图片来源：a16z
在这期节目中，主持人 Eric Torenberg 与前微软Windows掌舵人 Stephen Sinofsky、前Andreessen Horowitz合伙人 Anish Acharya 展开了一场横跨技术、哲学与产品思维的深度对话。他们围绕 Andrej Karpathy 在 Startup School 的演讲，重新追问了那个我们以为早就回答的问题——AI到底是工具，还是伙伴？是助手，还是共谋者？
Karpathy 提出的“vibe coding”与“vibe writing”不只是两个新词，而是对平台早期生态的警示：AI已经不是你用来提高效率的加速器，而是一个行为不稳定、能力分布锯齿状、仍在进化中的“半成品共创体”。这意味着，不只是“如何用它”，更重要的是——我们准备好与它共处了吗？
Stephen 指出，如今的 AI 工具与80年代的PC处境相似，不是处在“Windows 3.0”时代，而是还停留在“64K内存”的实验室阶段。我们大多数时间花在底层问题上：怎么修复、怎么调教、怎么理解它。它不只是犯错——它错得很自信，而且没人知道它下次会错在哪里。
Anish 也提醒：真正值得思考的，不是AI能不能替代程序员，而是程序员太早相信它可以替代自己，因而放弃了原本属于自己的判断力和设计空间。 他说，AI工具不会立刻让你失业，但你对自动化的误解，会。
他们进一步指出，Agent经济的真正挑战，不是调度器、不在技术，而在缺乏合理的商业模型与角色定位。想象一个没有品牌、没有推荐理由、没有选择权的Agent在替你买房买票办贷款——消费者并不想交出所有判断，只是不想自己跑流程。这是“低判断 × 高摩擦”的典型场景，也是Agent落地的主战场，但如果无法建立信任、无法解释“你为什么选这个”，自动化只是空壳。
这场对谈还提出了一个前所未有的观点：prompt不是控制接口，而是新的编程语言。它不止是人与模型之间的命令桥梁，而是正在重构整个“内容生产链”。AI写的不只是文本，而是创造了“内容流”的新语法——就像图形界面重构了“操作系统的语义”。
Stephen 直言，“写作”正处在一次数量级的范式飞跃中：从作者到编辑，从从属到共创。我们不再是内容的主人，而是内容生态中与AI协作的共同体。“我写的”和“AI写的”之间的边界，正变得和“我想的”和“AI建议的”一样模糊。
最后，他们甚至指出，AI不会取代作家，但可能会创作出下一本畅销书，然后“由你署名”。这不是科技玄学，而是路径依赖的必然。
如果你是一名开发者、产品人、内容创作者，或者只是一个在AI工具中寻找位置的普通人——这一期，将重塑你对“工具”的定义。
以下是全文翻译。
从工具到共创：AI如何重塑我们的工作方式
Eric Torenberg：首先，大家都对Andrej Karpathy在Startup School的演讲印象深刻。Stephen，你觉得哪些地方最有意思？你从中获得了哪些启发？
Stephen Sinofsky:我真心觉得他的演讲非常出色。他就像一位哲学家，从宏观视角描绘了当前的阶段。他的类比深深打动了我。他提到大家总爱用Windows3时代来比喻今天的AI进程，但作为经历过那个时代的人，我反而觉得我们更像是处于PC刚问世、只有64K内存的时期。当时所有人都在试着弄明白电脑到底能做什么。
今天的AI也是如此——我们花了大量时间在基础问题上，比如当年是内存不够、没有图形界面；现在是AI会不会取代搜索、取代Excel。它常常运算出错，很多承诺的功能其实根本还没实现。所以我们还处在非常早期的探索阶段。而Karpathy精彩地勾勒出了这个发展轨迹。
