于绿卡和稀缺技能这两道 Bar，现在 AI 行业里绿卡不再重要——所有协作都在 GitHub 上，只要你能连上 WiFi，你的脑子就可以跟湾区的人同步，再花 20 块钱充个会员，技术武器层面你就 OK 了。
Indigo 提到孟岩（五源资本）最近那篇广为流传的文章——“好像都被硅谷给抛弃了”。Junwei 表示认同：一个人推一把，另一个人再推一把，所有人都在踉跄着往前追。Indigo 的总结是：用自己革自己的命，这就是硅谷。
半导体行业重新回到了”硅”的本源——AI 让硅基智能的需求变得无止境，杰文斯悖论意味着算力越便宜消耗越多，下一代 GDP 增长真的要靠硅基拉动。
话题从职业转向更宏观的产业逻辑。Indigo 提出一个观察：硅谷为什么叫硅谷？Silicon——我们又回到了真正的硅基时代。半导体在互联网和移动互联网时代的增长其实是线性的，跟着人类消费电子和云计算的需求走，很快进入瓶颈；英伟达在 AI 之前的最后一波上涨靠的是挖矿，矿潮退去后暴跌得很惨。而 AI 让大家重新发现了做半导体的意义：人类对硅基智能的需求是无止境的——一旦有了好的智能，就想要更好的智能，硅基和人一样贪婪。
他做了一组关键对比：人类消费的增长上限很低——人口就这么多，生育率还在下降，这是 Elon Musk 天天担心的问题；但硅基消费的增长上限太高了。现在的模型这么贵、算得这么慢、还不够聪明——我们才刚刚触发智能边界的一点点——大家就已经兴奋到疯狂加芯片了。他引用杰文斯悖论：东西越便宜，需求越多而不是越少。每天用 Claude Code 的人都有体感：要么等额度恢复，要么心疼钱包——这就是算力不够。如果算力提升十倍，我一样可以把它花完，人类的聪明才智和无数的想法可以顶着把它花完。
顺着这个逻辑，他解释了几个行业现象：为什么字节 Seed 的惊艳模型不敢全量开放？不是不想，是算力根本放不起。为什么 OpenAI 限制 Sora？耗不起。为什么 AI 公司都把 Token 优先供给写代码？因为这是价值最高、最赚钱的 Token——“你要工作，你没办法，我就把最赚钱的 Token 给你用”。他畅想了基建提升十倍、五十倍后的场景：戴上眼镜（他打趣说”你们 Meta 做的眼镜”），AI 永远 Live Streaming 地实时同步看这个世界，帮你观察一切、自动生成今天的记录——现在做不到，纯粹是 Token 耗不起。
所以他的结论是：半导体进入了新的黄金期，AI 带来了新一轮的文艺复兴——硅基文化的复兴，下一代的经济和 GDP 真的要靠硅基拉动。但他也点出了唯一的系统性风险：只要别搞成 1929 年——人类不消费了，公司赚不到钱就裁员、更多投入 AI，人类更不消费——进入这个死循环。而科技行业的人即使看到了这些，手也不能停，这不是他们的事情。最后这个球，踢给了整个社会的代表：政府。
Indigo 还顺手举了内容产业的例子说明替代的速度：小红书上超过一半已经是 AI 内容，TikTok 上 AI 短剧把人类演过的剧本用 AI 重演一遍，投放到北美、南美市场赚钱——横店的剧组人员就这样被波及，这才一两年。
Junwei 的答案朴实而完整——用行动化解焦虑（Just Do It），把 AI 融入家庭健康和生活细节，用健身找回对物理世界的掌控感，以”少赔点就是赢”的心态守住基本盘，然后寻找适合自己的生态位。
节目最后回到了最初的问题：既然很多工作会被替代，我们现在应该做什么？如果有孩子，该给孩子什么建议？
Junwei 先承认了一个认知上的谦卑。他引用 Claude Code 主要作者 Boris 的访谈：连 Boris 都说完全无法想象两三年之后的样子，最多能告诉你六个月之后——因为他现在在内部 Dogfooding 的东西，就是六个月后公开发布的东西。未来出生的一代是完全的 AI Native，连互联网 Native 都不是。Junwei 的自嘲依然精准：你不能让一个农民去想象皇帝的生活——我脑子里的 Parameter 就这样，这是教育系统和生活经历积累的结果，没办法。
承认看不清之后，他给出了自己正在执行的几件事。第一，回到”乔丹老爷的那句话：Just Do It”——有焦虑，你就去做事情。焦虑并不解决问题，行动才给你反馈。
第二，把 AI 引入家庭健康。一个特别生活化的例子：长辈总转发养生文章，以前自己反驳毫无意义、还伤感情，现在让 AI 有理有据地分析，家庭矛盾少了很多。
第三，用健身对抗”光速焦虑”。这一段是全场最有哲学味的部分：聊 AI、聊代码、聊投资,都是脑子里的电信号,以光速运行——逻辑推演一分钟就想完了,再往下就是未知,所以特别容易焦虑。而运动是线性积累、回报很慢的事:做 30 个俯卧撑,胸没变大多少,但它给你一点点小的掌控感——对物理世界的掌控感。他选择强行把自己拽回物理世界。
第四，是一套完整的风险哲学。他用 2008 年金融危机类比：大家事后聊的都是谁逆势赚了大钱，但对普通人来说，你少赔点就已经是赢了。如果看不清前面的方向，那就把基本盘控制好——Mental Health、家庭健康、生活细节——把 AI 慢慢融进去，把那些 Bleeding 的漏洞补上，再去看前面怎么回事。他引用某资本 CEO 的访谈来区分两种赢法：谨慎的人靠对手犯错、自己少犯错而赢，“苟住了就还 OK”；有 Insight 的人靠在别人没发现时果断 All in 而赢。关键是认清自己是哪种类型——他坦承自己”非常普通，肯定是偏苟住的一种”。
第五，加入社群，找到生态位。他给 Rewired 社群起了个绝妙的名字：硅谷的 VPN——如果你肉身不在硅谷，可以接入一个虚拟的硅谷，一个 Virtual Personal Networking。社群成员从湾区到东京到处都有，经过”Indigo 优选”筛选，Taste 在同一水位，每个人带着自己对世界的观察，拼凑出一幅完整的图景。他的生态位理论也很实在：我在湾区不是最牛的，但也许在纳什维尔或其他地方能有自己的 Level，就像分级赛马——天龙人总有天龙人的赛场，我就拿小本记下天龙人怎么干，先少赔点，再找到适合自己的生态位，稳下来就成了。
Indigo 补充了自己的版本：回归现实生活、回归物理世界的体验——体验接下来会非常珍贵。他重提去年在上海分享过的构想：未来社会会分化成”AI 自动化社会”和”人类社会”，后者像日本、意大利那样尊重手工劳作和匠人、“人感很强”的社会会非常有价值；两种社会做贸易，就像两种文明交换——自动化产品换人类手工作品。AI Made 的东西会被人轻视，人类依然尊重手工制造。
关于子女教育，Indigo 给出了具体得能直接执行的建议：他对自己孩子选大学只有两个条件。第一，学校要在好的 Location——离科技进步最快的地方最近；第二，学校要足够 Social、足够多元化，什么样的人都有，因为多元化带来的可变机遇，会让你对未来的思考和选择完全不同。这两条比学术排名、比常春藤更实际——有些藤校 Location 偏僻得吓人，“那都是一百多年前排的名，赖着名字不走”。他还看好整个环太平洋地区，尤其美西：多元、乐于分享、站在科技最前沿。
AI 越发达，人和人的连接反而越重要；技术转型需要政府设计缓释机制；而我们要做的，是以乐观的观察员心态，活着看到起点到来。
收尾部分两人聊到了更远的未来。Indigo 提出一个看似反直觉的判断：AI 极度发达的时候，人和人之间的连接性反而更强了。连接方式可能会变——不再是信息流分发，而是 Agent 代表主人去连接——但最终还是人通过 Agent 连起来。所以组建社群很重要：未来会有非常丰富多彩的社群，让大家在没有了工作之后找到存在感，“把人类自己碳基的 Token 给消耗掉”，像村庄老大爷的 Q-Time 一样。
Junwei 接着提出了一个关于”隐性 UBI”的犀利观察：美国国防部前线战斗人员和后方文职人员的比例是一比一，以美国的技术能力，完全可以用 AI 优化掉后端，但它养着这些人——这本质上就是一种小范围的 UBI；中国的国企和政府部门里很多人忙的是”人情事故式的瞎忙”，用自己的时间和精力换稳定，同样是小范围 UBI。如果生产力真的大幅前进，这个范围可以慢慢扩大。呼应开头律师协会的话题，他提出”AI 税”的概念：你想解决我的问题可以，但要交高额的”关税”，养活行业里的人。
Indigo 把这个逻辑推到了政策设计层面：技术进步带来的 Shift 需要缓释，缓释慢了不行，太快了社会就休克了，因为社会的 Adoption 需要很长时间。政府需要设计很多机制——行业保护、牌照制度，他甚至预言：如果机器人真的进入物理世界，政府会给人类发牌照去组建机器人公司，人类在后面收机器人的税——让人有活可以干。
最后是两人的告别陈词。Indigo 说他做社群、做内容，是想成为一个有独特视角的观察员：我们不是看着 AGI 到来，我们是看着起点（奇点）到来——2040 年大家都能看得到，所以这时候最重要的是活得好。这是最好的时代，也是最坏的时代：悲观地想，AI 要拿走我们的工作；但 400 年前没有工业时代，人类也过得很好——白领本来就是过去几十年才有的产物。而生产力效率提高后，物质会更繁荣，最好的时代很快也会到来。这次转型像电力发明一样，会造成社会巨大的 Shift——所以他的社区叫 Rewired：重新连接，重燃——各行各业、各种思想都要重燃。带着平衡、乐观的心态度过这个艰难的时期，因为艰难的时期，是上帝给的机会，也是我们自己创造的机会。
智力廉价化的下一站是什么？ 对话中”知识被打成零”的逻辑，目前主要应验在可数字化、可验证的知识工作上（代码、分析、文案）。但 Junwei 的”翻译员”隐喻暗示了一个更深的问题：每一个把现实世界结构化为数据的职业，都在为自己的替代者生产训练语料。今天是程序员的 log，明天可能是医生的病历、律师的卷宗、设计师的图层文件。从这个角度看，“行业保护”（律师协会式的摩擦成本、AI 税、牌照制度）可能不是落后的既得利益，而是社会缓释机制的原型——这与 Indigo 提到的政府治理议题形成了闭环。
“Everything is Media” 与注意力经济的终局。 当交付成本归零，竞争被压缩到想法与注意力两个维度，这其实把所有创业者推进了内容创作者早已身处的”幂律世界”——头部通吃、中部消失。这或许解释了为什么 Junwei 反复强调”生态位”而非”梯子”：幂律世界里没有梯子，只有细分赛场。
碳基 Token 与硅基 Token 的对偶。 全场最妙的隐喻可能是这一对：硅基消费无上限（杰文斯悖论），人类消费有上限（人口封顶）；AI 在消耗硅基 Token 创造生产力，而未来的社群、体验、手工艺，是在消耗”碳基 Token”创造意义。两种经济可能长期并存——这正是 Indigo “自动化社会与人类社会做贸易”构想的微观基础。
2026-05-19 12:11:53
这一期 Indigo Talk 邀请了 Bill Sun，他是少数能把 AI 的几条最关键时间线都串在一身的人——在 2016 年的 Google Brain 就参与了最早一批 Transformer 的研究，是首个把 Transformer 架构跑通在 Wikipedia 问答任务上的研究员；之后在 Millennium 对冲基金里管理过十亿美金量级的策略；又在 2023 年 GPT-3.5 出来之后，决定下场创业，希望造一个能像顶级主观投资者那样思考的 AI。
这场对谈我们从 AI 训练机制、组织结构、风险投资、物理 AI、人类的存在意义、信任与社交网络，一直聊到「硅基的自我复制」。最后大家给出了一个总结：「AI 不是一个让所有人变平等的工具，它是一个极端放大器，让你更像你。」
Apple Podcast & Spotify 播客 ｜ 小宇宙播客
Bill Sun 是 ALPHA.DEV 的创始人，也是拥有 Stanford Math PhD 的 AI 研究科学家。2016 年在 Google Brain 任职期间，他参与了 Transformer 模型的发现，并且是首位将 Transformer 模型成功应用于问答系统（Question Answering）的研究员。他曾是千禧年基金（Millennium）的“AI+量化”投资组合经理，管理过数十亿美元的资产（AUM）并负责全球股票交易。
介绍来自嘉宾口述，对谈栏目未做核实！
欢迎收看完整对谈，下面对全场对谈的详细整理。
Bill 算是"根正苗红"的 AI 投资双修者——既做过最早期的 Transformer 研究，又在传统量化对冲基金里独立带过十亿美金量级的策略。
Bill 自我介绍这一段值得多停留一下。他是北大数学本科出身，然后到斯坦福全身心投入深度学习研究。2016 年夏天他在 Google Brain，是参与发现 Transformer 那批研究员的一员；他本人也是首个把 Transformer 架构跑通在 Wikipedia 问答任务上的人——按他自己的说法，这是"Transformer 出现之后跑通的第二个任务，第一个是英语翻译法语"。
他给出了一个细节：
"我当时做了一件事，就是可以把这同一个架构泛化到不同的任务上……可以用同一个用来做机器翻译的模型，然后直接一行代码不改来做问答。" [03:09]
这个洞见后来被 GPT-1 等模型继承。
毕业之后他做了八年投资和交易。先在 Millennium——那家美国最大的多基金经理平台型对冲基金——当基金经理，管一个 10 亿美金的股票策略。他特别提到，他是 Millennium 历史上少数几个直接从博士进来当基金经理的，相当于"基金经理的实验对象"，看最聪明的年轻博士有没有可能直接拿出有意思的结果。两个导师分别来自文艺复兴（历史上最著名的对冲基金）和 BlackRock 的 AI 实验室，所以他做的事一直都是把数学、数据科学、机器学习应用在投资与交易上。
这段履历其实在为后面的整场对话埋伏笔——他既见过 AI 最前沿的那一面，又在最讲究"知行合一"的资本市场里做过实事。所以当他后面说"AI 让你更像你"、"一人公司是引力坍塌"、"信任只能委托给人"，他不是在抛概念，是在讲他亲身经历过的两个世界。
2022 年底看到 GPT-3.5 的那一刻，Bill 第一次"严肃地反思了一遍生活"——意识到自己花三年时间从零搭起来的 20 人量化团队，将很快被 AI 替代；并且这是不可避免的。
他描述了那个具体的瞬间：他平时跟研究员沟通的方式就是在 Slack 上 @ 一个人，说"把这个数据集研究一下，我觉得这 5 个方法可能会跑通，你都来试一下，给我一个报告"。
"我当时看到 GPT-3.5 基本上已经能够你给他一段比如说 200 字的长指令，他能给你干很多事，我就觉得按照这个进步速度，应该很快这 20 个人我就都不需要了，他们都可以换成 AI——我就同样在这个 Slack 上 @，然后他就干完了。" [06:30]
Indigo 这里追问了一句："现在已经换掉了吗？" Bill 回答："对对对，我的 Slack 真的就是，我现在 @ 说我有这个想法，你给我回撤一下，然后他就全部做完了。"
他昨天还转过一条推，就是在讲这件事：内部 Slack 里的 AI 智能体自己去找历史数据、做统计检验、跑回归、做事件研究、回撤，最后给一个能够真正做质检的报告。
由此他得到一个结论：量化对冲基金这个生意之后会被严重商品化——大家用的都是同一类模型，做的事也会越来越像，市场会重新回到一个新的均衡状态——更高效，但谁也吃不到肉。
"拥有同一类模型的人，最终都会做出非常相似的事情。" [07:37]
这是他在 2023 年决定离开 Millennium 出来创业的直接原因。
如果量化不可避免地被 AI 商品化，那真正剩下、且 AI 还做不到的，是"高单笔下注、高确信度、能赌出 5–10 倍回报"的主观投资者。Bill 认为造出这样一个 AI，难度跟"让 AI 自己研究 AI"是同一个量级的，是这一代人最值得挑战的大命题之一。
他把这件事讲得很明确：
"我觉得这件事情，就是能够造一个 AI 版的巴菲特、索罗斯、Druckenmiller……他可以做高确信度的交易，他可以做期权交易，他可以把比如说一个投资组合的钱，可能 1/3 押注在一种很有说服力的大想法上，然后赌这个想法帮他赚 5 到 10 倍的钱。而不是像我们做量化的，每天交易几千只股票，然后不断地多空、搓来搓去。" [09:00]
他认为这件事的困难程度仅次于成为创业者——"创业要知行合一，还有'行'的难度；做这件事'行'非常简单——你下定决心就下注——但是'知'非常困难"。
