Naval 与 Vercel、Boom 创始人圆桌：工程师要从交付成果变成造一座工厂

阵容：Naval Ravikant（主持）｜Guillermo Rauch（Vercel，把 Vercel 做成「面向 agent 世界的 AI 云」）｜Blake Scholl（Boom Supersonic，自有工厂造超音速飞机+喷气发动机）｜Max Hodak（Science Corp，做「硅片上培养活体神经元」的生物混合脑机接口，先恢复视觉等感官、最终探索大脑新区域和全新感官）。开场定调：三位都「自造工厂而非拼现成件」，关心的不是造什么，而是「怎么造」上学到的、能被别的创始人借鉴的原则。Naval 一句定调：「咱们好好玩一把吧。」→ 详细

• Guillermo 提出贯穿全场的核心隐喻：过去衡量工程师 =「你来上班直接交付产出物，公司内部一切的标准就是 A 这个人交付 B 这个产出的能力有多强」；现在 =「我评判你作为工程师，看的是你是不是在搭建那座能批量产出 B 到 Z 的工厂」——他自己说「这是个相当大的转变」。→ 详细
• 10 倍工程师本就有争议：「我以前在 Twitter 上说有 10 倍工程师，会被喷得很惨，因为这跟很多『人人平等』的哲学完全相悖」；但他坚持「当你在思想领域、智识领域、虚拟数字领域里工作时，差距根本不止 10 倍，而是 100 倍、1000 倍，而且向来如此」，如今因 AI 杠杆，这话「已经没那么有争议了」。→ 详细
• 举例 1000 倍程序员：Satoshi Nakamoto（比特币发明者）、发明 JavaScript 的 Brendan Eich、传奇游戏引擎程序员 John Carmack。他还补一句更狠的：「如果你挑对了要做的事而不是挑错了，那差距是无穷大；可能只是一念之差，只是某人一开始在『该做什么』上判断得更好」——即「选题判断力」的回报是无穷大。→ 详细
• 真正有争议的新困惑是「token 排行榜（token leaderboards）」：大家还有点糊涂，会想「我手下有一堆 100 倍工程师，看我为这些 token 付了多少钱啊」。他由此抛出全场第一个问题——「你们怎么衡量 ROI（每一块钱花进去换回多少价值）？」→ 详细

• Max 泼冷水：用 token 消耗衡量产出，「就像过去拿代码行数衡量一样，对不上」。核心观察：「Claude/GPT 基本上在某领域里跟你水平差不多」——高手用它「威力惊人」，初级用它「也就是个初级」；反差在于模型强得难以置信，可你给它的那些小修正又似乎极其关键，完全决定你能榨出什么表现。→ 详细
• Guillermo 印证并把这能力命名为「reprompting 的质量」（你没得到好产出，我告诉你该用什么 prompt 喂它），强调「极其重要」。Max 补但书：模型越聪明「你输入更少、得到更多」，这会越来越不重要；但现阶段「它真的像把你带来的判断力反射回去」——一面照出你水平的镜子。→ 详细
• 职业下一步是从「给功能写实现」转向「选技术栈」（Postgres 还是别的库、ZeroMQ 还是别的队列）——人一句「不，用那个」就是关键反馈。但 Guillermo 反转：你也能直接问它「该用哪个、为什么」，它什么都懂。例：「你说『把高基数遥测数据塞进 Postgres』，它会说『不行兄弟，这种数据别塞 Postgres，考虑 ClickHouse 或 Athena』」，相当惊艳。下一个拐点之问：何时反过来变成模型给人下指令（「去帮我拿这个 API key」「去帮我筹下一轮的钱」）——他判断那只是「暂时的反常」，很快每家 SaaS 都有 CLI/API 给模型直连，Naval 补「你塞进加密代币，模型自己去把要买的付掉，已经有人在做了」。→ 详细

