Claude Code 剛剛推出了一項全新功能：遠端控制。OpenClaw 使用者早就用上了這項功能，說實話，“發起任務，然後用手機查看”這種工作流程一旦嘗試過就真的會上癮。現在，你可以在電腦終端跑起一個程式碼任務，然後拿起手機去散步或開會，隨時隨地接管任務進度。在此期間，Claude 會在你的本地機器上持續運行，而你可以直接通過 Claude App 或 claude.ai/code 網頁端控制整個會話。該功能目前面向 Max 使用者提供研究預覽版，並即將向 Pro 使用者開放。只需在終端輸入 claude rc 即可快速上手。核心亮點：裝置在變，本地環境不變遠端控制功能打通了網頁端、iOS 和 Android 移動端與本地機器的連接。當你在本地啟動遠端會話時，所有處理程序都在本地運行，沒有任何資料會被遷移到雲端。這意味著你可以實現以下操作：呼叫完整的本地環境：你的檔案系統、MCP 伺服器、工具和項目配置均保持可用狀態。多端同步辦公：對話記錄在所有連接裝置上即時同步，你可以無縫穿插使用終端、瀏覽器和手機傳送消息。無懼中斷：如果你的筆記型電腦進入休眠或網路斷開，只要機器重新上線，會話就會自動重連。這與此前推出的網頁版 Claude Code 有著本質區別。網頁版運行在 Anthropic 託管的雲基礎設施上，而遠端控制會話直接在你的本地機器上執行，與本地檔案系統互動，網頁和手機端只是監控和操作本地會話的窗口。想要上手？先核對這些門檻在使用遠端控制之前，需要確保你的環境滿足以下三個條件：訂閱要求：必須是 Pro 或 Max 計畫使用者。目前不支援團隊版、企業版，也不支援通過 API 金鑰使用。帳號認證：運行 claude 並使用 /login 命令完成網頁端登錄。工作區信任：至少需要在項目目錄中運行過一次 claude，並接受工作區信任彈窗。兩種方式啟動遠端會話無論是開啟新任務還是繼續當前工作，你都可以輕鬆喚起遠端控制。方式一：啟動全新會話進入你的項目目錄，在終端運行以下程式碼：claude remote-control該處理程序會在終端中保持運行狀態，等待遠端連接，並生成一個會話 URL 供其他裝置使用。按下空格鍵還能直接呼出二維碼，方便手機掃碼接入。運行期間，終端會即時顯示連接狀態和工具呼叫情況。此命令支援附加標誌參數：使用 --verbose 可以查看詳細的連接和會話日誌；使用 --sandbox 或 --no-sandbox 可以開啟或關閉沙盒模式，用於會話期間的檔案系統和網路隔離，沙盒功能默認處於關閉狀態。方式二：從現有會話無縫切換如果你已經處於一個 Claude Code 會話中，並希望在遠端裝置上繼續，只需輸入以下命令：/remote-control或者使用縮寫 /rc。這會立即啟動遠端控制，繼承你當前的對話歷史記錄，同樣會顯示會話 URL 和二維碼。需要注意的是，附加標誌參數在此命令下不可用。操作提示：在運行遠端命令前，建議先使用 /rename 給會話起個名字，這樣在其他裝置的會話列表中會更容易找到它。多端連接與全域配置遠端會話啟動後，你有三種方式接入：在任意瀏覽器中打開終端顯示的 URL，直接跳轉至網頁端。掃描 URL 旁的二維碼，直接在 Claude App 中打開。打開網頁端或 Claude App，在會話列表中通過名稱尋找。線上的遠端會話會帶有一個電腦圖示和一個綠色狀態圓點。如果你還沒有安裝移動端，可以直接在 Claude Code 內使用 /mobile 命令，獲取 iOS 或 Android 應用的下載二維碼。如果想讓每一次啟動都默認支援遠端控制，可以在 Claude Code 中運行 /config 命令，並將開啟所有會話的遠端控制選項設定為 true。隨時可以將其改回 false 來關閉。安全機制與使用限制在安全性方面，本地 Claude Code 會話僅發起出站 HTTPS 請求，絕不會在你的機器上開放入站連接埠。流量通過 Anthropic API 基於 TLS 加密傳輸，並採用多種生命周期極短、按獨立用途分配的憑證。不過，日常使用中還需注意以下限制條件：每個 Claude Code 實例每次只支援建立一個遠端連接。如果運行多個實例，它們各自擁有獨立的環境和會話。由於遠端控製作為本地處理程序運行，你的終端必須保持打開狀態。一旦關閉終端或停止 claude 處理程序，會話就會終止。如果機器處於喚醒狀態，但斷網時間超過約10分鐘，會話將超時並自動退出處理程序。此時需要重新運行命令啟動新會話。 (AI寒武紀)

如果你想摧毀一家公司，不需要打敗它，只需要讓人相信它可以被打敗。截至周一美股收盤，IBM 股價暴跌 13.1%，報每股 223 美元，創下 2000 年網際網路泡沫破裂以來最大單日跌幅。當天市值從 2408 億美元跌至約 2087 億美元，蒸發了約 310 億美元。是財報暴雷了嗎？不是。是重要大客戶跑路了嗎？也沒有。這一切的導火索，僅僅是 AI 公司 Anthropic 當天發佈的一篇部落格，宣佈旗下程式設計工具 Claude Code 可以幫助改造 COBOL 老舊系統，直接戳中了 IBM 最核心、最賺錢的遺留系統諮詢業務。沒有人證明 IBM 的生意垮了，但在恐慌的市場面前，已經不需要證據了。部落格地址：https://claude.com/blog/how-ai-helps-break-cost-barrier-cobol-modernizationCOBOL 是 IBM 的護城河，現在被 AI 盯上了要理解 IBM 為什麼跌得這麼慘，得先搞清楚 COBOL 是什麼，以及 IBM 靠它賺的是什麼錢。COBOL 是一種誕生於 20 世紀 50 年代的程式語言，今天仍在驅動美國約 95% 的 ATM 交易，以及大量銀行、政府、航空系統的日常運轉。IBM 長期銷售針對 COBOL 最佳化的大型主機，並圍繞它提供改造和諮詢服務。這門生意之所以賺錢，根源在於改造難度極高。讀懂幾十年沒有文件的老程式碼，往往要顧問團隊花上數年時間。這種高昂的理解成本，就是 IBM 最核心的競爭壁壘。Anthropic 的部落格說，Claude Code 可以自動梳理數千行程式碼之間的依賴關係，補全那些早已沒人記得的工作流文件，還能識別出人工分析師要花幾個月才能發現的系統風險。它進一步宣稱，原本以年計的現代化項目，用 AI 可以壓縮到幾個季度。當市場聽到這個消息後，立刻作出了反應：長期駐場、大團隊、以年計費——這套模式賺錢，是因為客戶沒有別的選擇。一旦 AI 提供了另一種可能，IBM 和客戶之間的議價天平，就不再是原來那個樣子了。這也讓 IBM 的處境因此顯得格外敏感。2025 年全年，IBM 諮詢業務收入約 210.55 億美元，基礎設施收入約 157.18 億美元，生成式 AI 累計簽約規模也超過了 125 億美元。當理解遺留程式碼這件事的成本被大模型顯著壓低，這些收入的含金量在市場眼中就打了折扣。有意思的是，IBM 和 Anthropic 其實並不是單純的對手。2025 年 10 月，兩家公司曾宣佈戰略合作，把 Claude 整合進 IBM 的開發工具體系，內部有超過 6000 名早期使用者報告平均生產力提升約 45%。同一種技術，既可能成為 IBM 自我改造的工具，也被看作顛覆它的武器。但在拋售情緒主導的當天，市場選擇了後者。IBM 暴跌其實不是這輪動盪的起點。早在 2 月 20 日，網路安全類股就已經經歷了一次集體閃崩，那天后來被一些分析師稱為軟體行業的「黑色星期五」。導火索是 Anthropic 宣佈推出 Claude Code Security。部落格地址：https://www.anthropic.com/news/claude-code-security這款工具能自動掃描程式碼庫中的安全漏洞，生成補丁供人工審查，並將原本由專業安全工具負責的漏洞掃描、軟體成分分析等功能，直接內建進了開發者的日常工作流。市場的反應同樣非常強烈。JFrog 當天單日暴跌 24.61%，因為它的核心業務高度依賴軟體供應鏈的管控，而這恰好是 AI Agent 最容易切入的領域。CrowdStrike、Cloudflare、Okta、Zscaler 等公司雖然主營業務並不是程式碼掃描，但也因為情緒「傳染」出現了明顯下跌，整個類股單日蒸發上百億美元，追蹤網路安全 ETF 的 BUG 基金跌至兩年多以來的最低點。當然，不少理智的分析師站出來反駁，說這種拋售毫無邏輯。比如摩根大通認為，投資者的擔憂被過度誇大。Wedbush Securities 的分析師措辭嚴厲地表示，這是自己職業生涯中見過的「最不合邏輯的交易」。他們的理由有一定說服力。AI 在幫助防守者掃漏洞的同時，也在幫助攻擊者找漏洞。到 2026 年，駭客已經開始用大模型發起更精準的釣魚攻擊，開發自動化的攻擊 Agent，甚至針對企業內部的 AI 模型實施「提示詞注入」和「記憶體投毒」。更棘手的是，企業內部大量未經授權部署的 AI Agent，一旦擁有操作內部系統和訪問敏感資料的權限，本身就成了安全隱患。這意味著安全的需求非但沒有消失，反而在擴張。CrowdStrike 提供的端點保護、Zscaler 提供的零信任網路訪問、各類身份與訪問管理工具，恰恰是應對這些新型 AI 威脅所必須依賴的基礎設施。SaaS 最不願承認，但正在發生的事APPSO 之前也報導過，AI 對整個 SaaS 行業造成了很大的衝擊。而 IBM 和安全股的動盪，是整個企業軟體行業更大危機的一個切面。過去二十年，SaaS 行業的繁榮建立在一個簡單邏輯上：企業員工越多，買的軟體席位就越多，供應商的訂閱收入就越穩。AI Agent 的出現打破了這個等式。以 Claude Cowork 為例，它能自主跨系統導航，獨立完成資料錄入、線索評分、多步驟業務審批等工作，企業不再需要維持大規模的基層操作團隊。一個原本需要五個人各自登錄帳號的財務部門，現在可能一個主管配合 AI 工具就夠了，那四個席位的訂閱費自然隨之消失。這種現像是 SaaS 廠商目前面臨的最直接威脅。在這場轉型中，處境最危險的是那些提供通用功能、主要服務中小企業的 SaaS 廠商，比如 HubSpot、Atlassian、Asana。