他也对比了 OpenAI、Anthropic、Ilya 的 SSI 们最深的关切：
"他们认为最重要的事情其实就是一件事——教会 AI 怎么自己研究 AI。等 AI 自己可以闭环研究 AI，不需要 OpenAI 不断地雇佣聪明研究员，只需要加钱加卡加数据，把人类研究员都变成洗数据的管道——那基本上我们离 ASI 就非常近了。" [11:14]
"这件事是我认为未来这三年人类历史上最重要的事情。" [12:00]
他把"造 AI 版主观投资者"放在和"让 AI 自己研究 AI"同一档：都需要深刻理解世界、能问出非常精致的好问题、能拼凑互联网上找不到的线下信息、能对地缘政治、公司组织、行业演化有深入认知。差别只在资源密集程度——后者是前沿实验室的级别，前者一个团队也许可以做。
但这条阶梯是清晰的：你先自动化初级研究员（造出深度研究），然后软件工程师，然后量化研究员 / 机器学习工程师，然后机器学习科学家，最后是能问出好问题的投资者。
每一级"造"出来之后，那一级的能力很快变成所有人的标配——这时候你必须再往上爬一级。
好的投资、好的科研、好的数学，乍一看都是"品位问题"、"不可验证"。但如果你把时间维度拉到 10–20 年，其实是可验证的；只是这个验证太慢，没法直接当强化学习的信号。所以你需要找一个代理参照——而最好的参照，是顶级人类的偏执。
Indigo 在这里问了一个非常关键的问题：
"品位是不可验证的，一个宏大的目标什么是对的什么是错的也不可验证。按现在的强化学习路径，如果问题不可验证，AI 怎么习得这个能力？" [19:00]
Bill 的回答非常细致：
"我觉得他不一定完全不可验证，而是他不是完全可验证的。" [20:00]
例如炒股赚钱这件事，单笔是带运气的，但跑 20 年下来，差不多就能知道哪个策略好。它是可验证的，只是验证花的时间太长，无法直接拿来当强化学习的信号。
科研也是。表面看是品位问题，但拉到历史长河上看，"什么是顶级研究"其实接近一个客观共识——黎曼猜想是顶级研究，高斯的内蕴几何是顶级研究（17 边形虽然炫酷但未必）[21:46]。
那怎么办？你需要找一个代理参照——少数顶级人类写下的经验，反推 AI 应该长成什么样。
"你得造一些非常有自己观点、非常个人化的 AI，他就是很像某个人，而不是说他是这个人的助理，也不是说他一定能在某个基准测试上跑得很好。他可能就是很像这个人，他就想得非常像索罗斯——就是这样一个人，对宏观问题的偏执。他可能跑分跑不好，但是他能够在某些特定场景、某些领域里面，他的完成度非常好。" [24:45]
Indigo 紧跟一句："因为偏执狂的投资都是很成功的，对不对？" [25:33]
他自己补充了一个观察——现在的自回归 Transformer 架构，它的输出始终在向均值回归：
"AI 的回答都趋向于均值，均值回归了——总是算出一个平均值来。我总看不到上面有什么意外和惊喜。" [26:14]
Bill 同意，并且补了一刀：从 GPT-3.5 到 4 写笑话、写说唱的能力可能略有提高，从 4 到现在则基本没有任何变化——这是预训练数据和预训练目标决定的、强化学习改不动的"天性"。
"预训练好像就打造了一个 AI 的天性，他到底天资聪不聪明；然后强化训练就是后天的大学教育、高中教育，把你训练成一个职业人，然后你去工作。" [28:00]
如果你接受这个隐喻，那当前所有顶级模型本质上是一群"非常听话、遵守指令、刷过竞赛题又刷过真题的优等生打工者"——他们出色，但都是同一类出色。
AI 不是让所有人变平等的工具，它是一个极端放大器——让原本就有品位、有主观能动性、有偏执、有跨领域好奇心的人，被放大得不像样；而把"工具人"型的能力磨平。
这一段是整场对话密度最高、也最值得记下来的部分。Indigo 的原话：
"AI 时代，我觉得它是一个极端放大器。它不是让任何人都有一个很平等的工具——AI 让你更像你。" [22:01]
Bill 顺着这个把"被放大的人"分成了三类：
第一类：在所在行业本来就 10 倍效率的顶级人才，加上愿意主动用 AI，他会从 10 倍变成 100 倍甚至 1000 倍的工程师。Andrej Karpathy 是范例——他不需要再有一支像 Tesla Autopilot 那种规模的团队，一个人加 AI 就能做出来 Autoresearch 那样的东西。
第二类：多任务处理能力极强、能开高线程的创始人 / 老板型人物。他能同时指挥 50 个 AI 智能体干不同的事，相当于一个能管理一百个直接下属的人——Jensen Huang、Elon Musk 那类人天然适合。
第三类：在自己完全不懂的维度上被"塌缩式"补全的人。以前你要做个产品，得分别招前端、设计师、产品经理、交互设计师，然后发现他们之间还沟通不畅；现在这些角色全部塌缩成"你只要描述你想要什么"。Bill 在自己创业过程中深有体会，他从 2023 年的设想就是"能不能就招一个人，把这些全干了"，发现找不到——而现在 AI 就成了这个人。
那么没有主观能动性、没有偏执、没有顶级品位、只是"听话能完成任务"的工具人，怎么办？Indigo 直接问了出来。
Bill 给了一个病理学比喻：
"创始人很像两种人——一种是 ADHD 型，古代负责打猎的那批，注意力跨度很短、不断冲刺、不断产生想法；另一种是阿斯伯格型，能耐得住寂寞、连续 20 年只做一件事、对一件事产生非常深刻的理解。这两类人在 AI 时代会被极度放大。" [29:30]
而即便 AI 已经在理论上自动化掉了某个行业，那些有顶级品位的从业者依然更有价值。他举了一个有趣的例子：数学证明可能哪天就被 AI 干完了，但有顶级品位的数学家反而更有价值——他会变成构建理论的人。Grothendieck 在历史上的角色就很像这样：构造抽象理论、写信给菲尔兹奖级别的好朋友、让别人帮他证。
至于普通人，AI 带来的是一种"在所有维度都被增强、尤其在你完全不懂的那些维度上"的扩散。这有点像古希腊贵族——不事生产、家里养着、专心从政或研究——AI 现在给了每个人探索自己喜好和擅长的机会。但代价是：
"你可能不得不就想清楚，我能做什么才能与这个世界相关——要么是与世界财务上相关，要么是与世界意义上相关。" [32:00]
Indigo 把这归到一个"存在问题"，先按下，后面会再回来。
当"做"的难度被 AI 大幅压低，公司有一种向"一人公司"塌缩的引力。要让一个公司不被这种引力吸回去，必须有 3–5 个非常强的人为同一个使命长期蹲在一起——这个门槛在 AI 时代反而比以前更高。
Bill 拿风险投资和主观对冲基金做例子：这些行业其实一直就是事实上的"一人公司"。Elad Gil 就是一个人的 VC，没有团队也极其盈利；很多看似上百人的主观基金，那 100 人主要是帮老板融资、做基础分析，决策全是老板一个人——老板一死、傻儿子上来，三年这公司就没了。
这种"知"的杠杆型职业，本身就接近一人公司。教授也是——爱因斯坦那种历史级教授，他配的助理、实验团队、博士学生，本质上都可以不存在，是他个人的思考被放大成了改变人类的科研。
"在很多需要人的'知'去追求顶峰的游戏里，有点像古代修炼武道——一个人精进、不断修炼自己——这种游戏已经是一人公司了。" [37:00]
只不过过去很多"需要大型组织才能完成"的活，现在被 AI 接管了一大块，所以更多公司会塌缩成一人公司。
但他同时强调一件事：在这个时代，搭一个能脱离"一人公司引力"的组织，难度更高了：
"你要让公司有意义地不是一人公司，并且这公司的老板觉得他有必要让大家一起来工作，那这公司一定要能够产生非常牛的化学效应——3–5 个很厉害的人在一起玩一个东西，并且互相有启发。这件事情，因为每个人都可以是一人公司，使得大家蹲在这儿不走、为了同一个使命做事的难度，又提高了。" [38:40]
换句话说：以前大家"不得不"组队，是因为单干干不成事；现在很多事单干就够了，所以"组队还要在一起"必须有一个更牛的理由。这反而是顶级团队的护城河。
组织过去之所以变大，是因为信息传递需要一层层人去做中介。AI 智能体把"信息传递 + 任务分发 + 实际执行"三件事一手抓了，组织中部直接消失——剩下的是两极：极少数极大的资源密集型机构，与海量的一人 / 三人小公司。
Indigo 在这里补了一段他自己的观察：
"之前组织变大，是因为最早可以回溯到罗马军团——这个指挥官、然后一层层组织的存在，是为了有效地传达信息。现在 AI 智能体在组织里，承担了信息中介器的作用，还能完成任务，还能成为组织信息决策的核心——由它去分派任务给前端的 AI 或人类。组织会变得更加扁平。" [36:46]
随后补充了一个具体引子：前两周 Jack Dorsey 说 Block 公司 6,000 人直接向他汇报。如果他有足够多好的智能体，人类的认知边界确实可以做得到。
所以这就有了一个 U 型坍塌：中部公司消失。
"要不就是特别多资源的公司在顶部，做一些很酷的事；要不就是一群一人 / 两人 / 三人 / 五人的小公司，解决非常多常见的问题，在自己生态里活下来。中部公司很快就没了——现在股市上也是这样，软件公司也是这样。中部软件公司坍塌太厉害，现在已经被抛售得面目全非。" [41:30]
风险投资这边的反应也是 U 型的：要么一上来就开 5,000 万 / 1 亿 / 2 亿美金的 A 轮，把所有最聪明的人聚合在一起做一件特别难的事；要么干脆几十万启动、两三个人，做了赚钱就好。
"过去两年 YC 投的团队很惨，因为它都是这种'会坍塌回一人公司状态'的项目。" [40:00]
Indigo 在这里把这件事推到 VC 投资逻辑的层面：传统互联网是寻找有"网络效应"的公司，但在 AI 时代，很多时候连网络效应、数据飞轮在哪都找不到了。这是第一性原理上变难的，因为复利结构正在被重写。
Bill 的判断是：
"做软件或解决方案，也很难出现这种很大的头部公司出来，除非你研究的是完全不一样路径的东西，比如 Ilya 在做的事。" [44:00]
Indigo 说自己作为投资人——本期录制时已经在做第二期 AI / 科技基金——更多在看"改变原子世界结构"的项目：
"现在改变比特结构已经被模型公司改得很好了，但是改变原子世界结构——Elon Musk 旗下那些公司——他们真的在做很难的事情。AI 加科学、AI 加硬件制造、AI 加太空、生物、物理、数学，这些是值得 1 亿 / 2 亿 / 5 亿美金、要足够算力去解决的事。剩下的纯软件的小事情，那还不如就一人公司做算了。VC 应该投更伟大的事情。" [46:00]
从第一性原理看，物理 AI / 机器人还没有跨过 GPT-3 时刻——既没有人看到一条"加钱就能扩展过去"的清晰技术路径，也没有趋同的训练范式。它现在的体感，更像 2015 年做自动驾驶的创业者——你觉得「它就快了」，但实际上要十年才走得通。
Bill 把现状讲得很冷静：
"你看无论是各种各样的路径，首先大家都没有看到某一条路你可以不断加钱去扩展，就走到一个非常牛的地方。其次是没有看到一条趋同的技术路线，是大家都知道——我现在使劲搞钱就能走过去。还是更像在一个史前探索期的体验。" [47:30]
类比是这样的：你 2015 年抄 Waymo，按道理两三年就该抄通——结果 Waymo 花了十年才真正在几个城市里跑起来，Tesla 才真正变得有意义 [48:33]。Bill 自己现在每天用 Tesla FSD 已经接近不看路的状态，但这是花了十年才到的[49:15]。
机器人会比自动驾驶加速——因为 AI 可以研究 AI，那它也可以研究物理 AI 的软件层面问题。但井盖还没被顶开。
他给出了前沿研究员之间已经趋同的猜测：未来 1–2 年应该会做出一个大的突破，让大家知道这条路是什么——有几个组件，每个都有自己的扩展规律，加起来会有结果。Physical Intelligence（PI）公司的一代模型已经摸到一些感觉。
但他强调"真正跑通的标志"是非常远的——
"应该是能够出现物理 AI 制造物理 AI。你可以发射一些源头的工厂型 AI，可以飞到太阳系外边去，占领一个星系，自己开建工厂，把其他类型的机器人都造出来，用机器人殖民这个星球。我觉得那才叫做真正解决了物理 AI。" [52:52]
而这个目标，目前世界上有潜力做的就两个组织：中国制造业集群，和 Elon Musk 旗下公司的集群。中国占据了世界中低端制造闭环；美国高端制造仍然牛；但很多关键节点（台积电、ASML）需要"非常勤奋的亚洲人加很多机器一起才能造"。这中间还要走 5–10 年。
Indigo 顺着这个把话题推到月球——美国的 Artemis 计划、SpaceX 想在月球上做芯片、Optimus 上去自己生产自己。Bill 认为：机器人完全自我生产可能还远，但把数据中心发射到月球上是可见的工程问题：
"我认真推演了一下，好像没有太明显的——除了造不出可以抵挡宇宙辐射很长时间的芯片比较难——其他从散热到能源都可以解决。月球上永远朝向地球的那个区域其实非常小，战略价值很大，所以一定会有人比如美国先抢着把那个位置占了。" [57:00]
如果说本期对话里有"最远的画面"，就是这一段。一个北大数学出身、做过 Transformer、做过对冲基金的人，认真推演了把数据中心放在月球阴面这件事的工程可行性。
当 AI 把白领 / 蓝领 / 物理工作都拿走，社会有两条演化路径——一种是所有人共享同等富足；一种是高度极化的世界，0.1% 的人继续推进，99% 沉在娱乐里。Bill 的判断是后者概率更大，而这个对文明长期是危险的——一个全员只为娱乐的种族会自己走向消亡。
Indigo 抛了一个尖锐的问题：
"如果 5 年之后这些都被解决了，或者看到被解决的苗头，我们应该干什么？" [58:30]
Bill 用一个更普适的版本来回答：
"这就是问'你生下来就有十亿美金，家里让你继承财产，让你自由做自己最想干的事情，你应该干什么'。" [58:55]
社会层面会经历动荡、暴动、可能的民族冲突，但等这些过去，最终问题还是：那些不为生活担忧的人在干什么？很多创始人退出之后也面临一样的问题——很多人还是想做点事情。
他指出一个有趣的悖论：即便所有人类活动都已被机器做得更好（高尔夫、围棋、德州扑克、数学），人还是在做。
"我们回归到了最原初状态——你有意义地活着、快乐地活着就好了。"
Indigo 补充道：现在白领"在办公室打工"的形态其实只有五六十年——二战之后才有。再过二三十年，我们就会忘掉这个时代了。
然后两人都不约而同进入了一个不那么乐观的预测：
Bill：99% 的人都会掉入这个陷阱——消费边际成本等于零的内容（视频、电影、游戏），仅此而已。但如果整个文明都在消费、不在创造，那个文明自己就走向消亡了。[1:02:30]
Indigo：所以一定要有方法让那 1% 的天赋——它在所有人群中均匀分布——能流动起来，让生在贫困地方的有天赋的孩子也能进入这个现代竞争游戏。否则只让上一代幸运的人的小孩幸运，很快这个东西就塌缩了。[1:04:20]
Indigo 最后给了一个收口：
"大自然总是能够变异出来一些挺有想法、挺大胆的人。然后大自然就启动了新一轮筛选程序，把这批优质基因的人保留下来。我们可能会进入到一个更有竞争力的、基因更特别的新人类时代——而且是和 AI 完全融合的时代。AI 和人肯定是共生的，不会存在谁替代谁。" [1:05:33]
钱本质上是硬件（稀缺性、有限资源）。它的配置最终还是人把信任委托给另一个人，而不是委托给一台机器——因为机器之间是同构的，没有理由押注"这一台"而不是"那一台"。所以像有限合伙人的资金配置这种事，最终还需要一种亲身建立起来的信任。
Bill 抛出来一个区分：
"钱看起来是软件，但它本质上是硬件——它是一种有限的、有稀缺性的资源。即使比特币在我看来也是硬件。这种东西的配置，实际上很多时候都是人把信任委托给另一个人，或者人组成的、指挥机器的组织——他没有办法直接委托给一个机器，因为机器之间是同构的：你只要能够低成本地造出一个巨聪明的机器、无限复制，那你就没有办法选择相信谁。" [1:06:00]
所以一个纯硅基的"顶级主观基金"是很难成立的——投资者总是需要某种亲身的信任，要么直接认识 Jim Simons，要么至少看到 Anthropic 这种家大业大的公司在背书。
Indigo 把这点收得很狠：
"AI 最后也是在增强我们自己。我不能先创造一个 AI，再赋予 AI 它性格；而是先本身做一个人，然后用 AI 增强我自己。" [1:08:00]