• Naval 刻意抗拒学一切花招：「曾经有过这种风潮——用 Ralph Wiggum、用 Open Claw、用 Hermes、用这个 prompt 引擎、那套脚手架、永远开 plan mode。我把这些全忽略了。」底层假设很反直觉：「我就假定模型变好的速度会比我搞清楚怎么用它的速度更快——它搞清楚怎么用我，会比我搞清楚怎么用它更快。」→ 详细
• 打法是纯蛮力：「我会把 Codex、Claude 和 Gemini 同时丢到同一个问题上，反复试，纯粹浪费 token 来省时间。」核心金句——「不管这些模型看上去多贵，它们还是比一个人便宜太多。所以我会说，浪费 token，省时间。别盯着 token 看，无论是输入还是输出。只看你自己的时间，只看最终产出。」他坦白随时间推移「自己输入的信息越来越少、干的活也越来越少」。→ 详细
• 对低质代码不焦虑：承认「很多情况下确实是低质量代码，不一定是生产级或可扩展的」，但解法是——「等到我真要推上生产环境时，再多砸点 token：跟它说『好，现在过一遍、重写一下』，而且它们每一代都更好。」哲学结论：「只要我们手里有可验证的领域、可解的问题，它们就会把这些问题解掉」；真正困难的是「那些未解问题的领域——也许你站在创造力的最前沿」，需要「非常协作、谨慎、紧密地跟模型一起工作」，他自承「在软件工程上还没到那个层次」。→ 详细
• Guillermo：模型已从「经典的下一 token 预测、顺着你的想法一路狂奔」进化到「直觉式 plan mode」——「它会回过头跟你说：『你让我做的这件事，我们有这三条路可以走，会面临这一组取舍。』」这就是 X 上常说的「博士级工程师模型」，「很明显模型在某个时间点毕业了：它们以前是初级工程师，现在是首席工程师（principal engineers）」。→ 详细
• 但它们仍会胡说八道：「有时候挺好笑的，它会告诉你『这条要花三周、这么多依赖』，预测错得离谱。」尽管如此，他的态度已变——「我开始把模型当成一个我可以来回切磋的智识同侪（peer）去尊重了」。待解之谜：同一个 AI，「难道资深架构师拿到的不是 10 倍、而初级工程师拿到的是 2 倍吗？这就是我还在琢磨的事」。→ 详细

• Guillermo 的大哉问：「纯软件是不是死了？纯粹的软件工程是不是已经过时了？」他用「讲英语」打比方——「模型现在会讲英语了。我们当初得学代码才能跟模型沟通，而现在模型会讲那种模糊、随意、像人一样的英语，而且它们能听懂。」护城河在哪？他引 Patrick Collison（Stripe 创始人）「软件是一门艺术，而招到艺术家很难」——所以「现在作为硬件创业者太好了，你可以相当快地拥有很不错的软件开发能力」。→ 详细
• 但他仍困惑「新软件工程」是否 =「训练模型、调模型、做后训练（post-training）、做微调（fine-tuning）」——「经典的软件工程是不是死了？纯软件还值不值得投？还能不能成为一家公司、一个团队围绕它组织、并从中拿到杠杆的东西？」→ 详细
• 引 Mitchell Hashimoto《积木经济》：对 agent 最有用的是「真正强大、可复用的积木块」——「你不会指望你的 clanker（机器人助手的戏称）每次要发封邮件都重新发明一套队列基础设施」。他明确反对让 agent 从第一性原理重造一切：那样发明的东西「会跟社会和文明的其余部分都不兼容……几乎就像专为你一个人重新发明高速公路、法律、政策」；就算能多榨点优化，「『我俩都依赖 Postgres 13.2』这种大规模协作的价值，仍然非常非常非常宝贵」。→ 详细
• token 缓存（token cache）比喻：「agent 已经造出来、可供模型复用的东西，就像一个 token 缓存——你不想为了重新产出本就已经存在的东西，去消耗掉万亿级的 token。所以总有些起点是模型可以从那儿 fork 出去的。」Naval 一句点破本质：「所以这些就像是库和依赖，只不过是给模型用的」；Guillermo 修正：「对，具体说是给 agent 用的。」→ 详细

• Max（很小就学编程、能连写 20 小时、对语言门儿清）已「很久没写过一行代码」，但产出暴涨——「从去年 12 月以来，我造了海量我每天都在用的软件，好多幻想多年的项目现在真用上了，没一行代码是我写的」，「无法想象再回去手写」。→ 详细
• Guillermo 点出真正值钱的能力：「你懂这些零件怎么咬合在一起」——懂 API、数据怎么流动、输入输出、性能，「一直比写代码本身有用得多」。绝妙旧观察：优秀工程负责人一直在通过 Slack、一对一会议「对人 vibe coding」（传递你的意志、意图、经验让别人带着跑），现在只是换成对 agent。→ 详细
• Naval 现身说法：「从 20 年没写代码，到现在天天通过 agent 写、在造一大堆软件」；懂软件工程和算法的基本原理就能走很远（当初停写就是因为「懒得搞清最新语言/架构、把那些基础设施零件拼起来烦得要命」）。Max 补学习论颠覆：有了 agent「你再也不会卡死」，老话「编程的挫败感是这门手艺的一部分、是你学习的方式」已不成立。→ 详细

