从写代码到建工厂：AI 工业革命的一线对谈

摘要

在这期 Naval 播客中，Naval Ravikant 与三位「自建工厂」的硬科技创始人——Vercel 的 Guillermo Rauch、Boom Supersonic 的 Blake Scholl、Science 的 Max Hodak——展开了一场关于 AI 工业革命的深度对谈。核心命题是：软件工程师的价值正在从「直接产出」转向「造出能乘法产出的工厂」，而 AI 杠杆正把这种能力从软件外溢到喷气发动机、脑机接口与监管合规等一切物理领域。

嘉宾们围绕「浪费 token、节省时间」「纯软件已死」「开源放大中国的硬件优势」「监管才是物理世界创新的真正瓶颈」「未来是大量小团队」等论点层层推进，并触及一个更深的问题：当模型开始反哺指令、人类退居验证者，创造力与「跳出分布」的能力，成为人类仅存且愈发珍贵的独特性所在。

结论收束在 Naval 的判断上：AI 提供基础智能、agent 提供能动性，剩下的创造力与品味属于人；这是一场「带 AI 的人」对「不带 AI 的人」的竞赛，而单个人能做的最有价值的事，就是真正用好这些工具、并始终清楚它们的边界。

正文

一、从 10x 到 1000x：软件工厂的诞生

这期节目的出发点很特别。Naval 与主持人 Nivi 找来三位「不组装现成零件、而是自建工厂」的创始人，关心的不是他们在造什么，而是他们从「如何造」这件事里学到了什么新知识。

Guillermo「the G」Rauch 正在把 Vercel 建成面向 agent 世界的 AI 云；Blake Scholl 在自己的工厂里造超音速飞机和喷气发动机；Max Hodak 则在 Science 做一种生物混合脑机接口——让活的神经元长在硅片上，先恢复视觉，再探索大脑里从未被触及的部分和全新的感官。Nivi 点出这三位的共同点：他们都不在用现成零件拼装产品，而是在建自己的工厂。节目真正在意的，是他们正在生成的「新知识」是什么、他们的「alpha」是什么、别的创始人能从中学到什么。

Guillermo 开宗明义地抛出他最近「上头」的概念——软件工厂（software factories）。过去工程师的工作是「人到岗、直接交付产出」，公司内部只问一句话：A 这个人交付 B 这个产出有多好。而现在，评判工程师的方式变成了：你造出的，是那个能乘法式产出 B 到 Z 的工厂吗？

「这是一个相当深刻的转变。」Guillermo 说，「我们过去相信 10x 工程师，这件事曾经还有些争议；现在显然已经有 100x、甚至 1000x 工程师了，而世界还没有完全适应这个事实。」

Naval 接过话头，讲了一段往事：「我当年在 Twitter 上说存在 10x 工程师，被骂得很惨，因为它跟『人人平等』的那套哲学背道而驰。但现实是，当你在思想领域、在智识与虚拟数字领域里运作时，差别根本不是 10x，而是 100x、1000x，而且从来都是如此。」

他列举了一串名字：Satoshi（比特币的匿名创造者）、Notch（《我的世界》作者）、发明 JavaScript 的 Brendan Eich、John Carmack——这些都是 1000x 程序员。「更不用说，如果你选对了要做的事、而不是选错了，那是无穷倍的差距——他未必是更好的程序员，只是当初对『该做什么』的判断更好。」如今因为 AI 的杠杆，这件事自然也就不再有争议了。

真正有争议的，变成了 token 排行榜。Guillermo 抛出疑问：一堆人还在犯迷糊——「我有这么多 100x 工程师，看看我付了多少钱的 token」。这跟当年用「代码行数」衡量产出一模一样。Blake Scholl 接话：「token 消耗和代码行数，感觉都是同样不直接的范式。」

Max 的观察则更具体：「Claude 或 ChatGPT 基本上和你在某个领域的水平相当。如果你是个很能打的开发者，这些模型就很强；如果你是初级开发者，它就更多像个初级开发者。你零散地给它们的那些反馈，似乎极其重要——这些小小的更新，几乎完全决定了你能从它们身上压榨出什么性能。」Guillermo 补充说，他现在有一种全新的支持方式：你来找我，说模型没给你好产出，我就告诉你该怎么重新给模型写提示词——「重新提示的质量，极其重要」。不过 Max 也留了一句余地：随着模型越来越聪明，这个重要性会下降，你能投入更少、得到更多；但眼下，它确实在如实反照出使用者带来的判断力。

二、浪费 Token，节省时间

Naval 给出了一个反直觉、但非常「Naval」的操作哲学：他刻意抵制了去学所有提示词技巧——「用 Ralph Wiggum、用 OpenClaw、用 Hermes、用这个提示词引擎、用那个脚手架、插这个插件、永远开着 plan mode」。他的理由很直白：「我假设模型变好的速度，会快于我去学会用它的速度；它学会用我的速度，会快于我学会用它的速度。」于是他对模型一直是「抡大锤」式的粗放用法。