这是这一期的另一个锚点句子，和"AI 让你更像你"完整成对——前者说的是"放大方向"，后者说的是"放大顺序"。
当生产软件、生产内容的成本接近零，做任何东西本质上都是在做媒体——而媒体的稀缺资源是人的注意力。AI 时代，"由人组成的网络"和"由人类共情构建的信任"反而会更值钱；与此同时，"人类邪教也会繁荣"——因为在到处都是 AI 生成内容的世界里，人会更需要"找到一个真活人"的归属感。
Indigo 在这里基于自己做媒体和产品的经验，下了一个判断：
"未来你做软件不就是跟做媒体一样的？媒体需要的是注意力——你必须得获得人类的关注，因为 AI 不会消费你要消费的东西，它只要耗电就好了。" [1:09:33]
而媒体化之后，社交网络的价值会更大，把人连接起来这件事会更强壮。Indigo 抛了一个之前讲过的预言：
"当 AI 很发达的时候，我们人类邪教就会繁荣。" [1:10:30]
理由很直白——人需要归属感。到处都是 AI 生成的画面、AI 生成的游戏，迷失感会很强；如果真的有一个活人在你面前出现了，那种"这是个活人"的情感寄托会被放大到不得了。这也解释了：为什么现在硅谷顶级创始人和投资人都在做播客——是要刷"活人感"。
Bill 在后面也给了一个补充的判断——销售本质上会越来越人性，难度只会越来越高："获得其他人信任、让他付钱，这个工作的难度会越来越高。所以人的连接性和纽带性会越来越重要——我们现在尽可能都要成为这个网络中的节点。"
纯粹的智能体到智能体没有社交网络的意义——因为它就是个极致的理性发现工具。但智能体的代理网络会存在——代表你的智能体和代表我的智能体互相交换信息，背后还是人。而在当下这一代，最有意思的"人机混合社交网络"其实是 GitHub——程序员的注意力在事实上决定了下一代模型会学到谁。
Indigo 提了一个很实际的问题：现在很多创业公司在选择要不要"面向智能体"——为智能体的发现和分发做优化。从 SEO 到 GEO（生成式搜索引擎优化）再到这一层。
Bill 把这件事拆得很清楚：
"纯粹的智能体到智能体不会存在社交网络，它是一个极致的理性发现工具。你用 Claude 问的时候，他已经告诉你最优解——发邮件你应该用 Resend，做 Markdown 应该用什么。他就是按照 GitHub 或者最常用的程序员口碑搜集出来的。" [1:15:30]
但智能体代理网络会存在——你和我都有自己的智能体，它知道我的品味、阅读偏好、思考习惯，代表我去和你的智能体交换信息。它最终的消费者还是人。
那现实里的"面向智能体的优化"，在他看来就是 SEO / GEO 的下一步——本质上是在试图给模型训练数据投毒。模型公司会反投毒，就像 Google 反垃圾信息，永久的战争。
但对一个创业公司来说，在模型还没学到你之前，你想被发现，只有一条路：人类网络：
"如果你没有被大量的人类开发者发现，你就开源——没有听众也没有意义。你想快速地在模型学习你的数据之前被人发现，只有人类网络做得到，因为模型也是根据人类网络的反馈数据去训练进去的。如果没有人类的注意力加工这一层，你什么都不是——AI 的注意力其实是被人类的注意力写进去的。" [1:20:25]
由此引出一个非常重要的推论——程序员的喜好和注意力权重，在以编码为核心的智能体架构里被大幅放大了[1:20:40]。以前是资本家的偏好重要、程序员不重要；现在是程序员在 GitHub 上粉你才能完成分发，所以：
Indigo 在这里给出整场对话的一个收口判断：
"GitHub 就是一个新一代的、由人机混合的社交网络。**它是人机混合的——因为 AI 大量在用它的代码做训练、写代码，人类又在上面提交代码、打星评分。**这说不定就是大家在找的——AI 时代有网络效应的社交平台。" [1:20:55]
Bill 接了一句：
"我们是下一个 AI 时代的微信。说不定应该找——下一个时代的 GitHub 和 HuggingFace。" [1:21:30]
1. AI 让你更像你 = 放大方向 / 先做人再用 AI 增强 = 放大顺序。 这两句话合在一起，是这一期最重的"做事原则"。任何想在 AI 时代认真做点什么的人，都应该先问自己：我是谁？我相信什么？我想被放大成什么样的人？ 然后才是工具。
2. 一人公司是引力，组队反而是逆引力的工程。 三五个最强的人为同一个使命长期蹲在一起，这件事的门槛在 AI 时代不是降低了，是更高了——因为每个人单独都能活。这反过来定义了下一代真正有价值的团队会长什么样：化学反应密度高、长期共振、彼此释放别人释放不出来的东西。
3. 中部消失，两极放大。 不管是公司、风险投资、还是个人能力——中间地带都在塌缩。"挺不错的"在这个时代变得很危险。要么去把"足够伟大的事"押注完整，要么干脆做"足够小但足够你的事"——两端都能活，中间会窒息。
4. 信任只能委托给人。 这件事在 AI 时代的含义是：所有最终牵涉到稀缺资源、生命、长期承诺的事——投资、医疗、亲密关系、社群——都会比以前更需要"那个具体的人"。AI 在背后做无限多的事，但前台必须是一张真实的脸。
5. GitHub 是当下被低估的人机混合社交网络。 程序员的注意力是 AI 时代被显著放大的"投票权"。把这件事看清楚的人，至少可以从"应该把精力花在哪个网络上"这件事上避免一次错配。
如果只能从这一期带走五句话——
"量化对冲基金这门生意之后会被严重商品化。" [07:31] "造一个 AI 版的索罗斯，难度跟让 AI 自己研究 AI 是一个量级的。" [10:50] "AI 让你更像你。" [22:08] "我不能先创造一个 AI 再赋予它性格，而是先本身做一个人，然后用 AI 增强我自己。" [28:25] "AI 的注意力其实是被人类的注意力写进去的。" [1:20:33]
整场对话最让我反复回味的，其实是 Bill 顺口给出的那个画面——物理 AI 制造物理 AI。
它把这一切关于"一人公司、组织塌缩、人类娱乐化、信任只能给人"的局部判断，往最远处推了一步：当硅基真的开始自己制造自己，文明就跨过了那个坎，进入一个无限富足的时代。在那之前的所有事——包括我们今天讨论的所有事——都是过渡期。
而过渡期里，AI 不会替你想清楚你要变成谁，它只会忠实地、极端地，把已经在你身上的东西放大。
所以，准备好被放大成你自己了吗？
2026-05-11 09:38:27
这是 4 月 27 日 Indigo Live 月末直播的完整文字整理。一个半小时的内容，看似在讲过去两个月 AI 的进展，其实是在讲一件更朴素的事：当世界变化得比你想象的更快，你需要校准什么？
校准对 AI 的认知，从「聊天工具」到「代理范式」；校准对自己的定位，从「中间地带」到「双峰的某一侧」；校准对组织的想象，从「层层审批」到「Agent 直接调度」；校准对投资的方向，从「碳基消费」到「硅基消费」；最后，校准对人类自身的信心——重新认领那些 AI 做不到、但只有人类才有的事。
这一期的情绪基调是一个很完整的弧线：先用三藩、西雅图、温哥华这三个城市的现场观察打开焦虑，再用 Dario Amodei 与 Andrej Karpathy 的数据把焦虑实锤化，然后展开模型、Agent、组织、物理世界这四张地图，最后回到 Rick Rubin 那段独白，把整场拉回到品味、判断力与学习的欲望。
如果只能记住一句话，那就是：AI 不是平权工具，它是极端的放大器；AI 是个人的镜子，你想把它用得更好，就得先提升自己。
过去几周，我在美西做了一圈 Meetup 巡回——三藩、西雅图、温哥华，三个城市，三种完全不同的氛围。
三藩的氛围是一句话能概括的：人均 co-founder。我遇到的人，几乎人手一个 side project。哪怕在大公司有正职，也都在偷偷搞副业。这不是什么硅谷文化的浪漫续集，更像是一种集体性的「防裁姿势」——大家心里都清楚，自己这份工作随时可能没。
西雅图给我的感觉就更沉了。来的几乎清一色都是大厂员工，亚马逊、微软、Meta，焦虑感是从言谈之间渗出来的。一个职业天花板看上去再稳的人，现在也会开始问：我这份工作还能撑几年？
温哥华反而是焦虑感最低的。原因不复杂，温哥华的职业构成本来就更多元，不是单一产业拉起来的城市。当一个城市不是「all in 在一件事上」，反而能在变局里更从容。
把这三个城市叠在一起，我得到的核心结论是：无论你是做投资、做创业，还是只是为自己的职业发展操心，中间地带都正在快速消失。什么叫中间地带？我做了一张图。
横轴的左侧是「百倍速人类」——一个能熟练驾驭 AI 的人，配上一整套 Agent 与工具栈，效率能到普通人的几十甚至上百倍。这是高溢价区。横轴的右侧是「低端大众区」——很多重复性的、流程化的、信息处理密度不高的工作，被 AI 全自动化，市场价格趋近于零。
而中间，是死亡之谷。中间是过去十几年里我们最熟悉的那种工作：高学历、白领、薪水不错、需要一定专业判断、但本质上是处理结构化信息——金融分析师、咨询顾问、初级律师、初级软件工程师、产品经理、运营、市场……这一层正在被 AI 从下往上、从内向外地吃掉。
AI 不是平权工具，它是极端的放大器。它放大了「会用 AI」和「不会用 AI」之间的差距，也放大了「能调度 AI」和「只能被 AI 替代」之间的差距。
更让人不安的是数据。全球 81 亿人口里，只有 0.3% 的人用过付费 AI 产品，只有 0.04% 的人用过 AI 写代码。万里挑一，这意味着什么？意味着今天看上去已经无处不在的 AI，对绝大多数人来说，连入口都还没找到。
所以我在直播里给了一个相对极端但认真的判断：从 2026 年开始，人类会分化成两种人——前 AI 人类，和 AI 共生人类。这两种人未来五到十年里的处境会完全不同，就像上一代里没学会用智能手机的老人，他们这辈子大概率不会再补上这一课。这是一个非常实在的提醒：AI 是个人的镜子。
你是怎样的人，AI 就反映出什么样的答案。要把 AI 用得更好，就得先把自己变好。
直播这一段我放了 Dario Amodei 最近一段非常耿直的英文采访，差不多两分钟，全场气氛一下子就变了。
Dario 说的话不复杂，但每一句都很扎实：两年前，AI 的水平大概是一个聪明的高中生；现在，已经是一个大学生水平。他用了一个非常具体的对比来描述这个变化——金融、咨询、科技、编程这四个最典型的入门级白领工作，在未来一到五年内，会先被「增强」，然后被「替代」。
1920 到 1930 年代的电力革命。那一次技术革命的副作用，是大量的中产阶层失业，紧接着是大萧条。Dario 没有把话说得很重，但他的意思非常清楚——我们这一次面对的可能是同一种结构性问题，只是规模和速度都更快了。
Dario 用了一句让我印象很深的话：「我们能阻止它，但要现在就行动。但我们没法阻止 AI 这辆车。」翻译过来就是：政策、教育、社会保障这些可以被设计的部分还有窗口期，但 AI 的进化本身已经超出了任何单一国家、单一公司可以拉刹车的范围。
为了不让这件事停留在「专家说说」的层面，我接下来抛了三组数据。
第一组数据来自 Anthropic 三月份发布的 Economic Index。这是 Anthropic 用自己的真实使用数据做的全球第一份「AI 对经济结构影响」的季度报告。结论非常刺眼：AI 直接冲击的是教育水平更高、薪酬更高的白领职业——管理、商务、计算机、建筑工程，全部是高暴露职业。性别和族裔的细分数据更刺眼：女性、亚裔受到的冲击最严重。最关键的一条：22 到 25 岁的年轻人入职高暴露职业的比例，同比下降了 14%。这是一个连贯的信号：企业正在悄悄停止招初级白领。
第二组数据来自 Andrej Karpathy 的一个周末项目。他把美国劳工部公布的 342 个职业分类全部拉出来，给每一个职业打了一个 AI 暴露度评分。Karpathy 的结论用一句话说就是：AI 不是均匀地淘汰每一个工作，它是沿着「信息处理密度」精准打击的。哪些工作信息密度高、可以被语言模型完整 cover？那些工作的暴露度最高。算下来，美国大概有 6000 万岗位在高暴露区，对应大约 3.7 万亿美元的年薪总额。
第三组数据是关于「下一波」的预告。今天我们看到的还只是文字与代码这两条路被打通；等到世界模型、空间智能、机器人这三块再成熟一点——大概一到两年——蓝领劳动里的相当一部分也会进入这条曲线。
把这三组数据叠在一起，结论很清晰：未来五年，劳动力市场会经历一次结构性的重塑。2026 年是这条曲线的第一年，看到 2030 年应该会是一个比较剧烈的转折期。
半导体会把软件的 margin 全部吃掉。
这句话我前两天发过一条视频号，反响很大，争议也不小，所以我在直播里展开讲一下。
传统软件公司的商业模式，本质上是「人 + 软件 + 订阅费」。一家中等体量的 SaaS 公司，雇一堆研发、销售、客户成功，然后按月、按年向客户收钱。过去 20 年，这个模式造就了 Salesforce、Workday、ServiceNow、Adobe 这一串巨头。
但现在这个模式的两端都在塌。
研发端，AI 大幅压缩了「实现一个功能需要多少工程师」这件事。初级程序员岗位实际上已经在消失了，硅谷今年的招聘数据非常直白。高级程序员一到两年内、研究员三年内，也都会被全面自动化——这不是我说的，是 Anthropic 和 OpenAI 自己在公开场合说的。AI Labs 现在最在意的事情之一就是「让 AI 加速 AI 的研发」，这个飞轮一旦转起来，速度会越来越夸张。
销售端，模型公司正在直接绕过 SaaS 这一层。客户原来要的是什么？要的是「一个完成某项工作的解决方案」。SaaS 是把它做成软件卖给你，你雇人来用这个软件。现在 AI Labs 的逻辑是：我直接把「这件工作做完」卖给你，你不需要再雇一堆人来用我的软件。
这就是我说的——卖程序，变成了卖工作。
订阅制软件这个市场，全球大概是 2000 亿美金。而「替代人力工作」这个市场，根据多家券商的预测，是 5.5 万亿美金量级。差了 27 倍。这就是为什么这两个月 OpenAI 和 Anthropic 的 ARR（年度经常性收入）会突然像火箭一样往上窜——他们不是在抢 SaaS 的生意，他们是在打开 SaaS 上面那个十几倍大的池子。
我手边有一个具体的数字：今年 2 月，OpenAI 与 Anthropic 加起来的 ARR 已经超过 450 亿美金，直接超过了 Adobe + Salesforce + ServiceNow + Workday 四家加起来。这四家是这一轮股价跌得最狠的四家公司，市场已经把这件事 price in 了——股市看的从来不是当下，是未来。
我也观察到一个更细的现象：模型迭代的节奏在明显加快。Opus 从 4.5 到 4.6 到 4.7，GPT 从 5.3 到 5.4 到 5.5，每一次主版本升级之间的间隔，都在压缩到一到两个月。这背后是 AI Labs 自己在大规模使用自己的模型来做研发——这件事本身就是一种「自我加速」的飞轮。
这一段是这场直播信息密度最高的部分，因为 AI Labs 这两个月的动作实在太多。我快速梳理一下这张能力地图，按公司一家一家来。
OpenAI 这边，旗舰产品是 GPT 5.5。它在 Agentic Browsing（代理式浏览）和 Terminal Use（终端使用）这两个维度上，反超了同期的 Opus 4.7。不过 OpenAI 这次悄悄隐藏了 SWE-Bench Pro 的成绩——他们没拿到第一就不公布，这是惯例。但 GPT 5.5 的整体感觉是更激进、更好用、也更敢于让 Agent 自己跑。
Anthropic 这边，Opus 4.7 的风格在主流模型里相对独特。它更像一个「伙伴」，回答更短，推理更多，工具调用更克制。它不会主动搜索，需要你刺激它才会去搜——这其实是 Anthropic 在算力不足的现实下做的一种资源保护。前一段时间 Opus 还出过「降智」问题，GPT 5.5 发布当天，Anthropic 紧急修复。
Anthropic 还有一个隐藏的底牌叫 Mythos——内部代号系列衍生模型，没有公开发布，只给约 100 家机构使用，里面包括美国国防部。它的网络漏洞发现能力远超人类防御者，是一个不折不扣的「超级武器」。这件事的隐喻很重：最强的 AI，可能永远不会出现在 ChatGPT 上。
算力压力是真实存在的，前两天 Google 宣布给 Anthropic 追加了 400 亿美金投资——先 100 亿，后 300 亿全部用于采购 GPU。这笔钱不是给 Anthropic 自己花的，是直接拿去买卡的。