• 硬件工程的痛点：「大量工作发生在工程师笔记本上、孤岛式的 Excel 里，复杂、有时还藏着 VBScript——其实都是软件，却没人当软件对待：没版本控制、没自动测试；交接靠人工发邮件，像在过 1990 年代，糟透了」；想转软件却「永远招不够、雇不起足够的软件工程师」。→ 详细
• 新分工：软件工程师建架构（懂系统/算法/关注点分离），硬件工程师「vibe code」自己那块。涡轮叶片实例——叶片冷态/热态形状不同，要在冷热、结构/气动间反复换算，经典做法「一片叶片一项分析要一个工程师干一天、一台发动机约千片」，新工具能改几何形状实时看结果，结果「两名工程师就能设计一整台喷气发动机，天差地别」。连「硬件协作工具」创业公司和 Excel 都基本完蛋（「电子表格当年成功只因没人能造定制软件」）。→ 详细
• Max 预言：很快（很可能 2026 内）AI 不只生成软件，还能生成 STEP 文件和 PCB 布局——「等它能搞机械/电气工程，那是我们还没见过的全新维度」。→ 详细

• Naval：AI 是「会做小玩意儿/零部件、但软件烂」的公司的福音，现在能做出够用、甚至纯 agentic（不给人用、只供 agent 访问、靠语音控制硬件）的软件。中国大举开源的动因之一：「他们有硬件和复杂供应链优势，等于说『只要我能按需生成软件，对硅谷就没这个劣势了』」。→ 详细
• 但也确在追赶（蒸馏模型、协作共享资源），且中国政府素有出资扶持「能带动整个生态」的网络效应项目的传统。Guillermo 的讽刺：「他们做开源是因为 OpenAI 不开源」——Grok 落后一两代、Google 本地小模型不强、Anthropic 几乎无开源，「开源分量几乎全来自中国」（这更帮到他们那边的硬件创业者/工厂）。→ 详细
• 核心论断：「大家都被敲响警钟——没有顶尖前沿编码模型，你就没有自我改进的能力」；推到国家层面，硬件流水线每一环都要生成软件，「生成软件的能力落后，就会在生成一切的能力上落后」。→ 详细

• 饭桌争论（Guillermo 复述「昨天吵的一架」）：饭桌上有人主张「你 97% 的事情都会用 DeepSeek，因为它太便宜了；需要更高智能就把同一个问题反复跑很多遍；只有最高阶的任务才用 OpenAI、Anthropic」。Guillermo 反对：「我觉得智能是一种纯粹的好东西（an unalloyed good），你永远想要更多智能；而且当这些模型犯错时，你是不知道的」，再加一句「它永远比一个真人便宜、而且是实时的」。→ 详细
• 结果会催生垄断/寡头：「你只会用手头能拿到的最聪明的那个模型——这未必是好消息，因为这意味着你最终会在 AI 领域造出一种垄断或寡头垄断」。理由是杠杆太大输不起：「考虑到我要通过资本、代码、人、还有市场营销往里灌注的杠杆有多大，我希望每一次都做出正确的决定」；而且常常两个模型都给了答案、他也不知道哪个才对，那就「采纳聪明一点那个的答案，最终我会干脆不再去问那个我认为比较笨的模型」。→ 详细
• 但书（来自 Vercel 的 AI Gateway 数据）：「开源模型确实有使用量，但顶部明显是被前沿智能重度主导的。」他特别点名 Gemini：「大家对 Gemini 没那么兴奋，但他们推出的这些模型在『性能/成本』这个组合的甜点上超级聪明，而且对很多任务来说——有意思的是，恰恰是编码以外的任务（客服、浏览器自动化）——它们是最好的那种『工业级生产模型』」，这种任务他也会去看中国模型。但底线是：「只要我是在做推进前沿的工作，你就需要可能拿到的最好的编码模型，那基本上现在就只有两三个模型，中国的肯定不在其列。」→ 详细

• 垂直整合逻辑：能买就买（「PCB 我们不自己做，近乎免费、亚洲不限量买」），但产品「越接近一整块共价键合的物质就越好」（更省电/更小/更强/更久）；很多元器件根本买不到、拼现成件「非常受限」，要真创新就得自己学着做——他们在东海岸买下了自有 MEMS 晶圆厂（实在没别的办法做想要的封装组装）。→ 详细
• 公司内 AI 影响最大处竟是监管互动：「想改产品时可能有成千上万条 ISO 标准适用、到底要符合哪些」，过去要监管/质量团队跟好几个月，「现在 AI 基本直接知道」。但「软件仍需双手」——外科项目、晶圆厂里，「它会比我们聪明，但造不出实体东西就是实打实的边界」；对策是给硬件装传感器（instrument），让模型变好能「相当即时地」反映到细胞工程、材料科学上。→ 详细