「浪费 token，节省时间」（Waste Tokens, Save Time）——这是他的原话。他发现自己对模型越用越不耐烦，输入的越来越少、做的越来越少，因为他假设可以靠「暴力破解」：把 Codex、Claude、Gemini 同时砸向同一个问题，一遍又一遍，只为省下自己的时间。

「不管这些模型看起来多贵，它们还是比一个人便宜得多。所以我会说——浪费 token、节省时间。别把 token 当输入或输出去看，只看你的时间和最终产出。」哪怕模型写出的是低质量代码（Naval 承认很多时候确实如此），到了要上线的时候，他只要再砸更多 token 进去：通读一遍、重写一遍。

在他看来，模型每一代都会变好，而且他看不到这在哪里必然停下。「只要我们有可验证的领域、有已解决的问题，它们就会去解决那些问题。至于未解决问题的领域——也许你是 Terence Tao，站在创造力的最前沿——那你就需要和模型非常协作、非常谨慎、非常近距离地工作。但我在软件工程上，还没到那个水平。」

这段「浪费 token」的哲学，引出了节目里最有意思的一个反转：模型开始反过来指导人类。Guillermo 观察到，过去你给模型一个提示词，它做一次经典的 next-token 预测、然后带着你的想法跑掉；现在模型会自发进入一种「直觉式规划模式」——你甚至没让它规划，它就回来跟你说：「你看，你让我做的这件事，有三条路可以走，这是各自的取舍。」这正是 X 上那帮人欢呼「我们有了博士级工程师模型」的时刻。

「模型在某个节点毕业了。它们过去是初级工程师，现在成了 principal engineer（主任工程师），因为它们会带着一套权衡方案回来找你。」Guillermo 话锋一转，「当然，有时候它们也会 bullshit，这挺好笑——它会告诉你『这要花三周』『要这么多 token』，预测错得离谱。但我比过去更尊重模型了，把它当作一个能和我来回推演的同行。」

但差距依然存在。如果你是很能打的工程师或架构师，你还是能榨出更多「汁水」。于是 Max 提的那个问题又回来了：初级的人，得到的是初级的回报吗？显然不是——一个初级开发者从模型那里得到的代码知识，远超他自己能写出来的水平；但一个有经验的架构师是不是拿到 10x，而初级只拿到 2x？这正是 Guillermo 想搞清楚的。

Max 的回答落在「架构决策」上。他正在团队里的初级工程师身上看到这种变化：他们职业的下一步，从「给某个功能写实现」变成「选技术」——在 Postgres 和别的数据库之间选、在 ZeroMQ 和别的队列系统之间选。模型能给出建议，但你会看着它、然后说「不，我要用另外一个」。Naval 把它总结为「品味与判断」（taste and judgment）——不过你也尽可以反问模型「我该用哪个、为什么」，它们什么都知道，会给你一张漂亮的权衡矩阵。Guillermo 亲身经历：你跟它说「把这个超高基数的遥测数据塞进 Postgres」，它会回你「不不不，兄弟，这种数据我们不放 Postgres，你应该考虑 ClickHouse 或 Athena 之类的」。这种事发生在他身上很多次，确实令人印象深刻。

Guillermo 仍在纠结的那个点是：显然人类还在「补完」模型——那么什么时候会反过来？人类开始收到模型的指令：去给我拿这个 API key，因为这是只有你能做的事；去给我筹这么多钱做下一轮投资。Naval 认为这只是暂时的偏差——很快每家像样的 SaaS 公司或托管商都会有模型能直接用的 CLI 和 API 接口，甚至未必需要 API，只要是文本化的、Unix 化的，agent 就能自己 hack 出一个接口；钱的部分，塞进 crypto token、放进 Bitcoin，模型自己去付需要付的钱，已经有人在做了。

三、纯软件已死？Token 缓存与「不再卡住」

Naval 抛出了他眼下正在琢磨的一个问题：纯软件是不是死了？「纯软件工程是不是成了过时的东西？就像说英语一样。模型现在会说英语了。我们过去必须学代码才能跟它沟通，现在模型会说英语——模糊的、随意的、像人一样的英语，而且它真能听懂。」

那么创始人的护城河在哪？「硬件？那是件好事——你过去不得不先造硬件，同时再建一家软件公司，难上加难。Patrick Collison 说过，软件是艺术，而艺术家很难雇。」他继续推演：如果你在造模型，那可能就是新的软件工程——训练、微调、后训练；但经典的软件工程——是不是死了？纯软件还值不值得投资、还能不能围绕它组织一家公司、拿到一些杠杆？

