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)

8人團隊做10個月，AI只需一夜！輝達祭出「造芯」神技：晶片設計效率狂飆百倍，非人類直覺的設計方案驚呆工程師。矽基生命開始自進化，人類正退居二線？進來看黃仁勳的秘密武器。就在今天，這條消息全網刷屏了。輝達用AI設計GPU，原本需要8名資深工程師10個月才能完成的任務，一夜就完成了！在剛剛過去的輝達GTC大會上，首席科學家Bill Dally與Google首席科學家Jeff Dean的一場巔峰對話，揭露了令人震驚的這個事實。現在，這個Youtube演講已經有上萬人觀看，受到網友們的盛讚。在半導體行業的歷史長河中，摩爾定律曾是不可踰越的真理，但隨著物理極限的逼近，研發一款旗艦GPU的複雜程度已呈指數級增長。但現在，輝達的AI造芯神技，幾乎讓人類工程師徹底退居二線了？從「80個人月」到「一塊GPU的一夜」在傳統晶片設計流程中，標準單元庫（Standard Cell Library）的遷移是一項極度枯燥且耗時的重體力活。每當台積電或三星推出新的半導體工藝（如從5nm跨越到3nm），輝達必須將其包含約2500至3000個單元的基礎庫重新適配新工藝。Bill Dally透露，過去這項任務需要一個由8名資深工程師組成的團隊，連續奮鬥10個月才能完成，總計耗費80個人月的人力成本。但在AI介入後，這一切被徹底顛覆了！現在，輝達開發了一款基於強化學習的工具——NB-Cell。只需將需求輸入系統，一塊GPU在一夜之間即可完成全部遷移工作。在這個過程中，NB-Cell通過不斷的試錯和自我最佳化，在極短時間內探索數以億計的設計排列組合。令人震驚的是，AI生成的單元在尺寸（Area）、功耗（Power）和延遲（Delay）等核心指標上，不僅達到了人類水平，甚至在某些案例中優於人類的手工設計。這種「隔夜交付」的能力，意味著輝達可以比競爭對手更早地跑通新工藝，從而在硬體競賽中始終保持身位領先。AI在晶片設計中的具體應用層次邏輯重塑：Prefix RL與「非人類直覺」的佈局如果說NB-Cell解決的是重複性勞動，那麼Prefix RL則展示了AI在複雜邏輯設計上的創造力。在晶片的算術邏輯單元（ALU）中，進位前瞻鏈（Carry Lookahead Chain）的放置是一個研究了幾十年的經典難題。人類工程師憑藉經驗和直覺進行佈局，往往會達到一個性能瓶頸。但Prefix RL系統給出了一份完全不同的答案。Dally形容，AI生成的佈局是「人類永遠無法想到的怪異設計」。這些設計違背了傳統電子工程的審美，但在性能表現上，卻比人類最優設計提升了約20%到30%。這標誌著一個轉折點：AI不再僅僅是人類的助手，它正在突破人類認知的邊界，去尋找那些隱藏在數百萬維空間中的「最優解」。矽基導師Chip Nemo，讓初級工程師「原地升級」在輝達內部，人力資源的錯配曾是一個很大的隱痛：資深設計師往往需要花費大量時間指導新人，解釋某個特定硬體模組（RTL）是如何工作的。為了釋放核心生產力，輝達開發了內部大語言模型——Chip Nemo和Bug Nemo。不同於市面上的通用LLM，這些模型基於輝達數十年積累的專有架構文件、RTL程式碼和硬體規格進行微調。經過私有化訓練，它們是「最懂輝達GPU」的專家。初級工程師遇到複雜的模組設計不再需要去打擾忙碌的高級工程師，而是直接詢問Chip Nemo。它能像一位極具耐心的導師，條分縷析地解釋GPU的工作原理。Bug Nemo則負責彙總錯誤報告，自動將Bug分配給最合適的工程師或模組，極大地縮短了晶片驗證這一「長跑階段」的時間。AI真的能完全自主「造芯」嗎？儘管效率提升了百倍，但Bill Dally在對話中依然保持了極其清醒的克制。他明確指出，完全端到端的自動化晶片設計（即只需說一句「給我設計一個新GPU」，AI就吐出完整圖紙）距離實現還有「很長的路要走」。目前，AI扮演的角色更像是「增強設計（Augmented Design）」，而非自主造芯。其中有三大關鍵限制：高層級架構決策仍依賴人類專家。創造性電路設計和複雜邏輯結構仍需人工主導。設計驗證仍是整個流程中最長的「長桿」，AI只能輔助加速，無法完全閉環也就是說，框架設定的部分，比如頂層的邏輯架構、跨模組的協調以及關鍵的決策，依然牢牢掌握在人類手中。另外，雖然AI可以加速驗證，但最終的模擬模擬和實際實驗依然必不可少，以確保晶片在物理世界中萬無一失。輝達的實踐表明，AI並非淘汰工程師，而是重構工程師的工作方式。初級工程師需要通過Chip Nemo自主學習複雜模組的工作原理，減少對資深工程師的打斷。資深工程師能從重複性任務中解放，專注於更高價值的創新和決策。在整體流程上，AI負責大規模搜尋、最佳化、驗證，人類負責目標設定、約束定義、創意引導。只是一種「人類設定框架 + AI極速執行」的協同模式。而Dally構想的未來，是一個「多智能體（Multi-agent）」模型，不同的專業AI系統處理不同的設計環節，就像現在的各職能團隊一樣協作。長期目標仍是端到端自動化設計，但需要克服驗證、介面協商、動態調整等難題。目前的進展已經讓輝達能夠 更快地迭代下一代硬體，成為維持摩爾定律的重要支撐。人類工程師，還不能被替代當8名工程師10個月的工作被一塊GPU的一夜取代時，我們不得不直面一個殘酷的現實：平庸的體力型工程勞動正在迅速貶值。輝達正在構築一道由AI驅動的技術壁壘。當競爭對手還在通過增加人力來追趕進度時，輝達已經進入了「AI設計AI，AI最佳化AI」的自循環體系。這種效率上的降維打擊，正是其能夠一年一更旗艦顯示卡的核心密碼。對於晶片工程師而言，這既是危機也是機遇。人類正從繁瑣的布線、搬運單元中解脫出來，被迫向更高層級的架構思考、更複雜的創造性決策進化。在矽基造芯的新紀元。在這裡，計算不再僅僅是晶片的目的，計算已成為晶片誕生的源頭。 (新智元)

