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。
2026-03-26 11:38:49
这期 Indigo Talk 邀请了 ArcBlock 的创始人老冒（@mave99a），一位在软件行业深耕二十多年的硬核工程师。他坦言 AI 编码能力已经全面超越人类，并在公司强制推行"零人类代码"规则。对话深入探讨了 AI 时代的编程方法论——为什么应该告诉 AI 你要什么而不是怎么做，为什么传统的 CI/CD 和 Code Review 正在失去意义，以及为什么后端比前端更容易被 AI 替代。从一人一产品的团队模式，到 SaaS 行业的颠覆，再到区块链作为 AI Agent 信任基础设施的未来图景，这场对话为所有 Builder 提供了一份来自实战前线的认知升级指南。
Apple Podcast & Spotify 播客｜ 小宇宙播客
老冒（冒志鸿）— ArcBlock 创始人兼 CEO，前微软工程师，2017 年创立ArcBlock，专注去中心化应用开发平台
这是一场让人不断被颠覆认知的对话。老冒，一个在软件行业摸爬滚打二十多年、自认"写代码是一把刷子"的硬核工程师，坦然承认AI在编程能力上已经"把我秒成渣了"。但这期节目真正有价值的地方不在于这个结论本身，而在于老冒从实战中提炼出的一整套与AI协作的方法论——从建筑设计的类比到Intent-Driven Development的提出，从团队重组的实践到对整个软件行业未来形态的判断。如果你是一个正在思考如何在AI时代重新定位自己的Builder，这场对话值得反复咀嚼。
今天的大语言模型在纯粹的编程能力上已经超越了任何人类工程师，这不是预测，而是已经发生的事实。
老冒开场就给出了一个让很多程序员不太舒服的判断。他说自己一直是个"蛮自负"的工程师，觉得编程水平不错，真刀实枪做过无数项目来证明自己。但到了去年，他不得不面对一个"很悲哀的事实"：无论是编程、设计还是整个实现的水平，他已经完全不如 AI。
这个转折点大概发生在 Gemini 3 发布前后。而到了 Opus 4.6 的时代，老冒用了一个很形象的说法："那绝对把我秒了，就是把我秒成渣了。"
更让人震惊的是他在公司里推行的 Hard Rule：过去三个月，ArcBlock产出了大量代码，但人类写的代码是零——一行都没有。"如果哪一个人还手写了一行代码，手写了一个 Check-in 的 Commit Message，他就有麻烦了，我得去找他。" 这不是一个实验性的尝试，而是一条强制执行的公司规定。
那些还觉得 AI 写代码不如自己的工程师，老冒的态度很直接：that's impossible，那只是因为你用错了，你不会用它。他打了一个千里马的比方——你有一匹千里马但骑不到千里，第一个要想的不是这马不行，而是你自己会不会骑马、马喂饱了没有。今天的 AI Code Agent 也是如此：当输出不好的时候，首先想的应该是"我错在哪里"。
老冒说到一个经典的程序员笑话：软件工程师是最好的 Husband，因为出现问题的时候，他们想的第一句话永远是"我错在哪里"。从当年程序 Crash了找自己的 Bug，到现在大语言模型输出不理想时反思自己的指令——这个思维习惯其实是一脉相承的。
AI Code Agent的架构能力已经是"神般的存在"，但要让它做出一流的作品，你自己得有品位。这就像造房子——你不需要知道怎么设计，但你得有审美。
这一段是整场对话中最精彩的类比之一。老冒用 Indigo在 温哥华的房子举例：砖头水泥混凝土玻璃钢，材料就那些，但为什么有的房子一看就有Taste，有的土豪砸了更多钱却一看就没品？区别不在于材料和施工，而在于业主的审美和设计师的理解力。
软件架构也是同样的道理。老冒说，今天的 AI 用最好的模型（比如 Anthropic 的Opus 或 Codex），从变量命名到代码格式，到 Design Pattern 的使用，都是"非常优秀的水平"。但如果让它做系统架构层面的设计，那就"不仅仅用优秀"来形容了——"他是一个神般的存在"。
但这里有一个关键的前提条件：你得触发它。
就像一个顶级建筑设计师，他什么风格都懂——Contemporary、Mid-Century Modernism、Modern Farmhouse——但如果你什么都不说，他只能给你一个平庸的方案。当你告诉他"我不喜欢 Contemporary，太像水族馆了，我要 Mid-Century Modernism"的时候，他脑子里的画像瞬间就出来了，地中海式的、农舍风格的全部被过滤掉，精准匹配到你要的东西。
Code Agent 也是一样。你只要在 Prompt 里写上"我要写的代码需要风格优雅"，它就能在高维空间里把"优雅"映射成具体的代码风格。如果你什么都不提示，完全有可能写出面条代码。提到 Design Pattern 的时候，老冒特别强调："他用 Pattern 的能力是远大于人为的。"
这里老冒引入了一个非常有洞察力的解释：大语言模型本身就叫 Transformer——"我们就是干变形的，我们就是干风格迁移的。"它的工作方式本质上就是把一种维度升维、然后迁移到另一种维度。自然语言迁移成代码语言，一种风格迁移成另一种风格。只要训练数据足够，这个匹配可以非常精准。但你得告诉它：我想从A到B，这个A和B是什么。
当前流行的 Spec-Driven Development（SDD）是一个误入歧途的方向。真正有效的方法是Intent-Driven Development——告诉AI你的目标，而不是微观管理它的执行过程。