Guillermo 用 Mitchell Hashimoto 那篇《The Building Block Economy》（积木经济）来回应：对现在的 agent 来说，最有用的东西是真正强大的、可复用的积木。你总不希望你的「小帮手」每次发邮件都从零重造一套队列基础设施——它需要引入一块尺寸正好的积木（「好，这个场景用 BullMQ」）。

他进一步说，他绝不希望 agent 从第一性原理出发，重造出一个跟整个社会文明都不兼容的世界——那几乎等于为你一个人重造高速公路、法律、政策。哪怕存在额外优化的可能，说一句「我们俩都依赖 Postgres 13.2」这件事，本身就承载着大规模协作的价值。他打了个很妙的比方：凡是已经造出来、模型可以复用的东西，都像一个「token 缓存」——你不想烧掉一万亿个 token 去重现早已存在的东西，总有一个起点可以让模型 fork 出去。「这会相当深刻地改变一些事情。」

Max 从亲历者的角度呼应了「不再卡住」这件事。他从很小就学编程，年轻时经常一口气写二十个小时；但「我已经有相当一段时间没写过一行代码了」。一部分是因为工作变了，但更关键的是——自去年 12 月以来，他搭出了大量每天都在用的软件，全是那些幻想了多年的项目，而他一个字都没亲手写。「我完全没法想象再回去手写代码。我很难把这件事看作未来的一部分。」

Guillermo 点破了关键：Max 厉害的地方在于他懂「这些积木是怎么拼起来的」——懂什么是 API、数据怎么流、输入输出、性能。因为你要给模型定向「我对这个操作有怎样的预期」。这从来就比写代码有用得多。一个真正厉害的技术负责人，本来就是在 Slack 上、在一对一里，通过人做「vibe coding」——你传递你的意志、意图、经验，让别人去执行；现在只不过换成对 agent 做同样的事。这也是 Max 能成功的原因——但 Guillermo 不确定每个人都能看到同样的成功。

Naval 也承认，他自己从二十年没写代码，变成现在整天通过 agent 写代码、搭了一堆软件。原因很简单：他当年停写代码，是因为没时间去搞懂最新的语言、最新的架构、要插进去的基础设施——Vercel 让这事容易了很多，但即便如此，「光是起步就是一件苦差事，把各块拼起来、组装基础设施太烦人了」。

「真正的变化是，」Max 说，「过去你能搭很多、大部分顺风顺水，但总会撞上某个随机的东西，然后在一个很窄的问题上无限期地调试。现在有了 agent，你根本不会再卡住了。」他记得以前朋友学编程时，大家都说「编程本质上是挫败的，这就是它的一部分，这就是学习的方式」——而现在，这不再是真的了。

四、Vibe Coding 硬件：两个人设计一台喷气发动机

进入第二部分，话题从软件转向硬件。Blake 描述了一个大多数人不了解的事实：大量硬件工程发生在工程师笔记本电脑里、被隔离起来的 Excel 电子表格里——非常复杂的表格，有时还带着 VBScript 代码。这一切本质上是软件，却被当成不是软件来对待：没有版本控制、没有自动化测试，从气动工程师到结构工程师的交接，是靠电子邮件发电子表格手动完成的。「这是九十年代。糟透了。」

于是 Boom 开始搭软件框架，把硬件工程流程自动化、可重复化，目标是把迭代成本打下来。但进展一直很慢——因为永远雇不起足够的软件工程师。而现在他们进入了一个「脑洞大开的模式」：软件工程师负责搭架构（因为他们懂系统、算法和关注点分离），硬件工程师则用 vibe coding 的方式拼自己那部分（因为他们懂硬件）。结果是小团队获得了「脑洞大开」的生产力。

他举了一个涡轮叶片（turbine blade）的例子。经典上，叶片冷态起步、运行时变热、于是膨胀变大，你必须同时设计出它在冷态和热态都成立的气动外形与结构，还要在冷热之间、结构与气动之间来回换算。这样一个工程师、一天、一片叶片、一项分析；而一台喷气发动机里大约有一千片叶片，你根本做不了多少。现在，软件加硬件的人一起造出解决方案后，你可以改叶片几何，实时看到结构与气动结果——「两个工程师就能设计一整台喷气发动机。天差地别。」

Guillermo 从这个案例里嗅到了更大的信号：企业软件最大的「灾变」正在发生——以后不会再有什么创业公司，能靠卖硬件协作工具给你赚钱了，因为你在内部、在任何需要的时刻，直接编出你需要的那玩意儿。连电子表格都「完了」——电子表格当年之所以成功，就是因为没人能自建定制软件；而最接近定制软件的，就是一个塞满 VBScript 函数的表格。Naval 补刀：对，它们就是「轻量级编程」。

