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)

最近一位在網際網路大廠工作了十二年的朋剛過完35歲生日。他說，以前過生日是慶祝，現在是“渡劫”。辦公室裡，比他年輕的同事越來越多，討論的話題從技術架構變成了學區房和“35歲紅線”。他半開玩笑地問：“你說，我要是被‘最佳化’了，能去那兒？”這絕不是個例。中國網際網路行業，就像一個巨大的青春能量場，用高薪買斷年輕人最黃金的十年。但當年齡數字悄然爬升，許多人發現，自己似乎站在了一個看不見的十字路口。今天，我們就來系統梳理一下，那些35歲以上的大廠程式設計師們，最終都流向了何方？這五條典型的路徑，或許能為你我點亮一盞前行的燈。路徑一：金字塔尖的“倖存者”（約10%）能走到這裡的，是真正的“天選之子”。他們通常擁有兩項稀缺資產：卓越的技術天賦，以及至關重要的“項目運氣”。在關鍵時期，恰好參與甚至主導了公司的核心項目，一戰成名。他們的頭銜變成了“首席架構師”、“資深技術專家”，年薪範圍在80萬到200萬之間，是普通人眼中的“人生贏家”。但這條路的殘酷在於，它極度依賴個人稟賦與時代機遇的共振。另一條窄路是轉型為管理者，這不僅需要技術過硬，更考驗人際關係處理、團隊激勵的“軟天賦”。一位從大廠技術總監轉型為某中型公司VP的朋友坦言：“管理崗的‘安全墊’更薄，一次核心團隊流失或領導變動，就可能讓你多年積累歸零。”路徑二：中小廠的“技術續命”（約30%）這是最大的一條分流路徑。離開一線大廠的光環，降薪加入成長中的中小公司或傳統企業的數位化部門。表面看是“退一步海闊天空”，實則挑戰重重。首要挑戰是“技術堆疊重設”。大廠往往有自研的、龐大而封閉的技術體系，員工如同精密儀器上的“螺絲釘”，深度有餘而廣度不足。到了需要“全端”作戰的中小廠，從前端到維運可能都要重新撿起。更現實的是心理落差，從參與億級使用者項目，到為幾十萬使用者的產品操心，這種價值感的轉換需要強大的內心調適。不少人在這裡陷入“創業-失敗-再就業”的循環，尋找那個微妙的平衡點。路徑三：教育賽道的“薪火相傳”（約15%）“自己會”和“教會別人”是兩碼事。這是許多轉型進入IT培訓機構或高職院校任教的程式設計師最深的體會。他們的核心能力，從與機器對話的“編碼”，轉向了與人溝通的“教學”。這份工作的吸引力在於穩定的節奏、清晰的假期，以及“桃李滿天下”的成就感。但收入落差是現實的，從大廠動輒百萬的年包，到可能二三十萬的課時費，需要家庭財務提前做好規劃。一位前大廠演算法工程師，現在某知名線上教育平台擔任主講，他說：“最大的快樂，是看到評論區有學生說‘聽懂了’。那種價值的傳遞，比寫完一段優雅的程式碼更讓我滿足。”路徑四：體制內的“風險避險”（約30%）考公、考編，或進入國企、央企的資訊化部門，成了越來越多人選擇的“避險池”。收入可能遭遇“腰斬”，但換來的，是前所未有的穩定性和對個人時間的掌控力。一個有趣的現像是“乙方轉甲方”。曾經作為大廠員工，為某個政府或國企項目提供技術服務，是“乙方”；如今通過考試或招聘進入該單位，成了“甲方”。這種角色反轉，帶來了截然不同的工作視角和心態。一位進入某政策性銀行科技部的朋友說：“現在開會，我聽乙方供應商講方案，常常會心一笑。他們PPT裡畫的‘餅’，我當年也畫過。”路徑五：全球化的“遠端接單”（約15%）這是一條門檻較高但充滿想像力的路。憑藉紮實的技術功底和逐漸補上的英語能力，通過Upwork、Toptal等平台，或熟人網路，承接歐美公司的遠端開發項目。優勢很明顯：按小時或項目計費，單價往往高於國內，且能真正實現“地理自由”。但挑戰同樣具體：需要適應晝夜顛倒的會議時差，在非同步溝通中保持高效，並且技術堆疊必須與國際主流接軌。這要求從業者始終保持極強的自驅力和學習能力。一位專為矽谷初創公司做遠端架構評審的工程師說：“我的競爭對手不再是國內年輕人，而是全球的同齡人。