來源：Lenny's Podcast，2026年2月，約95分鐘一、他自己怎麼用 AI從去年 11 月到現在沒手寫過一行程式碼。每天 10 到 30 個 PR，全是 Claude Code 出的。早上睜眼第一件事：拿手機打開 Claude iOS 的 code tab，把 agent 派出去跑。同時掛著四五個 agent 平行幹活。他在 Instagram 那會兒就是產出最高的幾個工程師之一。不是本來就寫得少。這一點，從去年11月份到現在還手寫程式碼的同學需要反思了（國央企，保密單位啥的沒辦法的不算），國內用不了claude ios app的也要反思了，不過還不晚，從今天起全部借助 agent,多個agent,另外能搞成skill的節能或者能力的都能搞盡快搞。二、他對程式設計的定調"Coding is largely solved." 至少他自己做的那類活，已經解決了。下一步是 agent 不光寫程式碼，還自己提需求。翻 feedback，看 bug report，讀 telemetry，然後跑來跟你說"這幾個可以修""那幾個可以加"。一到兩年後，學一門具體語言沒啥意義了。就跟現在沒幾個人在乎彙編一樣。年底前 "software engineer" 這個詞會開始退場，換成 "builder"。或者乾脆不分了，人人都是 PM 兼碼農。要立即退出程式設計的行列，不要在古法程式設計了，提升效率，程式語言的學習將沒有意義，這一點挺讓人傷心的，但是不能固步自封啊，前進吧。年底前，軟體工程師將會逐步的，徹底退出歷史舞台，這一點其實有點誇張，borris作為全球最頂級程式設計 agent的負責人，說的激進點沒啥問題，不過明年年底前肯定要退出歷史舞台了。三、資料SemiAnalysis 的報告：GitHub 上 4% 的 commit 是 Claude Code 寫的。這還只是公開倉庫，私有的比例更高。年底可能到 20%。增速不是線性的，還在往上翹。Anthropic 內部工程師產出漲了 200%（按 PR 算）。Boris 之前在 Meta 管程式碼質量， 幾百號人折騰一年也就提幾個百分點。對比之下這個數很離譜。這一點是程式設計師們心裡最痛的一個點，github啊，全球開放原始碼的集中地，後續將會有90%以上的程式碼都是由AI完成，這很難接受，難接受但是很合理。四、這東西怎麼來的剛加入 Anthropic 的時候花了一個月各種瞎搞原型，大部分沒出貨。又花了一個月做post-training，瞭解模型底層。他習慣搞清楚你踩的那層下面那層是什麼。第一個原型叫 Claude CLI。給模型一個 bash 工具讓它自己玩。他隨口問"我在聽什麼歌"，模型自己就用 bash 翻出來了。他自己都沒想到這問題能答。發內部公告拿了兩個 like。沒人覺得終端裡能長出什麼正經程式設計工具。為什麼是終端？因為開始就他一個人。終端最省事。後來發現這歪打正著——模型迭代太快了，別的介面根本跟不上。終端正好是最"裸"的殼。2025 年 2 月對外發，一開始也不算爆款。好幾個月大家才搞懂怎麼用。Opus 4 之後開始真起飛。大牛也一樣要經歷沒人理睬的時刻，但是依然保持熱情，結果一下就爆了，在整個AI發展事上Borris恐怕會像linus一樣留下美名，雖然有很多安妮紡織機的工人會很反感他，開玩笑，繼續往下看。五、產品哲學1. 潛在需求（Latent Demand）老版本：看使用者拿你產品在幹什麼歪門邪道，然後把它做成正經功能Facebook Marketplace 是這麼來的：40% 的群組帖子其實是買賣東西。Facebook Dating 也是：60% 的 profile 瀏覽是異性非好友。Co-work 更典型：一堆非技術使用者用 Claude Code 種番茄、分析基因組、恢復硬碟照片、看 MRI 片子。那就給他們做個正經產品算了。這就是傳統的軟體開發流程啊，使用者需要什麼，我們就去滿足它。新版本（AI 時代）：看模型自己想幹什麼，順著它的勁兒來。別跟它較勁。2. 別給模型套框一年前可能還需要各種編排器、固定工作流。現在給工具和目標就行，讓它自己找路。Claude Code 從頭就定了"模型即產品"。最少的殼，最少的內建工具，讓模型自己決定用啥、按什麼順序。現在claude code的確是最少的殼，最少的內建工具，用著用著模型會自主決定用那個工具，不帶跟你商量的，其實使用者在用的過程中也不斷的完善自己的一堆skills.3. Bitter Lesson通用模型永遠吃掉專用模型。別在小模型、fine-tune、工作流上花太多力氣，下一版模型出來全給你抹平。他的原話："Build for the model six months from now." 前六個月產品可能很一般，模型一上來直接起飛。如果一開始大家就知道，通用模型會吃掉專用模型，很多的資金就可以節省下來，很多創業的小夥伴就可以好好的了，不得不佩服段永平先生的一個神觀點：敢為人後，AI初期，攻城略地很有意義，但是觀察整個行業，在合適的時候出手沒問題，不要一開始就跑馬入場，很可能成炮灰，但是學習，持續的觀察整個行業動態是必須的，前置的。4. 少給資源人少反倒逼著人用 AI 想辦法。一個人扛一個項目，自然就想快點出貨。AI 給你加速，不需要老闆在後面催。後邊一個老闆帶著一個有編碼經驗的老碼農就行了，這也是碼農的福利了，一個碼農要兼PM,設計以及測試（其實增加一個測試skill就可以了），老闆在市場衝鋒陷陣，後邊一個碼農就是一個產研團隊，給老闆提供充足的支援。5. 反饋飛輪內部有個 channel 全是吐槽。Boris 早期是有人反饋幾分鐘內出 PR。讓人覺得自己說了算，反饋就越來越多，飛輪就轉起來了。現在 Claude 自己替他幹大部分。激情四射的Borris!六、安全：三層底層：mechanistic interpretability（機制可解釋性），直接看神經元在幹嘛，追蹤"欺騙神經元"之類的東西。Chris Olah 是這個領域的開創者。中層：evaluations，實驗室環境的安全評估。上層：丟到真實世界，看它在野外的表現。所以產品發佈經常叫 "research preview"，不是噱頭，是在收真實資料。"Race to the top"：把 sandbox 開源了，任何 agent 都能用。想讓行業在安全上捲起來，別比爛。