Max 补充说，他已经几乎从 Excel 全面转向 Python 模型，能得到可信的仿真。而 AI 还没触及、但他预计「一年内、大概率 2026 年内」就会到来的事是：现在 AI 能生成软件，很快它就能生成 STEP 文件（机械设计）和 PCB 布局（电路板设计）。「当它进入机械与电气工程，那是我们还没见过的另一番天地。」

但硬件有自己的边界。Naval 让 Max 谈谈 Science 的垂直整合与「极端紧迫感」。Max 的回答很有代表性：「很多东西你买不到，所以只能自己造。」他们当然不是什么都自己来——前沿模型用 Anthropic 订阅，甚至（呼应 Naval 前面的话）公司内部也真用一些 Qwen 和 DeepSeek，还有一个内部微调版本。但他们的偏好永远是「能买就买」：比如 PCB，他们不做，那些在亚洲可以无限量、几乎免费地买。

「但我们的产品越接近一块共价键合的整体，它就越好——功耗更低、体积更小、性能更高、寿命更长。这些元件是买不到的。」要做到那种整合——真正超越「把能买到的东西拼起来」这种极其受限的创新——你必须自己学会做，这表现为垂直整合：所以 Science 在东海岸拥有一座专属的 MEMS 晶圆厂，因为没有别的办法做到他们想要的封装与组装方式。

「软件仍然需要手」（the software still needs hands）——这是 Max 的一句关键判断。AI 会比我们更聪明，但如果它造不出东西，那就是真实的边界。他们已经把晶圆厂以及公司的很多环节都做了「instrumented」改造，随着模型变好，这种收益应该会立刻体现在细胞工程和材料科学里。「我们的蛋白质工程团队用深度学习用得很多，我想我们大概已经是 state of the art 了。但这是高度应用特定的——在公司不同部门意味着不同的事，没有一个统一的答案。」

有意思的是，Max 说 AI 在公司内部最大的影响之一，恰恰发生在监管交互上：过去「我们想迭代这个产品，有几千条可能适用的 ISO 标准，要逐条追踪合规」，需要一整个监管与质量团队干好几个月；现在 AI 就是「知道」。

Naval 由此想到，他自己也已经很久没请律师起草基础法律文件了——NDA、协议、签字、调研，全都不找律师了。法律界有个老笑话：法律像 spaghetti code（意大利面代码），是极其复杂的、试图用英语写的代码——这边和那边互相矛盾，还没有真正的 API。「初级工程师基本被升职成了高级工程师，初级工程被 agent 接管了；同理，在法律上，你也可以说『律师助理刚被解雇了』，或者说『律师助理刚被升职成了高级律师，现在他们能把时间花在思考法律上』。」

五、开源放大了中国的优势

Naval 从硬件角度点出一个「福利」：所有那些写软件很烂的小硬件公司、零配件公司——因为它们做不出好软件——现在都能做出「够好」的软件了。甚至可能连有人类前端的软件都不算，而是完全 agentic：一个 agent 访问它，你通过语音跟它对话来控制硬件。

「这也是中国大力投入开源模型的原因之一。」Naval 判断，「他们全力押注，是因为他们有硬件优势，有极其复杂的供应链和元器件链条。他们基本上在说：嘿，如果我能按需生成软件，那我对硅谷就不再有这个劣势了。」

当然这不是唯一原因——他们还落后、还在蒸馏模型、还在追赶、还在资源上协作；但中国政府历来愿意资助那些能带动整个生态的努力，尤其是在网络效应型生意上。他们想把资源集中起来，在 AI 上追赶，并反过来给他们的硬件加分。

讽刺的是，「他们做所有这些开源的事，恰恰是因为 OpenAI 不开源。Grok 会发模型，但落后一两代。Google 有些本地模型，谈不上有竞争力。Anthropic——据我所知，我甚至没听说过他们有开源模型。」于是开源的全部重量，都来自中国。「它帮了我们的硬件创始人，但更帮了他们自己的硬件创始人和工厂。」那些你在亚马逊上买来、周末随手鼓捣的乱七八糟的小玩意儿，配套的烂软件正在飞快变好。

Guillermo 补了一句更重的话：所有人现在都被叫醒了——没有前沿的编码模型，你就没有自我改进。想象中国作为一个整体，没有生产一切前沿成果的能力——这不只是生产软件的问题，在 Blake 说的这条硬件管线的任何一环，你都需要生成软件。如果你生成软件的能力落后了，你生成一切的能力就都落后了。

话题自然转到「用不用中国模型」。Guillermo 问：大家都在谈中国模型，你们真的用吗？认识有用的人吗？Naval 说不用，并复述了他前一天晚餐上的一场争论：有人声称 97% 的事你用 DeepSeek 就够了，因为它便宜，需要更多智能时就把同一个问题多跑几遍，只有最前沿的任务才用 OpenAI、Anthropic。