Anish Acharya:对我来说最具启发性的是他谈到我们和这种工具之间的关系。人们习惯用以往对待电脑工具的方式去看待LLM，但他指出，这次我们面对的是智能特性极不均衡、行为复杂的LLM。这要求我们重新适应、重新理解工具的角色，才能真正用好它。
Stephen Sinofsky:“工具”这个关键词本身就很关键。Karpathy的演讲围绕工具展开，而事实上，我们整个技术世界的演进也都围绕着工具展开。平台发展的初期，总是关于工具的事。
现在他提出的vibe coding（AI沉浸式编程）概念就很典型——他是这词的创始人，也是亲身实践者。在一个新平台初期，编程领域总是最早活跃起来的，因为最早的用户就是开发者，他们会为平台构建出自己需要的工具。
但我认为现在被忽视的，是“vibe writing”（AI沉浸式写作）。虽然我们听说了太多关于AI的讨论，感觉AI已无所不在，但其实在“写作”这一领域，它的能力仍被低估了。尤其在大学校园里，学生们已经大量使用这类写作方式了。而企业反而还在犹豫是否该接受它，就像当年学校对文字处理器的接受也曾犹豫不决——我当年甚至要向系主任申请才能用电脑写论文。
Vibe writing的崛起，其实和当年计算器进入课堂一样。有人担心孩子不会再做数学了，但重点不在于“做”——而在于借助工具把任务完成。这就是技术进步的意义。就像今天我用电钻而不再需要操作老式手摇工具——人类的工具链在向上升级。现在就是这样一个变革时刻。
Anish Acharya:我之所以喜欢vibe writing，是因为它让“完全由AI自主完成的写作”变成了现实。你可以请模型创作极具风格和感染力的文字，它的表现已经足够令人惊艳。相较于“vibe coding”，我认为目前的AI模型在“理论能力”和“实际能做到的事情”之间仍存在显著落差。理解这些限制，将在未来两年深刻影响“文本生成代码”这一方向的发展轨迹。不过我对此有些不同意见，尤其是在开发者的使用场景上。
Stephen Sinofsky:平台发展的早期，总有不少开发者会声称他们每天都在用某个新功能，而且运作良好——但实际情况往往相去甚远。这种“自我验证式”的乐观态度很常见。他们可能花了十几个小时在一个问题上反复调试、卡壳，然后最终仍未解决，只是说起来轻描淡写。
再回到“vibe writing”，这其中也涉及一个关键问题：确实，现在我们可以通过prompt让模型快速生成大段内容，但如果这篇内容决定了你能否拿到工资、或者影响你的学术成绩，那它就必须经得起推敲。你不能仅仅说“这是我让AI写的”，然后草草交差了事。
大家都知道AI在数学方面给出的结果需要核对，比如你让模型生成一个表格并附带计算列，你肯定会检查它的运算对不对。但在写作领域，我们将会看到大量缺乏人类监督的“vibe writing”内容泛滥。而程序的漏洞通常不会一开始就显现出来，必须在代码真正上线、被使用之后，那些更深层的问题才会浮现——像安全漏洞、身份认证失败、明文存储密码，或者其他“vibe coding”带来的隐患。
Anish Acharya:我们其实已经看到先例了——有些诉讼中引用的案例判例，根本不存在。也许这正是本质所在：在AI驱动的写作中，我们可以实现“部分自主”，也就是说，人类角色正逐渐从“撰写者”转向“编辑者”。但关键是——你依然需要承担编辑的职责。
智能Agent的未来：自动化与人类决策的边界
Stephen Sinofsky:当然，也要承认他确实做得很好——虽然关于Agent和自主性的讨论早已不新鲜，但他用钢铁侠的比喻讲得非常精彩：我们未来会像托尼·斯塔克操控战甲一样，拥有完全自主、部分自主之间的控制滑块。我觉得这是一个极具画面感的表达方式，也非常有助于大家理解。