安全是必須要考慮的，AI時代安全比網際網路時代的安全更隱蔽，而且現在在很初期的階段，，前兩天發生了一起使用者用cursor + optus 4.6刪除使用者生產資料庫造成損失的案例，我別的文章有詳細報導。見AI9秒刪庫事件：程式設計師必學的5條安全教訓七、工程師這個角色的去向Cursor 插曲：2025 年中加入 Cursor，兩周走人。原因簡單——他想念 Anthropic 的使命。Cursor 做的事很酷，但他需要工作綁在一個更大的意義上，不然自己待不住。他學程式設計的起點：中學給圖形計算器寫程序，為了數學考試作弊。後來寫了個通用求解器賣給全班，大家一起被抓。老師沒讓他們畢業。從頭到尾程式設計就是工具，不是目的。也承認有人就是愛手寫。隊裡有工程師周末還手搓 C++，就是享受。"以後還會有空間，就像現在還有人寫鋼筆字。"給學生：學校別光盯著程式碼。去學系統架構、產品、設計、商業。以後最搶手的人不是最會寫程式碼的，是能跨好幾個領域、知道到底該造什麼的人。程式設計師同學們，這是個哲人啊，程式設計永遠是工具，不應該是目的，不能贊同更多。或許，以後網路直播手寫程式碼也會成為一個流量的噱頭。還在學電腦沒畢業的孩子們，要去看看這篇文章的原視訊，看看Borris的更詳細的說明，要學架構、產品、設計、商業。後續的人才必須是跨學科的，應該不是說人才，而是普通的打工人也要是跨領域的，一招鮮，吃遍天的時代徹底終結了。八、印刷術這個類比1450 年代以前，歐洲識字率不到 1%。所有文字活全交給抄寫員（scribes）。古騰堡之後 50 年，產出的印刷品比之前一千年加起來還多。成本降了一百倍。200 年後識字率從 1% 到了 70%。沒有印刷術就沒有文藝復興——沒人識字你傳播什麼。有個歷史文獻挺妙的：當時有抄寫員被問到對印刷術的看法，說很高興終於不用抄書了，可以專心做插畫和裝訂（那些更有意思的活）。Boris 把自己跟這個比：不用再折騰配環境、調依賴、修編譯錯誤那些破事了。時間花在跟使用者聊、想方向、跟團隊碰。長期看：程式設計從少數人的手藝變成人人都有的能力，能釋放出什麼？猜不到，但樂觀。短期看：會疼，會有人被淘汰。這是全社會的事，不該一家公司拍板。古騰堡是西方近代印刷術之父，borris舉這個例子就是說明，碼農終於不用手寫程式碼了，終於可以利用自己的頭腦，借助AI做很多自己喜歡做的事情，但是陣痛是不可避免的，長期來看是正向的，積極的。九、對程式設計師說的實在話用最強模型。Opus 4.6 + maximum effort。便宜模型來回修反而更費 token。八成任務先開 plan mode。原理土到掉渣：就是注入一句"先別寫程式碼"。計畫對味了再讓它跑，4.6 下幾乎一把過。給工程師拉滿 token。單人實驗的 token 費遠低過他的工資。真跑出好東西再最佳化成本。各種介面都試試。terminal、desktop app、手機端，那個順手用那個。這不是個純終端工具。多開幾個 agent 平行跑。別一次只跑一個。別怕，去玩。泡在工具最前沿，這是唯一不掉隊的方式。這段既是在宣傳自己的產品，雖然不用宣傳也知道你是最強的，也是在告訴大家一個道理，最貴的可能是最便宜的，而最便宜的可能才是最貴的。我喜歡這種自信。十、零碎但有意思的他生在烏克蘭奧德薩，主持 Lenny 也是。倆人訪談中途當場認老鄉。爺爺是蘇聯第一批程式設計師，用打孔卡寫程序。他媽小時候拿打孔卡當塗鴉紙。進 Anthropic 之前在日本的鄉下住了好幾年，鎮子上唯一寫程式碼的、唯一說英語的。會做味噌。白味噌三個月起，紅的要兩到四年。說是他練耐心用的，也是 AGI 之後的退休方案。書單：《Functional Programming in Scala》（他說是最好的技術書，雖然你可能不寫Scala 了）、《Accelerando》（Charles Stross，節奏和現在 AI 這波一模一樣）、《流浪地球》短篇集（說中國視角的科幻跟西方完全不同，看著新鮮）。格言：use common sense。別看到流程就跟著跑，別看到大家都在做就覺得對。聞著不對勁，它就是不對勁。就這些，這是一個頂級極客，也是一個有意思的很自信的人，碼字不易，歡迎大家點贊推薦打賞三連，原視訊細節更多，歡迎去看。 (米斯特太陽)

01 Google宣佈：75%的程式碼由AI寫，程式設計師去那兒了？4月23日，GoogleCEO桑達爾·皮查伊在拉斯維加斯的Google Cloud Next大會上，拋出了一顆炸彈。他說：Google內部新編寫的程式碼，75%由人工智慧生成，然後再交給人類工程師稽核。一年半前，這個比例是25%。也就是說，在18個月的時間裡，Google工程師的工作內容，發生了一次根本性的轉變。以前，他們寫程式碼。現在，他們審程式碼。這件事，表面上是一個技術公司的內部管理變化。但往深處看，它意味著整個軟體行業的用工邏輯，正在被重寫。02 Google的工程師去那兒了？先說清楚一件事：Google並沒有因為75%的程式碼由AI寫，就把75%的工程師裁掉。那工程師們在做什麼？皮查伊給出了一個詞：稽核員（reviewer）。以前的工程師，主要精力花在"寫"上——思考演算法、敲擊鍵盤、偵錯Bug。現在的工程師，主要精力花在"判斷"上——AI給出了三種方案，那一種在性能、可維護性、安全性上綜合最優？Google內部有一個真實案例。他們有一項複雜的程式碼遷移任務，過去完全依靠人工，費時費力。今年，用智能體和工程師協同完成，速度比一年前快了6倍。不是工程師變強了，是工程師開始"指揮"AI了。但這裡有一個更微妙的變化，很多人沒有注意到。Google內部最近允許DeepMind的部分員工使用Anthropic的Claude Code工具，而不僅限於自家的Gemini模型。這在內部引發了一定的緊張情緒——畢竟，用競爭對手的工具做自家的產品，在情感上很彆扭。但Google還是開了這個口子。原因很簡單：誰的工具好用，就用誰的。效率優先。03 一場正在發生的轉型，但沒人告訴你怎麼過關最近，我跟幾位在大廠的朋友聊過這個話題。一位在某網際網路公司做了7年Java開發的工程師說：他們組最近引入了AI程式設計工具，需求排期從以前的兩周壓縮到了3天。但問題來了——他發現自己越來越像個"程式碼檢查員"，而不是"程式碼創造者"。"我的核心競爭力還剩下什麼？"他問我。這是一個非常好的問題。根據GitHub Octoverse 2025的報告，使用AI輔助工具的開發者，程式碼產出量提升了55%。