Google 这边，Gemini 主版本没更新，但发了 Gemma 4——目前端上小模型里最好的一个。Google 在 on-device（端上推理）这条路上的布局正在显出价值。
xAI（Grok）这边……我直说吧，团队挺乱的。原来的核心创始团队走了一批，Elon 又把 Cursor 的几位核心工程师挖了过去，最后把 xAI 跟 SpaceX 做了合并——这个合并我个人觉得「帮我们解套了」。Grok 的基座不差，但 RL（强化学习）这一块没做好，整体竞争力比起前三家有明显差距。
开源模型这一边，被中国公司霸榜了。智谱 GLM 在代理能力维度上目前是开源最好的，Kimi 第二，DeepSeek 4 这一代表现一般。开源 vs 闭源现在大概有 6 个月的代差——但更关键的代差不在能力，而在「执行力」：闭源公司围绕模型能力做的产品化、工程化、生态建设，速度是开源生态的 10 到 20 倍。
把这五家放在一张表上看，我得出几个判断。
第一，今年年底我们会进入一个 Jensen 在 GTC 上画的那张图说的「AI 自我改进的拐点」——AI 加速 AI 研发的飞轮真正转起来。
第二，接下来两年，我们处在一个类似 2022 年 11 月 ChatGPT 时刻的范式起点。但这一次的范式不是「聊天」，而是「代理」（Agent）。Opus 4.5 / Codex 这一代是这个范式的原点。
第三，Coding App 是浏览器之外的下一代杀手级应用。如果说大模型是 CPU，那 Coding App 就是它的超级终端。Claude Code 发布后六个月使用量增长了 70 倍，把 Anthropic 的收入预测一下子拉到超过 OpenAI；Codex 也增长了 7 倍。这个增长速度，是过去 SaaS 时代任何一款企业软件都做不到的。
第四，关于算力的过剩问题——很多人担心 AI 公司的算力会过剩，我的判断是：现在多少算力就能吃掉多少算力，这些模型公司哪怕再翻 10 倍，他们也能用完。OpenAI 把 SoraApp 停了，就是为了集中算力优先做 Agent 与编程。这件事反过来证明了算力的稀缺。
我自己也在用 Claude Design 做了一份演讲幻灯片，3 到 5 分钟搞定。这种小事在两年前是不可想象的。这就是「卖工作」这个商业模式的微观体感——你不再为「软件」付钱，你为「这件事完成了」付钱。
在直播的中段，我专门花了一段时间解释一个我认为今年最重要的概念：Agent Harness。「Harness」这个词在英文里的本意是「马鞍」「挽具」——给马套上马鞍，你才能驾驭它。在 AI 这里，它的意思是：给 AI 套上一整套环境，让它能真正去做事。
具体来说，一个完整的 Agent Harness 包含这些东西：
一个沙盒环境（让 AI 安全地执行代码而不会搞乱你的电脑），一个专属的文件系统（让 AI 有自己的工作区），一套长期记忆机制（让 AI 跨 session 记住你和它一起做过的事），一组工具调用接口（让 AI 能调用搜索、代码执行、API 接口、终端命令），还有一套目标管理系统（让 AI 知道当前在做什么、下一步要做什么）。
把这些东西拼起来，你就从「跟 AI 聊天」升级到了「让 AI 替你做事」。这就是为什么 Claude Code、Devin、Codex、OpenClaw 这些产品过去半年使用量爆炸式增长——它们不是更好的 ChatGPT，它们是一种新形态的电脑。
「Harness」这个词目前还没有一个特别好的中文翻译，我暂时用「驾驭 AI」这个说法。但我相信半年内这个词会进入中文圈的日常词汇。直播里我放了 Jensen 在 GTC 上一段四分钟的英文演讲。他说了一句让我反复回味的话：MCP（Model Context Protocol）是 agentic computer 的开源操作系统。
这句话的体感非常深。Windows 让个人电脑成为可能，Linux 让服务器成为可能，HTML 让 Web 成为可能，Kubernetes 让云原生成为可能。每一次新的「连接协议」出现，都对应着一次大规模的产业重构。MCP 就是 Agent 时代的那个连接协议。每家公司，从今年开始，都得有一个 MCP 战略，等价于「Agent 战略」。
Jensen 那句话的最后一句是：Every single SaaS company will become an Agents-as-a-Service company！每一家 SaaS 公司，都将变成一家 Agent-as-a-Service 公司，这是一个产业级的洗牌信号。
Anthropic 已经动手了。他们最新推出的 Managed Agent System，就是给企业客户一整套预配好的 Claude 版 Harness——工具、代码沙盒、Skills、记忆、调度，全都给你配齐，你买的不是 Claude API，是一整套「数字员工的工作环境」。
我经常说：Anthropic 是新时代的 Microsoft + AWS——办公软件 + 设计软件 + 云基础设施一体。这话听上去夸张，但越往后看越准。
我自己的桌上现在常年开着两台 Mac mini，一台跑 Claude Code，一台跑 OpenClaw（小龙虾）。这就是我个人的 Harness——我的私人服务器，去哪都能用。这是一个很有意思的体验：你不再被电脑这个物理实体绑定，你被绑定在「你和你的 Agent 之间的关系」上。
围绕 Agent，会出现整整一层全新的基础设施。在个人这一侧，移动终端会重新洗牌——OpenAI 想做手机，但我判断苹果在 6 月发布的新 Siri 反而会更强。新 Siri 不是过去那个语音助手，它是一个跨应用推理、屏幕感知、独立界面、可挂接不同模型的真正 AI Agent。iOS + macOS + Apple Hardware 整体就是一个巨型的、已经分发到全球十几亿人手中的 Agent Harness。苹果是直接一步到位搬到了最前端。
在企业这一侧，Cloudflare、Vercel 这种 Agent Vendor 在快速演化；私有部署、数字员工、Agent 编排平台，都会在未来一两年里出现一批新巨头。
苹果 9 月会换新 CEO，我对苹果的下一阶段还是有所期待。
但 Agent 的真正威力，不在于让每个员工配一个小助手，那只是 Copilot 时代的故事，那个故事其实没改组织结构。
AI 真正的潜力，是重构组织的底层运作逻辑。
我把这种新的组织形态叫做 Mini AGI。它的样子是这样的：CEO 直接对一个中央 Agent 系统下指令「我要这件事在两周内做完」。中央 Agent 把这个任务拆解，分发给一群专业的子 Agent，子 Agent 再把那些只有人类能做的边缘任务，比如线下沟通、签合同、面对面拜访客户，派给人类去做。中间管理层，几乎全部消失。我们已经能在硅谷的几家公司里看到了雏形。
Facebook 现在在做的事情就是这个雏形的一种——小扎正在用一套系统监控员工的一举一动。表面上看是控制感问题，本质上是「边缘的人类员工 + 中间的 AI 调度」这种新组织形态的过渡形态。
更前沿的例子在军事领域。美军用 Palantir 的 Agent 中央系统洞察全局，每个士兵直接由系统调用——在军事层面上的管理已经是没有中间层了。这件事过去是科幻片的设定，现在已经在伊拉克、乌克兰、印太的多个战区里跑起来了。
在这种新组织形态里，公司本身变成了可 Fork 的代码。一家公司的运作 = 一份 context（公司的世界模型 + 客户的世界模型 + 调度规则）。理论上，你把这份 context 拷走，就复制了这家公司。这件事一旦成立，对组织、对管理、对竞争都是颠覆性的。
我们现在还缺一样东西——IDE for Agent。开发者用 IDE 来写代码，但「管理一群 Agent」这件事还没有一个像 IDE 那样成熟的工具。今年下半年，应该会有几家公司开始做这件事。
这套未来组织形态最让我兴奋的一句话是：未来甚至 CEO 都不需要。你只需要董事会，找一个 Agent CEO 给他设 OKR，他自己指挥下面的 Agent 和人类。听上去很激进，但你只要把这条逻辑往前推，就会看到一个非常清晰的未来。
那么人类呢？人类回到了哪里？
回到了系统的边缘。人类负责处理直觉、语言文化、信任、博弈、伦理、道德，还有各种高风险决策。人类做去中心化的判断，并把这些判断反馈给中央 Agent。Agent 负责执行、规模化、复制；人类负责感受、方向、判断。
这就是为什么硅谷今年这么焦虑——研究员们意识到，他们正在发明一种会淘汰自己的技术。这是一种非常奇特的存在感：在自己挖坟，但又停不下来。
但我想说的是，这件事的另一面是机会。在这个新组织形态里，未来人类要干的，是更有人感的事情。
这是一种听上去很温柔的转变。杰文斯悖论在 AI 时代会再演一次——AI 把工程师的「单位价格」打下来，更多原本雇不起工程师的中小企业反而开始大规模雇工程师。我观察到一个新职业正在湾区兴起：「IT 家政」——这些人进入一家公司，理解 context，用 Agent 交付源代码，然后离开。这是 Palantir 当年 FDE（Forward Deployed Engineer）模式的进化版。这个职业大概有五年左右的窗口期，五年之后，连这部分也会被 Agent 学会。
真正在推动「物理世界 AI」的，全世界只有 Tesla 一家公司。
其他人都在说，只有他们在做。Tesla 这一季度的财报里有几个关键数字：汽车毛利率 19.2%，创新高；FSD 订阅 130 万，全美 Tesla 车主大约 400 多万，FSD 渗透率超过 30%。但股价反而跌了，原因是 Elon 公布了一个 250 亿美金的投入计划——造芯片、扩工厂、建 TerraFab。
Tesla 现在的路线图是一张紧凑的计划表：Optimus 年中量产但不放量（防抄袭），Robotaxi 年内在 10 多个州运行，AI5 芯片用在 Optimus 和数据中心上，TerraFab 与 Intel 合作。每一项都是几十亿、几百亿美金量级的投入。
我重点科普一下 AI5 芯片。这块芯片的核心创新是：把 3D 空间感知的神经网络直接做进电路。过去这件事是用软件实现的，用通用的 GPU 来跑空间感知的算法。AI5 不是这样，它把空间感知做成了硬件，用更低的精度（INT8）和八位载通道实现极高的能效比。
这块芯片在体感上像什么？像人类的小脑。人类的小脑就是处理身体在 3D 空间里的运动协调的，它不是在思考抽象问题，它是在做一种结构化、低精度、高频率的感知与控制。AI5 的角色就是这个：边缘 AI 运行的 3D 空间感知专用芯片。它的设计思路与苹果 M 系列类似（垂直整合、专用化），但 Tesla 是第一家专门为「边缘机器人」设计这种芯片的公司。
另一个让我兴奋的是 Optimus 灵巧手——这两周刚公布了专利。这只手不是电机驱动的，是肌腱驱动——把电机做成像手的肌腱一样，绑在手上来拉动手指。这是一个仿生学设计，不是过去那种夹子式抓取器。为什么手这么重要？
我在直播里讲了一个很基础但容易被忽略的知识——人类脊椎下来的运动神经，大约 70% 都给手用。手是处理信息量最大、给大脑负担最大的部位。换句话说，要做好人形机器人，最难的不是身体，是手。
我用了一个比喻：你如果让猴子在舞台上跳舞，最难的不是舞台问题，是猴子的问题。要做好人形机器人，先把手解决掉，舞台不是问题。
至于 SpaceX——五月份装配 Raptor 3 发动机的新 Starship V3 就要试射了。Elon 在物理世界的终极目标其实很清楚：1 兆瓦级别的太空发电、每年向轨道发射 1000 万吨物质、数十亿计的机器人在地表与轨道工作。
Tesla / SpaceX 这一对的最妙之处，在它们之间有一个共同的中间件：太空算力卫星（D3 芯片）。横向的太阳能接收板加散热器，专为高能粒子和极温差环境设计。逻辑很简单——地面盖数据中心有人类矛盾和政府审批，往天上打又安全又快又好。这件事一旦做成，「在哪盖数据中心」这个产业问题会被重新定义。
还有一件事一定要提：TerraFab。Tesla 在德州、与 Intel 合作的巨型晶圆厂，目标是把光刻、研磨、制造、测试一体化——像改进软件一样改进芯片。
这是 Tesla 的「全栈控制」逻辑的最后一块拼图。我的判断是：未来所有科技巨头都得自己控制芯片产能。硬件 + 算力 + 模型 + 应用 = everything。把任何一层交出去，都会在五年后变成战略性问题。
这一段我把投资视角的最近思考一次性讲清楚了。
先说一组宏观数据。DRAM / HBM（高性能内存）正在严重短缺——你拿一张 NVIDIA 的卡拆开看，里面除了 GPU，剩下的几乎全是高性能内存条。未来五年，DRAM 的需求会有 5 倍量级的增长，HBM 是这一波增长里最贵、最稀缺的部分。这不是周期性短缺，是结构性短缺。
我从 2023 年就开始反复念叨一句话——今天再念一次，因为这两年它一次都没错过：这个时代，投资远离碳基消费，只投硅基消费。
什么意思？人口不增长，碳基消费天然有上限。一个人一天吃三顿饭，再怎么 GDP 增长也吃不到第四顿。但硅基消费——算力、Token、模型推理——是指数级增长的。一个 Agent 的「胃口」可以在几个月里翻 10 倍、100 倍。算力的需求曲线和人口无关，只和智能的扩张速度有关。
这条原则把我过去几年的投资标的捋得很清楚——为什么我们的基金把超过 70% 的仓位都放在了 AI 模型、AI 基础设施、太空、国防这几条线上。
一级市场的最新数据来自 Sutter（一个比较有名的市场榜单）：今年和明年最热门的 5 个赛道分别是——模型 AI 公司、太空、国防、AI 应用、FinTech。今年下半年到明年上半年，会有一波非常密集的 IPO 潮。
我自己整理了一套我叫做 Rewired Index 五层架构 的投资框架，对应的是 Jensen 在 GTC 那张五层图，但用我自己的语言重新组织过：
最底层是物理层——电力、矿产、稀土、土地。这是 AI 所有上层建筑的基座，过去十年被严重低估的一层。
往上一层是数字基础层——数据中心、Stablecoin、金融数据网络。这一层是「数字世界的水电煤」。
再往上是核心智能层——OpenAI、Anthropic、Google DeepMind、Tesla、NVIDIA。这就是我反复说的「卖最贵 Token」的那五家。
最上面是应用层——所有「转卖 Token」的公司。
我前两天发了一个帖子说得更直接：AI 应用里只有两种商业模式——卖 Token 和转卖 Token。模型公司卖最贵的 Token（且永远不会降价，因为永远会有「最好的下一代模型」继续卖最贵价格）；应用公司的本质就是「把 1 块买回来的模型变成 10 块卖出去」——卖的不是软件，是交付物。
如果你做应用，你要问自己一个问题：我转卖 Token 的「加价空间」在哪里？是品味？是 context？是分发渠道？是私域数据？是合规？ 没想清楚这一题，应用层的故事很难成立。
时间线上我的判断是这样的：Robotaxi 三年后流行；太空、机器人、AI Science、量子是 5 年后的故事；国防 + Robotaxi 是当下进化最快的赛道。机器人训练已经显出明显的泛化能力，差不多 1 到 2 年后会到达「机器人的 GPT-3.5 时刻」——一个不是最完美但已经足够好用的转折点。
我最近在看 DeepMind 一位科学家写的文章——他描述的曲线是：通用智能即将到达 → 进入「集体智能时代」（10 到 15 年）→ 库兹韦尔《奇点更近》预测的 2040 年「集体智能 + 意识上传」。
这条曲线如果只看一两年是看不到的，要看十年。这一段最后我想给一个名字——未来不再叫互联网（Internet），它叫 Intelligent Network（智能网络）。这是一个从「连接信息」到「连接智能」的范式跃迁。
这一场直播信息密度大、压迫感重，所以我特意把最后三十分钟留给了一些更慢、更柔的内容。
我先放了一段 Rick Rubin 的独白——音乐圈最有名的制作人之一，他制作过 Beastie Boys、Johnny Cash、Adele。他在那段视频里说：
I have no technical ability... So what are you being paid for? The confidence that I have in my taste, and my ability to express what I feel.
