AI取代工作：任务自动化还是职业重构
AI对就业的影响核心是完全取代职业，还是深度重构工作内容，导致几乎所有职业的部分任务被自动化？
⚡ 正面交锋：谁的说法站得住
自动比对 297 条立场：判定出 1 组对立、7 组共识（bge-m3 同话题预筛 + GLM-5.3 语义判定，非关键词匹配）。
立场盘点 297 位
中国公司通过发布高性能开源模型获得了全球影响力，并将持续数年。
“以DeepSeek、Kimi、MiniMax等为代表的中国公司，通过发布性能强劲的开源模型，成功获得了全球影响力。这一趋势预计将持续数年。”
来源访谈 →用户会根据特定任务优势使用不同模型，并持续使用直到出错或体验不佳时才切换。
“使用模型直到它出问题，然后你就去探索其他选项。这和我们使用任何工具的方式一样。 (Use the model until it breaks, and then you go explore other options. That's how we use any tools.)”
来源访谈 →没有职业会被AI完全取代，但几乎所有职业的部分任务将被自动化，导致工作深度重构而非大规模失业。
“通过对美国970种职业的任务分析，布林约尔松发现没有职业能被AI完全取代，但几乎所有职业的部分任务都将被自动化。这将导致工作的深度重构，而非大规模失业，但可能加剧收入不平等。”
来源访谈 →驾驶看似简单，实则包含大量边缘案例和认知科学层面的复杂性，乐观预测与现实的工程挑战之间存在巨大鸿沟。
“Driving seems simple, but it actually contains a lot of edge cases and complexity at the level of cognitive science.”
来源访谈 →AI将改变任务而非完全取代工作，它作为工具接管不同时长的任务，使人类能在更高抽象层级工作。
“与其问AI会取代多少工作，不如问AI能完成多少任务。AI将作为工具，逐步接管从五秒到五天时长不等的各类任务，使人类能以更高的抽象层级进行工作，从而引发效率的质变。”
来源访谈 →自动驾驶最大的问题是刹车避障这类基础安全能力，而非电车难题式的哲学困境。
“自动驾驶汽车最大的问题不是电车难题……而是一辆白色大卡车横在路上时，你本应刹车却没做到，导致撞了上去。 — Andrew Ng”
来源访谈 →美国需要一家千亿美元甚至万亿美元级别的开源模型公司，开源可通过收入分成或作为企业AI战略咨询引流实现可持续盈利
“美国需要一家千亿美元甚至万亿美元级别的开源模型公司。开源商业模式可通过收入分成或作为企业AI战略咨询的引流工具来实现可持续盈利。”
来源访谈 →代码编辑器的定义将在未来十年发生根本性变化，因为构建软件的方式本身正在改变。
“代码编辑器的定义在未来十年将发生巨大变化，因为构建软件的方式将开始变得截然不同。（英文原话："What a code editor is is going to change a lot over the next 10 years as what it means to build software may start to look a bit different."）”
来源访谈 →所有编程工作都将流经大模型，这要求全新的编程环境和编程方式，而非孤立的插件式解决方案。
“我们感觉这不仅仅是一个孤立的解决方案，而是所有的编程工作都将通过这些模型进行。这要求一种全新的编程环境和一种全新的编程方式。（英文原话："It felt like this wasn't just going to be a point solution thing, this was going to be all of programming was going to flow through these models. It felt like that demanded a different type of programming environment, a different t”
来源访谈 →智能代理不会接管所有编程工作，因为编程的核心价值在于迭代，而人在看到初始版本前并不知道自己想要什么。
“我们不认为代理会接管所有编程工作，因为编程的很多价值在于迭代。你实际上不想一开始就精确指定，因为在看到初始版本之前，你并不真正知道自己想要什么。（英文原话："I don't think we think that that's the case because a lot of programming, a lot of the value is in iterating. You don't actually want to specify something up front because you don't really know what you want until you've ”
来源访谈 →DHH认为AI代理使他从一个非多语言开发者变成了通晓多种编程语言的程序员，突破了个人以往的能力边界。