这可能是老冒在这期节目里提出的最具争议性的观点。现在 AI 编程圈子里很流行SDD（Spec-Driven Development），就是写一个非常详细的规格说明书，让 AI 按照这个Spec来执行。老冒认为这是错误的方向。
他用了一个 OKR vs KPI 的类比来解释。SDD 就像 KPI 文化——老板 Micro Management，规定你几点上班、销售怎么做、市场怎么弄。如果老板能力特别强，把 Spec 写得极其清晰，也许能挣到钱。但更大的概率是出现"KPI 做得极好，但干的事情没有任何毛用"的窘境。
而 Intent-Driven 就像 OKR——我的 Objective 是什么，Key Result 是什么，至于怎么达到，那是执行者的事。"我是个老板，我要赚钱。怎么赚钱？这事我不 Care。你这团队给我把钱挣回来就行了。"
老冒指出了 SDD 的根本问题：今天的大语言模型已经很聪明了，"它不是个牛马"。当一个智商可能不如AI的人类去写非常详细的Spec来指挥AI时，就像一个不那么聪明的老板在 Micro-manage 一群比他聪明的员工——那些员工（AI）会困惑："老板怎么这么愚蠢？"
但老冒立刻补充了一个深刻的洞察：在大公司里，员工觉得老板愚蠢、老板觉得员工不行，大概率双方都不是真的愚蠢——根本原因是上下文丢失（Context Loss）。一个想法从老板的脑子里分解出去，到了执行者的上下文中，因为大量信息丢失了，看起来就变得"很愚蠢"。
SDD 的问题正是如此：你用人管人的方法去管 Code Agent，把任务拆得过细，每次拆分都在丢失上下文。而AI本身是一个"超级员工"，比人的能力强100倍，根本不需要你去拆分任务。"你要告诉他我要什么，啪，做完了。怎么做的、怎么拆的，全部都想得一清二楚，比你想的还要清楚。"
Indigo 也分享了自己的实践验证。他在用 Claude Code 的时候有一次让它下载YouTube 字幕并转换成文章，完全没有告诉它具体流程。结果 AI 自己找到了GitHub上最常用的库，测试了哪些字幕可用、哪些不可用，确定了优先级——全部自主完成，而且比Indigo之前想的流程好得多。"如果说我之前还帮他想一些流程，你要这样做这样做，完全不需要。他可能比我想的好多了。"
老冒用一句话总结了这个转变的核心："你要告诉他你要什么，别告诉他怎么做。"
善用 AI 的员工可以拥有 100 倍的产出，但用得不好，破坏力也是 100 倍。传统软件工程的 CI/CD、Code Review 等实践正在被颠覆。
当 Indigo 问到 AI 对团队结构的影响时，老冒给出了一个让人振奋但也让人警醒的回答。
他在公司里推行的原则是把AI当成"伙伴"而不是"工具"——拟人化地看待它。ArcBlock 现在的团队里"有一堆AI和一堆人"。如果配合得好，效率是惊人的：一个善于驾驭AI的优秀员工，产出是普通人的 100 倍，"而且还没有沟通问题"。老冒一个人就相当于有 100 个比他还强的人组成的团队，"就在现在，就是就在跟你说话，就我一个人"，同时有 20 个 Agent 在并行干活。
但硬币的另一面是：一个糟糕的工程师如果用了 AI，他的破坏力也是 100 倍。过去一个差的程序员，因为有 Code Review，因为他本身干活就慢，破坏力是有限的。但现在每个人都能产出 100 倍代码量，一个直接的问题就出现了——代码的 Merge 变成了噩梦。"过去是 10 个接口对接一下，现在是 1 万个接口。过去我改了你 50 行代码，我们讨论一下；今天我给了你 5000 行代码，甚至 5 万行代码，你怎么弄？你根本弄不过来。"
正是因为这种认知，老冒在 ArcBlock 做了一系列"离经叛道"的决定。他在公司 Blog上分享了这些实践，评论的人都觉得"你这个想法非常离经叛道"，因为基本上全部都是软件行业的 Anti-Pattern。
具体来说：他们撤掉了所有的 CI（持续集成），也不再做人类 Code Review。他的逻辑是：AI 写的代码已经经过了内部的自我测试和 Review 流程，几乎不可能出错。你用另外一套系统再验证一遍，结果当然是对的，这有什么意义？只会造成等待，变得更慢。"我的 AI 帮你 Review 你的 AI"——几十个 AI Agent 已经形成了一个自组织的 Team，有的在写代码，有的在做计划，有的在做测试，有的在做Review。
他还提到了每个产品"一人一产品"的模式。这个灵感来自一家叫 every.to 的公司——表面上是科技媒体，实际上是一家软件公司，9 个工程师做了 5 个产品，基本上一个人负责一个产品。老冒第一次看到时觉得"全部都是软件行业的 Anti-Pattern"，但随着自己实践得越多，越觉得"这可能就是最对的"。因为当你自己已经是 100 个 Agent 了，再来另外一个人只会增加协调成本。
程序员这个职业会消失，但人人又都会成为程序员。真正的身份转变是从 Programmer 变成 Builder。SaaS 将被个性化软件颠覆，但大公司反而有更大的优势。
老冒花了很大篇幅来阐述这场变革对整个软件行业的冲击。他的判断出人意料地冷静和辩证。
首先是关于大公司。很多人觉得AI会让大公司被小团队颠覆，就像马斯克说要做一个 Macrohard 来替代微软。老冒认为这只对了一半：代码确实可以被替代，但微软还有大量的企业组织关系、已有的客户资源——这些不是代码能解决的。"从这个角度来讲，对微软这样的公司来说，实际上不是一个威胁，实际上是有更大的优势。"
他用了一个特别生动的比喻来形容这个行业变迁：从马车到重型卡车。历史上从马车到汽车，赶马车的人失业了。但汽车从汽车到重型卡车，赶马车的人也无法直接开重卡——这需要完全不同的技能。今天的AI编程也是如此：不是"马车变成了更快的马车"，而是一种全新的物种出现了。