這類產品的工作流相對標準化，很容易被 AI 直接模仿替代。越是那些功能通用、流程標準化的軟體（比如排日程、管任務的），越容易被 AI 直接平替。這種衝擊不只停留在大公司層面，對普通創業者也是一種降維打擊。一位名叫 Ira Bodnar 的創業者在 X 平台發了一篇名為《Claude 殺死所有創業公司》的帖子，迅速獲得了超過 300 萬次閱讀。文章 🔗 https://x.com/irabukht/status/2025846968245948795她兩個月前剛做出一款幫企業自動管理Google和 Meta 廣告帳戶的 AI 產品，付費客戶幾百個，成交率高達 70%，增長勢頭很好。一天早上醒來，她發現成交率跌到了 20%。原因很簡單：Anthropic 同期推出了 Meta 廣告連接器。功能還不完整，只能做分析、無法直接操作帳戶，但客戶已經開始觀望。Bodnar 在帖子裡寫道：「再過幾個月它就能做到了，所以繼續在這裡開發感覺意義不大。」IBM 失去的是估值，Bodnar 失去的是整個產品類別存在的理由。相比之下，更難被計算進股價、也更難被寫進報告的，是那些正在消失的普通崗位。畢竟，股價跌了還能漲回來，但就業市場的變化，慢刀子割肉，卻真實得多。當企業不再需要那麼多人去堆砌工作量時，最先遭殃的，是那些還沒上桌的年輕人。史丹佛大學數字經濟實驗室的研究指出，在受 AI 影響最明顯的職業裡，22 至 25 歲年輕畢業生的就業率相對下降了 13%，但與此同時，那些有豐富經驗的高級架構師，飯碗依然很穩。這個分化說明 AI 沒有像科幻電影裡那樣消滅所有人類崗位，只是悄悄從底部開始，把新人的崗位削沒了——以前，剛畢業的程式設計師總是靠寫寫簡單的基礎程式碼、修修不痛不癢的 Bug，一步步攢經驗往上爬。現在，這些「髒活累活」全是 AI Agent 的統治區。包括很多大廠現在很默契：我不大規模裁員，但如果有人辭職了，我絕對不再招新人，直接拿 AI 頂上空缺。對此，學生的選擇，已經說明了他們對市場的判斷。麻省理工學院的資料顯示，其入門程式設計課程在 2022 學年達到峰值後持續下滑，傳統電腦科學專業註冊人數從 823 人跌至 672 人，降幅超過 18%。與此同時，MIT 2022 年新設的「人工智慧與決策」專業，註冊人數從 37 人暴增到 372 人，漲了約十倍。杜克大學的 CS 入門課註冊人數同期下降約 20%，普林斯頓 CS 專業大三大四學生數量也出現了相似幅度的下滑。同樣是在 IBM 暴跌的同期，一篇由 Citrini Research 發佈的部落格《2028 年全球智能危機》在 X 平台上火了，收穫了 2000 萬+的閱讀量。文章 🔗 https://www.citriniresearch.com/p/2028gic作者假裝站在 2028 年往回看，描繪的圖景並不樂觀。企業用 AI 裁人，省下來的錢繼續買 AI，更強的 AI 讓下一輪裁員成為可能，被裁的人消費變少，企業收入下滑，又得靠 AI 進一步壓縮成本。一圈又一圈，沒有盡頭。作者自己也說，這只是一個思想實驗，不是預言。但讀完這篇文章再看今天的新聞，很難說它描述的東西完全是想像。SaaS 公司的訂閱收入在壓縮，IT 外包行業開始被質疑存在的必要性，應屆生找工作越來越難——傳導鏈條的前幾環，已經隱約可見。國際貨幣基金組織估計，全球約四成就業都暴露在 AI 的影響範圍之內，部分崗位會被增強，部分面臨萎縮，最終走向取決於各行業的互補程度與政策應對。世界經濟論壇預測，到 2030 年新技術淨創造的崗位約 7800 萬個，但這個再分配的過程，必然伴隨大量摩擦和痛苦。我們總喜歡用顛覆、炸鍋、王炸等聳人聽聞的詞彙來描述 AI 所帶來的衝擊，在我看來，這些詞都用錯了方向——AI 帶來的變化，更像是漲潮。漲潮不挑對象，不講立場，不管你是 IBM 這樣的百年巨頭還是 Bodnar 這樣的獨立創業者，水平線統一往上走。有人站在高地，有人站在灘塗，退潮之後才知道誰在裸泳——問題是，這次潮水好像沒有退的跡象。MIT 的學生已經在悄悄更換就業方向，大廠們同樣在默默等人自然離職然後不再補招，Citrini 那篇文章的閱讀量之所以能突破 2000 萬，也是因為太多人在裡面看到了自己隱約感覺到、但還沒說出口的那種不安。不安本身不是壞事。它至少說明，潮水還沒把人完全淹沒，還有時間想清楚自己站在那裡，又到底該如何在機器面前，找到自己那個沒法被替代的位置。 (APPSO)

引言：2026年2月20日，又一個行業的崩塌時刻AI生成2026年2月20日，Anthropic發佈Claude Code Security，美股網路安全類股集體暴跌。CrowdStrike跌7.95%、Cloudflare跌8.05%、Okta跌9.18%，單日市值蒸發超100億美元。Global X網路安全ETF創2023年11月以來新低。這是繼2月3-4日"SaaSpocalypse"（SaaS崩塌）之後，48小時內第二次行業級崩塌。兩次崩塌的共同特徵是：AI不再是“輔助工具”，而是直接替代了整個職業類別的核心價值。Claude Code Security在內部測試中發現500+潛伏多年的高危漏洞，包括Ghostscript、OpenSC等開放原始碼專案，部分漏洞存在超十年未被人類安全專家發現。這是範式崩塌的訊號。當一個AI工具能夠超越整個行業數十年的專家積累，因為中間有段時間我沒有緊密fellow，參見前文《用AI，不AI：一個AI異化者的重生手記》，所以我特別想搞清楚的是：範式是如何演進到這一步的？第一階段：模型能力的指數級躍遷（2018-2024）A. 核心特徵：Scaling Law（縮放定律）的勝利從GPT-3到GPT-4，從Claude到Gemini，這一階段的主旋律是模型能力的指數級增長。LLM在軟體任務上的時間跨度每7個月翻倍，Claude Opus 4.6在METR軟體任務上達到14.7小時，相比前代提升了近3倍。這個階段的關鍵信念是：更大的模型 = 更強的能力更多的資料 = 更好的泛化更長的上下文 = 更複雜的推理直到網際網路資料被用完，蒸餾資料會引發崩潰。AI訓練的瓶頸從模型參數夠不夠大，到是新鮮、可靠的資料從那裡來。這預示著第一階段的天花板。B. 範式的內在矛盾這一階段暴露出三個核心矛盾：1.資料枯竭：網際網路公開資料已被“反覆嚼舊料”，模型開始“嚼自己的尾巴”；2.能力泛化 vs. 落地應用：模型越抽象越泛化，但缺乏與真實任務的有效對接；3.Speech-act的空轉：大量對話停留在“數字空間空轉”，未能進入“speech-cognition的高價值空間”。第二階段：從In-Context Learning到Scaffolding（2024-2025）A.Anthropic的雙重路徑Anthropic的戰略核心：“in-context learning和Scaffolding演化的雙重作用下的模型進展。”In-Context Learning（上下文學習）的深化：不再是簡單的few-shot prompting；演變為Context Engineering——Anthropic在2025年9月正式提出這一概念；核心轉變：從“寫好提示詞”到“策展最優token集合”；關鍵技術：Compaction（壓縮）、Structured Note-taking（結構化記憶）、Sub-agent Architectures（子代理架構）。Scaffolding（腳手架）的戰略意義：這裡的“腳手架”指的是：人類經驗進入LLM的管道和結構。Anthropic的工程部落格揭示了一個關鍵洞察：> "Context engineering represents a fundamental shift in how we build with LLMs. As models become more capable， the challenge isn't just crafting the perfect prompt—it's thoughtfully curating what information enters the model's limited attention budget at each step."“上下文工程代表著我們利用大型語言模型進行開發的根本性轉變。隨著模型能力的增強，挑戰已不再僅僅是精心設計完美的提示，而是要審慎地在每一步中篩選出那些資訊能進入模型有限的注意力預算。”那麼，LLM平台戰爭的本質已經從模型轉移到腳手架。誰定義了人類具身經驗進入LLM的管道形態，誰就定義了speech symbiosis的拓撲結構。這意味著：腳手架（Scaffolding）成為模型能力的放大器；戰場從“模型訓練”轉移到“執行階段編排”；人類經驗的輸入方式，決定了AI的輸出質量。B. 關鍵技術突破1.Context Window的辯證法：更長的上下文 ≠ 更好的性能；Context Rot現象：隨著token數量增加，模型檢索精準性下降；解決方案：Just-in-time retrieval + Agentic Search。2.從Pre-retrieval到Runtime Exploration：傳統：預先檢索所有相關資料；新範式：維護輕量級識別碼，動態載入資料；Claude Code的實踐：用glob、grep等工具導航環境，繞過陳舊索引。3.Multi-agent Architecture的崛起：主代理維護高層計畫；子代理處理深度技術工作；每個子代理可能消耗數萬token，但只返回1000-2000 token的精煉摘要。C. 遞迴自我改進（RSI）時代的到來2025年底，一個只有行業少數人能察覺的拐點出現了：模型開始幫助創造模型。（參見前文：《AI自主進化前的窗口期：12個月!》）研發速度首次實現遞迴式增長，單個研究者的產出被成倍放大。Alexandr Wang將這個階段命名為遞迴自我改進（RSI，Recursive Self-Improvement）時代。過去五年的規律：AI進步靠堆資源。投入更多資料和算力，模型就變得更強。現在的質變：模型不再被動等待投喂，它開始能幫忙做研究，能參與訓練下一代模型。它能整理資料、生成實驗程式碼、做架構搜尋，而且速度更快。