• Naval：早已不通过律师生成基础法律文件（NDA、各种协议都消失了）。老笑话——「法律就像意大利面条代码：一套极复杂的『代码』用英文写出来，这条跟那条矛盾、还得塞进别处框架，且没有真正的 API」。你买律师买的其实是「一个值得信任的权威——上过法学院、拿声誉担保」（你永远不知道他往文件里塞了啥，你就是信任他）。→ 详细
• 同一逻辑套到各行：「初级工程师基本上被提拔成了高级工程师，而初级工程的活被 agent 接管了」——对应法律，「坏处是你可以说『律师助理（paralegal）刚被裁了』，但你也可以说『律师助理刚被提拔成了高级律师』，现在他们能把时间花在真正思考法律上」。Guillermo 的新规范不再是逐行读 PR（「想当年我们可是会逐行读完一个 PR 的每一行」的梗），而是「我对这个 PR 后果的理解是负责的；或者我写了测试框架、模拟、证明、类型检查器，所以即便没逐行读，我也敢签字确认它上生产是安全的」。他描绘了一个可接受的世界：「我们接受所有东西都会是意大利面条代码、我们并不完全理解它，但我们写出能给我们信心的评估器（evaluator），然后依靠像生产基础设施工程师这样的人说『好，可以发到生产』——毕竟系统宕机时总得有人被 page（呼叫）。」→ 详细
• 被低估的点：造软件从 0 到 1 容易，难的是「1000 天后它还安全/可测/生产级/高性能吗？你还有动力砸 token 维护它吗？」。Naval 定义——「人类正在变成验证者」：律师/工程师/运营都在转向「验证整个技术栈、说『这大致对、我愿背书，出事我撑你』」（对称于我们本就用优质验证数据训练模型）。→ 详细

• Blake 实例：飞机适航认证里「证明能扛一次雷击」的监管文档动辄约 200 页，传统做法「你得雇个不算聪明、但愿当『键盘上的猴子』的工程师写好几个月」，改一次飞机设计「你简直想哭，又得返工约两个月」。他们搭了 RAG「靠 prompt 几分钟干完」。→ 详细
• 三阶效应层层递进：①省好多时间；②改规格只要几分钟而非几个月，于是你真的愿意去改了；③可摆脱那些不太行的工程师、只留一小撮有创造力的人快速迭代——那套严重拖累迭代的整个监管负担就此消失。但他态度细腻：「很多监管本身不是问题」（不被雾霾掐喉、能在很多河里游泳，里面很多是进步），真问题是执行摩擦——「人类理解+遵从很难，每次公文往来等几个月；若能把这些学到的东西变得完全没摩擦，那会相当酷」。→ 详细

• Blake 把这场较量看作进步：现在最糟的是「你要造任何实体的东西都得拿到建筑许可，就好像『有罪推定、要自证清白』」；他碰到过最糟的是消防部门——「他们占据道德高地（从燃烧的大楼里把人救出来），可实际干的事就是拿你的建筑设计折腾你好几个月」，所以他幻想「用一个 agent 取代消防督察，让它能快速点评你的建筑方案」。→ 详细
• Guillermo 把监管重构成「测试套件」：哪怕 agent 反馈做过头，「也比今天存在的那些拖延要好太多」；让 agent 成功的关键是「由人类或其他 agent 设好正确的测试护栏」，很多人对 SLGOLO、Ralph loop 兴奋是因为「你告诉模型『去干这件事，这是你的退出标准（exit criteria）』」——「我就可以告诉 Blake：去把我们都变成超音速吧，你的退出标准就是你已经满足了所有这些监管要求」。前提：「首先这些测试不能自相矛盾，监管本身也得是合理的」，否则「我们就会把垃圾代码直接发射上天」。→ 详细
• Naval 隐忧（红皇后竞赛 = 双方都拼命跑才能停在原地）：监管方也会「朝我们喷 token」→ 变成 agent 对 agent 的战争，机构会被 spam DDoS（「App Store 现在被垃圾淹没了，专利局也被垃圾申请淹没了」，它们是 AI 的慢采纳者）。绝妙类比：「想象一下，如果我们今天开车出行的方式跟今天造东西的方式一样——你去任何地方前都得先写一份方案（走某某路线、多少限速、会打转向灯、每个 stop sign 都停、绝不闯红灯），三个月后拿回批注……最后你终于拿到批准，结果哪儿也没去成。这太疯狂了。」结论：「我们真正该做的，是让更多这类事变成『基于事后执法（enforcement-based）』而不是『基于事前审批（pre-approval based）』。」→ 详细