对于 SaaS 行业，老冒的判断更加激进。他认为会有一个短暂的窗口期，大量"优质价廉的老 Style 软件"涌现。一个一人公司确实可以做出秒掉五年前二三十人公司产品的软件。但这个商业模式不可持续——因为获客成本的增长可能比开发效率的提升还快。"以前市场上就 10 款软件，现在市场上有 1000 款软件。GitHub 的提交数飙升，iOS 的 APP 商店飙升，但你的推广渠道没变多，还变便宜了——实际上变得更差了。"
最终，老冒认为 SaaS 这种标准化软件形态可能会被彻底改变。未来每个软件都是个性化的——"我家里的软件和你家里的软件完全不一样，但它都能满足我们各自的功能"。SaaS 的壳（UI 和 Logic层）会被 AI 生成取代，而 Database 和 Infra 层仍然需要。
关于程序员群体的命运，老冒给出了一个温度很高的观察：关键不是 Coding 水平有多高，而是你对工程这件事有多热爱。"我在过去这几个月的时间里面，我找到了我在大学时代日以继夜写代码的那种感觉，而且比那时候爽得多。" 那些真正热爱软件的人，不管水平高低，都会在 AI 时代如虎添翼。但那些只是因为"软件行业有钱赚"而入行的人，挑战会非常大。
Indigo 帮老冒做了一个精准的总结：过去有 Designer、Programmer 这样的分工，现在统一成了一个词—— Builder。"你不管用什么方法去构建，构建者是一个特别适合这个时代的身份。人人都是程序员，程序员这个职业会消失掉，但人人又都成为程序员。"
社交媒体上流行"前端被干掉了"的说法其实是一种误解。对 AI 来说，设计数据库、网络协议、分布式系统比做网页要简单得多。
这是整场对话中最反直觉的一个论断。社交媒体上经常有人喊"AI 把前端干掉了"，因为像 Gemini 3 这样的模型做前端看起来确实很炫。但老冒的观点完全相反——对今天的 AI 来说，设计个网页其实是最困难的事情。为什么？因为前端涉及到大量的审美判断、用户体验细节和视觉呈现的微妙之处，这些恰恰是AI还不够精准的地方——可控性没那么好。
而设计一个数据库、设计一个网络协议、设计一个分布式系统？"那是比做网页对 AI 来说简单得去了。" 因为这些后端系统有明确的逻辑规则和最佳实践，AI 学习起来更高效、执行起来更精确。所以老冒笑着说："不要说什么前端被干了，后端早就被干的不成样子了。"
同时 Indigo 观察到一个有趣的就业市场数据：2025 年第四季度，美国开放招聘的程序员岗位反而变多了——在第三季度触底之后出现了一个拐角式的反弹。老冒的解释是双向运动：大厂确实在裁掉初级和中级码农，但市场上还有大量中小企业以前想都不敢想能雇一个工程师。"老板买了 3 个SaaS，想搞一个 AI 技能把 3 个 SaaS 组合起来定制化完成业务——之前绝对不敢想的。现在老板说我需要顾问，需要程序员，哪怕不全职也可以。"
也就是说，Builder 这个角色正在渗透到各行各业，帮助传统企业完成定制化的软件需求。
当前的操作系统和文件系统是为人类设计的，AI Agent 在其中是"二等公民"。ArcBlock 提出的 Everything is a Context 哲学和 Agentic File System，以及区块链作为 AI Agent 的信任基础设施，将重塑整个软件基础架构。
对话的最后一部分进入了老冒作为 ArcBlock CEO 的主场——AI 时代的基础设施应该长什么样。
他指出了一个很多人忽视的问题：今天我们所有的 Infrastructure——操作系统、文件系统、开发工具——都是为人类设计的。AI Agent 在其中是"二等公民"。我们需要用 Playwright 之类的工具让 Agent 去读懂人类的界面，需要在文件夹里放 Agent.md来给 Agent 提供上下文——"这些都是一个二等公民干的事情"。
ArcBlock 做的事情是把 Agent 变成"一等公民"。他们发表了一篇学术论文，提出了 Agentic File System 的概念——一个专门给 AI Agent 使用的文件系统。其核心哲学是把 Unix 系统的"Everything is a File"扩展为"Everything is a Context"（一切都是上下文）。这篇论文在圈子里引起了不小的反响，被多个 AI 领域的大V推荐。
但更大的图景是区块链与 AI 的结合。老冒的观点是：区块链在 AI 时代有了全新的、也许是真正的应用场景。过去区块链最大的摩擦力是用户体验太差——钱包搞不定、操作太复杂。但这些东西对Agent来说根本不是问题，"太简单了"。
区块链的核心价值是什么？是 Verification（可验证性）——Don't Trust, Verify。在人类经济中，Trust（信任）是最高成本的东西。区块链通过密码学让验证变得快速和低成本。过去人类用区块链的时候，虽然技术上可以自己验证签名，但绝大多数人（包括老冒自己）从来没真正手动验证过——我们只是"相信程序，相信钱包"。但 AI Agent 可以真的去验证：立刻写一段代码来验证签名是不是对的，全部搞得定。
这引出了最后一个关键议题：AI Agent 时代的安全和信任。老冒提到了 OpenClaw（小龙虾），认为这类给 Agent 开放完整系统访问的工具虽然个人可以玩玩，但团队层面绝对不敢用——"我在Mac Mini上装了一个，就封闭在一个文件夹可以访问就好了，这东西太危险了。" 他甚至引用了马斯克的比喻：这相当于把 AK47 给猴子。