不过与此同时，人们对“智能Agent”落地的时间预期，明显过于激进。历史上太多尝试自动化复杂流程的案例，最终都证明，这种事比想象中难得多。他指出“大家都在说这是智能Agent之年”，其实更像是某种咨询式口号。他进一步强调：我们其实正处于“智能Agent的十年”，要真正实现“Agent化”的愿景，还需要很长时间。
Anish Acharya:我经常思考智能Agent在金融服务领域的应用。这个领域里，有一类非常适合自动化的任务：低判断、高摩擦的任务。比如，我想重新贷款，但我对贷款平台没有什么品牌偏好，我只想找到最低利率。这种决策不复杂，但申请流程非常繁琐。
这种任务，我非常愿意交给智能Agent去完成。而相对的，比如报税，你需要考虑申报范围、风险容忍度，这就属于“高摩擦、高判断”型任务，仍然难以彻底交给AI。所以如果我画一个“判断力×摩擦程度”的二维象限图，我会认为：“高摩擦+低判断”的区域，是最适合当前AI 自动化优先落地的场景。
Stephen Sinofsky:此外，我们也必须面对一个现实：市场上的服务要想被替代，必须具备差异化的能力，也要能向用户解释“为什么选我”。比如大家说“我只想要最便宜的机票”，这句话听起来很合理，但过往20年的经验却表明，大多数人并不是只在乎价格。而且许多人希望“选项”不是简单由系统给出的，还希望有人类干预和推荐。正因如此，我不认同“未来所有选择都会被简化成无头API”的想法。这种设想忽视了一个基本问题：系统是由人搭建的，人也要靠这些系统谋生。
就像你提到的房贷再融资问题，这件事能被当作“搜索问题”处理，是因为金融服务提供商可以通过广告精准触达目标人群，并借此差异化自己的产品。如果没有这种营销和区分能力，这类服务根本无法自动化，因为市场上不会有人愿意投资去搭建一个“无头、无名、无脸”的低价平台。这根本不是一个商业模型。就像我们不可能接受一个印着“食品”字样的白色罐头，没有品牌、没有包装、没有描述。没人愿意靠这种无身份的产品满足需求。
Stephen Sinofsky:生活中，很多条件并不能简单叠加成一个理想的选择。这不仅是商家的问题，也是消费者的真实需求。
消费者比他们自己意识到的，更渴望多样化的选择。在亚马逊买过东西的人都知道，虽然常抱怨选项太多，但他们绝不愿意只被推荐价格最低的、比如六美元的手机壳。
Anish Acharya:我觉得这反映了演讲的一个核心——“部分自主”和“锯齿状智能”（ZP注：指现在最先进的大语言模型在某些任务上能力超群，但在另一些看似简单的任务上却非常愚蠢。)Karpathy很多时间都在强调技术的限制，作为开发者，这些限制和权衡是我们必须认真考虑的。
Eric Torenberg：我想谈谈自动化，尤其是它对基层就业的影响。但先抛出一个更宏观的问题：曾有人认为，人类和AI联手能在棋类等游戏中击败纯AI。这代表了一种“协同驾驶”的思路——人机结合会比单纯AI更强。但后来事实证明，至少在国际象棋领域，这种优势只是暂时的，AI终将胜出。那现实中，有多少领域像棋类一样，人类加AI只是一时优势；又有多少领域，人类必须一直参与，不能完全自动化？
Anish Acharya:我的看法是：如果一个领域有明确的“正确”标准，自动化路径通常是先部分自主，最后实现完全自主。而在需要大量人类判断和决策的领域，或者没有清晰正确标准的场合，产品设计就不应追求完全自动化。国际象棋和围棋这类游戏规则明晰，自然适合完全自动化。
Stephen Sinofsky:现在的状况就是，我们还处在早期阶段，很多程序员正在定义“成功”的标准。程序员通常喜欢简单的“成功/失败”二元论，想要尽快自动化某个流程，甚至简化成小脚本。表面看似美好，实际操作起来远比想象复杂得多。
