纳瓦尔：AI 工业革命
建造你自己的工厂

欢迎来到 Naval Podcast，你了解新知识的权威来源。今天我们做点新东西。我请到了三位前沿创始人——三个长得不错的家伙——还有第四位长得不错的——纳瓦尔。

给大家介绍一下：

Guillermo "the G" Rauch——他正在把 Vercel 建成一朵服务 Agent 时代乃至更远未来的 AI 云。

Blake Scholl——他在打造 Boom Supersonic——超音速客机，连同他自己的工厂和喷气发动机一起做。

Max Hodak——来自 Science Corp，他在做生物-硅混合的脑机接口——在硅芯片上培养活的神经元——先是恢复视觉等感觉功能，最终目标是探索大脑里全新的部分和全新的感官。

这三位的共同点是——他们都不是用现成零件组装自己的产品，而是从头建造自己的工厂。我们今天不太关心他们具体在造什么，更关心他们在"如何建造"这件事上学到了什么。

他们正在发现什么新知识？他们的 alpha 是什么？他们正在摸索哪些其他创始人可以学的原理？

我有一个想法最近彻底迷住了我——"软件工厂"。过去，工程师的工作是：你来上班，你交付输出，公司内部所有问题都是"A 这个人交付 B 这个输出的能力有多强"。

现在变了。我评判你这个工程师的方式变成了——"你能不能造出一座工厂，让这座工厂产出 B 到 Z 所有的输出？"

这是一个巨大的转变。我们过去相信——这事一度还有点争议——"10x 工程师"是存在的。现在显然已经是 100x 甚至 1000x 工程师。世界还没完全适应过来。

我以前在 Twitter 上说"10x 工程师"会被骂得狗血淋头，因为这违背了那么多"人人平等"的哲学。但现实是——当你在思想领域、智力领域、虚拟数字领域工作时，差距不是 10 倍，是 100 倍、1000 倍，而且一直如此。

Satoshi、Notch（Minecraft 作者）、发明 JavaScript 的 Brendan Eich、John Carmack——他们都是 1000x 程序员。

而且——如果你选对了要做的事 vs 选错了要做的事，差距是无穷大。这甚至跟"是不是更好的程序员"无关，只是判断力——选了正确的方向。

现在因为有了 AI 杠杆，"1000x"这件事终于没那么有争议了。

我一直拒绝学所有那些技巧——"用这个 prompt"、"用 Ralph Wiggum"、"用 plan mode"、"接入这个工具"——这些我一律忽略。

我假设模型变好的速度，比我学会怎么用它的速度更快。它学会怎么用我的速度，比我学会怎么用它的速度更快。所以我一直对它们粗手粗脚的。

我会对它们发脾气，但渐渐发现——我输入的信息越来越少，做的工作越来越少，因为我假设可以靠蛮力解决问题。

我会把 Codex、Claude、Gemini 同时扔到同一个问题上，就是浪费 Token。不管这些模型看起来多贵，它们都比一个人便宜得多。所以我会说——浪费 Token，节省时间。不要把 Token 看作输入或输出，只看你的时间，和最终结果。

即使它们写的是低质量代码——我知道很多情况下确实是——等到要上线时，我就再扔更多 Token："走一遍，看一遍，重写"。

它们每一代都会变得更好，我看不到这条路在哪儿终结。只要有可验证领域、有已解决的问题，它们就会把这些问题解决。在未解决问题领域——除非你是 Terence Tao，站在创造力的最前沿——你需要跟模型非常紧密地协作。但我在软件工程上不是那个级别的，所以我就是个野蛮人。

最近发生了一件事，跟你说的特别契合。过去你给模型一个 prompt，它就经典的 next-token prediction 一路跑下去，按你的想法跑偏。

现在模型有一种本能的"规划模式"——你不用让它规划，它自己就会回过头来跟你说："看，你要的这个东西，我们可以走这三条路。这是权衡矩阵。"

这就是 Twitter 上那个梗的瞬间——"我们现在有 PhD 级别的工程师模型了"。

这些模型在某个时刻"毕业"了。它们曾经是初级工程师，现在是首席工程师——因为它们会带着一组权衡回到你身边。当然它们有时候会胡说八道，特别搞笑——它告诉你"这要三周时间""要这么多 Token"，预估错得离谱。但我对模型更尊重了，把它当作可以在智力上来回辩论的同行。

还是有差距。如果你是真正熟练的工程师或架构师，你仍然能从它身上榨出更多东西。

我观察到的现象是——Claude 或 ChatGPT 基本上跟你在某个领域里的能力一样强。如果你是一个真正能干的开发者，这些东西会变得超级强大。如果你是初级开发者，它就更像一个初级开发者。