“我变成了一个通晓多种编程语言的程序员，而我以前绝不是这样。（I have become a polyglot programmer, something I was absolutely not before.）”
来源访谈 →Coding Agent让代码贡献变便宜而维护者精力有限、倾向自己重写而非审查低质PR，开源社区将走向维护者与用户的两极分化
“Coding Agent让代码贡献变得便宜，而维护者精力有限，倾向于自己重写而非审查低质PR，社区协作将更集中于核心维护者与反馈渠道。”
来源访谈 →Hedin认为未来软件是双层的：应用同时拥有人类UI与Agent接口，选定函数经托管MCP服务器暴露为工具，可被ChatGPT、Claude等客户端直接调用
“这使得一个应用同时拥有人类UI和Agent接口两个层面，后者可被ChatGPT、Claude等兼容MCP的AI客户端直接访问和使用。”
来源访谈 →Hedin预测用户同时打开多个工具标签页会减少、交互经AI层整合，SaaS企业将不得不专注于为AI提供使用其能力的“铲子”
“I think SaaS businesses are going to have to focus more on providing the shovel for AI to use their capabilities.——我认为SaaS业务将不得不更加专注于为AI提供使用其能力的“铲子”。”
来源访谈 →虚拟身份将呈现多元光谱而非单一身份，用户会根据社交、工作、娱乐等不同场景选择从卡通化到照片级逼真的不同化身表达。
“从卡通化表达到照片级逼真，从真实自我到奇幻角色，用户将根据不同的场景和目的（如社交、工作、娱乐）在虚拟世界中选择不同的身份表达。”
来源访谈 →乔丹认为仅有预测远远不够，现实世界中有后果的行动必须把数据预测与决策、风险评估、经济学结合起来才是完整系统。
“Prediction is everything, but prediction plus decision making is everything. —— 预测就是一切，但预测加上决策才是全部。”
来源访谈 →阿那亚的成功不是前瞻性战略规划的胜利，而是提前十年掉进烂尾项目的绝境、无路可退，被迫走上服务业与赚慢钱的长期主义道路的结果。
“我没掉这坑里，我现在仍然就是一个跟当下开发商没有两样的人，我绝对不会再干阿那亚。（英文原话：If I hadn't fallen into this pit, I would still be just like the current developers. I absolutely wouldn't have done Aranya.）”
来源访谈 →他坚持自己做的是严谨的 agentic engineering，凌晨三点后的随性 vibe coding 只会带来第二天的后悔。
“我做的是 agentic engineering，凌晨三点以后就开始 vibe coding 了，第二天起来就是后悔”
来源访谈 →自动驾驶的边缘情况太多，即使比人类更安全，公众对其失误的接受度也不会达到对人类司机的水平。
“The end case is too many... the acceptance of it will not be at the same level as human drivers.（边缘情况太多了……公众对它的接受度不会像对人类司机那样宽容。）”
来源访谈 →奥尔特曼认为应关注AI能完成多少任务而非取代多少工作，AI作为工具将逐步接管从五秒到五天时长不等的任务，让人类以更高抽象层级工作；在创意领域AI更像强大工具而非完全替代者。
“与其问AI会取代多少工作，不如问AI能完成多少任务”
来源访谈 →面对武器化担忧，好人更应掌握技术以理解和防御威胁，工程师有责任参与技术影响社会的公共讨论
“技术已成为新的人文艺术，每位政治家和技术人员都需要具备技术素养，工程师有责任参与关于技术影响社会的公共讨论。（technology is the new liberal art）”
来源访谈 →劳动份额数百年来稳定在60%以上且未曾真正下降，表明劳动与资本多为互补关系，单独完全自动化某个环节难以实现。
“劳动份额（经济中工资占总产出的比例）数百年来稳定在60%以上，这一“卡尔多事实”令人惊讶。即便会计调整后，劳动份额也未曾真正下降，表明劳动与资本多为互补关系，单独完全自动化某个环节难以实现。”
来源访谈 →开源模型防护能力不及闭源模型，几小时内即可被越狱，微调或权重攻击仍可轻易移除护栏，构成主要的滥用风险来源。
“所有开源模型都能在几小时内被越狱，其防护能力不及闭源模型。微调或权重攻击仍可轻易移除护栏，这构成了主要风险来源。”
来源访谈 →好产品要有魔力，而魔力来自于让用户变得更懒、减少用户的思考与操作负担