這逼著我必須一直站在技術前沿。”穿越周期：比規劃路徑更重要的三盞心燈梳理完這五條路徑，你會發現，35歲危機，本質上並非年齡問題，而是網際網路這套精密系統設計下的“人力資本加速折舊”機制。高薪購買你的黃金十年，再通過高強度、長通勤、“螺絲釘化”分工，完成自然篩選。因此，比焦慮“該選那條路”更迫切的，是點亮三盞心燈：第一盞，提前佈局“第二曲線”。 不要在風平浪靜時忘記修船。無論是發展副業、深度學習某一垂直領域技術，還是經營個人品牌、積累行業人脈，這些動作最好在30歲左右就開始。你的“備選項”越多，面對變化時就越從容。第二盞，精心維護“弱關係網路”。 很多時候，機會不來自身邊熟悉的同事，而是那些許久不聯絡的前同事、行業會議上有一面之緣的朋友。定期、真誠地維護你的弱關係網路，它可能在你最需要的時候，成為關鍵的資訊源或推薦人。第三盞，堅決守住“健康基本盤”。 這聽起來像是老生常談，但卻是所有一切的根基。長期的熬夜、高壓、缺乏運動，是在透支未來的可能性。保持規律作息、適度鍛鍊，不僅是為了身體，更是為了維持清晰的頭腦和穩定的情緒，以應對更複雜的職業挑戰。生活從來不是單行線，網際網路也並非人生的全部。35歲，或許不是下坡路的開始，而是你積累的行業經驗、人生閱歷真正開始發光的時候。關鍵在於，你是否願意主動走出那個被定義好的“工位”，去探索更廣闊的人生地圖。希望這五條路徑的描摹，能為你帶來一些啟發，而非焦慮。每一條路上，都有人走出了自己的精彩。你最認同那一條，或者你正在那一條路上探索？ (leo張大志)

【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）

剛剛，一篇阿里聯合中山大學的研究在 X 上爆火了！今天一早，一位微軟產品故事講述者、前Google負責人級布道師 Priyanka Vergadia 分享了一則 X 帖子迅速走火，短短一天內獲8700+點贊、170萬+瀏覽。這篇高贊帖子描述了一項來自阿里巴巴團隊的研究，它是一場 233 天、總消耗達 100 億 token ，在真實生產環境中對主流的 8 家模型廠商提供的 18 個智能體的“耐力”實驗，最終證明了 AI 不會搶走人類開發者的飯碗！Priyanka 總結說：AI 只是編寫了一些遺留程式碼，未來十年你都得忙著修復它們！而一位業內人士對此表示，該項真正的重點在於：阿里團隊做了一個真正有意義的評分體系！小編這就帶大家看下這篇研究。戳破泡沫：一次性修復不叫“程式設計”，那叫“撞大運”該篇論文的名稱是《SWE-CI: Evaluating Agent Capabilities in Maintaining Codebases via Continuous Integration》，由阿里巴巴集團與中山大學聯合完成。論文拋出了一個業內都有明顯體感，但沒人著手思考解決的“長期軟體評估”問題：現在的AI Agent，在 HumanEval 或 SWE-bench 這種“單向考試”裡刷分刷得飛起。只要給它一個明確的Bug，它就能咔嚓一下修好。但現實開發的現狀是： 程式碼是“活”的。今天你修了一個Bug，明天產品經理改了需求，後天底層依賴庫升了級。這一過程並不能被靜態、一次性的修復範式所刻畫。阿里和中山大學的研究團隊提出來一種新的性能標準： 衡量一個 AI 牛不牛，不看它能不能修好眼前的Bug，而要看它在長達半年的項目演進中，能不能不把程式碼庫搞崩。SWE-CI：233天、耗費百億token的“極限耐力賽”因此，為了測試AI的真實“抗壓能力”，研究團隊祭出了一種基於持續整合（Continuous Integration）流程建構的倉庫級基準：SWE-CI，首次將軟體工程評估從“一次性快照”轉向“長期演化”。該基準包含 100 個真實程式碼庫任務，每個任務平均對應一個真實程式碼倉庫中長達233天、包含71次連續提交的演進歷史。