Naval 对此「拿不准」。他的立场是：智能是一种「纯粹的好东西」（an unalloyed good），你永远想要更多智能。「当这些模型犯错时，你是不知道的。而它永远比一个真人便宜，还是实时的。所以你只会用可用的、最聪明的模型。」这并非什么好消息，因为它意味着 AI 会走向垄断或寡头。「但我永远想要最聪明的程序员、最正确的答案、最好的判断。考虑到我要往里倾注的资本、代码、人和营销，我想每一次都做对决定。当我有两个模型，一个我知道比另一个聪明一点点，它们都给我答案时，我往往并不知道哪个是对的——所以我既然知道哪个更聪明，就跟着它的答案走，最终我会停止去问那个我认为不太聪明的模型。你们有没有给这些所谓『不太聪明』的模型找到过用武之地？」

Guillermo 用 Vercel 的 AI Gateway 数据回应：开源模型确实有使用量，但顶部被前沿智能牢牢主导。有个例外值得记下——「Gemini，人们不太兴奋，但它推出的模型在正确的性能-成本组合上超级聪明。对编码以外的很多任务，有意思的是，它们是最好的工业生产模型。你可以把它们扔给客服任务或浏览器自动化，我永远会在那儿放一个 Gemini 模型，也会为了这类事去找中国模型。」但「任何时候你要推前沿，就需要最好的编码模型，那基本就是两三个模型，中国人肯定不在里面」。

六、监管前沿：物理世界创新的真正瓶颈

Blake 讲了一个让全场「觉醒」的监管案例：给飞机做认证时，你有一大堆事要做，其中一件是证明它能扛住雷击——光是测试计划的合规文档就长达约 200 页。经典做法是雇一个（说实话）不太聪明的工程师，愿意坐那儿当「键盘猴子」，花两个月写 200 页合规文档。而且一旦你改了飞机，现在你会想哭，因为又是两个月返工这些死记硬背的文档。

「我们造了一个 RAG，让我们基本可以靠 prompt 在几分钟内做完所有这些。」他拆解了三阶效应：一阶是省下大量时间；二阶是——改飞机规格从「几个月」变成「几分钟」，所以你真的敢去改了；三阶是——你可以甩掉那些不怎么样的工程师，留下一小撮真正有创造力、能快速迭代的人，因为「变更的成本」降下来了。「某种意义上，压住迭代能力的整个监管负担，消失了。」

Max 强调这是一个被严重低估的故事。硅谷的共识是「监管烂透了」，我们想跑得更快、想实现这个了不起的未来；确实存在过度监管，让人在很多地方根本无法造任何实体东西。「但很多监管本身不是问题——没有雾霾的城市很好，能在很多河里游泳很好，很多都是进步。问题在于，人类理解和合规这件事太难，而且你每次跟政府交换一封信都要等几个月。」如果能把这些都变成零摩擦，那会非常酷。

Naval 立刻接上：「直到监管者也开始朝我们喷 token。然后你会收到海量必须合规的文件，变成 agent 对 agent 的战争。但至少是场公平的仗。」Blake 甚至认为那会是种改善：今天造任何实体东西都要拿建筑许可，你是「有罪推定」的。最糟的是消防部门——他们顶着「从火场里救人」的道德光环，实际上却在你建房子的设计上折腾你好几个月。「如果我们能把消防检查员换成一个能快速审你图纸的 agent，哪怕它的反馈过度了，也比今天的拖延好得多。」Guillermo 则把监管重新框定为「测试套件」：我们告诉 Blake「去让我们都飞上超音速，你的退出标准是合规所有这些监管」——只要通过它们不产生矛盾、监管本身合理，它们就是极好的 guardrail，否则我们就要把 slop 直接喷到天上去了。

但 Max 把问题推向了更深处。他不否认要放松监管，但「太轻率地说『这只是 FDA、只是官僚机构』是不对的。问题更深。」——如果 FDA 批准了十个真正重要的药，他们得不到任何功劳；只要有一个病人死了，他们就被拖到国会挨骂。「他们有极强的负面偏置激励。这其实反映了美国人民的信念：在人体试验中承受的风险感知，与新药问世的速度之间，有一个根本的权衡。」Blake 把它总结为监管国家里最重要的问题：完全不对称——「批错一个东西，你的职业生涯完蛋；挡掉一个好的，没人注意。」Naval 补充了 FDA 噩梦与硅谷的隐情：过去十年技术界最大的两个进展——AI、以及更早的加密——都在数学域，因为那是最后一块未被监管的领域；等他们开始监管前沿模型和 GPU，这一块也会停摆。Peter Thiel 哀叹物理域没有创新，而它正是被巨大的监管壁垒压住的。他还拿 SpaceX 举例：它因为没雇够某类人被起诉，但另一边的政府法规又不允许它雇他们（因为不是公民）——「这不是那种能在某处一次性编译通过的逻辑代码，这是到处乱造出来的随机法规。」