我没有技术能力，那别人为什么要付钱给我？因为我有信心——我的品味，和我表达自己感受的能力。
这就是我心里 AI 时代「人」的核心能力的最准确的描述。我不会写代码，但我知道什么是好代码；我不会设计，但我知道什么是好设计。AI 时代的核心能力是选择和表达——不是动手能力，是动心能力。
Rick Rubin 最近还做了一件让我很感动的事——他和 Anthropic 合作，把《道德经》用音乐符号重新表达了一遍。这件事的隐喻很美：用最古老的智慧，配最前沿的工具，做出来的东西不是科技，是诗。
接下来我想讲判断力。
我前几天读到一篇文章里有一句话，我抄了下来——判断力不是分析能力的产物，它是分析能力的前提。这句话非常关键。AI 时代我们以为分析能力会被解构，但其实分析能力是 AI 已经具备的部分——AI 把分析能力压缩成了一个无限便宜的商品。真正稀缺的不是分析，是在分析之前的那个判断——「我们应该分析什么？什么值得被分析？」
我把这件事拆成了两层：人类负责动态的良知，AI 负责静态的良知。
什么意思？人类在每一个具体的、不确定的、有伦理含量的、有情感张力的时刻，做出动态的判断；AI 把这些判断沉淀下来，规模化复制——这是 AI 时代的「大规模生产」。人类的工作是不断把动态判断喂给 AI，让它做静态的扩展。
这就引到了我直播里讲过的一个反直觉的建议——不要让 AI 替你写作。理由有三个。
第一，写作是思考。写作不是为了写完，而是为了「走进混沌、带着清晰的结构走出来」。让 AI 替你写，等于让别人替你健身——肌肉是别人的，不是你的。
第二，信任是有代价的。一个人如果总是在传播没经过自己脑子的 AI 生成内容，他在社交关系里的信任度会断崖式下降。
第三，AI 在写作中的合理用途：研究、核实、快速记录与转录、想法生成、找你看不到的瑕疵、提高效率。但结构、开头、立场、用词的味道——这些都得是你自己的。
我自己写文章，开头和结构永远是自己写的，AI 只在中间填一点细节。这是我对自己的一种纪律。
直播的最后我推荐了一本书——Sahil Lavingia（Gumroad CEO）的《极简创业家》（The Minimalist Entrepreneur）。它的几条原则放在 AI 时代特别值得重读：社群优先、先手动再自动（不要过度建设）、先卖再规模化、先花时间再花钱、盈利目标、按客户增速成长、造你真正想住的房子（5 年后还想做这件事吗？）。
最后一段我想留给「全球智能危机」这个话题。
如果 AI 大规模取代人类劳动 → 白领危机 → 劳动力危机 → 金融危机 → 全世界进入通缩。这条逻辑链是成立的，每一步都已经有很扎实的论据。
但我相信人类。我们最大的优点是乐观和创造知识。
我反复回到这句话：AI 是终极的压缩器，它负责学习和推演；我们负责分布之外的探索。AI 处理已知，人类处理未知。这是我们这一物种过去 30 万年里最稳定的核心能力，而且正好是 AI 当前架构最难复制的部分。
还有一句更朴素的话——稀缺的不再是知识，而是学习的欲望。在一个所有信息都触手可及的时代，谁还有学习的欲望，谁就赢了。
最后一句话我想送给所有看到这里、心里多多少少还有一点焦虑的人：焦虑是一种对未知事物的模糊恐惧。打开盖子看它如何工作，你就会把焦虑转换成掌控感。
不要回避 AI，不要假装这件事跟自己无关。打开盖子。
直播的最后一小段，是关于 Rewired 这个项目的更新。
rewired.mx 已经正式上线——虽然很多内容还在持续填充。
整个 Rewired 由三个项目构成：
这三个项目共享一个 Rewired 品牌——Index 提供框架，Book 输出思想，Community 是给读者、给社群、给企业的统一入口。
社群的核心话题是一个三角：投资 + AI 进化 + 企业 AI 范式转型。矩阵结构是「媒体 + 社群 + 工具」。新增的内容包括周刊（每周邮件列表）、工作坊（线上线下，5 月公布课程目录）、真实 AI 案例采访（小公司用 AI 提效率的真实故事）、Rewired Index 投资决策控制台（6 月上线）。
会员分级很简单：免费（媒体内容）/ 付费（工作坊内容、线下课程优惠）/ 高级付费（Rewired Index 自动投资工具）。
线下据点这一年的计划是：温哥华（已有）、三藩（6 月）、上海（6 月回国设立）、东京（年底）。
工作坊的初步课程清单包括：AI 共生思维课（101）、个人知识系统设计、AIGC 实战、企业应用（专门为企业定制工作坊）。
我自己给社群的口号是两句话——一句是 2024 年底就在念的「科技加速 + 主权个人」，另一句是我自己写的中文版「AI 共生的思维进化」。这两句话，是我所有这些事情真正的底色。
这一场直播叫「校准」。我很喜欢这个名字。校准不是一次性的动作，它是一种持续的姿态。当世界以这种速度变化的时候，你不可能在某一天「想清楚了」就停下来——你只能保持校准的姿态：观察、思考、行动、回顾、再校准。
如果今天这一场直播能给你留下三件事，我希望是这三件——
第一，从 chat 到 agent——把你和 AI 的关系，从「我问 AI 答」升级到「我设目标，AI 替我做」。
第二，从碳基到硅基——把你的注意力、时间、资本，从一个增长见顶的人口经济，转向一个指数级增长的算力经济。
第三，从分析到判断——AI 已经把分析能力压缩成商品，真正稀缺的是判断力、品味、和提出好问题的能力。这些只能向内寻找。
剩下的事情，慢慢来。打开盖子，看 AI 如何工作。你会发现，焦虑就这样变成了掌控感。
下一场 Indigo Live 见。
这是 Indigo Live · 0427 月末直播的完整文字整理，由 Indigo 主讲。
2026-05-10 12:34:12
如果说 2024 年底大家还在围着 o1 和"推理式计算"打转，那么仅仅一年零四个月之后，整个软件工业的 narrative 已经变成了 Agent Harnessing、Skills、面向 Agent 编程，以及"我们到底还需不需要程序员"。
这一期 Indigo 请到的嘉宾是 Sonya——本科经济学、第一份工作做投行、转码进 Meta 做搜索推荐、办过 AI 峰会、现在在做 AI Pharmaceutical 的项目。她是少数同时穿越过"投行—工程—AI 应用—生物医药"的女性技术人，所以这场对谈既能落到代码哲学的细节，又能拉远到组织、社会、人类意义这一层。
两人聊了五十多分钟，从 Vibe Coding 一直聊到星辰大海，但中间有一条非常清晰的主线：当编码这个动作本身被 AI 接管之后，人类剩下的位置在哪里？ 答案不像很多硅谷推文里说的那样简单——既不是"被替代"，也不是"被解放"，而是被推上了一个更高、也更陌生的抽象台阶——成为治理者。
Apple Podcast & Spotify 播客 ｜ 小宇宙播客
时间戳
下面是这一期的完整整理，配合时间戳，可以当作一份"AI 时代职业转型的判断地图"来读。
Sonya和 Indigo 上一次录节目是 2024 年 12 月，从那时到今天，AI 编程能力大概是"每个季度翻倍"——一年下来就是 2 的 4 次方，16 倍的纯能力跃升。
Indigo 一开口就让 Sonya 说说她从 Meta 工程师视角看到的变化，Sonya 的第一句回应是："我真的觉得，天变了。"[09:09]
她用了一个很重的比喻：一年前那种一行行写代码的年代，现在回头看就像石器时代。[09:34] 她自己已经开始 Vibe Coding——讲一段话，让模型生成整个项目。当然不是每一行代码都能比拼得过人类顶尖程序员的优雅、精简、安全，但对于绝大多数实际的 Coding 工作，甚至对最顶尖的程序员，整体效率是被显著拉高的。
Indigo 在这里抛了一个数字感：从 2024 年底大家还在聊 o1 那种"推理式计算"，到现在智能体已经能持续工作四五个小时，模型能力基本上每个季度翻倍。一年下来——2 的 4 次方，16 倍。这已经不是线性，是指数。
而且更可怕的是，这种加速本身正在自我加速：现在的 AI 已经在帮自己写代码、自己迭代版本。Indigo 顺着这个引到 Anthropic 这家公司的形态——为什么 Anthropic 发版本这么快？因为它整个公司是非常扁平的，全员都在用 AI Coding 软件，所有人都在为"让 AI 加速进化"这件事服务。Anthropic 是一种新形态的组织。
这就构成了整场对话的第一个底层事实：编码这件事的产能边界已经移位了。剩下的一个小时，他们都在解一道题——既然产能已经不在写代码这一步上了，那它在哪一步上？
现在程序员的关键工作不再是 Line by Line 写代码，而是给 AI 设计一个 Harness（驾驭框架），让模型自己去自我进化、自我净化。这件事更像哲学家做的工作——你设计一个理念，让 Code 在这个理念下自己长出来。
Sonya 提到一个最近被频繁讨论的词——Harnessing，"驾驭"。OpenAI 写过一篇 Agent Harness 的文章，Anthropic 也越来越多用这个词。它的意思是：单纯一个 LLM 就像一颗赤裸的 CPU，本身没有上下文、没有记忆、没有外设。要让它干活，你必须给它一整套"约束 + 工具 + 上下文 + 文件系统 + 网络 + IO + 规则"——这一整套加起来，组成一个让模型能持续运行的运行时框架。
她提了 Andrej Karpathy 那张著名的"LLM 像 CPU"的图，并且补充道：当时画那张图的时候 Harness 这个概念还没出来，现在套上 Harness 的概念，整张图就清晰了——LLM = CPU，Harness = 一台围绕 CPU 设计的计算机。
这一层一旦看清，程序员的工作就变了：
"更像是一个哲学家，去设计一个理念，然后让 Code 在遵守这个理念的情况下，去自我净化。" [12:06]
Indigo 在这里把这个比喻往前推了一步——人类变成了在造每一个 Code Product 的"造神者"。[12:19] 你不再决定它的每一行实现，但你决定它"应该是什么样的存在"。
这件事的难度并不比写代码低，反而更高。因为你不是在解一个有标准答案的小题，而是在为一个会自己生长的系统设定它的"宪法"。比如说，你设计一个推荐平台，那它的 Philosophy 是什么？什么样的推荐机制是有益的，什么是有害的？你不再去手动 hardcode 一堆算法，而是要设计一套理念，让 Agent 自己去生成这些算法——但这些算法又必须始终符合你最初的理念。
Sonya总结说：未来的工程师有两层身份——一方面是系统设计师（数据怎么流、算法平台怎么交互、安全漏洞怎么处理），另一方面更重要的，是理念设计师。
这就引出了下一个、也是这一期最锋利的一个问题。
理念定义的核心是判断"什么是好的"。但要真正知道什么是好的，你必须曾经亲手一步步做过——否则你的 Reasoning 是漂浮的，没有根基。这是 AI 时代人类最容易丢掉、也最致命的一种能力。
Indigo 在这里讲了 Rick Rubin 那段最近很火的录音——"我不会写代码，但我知道什么是好代码"。[18:57]
听起来很玄。但 Sonya 立刻接住了：
"我觉得 Indigo 点到了一个非常重要的点。以后我们人类知道什么是好的，比能不能自己 Exactly 写出好的，会更重要。 但是大家不要小看这件事——你要去学'什么是好的'，其实是非常难的。" [19:06]
她抛出一个反向问题：如果你不会写，你怎么知道什么是好的？
举一个最简单的算法例子：我以"谁最多人点赞"作为推荐目标。短期看似乎没问题，但如果让这种算法长期主导一个平台，那这个平台会被什么样的内容主导？这其实需要你既懂算法、又懂内容生态、又懂人性的累积反应。一个没有任何亲手做过算法的人，没有跌过坑、没有看过这种 Metric 在三年时间维度上扭曲一个产品的过程，他凭什么去判断这是不是一个好算法？
更危险的是 Hallucination。在自己的领域里，你还有直觉能感觉到"AI 这句话好像不对"；但只要换到陌生领域——比如药物剂量、医疗诊断、法律——你完全没有能力判断 AI 说的是不是对的。AI 让你吃 100 毫升某种东西，你不知道这对一般人是安全的、对某种人群却是极度危险的。
Indigo 在这里把"直觉"这个东西拆开了：直觉本质上是一个非常复杂的内在模型，是你一步步亲手做过、犯过错、修正过、复盘过之后，沉淀下来的东西。
"你犯过错误，然后你修正过。" [22:42]
Sonya 顺着这个思路讲了一段非常重要的话：
"其实我觉得会是人类一个非常困难的事情。就是如果持续地、在每个领域都保持顶尖的专家，会变成非常重要的东西。 否则我们所有东西都待会给 AI 来评判——这真的安全吗？" [21:59]
这是整场对话第一次出现"危险"这个词。它不是关于 AI 失控的危险，而是关于人类自己丢掉判断力的危险。
这里和 Indigo 后面提到的另一段话呼应得很紧——他朋友的那句话：
"开车技能可以 Degrade，但思考的技能是不能 Degrade 的。" [44:14]
自动驾驶用多了，开车技能退化是可逆的、可补的；但思考能力一旦退化，你连"AI 说的对不对"都判断不了，这是一种单向坍缩，没有回头路。
编程的抽象层次正在不断爬升。我们经历过面向过程、面向对象、面向文件，今天进入面向 Agent，未来会到面向 Idea。每一次爬升，都意味着我们放弃下一层的细节，但获得更大的杠杆——只要你还知道"系统是怎么组合起来的"。
为了缓和"判断力危机"这个有点沉重的话题，Indigo 主动给出了一个更乐观的视角——这一切其实是抽象层次的自然演化。
我们今天不需要知道编译器怎么把高级语言变成机器码、机器码怎么在 CPU 上执行，但是还是有人知道。我们只是从"必须知道"变成了"在更高层操作"。[22:33]
他给了一条非常清晰的演化曲线：
未来你给系统的不是一份 .py 文件、一份 .cpp 文件，而是一个目标、一个 Agent、甚至直接一个 Idea。[26:00] AI 已经聪明到只要你"提示它一个 Idea"，它就能帮你实现。
但这里 Indigo 留下了一个关键的认识论 bound：
"下面我就不用管它怎么执行了，但是——我得知道这个系统是怎么组合起来的。" [23:33]
这就是新一代"程序员"——或者更准确说，新一代 Builder——的最低门槛。你可以不写每一行代码，但你必须理解系统的组合方式、各模块的边界、它们之间如何彼此影响。否则你只是在外包给一个比你聪明的黑箱，而黑箱产生的灾难你既看不出来，也修不了。
Sonya在这里给了一个特别有画面感的猜想：
"可能就像以前我们大部分人都是农民——不是因为农业很高级，而是种粮食必须这么多人。但现在，可能只需要少数人掌握这个技术，再压缩到每个领域只需要更少的人去掌握核心。但这些人会需要是顶尖的 Experts。" [24:09]
她接着补了一个很妙的隐喻——剩下的那一小部分对 Coding 还有执着热情的人，会变成像今天的考古学家一样，专门去研究"代码到底是怎么写出来的"这件事，作为一种 hobby、一种 craft，但不再是社会主流职业。[27:48]
这一代 SaaS 之所以存在，是因为大多数公司请不起 10 个工程师为自己定制软件。但现在，任何一个 10-20 人的小团队，都可以让 Agent 按需为它现写一份软件，用完甚至可以扔掉。SaaS 公司的存活空间正在被压缩到非常窄的一个区间。
Indigo 把节奏带到了一个商业层面的判断：
"这个时代的软件都是标准化的——SaaS 也是标准化的。那是因为很多人没法请很好的团队去定制化我的需求。但是接下来会有一个变化：任何一个小团队，都可以让 Agent 按照我的需求去产生软件。" [28:51]
这个观察对今天的 SaaS 投资是降维打击。一个 10 个人的小公司过去只能用 SaaS，因为它请不起独立的工程团队；但现在，它可以让 Agent 临时生成一份完全为它的工作流定制的软件，用完即抛，或者持续迭代——完全定制化你想要的，不再 stick to 你那固定的 SaaS 页面。
Sonya在这里加了一个非常关键的子话题：面向 Agent 而不是面向人类的开发。
她举的例子是：以后网页可能会有双版本，一个 Markdown 版本（给 Agent 看），一个 Web View 版本（给人类看）。原因很简单——人类看 HTML 渲染那种"用户界面"是高效率的，但 Agent 不需要图片、按钮、动画，它需要的是结构化、可解析的文本。Web 的格式正在为 AI 而重构。
紧接着 Indigo 分享了他自己的实践——他用 AI 做股票投资，搭了 4 个 Agent，每个 Agent 一个角色：
• 一个 Agent 负责观察 Marketing 情绪、宏观新闻；
• 一个 Agent 专门评估每只股票的买入和卖出点；
• 一个 Agent 负责抓取所有公司新闻；
• 一个 Agent 负责仓位平衡。
但他没有把它们拼成一段固定的程序——相反，他让每个 Agent 把执行结果写成 Markdown 文件，其他 Agent 去读这些 Markdown 来获得上下文。甚至还专门拉了一个 "Critic Agent" 来 Criticize 当前 Agent 的判断。最后再叫一个 Agent 把所有 Markdown 渲染成网页给"老板"（也就是他自己）看。
这就是"以文件为中介的多 Agent 协作"——一种轻量、透明、可审计的 Swarm 架构。Indigo 自己评价：
"我肯定没找到更好的 Agent 通讯方法，但是让他们用文本通讯，就很好了。"
由此引出一个值得记下来的隐喻：未来每个人都是一个资本家——只不过他调动的不是人力，而是 Agent。Indigo 早上和朋友聊到的判断："未来人类只剩两种：人均创始人 / 人均 Boss，以及人均资本家。剩下的人，他们的工作是 投票、投钱、投 Attention。"
今天的 Agent OS 本质上是 Unix 哲学的升级版——所有东西都是文件、所有协议优先文本、所有交互都是读写。Skills、Memory、Context、Personality——全部都可以沉淀成 Markdown 文件，被组合、被复用、被传承。
Indigo 在这里给了一个非常 Indigo 式的判断：
"我建议现在所有人用 Agent 的、想做 Agent Harness 的人，重新回顾一下 Unix 哲学。"