我曾经去过明尼苏达的一家大型医院，试图帮医生们用Excel处理医疗数据。医生当时告诉我：“你不懂，我的工作充满不确定性。”每个决策都很复杂，强行用看似“确定”的工具来辅助其实帮不上忙。最近有个关于放射科医生的报道，早在ImageNet发布时，很多人断言放射科医生将被AI取代。比如不再需要做皮肤癌活检，只要拍张照片，AI就能判断。但实际上，诊断和活检中有很多专业判断，甚至连是否该做活检本身就是一个复杂决策。结果是，放射科医生完全接受了AI，但把它当作一种先进的医疗设备或软件更新，就像接受最新款的MRI或CT扫描技术一样。
我觉得这样的例子不胜枚举。很多工作本身就充满了不确定性，或者说绝大部分时间都在处理各种特殊情况。比如大家谈论自动报税的事。
实际上，税务就是一大堆层层嵌套的条件判断语句。如果想要完全自动化，那你得掌握所有的例外情况。如果需要一个一个把这些例外告诉AI，那不就等于自己手动报税了吗？毕竟一旦收入达到一定高度，你就必须找会计师帮忙报税。会计师第一件事就是要看你的税务规划表。作为程序员，我看那规划表，简直就像是你用的税务软件的输入界面。我曾想，我何不买那个软件自己填呢？但会计师说：“你可以试试，但你很可能会因此触犯法律。”他说，每填一个数字，都得判断这数字怎么用，怎么申报。
Anish Acharya:可见，自动化太难了，充满了例外和判断，根本没有标准答案。
这种情况在产品经理这个岗位上也体现得尤为明显。过去两年，我和很多产品经理聊过“产品经理是否会消亡”的话题。有人说，这个行业快完了，为什么还需要产品经理？我认为，我们这代开发者对产品经理有种潜在的抵触情绪，但那是另一个话题。产品经理的核心职责就是解决“模糊不清”的问题。正是这些不确定和模糊阻碍了项目推进，包括执行力、决策和设计。
这种局面不会消失。商业本质上是复杂的人际互动和适应系统，总是充满了不确定性和模糊。我们始终需要人来判断，也始终需要类似产品经理这样的人。
Stephen Sinofsky:这其实也是“vibe coding”面临的挑战：文本转应用程序能走多快？从历史看，平台变迁往往不是一蹴而就的。早期的变迁发生在社区会议、杂志、邮件组，互联网初期的信息传播也都很公开，比如ICQ。但现在，这种变迁已经成了媒体头条，人人都知道，尤其是在社交媒体和Discord上。结果是出现了大量“为博关注而做的vibe coding”。你会看到很多人说：“我有了灵感，给了一个prompt，就成功了。”
但我有时觉得这完全是天方夜谭，一点都不靠谱。但当你仔细看，这些所谓的“prompt”，表面上是自然语言，实际上就是变相编程。现在的开发方式，其实就像是在用prompt做编程。很多人说，我们只要让模型接受更多结构化的指令就可以了。但我觉得，说到底你就是在创造一门新的编程语言。
从文本应用到Vibe coding，我们其实正在开辟一种全新的语言体系。我们都知道，整个世界的数字基础其实是由一代代编程语言堆砌而成的。在上世纪80年代，如果你开车经过大学的计算机系，哪怕只是停下来一下，那栋楼里的人可能就会立即发明一门新语言——这并不夸张。但我们也得认清现实：编程的发展历史，总体上是“承诺得多，实现得少”。我上大学时大家都说，将来整个职场都会被程序员填满，软件工程师会成为社会主力。但这并没有发生。而现在流行的说法却变成了：“我们将不再需要程序员了。”这显然也过于极端。无论是1990年还是现在，人们的预测都容易走向两个极端。
真正的问题在于：每一次新技术出现，市场都会炒作过头。比如说“lowcode”，前几年大家对此十分热衷，但现在这个词都快成了禁语。因为这种工具确实可以帮你做一些基础、通用、外壳换一换的应用程序，比如我们在Wix或各种网站模板中常见的那些。你可以做出一个东西来，但不会有人用这种方式去真正运营一个企业。