最后，老冒提出了一个贯穿整场对话的终极概念：Code is Law。这个概念最早出自互联网协议设计时代——互联网就是个对等网络，一切靠协议来执行规则。后来区块链把互联网"升级"了一下，加入了交易和价值存储的能力。而在 AI 时代，Code is Law 将用来为 Agent 建立规则和约束。
"过去这几年的 Blockchain 发展，一方面带来了赌场和一些金融的东西，但我觉得更多的是为 AI 时代打下了坚实的基础。" 老冒甚至提出了一个有诗意的观点： Blockchain 是个未来的技术，不小心在 2009 年被比特币带到了人类社会——它的真正使命，也许要等到 AI Agent 时代才能完全展现。
这场对话触及的问题远远超出了"AI编程"的范畴。往深了想，有几个值得持续关注的方向：
第一个是"上下文即一切"的哲学延伸。老冒反复强调上下文丢失是沟通失败的根本原因——无论是人与人之间、人与 AI 之间、还是多 Agent 之间。这意味着未来最有价值的基础设施，可能不是更快的计算或更大的模型，而是更好的上下文管理系统。
第二个是 Builder 经济的制度性影响。当软件开发的门槛大幅降低、个性化软件成为常态，现有的 SaaS 订阅模式、软件版权体系、甚至计算机科学教育都需要根本性的重构。
第三个是 AI Agent 社会的信任架构。当越来越多的 Agent 代替人类做决策和执行任务，谁来保证 Agent 没有被恶意注入？谁来验证 Agent 的行为符合预期？区块链提供了一种可能的答案，但这个领域才刚刚开始。
2026-03-18 14:36:18
没有 PPT，没有脚本，甚至连提纲都没有。这期周末氛围直播的起因很简单——Indigo 的技术搭档 Neethan 飞来温哥华滑雪，结果遇上暴风雪，两个人窝在屋里，聊了两个月来最让他们兴奋也最让他们不安的事：Coding Agent 带来的 10 倍加速，正在改变软件生产的底层逻辑。
话题从杰文斯悖论聊到 Agent Infrastructure，中间穿插了两场现场 Demo——Telegram 接入本地 Claude Code，以及用 Pencil.dev 做 Vibe Design——都是真实项目，现场写、现场跑、现场翻车再现场修。两个小时下来，与其说是直播，不如说是一次关于「AI 到底改变了什么」的即兴对谈。
Indigo（数字镜像博主 / AI 科技投资人）
Neethan（Indigo 技术搭档 / 全栈工程师）
00:00:00 开场 - 周末氛围直播 & 嘉宾介绍
00:04:30 软件工程的杰文斯悖论：中小企业胆子变大了
00:11:00 Agent Infrastructure：为 Agent 而建的新基础设施
00:22:00 写作风格提取：让 AI 成为你的数字分身
00:38:00 实战 Demo #1：Telegram × Claude Code 桥接
00:51:00 插曲：Google DeepMind 论文 —— Agent 协作的未来
01:02:00 实战 Demo #2：Pencil.dev × Vibe Design
01:25:00 Telegram Bot 测试 & 研究能力演示
01:38:00 AI 使用的实用建议：别为了省 Token 用次级模型
01:45:00 软件的第四次进化：从 SaaS 到 AI + Context
01:58:00 总结与未来规划
以下是对本期直播的详细梳理
AI 让编程成本暴降，但软件工程师的需求不降反升。
Indigo 亮出一张 Indeed 的数据图：2025 年下半年起，开放的软件工程师职位数量持续走高。所有人都在喊「AI 要取代程序员」，数据讲的却是另一个故事。
这就是杰文斯悖论——一种资源的使用效率大幅提升时，总需求不降反升。电价越便宜用电量越大，AI Token 越便宜用得越多，软件工程也一样。
真正在变的不是需求量，而是需求来源。 过去一家 100-200 人的公司想做定制化 CRM 或 ERP，得养 10-20 人的研发团队，贵到只能买标准化 SaaS；现在有了 Coding Agent，1-2 个懂技术的人就能干原来一个团队的活。
Neethan 讲了个案例：他们拜访的一家温哥华本地金融公司，老板从来没想过要雇技术团队，现在开始认真考虑自建系统了——成本结构变了。这种事不是个例，采购 vs 自建的天平正在行业范围内倾斜。
裁员确实在发生，但不能全归因于 AI——疫情期间的超额雇佣、Block/Jack Dorsey 裁掉 40% 员工这类激进操作，都是混合因素。Indigo 建议跟踪 Shopify 的 Economy Index，比新闻标题靠谱得多。
说白了，职位名称会变——叫「AI Engineer」也好，叫「AI Master」也好——但需求本身不会消失。更重要的是，大量从未雇过技术人员的企业，第一次产生了软件定制的需求。这不是存量的重新分配，这是增量。
下一代基础设施的用户不是人类，是 Agent。这个市场才刚开始。
Indigo 提出了一个概念：AI Harness——你为 AI Agent 配置的工具集、环境和工作流的总和。这和传统 AI Infra（算力芯片、电力）不是一回事，AI Harness 关心的是沙盒、文件系统、权限管理、API 接口——是为 Agent 搭建运行环境。
软件正在经历一次分层重组：中间的逻辑层和 UI 层会逐渐消失，数据层和基础设施层还在；逻辑层被 AI 动态生成的代码取代，UI 层由 Agent 根据上下文实时渲染。
Indigo 的推理链很简洁：Everything is Software，AI can build all Software，所以 AI is Everything。听起来像口号，但 Claude Opus 4.5 发布后他们真实感受到了编程能力的跳跃——「从使用角度看，是 10 倍的提升」。