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)

周二消息顯示，Anthropic正準備發佈下一代旗艦模型Claude Opus 4.7，以及一款用於設計網站和簡報的新型AI工具。知情人士稱，這些新產品最早可能在本周發佈。 (財聯社AI daily)

大衛·薩克斯的表態，近期在科技圈引發不小震動。這位川普的科技政策顧問，近日接受了彭博電視台採訪。他現任總統科技顧問委員會主席，話語權足夠份量。薩克斯直言，中國AI晶片設計已落後美國僅1.5到2年。更關鍵的是，他預判華為不久後會對外出口AI晶片。這一動作，或將點燃全球技術堆疊主導權的爭奪戰。薩克斯也承認，華為GPU生產仍受限制，但追趕速度驚人。“華為尚未達到頂尖水平，但未來一定會改變。”他如此判斷。他的擔憂很直接，華為若成重要GPU供應商，美企將承壓。川普政府的核心目標，是讓美國技術堆疊成為全球標準。為此，拜登時期的“擴散規則”已被正式放棄。那項規則曾限制美國GPU出口，還要求買家申請許可證。薩克斯解釋，過度限制盟友，反而會錯失鎖定市場的機會。他認為，阻止最先進半導體流向中國合理，但別傷了盟友。過去的法規，無異於“因擔心風險而自傷科技產業的腳”。薩克斯的履歷也印證了他的行業洞察力。他曾是貝寶前COO，還創辦過被微軟收購的Yammer。2024年底，他被川普任命為白宮AI和加密貨幣負責人。華為這邊，任正非近期也有清醒表態。他坦言，自家GPU確實落後美國頂級產品一代。但華為有自己的應對方式，用數學補物理、群計算補單晶片。這種思路下，華為晶片能達到實用水平，滿足多數AI需求。很多AI工作負載，本就不需要最尖端的硬體支撐。只要華為能以合理價格供貨，搭建成熟生態。完全有能力在部分市場，挑戰輝達和AMD的地位。輝達CEO黃仁勳，也曾公開批評美國的出口管制。他直言這些政策“完全錯誤”，只會適得其反。全球一半AI研究人員是中國人，堵不住創新的腳步。美國的限制，還讓輝達損失了巨額中國市場收入。僅H20晶片禁令，就導致其損失55億美元庫存和150億營收。黃仁勳也認可華為的實力，稱其是“世界級科技公司”。薩克斯的判斷，其實藏著美國的戰略焦慮。放棄過度限制，不是妥協，而是想鎖定盟友市場。遏制中國先進晶片，同時鞏固美國技術的全球主導權。華為若真啟動AI晶片出口，格局會發生微妙變化。國產晶片出海，不僅是營收突破，更是生態突圍。中美AI晶片的差距在縮小，競爭只會愈發激烈。華為能否打破壟斷，關鍵看生態搭建的速度和質量。而美國的政策調整，也會持續影響全球半導體格局。這場技術博弈，沒有旁觀者，每一步都關乎未來走向。 (1 ic芯網)

【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）