簡單理解，SWE-CL 就是對是一場極為殘酷的“智能體耐力賽”！真實戰場： 選取的任務跨度平均達 233天，涵蓋 71次連續提交。模擬人類： AI不再是修完就跑，而是要像真正的開發者一樣，在 CI（持續整合） 的死循環裡，應對一輪又一輪的需求變更。殘酷規則： 這是一場總消耗超過 100億 Token 的極限耐力賽。這裡列出一些更詳細設定：每個SWE-CI任務都來自GitHub上68個真實Python倉庫（維護≥3年、≥500星、含單元測試和依賴配置檔案）。任務定義為：從“基線提交”（base commit）演化到“目標提交”（oracle commit），平均跨越233天、71次提交、至少500行原始碼變更（不含測試）。代理必須在 Docker 隔離環境中，通過最多20輪迭代，逐步完成需求變更。值得注意的是，雙Agent架構：架構師Agent：分析失敗測試、定位根因，輸出1-5條高層次增量需求文件。程式設計師Agent：遵循TDD（測試驅動開發）流程，實際修改程式碼。整個過程模擬真實CI/CD流水線，每一次變更都會影響後續狀態，前期決策的後果會逐步累積。這正是傳統基準無法模擬的“長期記憶”與“技術債務放大器”。因此，評估指標也從單一通過率升級為兩個核心維度：1、零回歸率（Zero-Regression Rate）：在任務演化過程中，最初通過的測試在後續變更後仍保持通過的比例。2、lEvoScore：一種加權平均指標，公式為 EvoScore = Σ(i=1 to N) γ^i × a(ci) / Σ(i=1 to N) γ^i，其中γ＞1對後期迭代賦予更高權重，強調長期穩定性。當γ=1時退化為普通平均歸一化變更得分。戰況慘烈：75% AI正在瘋狂製造“技術債”實驗結果讓所有人脊背發涼。即便是在2026年這樣一個 Vibe Coding 都顯得落伍的時間點，主流智能體的表現依然像個“只會打補丁的實習生”。第一，“零回歸率”之痛：在模擬真實開發的長期測試中，絕大多數大模型的“零回歸率”竟然不到 25%。這意味著它們每改四次程式碼，至少有三次會搞壞原本正常的功能。第二，程式碼庫雪崩： 隨著項目演進，大多數模型產生的技術債呈指數級增長。前期看似高效，後期改動一下，整個系統直接原地爆炸。那麼，這場耐力賽中，誰是最後贏家呢？如果你對程式設計Agent有關注，相信你已經猜到了，自然是 Claude 4.5/4.6。它是唯一能在長周期維護中保持 50%以上零回歸率的選手，展現出了極強的“架構師思維”。GLM-5： 作為國產大模型的代表，在應對長期程式碼演進時表現搶眼，穩居第一梯隊。驚喜發現：GLM、Kimi是救火隊長，DeepSeek、Minimax是架構大師值得注意的是，論文中還發現了智能體也存在明顯的“AI人格”現象。不同模型廠商之間的偏好差異顯著，而同一廠商旗下的程式設計智能體往往表現出一致的傾向。具體而言：“走一步看一步”型（Kimi, GLM）： 這些模型在修改程式碼時更激進，追求立刻解決當下的 Bug 或需求，但在長遠看來，它們可能較快地耗盡了程式碼庫的演進空間。“長線規劃”型（GPT, DeepSeek, MiniMax）： 這些模型在修改時可能更謹慎，會考慮到程式碼結構對未來的影響，更具有“架構師”潛質。“全能穩健”型（Claude, Doubao，Qwen）： 無論你更看重眼前還是長遠，它們的表現都非常均衡。尤其是 Claude，結合之前的排名看，它是在保持穩定的同時，水平上限也最高的選手。具體怎麼做的呢?團隊通過調整參數 γ 的值，來觀察模型排名隨之產生的變化。當 γ<1 時，EvoScore 會給早期迭代分配更高的權重，這有利於那些優先考慮程式碼修改“即時收益”的模型。相反，當 γ>1 時，後期迭代會獲得更多獎勵，從而讓那些為“長期改進”而最佳化（即優先考慮程式碼可維護性）的模型佔據優勢。