Anish Acharya:这一点我完全同意。但我也有不同看法：我觉得这里的“语言”——无论是语言模型还是你说的隐喻——其实正在以非常快的速度演进。虽然现在大部分产品还只是用于快速原型的阶段，试图往更高质量的方向推进，但它们目前还远未达到能真正部署上线的水平。你在Twitter上看到的酷炫演示，三天后可能就跑不起来了。
这些技术目前都还在实验阶段。不过，背后的“编程语言”以及思维方式却在快速进化。我相信它最终会成熟，至少我们可能会比原先预期走得更远。
传统编程语言，比如面向对象编程，并没有让程序员数量暴增，也没有把上线周期缩短到原来的百分之一。它只是给了我们新的工具，也带来了新的问题。当然，这是站在后验的角度来看。
Stephen Sinofsky:我们现在正处在模型加速进化的阶段，很多预测已经失效了。就拿面向对象编程来说，当年被宣传得无所不能，仿佛能解决所有开发难题。它是那波语言浪潮的核心。再看它的发展节奏就知道技术演进有多快：从1980年诞生，到1990年达到热度巅峰，也不过十年时间。那段时间其实就是持续十年的“微创新”。到了末期，大多数程序员都明白，这些所谓的新语言其实只是把旧有编程模型里的抽象、多态等理念重新包装了一下而已。
但当时评判技术成功与否，杂志封面是一个重要指标。记得有本杂志封面画了个穿尿布的婴儿，还配文说编程将变得简单易上手。我当时刚好在报摊上看到那本杂志，而我正参与C++编译器的开发——C++在1990年刚刚诞生，当时其实还没法真正使用。可杂志已经在宣称：“连婴儿都能学会编程了。”无论是这种“编程婴儿”的夸张宣传，还是像Delphi、PowerBuilder这种数据库编程语言，它们确实改进了编程体验，但都只是让效率提升了一个“常数”，没有真正颠覆性地改变编程的数学本质。
而我认为，现在写作领域正在经历一个真正“数量级”的飞跃。它已经在发生了，准确性虽然还有欠缺，但——说实话——商业写作本来就经常不那么精准。这就像自动校正：它最初确实帮我们改正像“teh”这样的拼写错误，但后来越来越“智能”，会直接把你打的字换成句子里根本不合适的词——每个人在手机上都有过这种体验。未来我们可能会看到写作中出现一整套全新的错误，它们会取代那些传统但普遍的低级错误。
我记得当年Smalltalk非常热门，后来C++崛起，而在这之间还有很多语言早已被遗忘，比如Objective-C——也就是后来被用在iPhone上的语言，是乔布斯推动的结果。还有ObjectPascal、配套数据库使用的Pascal等等。
AI与创作：从“Vibe Writing”到艺术创作的边界
Eric Torenberg：你觉得未来几年会出现完全由AI创作的畅销小说吗？
Stephen Sinofsky:我认为百分之百会。虽然斯蒂芬·金不会干这种事，但肯定会有某个新人作家，用笔名匿名发布作品。等小说大火、改编成电影后，才出来说：“其实这个故事是我给AI下了一个指令得来的，后面的文本我只是稍微进行编辑和修改。”至于AI创作的畅销小说所涉及的版权官司，那又是另一个话题。
Anish Acharya:这件事我觉得有两点特别有意思：
第一，现在的语言模型其实本质上是一种“平衡机制”。而在艺术创作中，平衡是没意义的。没人想读一篇“所有小说的平均值”，大家想看到的是边界上的东西，是能突破常规的表达。我们该思考的是，如何让模型学会站到文化的前沿。