• 实体领域被监管拖死：硅谷两大进展（AI、之前的加密）都属数学——「最后一个不受监管的领域，等他们开始管前沿模型、管 GPU，那也会停滞」；引 Peter Thiel 哀叹实体「没有创新、被巨大监管壁垒拖住」。监管还「相互矛盾、武断反复」——SpaceX「既因没招够（移民/难民）被起诉，又因这些人非公民被规定不许雇」。→ 详细
• Blake：「更安全」是神话——波音 737 Max「一个单一传感器对机头上仰/下俯有完全控制权，没哪个实习生会蠢到觉得那是好主意，却一路通过了整个认证」，这套东西「没让我们更安全，只让我们更慢」。Max 最锋利的论断（用核能反讽：NRC「从七十年代到约一年前批准了零座核电站，永远不建当然绝对安全」）：「你批准一个坏东西，职业生涯就完了；你拦下一个好东西，没人会注意到」——这种激励的负面偏向，是「监管型国家里最该解决的问题」（他也坦言自己很多事站去监管这边，但反对简单归咎「就是 FDA」）。→ 详细

• Max：这恰是「选民所在的位置」。他点出比「监管改革」更深的约束：「推太狠其实有办法绕（去洪都拉斯的 Próspera 等特许区），但若你被视为『坏行为者』，就会被这个社会排斥——这才是你必须给出答案的东西。」→ 详细
• Naval 共鸣：「我们爱怪政客，可他们是多数票选出来的，这正是人民真实所在的位置、是他们自己选的那个打包套餐」，换掉一个会有非常相似的取而代之。文化盲区——法国创业者哀叹「57% GDP 被政府吸走、没法创业」，但普通法国人「感受不到自己错过了什么，只知道比美国人稍穷」；《经济学人》讲美国增长更快却归因于海洋/自然资源，「就是不愿说出『资本主义』这个脏字」。→ 详细

• Naval 想要 50 州做不同监管/税制的真实验 + 「实验区」（得癌症可去某小州把在研药都试一遍，caveat emptor 自负风险）。Max 部分认同自愿的 YIMBY 区（自愿同意处试不同规则/无规则/无罪推定，成功做法再推广），但直接泼冷水：「『创新区』救不了药物研发。」→ 详细
• 真瓶颈（圈内细节）：已有「尝试权法案」「单一患者 IND」，FDA 其实超 99% 会放行、甚至电话里当场批；卡在两处——①给病人用药需临床级药品，唯一有的通常是正砸数亿做试验的 IP 持有者，他们不分；②FDA 会「推定不利」：病人（本就重病）出事会被算作这款药的特性，连累那家公司自己的试验。Max 的轻干预解法：「必须禁止 FDA 在同一款药的不同使用者间做『推定不利』，阻止这种偏执主导决策」。延伸：欧洲「公告机构」（私营、受政府授权认证、彼此竞争、可扩招，评审员比美国多几千人）激励更好；中国 CFDA 已批了能付费的植入式 BCI，「不当心会给我们真正压力」。→ 详细

• 支出悖论（完整对照）：「二十年前手机/笔记本买得少、每台贵得多；现在便宜了、买得多得多，我们买得更多，总支出反而上升——这很棒，高通、三星、苹果股价都涨了不少，大家都开心，人们用手机/笔记本创造出的多余财富又拿去买更多手机/笔记本」。但医疗不会这样——「因为你中间夹着这套报销机制……我们用来购买医疗的那笔钱基本是固定的，并不会因为出现了更多能带来更好健康结果的东西就增长，增速大致只跟税收持平」。→ 详细
• 推论（10 倍是福是祸）：「假设两年后我们在 AI 上花十倍，可能是好事；但两年后医疗花十倍，那是一场灾难——这从根本上和『成为一个技术增长型行业』相冲突」。出路不是单一支付方、也不是对医保做某种修补，而是「把成本降下来，让一个人能用信用卡就买得到，最坏情况像买车那样分期」——这正是中国在做的，「会让他们能把这些东西卖到一万美元，而不是十万美元」。→ 详细
• 餐厅类比（点睛）：「医疗里没有真正的私人市场……想象一下，你不是去餐厅吃完直接付钱，而是去所有餐厅吃，到月底把所有收据账单都寄给保险公司、寄给政府报销。结果就是每家好餐厅外排长队、每家烂餐厅都有空位，等待时间糟透了、产品也不改进。你基本上是在一个更大的资本主义社会里运行一个小型的共产主义社会，而这正是我们在医疗里干的事」。Naval 接道路同理：「这也是我们会堵车的原因——上高速没有可变定价，所以它总是堵得水泄不通」。→ 详细
• Naval 的方案（请人「找毛病」）：「想象一下：你年收入的前 20% 是你的医疗免赔额——无所谓，如果你一贫如洗、无家可归，那就是零；如果你很富，那可能是几百万美元」；剩下的「由政府、由保险体系按今天那套常规上限来付，这样你会很快催生出一个私人市场」。→ 详细
• 佐证 + 反驳：自费领域确在进步——「牙科、整形外科以及一大堆可选的医疗项目里，会真正出现一种竞争局面、你会看到改进……你看眼科的 LASIK，看牙科的贴面、牙套——因为它们是用自己的钱『投票』的私人付费者」。反驳「穷人怎么办」：「人们会抓狂，不愿往前多想一步就说『那破产的穷人怎么办』——可破产的穷人没有收入啊（前 20% 就是零）」。现状荒诞：「连非常有钱的人都没法自愿往系统里花钱，因为价格根本无处可寻、费率表也根本没有；你想自费购物，有时候他们给你报的价是向保险公司收费的 10 倍」。→ 详细