但與此同時，初級開發者的崗位需求下降了22%。資料很清晰：AI提升了效率，但淘汰了入門門檻低的崗位。IBM的做法或許更能說明趨勢——他們宣佈將入門級招聘規模擴大至3倍，但要求：必須會用AI工具。不是招更多基礎程式設計師，是招"會使用AI的程式設計師"。企業不再需要5個初級程式設計師，而是需要1個能指揮AI的高級程式設計師。問題不是"AI會不會取代程式設計師"，而是"不會用AI的程式設計師，會被會用AI的程式設計師取代"。04 新的考核標準，已經寫進績效表裡Google這次的動作，還有一個細節被很多人忽略了。他們把AI工具使用目標，寫進了工程師的年度績效評估裡。這不是"建議你用AI"，這是"你必須用，用了多少是考核指標"。這是一個訊號。當一家公司把某個工具的使用頻率寫進KPI，意味著什麼？意味著這家公司認為：不用這個工具的人，是在主動降低自己的價值。回顧歷史，類似的事情發生過。2000年代初，Excel和資料庫工具普及時，不會用電腦的會計被慢慢淘汰。2010年代，移動網際網路爆發時，只懂PC端的產品經理開始掉隊。2026年，AI工具全面滲透時，不會用AI協作的工程師，正在走向同樣的命運。這不是危言聳聽，這是一個規律。05 寫在最後：該怎麼做？我不打算給"AI會不會取代程式設計師"這個問題一個確定的答案。但有三件事，我認為是確定的。第一，AI正在改變"寫程式碼"這件事本身的價值權重。當75%的程式碼由AI生成，會寫程式碼已經不是稀缺能力。稀缺的是：能判斷程式碼好壞，能設計系統架構，能在AI給出的多個方案中做出正確選擇。第二，使用AI的能力，正在成為職場硬門檻。不是軟實力，不是加分項——是標配。Google、Meta、Snap的動作，已經說明了這一點。第三，變化已經在發生，但機會窗口還沒關上。Q1裁員78557人，有人被淘汰。但IBM逆勢擴招3倍，Cognizant宣佈不裁反而大規模培訓AI工具使用。被淘汰的是不願改變的人，被擴招的是主動擁抱變化的人。皮查伊說，Google正在轉向"真正以智能體為核心的工作流程"。這個方向，不會因為某個工程師不接受而停下來。問題只有一個：在這個轉變完成之前，你打算站在那一邊？ (碼農菜菜)

【新智元導讀】奧特曼「一人公司」神預言，真被幹成了！41歲大佬僅靠2萬本金，帶著AI大軍瘋狂輸出，全年營收4億刀，直接把上市公司按在地上摩擦！一人十億美元公司誕生，奧特曼終極預言成功了！今早，41歲的洛杉磯大神Matthew Gallagher，向全世界詮釋了什麼叫真正的「AI時代超級個體」。2個月，2萬美元啟動資金，外加十幾個AI，徒手搓出年產4億美元的醫療公司。Matthew營運的「手法」堪稱暴力——底層程式碼是AI寫的，前端的網頁文案、廣告圖、推廣視訊全是AI生成的。甚至，就連最吃人力的複雜「業務分析系統」，以及7x24小時線上客服，皆由Agent包圓。在這個「一人公司」狂飆的第一年，營收就衝破了4.01億美元。直到最近，Matthew才終於雇了唯一一名全職員工——他的親弟弟 Elliot。今年，這對兄弟立下了一個更驚人的Flag：帶著龐大的「Agent軍團」，劍指18億美元營收！消息一出，全網瞬間沸騰。這個41歲男人的瘋狂實驗，讓整個矽谷都看懵了，就連Greg親自下場點贊。一人公司，超級個體，就是現在了。一人十億美元公司，奧特曼神預言2024年，奧特曼曾在一次採訪中，做出過一個大膽的預測——未來，一定會出現一家，只有一人的十億美元公司。放在當時，這聽起來完全是痴人說夢！但僅僅兩年後，41歲的Matthew Gallagher就用一場堪稱暴力的創業實驗，把這個神級預言硬生生砸進了現實。就在今天，紐約時報的一紙長文轟炸，在整個矽谷圈投下了一枚深水炸彈——AI是如何幫一個男人（和他的親兄弟），徒手捏出一家18億美元公司的？故事的起點，在2024年9月。拿著僅有的2萬美元，Matthew的遠端醫療公司Medvi悄然上線，主攻吸金能力極強的GLP-1減肥藥市場。沒有豪華寫字樓，沒有龐大的初創團隊。Matthew每天就窩在洛杉磯的公寓裡，熟練地指揮著一支「AI大軍」：程式碼與開發：交給ChatGPT、Claude、Grok組成的AI程式設計師；文案與視覺：讓Midjourney、Runway批次生產網頁、海報和視訊；客戶服務與互動：派ElevenLabs AI語音助手頂上，全天候處理溝通；業務分析：打造專屬的AI業務分析系統，即時盯盤公司的運轉表現。他的核心策略非常清晰：把能交給AI的工作，全部交給AI。甚至，Matthew克隆了自己的聲音，讓AI替自己打電話預約生活瑣事，以便將全部精力用在工作上。淨利6500萬，干翻一家上市公司第一個月，300個客戶。第二個月，再加1000個。到2025年底，Medvi全年銷售額達到4.01億美元，累計服務了25萬名客戶。2026年，這個數字預計會飆到18億美元。而整家公司的正式員工只有兩個人：Matthew Gallagher和他弟弟Elliot。Medvi財務資料顯示，目前日收入超300萬美元，2025年淨利潤率達到16.2%，約6500萬美元。作為對比，上市公司Hims & Hers同年的淨利潤率只有5.5%，有2442名員工。奧特曼在看到報導後回了一封郵件，說他在那個CEO賭局裡「應該贏了」，還表示很想見見這個人。「野生」程式設計師，逆襲成功實際上，Matthew的童年並不「體面」。他跟著家人輾轉住過汽車旅館和車裡，12歲時才在辛辛那提安定下來。叔叔給了他一台筆記型電腦，他自學程式設計，第一個項目是做了一個「Weird Al」Yankovic的粉絲網頁。十幾歲時，他就開始給本地商家做網站，在eBay上賣蠟燭和武士刀。18歲，他還把自建的「虛擬主機業務」以6000美元的價格賣掉。大學讀了兩所都沒畢業，2010年跑到洛杉磯想當演員，最後又回到了寫程式碼的老路上。2016年，他創辦了Watch Gang，一家做手錶訂閱盒子的公司，雇了60個人，有粉絲、有流量，但始終沒賺到錢。2022年ChatGPT發佈後，Matthew開始研究AI工具。兩年後，他遇到了CareValidate的聯合創始人Jiten Chhabra。CareValidate做的事情相當於「遠端醫療基礎設施包」，提供線上醫生網路、處方系統、藥房配送等一整套能力。另一家類似的平台，叫OpenLoop Health。於是，Matthew看到了機會：用AI搞定品牌、行銷和客服，醫生、藥房、合規、配送全部交給這兩個平台處理。