“Products need to be having some magic to them. And the magic comes from letting you be more lazy. ——产品需要有一些魔力。而这魔力来自于让你变得更懒。”
来源访谈 →前沿模型厂商进入应用层是真实威胁，Claude设计工具已开始侵蚀Figma市场，但拥有强大GTM和客户关系的垂直应用如Harvey更安全
“前沿模型提供商进入应用层是真实威胁，如Claude设计工具已开始侵蚀Figma市场。但拥有强大GTM和客户关系的垂直应用如Harvey可能更安全。”
来源访谈 →Dario以90%置信度预测'数据中心里的天才之国'十年内实现，端到端编码任务1-2年内可完成，核心不确定性集中在不可验证的任务上
“对于端到端编码任务，他认为是1-2年内的事，且"十年后还做不到是不可想象的"”
来源访谈 →费鲁奇的工程方法是先把现有技术整合好，观察系统在哪里失败，再做出必要改进直到整体可用。
“我会想办法把它整合好，然后看看它在哪里会失败，再做出必要的改进，直到它能用。（英文原话：I'm going to figure out how to integrate it well and then see where it breaks, and make the necessary advances we need to make until this thing works.）”
来源访谈 →即使强AI能力在2027-2028年出现，巨大的运行成本也使其无法立即大规模部署，真正的变革将是渐进的，某些关键突破可能在2030年后引发质变。
“即使强人工智能的能力在2027-2028年出现，其巨大的运行成本（可能解决一个复杂问题需数千美元）也将使其无法立即大规模部署。”
来源访谈 →DHH承认在具体编码实现上AI代理比自己更懂，因此选择放权、由代理主导实现细节。
“我谦卑地承认，代理（AI）最懂。（I have the humility to recognize that the agent knows best.）”
来源访谈 →DHH认为许多开发者无法接受自己本质上只是做数据库增删改查的工作，于是通过过度复杂化工具链来补偿这种存在性恐惧。
“A lot of people, I think, are very uncomfortable with the fact that they are essentially CRUD monkeys... And they have to compensate for that existential dread by over complicating things. —— 我认为，许多人对自己本质上只是“增删改查猴子”的事实感到非常不适……他们不得不通过过度复杂化事物来补偿这种存在性恐惧。”
来源访谈 →DHH认为Ruby的核心设计哲学是信任程序员并追求程序员幸福感，与Java基于“程序员容易犯错”的防御性设计形成鲜明对比。
“Matts believes in humanity. He believes in the unlimited capacity of programmers to learn and become better. —— Mats（Ruby创始人）相信人性。他相信程序员拥有学习和成长的无限潜力。”
来源访谈 →DHH将2010至2020年JavaScript工具链（如Webpack）的极度不稳定称为“黑暗时代”，认为现代浏览器已足够强大，开发者可以回归简单。
“如今现代浏览器的强大功能使得这种复杂性变得不必要，开发者可以回归简单。”
来源访谈 →常识知识的形式化录入是一次性工程，完成后未来无人需要为同一知识点重复这项工作
“这感觉就像《星空》或创作'π'，你只需要做一次。如果一切顺利，将来没有人需要再为这个特定的知识点重复这项工作。”
来源访谈 →Hotz 认为特征工程类方法（如特斯拉数据引擎）终将被端到端学习方法取代并击败。
“我认为特征工程的方法最终总会被端到端的方法所取代和击败。（英文原文："I think feature engineering approaches will always be replaced and lose to end to end."）”
来源访谈 →黄仁勋认为劝退人们从事软件工程会导致软件工程师短缺，正如当年放射科医生短缺的预言落空。
“如果你劝退人们不当软件工程师，我们就会缺软件工程师。当年有人说世界不再需要放射科医生——结果呢？我们现在缺放射科医生。（If you discourage people from being software engineers, we're going to run out of software engineers. Nobody's the world's not going to need any more radiologists. Guess what? We're short of radiologists.)”