Blake 用一个尖锐的案例戳穿了「监管让人更安全」的神话：波音 737 MAX——它认证通过了一个单传感器就全权掌控飞机俯仰姿态的设计，没有一个实习生会蠢到认为那是好主意，可它就是一路通过了整个认证体系。「这没让我们更安全，只让我们更慢。」Max 则用核能补了一刀：NRC（核监管委员会）的工作本是保证核能安全，而他们的做法是从七十年代到现在只批了极少数（甚至可以说几乎零）座核电站——「如果我们永远一座都不建，那当然绝对安全。」

Naval 借此提出了他心心念念的「50 州实验」：现在联邦税制和联邦监管主导一切，但他想看一场真正的实验——不同的州用不同的监管、不同的税制。想象你得癌症时，可以去某个小州，尝试所有人都在鼓捣的每一种药（caveat emptor，你得自己做功课）；无人机同理，飞机难一点（要跨越很多空域）。Blake 称之为「创新区」：我们有个巨大的 NIMBY（邻避）问题，但如果你造出 opt-in 的 YIMBY 区域，就创造了实验框架——「定义上，它发生在人们同意的地方」。你可以在里面试不同的规则、或没有规则、或不同的执法方式（无罪推定），看看创新后果与安全后果到底是什么，然后让成功扩散开来。

Max 用内行视角给创新区泼了盆冷水：Right to Try 法案和 Single Patient IND（单患者研究性新药申请）早就有了，医生打电话给 FDA 说「我想给病人用未获批的药」，他们 99% 以上都批，甚至可以电话批。真正的问题是：要给病人用药，你需要临床级的药，而唯一持有它的通常是正在烧几亿美金做临床试验的 IP 所有者；而且 FDA 会对「你的病人（本来就病得很重）出了事」做出不利推断，把它算成药的属性——这是全局的，跟你的创新区无关。所以障碍有两个：让 IP 所有者分你一点药（他们不会），以及阻止全球监管者因为给了你而怀疑他们的临床试验。出路是具体的：比如禁止 FDA 跨不同使用者做出不利推断。

谈到中国，Max 抛出两句很重的判断。第一，欧洲的 notified body（公告机构）体系让审评层的激励稍好一些——私企、能雇人、能成长、有竞争，所以审评员可以比美国多几千倍。第二，「今天确实有一个获批、在收费的植入式 BCI（脑机接口），在中国。CFDA 在独立思考。它有一套我认为会让我们吃点苦头的体系——把药或器械推向市场的成本低得多，你可以在人身上试东西、在市场上试东西。」

他由此展开一个关于医疗的「万能问题」：二十年前我们买的笔记本和手机少得多、每台贵得多；现在便宜了、买得多了、总支出反而涨了——这是好事，Qualcomm、Samsung、Apple 的股价都涨了。但医疗不这样——因为报销机制，买医疗的那桶钱基本是固定的，不随产出增加而增加，增速大致等于税收增速。「如果 AI 爆发，两年后我们在 AI 上多花十倍，这很棒；但如果两年后医疗多花十倍，那是灾难。这在根本上与『成为一个技术增长行业』相悖。」出路不是单一支付方或改医保，而是把成本降到「用信用卡就能买、最坏像买车一样分期」——中国正在这么做，这能让这些东西卖 1 万美元而不是 10 万美元。「这就是 deregulation（放松监管）。」

Naval 用一个尖锐的比喻收束：医疗里没有私人市场。就像你一个月后把所有餐厅账单寄给保险公司或政府报销——每家好餐厅门口都会排长队，坏餐厅随到随有，等待糟透了，产品不进步。「你实际上是在一个更大的资本主义社会里，经营着一个小小的共产主义社会。」Blake 补了一句：公路也一样，这就是我们堵车的原因——上高速没有可变定价，所以它永远拥堵。

Naval 还给出了一个「踩第三轨」的方案：想象你年收入的第一个 20% 是你的医疗自付额——破产无家可归就是零，有钱人就是几百万——剩下的由政府与保险体系按现有上限兜底。你很快就能造出私人市场：牙科、LASIK、整形手术这些私人付费的领域确实在进步，因为人们用钱投票。「但人们会失去理智，他们连往前想一步都不愿意——『那穷人怎么办？』穷人没有收入，自付额就是零。『20% 对有些人太多了。』行，你可以设个上限。但总的说来，如果没有一个私人市场、没有人为医疗程序自掏腰包，你就永远得不到这个反馈回路。」