同時，他選擇從當時最火的GLP-1減肥藥切入。AI亂報藥價，他竟照單全賣Medvi上線後，增長速度把合作夥伴都嚇到了。CareValidate的Chhabra回憶說，他曾問Matthew，「你後面是不是藏了一支團隊」？然而得到的回答是——沒有。OpenLoop的CEO Jon Lensing則評價說，Matthew的母語似乎就是AI。當然，翻車的地方也不少。AI客服聊天機器人會隨機編造藥品價格，他選擇照單全收，按機器人報的價賣。機器人還會產生「幻覺」，告訴客戶Medvi賣防脫髮藥，實際上，根本沒有這個產品。最要命的是，如果客戶堅持要跟真人說話，聊天機器人被設定為直接轉接到Matthew的手機上。這導致他一個人接了超過1000個客服電話。還有一次，他改了網站上一個小功能然後去爬山了。半路接到廣告代理商的電話，說已經一個小時沒有新訂單了。他意識到更新把什麼東西搞壞了，身邊又沒有任何人可以幫忙修，只好從山上一路狂奔回家。那次當機讓他損失了大約200個潛在客戶。衝刺18億目標，但也孤獨經歷了Watch Gang的教訓，Matthew對「招人」這件事非常警惕。60個員工並沒有幫Watch Gang增長，反而抬高了成本、拖慢了決策節奏。所以Medvi的人員結構極其精簡：兩名合同制工程師，加上2025年4月正式入職的弟弟Elliot。Elliot的工作主要是幫哥哥過濾和攔截各種溝通，讓他能集中精力幹最重要的事。他還用AI克隆了自己的聲音，用這個語音分身打電話預約日程，省下更多時間工作。除了洗澡、睡覺和陪兩個孩子，他幾乎所有時間都泡在Medvi上。隨著公司成長，Matthew逐步把一些專業事務從AI工具切換到了真人服務：法律事務從LegalZoom換成了律師事務所，財務從AI記帳工具換成了會計師事務所。但核心營運依然高度依賴AI。2026年2月，Medvi上線了男性健康產品線，包括ED治療藥物。第一個月就獲得了5萬名客戶，預計四個月內會超過GLP-1業務的規模。3月，又加了健康餐配送服務。接下來還計畫做女性健康、激素治療、防脫髮、保健品和護膚產品。Matthew說他曾考慮通過收購來擴張，但想了想覺得自己用AI造出來也一樣快。風投公司Upfront Ventures的投資人Kobie Fuller曾建議他：如果不缺錢，就不要融資。到目前為止，Medvi的總利潤在7000萬-8000萬美元之間。Matthew拿出100萬美元成立了一個基金會，捐給了洛杉磯的一個貓咪救助機構，還計畫資助幫助無家可歸年輕人的非營利組織。他的目標是，最終把Medvi的大部分利潤都通過基金會來運作。這個從拖車公園走出來的人說了一句很動情的話，「這是我第一次不再為生存而焦慮了」。不過超級精簡的團隊也有代價，他坦言自己開始「感到孤獨」。為了緩解這個問題，Medvi開始給部分客戶配備真人客戶經理。這7個合同制客戶經理每人管理數百名客戶關係，會記住客戶的生日、孩子的名字這些細節。而他們管理這麼多客戶關係的方式是什麼？當然也是用AI。「超級個體」時代來臨Medvi的案例之所以引發巨大關注，在於它驗證了一個此前只停留在預言階段的命題：AI可以讓一個人，建起一家年收入接近20億美元的公司。但仔細看下來，Gallagher並非什麼都靠AI完成。醫療合規交給了CareValidate和OpenLoop，法律和財務交給了專業機構，廣告投放交給了媒體代理商。他真正用AI替代的，是傳統公司裡需要大量人力的中間層——開發、設計、客服、資料分析、內容生產。它證明的核心邏輯很簡單：在AI工具足夠強大的今天，限制一家公司規模的瓶頸，是創始人的認知邊界和執行速度。奧特曼說他想見見這個人。坦白講，誰不想呢？ （新智元）

2010年代，程式設計成為就業市場上最炙手可熱的技能之一，熱潮迅速席捲全美，家長們紛紛敦促孩子放棄英語專業，轉而攻讀科學、技術、工程和數學（以下簡稱STEM）學位。就連美國前總統貝拉克·歐巴馬也呼籲人們學習程式設計，他更是成為首位參與“程式設計一小時”（Hour of Code）活動[這項線上活動旨在推廣電腦科學教育周（Computer Science Education Week）]的總統，還親自編寫了一行程式碼。然而這一現象的另一面，是英語與文科專業遭到質疑，有人戲稱這些專業是“咖啡師學位”，認為攻讀這類專業的人職業發展空間有限，最終只能在咖啡店打工。但人工智慧的崛起，正在顛覆這些固有認知。至少Palantir聯合創始人、億萬富翁彼得·提爾（Peter Thiel）是這麼認為的。在一段2024年錄製、近期重新走紅的採訪視訊中，提爾在與經濟學家泰勒·考恩對話時表示，STEM領域從業者的就業紅利正在消退。他說：“比起文字工作者，學數學的人的處境要糟糕得多。”彼得·提爾，PayPal與Palantir Technologies聯合創始人。圖片來源：Marco Bello—Getty Images故事講述者在就業市場炙手可熱這位億萬富翁的觀點反映了當下勞動力市場的新趨勢。領英（LinkedIn）2月早些時候發佈的《2026年領英技能趨勢：美國增長最快的技能》（LinkedIn Skills on the Rise 2026: The Fastest-Growing Skills in the U.S.）報告顯示，溝通能力和創造性思維的需求正在持續攀升。該報告稱，溝通能力、領導力及人員管理能力已經成為當今勞動力市場最搶手的技能。領英的一位發言人告訴《財富》雜誌：“企業越來越青睞溝通能力強的人才，因為出色的寫作能力、清晰的表達能力和判斷力依然至關重要。”他們指出，如今“講故事”已經成為一項尤為搶手的技能。“在過去一年裡，領英上提及‘講故事者’的招聘啟事數量翻倍。”事實上，部分企業為招募故事講述者和高級公關專家開出的年薪甚至超過100萬美元。例如，Anthropic公司正在招聘一名公關主管，起薪為40萬美元；而Netflix為高級公關總監開出的薪酬範圍在65.6萬美元至120萬美元之間。當然，這份報告並不意味著你可以直接撕掉STEM學位證書。領英還發現，當下市場同樣有不少熱門技術技能，包括人工智慧提示工程和資料標註。不過，這些技能與STEM學位的核心內容有所不同，因為它們側重於訓練人工智慧，而非建構人工智慧。儘管部分人工智慧提示工程師的崗位要求應聘者具備程式語言知識（包括Python和JavaScript）以及大型語言模型相關背景，但這些招聘啟事也強調，應聘者需要具備出色的語言能力和創造力，以最佳化人工智慧的輸出結果。