對於這個現象，研究人員推測，這反映了不同廠商在訓練策略上的差異；而各廠商內部模型的一致性則表明，其內部訓練流水線（Pipelines）在大體上保持了穩定。為什麼智能體如此容易積累技術債務？論文間接給出兩點原因：首先是短期最優決策：模型傾向於“最快通過當前測試”的方案，而非全域最優架構。上下文遺忘：即使多輪迭代，模型對早期變更的深層影響理解不足。其次，模型有依賴與邊界敏感性：真實倉庫的外部依賴、配置漂移、邊緣案例遠超訓練資料覆蓋範圍。這意味著：現實中，一家公司若大規模採用AI生成程式碼，初期交付速度可能翻倍，但6~12個月後維護成本可能指數級上升——bug修復、重構、遷移難度都會放大。未來方向：從“快修”到“可持續”這篇論文可以說用一場真實大規模實驗，驗證了一點：目前的絕大多數 AI Agent 都是“紙牌屋建築師”。它們追求當下的測試通過率，卻對程式碼的長期生命力一無所知。而 SWE-CI 的意義在於，它把 AI 程式設計的門檻從“跑得通”拉高到了“可維護”的實用層面。SWE-CI更多的意義在於提供“診斷工具”：企業可利用類似基準測試自家 AI 工作流，提前識別那些模型適合“長期駐紮”。他們給出了三個 SWE-CI 的最佳化方向：其一，提高γ權重可鼓勵模型追求長期穩定；其二，雙Agent架構可進一步最佳化（例如加入“回顧Agent”反思歷史決策）；其三，與現有工具鏈結合（如自動生成維護文件、回歸測試優先順序排序）有望緩解問題。智能體有希望在耐力上獲得成功嗎？但研究者的本意，並不是祛魅智能體，“ SWE-CI 本身就是進步的催化劑”。他們認為，智能體在耐力上是有望突破的。首先，Claude 4.5/4.6的領先或許預示著，更強的推理能力（而非單純生成）是突破關鍵。其次，未來模型若能內建“架構意識”“債務評估模組”，或與靜態分析工具深度融合，維護能力或將迎來質變。項目已開源目前，SWE-CI 開源倉庫和 Hugging Face資料集都已上線，大家都可以自行復現、擴展。這意味著，2026年之後，AI編碼競賽的賽道將從“誰寫得快”轉向“誰寫得穩”。SWE-CI 開源地址：https://github.com/SKYLENAGE-AI/SWE-CIhttps://huggingface.co/datasets/skylenage/SWE-CI網友炸了：1000億美元，就是為了自動化技術債務？正如論文中所說：“Agent 的程式碼維護能力只有通過長期演化才能顯現，過去決策的後果會在連續變更中累積。”對此，不少網友表示無語了：AI Coding 的越快，積累債務的速度也就越快！X 評論區也有人諷刺：“AI自動化了遺留程式碼的生產線”、“我們花1000億美元算力，就是為了完美模擬一個‘快速出貨、8個月後棄坑的初級開發’”。HN 討論區甚至有人提問：“當 SWE-CI 成為新標竿後，AI 編碼工具的估值邏輯是否需要重寫？”所以，這麼看，程式設計師的飯碗總算保住了。但網友卻調侃：“現在安全了？但能撐10年？10個月？還是10天？”“寫程式碼 ≠ 維護系統。” 一位名為 Stephen Collins 的 Medium 作者表示：軟體工程從來不只是“寫程式碼”。它更關乎如何管理複雜性、演進系統架構，以及在成千上萬次變更中保持關鍵不變數的穩定。而 SWE-CI 這一基準表明，這些挑戰對當前的AI智能體來說依然是難點。這也意味著，下一代開發者工具的重心，很可能會從“生成程式碼”，轉向“理解系統”。而與此同時，真正高效的開發者，永遠是那些能夠清晰理解系統的人：知道那些部分最關鍵，風險集中在那裡，以及注意力該放在那。 (51CTO技術堆疊)

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)

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。 (新智元)