• Guillermo 讲 GitLab 的 Sid：极成功 IPO 后被诊断罕见癌症，「活得远超医生预期」——做完一线化疗、又用尽一个替代方案，医生说「没辙了」之后，「大概六七家公司因此诞生，他的『升级阶梯』里有二三十款药，到现在还活着、好多年过去了，基本给自己打造了个性化方案」。→ 详细
• Max：高端这头「不用跟保险打交道、有资源、要现代科学全套工具箱」就可能有各种结果（普通人去问医生「我这么做会怎样」，医生「只会开始大喊大叫摔东西」）；「n=1 个体化医疗最终会成一座研究金矿，帮我们理解怎么做出更多可推广的东西」。沉重反讽——「它要求病人在最虚弱时拿出极强主动性」（他一个朋友死于癌症，临终最不想做的就是研究 n=1 疗法，因为「一周一周地在往下垮」）。结论：「这正是 AI 真正该大显身手处：给出对的方案、把能力民主化；能接触到这些的人少得离谱，跟有没有钱还是两码事。」→ 详细

• Guillermo 问「你们组织里多少软件是完全/接近自主、还能自我改进的」。Vercel 已把大量 SRE（站点可靠性工程）自动化：「任何指标变慢/变快/吞吐变化触发异常告警，就有 agent 去排查、决定要不要开事故工单、拉人、走修复流程——除了真给 agent 改生产的工具，其它都做了，等于把解决方案盛银盘子上端给工程师」（今天多数团队还手动设报警阈值，「挺离谱，但整个行业就这么干」）。→ 详细
• 开源安全工具 deepseac（数字带出震撼）：「在云端用 1 万个并发 agent 跑我们整个 monorepo，几天之内、花 1.4 万美元 token，做出了相当于好几个季度的安全研究/红队/整支团队的工作量」。动因：「网络安全正变成噩梦——漏洞太多、对手太强，必须非常主动投入」。另一成熟用例：用前沿模型把代码库从 A 语言翻译/重写成 B 语言。→ 详细

• 实验一（bug 自动修复队列）：「拿我自己 vibe coding 出来的 app 说，我给 TestFlight 用户做了个 bug 上报队列，他们能直接在 app 里报 bug、自动上传日志和一张截图」；「我让一个简单的守护进程跑一遍把所有报告汇总，它会在后台主动分析并修复这些 bug，然后给我推一个 TestFlight 版本，让我在发给测试者之前先试」。功能需求暂只汇总，但他想象「未来的 app 完全可以由用户自己构建」（虽然「可能会乱成一锅粥」）。→ 详细
• Naval 打趣「我们真该把那个发出去，纯粹为了看看这个社会实验会怎么收场」；Blake 接梗——「最后你会搞出个像 Homer Simpson 那辆车一样的东西：上面装了把伞、一个手电筒、一个小丑喇叭，啥功能都有」。→ 详细
• 实验二（全公司停工一周）：「我让整个公司停掉所有项目工作一周，从前台到工程师，所有人都去做你认为最重要的那个东西。唯一的要求是必须用 AI，而且做完之后要给全公司演示」。结果与预期完全相反——「我本以为会收获一大堆瞎搞、少数几个真能推动业务，结果恰恰相反：我们收获了一大堆能推动业务的，只有极少数是瞎搞的」，其中「两三个简直是改变公司轨迹级别的」。→ 详细
• 最意外的是收发货同事：「字面意义上的前台、那个收发货的同事——工作就是把包裹从卡车上卸下来、入库后给相关人发邮件——他给这事做了个自动化，而且我们现在还真在用」。他的结论：「每个人心里都有点想法，知道有什么东西要是存在了就能让世界更好一点，但很多时候他们第一直觉的想法是蠢的，自己又没能力把它推演出来、看出它蠢在哪。可一旦他们有能力把想法变成一个真东西，跑不通就能反应、能迭代——给他们一周，到周末他们其实真做出了一个说得通的东西」。→ 详细