你给它的反馈——偶尔的那些小提示——好像极其重要。这些小更新似乎完全决定了你从它身上能得到的表现类型。

Guillermo 你最早提到的那个问题——"人在什么时候不再是补全模型，而是反过来被模型指挥"？比如它跟你说："去给我拿这个 API key，因为只有你能拿。"

这只是暂时的失常。很快每一个好的 SaaS 公司或托管商都会有可以让模型直接用的 CLI 和 API。它们甚至不需要 API——只要是基于文本的、基于 Unix 的，Agent 可以自己 hack 出自己的 API。

钱的部分——你插入加密代币、Bitcoin，模型就去自己付钱买它需要的东西。已经有人在做这个了。

我现在在思考一件事——纯软件已经死了吗？纯软件工程是不是已经过时了？这就像"说英语"。模型现在会说英语了。我们过去得学代码才能跟它们沟通。现在模型说英语——模糊的、马虎的、像人类一样的英语——它们能理解事物。

那一个创始人的护城河在哪？硬件？这是个红利——你以前要造硬件，同时再做一家软件公司很难。Patrick Collison 说："软件是艺术，雇艺术家很难。"

现在作为硬件创始人——很好，你可以很快开发出很好的软件。

如果你做模型，也许那才是新的软件工程——训练、调整、后训练、微调。但经典软件工程死了吗？纯软件还值得投资吗？纯软件还能围绕它组织一家公司、一支团队、拿到杠杆吗？

在硬件这一面，这对所有那些软件写得很烂的小玩具公司、零件公司是个大红利。现在它们能写出"够好"的软件。或者甚至不需要软件有人类的前端——可能就是完全 Agentic 的，一个 Agent 通过语音去控制硬件。

这就是为什么中国大力做开源模型的原因之一。它们全押在开源上，因为它们有硬件优势。它们有非常复杂的供应链和零件链。它们基本上在说——"嘿，如果我能按需生成软件，那我对硅谷的劣势就不存在了"。

当然这不是唯一原因。它们也在追赶、蒸馏模型、共享资源。但中国政府历来善于资助那些能帮整个生态系统的努力，尤其是网络效应业务上。它们想集中所有资源，在 AI 上追上来，然后用 AI 给它们的硬件产业一个巨大的助推。

讽刺的是——它们做开源，是因为 OpenAI 不开源。Grok 发布模型但落后一两代。Google 有一些本地模型，没什么有竞争力的。Anthropic 据我所知没有任何开源模型。所以开源的全部重头都来自中国。这帮了我们的硬件创始人，但更帮了它们的硬件创始人和工厂。

这彻底改变了软件和硬件开发者的角色。从第一天起我们就尝试把很多传统的工程工作流——硬件工程工作流——变成软件。

如果你没接触过硬件工程，让我说清楚。很多硬件工程是在工程师笔记本上的 Excel 表格里发生的，每个人自己干，孤立的。非常复杂的电子表格，有时候带 VBScript 代码。所有这些其实都是软件，但被当成不是软件来对待。没有版本控制，没有自动化测试。如果你想把空气动力学工程师的工作交给结构工程师，那就用电子表格通过邮件传——这是 1990 年代。糟糕透了。

所以我们开始搭软件框架，让硬件工程流程自动化和可复现，目的是降低迭代成本。但进展很慢——我们永远雇不起足够多的软件工程师。

现在我们走到了一个炸裂式不同的模式——软件工程师创造架构，因为他们懂系统、算法、关注点分离；然后硬件工程师可以用他们的硬件工程知识 vibe code 自己的部件。结果是小团队的炸裂式生产力。

举个例子。如果你设计一个涡轮叶片——经典做法是——叶片冷启动时是冷的，运转起来变热、变大。你必须同时设计冷形态和热形态的空气动力学和结构。你必须在冷热之间、结构和气动之间来回转换。

过去这要一个工程师一天，处理一个叶片的一个分析维度。一台喷气发动机大约有 1000 片叶片。你做不动什么。

现在，软件人和硬件人协作创造出解决方案——你可以改一改叶片几何，实时看到结构和空气动力学的结果。两个工程师就能设计整台喷气发动机。差距是惊人的。

我个人已经几乎完全从 Excel 转到了 Python 模型，可以拿到可信的仿真结果。AI 还没触及但我觉得明年内（应该是 2026 年内）会发生、并且会非常激动人心的事情是——现在它可以生成软件，很快它将能生成 STEP 文件和 PCB 布局。当 AI 进入机械工程和电气工程时，那又是一个全新的世界，我们还没看到。非常酷。