不过这种能力分布极不均匀：大概只有 1% 的人在用 Agent 框架，10% 在用付费 AI 对话工具，用户之间的能力差距可以拉到两年以上。Indigo 的原话：「AI is a reflection of the people who use it。」AI 是使用它的人的镜子。
那么问题来了——当 Agent 成为软件的核心使用者，我们要给它们建什么样的基础设施？
把你过去写的东西喂给 AI，它能提炼出你的写作风格，变成一个可复用的 Skill（技能包）。
Indigo 把自己 2021-2025 年写的 10 多篇文章丢给 Claude，让它提炼写作风格。Claude 总结出了 10 条特征：以宏大叙事开篇、精准落点、情绪弧线（好奇→质疑→认知→哲思）、擅用隐喻、始终回归个人视角。
这套风格指南存成了一个 Skill，以后任何通用内容都可以过一遍，转化成 Indigo 的语气和节奏。说白了，这是在构建数字分身的写作人格——不是让 AI 模仿你，而是让 AI 内化你的审美判断。
这里有个反直觉的原则：不要给 AI 规定路径，给它目标就够了。 Indigo 反复强调：「千万不要告诉 AI 第一步干什么第二步干什么。」AI 大概率比你更聪明，给太多约束反而拉低产出。人该做的是提供「噪音」和意外输入，防止 AI 陷入套路。他的原话：「现在的 AI，大家千万别再问提示词了，直接跟它说话就行。」
搭一个 Telegram Bot 桥接到本地 Claude Code，用手机远程控制 AI Agent——走的是订阅额度，不是按量计费的 API。
Neethan 从一个空文件夹开始，用自然语言描述了需求。Claude Code 先生成了一份规划文档，然后同时派出 3 个子 Agent 并行干活：一个研究 Claude Code 子进程机制，一个搭 Telegram Bot，一个对接 Vercel 的 Chat SDK。
几个工作流值得注意：用 Talon 语音输入快速口述指令，用 Superset 终端管理多个 Agent 会话，以及一个他们反复提到的习惯——「先规划后编码」，永远让 Agent 先出一份 Markdown 计划，确认了再动手。
Indigo 特别补了一句：不懂技术的人别被终端界面吓到——Claude Code 不只是编程工具，它更像一个通用的 AGI 工具；多个 Agent 通过共享文件系统协调，它们能看到彼此的工作成果。
未来的主要协作不是人和 Agent 之间的，而是 Agent 和 Agent 之间的。
Indigo 引用了 Google DeepMind 近期一篇关于 Agent 协作的论文，两个结论值得细想：第一，未来协作的主体是 Agent 与 Agent，不是人与 Agent；第二，在人机协作中，Agent 会指导人类——恰恰不是反过来。
Elon Musk 的 Optimus 工厂构想其实是同一个思路：一群机器人在地面干活，云端的 Grok 当「超级指挥官」统一调度——Agent Swarm 在物理世界的版本。
这个结论初听有些刺耳，但仔细想想：人类擅长的是定义目标和做出判断，Agent 擅长的是拆解任务和高效执行。让擅长执行的去调度执行流程，让擅长判断的专注判断——这不是被取代，这是各归其位。
AI 不只能写代码，还能直接做视觉设计——多个 Agent 在同一块画布上同时工作，实时生成品牌一致的界面。
Neethan 演示了 Pencil.dev——一个可以被 Claude Code 直接操控的可视化画布。他们提前构建了一套设计系统（VI/品牌识别），涵盖色彩、字体、间距、动效规则和设计哲学；Logo 和配色由人类设计师完成，其余全部交给 Claude。
Demo 里 Claude 被要求创建 3 个页面：Landing Page、博客/文章页、产品索引页。画面上 3 个 Agent「光标」同时在动——分别叫 Amber、Marriage 等——通过画布底部的文字互相沟通，字体、颜色、布局都严格跟着品牌规范走，图片由 Gemini 实时生成。
后面又追加了亮色主题和移动端响应式版本的需求，Agent 也顺利搞定，设计成果可以直接导出为开发代码。Indigo 说了句：「Claude 的审美还是不错的。」整个过程就是一次 Agent Swarm 的实况演示——不是一个 Agent 在干活，而是一群 Agent 在协作。
永远用你能拿到的最强模型。瓶颈不在 AI，在你。
关于模型选择： 「千万不要为了省 Token 去用一个次级模型」——在弱模型上来回沟通烧掉的 Token，远比用顶级模型一次搞定的成本高。推荐 Claude 4.6 / GPT 5.4 / GLM-5（均为 Claude 4.5 级别）。
关于工具： Claude Code 和 Codex 能力相当，在用哪个就继续用，不必来回切换；Pro 和 Max 订阅的区别只是用量，智能程度一样。
关于语言： 用你能最清晰表达自己的语言就行——英语在技术术语上更精确，但如果中文说得更自然那就用中文，关键是表达清不清楚，不在于用哪种语言。
关于瓶颈： 「你要感受最好的模型它的边际在哪。」模型的推理和逻辑能力已经很强了，人才是瓶颈——你的提问质量、上下文管理能力、判断力，决定了 AI 产出的上限。
软件正在经历第四次范式转移：未来的软件 = AI 模型 + 动态上下文 + 人类连接器 + Agent。
Indigo 梳理了软件的四个时代：第一代，软盘拷贝加授权码；第二代，互联网下载和共享软件；第三代，云端 SaaS；第四代，AI 模型 + 动态 Context（上下文）+ 人类连接器 + Agent。