• Guillermo 的设想：「如果所有工作都是这样呢？你该怎么组建一支不直接干活的队伍——他们做的全部事情，就是训练那个替他们干活的 agent？」推动它需要文化改造（「你得不停提醒大家、搞 hackathon，喊『来，咱们一起搭 agent』」），好在很多新人「一进来就本能地知道，自己的工作不是去做那件事，而是去训练那个做那件事的 agent」。Max 设想更疯：「也许你只要把所有摄像头都打开，让 agent 盯着发生的一切——它看到收发货那套流程效率很低，就直接把那个 app 做出来、端到你面前。」→ 详细
• Guillermo 透露产品方向并自剖：「Zach 把这玩意儿装进了每个人的电脑里，他正琢磨这事儿呢。」Vercel 很可能在 AI Gateway 上线一个功能：可选「保留输入和输出」，然后「把我所有的输入输出拿来，从我的工作里把那些我喜欢、想学的东西提炼成 skills，再 dump 出来让我自己下载用」，公司里的人还能把这些共享、汇集到一起。他自承工作不重复、「几乎已经没什么可自动化的了」，并寄望人人都走到那一步：「你随时都待在自己创造力和兴趣的最高区间里。如果还剩下什么能自动化的，就该把它自动化掉、从你生活里清出去——它会把你解放出来去搞创造，而那才是你产生全部价值的地方」；但他也共情恐惧——「如果你过去十年一直在重复做同一件事，现在突然变成『你得去训练一个 agent 把这活儿自动化掉』，那是挺吓人的」。→ 详细

• Max：回报构成「历史上约 70% 靠智力、30% 靠主动性（agency），现在要翻转成 70% 主动性、30% 智力，模型越强越往那偏」。Naval 唱反调：「99% 靠智力、1% 靠主动性，因为主动性以后由 agent 执行」——他连「该做什么功能」都问 agent（「去看日志、看用户，我该干嘛？」）。Max 澄清说的是「对人类的回报」：最适应者是「一进来就想『打开 Claude 问我该做什么』而非刷 YouTube」的人。→ 详细
• Guillermo：「我们的注册数据爆表」，冒出一类非工程师用户（更像播客主/YouTuber/在 X 发帖的人）；vibe coding 比打 FPS 还上头（「以前的游戏圈时间全砸进 vibe coding 了，反馈循环一样紧甚至更紧」）。但安利朋友换来茫然（写代码对他们是黑箱、「以为你从头到尾就在跟电脑说话」）。量化：「把写代码的人从占人口 0.01% 提到 1%（涨 100 倍），但仍 99% 永不写代码」。Max 补：他未婚妻为捣鼓一个东西「一宿没睡」（一行代码没写），「像一张彩票」；小白更多通过视频/图片模型入门（但视频「还没那个品味和判断力」）。→ 详细

• Max 跟 Andrej Karpathy 打赌「哪年能丢进一本书就产出一部电影」——「自几年前打赌以来他的时间表已大幅提前」，预测「2030 年会有好几十个版本的《指环王》，会有粉丝跳出来说『他拍错了，我要拍我自己的』」。他的个人标尺是《苍穹浩瀚》（剧只拍了九本书的前六本，他想把最后三本「以剧为基准生成最后三季」）。→ 详细
• Naval：原创比改编更让他兴奋——「你说『给我整出下一部《指环王》』时我特别兴奋，因为我们在想象力上已很久没真正突破了」；Guillermo 接「文化上会出现《哈利·波特》《指环王》量级的新东西，我对这个特别兴奋」。→ 详细

• Naval 抛核心问「人类能独一无二做什么」，点名 Max 是「AGI 极大主义者（答案是『没有』）」。Max 澄清「我不反人类」，但抛出全场最扎心一句：「若你的身份建立在多聪明、多有创造力上，以后会很难受。」→ 详细
• Naval 的创造力定义：「跳出系统、做出系统内根本无法想象的事，在训练数据分布之外」。slop 佐证——「每个 Claude 做的网站长一样（衬线体、棕奶油色、固定间距等宽字体），跑久了就这么个分布，这就是 AI 垃圾」。金句：「未来不是『人类 vs 电脑』，而是『人 + 电脑 vs 纯电脑』」（Max 补：纯电脑那天「终会来但还挺远」，且会造 TikTok 那种「超常刺激」级娱乐）。→ 详细
• 两种艺术定义之争：Max = 「有意义的、超出分布的行为」（让你意外、「沿 Z 轴移动」、改变你今后的人生轨迹）；Naval = 「传递情感/意图」（无意图即无意义，故计算机几乎定义上做不到；日落之美是「无动机的纯智能在运作、没有自我牵涉」）。归属（attribution）很重要——真人拍的比 AI 生成连最后一个像素都一样的照片更有意义（Guillermo 顺势透露：刚投了家「用硬件在拍摄端做可验证性、证明照片是真人拍的」公司）。→ 详细
• 哥德尔论证：完美的数学 AI 困在形式系统内，而哥德尔「借系统外的东西（物理等属性）跳出并从根本上攻破系统——这 AI 做不到」；跳出分布的新想法「多落在自然领域：物理、互动、感受、情绪、演化，AI 接触不到」（但「语言是极好的压缩器，我们又有海量语言」）。随机性之辩：Max 说可靠「self-play + 传感器」触及；Naval 点出人类独有能力——「我们不依赖纯随机（自然选择才靠纯随机），而是能在无限可能空间里『直接切出一条路、排除大片区域』」，这似乎正是我们独有的（他对数学留余地：「也许 AI 已在边缘做到一点点」）。→ 详细