據求職平台Glassdoor的資料，該崗位的平均年薪為12.8萬美元。隨著人工智慧技術的不斷發展，許多領導者和人工智慧專家預測，人工智慧將徹底重塑就業市場，同時也將顛覆職場中最被看重的能力。在此背景下，數學及其他STEM領域的部分技能可能面臨淘汰風險。Anthropic公司Claude Code的開發者鮑裡斯·切爾尼坦言，自去年11月以來，他未曾編寫過一行程式碼（儘管仍然會檢查人工智慧編寫的程式碼）。與此同時，人工智慧正在持續侵入原本由STEM專業人士主導的領域，包括基礎程式設計與資料分析。勞動力市場的動盪紐約聯準會（New York Federal Reserve）的最新資料顯示，近年來應屆大學畢業生面臨的就業形勢尤為嚴峻——2022年，應屆大學畢業生的失業率已經超過勞動者整體失業率，到2025年，這一比例已經攀升至5.6%——部分STEM相關專業的失業率尤為突出。電腦工程專業是失業率第二高的專業，失業率達到7.8%，僅次於人類學專業。但部分STEM專業畢業生的失業率仍然低於大學畢業生3.1%的整體平均水平，比如航空航天工程專業和工程技術專業畢業生的失業率分別為2.2%和1.7%。然而在2024年的訪談中，提爾指出，即使在當前尚未被人工智慧自動化衝擊的STEM領域，隨著人工智慧的發展，將數學技能作為準入門檻的做法也將逐漸過時。“若想進入醫學院，我們通過物理和微積分篩選人才。”他說，“作為神經外科醫生，我可不希望給我做腦部手術的人在手術時還在腦子裡分解質因數。”（財富中文網）

不是，這才加入OpenAI幾天啊，龍蝦之父Peter Steinberger這波發言屬實猛了些啊！在OpenAI的最新訪談中，他聊創業、聊OpenClaw、聊龍蝦濫用和安全問題，那叫一個「實誠」。實誠到什麼程度呢？人家Peter可摸著良心說了說實在的啊，我平時連程式碼都很少看……大多數程式碼都挺無！聊！的！（Big膽）而整場對話聽下來，有幾個判斷尤其值得玩味，我幫大家梳理了一下——Peter創業13年後精力耗盡退隱，結果被Claude Code一小時原型直接「打臉」重燃。Peter直言沒法兒阻止大家濫用OpenClaw，只能儘可能讓大家別自毀前程。OpenClaw已經有2000個PR，有些PR更像是prompt request，程式碼靠後，意圖靠前。程式碼不必百分百符合審美，關鍵是方向對，如果真出現性能問題，再專門去最佳化。下面這位網友看完這個採訪憋不住了，直言：Peter太親民兒了啊，這到了OpenAI咋適應啊..（doge以下為本場訪談重點內容實錄，圍繞核心觀點做了摘選整理，部分文字在不改變原意的基礎上做了適度刪改～從13年老創業人，到龍蝦時刻上頭龍蝦之父第一次被AI程式設計“打臉”Q:你做PSPDFKit連續拼了13年，後來停了一段時間，是啥原因讓你又回來創業了？Peter Steinberger：是的，確實是連續13年高強度運轉。第一次創業，我也不懂怎麼給自己降壓，只能停下來放鬆一下，那段時間我會關注AI的進展，早期看到GPT Engineer覺得挺酷，但沒真正被打動。直到狀態恢復了些，我開始親手試，真正震住我的是我把一個做了一半就丟下的項目打包成一個大Markdown檔案，讓模型先寫規格，再交給Claude Code去建構。那時候比現在粗糙很多，它還跟我說“我已經100%量產可用”，我一試就崩了。於是我接了自動化測試工具，讓它把登錄那套做出來、一路驗收，大概一小時後，居然真的跑通了。雖然程式碼質量一般吧，成品程式碼很爛，但對我來說，流程層面的衝擊太大了——可能性一下子鋪開，我起了「雞皮疙瘩」。從那天起我幾乎睡不著， 因為腦子裡全是：以前想做卻做不了的東西，現在都能做了，然後我就徹底鑽進去了。一條語音，讓OpenClaw真正活了Q：過去9到10個月，我看你的GitHub有四十多個項目，能講講這些想法是怎麼一路匯到OpenClaw裡的嗎？Peter Steinberger：說實話，我也希望當初有一個宏大的藍圖，但真實情況更像一路試出來的。最初我只是想做一個能讀我聊天記錄、替我處理事情的工具，原型做出來了，域名也買了，但我以為大實驗室很快會做，我就等一等，把注意力放去別的方向。那段時間我做了很多實驗，目標很簡單——玩得開心，也激勵別人。到了十一月，我做了幾個版本，沒有一個讓我真正滿意，我開始疑惑：為什麼那些大實驗室還沒做出來？他們到底在幹嘛？於是我做了後來變成OpenClaw的第一個版本，到現在名字已經換到第五個。當時產品還沒完全成熟，只是覺得很酷，第一個原型大概一小時就做出來了，因為很多東西現在可以直接催出來。真正讓我徹底上頭的，是在馬拉喀什的一次周末旅行。當時網路不穩定，但聊天軟體在那都能用，我用它翻譯圖片、找餐廳、查電腦裡的東西，我給朋友演示，讓它替我發消息，朋友立刻說想要。後來有個更離譜的瞬間，我發了一條語音，居然出現了「正在輸入」，這本來不該能跑通，結果它真的回覆了，我問它怎麼做到的，它說：你發的是個沒後綴的檔案，我看了檔案頭，是Opus編碼，用電腦裡的工具轉換，想轉寫卻發現本地沒裝工具，於是找到環境裡的金鑰，用命令列把音訊發出去，再把文字拿回來。我當時人都傻了，這就是當你把工具和電腦存取權交給智能體之後的力量，流程沒寫死，它也能自己走通。那年十一月和十二月我完全上癮了，雖然網上反響冷淡，但每次給朋友演示，他們都想要，我卻總說還沒準備好。於是我做了件更瘋狂的事：建了個Discord，把機器人直接丟進去，那時沒有沙盒，也沒安全措施，我基本是用OpenClaw建構OpenClaw，再用它偵錯自己。我問模型：你看到這個工具了嗎？它說沒有。我說那你去看你自己的原始碼，它真的去做了，大家看到這個過程後，才真正明白它在幹什麼。我沒有給它全部內容，但給了不少記憶類資訊，我盯得很緊，因為提示注入問題還沒完全解決，新一代模型確實更穩。我放了一個金絲雀檔案，定義價值觀和對齊原則，檔案不公開，但很多人想拿到，有人試圖通過提示注入獲取它，貼上大段程式碼，模型直接拒絕，有時還會嘲諷對方，儘管如此，我仍然不完全放心。第一晚熱度很高，我關掉它去睡，醒來發現800條消息，它全都回覆了，原來系統有自動重啟服務，我以為關掉了，它五秒後又自己啟動，後來我加了沙盒，把它關進更小的容器裡，它甚至把自己的Mac Studio起名叫城堡。怎麼說呢，感覺這些模型真的很會找方法！