Unix 哲学三件事：
1. Everything is File —— 所有东西都是文件。
2. 能用文本就不用二进制 —— 所有协议、存储、交互优先文本格式。
3. 确定性优先 —— 能用代码解决的，就用代码解决，不让 AI 重复生成。
这三条今天看回去，简直是为 Agent OS 量身定做的。
为什么 Claude Code 这么流行？因为它给你创造了一个 Workspace，里面有 Memory、有 Soul、有 Skills——全部都是基于文件的。[35:31] Agent 进到这个目录里一看，几秒钟就读懂了：你是谁、你想要什么风格、你处理过什么任务、你的 SOP 是什么。
Sonya补充了一个很新的角度：Unstructured Data 在 LLM 时代不再是"难处理的"，反而成了"最丰富的"。[36:12] AI 可以从你过往处理过的所有文件里，反向 Extract 出你的风格、你的常规 SOP、甚至你的 Rare Case 处理方式。
Cursor 最早做了 Rules 文件这种概念，Claude 学过去做了 Claude.md。两人在这里给出一个判断——
"思维目录就是一个电脑上的 Folder，就好像是一个 APP 一样。Agent 加上 Folder，它就能够干活了。"
这就是为什么 Skills 概念最近这么火——它把"你的某项能力"整理成一个可被组合、被搜索、被调用的 Markdown 包，下次类似任务来了，AI 不用从头思考，直接调对应的 Skills。
由此 Sonya 抛出了一个非常意味深长的判断：公司在收集你的"风格"。
"公司在看你怎么跟 AI Interact，然后去学习你、复制你。可能你处理同一个 Case 比我特别优——那就让 AI 学习你的方法。" [38:00]
Indigo 接住这个观察立刻类比到招聘：
"我觉得接下来招工程师应该这样招了——你不用考他这些编程技巧、代码，你考他怎么和 AI 聊天的。把他和 AI 的对话记录给我看一眼，我就知道你是什么风格的人。" [38:14]
这是 Coding Interview 的下一个版本——从"看你能不能写算法"到"看你能不能驾驭 Agent"。
现在 VC 圈最热的一个问题是——AI 把单兵效率提了 10 倍，为什么我们没看到 10 倍产出的公司？答案是：组织结构不是 10 倍的。沟通损耗、审批层级、罗马军团式的指挥链——这些都把 AI 的效率消化掉了。Anthropic 这种扁平化、Agent Swarm 化的组织，才是 10 倍产出的真正解。
Indigo 在这里直接抛出 VC 圈的迷思：
"为什么 10 倍的效率，目前我们还没有看到 10 倍的产出？" [39:40]
Sonya的回答是： 因为组织不是 10 倍的。沟通都损耗在组织的结构里面去了。
她展开了：现代公司的组织结构其实从罗马军团传下来——一级二级三级一直往下传，每一层指令传递都会损耗，下一层的人还要 Prove 自己存在的价值。指挥层带宽天然不够，没法直接指挥前线的每一个执行单元。
但是 Agent 不一样——Agent 可以直接穿透指挥到前面的每一个执行单元。[41:50] 它就是一个 Swarm。Claude Code 默认能并行启动 6 个、10 个、甚至 100 个子 Agent，唯一限制是 Token 消耗速度，也就是钱够不够，不再是模型能力或人力的问题。
这意味着公司形态会变：原来 5-6 层的指挥链，未来可能压缩成 2 层。老板有一个最大目标，下面直接是 Agents，Agents 自己分配子 Agents——所有的"数字端"工作（代码、设计、文档）全部由 AI 处理。
这里 Indigo 引用了 Marc Andreessen 最近的一句话：现在很多公司号称是用 AI 作为借口去裁员；现在是借口，但过两年就不是借口了。
Sonya顺着这个判断的反面，提出 Amazon 最近的反向操作——亚马逊几次大事故后，要求人类必须审核 AI 生成的代码。但她自己的判断是：
"这只是一个阶段性的问题。要真的靠人脑去审核所有东西，那太慢了，那会变成一个新的 Bottle Neck。" [41:01]
人类在新组织里的角色，被推到了"边缘"——不是贬义的边缘，是物理意义上的边缘：
"AI 再怎么好，他在现实世界中没有 Experience、没有接触。所以人更多的是去做情绪关怀、做沟通、做体验、做接触。 给 AI 跑腿，把现实数据收集回来传给 AI。就相当于我们是小脑——大脑慢慢被 AI 替代了。" [43:31]
这是一个非常具体的画面：未来人类的位置，是 AI 这个"分布式大脑"的小脑和外周神经。
当一个人不再亲手经历"一步步做"的过程，他失去的不是某种执行技能，而是判断力本身。未来世界会两极化——少数顶尖 Expert 会变得极其稀缺、极其重要，因为只有他们能跟模型做 Alignment、做审查；剩下的人会被推向情感、关怀、生活的另一极。
Indigo 在这里认真讲了他朋友那句话：
"开车技能可以 Degrade，但思考的技能是不能 Degrade 的。"
但是 Sonya 立刻接住——问题恰恰在于，一个人如果没有一步步去做过这些东西，空泛的 Reasoning 是不扎实的，很容易被 Mislead。
她描绘了未来的两极：
• 一极是顶尖专家：能做 Alignment、能做最后一道审查、能判断"AI 说的对不对"。
• 另一极是大量的人：把 Attention 放在生活和关怀上，承担情绪劳动、现实接触、社交体验的部分。
但她随即指出一个更深的悖论——
"人是不能够被逼迫的。我不能逼你成为一个顶尖的专家。" [14:14]
如果整个社会变得很富裕（每个人的物质需求都被自动化的生产解决了），那它就有点像今天的"人人都是富二代"。富二代会做什么？观察今天的富二代你就知道了——寻找刺激、寻找意义。
这就走到了对话最沉重的地方：
"如果说工作不需要了——大量人，其实生活真的没有意义了。" [26:49]
"好的价值观可能会变得更重要。" [46:04]
Indigo 把这一段拉回到一个更宏观的历史尺度：人类两三百年工业革命下来，意义感都是建立在"劳动和生产"之上。突然这五到十年，工作不需要了，意义体系还来不及重建。打猎种田、农业生产、工业生产、智力劳动——一层层都被替代之后，除非我们的脑子能开发出新的东西，否则就是空窗。
未来的"工程师"如果还存在，他做的事情是 Governance——不是 Line by Line 写代码，而是设计一个系统的理念、Metric、推荐机制、平台规则。每个人都会成为他所负责板块的"总督"。Taste 和 Judgment 比 Execute 更重要。
Sonya 把这个判断说得非常具体。她给未来工程师定义了三件事：
1. 设计 Philosophy —— 我们认为"什么是好"。
2. 定义 Metric —— 用什么来衡量"是否真的好"。Metric 一旦设错，整个系统就会扭曲
3. 持续审视 —— 现在设计的系统是否真的 Truly Serve 我们最初的 Purpose。
也就是说，工作的核心 input 不再是代码，而是 Taste（品味）+ Judgment（判断力）。
她顺便给出了 Anthropic 之所以代码模型领先的非工程解释：他训练数据挑得好、目标清晰、不分心。
"Anthropic 不会像 OpenAI 那样跑乱了——东想做生图、西想做视频。它就一心做代码 Agent。" [59:02]
Indigo 给了一个特别精确的比喻——每个人都是总督：
"每个人都是总督——这里有一个小国家给你管理，应该怎么搞。" [50:14]
不同的"国家"会有不同的治理风格：
• 有些平台会很 Extreme，主打博弈、刺激；
• 有些平台主打温暖、Softness、Encouraging；
• 有些主打专业极简——
而工程师/Builder 的任务，是为这个"国家"立法、定 Metric、做治理者。
这个变化对就业市场的影响是双向的：
• 第一阶段（短期）：传统程序员数量会减少，因为大量低层次的写码工作被 AI 直接吸收。
• 第二阶段（中期）：随着每家小公司、每个个体都能拥有为自己定制的软件，软件需求的总量反而会爆发。这时候市场需要更多 Builder/治理者，但他们的雇佣形态会变——不再是某个大厂的全职员工，而是 Contract、多公司服务、20% 给一家、20% 给另一家。
Sonya 给了一个让 Indigo 印象很深的总结：有一部分人会变得更累、有一部分人会变得更闲。累的是那些被多个 AI 任务追着等审核、等决策的治理者；闲的是不需要承担治理责任的大多数。
未来的公司形态只剩两端——一两个人的小公司，和巨型公司，中间形态消失。社会层面表现为中产阶级坍塌。唯一能避免社会崩塌的方法，是把生存底线变高（UBI）+ 向外探索新疆界。否则我们会困在地球上、意义空虚、没有下一代。
对话进入收尾，Indigo 给出了一个他自己得出的 punchline：
"任何一个公司都会变成软件公司——任何一个业务都变软件。然后在这个里面，只会存在'一两个人的小公司'和'巨型公司'。中间形态消失。"
Sonya立刻同意，并且把它接到社会层面：这就跟今天的社会一样——中产阶级坍塌。
那怎么办？两人的判断惊人地一致——唯一的方法是把生存底线变高：
"拯救这个社会，唯一的方法就是你把生存底线变高。UBI 啊、什么的实现——大家有一定的收入基础，然后在这上面去实现价值。不然这个社会就坍塌掉。" [54:29]
这是经济侧的解。但 Indigo 觉得这还不够。他给了一个更大尺度的设想——人类的意义危机，最终需要靠"星辰大海"来解决：
"Elon Musk 帮大家解决一个意义危机——你还是往星辰大海去探索，才能解决我们的意义问题。你要发现宇宙才行。不然我们就会困在这个星球上，意义空虚，慢慢没有下一代，然后真的就没有了。"
Sonya 补充说：现在外太空探索能力还远远不够，必须先把它做到让"每人 Assign 一个外太空项目"成为可能的程度。
最后这一段把整场对话从"AI 和编码"拉到了"人类和宇宙"的尺度。它不是为了 dramatic，而是因为前面那条逻辑链——
编码 → 抽象层次升级 → 程序员变治理者 → 公司形态两极化 → 中产坍塌 → 意义危机
—— 走完之后，必须要找一个出口。要么是"提升底线"（经济解），要么是"扩张空间"（物理与意义的解）。两者其实都不是 AI 给的，反而是 AI 留给人类自己的功课。
如果让我从这一小时里只挑五句话带走，会是这五句：
1. "知道什么是好的，比能写出好的更重要——但要知道什么是好的，你必须曾经亲手做过。"
2. "开车技能可以 Degrade，但思考的技能是不能 Degrade 的。" —— 抽象层次的爬升不能跳过"亲手做"这一层，否则爬上去是悬空的。
3. "为什么 10 倍效率没有带来 10 倍产出？因为组织不是 10 倍的。" —— Agent Swarm 这种新型组织，是产能解放的真正瓶颈所在。
4. "以后只剩两类人——人均创始人 / 老板，和人均资本家。剩下的人投票、投钱、投 Attention。" —— 这是对未来"分工"的一种刺眼但精确的概括。
5. "任何一个公司都会变成软件公司。中间公司消失。" —— 这是对 SaaS 投资逻辑、对中产阶级未来、对整个组织演化最锋利的一句判断。
第六句留给所有读完的人——好的价值观会变得更重要。这不是装饰性的结尾，而是意味着：当工作不再决定你是谁，你信什么就会比你做什么更重要。
整理：2026-05-08 · 节目原始来源：Indigo Talk EP47 · 嘉宾：Sonya
2026-04-27 08:18:04
Indigo 西岸巡讲最后一站，覆盖创造者品位、AI 投资框架、Agent 时代的结构性变化、企业架构坍塌与个人定位。
Rewired 社群线下分享会，西岸三场巡讲（西雅图、湾区、温哥华）的总结篇。
时间戳
如果你只想看 AI 行业又有什么新发布，这场分享不是为你准备的。这是一场刻意把镜头拉远的演讲——Indigo 把过去三个月所有的躁动（湾区研究员的焦虑、Workday 的暴跌、Anthropic 突然估值齐肩 OpenAI、Meta 的扁平化裁员、Jack Dorsey 让 6000 人直接向他汇报）压进同一个解释框架里：这不是周期性波动，而是劳动力市场被 AI 重写的开始。
他从 Paul Graham 2002 年那篇《Taste for Makers》起手，把"品位"作为整场分享的精神锚点——美与简洁不是审美偏好，而是揭示事物本质的一种确定性方法。然后顺着这个锚点，他把投资判断、组织演进、政府变迁、个人选择，一层一层地铺开来讲。最后落到一个不太轻松的结论：未来的世界会在两级分化的杠铃上分裂，要么成为放大 AI 的高手，要么成为完全自动化的中位生产者，中间地带最危险。
这是一篇值得读得慢一点的整理。
Rewired 这个社群名字本身就是答案——重新连接，应对一个被 AI 重新组织的世界。
Indigo 把这一站特意安排在温哥华的 Tesla 展厅，不是巧合。来的人基本都是 Tesla 粉丝、Tesla Holder。换个场地是一种象征：之前的活动都在自己办公室，这次跑到 Tesla 来，是因为 Tesla 在这场分享里不是一个公司案例，而是一个时代美学的标本。
他开场就把场子里的紧张感勾了出来：过去三个月变化非常快，如果不在 AI 行业里也许感觉不出来，但只要你在湾区，焦虑都写在脸上了——"研究员都说自己在给自己挖坟，挖到 2028 年他们都没什么事做了。" 这是一个轻松调侃出来的判断，但背后是严肃的。他点出了核心矛盾：AI 实验室在跑得越来越快，其他行业被远远甩在后面，二者之间出现了一条巨大的 Gap，而 Gap 永远意味着机会。世界已经很乱了，要重新组织起来，所以社群的名字叫 Rewired——重新连接的社群。
未来三到五年，绝大多数 AI 应用都会被基础模型直接吃掉；要么投得更深（Infra、Robotic、Defense、Science），要么投得更"端到端"（全栈 AI 公司），中间的纯应用层是死亡谷。
他先简短回顾了自己的来路：微博出来的、Web 2.0 时代的人，孵化和投资过 Airwallex（B2B 跨境支付）、Hostex 等公司。2021–2022 年开始投 SpaceX，2023 年成立 Brilliant Phoenix 基金，进入了一期、二期。最有代表性的是 Anthropic——2023 年在 140–200 亿美元估值时进入，"可惜后面没有追加，有追加就好了"。因为这家公司之前一直默默无名，最近才火起来，估值一下子和 OpenAI 齐名了。除此之外，基金还投了：Crusoe（Neo Cloud / AI Factory）、Apptronik（机器人）、PsiQuantum（光量子计算）。
接下来的判断是反直觉的：他几乎不投 AI 应用层。
"我们还是投 AI 的 Infra 和 AI 驱动的 Science、Robotic 和 Defense，这三个主题。因为我觉得这三个会更快……前面的所有 Apps 都会被模型吃掉，都会被模型吃掉。"
逻辑很硬：模型每升一代都会顺手把一批应用层公司碾碎。"昨天 Anthropic 刚刚把 Figma 给扫了，一个工程就把别人干了。" 能存活下来的只有两类：要么小到不在模型的射程之内（火力够不到的小公司），要么大到自己就是端到端的全栈玩家（自研芯片+模型+应用，比如 Tesla、Google、NVIDIA）。中间体量的 SaaS 是最危险的位置。
这是整场分享里第一次出现"杠铃"思维——后面会反复出现。
好的设计是精确的科学，不是玄学；美是一种跨学科的通用语言；品位可以训练，并且越来越值钱。
这一段是整场分享精神上的根基，也是 Indigo 自己去年一整年总结出来的关键词——Taste。内容 Based on Paul Graham 2002 年那篇《Taste for Makers》，但加入了大量自己这两三年的案例。
第一个直觉：品位不是个人偏好。
"如果品位只是个人偏好，那'更好'就不存在了。"
任何人都可以定义自己的"更好"，但这个世界里确实有一些事物比另一些更好——更高效、更对称、更精准、更简洁。品位的训练，就是去发现所有工作中那种共同的"美"。
第二个直觉：美是一种通用语言，跨界共词。
最优雅的数学公式（E=mc²）、最高效的工程结构、最精准的构图，背后是同一种东西。Transformer 这个架构本身就很美——它简单，注意力机制简单，表达方式简单。"如果说有下一个能够替代 Transformer 的更新架构，它应该也是很优美的。"
他还顺势讲了为什么意大利人——尤其是佛罗伦萨人——做设计特别厉害：从小的美学训练。文艺复兴就是从那里开始的。这种品位训练是可以传递、可以习得的，不是天赋。
第三个直觉：好的设计揭示事物的本质，且必须迭代而成。
很多人误以为第一次发明的东西就是最优的，其实不是。"就像苹果的设计一样。" 真正好的产品都是迭代出来的，第一版往往笨重复杂，是因为人对底层物理理解还不够通透——理解通透之后，设计会自然趋近简洁。
他把这个原则应用到 Tesla 上，这是整段最精彩的部分。
Tesla：物理世界 AI 时代的 iPhone
Indigo 给出了一个非常清晰的类比：
"Apple 是个人消费电子时代最优雅的一家公司，软件硬件完全统一……Tesla 可能会成为智能时代或者太空时代——如果说 EV 电动车只是序章而已——最 Elegant 的一家公司。它自己解决所有问题，端到端解决所有问题。"
在物理世界的 AI 时代里：
他特别提到 Raptor 引擎从 1 代到 3 代的进化——"越来越 Elegant、越来越简单"——验证了"所有好的设计，会越来越简单，会越来越漂亮"这个原理。
他甚至顺势抛出一个比喻：人类最终发明的电子设备，可能会简单到像刘慈欣笔下三体人的"水滴"——所有东西都塞在一个最优雅的晶体结构里。"大自然其实已经给我们设计好了最优雅的结构，我们只是慢慢地用一些很丑陋的工业方式，向大自然致敬而已。"
这段话不只是审美抒情，它是后面所有结论的隐喻基底——简洁、端到端、优雅，是判断一家公司是否在正确轨道上的元尺度。
AI 时代的最大特点是结构性机会到处都是，但要分清三个层次——事件层（基本是噪音）、结构层（信号）、解释层（最深层、最慢、最致命）。