最后，Max 讲了一个动人的案例：GitLab 的 Sid，在 IPO 大获成功后确诊罕见癌症，却活过了预后很多年。他做完了前线化疗、用尽了唯一备选方案后，医生说「我们对你没辙了」；此后他亲手搭起了自己的「升级阶梯」，现在有二十到三十种药在候着，他还活着。Guillermo 前几天还见过他，「他做得很好，基本上给自己造了一套个性化医疗和治疗方案。」Max 说，这类 N-of-1 医学最终会成为理解「如何造出更可转化的东西」的富矿。Guillermo 补充了那句令人心酸的反讽：这需要病人在最虚弱的时候拿出极大的能动性——而恰恰是这种时候，AI 本该发光，去民主化「你真正能做的事」。现在能接触到这些的人少得可怜，不只是钱的问题，更是知识的问题。

七、自治公司与创造力：人类的独特性在哪

进入最后的自治公司主题。Guillermo 透露 Vercel 有大量基础设施已经自治了：任何吞吐变化都会触发异常告警，一个 agent 去调查、决定是否立案 incident，立案后拉人进来开始修复——「我们除了没给 agent 直接改生产的权限外，几乎都做了，把方案摆在工程师面前」。

他们还开源了一款叫 deepsec 的工具，用一万个并发 agent 在云端跑整个 monorepo，几天内做出「几个季度的安全研究进展」，只花了 1.4 万美元的 token——那本该是好几个月的红队、一整队人。Naval 也分享了自己 vibe-code 出来的 app：一个 bug 上报队列，后台 daemon 自动分析、修复、再给他发一个 TestFlight 包——「我甚至能看到未来一个 app 由它的用户们亲手建造出来」。Guillermo 打趣说应该把它 ship 出来看看会发生什么，Naval 笑着回：「那你会得到一辆 Homer Simpson 的车——雨伞、手电筒、小丑喇叭，什么功能都有。但修 bug 这件事，你绝对可以这么干。」

Blake 做了一个更激进的全公司实验：他停掉全公司所有项目工作一周，让从接待员到工程师的每一个人，「用 AI 建你认为最重要的事」，唯一要求是用 AI、并当众 demo。他原以为会得到一大堆傻项目和几个「改变局面」的，结果正好相反——大量 needle-mover，极少傻项目，其中两三个甚至能改变公司方向。最让他意外的是：负责收货寄货的接待员，搭出了一个自动化流程，公司真的在用。

「结论是：每个人都有『什么能让世界更好』的念头，但他们的第一版想法往往很蠢、也投射不出来；但只要能从一个想法变成一件真东西，他们就能反应、能迭代。」Guillermo 由此引出工作性质的深层变化：很多新进来的人直觉上已经知道「我的工作不是去干活，而是去训练那个替我干活的 agent」。Naval 甚至畅想更疯的场景：干脆把所有摄像头都打开，让 agent 看着一切发生，发现收发货流程低效就自己写个 app 出来。他还预告 Vercel 可能会在 AI Gateway 里加一个功能：让你选择保留输入输出，然后「把我所有的输入输出里的技能提取出来，作为可下载的技能」——你甚至能想象公司里的人愿意分享、汇总这些。

Naval 自己的处境则是个有趣的反例：他的工作几乎不重复，能自动化的一件都没有了。他希望大家都能抵达那种状态：「永远工作在你创造力与兴趣的最大区间。如果还有什么可自动化的，就自动掉它、把它从你生命里清出去，它会把你解放出来去创造——而价值全在创造里产生。」不过他也承认，这跟「职业心态」相抵触——因为你雇人来做重复的事，而这件事正在消失；人们会害怕「那我做什么」，而答案是「你做创造性的事」。

关于未来「对人的回报」是智能还是能动性，Max 与 Naval 有一场漂亮的交锋。Max 认为历史是「70% 智能、30% 能动性」，现在要倒过来、并且随模型变强进一步倒向能动性。Naval 立刻反驳：「我押 99% 智能、1% 能动性——因为能动性由 agent 去执行。」Max 澄清：他说的是「对人类的回报」——未来最适配的人，是那些更有能动性的人，是能打开 Claude 想「我该建点什么」而不是刷 YouTube 的人。

Naval 抛出一个好玩的现象：现在写代码的人比过去多了很多，编码者的比例可能涨了 10 倍甚至 100 倍——但「从 0.01% 到 1% 吧，99% 的人还是永远不会写」。他曾经用打第一人称射击游戏来解压，现在完全停掉了，把时间都给了 vibe coding，「它更有趣，你还能得到点真东西，反馈回路一样紧甚至更好」。他跟朋友说「你应该去 vibe coding」，对方一脸茫然——对他们来说这始终是个黑箱。普通人更多是通过媒体模型（视频模型）进来的，做视频做图片的比写代码做 app 的多，但视频有它自己的问题——「让『给我拍一部关于 X 的好电影』吐出好纪录片，终会到来，只是现在他们还没有那份品味和判断。」