PR變了味：程式碼靠後，意圖靠前Q:我很好奇，你那兒來的這麼多的好點子？Peter Steinberger：我覺得關鍵在於，現在把想法變成現實的門檻低了很多。那怕我找到一個開源工具，只能解決70%的問題，我也會直接把剩下的30%自己補上，這放一年前都不現實， 現在我只要給提示，它就在電腦螢幕上跑起來。Q：你對程式碼價值的看法，也改變了你處理開放原始碼的方式，OpenClaw已經有2000個PR（Pull Request），你說過有些PR更像是prompt request，是否意味著意圖比程式碼本身更重要？Peter Steinberger：現在審PR和以前不一樣了，有時候認真看完一個PR，比我自己重寫還費時間。我對陌生貢獻者會更謹慎，因為不確定他們是否理解整個系統，相反，我默認模型沒有惡意，只是理解可能偏了。所以我審PR的第一步，不是逐行看程式碼，而是先搞清楚：它想解決什麼問題？所以對我來說，意圖比寫法重要，很多人給的是局部解法，但真正難的是，這個功能放進現有架構後會產生什麼影響。我會和模型討論十幾分鐘，判斷這是架構問題、實現細節問題，還是隻影響某個平台，甚至要不要做成通用能力，方向確定後，我才處理程式碼、分支和合併。即使花的時間更多，我也會保留貢獻者署名，因為他們帶來的往往是好想法。OpenClaw的下一道門檻：安全性Q：你現在對OpenClaw的願景是什麼？你也會把自己看作「個人AI智能體形態」的開拓者嗎？Peter Steinberger：我想找到一個平衡：既能讓我媽也裝得起來，又要足夠有趣、能折騰，這其實很難。很長一段時間，我的默認安裝方式就是克隆、建構、運行，原始碼直接在你硬碟上，Agent在原始碼裡工作，也理解原始碼。如果你不喜歡某塊邏輯，直接對它說後它甚至能自我最佳化，這也讓很多從沒提過PR的人開始參與，他們缺的往往不是想法，而是長期維護軟體的經驗，所以他們更多是把意圖遞過來。同時，OpenClaw「安全性」的問題也讓人很頭疼，比如我有個網頁服務，最初只是偵錯工具，默認只在可信網路裡用。我留了配置選項，是為了應對複雜網路環境，結果有人直接把它暴露到公網，我在文件裡反覆強調不要這麼做，但還是有人這麼做。安全研究者會指出它缺少公網等級的限制，我只能說它原本就不是按公網設計的，但既然能被這樣配置，風險評級自然會上升。我確實糾結過這件事，後來我拉了一位安全專家進來，這是現在的重點，我無法阻止別人用它去做原本沒計畫支援的事，所以更現實的做法是儘量相容這些用法，同時幫大家避開明顯的坑。這就是開放原始碼的魅力，人們會拿它做出你完全沒想到的東西，既美妙，也有點瘋狂。程式碼時代正在退場，生產力正在暴走Q:我今天早上又看了你的GitHub，過去一年你在120多個項目裡貢獻了很多，活躍圖一開始很淺，十月、十一月變得很深，發生了什麼？Peter Steinberger：是因為我後來換到了Codex。變化不只是模型更聰明，整套工具也更順手了，我自己也更懂怎麼把它塞進日常工作流。很多人說試過AI不好用，我更傾向於覺得方法沒跟上，這玩意兒真的是門手藝，需要練，我現在大概能判斷什麼提示會有效、多久能出結果。如果拖太久，我會想是不是架構有問題、拆解不對，或者方向偏了，那種感覺跟寫程式碼卡殼時很像。至於配置，我也踩過坑，我把那個階段叫“智能體陷阱”——各種折騰配置，看起來很高級吧，但其實效率沒變，現在我反而很簡單，把它當成一個能交流的搭子，直接說我要什麼，然後問一句：你有沒有問題？模型會自己腦補前提，讓它先提問能少走很多彎路。每次新會話它幾乎都是白紙，你得自己有全域，再帶著它去看重點，我的做法一直很樸素：別搞太多花活，專注問題本身，項目越大，越能拆成互不干擾的模組平行推進，反而更好做。Q：你說過你現在幾乎都不讀程式碼，能否談談這個問題？Peter Steinberger：說實話，大多數程式碼本來就挺無聊的。很多隻是資料結構轉換、把結果展示給使用者，我對它生成的內容有足夠的理解就夠了，我腦子裡的心理模型大致能對上它寫出來的東西。以前我帶團隊，也要接受工程師寫的程式碼不可能完全像我想的那樣，現在也是一樣。我會調整程式碼庫，讓Agent更好發揮，這和為人類工程師最佳化不完全一樣，程式碼不必百分百符合我的審美，關鍵是方向對，如果真出現性能問題，再專門去最佳化。Q:你覺得當下做東西最有趣的點是什麼？Peter Steinberger：有意思的是，整個工具鏈都在變，開發者這件事本身的定義也在變。理論上，任何人都能把想法做出來，我剛開始用這些新工具時，真的有種多巴胺飆升的感覺。我最早用Claude Code，那時它成功率可能只有三四成，但對我來說已經足夠震撼了，因為我突然意識到，我可以去做任何東西。軟體依然複雜，但你的速度快太多了。Q很多舊金山以外的開發者還沒真正擁抱Code和Agent工具。你會給他們什麼建議？Peter Steinberger：最大的建議就是，用玩的心態去接近它，去做那個你一直想做卻沒做的項目。如果你是那種有行動力、願意動手、腦子轉得快的人，現在是非常好的時代。真正拉開差距的，是誰更會用這些工具，對那些願意擁抱新工具、保持好奇心、把想法快速變成現實的建造者來說，機會比以前大得多。我覺得接下來一年會變化很快，2026會特別有意思。 (量子位)

馬斯克表示，AI將直接編寫二進制程式碼，且AI生成的二進制程式碼將比任何編譯器生成的都要高效。“到今年年底，我們甚至不再需要程式設計。”日前，馬斯克在一段發佈的視訊中如是說，AI將直接編寫二進制程式碼，且AI生成的二進制程式碼將比任何編譯器生成的都要高效。他預測，隨著AI技術的持續發展，人類對程式語言的依賴將會逐漸減弱。AI 系統可能自行完成從需求到可執行程序的整個工作流程，因此，程式設計將作為過時的中間步驟被時代拋棄，這將顯著縮短“從提出創意到執行落地”的距離。未來，程式設計這種職業或將不復存在。雖說馬斯克這番話引發了業內不少爭議，畢竟更多人更傾向於將AI看作“輔助”而不是“取代者”，但這番言論無疑為本就火熱的AI程式設計賽道又添了一把火。無獨有偶，近幾日國產AI的“春節檔”上新潮中，不少都瞄準了AI程式設計。例如字節2月14日更新的豆包2.0系列中，便包含Code模型，專為程式設計場景打造，強化程式碼庫解讀能力、提升應用生成能力、增強模型在Agent工作流中的糾錯能力；MiniMax 2月12日上線最新旗艦程式設計模型MiniMax M2.5，是全球首個為Agent場景原生設計的生產級模型，支援PC、App、跨端應用的全端程式設計開發；智譜在2月11日推出新一代旗艦模型GLM-5，內部評估顯示，其在前端、後端等程式設計開發場景中平均性能較上一代提升超20%；至於有望在春節期間亮相的DeepSeek V4，據媒體消息和機構報告顯示，程式設計能力或是其“王牌”。