这是一段方法论。Indigo 分享了他自己设计的判断框架：把每天的信息流分成三层。
事件层（大部分是噪音）：川普的行政令、各国摩擦、股市每日波动、推文政策——基本上"特别是川普周末发的东西，你把它当噪音看就好了，你要是按照那个来炒股，会被炒死。"
结构层（信号）：会真正改变行业格局的东西。他举了三个正在发生的例子：
第一，国防体系在重构。伊朗的低空无人机让 Patriot 这种传统防御体系暴露弱点，美国、乌克兰、以色列都在升级反无人机能力。武器升级周期是几十年的事情，这一波不是一次性机会，而是结构性的长周期重置。
第二，数据中心 + 能源 + 太空的连锁反应。"美国现在 40% 的在建数据中心都在被反对、被驳回了。" 居民抗议、地方政府否决、电网吃紧。Elon Musk 的 xAI 数据中心干脆把 Tesla 电池运过去自己发电——临时解法。但更深的连锁是：地面不安全（俄乌冲突里数据中心都在被轰炸），那么太空数据中心的可行性就会被重新认真讨论。SpaceX 上市预期叠加这个趋势，太空领域会变得很热。
第三，半导体把软件的 Margin 全部吃掉。这是他在湾区那站后专门补充进来的结论。
"半导体会把软件的 Margin 全部吃掉。这是我第一个结论。所以半导体现在非常强势，软件非常弱势。股市上已经给出信号了。而且它还会更强，软件会更弱。这个趋势会持续到所有的软件只变成 Infra 了之后，没有逻辑层软件的，这个转换才会停止掉。"
Workday 已经被深度抛售，中等体量的软件公司都在被市场抛弃（拿 Workday 举例子因为现场有位来自 Worksday 的同学）。
解释层（最慢，但威力最大）：新物理定律、新生物学发现、新科学范式。这一层平时几乎不动，但一旦动了，就会反过来推翻上面所有层。AI for Science 正在加速这一层——核聚变、量子比特稳定性、生物材料合成——一旦在两年内某个方向出现真正的突破，整个行业会被"重新推倒"。长期投资必须从解释层往上反推，而不是从事件层向下追噪音。
软件市场只有 1 万亿，劳动力市场是 80 万亿。AI 不是上一轮互联网的延续，而像电力时代——它要重写的是全部的人力分工，而不只是某种生产工具。
他用了一个非常关键的历史类比：电力发明之后，整整 20 到 30 年企业效率没有提高——因为大家"用法不对"，只是把电机替换原来的蒸汽机，没有重组生产流程。直到福特把自动化生产线发明出来，电力才真正重塑了工业，也才催生了 30 年代的大萧条。
"我们现在 AI ChatGPT 比如说三年吧，五年，我们还没有自动化生产线，这个东西都还不存在……现在只是刚看到一点端倪，2026 年 AI 能够这样工作了，Agent 能够这样工作。后面大规模自动化再来的时候，那就是组织全部解体。"
随之而来的，是他对就业时间表的一组锋利预测：
"现在这点抛售才只是前菜，整个市场会产生很大的一个调整。"
他做了一个不轻松的对照：1930 年代的大萧条，是工厂工人被流水线替换；这一次，是趴在电脑前的白领被替换。"过去 30 年白领，在做电脑前面，你真的没工作了，那就是大萧条。" 但和上次不同，现在政府有央行、有救济机制、有 UBI 工具，可能不会演变成全球性战争。他给出的真正下跌时间点是：可能在 2027 年。
这一段他罕见地用了一句黑色幽默：
"当然大家如果准备好资金，可以做空人类，就能赚钱。"
把 AI 时代的投资版图分成五个垂直层次——能源/材料、算力基建、模型/全栈、应用、前沿探索——并按 2026–2029 年的时间窗口决定权重。
Indigo 把他这一年实践下来的投资框架画成一个分层结构，命名为 Rewired Index。重点配置在底部三层。
第一层 · 能源与材料（最底层）：核电、稀土、金属。"在稀土上面，还有一些机会的。"
第二层 · 数字资产与基建：NeoCloud（Crusoe 这种 AI Factory）、数字金融基础设施、Bitcoin。注：Bitcoin 现在因为资金被 AI 吸走，短期表现一般，但长期没有问题。
第三层 · 全栈 AI 公司（核心层、压舱石）：Tesla、Google、NVIDIA、Anthropic 这种从自研芯片→模型→应用全做的公司。Tesla 把"应用"直接交付为电动车和机器人，没有走软件路径；Google 全部交付软件。
第四层 · 应用层：自动驾驶、AI 制药、先进制造。先进制造在美国正变热，因为美国本来没什么制造业。
第五层 · 前沿探索：量子计算、太空。最长周期。
按时间分配：2026–2029 这几年，重点应该都在前三层（基础模型、算力工厂、基建），少量布局机器人、Defense 和已有成熟商业模式的 AI 应用。 如果你只把注意力放在第四层 App，多半会被前三层的扩张碾过去。
他还讲到 Rewired Index 已投的若干案例（私募市场可见的趋势）：AI、太空、国防三大主题之外，还有一些金融基础设施和极少数 AI 应用（Harvey、Lovable、Eleven Labs）。"AI 应用特别少。"
Tesla 是物理世界 AI 时代最优雅的全栈公司；Elon Musk 的方向几乎全部正确，但低估了社会适应的摩擦力。
这一大段是分享中信息密度最高的一节，Indigo 把他对 Tesla 的看法摆得很全面：
业务结构：硬件 Margin 薄、竞争激烈，真正决定股价上行空间的是两件事——FSD（Full Self-Driving）订阅、Robotaxi/Cybercab 运营。MegaPack 储能业务被市场严重低估，是高增长高毛利的隐藏引擎。Optimus 机器人从 2021 年的"演员套装"到 V3，迭代节奏在加速。Cybertruck 在他看来甚至像是为月球和火星设计的车——上去机器人就能直接干活、采矿。
对 Elon 的判断（用 David Deutsch 解释层 + Braudel 长波框架）：
他甚至顺势谈到 Apple——Apple 错失了消费电子时代到 AI 时代的过渡。Apple 的所有电子设备都堆叠到一个 OS 上，但 Tim Cook "可能不一定能做这个事情，但 Apple 现在错失了 AI 时代的机会"。Apple 现在几乎没有真正自研的 AI 模型 (云端 + 端侧) 能拿出手。这是 Tesla/SpaceX 阵营的机会窗口。
他也顺手回顾了那本《奇点临近》（Ray Kurzweil）——预言时间是 2045 年，Indigo 翻译过那本书。"2045 年我们就完全这些事情全部躺平、全部就解决了。" 我们这一代人，按"每多活一年就能延长一年寿命"的乐观推算，只要活过 2032 年大概就能赶上这趟车。
他还推荐了一款叫《戴森球计划》的中国独立游戏（重庆团队做的）——把整个文明走向 II 级、III 级文明的产业链都演练了一遍：从挖矿→生产线→芯片→新智能→防御系统→星系级扩张。这种科幻感不是空想，而是这套投资框架向远端延伸的自然结果。
从面向文件的编程到面向 Agent 的编程，软件的"逻辑层"在消失，但"基础设施层"在爆发——Agent OS 会催生一批全新的软件公司。
这一段是 2025 年 10–11 月 Claude Opus 4.5 出现之后整个产业链的真实变化。Indigo 把它直接称为"结构性变化"。
编程范式从 Cursor → Claude Code 切换：以前是面向文件改代码（Cursor），现在是面向意图驱动 Agent（Claude Code），用户根本不关心代码本身的样子，只关心结果。
"软件没有死，但是软件的形态变了。原来的逻辑层在消失，但是基础设施层（Agent Harness）在爆发。"
他举了两个明确推荐的公司（明确说"我没有推荐股票"）：
"你可以把现在的语言模型想象成电脑里面的 CPU，但是主板、机箱、内存都得有人做，还有接线的东西都得有人做，最终包成一个产品给人用。"
面向模型编程（Programming for Models）这个新概念也在这一段被点出来：
"现在耗的内存没关系，下一代模型上了之后，把程序给你改了，内存节省了。所以说我们就是面向模型编程。我现在先把它做出来，然后我等半年之后或者一个季度之后，模型升级一个新版本，模型把这个代码给我重写一遍。你只需要现在把你现在的对话记录保存下来就好了。所以说现在很重要的，你的 Prompt 资产，是最重要的东西。"
这是一句颠覆很多老程序员直觉的话——你跟 AI 的所有对话记录，比你写过的代码本身更值钱。"未来没有静态的系统，都是动态的，永远都是动态的系统……我们用的软件都是一个概率系统，如果你想 100% 确定，那你就让概率系统去调用那个 Harness（中间那一层代码层）就好了，剩下的全部都由 AI 来做。"
信息路由——统治了人类社会 2000 年。到 19 世纪有了普鲁士军团这个'军团式管理'是最发达的时候，二战、一直到现在，组织都是这样子的。那么现在的破局点就是：系统具备了全盘的协调能力。一个 AI Agent，它在中间，它能够领导所有的事情。
Jack Dorsey 的那条短视频给了一个标志性瞬间：他试着让公司 6000 人直接给他汇报，中间的协调全交给 Agent。Indigo 觉得 Elon Musk 接下来一定会做同样的事情——以他现在的精力，所有人都直接向他汇报，中间由 Agent 做翻译和分配。
最终决策者甚至可能不是人：
"因为我的意图是要公司赚钱，让我跟 AI 说'你让我公司赚钱'，这个东西就是一个特别牛的——可能是以后你找 Claude 和找这种公司，租一个 CEO 级别的模型……你就给他一个考核：你今年要帮我，目标是 300 万美金。"
随之而来的是公司结构本身的二元化——一个公司只剩两种核心模型：公司世界模型和客户世界模型。Palantir 用 FDE（Forward Deployed Engineer，前线部署工程师）模式做的事情，本质就是替大组织建公司世界模型。Anthropic 让 Claude Code 进企业本质也是这件事。Indigo 提到自己以前做微博时一直想做"一种 Agent 驱动的、用来管理整个客户社群的 SaaS / CRM"——"现在还没人做。"
人将退到组织的边缘：
"当智能回归了中心，中间的 AI 协调之后，那人干什么？人就去边缘地带了。人就干——直觉、文化、信任博弈、谈判、伦理道德判断。我们人就做 Social，人就只干一件事情 Social。"
他甚至把这套判断带回了对孩子的建议——孩子刚上大学，他给的选学校标准是："什么专业无所谓，选 Location，这个 Location 有最好的 Network，然后这个学校最 Social，教授都很活跃。"
联邦政府智商正在变低（人才都去硅谷创业了），但一旦某个国家的政府率先用 AI 接管核心职能，其他国家会被迫跟进；这套替换会从国防→社保→经济规划，一步步推进，可能比企业转型还快。
这一段算是整场分享里最大胆的预测。
"我觉得现在我们所有的政府，北美的、包括欧洲的政府的智商变低了，因为优秀的人才都不去政府了，优秀的人才都去硅谷了，都去创业中心，都去赚钱去了。它不像二战之后政府很厉害——那个时候打仗，最好的人才都给政府服务，美国才有了 DARPA、NASA。你现在 NASA 根本赶不上 SpaceX。你看他做的那个宣传片发火箭，Artemis 那个就像八十年代的宣传片发出来。"
这其实是把"创造者品位"那一段的判断带回来了——一个组织的审美水平揭示了它对底层物理的理解水平。Artemis 和 SpaceX 的视觉差距，本质是组织能力的差距。
他给出的政府演化路径：
"可能我们的政府的变化比企业还快。"
"一旦一个政府这样做了，其他政府又要效仿……欧盟不吓死了吗？……中国政府也会这样的。"
由此他衍生出对未来公司形态的科幻式描述：政府发"特许经营牌照"给个人和企业，拿到牌照的人才有资格租用 AI 模型和机器人公司，并且必须雇用一定数量的人类。其他人靠 UBI 或娱乐生活。
AI 重组之后，公司里只剩三种值得长期投入的角色——垂直专家、跨领域协调者（挖坑的）、Player Coach（教练）。
Indigo 把未来的人才地图直接说得很清楚：
"组织就很简单了，没有各种职位 Title。"
这三种角色的共性是它们都不是被 AI 取代的——它们恰恰是和 AI 互补的环节。垂直专家的直觉、协调者的沟通信任、教练的人际传递，都是 AI 在 2026–2029 这个窗口内最难胜任的部分。
这也是 Indigo 自己做 Rewired 社群的真实目的——不是做企业，而是做一个 Community，让大家提前进入这三种角色之一，"先了解 AI，然后还有可以帮企业去做 Agent 的部署。"
AI 不是平权工具，而是极端放大器；未来世界会在杠铃的两端聚集，中间是死亡谷。
他先做了一个非常精确的描述：AI 是一面镜子。
"你怎么用它，它就更像你。你问的问题很傻，它就很傻；你问的问题很好，它就很好。因为它是按照你的这个平均水平——它是一个回归均值的模型。你一旦触发了它的一些条件的时候，它就很聪明；你总问得很傻的问题，它就很傻。所以高手就能把 AI 用得很好。"
由此分化出两端：
杠铃左端：把 AI 用得最好的高手——最强的创业者、最强的律师、最好的创意人、最有结构的研究者；他们会被 AI 放大成 10 倍乃至 100 倍生产力。
杠铃右端：完全自动化的中位生产者——比如自动化律师事务所，公司注册、合同起草都不用人，"不用什么人做的，都是由自动化的工具，你先不用找律师了。"
死亡谷就在中间：
"你没法掌握 AI，你又没法让 AI 全自动化，那你就是死亡谷，就要玩完，所有公司都玩完。"
"这一次重构，不会有官方宣告，但我在宣告。"
更重要的是，他明确指出转换比想象的更快：客户对自动化服务建立信任，平均只需要"两三次账单"——也就是几个月、最多两三年——一旦发生，转换是雪崩式的。
整场分享的真正落点也就在这里——你来听 Rewired 社群分享，是因为你不想留在死亡谷里。要么成为 Vertical 打通者，要么成为 Coach，要么成为最早把 AI 资产化的高手；中间路线没有出路。
这套框架在不同时间尺度上呈现出的一致性——它们不只是一组观点，更像是同一个底层宇宙观的不同切片。
第一，"美 = 简洁 = 揭示本质"这条线，几乎贯穿全场。从 Transformer 的优雅、到 Tesla Raptor 的迭代、到 SpaceX 与 Artemis 火箭的视觉对比、再到联邦政府的"智商下降"——Indigo 实际上在用同一把尺子在量公司、组织、国家：你的设计有没有趋近本质？如果还在变得更复杂、更冗杂，那大概率是你对底层物理的理解还不够通透。这个框架的强大之处在于，它不需要你看财报，只需要你看这家组织最近一年发布的产品形态——简洁度本身就是信号。
第二，他在悄悄讲一个人类历史上罕见的"反层级化"故事。罗马军团式的层级管理统治了 2000 年，是因为信息只能通过中层一级一级路由。Agent 出现之后，第一次有了一种新型协调器，可以跳过中层、把意图直接转化为分布式执行。这件事的影响远不止 Meta 扁平化——它意味着，未来五到十年我们会看到大量传统组织的"中层"（管理者、协调者、流程岗）整层消失。社会结构、政治结构、教育体系，都将被这个新协调机制重新塑形。Indigo 给孩子选大学的建议——"选最 Social 的"——其实是这个长波趋势的一个非常具体的应用。
第三，"做空人类"这个玩笑话背后是认真的命题。如果你相信他对 2026–2028 年时间表的判断，那么过去 30 年构成中产阶级安全感的几乎所有东西——大学文凭、稳定的白领岗位、阶梯式晋升、年功累积——都会在两三年内失效。重要的不是焦虑，而是认真地问自己：我现在每天做的事情，五年后还有人付钱吗？如果没有，我应该怎么把自己迁移到杠铃的某一端？这是一个比"AI 焦虑"严肃得多的问题，它要求你把整个职业生命周期重新规划一遍。
第一，所有 Apps 都会被模型吃掉，存活的只剩两端。要么小到不在模型射程之内，要么大到自己就是端到端的全栈玩家。不要把钱和时间放在中间体量的纯应用层。
第二，半导体会把软件的所有 Margin 吃掉，直到软件全部变成 Infra。这是当前股市表现背后的结构性原因，也是未来 2–3 年最可靠的投资信号。
第三，AI 不是工具，是劳动力市场——80 倍的 Gap。这一次的变化和电力时代同等量级，不是互联网式的延续。所以投资和创业都要按 80 万亿美元的劳动力市场来重新建模，而不是按 1 万亿美元的软件市场。
第四，最值钱的资产是你的 Prompt 资产。代码可以由下一代模型重写，但你跟 AI 的对话记录、你提取出的意图、你训练好的工作流，下一代模型上来时会被自动放大。从今天开始把这些当资产存好。
第五，准备成为杠铃两端中的一端——要么成为 Vertical 打通者、跨领域协调者或 Player Coach 这三种新组织角色之一，要么成为完全自动化服务的提供者。中间的死亡谷，不会有官方宣告，但雪崩在悄悄发生。
"这一次重构，不会有官方宣告"
2026-04-07 15:08:18
本期邀请课代表立正（孙煜征）回归对谈。我们从 AI 带来的真实焦虑聊起——效率提升十倍，为什么反而更累了？为什么只用 ChatGPT 聊天永远解锁不了 AI 的生产力？Agent 的三大核心能力如何改变工作方式？Skill 为什么正在取代 MCP？大公司、AI 创业公司、传统中小企业，谁才是 AI 时代的赢家？当 AI 能复制你的技能，人的价值在哪里？我们聊到了组织变革、劳动力市场的结构性转型，最终落在一个浪漫的判断上：AI 不是工业革命的延续，而是第二次文艺复兴——成为自己，才是这个时代最大的护城河。
Apple Podcast & Spotify 播客｜ 小宇宙播客
嘉宾
课代表立正（孙煜征） - Superlinear Academy 创始人，康奈尔经济学博士、曾任Meta / Amazon / 腾讯数据科学负责人。
时间戳
关于课代表立正的「AI Builders」课程
AI Builders 是由课代表立正和鸭哥两位藤校博士主讲的 Top AI 课程，已经持续更新两年多，迭代12期，在Maven 上评分 4.9/5，累计学员3000+。
课程承诺一次购买，终身更新、终身答疑、终身社区。
解锁《INDIGO TALK》播客专属福利：