本期没有传统 lightning round，结尾是一段关于「人类未来价值」的收束：

• 乐观经济学（Naval）：所有人生产力直线飙升，而基本经济学是「一个人生产力更高时，你会雇更多这样的人而非更少」；他拒绝「初级 vs 资深」框架——「只要又聪明又会用 AI、又有创造力，我比以往任何时候都更想雇他，因为杠杆太惊人」。→ 详细
• 新硬性招人标准（Guillermo）：「这是一项新的硬性要求。初级到超资深都招——只要他们真擅长用 agent/AI、并且适应得很快。」→ 详细
• 「更多但更小的团队」（Blake）：很多人「不再需要被雇用，可以自己搞事业」；完成任务所需人数大降。只看一阶效应者怕「998 个岗位消失」，但它真正意味着「你能造非常多种不同的喷气发动机」→ 创业/创始人大爆发 + 海量超小团队（人类独有的是创造力，很多人有创意却不知怎么把愿景变成真东西）。→ 详细
• Naval 总结金句：AI 先给了基础智能+领域知识帮你穿透行话，agent 又给了大量能动性，「剩下真正属于人的就是创造力、品味，外加足够起步和坚持的能动性，但已不需要『先花 20 年钻研才能贡献』那种了」。门槛降下来「通才正迎来黄金时代」（Max 能聊意识/FDA/脑科学/创造力），最受冲击的是 X 上爱说「专家、证书、信源」的人——「AI 像一个放大十亿倍的计算器、一辆被极大加速的『思维的自行车』」。落点：「你现在能为自己做的最好的事，就是把这些工具用到炉火纯青、并时刻清楚它们能力的边界——而这个边界是个不断移动的靶子。」→ 详细

• 软件工厂 / 100x·1000x / token 排行榜（Guillermo）｜浪费 token 省时间·只看你的时间和最终产出（Naval）｜plan mode·把模型当智识同侪·博士级/首席工程师模型
• 模型=你水平的镜子 / reprompting 质量 / taste·judgment / 高基数遥测→ClickHouse 非 Postgres
• 积木经济（Mitchell Hashimoto）｜token 缓存｜vibe code（对人/对 agent）｜库与依赖、但给 agent 用
• STEP 文件 / PCB 布局 / MEMS 晶圆厂 / 共价键合一整块物质（Science Corp）｜RAG 几分钟跑完 200 页适航文档·一/二/三阶效应（Boom）
• 不对称监管激励「批错断送职业、拦对无人注意」/ 事后执法 vs 事前审批 / 红皇后竞赛 / 开车要先报方案的类比 / NIMBY·YIMBY / 尝试权法案·单一患者 IND·推定不利 / 公告机构·CFDA / 波音 737 Max 单传感器 / NRC 零核电站
• 医疗固定钱袋 / 餐厅类比「资本主义里的小型共产社会」/ 前 20% 收入做免赔额 / 自费报价是保险价 10 倍 / n=1 个体化医疗
• deepseac（1 万并发 agent·1.4 万美元·几天=几季度红队）｜SRE 自动化「银盘子端给工程师」/ skills 提炼下载
• 70/30 vs 99/1 智力与主动性 / 写代码者一年涨 10 倍、占人口 0.01%→1% 但 99% 永不写
• out-of-distribution 创造力 / 哥德尔「跳出并攻破系统」/ self-play+传感器 / slop（Claude 网站长一样）/ 吉卜力被玩坏 / ControlNet 视错觉 / 人+电脑 vs 纯电脑 / 思维的自行车
• 人物：Naval、Guillermo Rauch（Vercel）、Blake Scholl（Boom）、Max Hodak（Science Corp）；提及 Karpathy、Sid（GitLab）、Patrick Collison、Peter Thiel、Gödel、Satoshi、Brendan Eich、John Carmack