從外部看，所有頭部LLM廠家的發佈頻率突然變高了。但這只是表象。在內部，研發流程正在發生質變：研究被切分成更小的步驟；模型能夠即時給出方案並進行對比；許多過去依賴人工試錯的路徑，現在直接在模型內部就能跑通；下一代模型的迭代速度實現了量級躍升。競爭邏輯的改變：在RSI時代，競爭的焦點已經從單純的“資源規模”轉向了“迭代速度”。現在的優勢，取決於誰能更快地生成實驗方案、更快地清洗資料、更快地測試不同路徑，並以最快速度將這些成果反哺給下一代模型。所以你會看到，掌握了這套打法的頭部實驗室，產品發佈節奏明顯提速了。AI已經進入了能夠自我推動的階段。短期內，你或許感知不到劇烈變化，但在未來三到五年，這種自我加速能力會在產品迭代、組織更新和行業地位上拉開巨大差距。第三階段：腳手架重構與行業崩塌（2026年2月）A. 腳手架戰爭的本質LLM平台戰爭的本質已經從模型轉移到腳手架。誰定義了人類具身經驗進入LLM的管道形態，誰就定義了speech symbiosis的拓撲結構。這意味著：模型能力趨於同質化:（OpenAI、Anthropic、Google的頂級模型差距縮小）；差異化在於編排能力：如何讓人類經驗有效輸入、如何讓模型與真實任務對接；價值捕獲點轉移：從“訓練最強模型”到“建構最佳管道”。B. 腳手架重構的領域，就是商業模式崩塌的領域第一次崩塌：SaaS的48小時（2月3-4日）。市值蒸發：納斯達克雲指數蒸發近3000億美元；這不是宏觀回呼，而是底層商業邏輯的崩塌。三個關鍵指標的失速：1. NRR（淨收入留存率）中位數跌至101%——接近危險線；2. GRR（總收入留存率）跌破90%——客戶流失加速；3. CAC回本周期拉長至24個月以上——單位經濟模型失效。Forbes的深度報導指出：這不是“增長變慢”，而是“單位經濟模型正在失效”。資本的三個逃逸方向：資金流向呈現出令人窒息的極化：1.Service-as-Software（結果導向革命）：從“出售工具訪問權”到“出售可驗證的商業結果”；無法把計費模型與交付價值硬繫結的軟體→淪為“可替換元件”。2.物理基礎設施：固態變壓器、推理ASIC、矽光收發器；掌控變壓器架構與光通訊模組→建立“物理主權”；“資本只願意為‘物理控制權’和‘原生數字主權’下注”。3.機器身份與硬核推理：安全層面：從“防人越權”到“約束自治機器代理”；硬體層面：通用晶片在低延遲推理的能效比被挑戰。第二次崩塌：網路安全的黑色星期四（2月20日）觸發事件：Anthropic發佈Claude Code Security技術突破的顛覆性：採用AI模型Claude Opus 4.6；可像人類安全專家般理解程式碼邏輯；發現傳統工具易遺漏的複雜漏洞（業務邏輯缺陷、權限繞過問題）；內建多階段驗證機制，自動生成修復建議但保留人工稽核環節。實戰表現：內部測試發現500+潛伏多年的高危漏洞；包括Ghostscript、OpenSC等開放原始碼專案；部分漏洞存在超十年未被人類專家發現。市場反應：CrowdStrike跌7.95%、Cloudflare跌8.05%、Okta跌9.18%；類股單日市值蒸發超100億美元；Global X網路安全ETF創2023年11月以來新低。行業影響：該工具定位程式碼審計環節，直接衝擊應用安全測試市場；儘管仍處限量研究預覽階段，但加劇市場對AI顛覆傳統安全商業模式的焦慮。兩次崩塌的共同邏輯這兩次崩塌揭示了一個殘酷的事實：當AI的腳手架能夠有效對接某個垂直領域時，該領域的傳統商業模式就會在48小時內崩塌。當AI能夠：1.超越人類專家的多年積累（網路安全）；2.以更低成本交付相同結果（SaaS）；3.持續學習和進化（而人類專家的知識更新速度有限）。傳統商業模式的護城河就會瞬間蒸發。腳手架重構的本質：傳統軟體時代：人類經驗 → 程式設計師編碼 → 軟體產品 → 使用者使用；瓶頸：程式設計師的編碼能力和時間。腳手架時代：人類經驗 → 腳手架管道 → LLM理解 → 輸出結果；瓶頸：腳手架的設計質量。誰定義了“人類經驗→LLM輸入”的管道形態：就定義了AI能理解什麼、不能理解什麼；就定義了AI能做什麼、不能做什麼；就定義了價值如何流動。這就是“speech symbiosis的拓撲結構”——人機共生的互動拓撲。第四階段：Agentic AI的大規模落地（2025年底-2026年）A. 從“概念”到“可用”的跨越如果說前一階段講的是技術為什麼變快，這一階段則更貼近普通人和企業：AI為什麼終於能把事情辦成了。過去兩年，智能體（Agents）這個詞被提及了無數次。從2023年開始，它就被大肆宣傳，但在很長一段時間裡，它更像是一個被炒作的流行詞，始終沒有達到預期。到了2025年下半年，情況變了。智能體第一次真正開始運轉，能夠承擔真實任務，而不再僅僅是Demo。從會回答到會執行：智能體開始處理完整的任務鏈：連續呼叫工具；在後台長時間運行；根據突發情況自動調整執行步驟。從這一刻起，AI能力邊界擴大了。以前的AI只能回答問題，現在的AI能推進進度。對企業而言，多了一個7x24線上的“數字員工”；對個人而言，則多了一個能主動幫你成事的“超級助理”。B. 軟體工程的統治地位資料顯示：軟體工程佔所有AI代理工具呼叫量的近50%，而醫療、法律、金融等垂直領域各佔比不足5%。(見下圖）這揭示了兩個事實：1.通用能力的優先順序：程式碼理解、檔案操作、系統呼叫是最基礎的“管道能力”；2.垂直領域的巨大空白：有上百個AI獨角獸企業等待被打造。馬斯克的第一性原理預測：馬斯克預測：到今年年底，AI將完全繞過編碼，直接建立二進制檔案。當AI能夠：理解使用者意圖；設計系統架構；生成最佳化的機器碼；直接輸出可執行檔案。中間的“編碼”環節就成了冗餘。這是第一性原理的極致體現——直接從需求到結果，跳過所有中間層。不愧是第一性原理宗主。C. 三個方向同步爆發1. 程式設計智能體正在重塑研發流程它們能讀懂、生成並修改程式碼，讓工程師的工作效率實現躍升。在Meta內部，有工程師利用AI將生產力提高了10到100倍。這些案例一個接一個出現後，組織裡的其他人突然意識到，工作方式真的在改變。2. 個人智能體（Personal Super Intelligence）能幫你規劃任務、安排日程、拆解目標，真正滲透進日常生活。如果你想改善健康：它能幫你量身定製並嚴格落地一套包含飲食、運動和作息的完整方案。如果你要籌辦一場活動：它能自動跟進進度、對接場地、傳送邀請，甚至替你查漏補缺。如果你想享受生活：它能幫你接管繁雜的日常瑣事，把你釋放出來，把時間留給釣魚、畫畫、旅行，或者任何真正有價值的事。3. 公共服務智能體在印度提供了範本：民眾直接在WhatsApp上就能獲取政府服務、查詢資訊、提交申請，效率發生了質變。智能體不再是某個前沿行業的專屬，它正成為一種通用的工作方式。D. 從不放心到放心智能體為什麼能在現在跨越“概念”走向“可用”？Alexandr Wang將其歸結為四點質變：1. 模型的推理能力大幅躍升；2. 工具呼叫變得更加穩定；3. 與現實場景的連接更加順暢；4. 經過海量應用測試後，可靠性得到了驗證。智能體從讓人“不放心”，變成了“可以放心託付”。這正是其能夠被規模化部署的核心前提。一旦信任建立並放心部署，價值就會快速釋放。它們不知疲倦、可無限複製、能同時處理多項任務。它們不僅能將人類從重複性勞動中解放出來，更能加快整個組織的運轉速度。企業的運轉效率、國家的公共服務質量，都將因此拉開差距。這些差距將在2026年變得清晰可見。按照Wang的判斷，在整個2026年，智能體會在全球諸多經濟領域和地區實現大規模部署。用他的話說：“AI帶來的經濟價值將呈指數級增長。”智能體已經成為一種新的生產方式。越早將其納入業務流程的組織，就能越早進入新的增長軌道。E. Claude vs. OpenClaw：兩種腳手架哲學有人這樣說：“Claude Code是精英專家同事，OpenClaw是知道你全部經歷、凌晨兩點還給你發語音的室友。”這代表了兩種腳手架設計哲學：Claude的“專家協作”模式：強調Context Engineering的精細化；多階段驗證機制；保留人工稽核環節；適合高風險、高價值場景（如程式碼安全審計）。OpenClaw的“親密室友”模式：持續上下文感知；低摩擦互動；更激進的自主權；適合個人生產力場景。兩種模式的核心差異在於：如何平衡“人類經驗輸入的連續性”與“AI自主決策的邊界”。F. 資料生產關係的重構：Perceptron Network案例Perceptron Network代表了範式演進的另一個維度：資料生產從封閉平台壟斷轉向分佈式共建。核心洞察：“AI訓練的瓶頸從來不是模型參數夠不夠大，而是新鮮、可靠的資料從那裡來。”Perceptron的思路：把資料生產從封閉的平台壟斷，轉向分佈式共建；讓真實人類訊號成為AI持續進化的燃料，而不是反覆嚼舊料；未來勝出的不是誰算力最猛，而是誰能拿到源源不斷的、可驗證的即時行為資料。機制設計：節點捕捉公開互動和上下文訊號（避開隱私雷區）；經過驗證結構化後供給AI代理；貢獻者通過$PERC獎勵參與價值閉環。網路效應：節點越多→覆蓋越廣→訊號越豐富→資料質量越高；形成正反饋循環；資料從“平台護城河”變成“可循環授權的公共資產”。這是AI生產關係的重塑：從“少數巨頭囤積”到“網路共建共享”。第五階段：Speech-Cognition的終局（未來）A. 人人管理天才團隊的時代AI時代本質上就是“人人管理天才團隊”。每個人手裡的chatgpt、claude，就是博士團隊、甚至諾獎級專家組合。但關鍵前提是：管理天才團隊的能力本身就是稀缺資源。但有個關鍵前提：管理天才團隊的能力本身就是稀缺資源。AI確實降低了技術門檻，但“提出好問題、設計驗證流程、判斷輸出質量”這套能力反而在放大。就像人人都能開法拉利，但不是人人都能跑出F1圈速。工具平權了，但能力差距反而更大了。這導致了新的能力分層：工具平權了：人人都能訪問Claude、GPT；能力差距放大了：“提出好問題、設計驗證流程、判斷輸出質量”成為核心競爭力；腳手架能力成為新的護城河：誰能更好地建構“人類經驗→AI輸出”的管道。B. 