Anthropic CEO Dario Amodei 的说法被提到：持续学习等于不断增长的上下文，不是重新训练模型。Anthropic 在扩展上下文窗口时很谨慎，追求质量而不是单纯堆长度；Google 的路径不同——Gemini/Titans 架构从另一个方向切入，保持 KV Cache 精简的同时扩大有效记忆容量。
推到极端：所有能在电脑上完成的业务本质上都是「软件公司」，你只需要维护好上下文。人的角色不再是「生产者」，而是「连接器」（Connector）——连接业务需求和 AI 能力。
关于焦虑，Indigo 的态度很直接：人类一直是生产环节的瓶颈，AI 把人从生产中解放出来，这是机会而不是威胁。「Paradigm is shifting，我们没有必要在旧的范式里面一直保持防守。」
结构性变化已经发生了——中小企业对软件定制的需求在爆发，SaaS 的垄断地位在松动，新型软件顾问和外包模式正在长出来。这不是「程序员失业」的故事，这是「所有人都开始写代码」的故事。
Agent Swarm 已经是现在进行时。从 Telegram Bot 到 Pencil.dev 设计，多 Agent 并行协作从论文走进了日常工作流；Agent 与 Agent 协作、Agent 调度人类，正在成为常态。
从软盘到 SaaS 用了 30 年，从 SaaS 到 AI + Context 可能只要 3 年。在这个转变里，持续学习和上下文管理会取代传统的代码编写，成为软件工程的核心能力。
Indigo 最后说了一句：「你可以终于去干你自己想干的事了。」
范式正在转移。你是在旧范式里防守，还是在新范式里进攻？
2026-03-10 12:59:04
生命的历史，就是一部免疫的历史。从最早的单细胞生物学会区分"自己"和"非己"的那一刻起，免疫系统就是地球上所有复杂生命得以存续的底层操作系统。然而在过去两百年里，面对癌症这个对手，人类几乎忘记了这件事。
我们发明了手术刀、化疗药、靶向导弹——每一代疗法都更精准，但结局几乎没变过：肿瘤变异，逃逸，卷土重来。我们赢了无数场战斗，从没赢过这场战争。原因很简单：我们一直在用外来的武器去打一场只有身体自己才能赢的仗。
本期 Indigo Talk 来到温哥华线下，邀请了 UBC 前教授、加拿大最早一批溶瘤病毒科学家贾伟（William），以及他的联合创始人 Chris。两位复旦校友在 2014 年创立了复诺健生物科技（Virogin Biotech），用基因工程改造的病毒去"叫醒"人体沉睡的免疫军团。从免疫学的原理到临床数据发 Nature 主刊，从"原位疫苗"与 Moderna 的路线分歧到 AI 在生物学里的真实处境，这场对谈拆解了一个正在发生的转变：癌症不再是绝症宣判，而是一场可以管理的慢性博弈。
Apple Podcast & Spotify 播客｜ 小宇宙播客
嘉宾
时间轴
过去两百年，人类治疗癌症的思路一直是"杀死它"。但贾教授提出了一个认知框架，彻底改写了这个叙事：癌症与免疫系统的关系经历三个阶段——Eliminate（消除）、Equilibrium（平衡）、Escape（逃逸）。治疗的目标不是把肿瘤杀光，而是把患者拉回平衡态。
复诺健的溶瘤病毒 VG161 是这一思路的产物。它不直接杀死肿瘤，而是炸开肿瘤、暴露全部抗原、激活免疫系统，让身体自己学会识别和控制肿瘤。这是一支"原位疫苗"——用一个通用产品实现个性化免疫。Moderna 的 mRNA 疫苗挑 20 个抗原编码注射；复诺健把上万个抗原全扔出来，让你的免疫系统自己选。
临床数据发了 Nature 主刊。在经过 PD-1 预治疗的肝癌患者中，VG161 将中位总生存期提升了约 268%。
癌症不是不可战胜。是我们过去一直用错了打法。
我们从小被教育，癌症是一种"疾病"。得了病就治病，治病就是消灭病灶。手术切掉，化疗杀死，靶向精准打击——所有治疗手段都指向同一个目标：Eliminate，消灭。
但 Chris 在对谈一开头就提了一个让人停下来想的事：你在显微镜下看那个癌细胞，它其实不是一种"病"。它就是你自己的细胞，只不过失控了。它不是入侵者，是叛变者。而且这个叛变者还会"穿上隐身衣"，通过基因变异躲开免疫系统的追杀。
贾教授的话说得更直接：这就是癌症难治的根子。它本来就是我们自己的细胞，失控了，变成恶性生长。免疫系统很难把它和正常细胞分开。
说白了，人类两百年的治疗史就是一部"杀不死"的历史：
每一代疗法都比上一代更聪明。但癌症比我们更会躲。
这不是技术不够强。是思路从根子上就错了。
那么，什么才是对的思路？
治疗癌症的目标，不是消灭肿瘤，而是恢复平衡。
2014 到 2015 年，免疫治疗被 Science 和 Nature 同时评为突破性疗法（Breakthrough）。这不只是又一个新药。这是整个抗癌作战思想的推翻和重建。
贾教授用一个简洁的框架拆解了肿瘤和免疫系统的真实关系，他管它叫三个"E"：
第一个 E：Eliminate（消除）。 年轻时免疫系统强，肿瘤细胞一出现异常，免疫细胞马上识别并清除。这件事每天都在你体内发生，你甚至感知不到。
第二个 E：Equilibrium（平衡）。 随着年龄增长或免疫力下降，免疫系统没法完全消灭肿瘤了，但还能压住它。肿瘤存在，但不长也不缩，免疫和肿瘤之间维持一种微妙的平衡。贾教授说：**这个平衡状态可以持续几十年不变。**有人身上可能一直带着一个肿瘤，但免疫系统把它按住了，他一辈子也不发病。
第三个 E：Escape（逃逸）。 免疫力再降，平衡被打破，肿瘤开始不可控制地生长。我们在临床上看到的晚期肿瘤，都是在第三个 E 的阶段才被发现的。