值得注意的是，Anthropic也在《2026年智能體編碼趨勢報告》中指出，傳統軟體開發的遊戲規則正在被徹底改寫。一個曾預計需要4到8個月的項目，使用Claude大模型後僅用兩周就完成。《報告》明確指出，程式設計師這一職業並不會消失，但那些“只會寫程式碼”的程式設計師將逐漸被市場淘汰。Anthropoic的Claude可以說是海外AI程式設計的龍頭。而在AI 賦能軟體開發各環節帶來效率提升較為明顯的情況下，以Claude 為代表的大模型和以Cursor為代表的IDE 工具營收快速增長，已體現出較好的商業化效果。廣發證券指出，與海外AI 輔助程式設計工具相比，國產AI 程式碼輔助工具產品具有兩個特點：一是呼叫國產AI 大模型的比例較高；二是儘管國產AI輔助程式設計工具在功能性上與Cursor 等海外產品有一定差距，但其使用價格相對更低、性價比更高。Grand View Horizon資料顯示，2024年全球AI 程式碼工具市場價值61億美元，預計到2030 年將達到260億美元，2024-2030年復合年增長率為27.1%。由於AI 程式設計直接作用於核心的開發環節，券商認為其有望成為最具價值的AI 應用之一。國聯民生證券認為，國內頭部開源大模型持續發力AI 程式設計，國內IDE 以及各類低程式碼平台有望明顯受益，依託頭部開源模型，IDE 及低程式碼平台的產品力有望持續提升，並加速在各個垂直細分領域的滲透以及企業級應用的落地，建議重點關注卓易資訊、普元資訊、金現代等公司。 (科創板日報)

今年，GitHub 上，AI 提交量佔比將達到 20%如果幾年前有人跟碼農同學說，「你以後可能要和 AI 搶 GitHub 提交記錄了」，他大概會笑掉大牙。但現在，他可能完全笑不出來了。根據 SemiAnalysis 最新發佈的分析報告，Anthropic 的 Claude Code，目前已經貢獻了 GitHub 上 4% 的公開提交量，並且有望在 2026 年底：達到 20% 的日提交量。這不是一個簡單的數位遊戲。當一個 AI 工具開始在全球最大的程式碼託管平台上「刷存在感」，它實際上正在重新定義什麼叫「寫程式碼」。01. AI「霸榜」GitHub4% 看起來並不是個很大的數字，但可怕的是這個數字背後的意義。GitHub 每天的提交量是一個天文數字。全球數千萬程式設計師在這個平台上推送程式碼、修復 bug、發佈新功能。而現在，每 25 次提交中，就有 1 次來自 AI。Anthropic Claude Code 負責人 Boris Cherny 在 X 上毫不避諱地「炫耀」：他的團隊現在 100% 使用 Claude Code 寫程式碼，連小的編輯都不再手動操作。更誇張的是，他們用一周半時間就用 Claude Code 建構了 Cowork 應用。這種效率提升不是線性的，而是指數級的。但真正讓人震撼的不是速度，而是質量。一位企業使用者透露，他 80% 的時間在使用 Claude Code，剩下 20% 用其他工具。「我的公司為 Claude Code 付費，我甚至不看成本。」這句話很有意思——當一個工具好用到讓人「不看成本」，說明它創造的價值，已經遠超價格。曾有業內人士曾這樣評價 AI Coding 的優勢：「AI 能繞過官僚主義。如果猶豫不決會讓大型組織陷入癱瘓，AI 不在乎。它會愉快地生成一個版本 1。」這句話點出了 AI 程式設計的核心優勢——沒有包袱，沒有猶豫，沒有「完美主義焦慮」。02. 程式設計師的「存在危機」但硬幣總有兩面。在 Hacker News 上，一位使用者分享了他的挫敗感：「多次我希望程式碼看起來是某種樣子，但它不斷拉回到它想要做事情的方式... 最終，我發現不與它爭鬥、讓它按照它想要的方式做事情更容易。」這段話透露出一個微妙的權力轉移：從「人指導 AI」到「人適應 AI」。Every 公司 CEO Dan Shipper 在部落格中寫道：「我們正處於自主程式設計的新時代。你可以在不看一行程式碼的情況下建構令人驚嘆的複雜應用程式。」聽起來很美好，但這也意味著傳統意義上的「程式設計師」，正在消失。如果你不需要看程式碼就能建構應用，那「會寫程式碼」，還算是一種核心技能嗎？SemiAnalysis 的分析師預測，這個趨勢將推動 Anthropic 在 2026 年實現爆發性增長，甚至超越 OpenAI。相比之下，GitHub Copilot 和 Office Copilot 雖然領先了一年，但「幾乎沒有作為產品取得任何進展」。這個對比很殘酷，也很說明問題：在 AI 時代，先發優勢可能不如產品體驗重要。03. 重新定義「程式設計師」但程式設計師同學可能不需要過分焦慮，程式設計師這個崗位不會消失，只是這個職業的定義在改變。就像 Dan Shipper 說的，即使在 2025 年，「你仍然需要真正理解底層架構，也許你仍然需要去查看程式碼」。但這個「需要」的含義已經不同了。程式設計師正在從「程式碼編寫者」變成「AI 協調者」。你需要知道如何與 AI 對話，如何審查它的輸出，如何在它犯錯時糾正它。你需要理解系統架構，但不一定需要親自實現每一行程式碼。一位 Google 工程師的反思很有代表性：社區對 AI 程式設計能力的討論「緊張」，一方面驚嘆於能力的提升，另一方面擔心被替代。但他強調，領域專業知識仍然重要，原型和生產環境之間的差距仍然存在。當 AI 程式設計足夠便宜、足夠好用，整個軟體開發的經濟學都會改變。也許 20% 的 GitHub 提交量只是開始。也許幾年後，我們會看到 50%、80%，甚至更高的比例來自 AI。這未必意味末日，而是一個新開始。真正的程式設計師不會被 AI 替代，而會學會如何讓 AI 成為最強大的工具。就像計算器沒有讓數學家失業一樣，AI 也不會讓程式設計師失業——它只會讓那些拒絕進化的人失業。程式碼即是機器語言，是 AI 的母語，將機器語言交還給機器本身，人類用自然語言描述 Idea，看起來似乎是個更自然的結果。 (極客公園)