供應端的指數級挑戰The advancement of AI technology is not linear but exponential.The task duration doubles every seven months.人工智慧技術的發展並非呈線性增長，而是呈指數增長。任務消耗時長每七個月就會翻一番。這帶來一個反直覺的擔憂：與其擔心AI泡沫，本猿更擔心的是——供應端是否跟得上指數級的需求爆發。馬斯克的供應鏈洞察：2023年，業界最擔心的是GPU短缺。經過3年的生產，GPU已經過剩了，真正的瓶頸是電力。這意味著：算力瓶頸：從GPU算力轉移到光互連的納秒級延遲和兆瓦級電力調度；資料瓶頸：新鮮、可靠、可驗證的即時行為資料（Perceptron Network試圖解決的問題）；編排瓶頸：能夠駕馭複雜agent系統的工程師（腳手架能力）。供應鏈的瓶頸正在從“計算”轉向“能源”和“編排”。一旦解決瓶頸，就是意味著實現了黃仁勳的觀點：智能的0關稅、0延遲出口全球，本質上是能源出口。C. 從Speech-act到Speech-cognitionagent擺脫speech-act的數字空間空轉，進入到speech-cognition的高價值空間。這是範式演進的終極目標：Speech-act：對話本身是目的（聊天機器人時代）；Speech-cognition：對話是認知工具，連接思考與行動；Aha moment：類似Hassabis說的Einstein Test——科學理論發現的突破。因為是個神經網路黑盒。這個感覺基於大量互動經驗。模糊摸一下，就是意圖解析穿透力很強，長邏輯鏈的收斂，動態對齊（真正的互動）。有一起往前走的協作感。這種“協作感”的特徵：意圖解析穿透力很強：AI能理解深層意圖，而非表面指令；長邏輯鏈的收斂：能在複雜任務中保持方向感；動態對齊：真正的互動，而非單向執行；一起往前走的協作感：人機共生，而非工具使用。D. 由抽象到具象和AI互動是一個高資訊密度智能體在向下相容我們，所以不論怎麼聊，都會有所收穫。AI是越抽象越泛化，怪不得現在年輕人越來越抽象。這揭示了當前階段的特徵：AI的能力是“抽象泛化”的；人類的需求是“具體情境”的；腳手架的作用就是在兩者之間建立橋樑。範式演進的脈絡總結A. 五個階段的遞進邏輯1.模型競賽期（2018-2024）：- 核心：Scaling Law- 瓶頸：資料枯竭、落地應用缺失- 代表：GPT-3/4， Claude 1/22.腳手架覺醒期（2024-2025）：- 核心：In-Context Learning + Scaffolding + RSI- 突破：Context Engineering， 模型幫助創造模型- 代表：Claude 3.5 Sonnet， Anthropic工程實踐3.腳手架重構與行業崩塌期（2026年2月-持續）：- 核心：腳手架重構的領域，商業模式就崩塌- 訊號：兩次48小時崩塌（SaaS + 網路安全）- 觸發：Claude Code Security等垂直突破4.Agentic AI大規模落地期（2025年底-2026年）：- 核心：從“概念”到“可用”的跨越- 戰場：程式設計、個人助理、公共服務三個方向爆發- 代表：Meta 10-100倍生產力提升、印度WhatsApp政務5.Speech-Cognition期（未來）：- 核心：互動作為認知工具- 目標：AI作為認知放大器，而非工具- 特徵：動態對齊、長邏輯鏈收斂、協作感B. 兩條主線的交織第一條主線：技術提速模型能力 → Context Engineering → RSI（模型創造模型）→ 迭代速度指數級增長第二條主線：應用落地Speech-act空轉 → Agentic Orchestration → 大規模部署 → Speech-Cognition第一條主線決定天花板有多高，第二條主線決定落地有多快。而競爭的終局，取決於誰能讓更多人更早用上智能體。還有一條資料主線，目前共識還不確定。C. 關鍵轉折點1.Anthropic的Context Engineering論文（2025年9月）：- 標誌著從"prompt engineering"到"context engineering"的官方確認- 腳手架從隱性知識變為顯性方法論2.RSI時代的到來（2025年底）：- 模型開始幫助創造模型- 研發速度首次實現遞迴式增長3.第一次崩塌：SaaSpocalypse（2026年2月3-4日）：- 傳統SaaS商業模式的結構性崩塌- 資本從"軟體"逃向"物理基礎設施"和"結果交付"4.第二次崩塌：網路安全類股黑色星期四（2026年2月20日）：- Claude Code Security發佈- AI超越人類專家多年積累的標誌性事件智能體從“不放心”到“放心”（2025年底-2026年）- 可靠性驗證完成- 大規模部署開始- 新的生產方式確立D. 深層思考：範式演進的哲學從“工具”到“同事”再到“共生體”三個階段的隱喻：1.工具時代：人使用AI（GPT-3時代）2.同事時代：人與AI協作（Claude Code時代）3.共生時代：人AI一體化（Speech-cognition時代）從“attention is all you need”到“context is all you need”Transformer的核心是attention機制，但Anthropic的洞察是： “Context， therefore， must be treated as a finite resource with diminishing marginal returns.”因此，上下文資訊必須被視為一種有限的資源，其邊際效益會逐漸遞減。這意味著：-Attention的稀缺性：每個新token都消耗“注意力預算”；-Context Engineering的本質：在有限注意力預算下，策展最高訊號密度的token集合；-腳手架的價值：不是增加模型能力，而是最佳化模型注意力的分配效率。2026年2月20日之後A. 三個確定性趨勢1.模型能力繼續指數級增長：- 任務時長每7個月翻倍- RSI加速這一處理程序2.腳手架生態成為主戰場：- 誰定義管道，誰控制價值流- 腳手架重構的領域，商業模式就崩塌3.資料生產關係重構：- 從平台壟斷到分佈式共建-即時行為訊號成為新石油B. 三個開放性問題1.供應端能否跟上需求爆發？- 從GPU短缺到電力短缺- 物理瓶頸可能成為下一個限制因素2.垂直領域的AI獨角獸何時爆發？- 軟體工程已佔50%- 醫療、法律、金融的5%佔比意味著巨大空白3.人類能力分層會如何演化？- 工具平權 vs. 能力差距放大- “管理天才團隊”的能力如何培養？C.最後的隱喻：Einstein Test與三個時間維度Hassabis提出了“Einstein Test”（愛因斯坦測試）——AI發現科學理論的能力，回到1905年AI能不能發現狹義相對論。這或許是範式演進的終極目標。要到達那裡，我們需要穿越三個時間維度：現在：這是一個工程問題。我們需要建構更好的腳手架，讓人類經驗有效進入LLM，讓智能體可靠執行。未來：這是一個管理問題。當人人都能訪問天才團隊（AI agents），真正的差距在於誰能更好地管理它們——提出好問題、設計驗證流程、判斷輸出質量。更遠的未來：這是一個共生的問題。不是AI替代人類科學家，而是AI與人類科學家共生，在Speech-Cognition的高價值空間中，一起往前走，發現下一個aha moment。2026年2月20日，當Claude Code Security發現了人類專家十年未發現的漏洞，我們或許已經看到了這個未來的一角。這種“意圖解析的穿透力”，這種“長邏輯鏈的收斂”，這種“一起往前走的協作感”——正是我們正在經歷的範式演進的最深刻特徵。答案正在2026年的每一天被書寫。 (虎嗅APP)

Claude Code現已原生內建Git Worktree支援。現在，多個Agent可以完全平行運行，互不干擾。每個Agent都會獲得專屬的獨立工作區。這項功能此前已在Claude Code桌面端應用中提供，今天正式擴展至命令列（CLI）環境。瞭解Worktree底層機制：https://git-scm.com/docs/git-worktree以下是本次更新的核心功能拆解：命令列支援一鍵開啟隔離環境在命令列中，啟動時附帶--worktree參數即可讓Claude Code在專屬的Git工作區中運行。你可以自行命名工作區，或者直接讓Claude自動完成命名。這項機制允許在同一個Git倉庫下同時運行多個平行的Claude Code會話，徹底解決了多工並行時的程式碼修改衝突問題。同時，附加--tmux參數可以直接在專屬的Tmux會話中啟動Claude。桌面端應用提供可視化開關如果不習慣使用終端命令列，可以直接在Claude桌面端應用中操作。進入Code選項卡，直接勾選worktree mode即可開啟工作區模式。子Agent全平台打通工作區特性子Agent現在同樣利用工作區隔離機制來處理更多的平行任務。在應對大型批次修改和程式碼遷移任務時，這項特性極具實用性。只需直接要求Claude為其Agent使用工作區即可呼叫該能力。目前該功能已完成全生態覆蓋，支援環境包括：CLI命令列、桌面端應用、IDE擴展、Web端以及Claude Code移動端App。自訂Agent支援默認隔離配置你可以讓自訂子Agent始終在自己的工作區中運行。配置方式非常直接，只需在Agent的頭部配置資訊（frontmatter）中加入isolation: worktree即可生效。全面相容非Git版本控制系統對於使用Mercurial、Perforce或SVN的使用者，本次更新同樣提供瞭解決方案。通過定義工作區鉤子（worktree hooks），非Git使用者也能完整體驗到程式碼隔離機制帶來的優勢。(AI寒武紀)