第二，现在很多艺术家还没掌握这些新工具的使用方法。我们未来会看到一批“技术原生”的艺术创作者登场。而现在市场上所谓的低质作品，其实只是门槛降低之后的自然结果。虽然质量参差，但它也满足了人们创作和表达的基本欲望。但现在我们其实很少讨论一个问题：这些新技术为艺术家打开了怎样的创作新空间？
Stephen Sinofsky:我不是要深谈杜尚式的“艺术本质”，但就像我们也会喜欢那些很俗的情景喜剧一样，它们照样是社会文化的一部分。但我觉得，这是个值得重视的问题。人们往往只把目光聚焦在“最顶尖”的作品上。可现实是，大部分内容——尤其是商业写作——根本谈不上“顶尖”，说白了就是粗制滥造。我自己写过不少商业文案，所以我能坦然承认这一点，不光是我的，绝大多数人的也是如此。
比如硅谷人经常接触的一类文本：企业软件的案例研究。你可能不信，GPT写这类文案的速度和质量，早就碾压了公司里那些初级市场专员，而且耗时只是对方的百万分之一。那你可能会问，这些内容值得存在吗？其实它们确实很关键，是销售流程不可缺的一环。
我们在谈医疗AI时也有类似的误区。人们老想着最复杂的疾病、顶级医院、最先进的设备。但别忘了，全球还有80%的人连基本的医疗服务都接触不到。所以就算你觉得医疗LLM还不够好，它也已经比“什么都没有”强得多。这种转变是注定会发生的。至于学校是否应该为“滥作”打分，那是另一回事。但放眼整个世界，大多数内容本来就只是普通水平。这个世界，恰恰需要更多“普通货”。
Anish Acharya:其实刚刚讲到的那个观点挺有意思：我们评判“成功”的标准到底是什么？是追求完美？是满足当下能做到的程度？还是只要比之前的方案更好就行？放到医疗这个语境下来看——对那80%原本连基础服务都得不到的人来说，只要能提供一些帮助，哪怕很基础，都是质的飞跃。
Stephen Sinofsky:我还记得大学时要用电脑打论文，学校还得特别批准。那时我用的是Epson的点阵打印机，打出来不像传统打字机那样“正式”。老师规定必须用打字机才行。直到Macintosh推出自带的图形打印功能，大家才逐渐接受电子文档，因为它们能轻松编辑、修改、排版，比那些要求工整格式的纸张更高效。我认为内容创作的演变也是一样的道理。
Anish Acharya:我其实特别想听听你怎么看这次Google I/O。坊间很多声音说Google缺乏创新力，已经落伍。可他们这次发布的新软件几乎覆盖了整个技术栈。你怎么看？这对Google是个“反攻”信号吗？还是说“Google已死”的言论被夸大了？
Stephen Sinofsky:在我看来，说Google“死了”根本就是无稽之谈。像这种体量的公司，“消亡”根本不现实。但“失去主导地位”是很真实的风险。每当平台转型，大公司最大的优势其实不是技术，而是它的“震慑力”。这次发布会其实是Google发起的一场全面攻势，几乎动用了它所有的资源，覆盖了每一个全球关注的重要领域。他们的架势，就像是投下了“软件界的轰炸机”，毫无保留地展开反击——这在某种程度上也在大家的预期之中。
但更值得我们深思的是：Google是否会真正改变他们开发产品和制定市场策略的基本思维？因为真正决定一家科技巨头是否会被颠覆的，从来都不是产品层面的堆砌，而是它能否改变自己的认知模式。所以我关注Google，不是因为他们能不能把这些新技术塞进Search或广告系统里，而是他们能不能突破既有框架，用一种全新的方式思考未来。这才是技术变革的真正爆点所在。
原视频：Former Microsoft Executive Explains Where We Are in the AI Cycle w/ Anish Acharya & Steven Sinofsky
https://www.youtube.com/watch?v=speAFaUTRXU
编译：Sylvia Huang