这三个 E 改变了一切。
过去的思路是：你有肿瘤，我把它杀光。但晚期肿瘤杀不光——它会变异，会逃逸，会在你用药的同时长出新的克隆。贾教授反思得很直接："我们知道我们过去追求错了。你要把它全部杀掉，杀不死，然后病人给你弄死了……各种各样毒副反应，病人受不了了。"
新的思路是：不追求消灭，追求平衡。
把患者从第三个 E（Escape）拉回到第二个 E（Equilibrium）。肿瘤还在，但它不长了，不影响生活。就像高血压、糖尿病一样——管理好，就能一直活下去。
贾教授的原话："我们要追求的是病人的 Overall Survival，他的生存时间要延长。你肿瘤有没关系，没有去掉也没关系，只要他不怎么长了，你把他控制住就行了。"
什么办法可以控制住？他的回答只有六个字：只有免疫做得到。
这个判断的背后，是免疫系统两个不可替代的能力——高度精准，和长期记忆。那这两个能力到底是怎么工作的？
免疫治疗的本质，不是给你一种新武器，而是唤醒你体内已经存在的那支军队。
贾教授把人体免疫系统拆成两套完全不同的武器系统。这个拆解本身，就是理解后面所有治疗逻辑的钥匙。
固有免疫（Innate Immunity）——人体的快速反应部队。病毒或细菌入侵时，几分钟到几小时内就能启动。但它有两个大问题：不分敌我，而且没有记忆。贾教授的比喻很直接：固有免疫就像地毯式轰炸，什么都干掉，连周围的正常组织也一起损伤，造成炎症、溃烂、过敏。而且轰炸完了它就忘了，下次同样的敌人来，还要从头再来一遍。
获得性免疫（Adaptive Immunity）——这才是免疫的精锐。它比固有免疫慢，需要被"教育"才能工作。但一旦学会，它有两个压倒性的优势：
第一，高度精准。核心武器是 T 细胞。贾教授强调这一点时语气特别重："T 细胞的杀伤是高度精准的杀伤，这点你必须记住，非常重要。"T 细胞不乱杀，它只杀已经被识别的目标，对周围正常组织几乎零伤害。
第二，有记忆。一旦它"认识"了某个抗原，就永远记住。以后同样的敌人再来，T 细胞直接出手，不需要固有免疫先开路。
疫苗的原理就是这个——"提前教育"获得性免疫系统，让 T 细胞和 B 细胞在没有真正感染的情况下，先学会识别目标。
两套系统配合起来形成一个闭环：固有免疫先启动、制造炎症，同时召唤获得性免疫参与；获得性免疫学习、记忆、接管防御。前者火力掩护，后者精确清除。
这个框架一旦理解，癌症免疫治疗的核心逻辑就清楚了：不是给你一种外来的化学武器去杀肿瘤，而是重新训练你自身的获得性免疫系统，让它"认识"肿瘤——然后让 T 细胞这枚精确武器，去完成它本该完成的工作。
但问题来了：肿瘤之所以长到第三个 E（Escape），正是因为它成功地在免疫系统面前"隐身"了。怎么让免疫系统重新"看见"肿瘤？
溶瘤病毒的真正价值，不在于它能杀死多少肿瘤细胞，而在于它能暴露多少肿瘤抗原。
溶瘤病毒（Oncolytic Virus）这个名字本身有点误导——它暗示这种病毒的功能是"溶解肿瘤"，像一个杀手。贾教授坦承，早期他们确实这么理解的："开始以为它是个杀肿瘤的。"
但现在认知完全翻了过来。
它更像一个"间谍"：潜入肿瘤内部，炸开肿瘤细胞的城墙，让原本被隐藏的肿瘤蛋白暴露在免疫系统面前。免疫系统终于"看见"了肿瘤的真面目，T 细胞被激活，精准猎杀开始。这个间谍不负责杀人——它负责"撕下伪装"。
复诺健的核心产品 VG161 就是基于这个逻辑设计的。载体是 HSV-1（单纯疱疹病毒 1 型），经过基因改造后不会再引起疱疹——人类跟 HSV-1 共存了几十万年，安全性很高。改造后的病毒只能在肿瘤细胞中复制，在正常细胞中不长。
VG161 是全球第一个在 HSV 病毒上同时携带四个细胞因子的药物：IL-12、IL-15、IL-15 受体和一个 PD-L1 多肽。四个"弹头"各管各的——有的招募 T 细胞，有的增强 T 细胞杀伤力，有的解除肿瘤对免疫系统的"刹车"。投递方式是瘤内注射（Intratumoral Injection），直接打进肿瘤内部，在肿瘤微环境中引爆。
这里有个历史上的有趣呼应。1928 年，弗莱明发现青霉素时，人类以为抗生素会一劳永逸地终结细菌感染。结果几十年后，超级耐药菌出现了——细菌通过突变逃逸了抗生素的攻击。今天的癌症治疗面对的是同样的结构性问题：靶向药在分子层面遭遇了和抗生素一样的困境——单一靶点压制，必然催生抗性逃逸。而溶瘤病毒的策略恰恰是反过来的——它不选择一个靶点去压制，而是把所有信息全部暴露，让免疫系统自己去建立一个多靶点、可进化的防线。从"精确制导单弹头"到"全面暴露让免疫自主选择"，这是治疗哲学层面的范式切换。
这就引出了整场对谈中最有意思的概念。
真正的个性化不是药在做定制，而是你的身体在做定制。
Indigo 提到自己曾买过 Moderna 的股票时，对谈进入了最有张力的一段。
Moderna 的肿瘤疫苗路线很多人已经知道了：取出患者的肿瘤组织，用 AI 分析并筛选出约 20 个最有代表性的抗原，编码成 mRNA 疫苗注射回去，训练 T 细胞识别这些抗原，防止术后复发。逻辑上说得通，技术上也优雅。
但贾教授只用了一个概念就把它拆开了：原位疫苗（In-situ Vaccine）。
复诺健的溶瘤病毒其实就是一支"在体内原地制造的疫苗"。不需要提前取样、体外编码、定制生产。它做的事更简单也更粗暴：直接在肿瘤内部引爆，让所有抗原自然暴露，让患者自身的免疫系统来"选"哪些抗原最值得记住。
间谍再次出场——它不只是撕下了伪装，它把肿瘤的整个身份信息全部交给了免疫系统。而 Moderna 的路线，相当于间谍只拍了 20 张照片回来。
这两条路线的差异在三个层面上很明显：