《黑天鵝》作者、以毒舌和高智商著稱的納西姆·塔勒布最近發了一條推文，只有一句話：“20世紀發明的所有職業，都難逃AI的衝擊。”很多人看到這句話，可能會想：這不是又在危言聳聽嗎？AI已經被鼓吹了好幾年了，該來的還沒來，說好的白領失業潮呢？但非常有意思的是，在塔勒布發出這條推文的整整一年前，我就對我的星球會員提出過一個幾乎一致的判斷和觀點：AI和機器人取代技能的方向，是和人類發展的歷史反著來的。出現得越晚的、離我們越近的技能，越可能最早被替代。我將其稱為“AI替代的逆向歷史演化定律”。人類文明技能的演化順序是怎樣的？第一階段是體力與空間感知（農業、狩獵、採摘）；第二階段是物理工具與精密製造（工業革命、手工藝）；第三階段，也就是20世紀才大規模爆發的，是抽象符號與資訊處理（財務分析、程式碼編寫、法律文書、中層管理等坐在寫字樓裡吹空調的“白領工作”）。而殘酷的真相是：AI和機器人取代人類的順序，恰恰是跟人類歷史的發展反著來的。出現得越晚的、距離我們越近的、看起來越“高級”的抽象腦力技能，最早、也最容易被大模型連根拔起；反而是那些最古老的技能（如理髮、按摩、修下水道、甚至端盤子），因為涉及複雜的現實物理互動，反而擁有最深的護城河。塔勒布說的是20世紀發明的所有工作，我說的是越晚出現的越先被替代，其實異曲同工，核心邏輯是一致的。它們指向同一件事，白領工作，作為20世紀最重要的發明之一，正處於這場風暴的絕對中心。白領工作最壞的時候，還遠遠沒有到來。正如《大西洋月刊》最近的一篇深度報導中所比喻的：“任何見過鯊魚背鰭露出水面，隨後又消失不見的人都知道，這絕對不是什麼讓人安心的跡象。”為什麼最懂AI的人在紛紛離職：“我凝視過無盡的黑夜”一、嚴肅媒體開始頻頻發出警報先說一個背景，讓那些覺得"AI威脅被誇大"的讀者先冷靜一下。《大西洋月刊》在過去兩周內，連續發表了三篇長文，專門討論AI對白領就業的衝擊。三篇文章，三個作者，三個角度，但一篇比一篇嚴峻。第一篇，《美國尚未準備好迎接 AI 對就業的衝擊》。作者喬什·泰蘭吉爾（Josh Tyrangiel）走訪了經濟學家、聯儲官員、工會領袖、前政府高官，最後得出一個讓人不安的結論：所有的緩衝機制都失靈了，政治系統沒有能力應對這場衝擊。第二篇，《AI智能體正如風暴席捲美國》，記者里拉·什羅夫（Lila Shroff）描述了AI智能體工具的爆炸性發展。兩個沒有工程背景的記者，用不到一小時"氛圍程式設計"出了Monday.com的競品，當天Monday.com股價應聲暴跌。第三篇，也是最近一篇，《白領工人最糟糕的未來》，作者是經濟記者安妮·勞裡（Annie Lowrey）。通過分析就業資料，她得出結論：擁有學士學位的美國人佔到了失業人數的四分之一，創歷史新高；高中畢業生比大學畢業生更快找到工作，這是從未有過的趨勢；容易被AI自動化的職業，失業率出現了急劇飆升。《大西洋月刊》不是小某書，不是財經自媒體。它是創辦於1857年的嚴肅刊物，發表過馬丁·路德·金的文章，出過無數普利策獎作品。它在兩周內連發三篇長文討論同一件事，本身就是一個訊號。其實，就在不久前，大西洋月刊還認為AI的泡沫即將破裂。這種反轉顯然不是在追熱點，而是試圖精準捕捉一個正在發生的歷史性事件。二、你不知道的，才是最危險的在這三篇文章裡，第二篇讓我印象最深。不是因為它最嚇人，而是因為它精準描述了一道正在撕裂的鴻溝。作者什羅夫說，美國人現在活在兩個平行的AI宇宙裡。大多數人的AI認知，停留在ChatGPT，還是免費版本。它能幫你起草一封郵件，寫一段行銷文案，回答一個問題。有點用，但也就那樣。你用它，就像用了一個更聰明的搜尋引擎。但另一批人，如工程師、研究人員、科技圈深處的人，正在被另一類工具"激進化"。這些工具叫做AI智能體（Agent），它不是聊天機器人，它是能獨立工作的數字員工。什麼是智能體？它不再是被動等待你輸入指令的對話方塊，而是具備“代理性”（agentic）的虛擬員工。你給它一個宏大的目標，它會自己去拆解任務、自己上網搜尋、自己寫程式碼、自己運行測試、自己糾錯，甚至幾個AI之間會拉個群“討論”工作。區別在那裡？聊天機器人等你問，它才回答。智能體收到任務後，會自行規劃步驟，呼叫工具，搜尋資訊，自主執行，連續工作數小時，中間不需要任何人介入。Anthropic的員工鮑裡斯·切爾尼描述Claude Code時說了一句話，讓人久久回味："Claude開始想出它自己的主意，並且正在主動提議要建構什麼東西。"不是被動執行，是主動提議。當電腦開始能夠自主使用電腦，人類引以為傲的所謂“認知壁壘”和“名校學歷”，在不知疲倦、算力無限的Agent大軍面前，顯得極其可笑且脆弱。工具變成了能夠自主思考和執行的“同事”，甚至，它們很快就會變成你的“領導”。在過去，人類程式設計師同時只能開一個腦線程寫一段程式碼；而現在，一個老手可以同時開啟十幾個Agent會話，讓它們分頭處理資料庫、前端、演算法。軟體程序的容錯率極低，行就是行，不行就是不行，這種非黑即白的特性讓程式設計成為了自動化最完美的試驗田。目前，Anthropic公司內部90%的程式碼已經是AI生成的。這兩個宇宙之間的距離，比多數人意識到的要大得多。一邊的人覺得AI威脅被誇大；另一邊的人已經用AI把幾個月的工作壓縮排了幾天。他們描述的不是同一種工具，他們生活在不同的時間軸上。這道鴻溝不會永遠存在。當那些更易用的智能體工具從工程師的終端走向每一張辦公桌，兩個宇宙就會合併，只不過方式會很殘酷。三、歷史的倒帶，以及為什麼白領最脆弱說說我一年前的那個判斷。人類積累技能的歷史，是一條從身體到大腦、從具體到抽象、從感官到符號的長路。最古老的能力，如用手打磨石器、用鼻子分辨植物、用腳感受土地的軟硬，這些技能藏在人類幾百萬年的進化裡，AI很難複製，因為它們需要具身的存在，需要真實的物理反饋。但20世紀"發明"出來的那些腦力勞動，如分析報告、起草合同、處理會計帳目、管理項目流程、協調跨部門溝通等等，這些技能的本質，是資訊的處理、分類、轉化和傳遞。而這，恰恰是AI最擅長的事。換句話說，人類花了數百萬年進化出來的身體技能，反而是AI最難攻克的；人類花了幾十年訓練出來的認知技能，正在被AI幾年內系統性地覆蓋。這就是一種"倒帶"的邏輯。《大西洋月刊》的資料印證了這一點。在美國，高中畢業生比大學畢業生更快找到工作，這在歷史上從未發生過。水管工、電工、暖通技術員的位置，目前是安全的，因為安裝一套製冷系統，你需要手，需要身體，需要那種只有在具體空間裡才能發展出來的判斷力。反倒是那些花了四年大學、兩年研究生、幾年工作經驗，練就了"寫報告、做分析、管流程"能力的人，現在坐在AI的射程正中央。在《白領工人最糟糕的未來》一文中，安妮·勞裡在文章裡用了一個詞組：womblike security，子宮般的安全感。她說，對受過良好教育的人來說，勞動力市場歷來擁有一種子宮般的安全感。經濟衰退來了，失業的是藍領；產業轉移了，受傷的是工廠工人；這批人總是能在風暴裡找到庇護。如今，白領的這種安全感，正在率先消失，這種長達半個世紀的錯覺即將被終結。20世紀70年代，機械自動化的進步摧毀了底特律、匹茲堡的藍領社區，留下了至今無法恢復的“鐵鏽地帶”；後來，全球化又讓一批製造業工人黯然退場。他們變得更窮、更不健康，甚至壽命縮短。現在，這場歷史的絞肉機，終於開進了CBD的甲級寫字樓。為什麼白領的危機比藍領更致命？因為藍領失業，社會還有一定的心裡預期和廉價的兜底方案；但整個社會的福利系統，根本托不住跌落的中產階級。更致命的是，這是一場“結構性失業”，而不是“周期性失業”。過去經濟不景氣，你熬一熬，等經濟復甦了公司還會把你招回去。但AI帶來的結構性失業意味著：企業一旦打通了AI工作流，發現不僱傭你反而利潤更高時，那個崗位就永遠地消失了。那些初級的白領工作（資料整理、基礎分析、初級法律文書、文案撰寫）將首當其衝被清零。年輕人的晉陞階梯被直接抽走，而那些拿著六位數高薪的中層管理人員，一旦失業，可能將面臨長達數年的空窗期，因為根本沒有那麼多需要“人力協調”的崗位留給他們了。富裕階層對即將到來的就業市場毫無經驗。當白領階層失去收入，他們會削減開支，緊接著，雜貨店、餐廳、理髮店、房地產全盤崩潰，全社會將陷入一場由技術引發的深度通縮陷阱。四、為什麼還風平浪靜：精英集體裝睡，經濟學家“看後視鏡開車”有人可能會說：AI威脅說了這麼久，但失業潮並沒有真正出現啊？這個問題恰恰是盲區所在。《美國尚未準備好迎接 AI 對就業的衝擊》一文，揭露了這種“風暴前夜的寧靜”背後的系統性失靈。首先是經濟學家的盲區。經濟學家的工具，只擅長解釋已經發生的事，對正在發生的事無能為力，對即將發生的事更是兩眼一抹黑。這幫世界上最聰明的大腦，受制於必須看實打實的統計資料。他們總喜歡用歷史上的通用技術（如電力、網際網路）來套用AI，認為“技術的消化需要幾十年時間”。芝加哥聯儲行長奧斯坦·古爾斯比（Austan Goolsbee）被問到同樣的問題時，給了一個"答非所問"的回答：經濟學家受制於數字，從數字上看，目前沒有跡象表明AI已經侵蝕了勞動力市場。但他同時承認，有一個讓他搞不懂的矛盾：生產率資料非常高，這和"勞動力囤積"的假設對不上。公司到底在用AI做什麼？資料還解釋不了。"要好幾年才能知道答案，"他說。但弗吉尼亞大學的經濟學家安東·科裡內克（Anton Korinek）一針見血地指出了同行的荒謬：“機器一直都是愚蠢的，所以鋪開使用需要時間。但現在它們（AI）比我們聰明，它們是可以‘自行鋪開’的。”AI不需要你拆毀舊工廠重建，它只需要幾行API介面。經濟學家們試圖用過去作為固定點來衡量未來，這無異於“只盯著後視鏡在懸崖邊飆車”。科裡內克還說了另一件事，讓人印象深刻：他是Anthropic經濟顧問委員會的成員，他定期和Anthropic內部的人交流。他說，"每當我和西海岸實驗室的人交流時，我並沒有覺得他們是在人為地炒作他們的產品。我通常的感覺是，他們和我一樣感到恐懼。"最瞭解這項技術的那批人，感到恐懼。正如我們在之前的文章中所介紹的，最懂AI的人在紛紛離職，因為他們“凝視過無盡的黑夜”。其次是CEO們的“陽謀”。2025年初，有過一段短暫的時期，各大公司的CEO們爭先恐後地公開談論AI對就業的影響。Anthropic的CEO達里歐·阿莫戴伊（Dario Amodei）說AI可能在未來一到五年內消滅一半的初級白領工作；福特CEO吉姆·法利（Jim Farley）說AI將在十年內"毫不誇張地消滅一半的白領工人"；OpenAI的薩姆·奧特曼（Sam Altman）說他和科技大佬朋友們在打賭，第一家只有一名員工、估值卻達十億美元的公司什麼時候出現。