Max 提到的监管相关的事让我意识到——我已经很久没用律师生成过基础的法律文档了。我不再让律师写 NDA、签字、做这个研究。所有基础法律任务都没了。

有个老笑话——法律就像"意大利面条代码"——非常复杂的代码用英语写出来。它跟这边的代码矛盾，又得拼到那边的代码上。没有真正的 API。

对于初级工程师和初级工程——初级工程师基本上升职为高级工程师了，而初级工程的工作被 Agent 接走了。同样地——在法律领域可以说"律师助理被解雇了"，也可以说"律师助理升职为资深律师了，他们现在可以花时间思考法律本身"。

仔细想想"软件工程演化"和"律师演化"之间的平行非常有趣。你永远不知道律师确切往这些文档里放了什么——你就是信任他们。"嘿律师，你能看看这个文档吗？能告诉我它合不合法吗？能做红线吗？"

你在律师关系里看重的是他是一个可信的权威。他上过法学院。他把自己的信誉押上了。

软件工程有平行。今天最大的问题是这座 PR 山——一堆糟糕代码组成的拉取请求。Twitter 上有各种段子——"想当年我们读每一行 PR 的代码"。

在我的世界里——基础设施——我希望工程师能说"我理解"那个 PR 的每一行。这不意味着你读了每一行。意味着你能说："我理解这个 PR 的后果。我签字确认我理解了它的后果。"或者："我写了测试框架、仿真、证明、类型检查器——即使不读，我也有信心签字它在生产环境里是安全的。"

有一个世界——我们接受一切都将是我们不完全理解的"意大利面条代码"，但我们写下评估器，让我们有信心，然后依靠人——那些基础设施生产工程师——来说"好，这个我同意发到 prod"。如果你的系统崩了会有人被传呼叫醒。

另一件人们低估的事——创造软件很简单，从 0 到 1。但想想从今天起一千天后，你的软件长什么样？它安全吗？测过吗？能上生产吗？性能够吗？你还有动力投入所有那些 Token 去维护它在 prod 里跑吗？

关于监管，我们看到的一件事——它极大减少了对"改变"的抗拒，提升了迭代速度。

例子——你要给一架飞机做适航认证。其中一个无数项任务是证明它能扛住雷击。这个测试计划的监管文档大约 200 页。

古典做法是——雇一个不太聪明、愿意像猴子一样敲键盘、用几个月时间写 200 页合规文档的工程师。要花几个月。而且如果你改了飞机，你只想哭——又要重新写两个月的合规文档。

我们发现可以搭一个 RAG 系统，分钟级把整个工作 prompt 出来。

一阶效应——你省了大量时间。二阶效应——如果你改飞机规格，现在只需要分钟而不是几个月。所以你愿意改了。三阶效应——你可以炒掉那些不太聪明的工程师，留下少数真正有创造力的人，他们可以快速迭代。

因为改变成本下降了。某种意义上，真正阻碍迭代的整个监管负担——崩塌了。

这是 AI 现在被严重低估的故事。硅谷的共识是——监管糟糕透了，我们想跑得更快，我们想实现那个惊人的未来。任何让那个未来变慢的东西都该避免。当然我们过度监管了——在很多地方做任何物理的东西都已经完全疯了。

但很多监管本身不是问题。如果你认真读了很多这些东西——没有雾霾窒息的城市很好。能游泳的河很好。这些都是进步。问题是人类很难处理"理解和遵守"这件事，每次你跟政府交换一封信，你要等好几个月。

直到监管方也开始喷 Token 回来。然后你会从监管方收到巨量的文档要遵守，这变成了 Agent 对 Agent 的战争。但至少这是公平的对决。

我们做了一个版本的这个实验。我把全公司所有项目工作停了一周，告诉大家："每个人——从前台到工程师——造你觉得最重要的东西。唯一要求——你必须用 AI，你必须给全公司演示。"

我预期会看到大量蠢项目和少量真正有价值的。结果是反过来——大量"改变轨迹"的项目，很少蠢的。两三个是直接改变公司方向的。

最让我惊讶的——前台（负责从卡车上接货然后给收件人发邮件的那个人）写了一个自动化。我们真的在用了。

我得出的结论——每个人都有"什么东西如果存在世界会更好"的想法，但他们的一阶想法往往很蠢，他们自己也无法投射出来看见。但如果他们能从"想法"走到"实物"，他们就能反应、迭代。给他们一周，到最后他们造出了真正合理的东西。

想象一下如果所有工作都是这样。你怎么搭一支劳动力，他们不直接干活——他们只做一件事，就是训练替他们干活的 Agent？

你要不断提醒人们、办 hackathon。有一个文化变迁正在发生——很多新人本能地知道，他们的工作不是做事本身，而是训练做事的 Agent。

这件事可以变得更疯狂。也许你直接打开所有摄像头，Agent 看着一切发生的事，看到收发货流程低效，然后写一个 app 拿出来给你看。

我们很可能要给 AI Gateway 加一个功能——让人们选择保留输入和输出。然后你可以说——"对我所有输入输出，提取技能——从我的工作里学，把它输出成我可以下载的技能。"