这段对话滑向了艺术与创造力。Max 透露他跟 Andrej Karpathy 打了个赌：哪一年能把一本书丢进去、吐出一部电影。他认为很快了，Karpathy 也大幅缩短了自己的时间线。Max 的基准测试是《苍穹浩瀚》（The Expanse）：九本书拍了前六本，他盼着「把后三本丢进去、以剧集为条件，说『给我生成最后三季』」。Guillermo 则被「给我下一部《指环王》」这句话点燃——「因为我们好久没有过哈利·波特、指环王那种量级的想象力突破了。」

而真正把话题推向高潮的，是「AI 能不能有新想法」。Max 问：一个 LLM 或 transformer 有没有可能走出分布、产生训练集里不存在的新想法？Naval 的回答很有分量：训练集太大了，很难想象有什么想法不在里面；但如果有，它们大概在自然领域——物理、交互、感受、情感、进化——这些语言无法约束的东西里。Max 追问：不靠随机性怎么走出分布？RL 里可以从分布里采样一个动作、靠随机走进新领域；那么人类的新想法从哪来？我们是否也依赖随机？

Naval 的答案是：人类不依赖纯随机。自然选择靠纯随机（突变一个基因看结果），但人类似乎能穿过无限空间、砍掉大块大块的区域，让我们的创造力在更大的图景里讲得通。「这是我们独特的能力之一。也许 AI 在边缘开始做到这一点了——我们看到的那些数学问题——但数学是个非常受限的域。此刻，真正跳出系统、让人惊讶的，仍是人类的领地。」他把落脚点放在那句贯穿全场的判断上：不带 AI 的人就别想了，纯 AI 还没到那一步——但「人 + AI」，我们正处在这个时代，而且他赌我们会停留得比人们以为的更久。

关于艺术，Naval 给出定义：「艺术是传递情感——你感受到了某种东西，把它传给另一个人；你造出一个物件，封存了你内心感受到的情绪。」按这个定义，计算机几乎做不到：同一件艺术品，背后若没有「意图」，就没有意义。自然可以算艺术（日落），但那是没有动机的纯粹智能在运作，没有 ego 卷入。「人类意义上的艺术是：有人感受到了什么，并且想让你也感受到。所以创作者的身份很重要。」

Guillermo 补了一个当下即可验证的例子：你注意到没有，每个 Claude 网站都长得一样？人们调出一个「Claude 网站该有的样子」——衬线字体、棕色配奶油色、某种间距的等宽字体。过一阵子你就得到一个分布，然后你说「这不是创造力，这是从 Claude 里出来的 slop」。Max 则给出他对艺术的定义：「有意义的分布外行为」——某种让你惊喜、像在 Z 轴上移动的东西，而「有意义」意味着它改变了你穿过宇宙的未来轨迹。Naval 用 Gödel 收尾：一个被训练成在形式系统内做到完美数学的 AI，然后 Kurt Gödel 来了，带来一个彻底在系统之外的东西——不完备定理——跳出系统去打破它。「这种事我不认为 AI 能达到。意义来自『一个人类为了某个目的做了它、并传达了某些东西』。而 AI 一旦把 Studio Ghibli 复制得到处都是，它就进分布了——不再让人惊喜，艺术价值也就没了。」

最后，Guillermo 给出对组织形态的预判：未来是「数量更多的小团队」。「喷气发动机两个人而不是一千人、998 个岗位消失」——那只看到一阶效应的人会这么喊。但真正发生的是：你能造出很多很多种不同的喷气发动机。「我们会得到创业的爆炸、创始人的爆炸，以及大量极小的团队。」

Naval 把这个时代总结成一句：AI 提供了基础智能和领域知识、切穿了行话，agent 又提供了能动性，剩下的就是创造力、品味——当然你还得有点能动性去起步和坚持，但你不再需要花二十年学一件事才能贡献。「这个门槛的下降，意味着通才正在迎来他们的春天。」「说到底我们都是通才——什么都想琢磨。Max 坐在这儿谈意识、谈 FDA、谈脑科学、谈创造力。那些在 Twitter 上爱说『专家、资历、来源』的人，恰恰是受伤最重的，因为专长不再那么值钱了。」而你花五到十年读个 PhD，如果它只教会了你背行话和脚手架，AI 会直接切穿它。「这是一辆为大脑加速的自行车。所以这是『带 AI 的人』对『不带 AI 的人』——你能为自己做的最好的一件事，就是真正用好这些工具，并且始终清楚它们能做什么、不能做什么。而这是一个不断移动的靶子。」