如今，他們都對類似的話題三緘其口，閉口不談了。這不是因為他們發了善心，而是華爾街的公關策略。他們正在經歷“勞動力囤積”的最後階段。大公司內部運行著比化石還古老的大型機（Mainframe），AI的接入目前卡在了這些陳舊的系統對接上。但只要這個介面一打通，等待白領的，就是一夜之間毫不留情的屠刀。泰蘭吉爾在他的文章裡提到一件事：他去採訪這些人。沃爾瑪、亞馬遜、福特、Meta，以及那些AI驅動型公司——Anthropic、Stripe、Waymo——的高管們，全部拒絕或忽視了採訪請求。就連代表美國最具權勢的200名CEO的"商業圓桌會議"，也表示沒有什麼可說的。沉默，是資本收網前最後的偽裝。最後是失靈的政客。在這個顛覆性的力量面前，美國最高權力機構變成了一艘“幽靈船”。科技巨頭狂砸上億美元遊說資金，核心訴求只有一個：別管我們，讓我們全速前進。就是我們在昨天文章中所說的“加速主義”。也許有人會說：即使出現大規模失業，國家總會有辦法的吧？歷史上每次技術革命，社會都適應過來了。Lowrey的文章做了一件很重要的事情，她把這個安慰性敘事拆開來檢驗。美國有一套應對經濟衝擊的成熟工具：失業保險、勞動力再培訓、貨幣政策刺激、財政擴張。這些工具有一個共同的前提：衝擊是周期性的，就業市場會恢復，人們需要的只是一段過渡時間。但AI帶來的不是周期性失業，而是結構性失業。這兩者的區別是：周期性失業是需求暫時下降，過段時間企業又會招人；結構性失業是那批工作永遠不再需要了，企業不是在等待，而是在告別。勞動力再培訓計畫呢？研究的結論是"微乎其微且沒有定論"。有研究發現，這類項目對參與者、納稅人和整個社會都產生了"淨負面價值"。最後那張王牌是UBI，即全民基本收入，每人每月發1500美元，讓大家安心生活。矽谷領袖們最喜歡這個方案，奧特曼曾詩意地說，人們將被解放，花更多時間陪伴愛人、欣賞藝術、致力於公益。不過，UBI更可能是一個反烏托邦的結局，不是烏托邦。一個失業率徘徊在30%、靠政府發錢活命的社會，不是任何人想要生活的地方。更何況，那筆錢從那裡來？必然是對企業徵稅，而企業會拚死抵抗。工具失靈了，兜底網破了，政治上又有人在搶方向盤。沒有人準備好，所有人都處於一種被資本裹挾的“裸奔”狀態。前英國副首相尼克·克萊格（Nick Clegg）的判斷很直接："這一時期所要求的變革速度可能遠遠超出它們目前顯然有能力交付的速度，如果民主政府隨波逐流地進入這個時期，那麼民主制度在這個考驗中是無法高分通過的。"七、AI的降維打擊，不分國界也許很多人會想，這都是美國的事，離中國還遠著呢。但AI是軟體，不尊重國界。在這種異星種能面前，人人平等。而且我們面對的處境，在某些方面比美國更脆弱：社會保障體系更薄，勞動者在這場對話裡幾乎沒有發言權，而"白領安全"的神話，在中國網際網路上比在美國更根深蒂固。那些覺得AI只是工具、威脅被誇大的人，大機率還沒用過那類真正的智能體工具。他們的AI認知，停留在ChatGPT幫人寫封郵件的階段。這不是他們的錯，因為這道資訊鴻溝本來就是結構性的，真正強大的工具還在技術圈內流通，還需要一定的門檻。現在最重要的分野，不是你學歷高不高、城市大不小，而是：你是否真正理解那些最前沿的AI工具能做什麼。這道認知鴻溝，正在決定人們在未來幾年處於那一側。那麼，作為個體的我們，該如何在這場大清洗中倖存？答案依然藏在那個“AI替代的逆向歷史演化定律”裡。既然20世紀發明的“資訊中間商”工作註定被消滅，我們就必須放棄對傳統白領路徑的迷信。我們需要向兩端突圍：1、向下紮根（重塑物理現實）：掌握AI無法觸達的複雜物理環境技能，或者提供需要極高情緒價值、真實人際連結的服務。2、向上破局（成為AI的指揮官）：既然Agent是世界上最聰明且最廉價的勞動力，那就不要試圖和它比拚表格做得快、程式碼寫得好，而是去僱傭它。鍛鍊你的頂層審美、複雜博弈能力和模糊環境下的決策力。白領時代的黃昏，註定是舊物種的安魂曲。寫字樓裡的工位正在一個個消失，這不是危言聳聽，而是正在發生的現在進行時。最壞的時候遠沒有到來，因為系統崩潰前的滯後掩蓋了技術的鋒芒。當冰面即將徹底破裂時，假裝歲月靜好是最愚蠢的策略。風暴已經在海上。我們連測量它的儀器都在被拆掉。多數人還在討論今天是否真的會下雨。 (不懂經)

又崩了！矽谷軟體巨頭短短一夜，蒸發3000億美金，過去一周全球近兆美金沒了。令人想不到的是，罪魁禍首竟是Anthropic推出的一款外掛。瞳孔地震！一夜之間，全球軟體股集體跳水，蒸發3000億美金。如今，整個矽谷都在說：軟體（SaaS）已死！起因竟是，Anthropic為Claude Cowork植入「外掛」（plugins）功能。僅憑一己之力，凌遲老牌巨頭公司。注意！這還不是「新模型」，僅是11款「新外掛」。它們直接統領了財務、銷售、法律各行各業，不用巢狀在軟體中運行，AI直接把軟體取而代之。這是破天荒第一次，一家做底層模型的AI公司，把「應用層」直接端掉，並接管整條業務工作流。現如今，整個華爾街陷入恐慌，宣稱「SaaS末日」（SaaSpocalypse）真正來臨。摩根大通發文稱：Anthropic正在吞噬整個世界，讓Saas商業模式崩塌，且無處可藏！美股方面，周三開盤不久後，甲骨文重挫4.2%。隨之，其他軟體巨頭也紛紛走低：Adobe下跌 2.6%，Salesforce跌3.3%，Atlassian跌3%......僅在當地時間周二交易中，短短24小時，軟體、法律科技、資料服務公司市值蒸發了約2850-3000億美元。路透稱，自1月28以來，軟體和服務的股價蒸發近8300億美元。令人細思極恐的是，這還僅是11款外掛「研究預覽版」而已，就把AI自動化根基，扎到各行各業。不得不說，活在這個時代真是瘋狂！一位大佬銳評，「市場終於從冰冷數學邏輯中驚醒：如果模型能直接交付成果，傳統的軟體外殼將毫無價值」。模型即員工，軟體即泡沫，Anthropic的轉身宣告了一個時代的終結。還有很多人表示，這只是歷史的插曲，未來不可想像。Claude外掛接管一切軟體時代已死話又說回來，Anthropic發佈的Cowork「外掛」有何魔力，竟引發全球軟體股票的恐慌？這一切，還得回到1月29日，一場沒有掀起什麼大浪的「小更新」。Claude Cowork這款生產力辦公神器，自誕生之後一夜成為當紅炸子雞，各家公司都在紛紛效仿。上周末，Cowork終於迎來了史詩級更新：新增11款外掛。可別小看這個小更新，11款外掛一口氣覆蓋了銷售、財務、法律、資料、市場行銷等多個領域。在官網介紹中，Anthropic是這麼描述其能力的：你可以將各種技能、連接器、斜槓命令和子智能體（sub-agents）整合在一起，讓Claude變身為精通崗位、團隊和公司業務的「特種兵」。以「銷售外掛」為例：它可以將Claude接入個人CRM和知識庫，學習銷售流程。從此，從調研潛在客戶到會後跟進，人類都能通過指令輕鬆完成。外掛配置只需「一次性」搞定，之後每當涉及相關任務，Claude都會自動呼叫背景資訊。眾所周知，Claude Cowork是「非程式碼版的Claude Code」。實際上，Claude Code也是軟體巨頭市值慘跌的「罪魁禍首」之一。其強大的程式設計能力，攪動甚至顛覆了編碼底層邏輯。它們的出現，釋放了一個強烈的訊號，大模型正在殺入所謂的「應用層」。市場分析認為，Anthropic策略已發生轉變：單純提供API（工具）→「即插即用」工作流。當Claude Cowork能自主讀取/組織檔案，並完成端到端法律合同審查，它就不再是SaaS軟體的「助手」，真正進化為SaaS的「替代者」。因此，全球軟體行業正經歷一場極其慘烈的「信仰地震」！矽谷「信仰」崩塌，LLM殺入了應用層實際上，美股軟體暴跌「非一日之寒」，從去年開始就已經有了一系列跡象。只不過，Anthropic這次更新，成為了最大「導火索」，直接在傳統軟體賴以生存的領地插旗。這種降維打擊，讓投資者想起了當年的亞馬遜——從賣書起家，最終顛覆了零售、雲服務和物流等多個行業。統計顯示，過去一個月，標普北美軟體指數下跌了18%，跌至2025年4月以來最低水平。短短5個交易日內，標普500軟體服務指數暴跌近 13%，市值縮水之快，甚至讓剛剛創下歷史新高的標普500大盤都黯然失色。這場風暴不僅席捲了華爾街，也波及了亞洲、歐洲。就連輝達CEO老黃緊急發聲：有這樣一種觀點認為，軟體行業的工具正在衰落，並將被AI取代……這是世界上最不合邏輯的事情，時間會證明一切。確實，時間會證明一切。短短一周，上兆美金沒了想像一下，你是某家財富500強公司的法務總監。周一早上7點，你打開信箱，本該是焦慮的一天——上周遺留的千頁併購合同還等著人工審計，涉及上百個非標條款、續約日期、交叉違約條件。但今時不同以往。Claude Cowork的法律Agent外掛已經連夜登錄了你們的法律資料庫，自主完成了實體關係對應，提取了所有關鍵日期，識別出三處潛在風險條款，並生成了完整的合規報告，連PDF都自動排版好了。你盯著螢幕，咖啡涼了也沒察覺：它不需要你點任何按鈕，它直接「做了」。這不是科幻。這是2026年2月3日的現實。對於法律科技行業來說，這雖然不是1929年的「大蕭條」，但情況也絕對不妙。湯森路透市值蒸發了約15%。律商聯訊的母公司下跌了約14%。電子簽名冠軍DocuSign跌了11%。一年來，法律科技公司一直在炒作智能體AI是未來，但沒有拿出太多實質成果。現在，一家基礎模型公司發佈了一款智能體法律工具，市場突然意識到，法律AI「大眾化」可能將法律科技的客戶群「大眾化」到消失的地步。這直接引爆了美股軟體股集體下跌——Gartner暴跌21%，Thomson Reuters跌18%，ServiceNow跌11%，Salesforce一度熔斷。納指100兩天跌掉5500億美元市值，是去年10月以來的最慘紀錄。這波「軟體股大屠殺」從2月3日開始，一路蔓延到2月4日，交易員們已經給它起了個新名字：「SaaSpocalypse」——SaaS世界末日。而且這種拋售潮擴大到了更大的市場。由於市場擔憂私募信貸股票對「受AI衝擊的軟體公司的風險敞口」，相關個股大幅下跌。Blue Owl、TPG、Ares Management和KKR均下跌超10%。