你可以想象——公司里的人们会想分享、汇集这些技能。

有意思——对我来说这是无法想象的，因为我自己的工作不重复。我一直找东西自动化，我自己工作里几乎没什么剩下可自动化的了。

我希望这是大家最终的归宿——你一直在你的"创造力和兴趣最大化区"工作。如果还有什么可以自动化的，自动化掉、从你生活里去掉——它会解放你去做创造性的事，而这就是你产生所有价值的地方。

这在"工作-职业"的思维里很难看见，因为过去你雇人是为了让他做同一件事一遍又一遍——而这正在消失。这让人害怕——人们问："那我要做什么？"你要做创造性的事。你不必每天都想出新东西——那不可能——但偶尔你会想出一个新东西，创造一个杠杆点。

那么人类独特能做什么？这触及核心问题。Max，你是 AGI 极大化主义者——所以对你来说就是"啥也没有"，Agent 会做一切。

我不是反人类。但如果你的身份是"我多聪明、多有创造力"——你日子会不好过。

我还在另一边。创造力是让你惊讶的东西——你跳出系统，做一件在系统内甚至无法想象的事。它在训练数据之外，在喂给系统的分布之外。这种事永远会有空间。

你注意到每一个 Claude 网站都长一样吗？人们已经调出了"Claude 网站长什么样"——衬线字体、棕色和米色、特定间距的等宽字体。一段时间后你拿到一个分布，你说："这不是创造力。这是 Claude 出来的垃圾。"

明确说——我不觉得这是人 vs 计算机，是人加计算机 vs 纯计算机。但计算机会产出疯狂的超级刺激——它会做娱乐。TikTok 已经是弱化版了。

我个人对艺术的定义——有意义的分布外行为。某种让人惊讶的、像在 Z 轴上移动的东西。"有意义"意味着——它改变了你未来在宇宙里的轨迹——你的生活因为你想过它而变得不同。

你的艺术定义是什么？

我有几个定义。艺术是传递情感——你内心感受到了什么，把它传给另一个人；你创造一件物品，捕捉了你内心的情感。按这个定义，计算机几乎不可能创造艺术——一模一样的艺术品如果背后没有意图，就是无意义的。

你可以说自然是艺术——夕阳——但那是纯智能不带动机地工作，所以不涉及自我，你的大脑识别出一个复杂系统。人类意义上的艺术是——有人感受到了什么，想让你也感受到。所以"谁创造了它"这件事本身就构成意义。

历史上，回报是 70% 智力，30% 主动性。现在会变成 70% 主动性，30% 智力——并且随模型变好继续向主动性倾斜。

我说反话，Max。我觉得是 99% 智力、1% 主动性——因为 Agent 会去行使主动性。你会直接说："嘿 Agent，我在做聪明决策、思考大想法；你去实现。"

有时候我想给一个我正在 vibe code 的 app 加功能，我会问 Agent："我下一步应该建什么功能？去看日志。"

人类会有巨量价值——更多的价值。这里每个人，我们的生产力都飞涨。基础经济学告诉你——当生产力提高，你会变得更富有、雇更多人，而不是更少。如果有人真的擅长用 AI、真的聪明又有创造力，我比以往任何时候都更想雇他，因为有那个杠杆。

这是一个新要求。我们雇初级和超资深，前提是他们真的擅长用 Agent、能快速适应。

我的假设是——我们最终会得到大量小团队。任何特定任务所需的人数大幅下降。只看一阶效应的人会说——"所有工作都消失了——我可以用两个人造一个喷气发动机而不是 1000 个；998 个工作没了"。

但实际意味的是——你可以造很多种不同的喷气发动机。我们会得到创业精神的大爆炸，创始人的大爆炸，以及大量极小的团队。

AI 提供了基础智力和领域知识，把行业黑话切穿；现在 Agent 提供了大量主动性。所以剩下的是——创造力、品味——是的，你需要足够的主动性去开始、去坚持，但你不再需要花二十年学一件事才能贡献。这个门槛下降意味着——通才迎来盛宴。

说到底我们都是通才——我们都喜欢思考一切。Max 在这里聊意识、聊 FDA、聊脑科学、聊创造力。Twitter 上那些喜欢说"专家、证书、来源"的人正在被伤害，因为专业性越来越不重要了。

你花五到十年读个 PhD——希望它培养了你的创造力、本能、品味、判断——如果它只让你记住黑话和脚手架，AI 一刀切穿。这是"大脑的自行车"，被加速过了。所以这是用 AI 的人 vs 不用 AI 的人——你能为自己做的唯一最好的事就是变得真正擅长用这些工具，并且永远知道它们能做什么和不能做什么的边界。而那是一个移动的靶子。