🔗 免费进群围观（开启终身 AI 学习计划）
🔗 编程入门课（0基础上手，萌新首选）
人民币折扣码 INDIGOAI（¥409 → ¥249）
美金折扣码 INDIGOAID ($59 → $29）
🔗 主课 Bundle（全维度系统进阶）
人民币折扣码 INDIGO（¥7345 → ¥6745）
美金折扣码 INDIGOD （$1048→ $948）
这是一场关于 AI 时代个人与组织如何自处的深度对谈。Indigo 与课代表立正（孙煜征）——康奈尔经济学博士、前亚马逊/Meta/腾讯资深从业者、现全职经营万人 AI 社群 Superlinear——从各自的真实体感出发，聊到了一个核心命题：当 AI Agent 能复制你的技能并自主完成任务时，人的价值究竟在哪里？ 他们给出的答案出人意料地浪漫——AI不是工业革命的延续，而可能是第二次文艺复兴的序曲。
AI 让你更快了，但并没有让你更轻松——效率提升带来的不是解放，而是更多的工作量。
对谈从一个非常真实的感受切入。Indigo 坦言，从 2025 年 11 月到 2026 年初这几个月，AI 的能力飞速发展——Claude Opus 4.5 的发布、Claude Code 和 Agentic 工作流的成熟——让他觉得"一下子把很多之前没法做的工作都能串起来做了"。Code 的能力加上 Agent 的执行能力组合起来，使用得当可以带来十倍速的提升。
但十倍速的代价是什么？Indigo 说出了一句扎心的话："我因为速度变快了，我就更累了。" 这正是经济学中经典的杰文斯悖论（Jevons Paradox）——当某种资源的使用效率提高时，人们不会因此减少使用，反而会因为成本降低而大幅增加使用量。你的成本下降了，你能干的事更多了，然后你就更累了。
课代表对此深有同感。这不是个别现象，而是所有深度使用AI的人都面临的困境。效率的提升不会自动带来悠闲的生活——它只会重新定义"正常"工作量的基线。
如果你和AI的交互仅限于聊天窗口的问答，你永远无法真正解锁 AI 的生产力。
课代表抛出了一个颇具争议的主张："想用好 AI 的第一步就是要戒掉ChatGPT。" 这并不是说 ChatGPT 不好，而是说纯聊天式的交互方式本质上就是一个受限的交互模式——就像汽车刚发明时，英国法律要求每辆车前面必须有一个人举着旗走在前面引路。车明明已经可以跑很快了，非要一个人在前面领着走，当然跑不快。
Indigo 的观察更为细致。他发现大约 90% 的人把 AI 当搜索引擎或问答机器用——聊一两轮就走了，得到一个简单答案就结束了。可能只有 5% 的人会想到"我有很多任务，能不能让 AI 帮我做一下"。
这个门槛看上去很低——下载 Cursor 或 Claude Code，告诉它你想做的事情，发现它真的帮你做出来了，门槛就跨过去了。但实际上，大多数人跨不过去。原因很简单：大家天然对编程有恐惧感，看到命令行界面脑子就炸了。课代表说得很通透："只要跨过去的人都会觉得，哇，原来这个门槛这么低。但是没跨过去的人就会觉得，哇，这个门槛好高。"
Indigo 自己就是一个有趣的案例。他以前做过编程，对命令行界面没有任何障碍，但因为日常工作不需要写代码，之前用 Claude Code 不多。后来他发现，用 Claude Code 不一定要写代码——让它帮做总结、写文章，在一个工作目录里面操作，效果反而比纯聊天好得多。但他也指出，"很多人连工作目录的概念都没有"——只知道电脑桌面，桌面上乱得一团糟。手机用久了之后，这个概念更加稀薄了。
Agent区别于ChatGPT的核心在于多步决策、自我迭代、调用工具——所有后续的发展都是围绕这三个能力在深化。
课代表从头梳理了 Agent 的发展脉络。2024 年底是Agent大爆发的时候——Devin 率先出场，Cursor 紧跟推出 Agent 模式，Manus 后来被 Meta 高价收购，Lovable 等工具层出不穷。整个 2025 年，Agent 的发展极为强劲。可以说，"AI 真正从一个聪明变得有用，都是靠 Agent 的发展。"
那么 Agent 和 ChatGPT 的核心区别是什么？课代表总结为三点：多步决策、自我迭代、调用工具。因为它可以调用工具来学习和完成任务，而且可以执行很多步，在过程中看到自己做了什么、错在哪里，做得不好时能想一个新方法做得更好。这三个能力让Agent可以完成真正复杂的工作。
从这个角度出发，无论是 MCP（Model Context Protocol）、Skill，还是最新的Harness Engineering 概念，本质上都是在为 Agent 创造更好的环境——让它更好地使用工具、更好地多步决策、更好地自我迭代。"原理从头到尾都没有变，只是大家做的越来越深。"
Skill 本质上就是给 AI 的 SOP（标准操作流程），和老板们给员工写的工作手册没有本质区别。
课代表对 MCP 给出了一个颇为直率的评价。MCP 的理想很美好——用统一接口让Agent 可以调用各种工具。但实际上，MCP 是一个非常理想化的协议，它试图把所有工具都变成上下文喂给大模型，这个过程中有很多不精确、不可控的东西，debug也非常困难。所以后来大家用 MCP 就越来越多地在做"hack around MCP"——绕着MCP 的限制走，而不是走它本来设计的路线。
直到 Skill 出来——一个更精确、更有效的调用方式——很多人迅速扔掉了 MCP 转向Skill。
但 Indigo 对 Skill 的解释才是最接地气的。他把 Skill 比作企业的 SOP，这个比喻一下子就把看似高深的技术概念拉到了每个人都能理解的层面。你开一个餐厅，招一个厨师，SOP 要有吧？进门先洗手，锅怎么放，最后怎么收拾，离开时先关灯再扔垃圾，垃圾扔到哪。这完全就是 Skill。一个做得好的 SOP 是不会出错的——无论任何一个员工过来上岗，跟着这个 SOP 就能把任务完成得非常好。
关键转折在于：以前读这个"入职手册"的是人，现在变成了 AI Agent。同一个手册，给人看也行，给 AI 看也行——但AI看了之后执行得更好、更快。
Indigo 分享了一个生动的例子：他把自己即将出版的新书《真本事：从会工作到会赚钱》喂给 Claude，让它转成一个 Skill。半小时后，AI 就把整本书的原理抽象消化，变成了一个可以辅助工作和赚钱决策的可复用框架。
课代表补充了一个重要观察：不同模型对 Skill 的理解能力不一样。模型越强大、训练得越好，对 Skill 执行得越好。就像招员工一样——同一个工作手册，给聪明的员工你更多要求结果、不会太固定动作，给能力一般的员工你会多固定步骤"必须做12345"。
大公司短期受益于分发护城河，AI-native 小公司效率恐怖但缺分发，传统中小企业将迎来迟到的数字化转型红利。
课代表从业务、人才、组织多个维度拆解了不同类型企业在AI时代的处境。
第一种：科技大公司——短期最受益，但组织效率是软肋。 AI 目前本质上是一个增强型技术（Enhancing Technology），你得有现有业务去增强。Google Search 看似被AI冲击，但其实搜索结果变得更好了，Google Docs、Google Meet、Google Slides都因为AI变得更好了。大公司还有人才储备的优势——课代表的课程给腾讯、1Password、DoorDash 等做企业培训，发现大公司的人在使用 AI 上其实比较深入，思想转变也特别快。腾讯作为世界最大的游戏公司，拥抱 AI 非常深，恨不得所有能用 AI 的都用 AI。但有意思的对比是，美国的游戏公司普遍反对 AI，使用方式还停留在 ChatGPT 复制粘贴。
不过，大公司最终可能面临被颠覆的命运——只是时间线可能是几年甚至更长。
第二种：AI-native 创业公司——效率极为恐怖。 课代表透露，他们在做企业培训时接触到一些非常 AI-native 的公司，这些公司的策略很直接：先给员工培训，能做到"AI Conductor"（AI指挥家）的留下，做不到的全走。他们不要写代码的工程师了——"因为他们觉得代码这个东西不需要真的工程师去写了。" 这样的公司没有历史包袱，结构扁平，人和Agent沟通替代了人和人沟通，效率在局部业务上"吊打大公司"。
课代表用了一个生动的对比：你要么可以开个会讨论产品该怎么做，要么你可以直接把产品做出来——"干嘛要开那个会？"
但大公司有现成的分发渠道（distribution），这是小公司短期内难以逾越的优势。课代表用 Gamma（AI 驱动的演示工具）举例：Gamma 做得再好，也不能在短时间内击败 Google Slides，因为 Google 只要在 Slides 里出一个AI功能，第二天大多数用户都会看到。
第三种：传统中小企业——迟来的数字化转型红利。 这是课代表最有感触的群体。他认识一个亚马逊的 Principal Engineer，辞职后去帮 farmers market 做软件和物流系统。AI 出来后这位朋友非常开心——"我之前能做的东西这么少，现在能做这么多。"
背后的逻辑很清晰：大多数传统企业从未真正经历过数字化转型，因为程序员太贵了。你想做一个有效的数字化管理转型，可能得招十个程序员——哪有几个中小企业负担得起？所以它们只能去买SaaS，共享一个逻辑层。但现在，每个中小企业都可以用AI Agent配一个经过培训的AI Conductor来干这件事，实现自己流程定制化的SaaS。
这意味着 SaaS 市场将被分解——有些可能不存在了，有些往后端 Infra 走了，有些则去赋能那些 AI Conductor。
高价值工作岗位自 1980 年后就一直在减少，AI 加速了这个趋势——但人类总会创造新的需求和新的工作。
Indigo 分享了一个耐人寻味的数据：从美国的研究报告来看，科技进步实际上从1980 年后就在让高价值工作岗位持续减少。只是这些岗位的工资在不断上涨——硅谷程序员从90年代到2000年后赚了很多钱，但整体岗位数量是在减少的。
课代表补充了 Naval（纳瓦尔）的经典论述：代码和媒体是两个最好的杠杆。一方面是自动化完成工作，一方面是传播影响别人。而这一次 AI 带来的冲击在于——这些自动化的工作都不用人来驱动了，AI Agent 能够复制你的技能然后自己完成。那人要做什么？价值更高的工作：抽象、想象力、创作。但这些岗位的需求其实变得更少了。
不过课代表讲了一个很有温度的故事。2018-2019 年在亚马逊的 All-Hands 上，Bezos 被问到是否担心人类未来没有工作。Bezos 的回答是：有一个工种叫"给狗做发型"——你 100 年前跟一个农民说这世界上有这个工作，他肯定觉得你神经病。但现在它是一个高薪职位。人类总是会创造出新的需求和新的工作。
Indigo 对此的态度是：冲击肯定会有，中短期会很大，但长期他是乐观的。他更想指出的是一个底层逻辑的变化——"我们现在的思维模式是被工业时代塑造的，劳动创造价值、提高生产力。我觉得很快我们这个时代就过去了，智能时代不是这样子的。" 意义是什么，比效率是什么，可能更重要。
旧的组织形态是为上一代生产力设计的，新的生产力一定需要新的组织形态。
Indigo 抛出了一个从实践中得来的洞察。他在一个上千人的组织中真实部署过 AI，发现 AI 提效真正面临的是组织结构的问题，而不是工具的问题。
课代表的分析更为犀利。他指出两个核心观察：
第一，大多数企业的问题是"人多事少"。AI 提高了生产力之后，事更少了，但人还是那么多。人多的地方就有江湖——无意义的工作会被创造出来填补大家的工作时间：开会、对齐、计划、review…… 这些都是"创造出来的无意义的工作"。AI 提效之后，这些无意义的工作不但不会被取代，反而会变本加厉——因为没有人愿意承认自己的工作是多余的。
第二，生产关系必须适配生产力。在大公司里，你做一个东西难吗？早就不是了。人可能比事多十倍。在这种情况下，AI 只会让问题更严重。所以很多公司最终会选择一个看似粗暴但有效的方式：裁一半人，然后重新搞。
课代表提出了一个更根本性的观点：我们之前是按技能分工的——你是 PM、你是Engineer ——但现在技能变得极其便宜了，人应该按素质和专长去分工。审美好的去做 Designer 方向的 Builder，数据敏感的去看数据，有 Idea 的去出 Idea——但所有人都应该有 Build 的能力，整个团队要 end-to-end own 一个Product。
工业时代磨平个性，AI 时代释放个性——当生产被自动化，你的个体才是护城河。
这是整期对谈最动人的部分。
Indigo 引出了一个看似残酷的现实：当 AI Agent 替代了你的技能，人留下来的是什么？是 Intention（直觉）、Taste（品味）。用品味和直觉来划分人——这有点像DNA一样，有人天生审美好，有人天生数据敏感。
但课代表给出了一个完全不同的视角。他说："我觉得这反而是一个回归人性的点。" 工业时代做的事情是什么？是把人的个性全都磨平，然后全都去打螺丝——全都是标准件，每个人都可以互相替换。一个 Designer 和另一个 Designer 可以互相替换。使劲分工，使劲标准化。
但在 AI 时代，这个逻辑彻底反转了。你的底子差，出来一个"特别丑的东西"，说不定正好找到一堆喜欢这种特别丑的东西的人。这不是标准的好或不好——这是个性表达。
课代表用一个非常浪漫的类比把这个逻辑推到了极致——他把 AI 看作第二次文艺复兴。
第一次工业革命的整个体系，就是把生产尽可能标准化、流水化，从而最大规模地生产一模一样的东西，然后找最大的市场。要实现这一点，就必须抹平人们对需求的个性化要求。SaaS 也是同样的逻辑——一堆程序员写代码，给很多人用。
但现在这个逻辑都变了。每个企业都可以有自己的 AI 帮它写的软件，输出面向不同人群的、设计各异的东西，去匹配各种各异的人。完全定制化的时代到来了。
"我非常 hope 20 年后的世界会非常的丰富多彩。然后我们 20 年之后回看今天，我们会觉得——那个时候的世界非常的无聊，非常的平庸，充满了对个性的泯灭。"
这是一个极其乐观的判断：当生产被自动化的时候，分发是护城河，你的个体才是护城河，你成为自己才是护城河。
当 AI 在共识上做到极致时，只有非共识的东西才有价值——而社群正是非共识和人感的栖息地。
对谈的最后一个话题聚焦在社群的价值上。课代表的社群 Superlinear 刚发布了独立APP，拥有超过一万名成员，其中大量是硅谷大厂的核心技术骨干。
课代表提出了两个关于社群价值的深刻洞察：
第一，社群不受算法统治。在任何上了规模的平台上，哪怕买菜，Uber都要用算法推荐。算法有算法的偏好，但那不是人的偏好。社群里，大家可以摆脱算法，个性充分展现。
第二，社群承载非共识。AI 在共识（consensus）上可以做到非常优秀，但共识意味着不值钱，因为AI都能做好。只有非共识的东西——那些所有共识之外的观点和创作——才是下一个时代真正有价值的东西。社群正是非共识的培养皿。
从更现实的角度，课代表认为社群是学AI的最好地方。上一个课上完了，第二天可能就忘了，行为几乎没有改变。但如果身边的人全都在天天学 AI——小王今天用 AI 解决了问题，小李用 AI 干了一件事，小孙分享了一个 AI 见解——"你在这种地方你怎么可能学不好AI？" 社群改变不了你的物理环境，但它可以成为这样一个地方。
Indigo 把社群的价值上升到了更高的维度。他认为在 AI 越来越发达的世界里，人感（人的存在感和连接感）将变得越来越稀缺。Agent 越多，人类越稀缺，人感越稀缺。你每天一定要找到一个能够刷存在感的地方——不然人生就没有价值和意义了。
他在自己的社群里就能感受到这种人感——一个焦虑但一直在行动和分享的大叔，一个真实脆弱但充满动力的女生——这些人他都没见过，只看过头像，但人感扑面而来。
Indigo 甚至做了一个大胆预言：未来 3-5 年，AGI 诞生前后，小型社群将大流行。这不是因为社群是一个好的商业模式，而是因为人需要一个地方被连接在一起——"提供一些避风港，我们把一些人给连在一块，提供这种避风港。"
课代表最后分享了一个动人的个人故事。2023 年他写了那篇著名的"关于 ChatGPT 最重要的五个问题"之后，意识到自己的数据科学工作不会存在了。他第一反应不是焦虑，而是去想"什么工作会存在"。他甚至跟深圳一个餐厅老板谈好了技术转让、准备好了资金、跟家里都说了要开餐馆。后来一位朋友劝他，餐厅很难做出真正的差异化。于是他转向了社群——"在 AI 时代，有什么东西是 AI 拿不走的？有什么东西是很难被取代的？有什么东西有它的个性存在价值？社群就是其中之一。"
这期对谈表面上在讨论 AI 工具和技术趋势，但真正触及的是一个更深层的哲学命题：当机器接管了"做事"，人的价值就必须从"做事"之外去寻找。这不是一个悲观的结论——相反，它可能意味着人类终于有机会从工业时代"打螺丝"的宿命中解脱出来，去追求真正属于个体的东西。
值得注意的是，Indigo 和课代表都不是纯理论派——一个在温哥华做投资和中小企业 AI 落地，一个在硅谷运营万人社群和企业培训。他们的判断来自每天和真实的人、真实的企业打交道的体感。当两个如此深度参与 AI 实践的人同时说出"成为自己才是护城河"这样的话时，这不是鸡汤，而是经过检验的观察。
关于使用 AI： 停止把 AI 当搜索引擎。下载 Cursor 或 Claude Code，告诉它你想做的事，让它帮你做出来。跨过这个门槛，你对AI的理解将彻底改变。Skill 就是给 AI 的 SOP——你已经会给员工写工作手册了，现在把读手册的"人"换成 AI Agent 就好。
关于职业发展： 不要再问"AI 会不会取代我的工作"，要问"什么是 AI 做不好的"。答案是：非共识的创造、人与人的连接、品味与直觉的表达。未来的关键角色不是程序员，而是 AI Conductor——能编排多个 Agent 持续工作、推动业务的人。
关于企业战略： AI提效的最大障碍不是工具，是组织架构。旧的组织形态为上一代生产力设计，新的生产力需要新的组织。传统中小企业将迎来史上第一次真正的数字化转型机会——因为程序员不再昂贵了。
关于人生意义： 当生产被自动化，分发是护城河，个体才是护城河。工业时代磨平个性，AI 时代释放个性。找到你的社群，保持你的人感，成为自己——这可能是 AI时代最重要的生存策略。