Apollo下跌 7%，貝萊德（BlackRock）下跌5%。iShares軟體ETF今年已下跌20%，創三年最大單日跌幅。整個軟體類股像被抽走了氧氣。市場恐慌情緒，在全球蔓延。歐洲廣告巨頭WPP、Omnicom、Publicis集體下挫10%以上，歐洲股市蒸發了3000億美元。英國原本被視為AI贏家的Relx（擁有LexisNexis）重挫14.4%，倫敦證交所集團（LSEG）下跌 12.8%，創五年最差單日表現。廣告巨頭WPP和Omnicom也因擔心行銷工作被自動化而大跌。印度IT巨頭如TCS、Infosys正面臨3000億美元營收風險 ，一天蒸發19.1兆盧布，約2010億美元。勞動力成本套利似乎正在消失，160萬印度IT從業者受影響，而Anthropic僅有2500名員工。現在市場還有誰在談AI泡沫？Anthropic這只AI蝴蝶扇了一下翅膀，全球股市狂風暴雨、令人膽寒──它這次沒有賣模型，賣的是「IT行業的死亡判決書」。全球SaaS浩劫，都是AI干的微軟、Salesforce、Adobe，個個是SaaS翹楚。2023年全球光在雲端SaaS上的花銷就超過了4000億美元。但現在，這套模式正面臨生成式AI的猛烈衝擊。警告其實早就有了：AI工具，尤其是那些能自動執行任務的AI智能體，可能會讓很多SaaS軟體變得「沒必要」。而Anthropic發佈的Cowork外掛，是壓垮駱駝的最後一根稻草。傳統SaaS的護城河建立在三個支柱上：按席位（Per-Seat）收費——人越多，錢越多；使用者必須適配複雜的UI/UX；功能越全、越封閉，壁壘越高。但Claude Cowork把這一切都踩碎了。現在是AaaS（Agent as a Service）的時代：收費模式 → 按產出（Per-Outcome）計費；互動邏輯 → 零UI，AI在後台直接操作；系統價值 → 介面越開放，存活機率越高。毀滅的邏輯極其簡單：一個Claude智能體，能幹掉10個初級會計或法務助理的工作量。一家公司原本需要購買100個Salesforce或Zendesk席位，現在只需要10個Claude就夠了。席位費是SaaS公司的命根子，而AI正在用手術刀精準切斷它。於是，那些SaaS被「判死刑」——DocuSign暴跌，因為Claude能自己讀懂合同並操作簽署流；Zendesk崩盤，因為AI客服已達到95%人類水平；HubSpot下挫，因為AI現在能自動撰寫、傳送、跟蹤行銷郵件，甚至自創策略。你是否還願意為一個漂亮的UI付費，當AI可以在後台直接完成一切？新的共識浮現：（軟體）服務經濟正面臨緩慢卻不可避免的消亡。隨著AI、自主機器人及其與物理世界的融合，將高端服務商品化，「人工包裝」的軟體曾經享有的溢價正在迅速蒸發。更殘酷的是二階打擊。軟體公司是雲服務商最大的客戶群。當軟體公司被AI顛覆，雲巨頭也難逃干系：  Oracle跌3.4%，Microsoft跌2.9%，輝達跌2.8%。AMD季度營收超預期、給出98億美元強勁指引，盤後股價卻跌了5–8%——因為資料中心對記憶體的瘋狂需求正在把成本推到天上，利潤率被活活吃掉。誇大了嗎？AI殺死SaaS，市場對此並不完全認同。Wolfe Research（沃爾夫研究） 最新報告直言，「SaaS之死被誇大了」。一場網路研討會，他們得出的核心觀點是：AI不會把SaaS一刀殺死。因為很多SaaS賣的不是「軟體程式碼」，而是穩定的業務流程能力/營運交付（可靠性、安全、整合等），AI更可能擴大市場，不會單純蠶食SaaS。另一篇來自WSJ報導，是這麼說的：AI殺不死軟體行業，只會終結它的增長神話。大企業會用那種「氛圍編碼APP」（vibe-coded apps）來取代高度複雜的軟體平台，未免有些異想天開。這些平台承載著發工資、IT 管理等核心業務，需要極深的行業知識，絕非敲幾行程式碼那麼簡單。當然，一些網友同樣認為，SaaS消亡確實被過分誇大了。前比爾·蓋茲的技術助理、Office團隊成員及負責人Steven Sinofsky直言：軟體已死。軟體純遊戲的概念將消失在某個語言模型中。胡說八道。奇點已至，人類開始交接權利歷史上，市場對軟體行業的悲觀情緒不是沒出現過。當年「移動網際網路」火起來時，曾有一堆人預測微軟會完蛋——誰還在用PC，大家都去刷手機了。但過去十年，微軟股價漲了近800%。彭博分析師Rana也說：「這在軟體行業其實挺常見的。真出事的時候，很多公司也無能為力。」但這不是一次簡單的股災，這是人類經濟史上最大的價值轉移——從「碳基大腦」向「矽基智能」的暴力交接。GoogleGenie公開發佈一周內遊戲股暴跌15%；視訊模型如Veo3、Higgsfield取代人類創作者，迫使SAG工會為AI影響者徵稅捐助人類演員基金；財富500強企業取消數百萬美元軟體合同，轉用AI智能體平台；OpenAI和Anthropic與科研機構合作，推出健康功能自動化醫療、製藥、研究等兆市場；GPT-5.2和Gemini解決數學難題，質疑數學學位價值。誰還能否認AI沒有經濟效益？誰能想到AI會這麼快就幹掉整個行業？但這甚至還不是最瘋狂的部分。但這還不是最瘋狂的，OpenAI Codex負責人直言：「Codex現在能自我建構，我們只需監督。」Anthropic團隊也對Claude表達了相同觀點：它能自我改進。我們已進入AI不僅顛覆人類行業、甚至開始自動化自身迭代的階段。我們已經跨過了那道隱形的門檻——AI不再只是顛覆人類的行業，它開始自動化自身的迭代。人類與人工認知的加速融合，最終將歸結為一個冷酷的方程式：算力 × 能源 × 矽片。在未來的歷史書中，這可能只是短短的一行字：「Anthropic發佈Claude Cowork與Claude Code，標誌著腦力勞動自動化的奇點來臨。」 (新智元)

【新智元導讀】Andrej Karpathy與Claude Code負責人Boris Cherny展開了一場關於程式設計未來的終極對談。面對AI接管100%程式碼編寫的現狀，Karpathy坦言人類正處於「腦萎縮」與能力進化的十字路口。本文深度解析了從Software 2.0到Agentic Coding的範式轉移，揭示了在Opus 4.5等強力模型加持下，程式設計師如何從「搬磚工」進化為「指揮官」，以及不僅要面對效率的飛躍，更要警惕「垃圾程式碼末日」的隱憂。2026年的開篇，科技圈被一場關於「程式設計本質」的深度對話引爆。這場對話的雙方，一位是特斯拉前AI總監、OpenAI創始成員 Andrej Karpathy，他是「Software 2.0」概念的提出者，一直站在程式設計範式轉移的最前沿；另一位是 Claude Code 的締造者、Anthropic 的核心人物 Boris Cherny，他正在親手打造終結傳統程式設計的工具。他們的討論不僅僅是關於工具的迭代，更像是一場關於人類技能邊界的哲學思辨。當程式碼不再由人類一個個字元敲擊而出，我們究竟是在進化，還是在退化？這場對話揭示了一個殘酷而興奮的事實：我們正處於從「指令式程式設計」向「聲明式意圖」徹底轉型的奇點。「我兩個月沒手寫過一行程式碼了」 從輔助到接管震撼的開場白來自 Claude Code 的負責人 Boris Cherny。「兩天狂發 49 個 PR！」 這是 Boris 團隊目前的工作常態。他透露，Claude Code 團隊目前的開發工作幾乎100% 由 Claude Code 結合 Opus 4.5 完成。「對我個人而言，這種情況已經持續兩個多月了，我甚至不再手動進行任何小微信調。」 Boris 的話語中透著一種跨越時代的自信。無論是在 CLI 命令列，還是在 iOS 手機端，程式碼的生成、測試、提交，全流程由 AI 接管。這不僅僅是一個效率提升的故事，而是一個工作流重構的故事。Boris 分享了他極其硬核的「AI 原生」工作流：他通常會在終端同時運行 5 個 Claude 實例，甚至在 Web 端再開 5-10 個。他不再是那個逐行敲程式碼的工匠，而是一個指揮著一支 AI 軍團的指揮官。他使用「Plan Mode」（計畫模式）讓 AI 先思考策略，確立方案後再切換到執行模式。這種「平行化開發」的能力，讓一個人的產出足以匹敵一個傳統的小型開發團隊。而 Karpathy 的體驗也印證了這一點。他在長文中感嘆：「2025年11月，我還是80%手動+20% AI；到了12月，直接變成了80% AI + 20%手動。」「我在用英語程式設計。」Karpathy 略帶自嘲但也無比誠實地承認，「這有點傷自尊，告訴 AI 該寫什麼，就像在指揮一個實習生。但當你習慣了那種大規模駕馭軟體的『程式碼操作』能力後，你根本回不去了。」深度解析 從 Software 2.0 到 Agentic Coding要理解 Karpathy 的震撼，我們必須回溯他在 2017 年提出的 「Software 2.0」 概念。當時的 Software 2.0，是指用神經網路權重替代人工編寫的邏輯（Software 1.0）。程式設計師的角色從「編寫規則」變成了「整理資料」。而今天，我們正在邁入 Software 3.0 或者說是 Agentic Coding（代理編碼） 的時代。在這個階段，只有「意圖」（Intent）是人類提供的，而實現細節（Implementation）完全由 AI 掌控。Karpathy 敏銳地指出，這種轉變標誌著程式設計範式從「命令式」（Imperative）向「聲明式」（Declarative）的終極飛躍。過去：你需要告訴電腦「第一步做什麼，第二步做什麼，如果出錯怎麼辦」。現在：你只需要定義「成功標準是什麼」。正如 Boris 團隊所實踐的，利用 Claude Opus 4.5 強大的長程推理能力和 CLAUDE.md 這樣的記憶檔案，AI 能夠理解項目的整體架構上下文。Opus 4.5 在 CodeClash.ai 等基準測試中展現出的統治力，證明了它不僅僅是一個程式碼補全工具，而是一個具備邏輯推理、能夠自我修正的「工程師」。它不僅能寫程式碼，還能管理依賴、重構架構、甚至編寫測試用例來驗證自己的程式碼。這種「循環驗證」（Looping）能力是 Agentic Coding 的核心。AI 不再是寫完就忘，它會在一個封閉的循環中運行測試、讀取報錯、修改程式碼，直到通過測試為止。