不用多說，相信每個人的時間線全被Claude Code刷屏了。馬斯克甚至斷言，「我們已進入奇點！2026年就是奇點之年」。這幾天，Claude Code在全網掀起的陣仗可真不小。一睜眼，地球首富馬斯克重磅宣告：我們已進入奇點！起因竟是，Midjourney創始人公開稱，聖誕假期自己敲的程式碼，比過去十年加起來還要多，簡直太瘋狂。「雖然能感到侷限，但我知道一切都不再一樣了」。同一天，馬斯克不止一次，直接宣稱「2026年就是奇點之年」。這個點評同樣是對Claude Code的高度讚揚。如今，包括Anthropic之父、前DeepMind/OpenAI研究員、Google首席工程師等大佬在內，都為其感到震驚。馬斯克：2026，奇點降臨一直以來，奇點這一概念就像科幻詞一般的存在。雷·庫茲維爾曾在2005年《奇點臨近》一書中，預測道技術奇點大約發生在2045年。而在最新出版的《奇點更近》著作中，他再次重申奇點時間：仍是2045年。誰曾想，這個看似還很遙遠的時刻，一下子被拉到了現在——2026年。所謂的技術奇點，是指技術在長期內增長緩慢，但在某個臨界點急劇加速，呈指數式上升。能夠讓馬斯克有這麼深感觸，竟是Claude Code席捲全網的強大程式設計能力。一點也不誇張地說，2026年開年這局，身邊的人都瞬間成為了Claude Code使用者。生物醫學工程師Derya Unutmaz雖不是專業程式設計師，升級訂閱就是為了更頻繁使用Claude Code。就連xAI聯創Igor Babuschkin感慨道，「有些年頭風平浪靜，啥大事沒有，可有些星期卻濃縮了數十年的變遷」。一夜之間，Claude Code為何變得這麼強了？真正的「民間高手」：Claude Opus精準來說，不是它變強了，而是一直就很強。去年11月底，超大杯Claude Opus 4.5一出世，Anthropic便宣稱其是全球最頂尖的編碼模型。內部測試中，Opus 4.5+Claude Code聯動使用，平均效率暴增220%。當時，Anthropic工程師預言，也許就在2026年上半年，軟體工程就被終結了。如今看來，可能就在最近了。剛剛，在最新升級的LiveBench榜單上，Claude Opus 4.5登頂，直接碾壓GPT-5.1 Codex MAX、Gemini 3 Pro。創始人Bindu Reddy稱，在聖誕假期期間，團隊改進了LiveBench，為了防止AI刷分作弊。這個排名在很大程度上，反映了這些LLMs在現實世界中的表現。去年12月，METR的一份報告揭秘了，全球最能打的AI還是Claude Opus 4.5。它在自主編碼任務中，能夠連續5小時不崩，也是迄今為止公開的AI完成長程任務時間最長的模型。AI大佬Simon Willison表示，Opus 4.5和GPT-5.2就像是一個轉折點。「模型逐步跨越到了一個隱形能力界限的時刻，忽然間，大量的編碼難題都被解決了」。即便是程式設計0經驗的人，也能在不到十分鐘的時間，打造出一款功能齊全的網頁應用。就像網友所言，如果不出意外的話，Claude Code可能會讓更多人成為百萬富翁。人類的最後一次發明如果我們翻開哲學家戴維·查爾默斯（David J. Chalmers）那篇經典的《奇點：哲學分析》，會發現當下的瘋狂景象，不過是這套嚴密邏輯推演的必然兌現。論文地址：https://consc.net/papers/singularity.pdf在查爾默斯的推導模型中，我們正處於一個被稱為「擴展前提（Extension Premise）」的關鍵節點。他將這一過程量化為從AI到AI+再到AI++的階躍：AI：人類水平的人工智慧。AI+：超越人類最強大腦的智能。AI++：超級智能，其超越程度正如人類超越老鼠一般。正如查爾默斯引用的I.J. Good在1965年的那個著名論斷：「超智慧型手機器（Ultraintelligent Machine）將是人類需要製造的最後發明」。邏輯非常性感且冷酷：機器設計機器：既然設計機器本身是一種智力活動，那麼一台超越人類的機器（AI+），必然能設計出比人類所能設計的更好的機器。遞迴的雪崩：這台被AI+設計出的新機器，擁有更強的設計能力，它將設計出下一代更強的機器。無限逼近：只要這台機器能通過編寫程式碼來最佳化自身，我們將無可避免地迎來一場「智能爆炸」。我們現在看到的，正是查爾默斯所描述的「速度爆炸」與「智能爆炸」的完美合流。當模型開始比人類更擅長最佳化演算法時，我們就不再是處於一個線性的增長曲線上，而是站在了垂直牆面的底端。每個人都會成為軟體工程師奇點來臨的那一刻，世界會有什麼不同？Google工程師Vaibhav Agarwal稱，自己再也不用寫程式碼了，現在70%-80%程式碼都是AI寫的。而他的工作僅是「程式碼審查」，角色發生了根本性的轉變，具體是這麼做的：• 不再輸入語法，用提示詞（Prompt）來定義邏輯；• 不再費力找 bug，而是審查AI給出的修改建議；• 不再硬啃遺留程式碼，直接讓AI把它講明白。許多工程師對此感到內疚，覺得自己像是在「作弊」。實際上並不是，他們是在進化。Agarwal曾問過一位資深領導，關於一個所有人都害怕的問題：AI會取代我們嗎？他是這麼說的——AI是一個效率倍增器，而不是替代品。如果你過去每周完成1倍的工作量，現在預期則是，同一周內完成4倍的工作量。沒有任何一家公司希望倒退。如今，衡量「生產力」的標準已經被整體抬高了。如果你因為自稱是個「純粹主義者」而拒絕使用 AI，那並不高尚——你只是慢了。AI不會取代你。但一個借助AI、能完成4倍工作量的工程師……滿足網友的好奇，工程師用的是自家的GeminiHyperbolic創始人Yuchen Jin直言不諱，要是在讀博期間有這些強大工具助力，自己不用耗費5.5年，可能一年就畢業了。此前，奧特曼在採訪中還曾表示，「用不了多久，每個人都會成為軟體工程師」。他隨口拋出了一個關於未來工作方式和軟體世界的超級觀點，但很多人還沒意識到這件事有多重要。核心想法其實很簡單，自然語言，就是新的程式設計語法。程式設計師大軍終結，不需要龐大的開發團隊才能做出第一個版本。只需描述出需求，AI直接把它做出來。在複雜系統中，AI智能體會直接「住」在程式碼庫裡。它們會自己瀏覽repo、修復bug、補測試、重構程式碼，並自動提交修改。一旦軟體開發被自動化，同樣的邏輯也會蔓延到營運、規劃，甚至部分管理工作。程式碼，只是倒下的第一塊多米諾骨牌。如果這一切真的發生，「學會寫程式碼」本身就沒那麼重要了。 (王晶華說AI)