广谱性。Moderna 选取 20 个抗原。但一个肿瘤可能有上万个突变抗原。贾教授的逻辑很直接："我暴露有一万个抗原的话，总有些能够识别的。你挑了 20 个，有可能 20 个只有 10 个有抗原可以认识。还是我的选择性要大得多。"
成本和速度。Moderna 的方案要为每个患者定制——取样、测序、AI 分析、编码、生产——周期长、成本高。复诺健的溶瘤病毒是一个 Off-the-Shelf 产品。同一支药，给谁都一样。
个性化的方式。这是最精妙的地方。贾教授用一句话点破："它也是一个个性化的，但它是 Off-Shelf 的 Individualized。"同一支病毒注射进不同的患者体内，暴露出的抗原组合是不同的，因为每个人的肿瘤突变谱不一样。不是药在做个性化，是你的身体在做个性化。
两种完全不同的哲学。Moderna 相信"我能替你选出最好的 20 个目标"；复诺健相信"你的免疫系统自己会选，而且选得比 AI 更准"。
理论的优劣之争可以无限进行下去。但有一样东西没法争辩。
理论说得再好，最终只有一种东西能让所有人闭嘴：数据。
VG161 的二期临床试验数据发在了 Nature 主刊。贾教授特意强调了"是主刊"——全球溶瘤病毒领域能上 Nature 主刊的论文屈指可数。
在肝细胞癌（HCC，全球第三大致死癌症）患者中，VG161 联合治疗组的中位总生存期（mOS）相比对照组延长了约 100%。更有说服力的是一个亚组——曾经接受过 PD-1 治疗超过 3 个月的患者。VG161 将这些患者的中位总生存期提升至 17.3 个月，对照组大约 6.5 个月。提升幅度约 268%。
这组数据值得多想一下。这些患者已经用过免疫检查点抑制剂（PD-1），理论上免疫通路已经被"打开"过了，但肿瘤仍然在进展。VG161 在这个基础上又激活了免疫系统——这说明溶瘤病毒打开了 PD-1 没有打开的另一扇门。换句话说，间谍撕下了 PD-1 没能撕下的那层更深的伪装。
基于这组数据，VG161 在中国获得了 CDE 的突破性疗法认定，在美国获得了 FDA 的快速通道（Fast Track）和孤儿药（Orphan Drug）认定。历史上获得突破性疗法认定的药物，最终成功上市的概率超过 70%。
第二代产品 VG201 已经在路上了。基于贾教授的 TTDR 技术平台（Transcription-Translation Dual Regulation，转录翻译双重调控），VG201 的溶瘤活性比 VG161 强了一到两个数量级——10 到 100 倍。一期临床中，3 名末线（无药可用）胆管癌患者入组，其中 2 人存活超过 20 个月。同类患者典型生存期只有 4 到 5 个月。
癌症治疗正在被重写。但重写它的工具里，有一个名字被提到得最多却也最容易被高估：AI。
AI 在生物学中真正的卡脖子问题：不是算不了，而是"喂不饱"。
对谈转向 AI 的时候，贾教授给出了一个可能让 AI 圈不太舒服的判断。
他先肯定了 AI 的价值——Moderna 用 AI 筛选抗原就是一个例子。但紧接着补了一句："这是 AI 的最初级的运用。"
真正的挑战不在于用 AI 做药物设计或抗原筛选，而在于用 AI 理解生物系统本身。贾教授给了一个类比：免疫系统的复杂度，不是"仅次于大脑"——是跟大脑一样复杂。
为什么？三个原因。
概率性。"概率是生命科学的最基本的一个逻辑。"生物系统中的每一步反应都不是确定性的。你没法用"如果 A 则 B"的逻辑来描述一个免疫反应的过程。
多维度。 一个细胞的行为取决于它的基因表达、蛋白质组、代谢状态、微环境信号、时间维度——这是一个四维甚至更高维度的动态系统。
涌现性。 从分子到细胞，从细胞到组织，从组织到器官，从器官到个体——每一层都会出现上一层预测不了的新行为。
贾教授对"AI 万能论"的回应没有客气："大家都说现在 AI 已经可以把疾病都能治疗，这是胡扯的。完全不懂生物学的人才会说这种话。"
但他真正想说的不是 AI 没用。恰恰相反——他指出了一个比"算力不够"更深、也更难解决的瓶颈：数据比算力更重要。
算力可以靠堆 GPU 解决。但生物学的训练数据——那些关于细胞在真实微环境中如何行为的数据——只能通过湿实验室（Wet Lab）一个一个做出来。贾教授用了一个自动驾驶的类比：你有再多的语言数据，车也没法上路。自动驾驶得在真实道路上用摄像头采集数据。生物学也一样——你得到细胞里去、到动物体内去、到临床中去，拿到真实的生物学数据。
在 AI 已经可以写诗、画画、写代码的今天，生物学提醒了我们一件事：有些知识，只有肉身世界里那些缓慢的、昂贵的、没法并行化的实验才能产出。 这是硅基智能暂时还跨不过去的门槛。
对谈最后，Indigo 问了一个所有人都想知道的问题：癌症能被征服吗？
贾教授的回答审慎但坚定："如果你是说把肿瘤去掉、完全没有——这我觉得很难的。但是你可以带瘤生存，不影响你生活。"
Chris 更直接："让肿瘤病人能够有更好的药，能够让他们活得更长，不让肿瘤变成绝症。"他给了一个预测：未来十到二十年内，他们有信心让人类的平均寿命延长十年。
两百年来，人类一直试图用更强的武器去"消灭"癌症——更猛的化学药物、更精准的分子导弹、更聪明的 AI 选靶。但这场对谈揭示的是一个更深的认知翻转：癌症的终局不是消灭，而是共存。不是用更强的外力去压制它，而是唤醒身体自己的免疫系统去管理它。
从三个 E 的认知重构，到溶瘤病毒这个"间谍"撕开肿瘤的伪装，到原位疫苗让身体自己完成个性化选择，再到 AI 在湿实验室面前的谦卑——这场关于癌症的战争正在进入新的阶段。武器不再是外来的化学分子，而是我们身体里那支与生俱来的免疫军团。
它一直都在。我们只是终于学会了怎么唤醒它。