這正是 Karpathy 提到的「Feel the AGI」（感受通用人工智慧）的時刻——看著 AI 在30分鐘內不知疲倦地嘗試幾十種方案最終解決難題，人類感受到了前所未有的「槓桿效應」。10x 工程師的重新定義 通才的勝利隨著 AI 接管具體的編碼工作，「程式設計師」這個職業的定義正在被劇烈重寫。Boris 直言不諱：「我們現在傾向於招募『通才』（Generalists）。」在 LLM 能夠自動補全所有技術細節的時代，過去那些死記硬背的 API、特定語言的奇技淫巧，不再是護城河。你不需要記住 Python 的某個庫函數的具體參數，因為 AI 肯定記得比你清楚。真正的 「10x 工程師」 依然存在，但他們的能力模型發生了重組。未來的頂級工程師將是那些擁有宏觀視野的人——他們必須是能橫跨 產品與設計、業務甚至底層架構 的多面手。他們是產品經理：能清晰定義需求，識別偽需求。他們是架構師：能設計高可用的系統結構，指揮 AI 去填充模組。他們是測試官：能敏銳地發現 AI 邏輯中的漏洞，制定嚴格的驗收標準。Karpathy 也提出了深刻的疑問：「借助 LLM，通才是否會全面碾壓專才？」答案似乎是肯定的。AI 擅長填補微觀的細節（Fill in the blanks），而人類需要負責宏觀的戰略（Grand Strategy）。未來的程式設計，更像是玩《異星工廠》（Factorio）或者《星海爭霸》——你在指揮千軍萬馬，而不是親自去挖每一塊礦石。那些只專注於「把需求翻譯成程式碼」的初級程式設計師（Junior Devs），將面臨最嚴酷的生存危機。「廢用性萎縮」與 「Slopacolypse」繁榮背後的陰影然而，這場革命並非沒有陰影。Karpathy 最深刻的擔憂在於——「腦萎縮」（Atrophy）。「我已經注意到，我手動寫程式碼的能力正在緩慢退化。」Karpathy 描述這種感覺。在大腦的認知功能中，生成（Generation）和辨別（Discrimination）是兩種完全不同的能力。以前的程式設計師通過大量的「生成」訓練（寫程式碼）來強化邏輯；而現在，我們越來越依賴「辨別」能力（Review 程式碼）。這就像計算器的普及讓我們喪失了心算能力一樣。雖然我們還能讀懂程式碼（Review），但那種從零建構系統、對每一行程式碼都了然於胸的「肌肉記憶」正在消失。當你不再親自處理記憶體管理、不再親自偵錯並行死鎖，你對電腦系統的底層理解是否也會隨之膚淺化？更可怕的是 Karpathy 預測的 2026年 「Slopacolypse」（垃圾程式碼末日）。隨著 AI 生成內容的氾濫，網際網路和程式碼庫可能被大量低品質、看似正確實則充滿隱患的「垃圾」（Slop）填滿。GitHub 上可能充斥著由 AI 生成的、無人能維護的「屎山」。Karpathy 警告：目前的 AI 仍然會犯錯，不是簡單的語法錯誤，而是那種「粗心的初級程式設計師」才會犯的微妙概唸錯誤。它們會過度抽象，會堆砌死程式碼（Dead Code），會盲目順從你的錯誤假設。如果不加節制，軟體工程的熵將急劇增加。對此，Boris 則持一種「技術樂觀主義」態度。他認為「垃圾末日」不會到來，理由是——AI 審 AI。「我們在 Anthropic，每個 PR 都會開啟一個新的上下文窗口，讓 Claude 去 Review Claude 寫的程式碼。」這種「左腳踩右腳」的螺旋上升，被 Boris 視為解藥。隨著模型能力（特別是 Opus 4.5 及其後續版本）的提升，AI 清理垃圾程式碼、重構程式碼的能力將超過它製造垃圾的速度。未來的 IDE 可能不僅是程式碼編輯器，更是一個全自動的垃圾回收站，即時清洗著 AI 產生的冗餘。昇華：相位轉換的一年Karpathy 將 2026 年定義為 「行業代謝新能力、發生相位轉換（Phase Shift）的關鍵一年」。這不僅僅是效率的提升，而是物種的進化。我們正在經歷從「手工匠人」到「工業化生產」的劇變。在這個新時代，人類的角色從「建築工」變成了「建築師」。我們失去的是搬磚的手感，得到的是建造摩天大樓的視野。程式設計不再是關於「語法」和「演算法」的苦修，而是關於「想像力」和「邏輯」的釋放。但正如 Karpathy 所言，看著 AI 不知疲倦地在30分鐘內解決一個只有人類專家才能解決的難題，那種 「Feel the AGI」（感受通用人工智慧） 的時刻，既讓人興奮，也讓人感到一絲作為碳基生物的落寞。程式設計已死，程式設計萬歲。死的是作為「打字員」的程式設計師，活下來的是作為「創造者」的我們。當你不再需要為語法報錯而抓狂時，唯一限制你的，就只剩下你的想像力，和對世界本質的理解了。 (新智元)

生成式AI一、OpenAI Codex預告，今先揭秘Codex CLI核心智能體循環1. OpenAI CEO奧特曼預告下周起將發佈Codex相關重磅內容，官方同步發佈技術部落格揭秘Codex CLI核心架構——智能體循環；2. 智能體循環通過Responses API協呼叫戶指令、模型推理與本地工具執行，採用"提示詞前綴一致"策略觸發快取最佳化性能；3. Codex支援零資料保留配置保障隱私，利用自動壓縮技術管理上下文窗口，後續將深入介紹工具呼叫和沙箱模型。二、Google DeepMind 發佈 D4RT，徹底顛覆了動態 4D 重建範式1. GoogleDeepMind發佈D4RT，將3D重建、相機追蹤、動態物體捕捉統一成"查詢"動作，速度比現有SOTA快18至300倍；2. 核心創新是統一的時空查詢介面，AI先全域"閱讀"視訊生成場景表徵，再按需搜尋任意像素的3D軌跡、深度和位姿；3. 該技術對具身智能、自動駕駛和AR意義重大，讓AI即時理解動態環境，但訓練仍需10億參數模型和64個TPU。三、Claude Code 宣佈重磅升級：將內部的Todos升級為 Tasks1. Claude Code將內部"Todos"升級為"Tasks"，支援多會話或子代理協作完成跨越多個上下文窗口的長期複雜項目；2. Tasks儲存在檔案系統中便於多個會話協同，當一個會話更新Task時會廣播給所有處理同一任務列表的會話；3. 新功能適配Opus 4.5更強的自主運行能力，使用者可通過環境變數讓多個會話在同一任務列表上協作。四、文心5.0正式版發佈，霸榜LMArena的最強文科生強在那1. 百度文心5.0正式版上線，參數量達2.4兆，採用原生全模態統一建模技術，支援文字、圖像、音訊、視訊的理解與生成；2. 在LMArena文字和視覺理解榜單五次登頂，進入全球第一梯隊，語言與多模態理解能力穩居國際領先；3. 實測顯示模型在複雜情感理解、弦外之音分析、創意寫作等文科任務表現突出，被稱為"最強文科生"。五、Clawdbot刷屏，AI智能體+閘道器，現階段使用請注意風險1. 開放原始碼專案Clawdbot在矽谷爆火，可在Mac mini上運行，兼具本地AI智能體和聊天閘道器雙重身份，通過WhatsApp、iMessage等隨時對話；2. Clawdbot解決了大模型記憶力痛點，能記住兩周前的對話，還會主動推送郵件、日程提醒，並可直接操控電腦執行任務；3. 項目GitHub獲9.2k星，最低月成本約25美元，但需要一定技術基礎部署，使用者反饋它能自動管理生意、寫程式碼替代Zapier等付費服務。六、LeCun創業官宣核心方向，掀起對Next-token範式的「叛變」1. 圖靈獎得主LeCun創立的AMI Labs官宣核心方向為"世界模型"，旨在建構理解現實世界、具備持久記憶和推理規劃能力的智能系統；2. 該路線認為僅靠預測下一個token無法真正理解現實，需在更高層次表徵空間進行預測與推理，過濾不可預測的噪聲資訊；3. AMI Labs據傳正以35億美元估值融資，目標應用於工業控制、機器人、醫療等對可靠性要求極高的領域。七、實測：Claude in Excel，能聯網、能做表、辦公完全自動化1. Anthropic推出Claude in Excel外掛，支援Pro、Max、Team、Enterprise使用者，基於Opus 4.5模型，可通過Microsoft Marketplace安裝啟動；2. 外掛能聯網搜尋並自動填充表格，支援讀取公式、Debug錯誤、從零建模、製作透視表等功能，支援.xlsx和.xlsm格式；3. 當前不支援條件格式、宏和VBA，官方提醒存在prompt injection風險，建議只用可信來原始檔，高危函數會彈確認框。報告觀點八、Claude Code之父最新私教課：手把手教你Claude Cowork1. Claude Code創造者Boris Cherny詳解Cowork使用方法，強調將其當作"執行者"而非聊天工具，可直接操控檔案、瀏覽器和各類工具；2. 在之前X推文基礎上，再次強調：核心工作流是平行運行多個任務照看Claude們，先用"計畫模式"來回溝通直到滿意，再切換"自動接受編輯"模式執行；3. 強調Claude.md作為團隊複利式知識庫的重要性，任何Claude犯的錯都應加入進去，以及給Claude驗證輸出的方式能顯著提升質量。九、Google總監警告：只會寫Prompt的程式設計師，2026年將被淘汰1. Google雲AI總監Addy Osmani警告"氛圍程式設計"已撞南牆，AI能完成70%前期工作但剩餘30%只有經驗豐富的工程師能搞定；2. Stack Overflow調查顯示開發者對AI精準性信任度從40%降至29%，73%受訪者遇到過氛圍編碼導致的程式碼理解問題；3. 2026年真正核心競爭力是把模糊問題轉化為明確執行意圖、設計好上下文結構，以及區分真正重要的東西。十、「AI 無處不在」的達沃斯論壇，科技巨頭們都說了那些金句？1. 馬斯克預測2026年底前AI將超越人類智慧，到2030年AI將比全人類集體智慧更聰明，特斯拉明年底將開售人形機器人Optimus；2. 微軟CEO納德拉警告若AI只消耗資源不改善結果社會會失去容忍，黃仁勳稱具身智能是"一代人一次的機會"；3. DeepMind CEO哈薩比斯認為AGI還需5-10年，Anthropic CEO達里奧稱只差6-12個月模型就能端到端完成軟體開發。 (騰訊研究院)