来源访谈 →数据中心能源问题并非无解,电网大部分时间存在富余电力,数据中心可设计为优雅降级模式,在高峰时主动降低算力以换取低成本富余电力的灵活合约,而非追求100%不间断供电
“数据中心可设计为“优雅降级”模式，在电网高峰时主动降低算力或转移负载，以换取使用低成本富余电力的合约。”
来源访谈 →扎实的软件工程基础不可或缺，缺乏经验的开发者若只依赖编程代理“随性编码”，会因不了解技术权衡而做出糟糕选择
“理解软件基础使你能够认识到存在哪些权衡。这有助于在选择软件栈、设计系统架构、设计数据存储、测试等方面做出更好的决策。”
来源访谈 →Cursor被600亿美元收购表明编程Agent团队已被视为战略性的模型/平台资产，而非单一IDE产品
“This is one of the clearer signs that coding-agent teams are now viewed as strategic model/platform assets rather than narrow IDE products.（这是编程Agent团队现在被视为战略模型/平台资产而非单一IDE产品的最明确信号之一。）”
来源访谈 →他让《榫接卯和》第一时间适配鸿蒙PC，因为华为改写中国软件业历史的长期主义愿景与团队高度契合，鸿蒙的全场景能力也为游戏创新打开新可能。
“你们的每一行代码，都在改写中国软件业的历史。”
来源访谈 →Joon认为'创造世界'式的模拟是AI的终极应用，真正有用的个人助手必须先对用户建立深刻的心理模型。
“"What if we can just recreate the world that we live in?" ——如果我们能重新创造我们所生活的世界，会怎样？”
来源访谈 →为长时间运行的离线Agent做规划时，最大负担在于管理会话（时刻关注上下文窗口用量和任务深度），规划阶段不应被这些技术细节限制。
“在为长时间运行的AI Agent（AFK Agent）做规划时，Pocock发现最大的负担在于管理会话，例如时刻关注上下文窗口的使用量和任务深度。他不希望规划阶段受到这些技术细节的限制。”
来源访谈 →Wayfinder的核心是一个编排器：接管规划会话，将其拆分为研究、原型等多个线程并最终整合结果，让人类规划时不再束手束脚。
“该技能的核心设想是提供一个“编排器”。它能接管规划会话，将其拆分为多个线程（如研究、原型开发），并最终整合结果，让人类在规划时不再感到束手束脚。”
来源访谈 →Hedin认为应用中的功能模块应被抽象为独立的“能力”供Agent直接调用，软件价值将绕过传统人机交互界面
“这些应用中包含的功能模块（如CRM、管理后台）可以被抽象出来，作为独立的“能力”供Agent调用，从而绕过传统的人机交互界面”
来源访谈 →Hedin的愿景是为组织打造整合所有工具和工作流的单一入口“数字大脑”，让用户用一个入口完成所有工作
“You can get to a place where you're using one entry point to all the work that you're doing.——你可以达到一个地步，即用一个入口来完成所有工作。”
来源访谈 →面对Vercel等对手，Hedin认为Lovable的护城河在于成为构建Agent所需能力的最佳场所，难点是保证能力可靠而非编排
“编排这些能力相对容易，而确保它们连接良好、构建正确且可靠才是难点”
来源访谈 →Hedin认为将Slack等外部工具接入Agent能力的最大挑战是安全和隐私，须用连接器与权限图将外部连接与应用代码分离，凭证由平台加密处理
“将外部工具（如Slack）集成到Agent能力中，最大的挑战在于安全和隐私。Lovable通过“连接器”和“权限图”来解决，将外部系统连接与生成的应用代码分离。”
来源访谈 →Hedin认为即便交互被AI层整合，传统工具提供的垂直能力仍将保持其价值
“The vertical capabilities those tools provide will remain valuable.——这些工具提供的垂直能力将保持其价值。”
来源访谈 →未来人们会像为不同事情使用不同App一样，与许多不同的AI互动，而非只依赖一个全能AI
“My view is that there are going to be a lot of different AIs that people are going to want to engage with, just like you want to use a number of different apps for different things. —— 我的观点是，人们会希望与许多不同的AI互动，就像你会为不同事情使用不同的应用一样。”
来源访谈 →扎克伯格不认为AI领域会存在一个唯一的'真正答案'，而应该有大量多元的发展与创新
“We don't think that there's going to be the one true thing. We think that there should be a lot of development. —— 我们不认为会有一个唯一的、真正的东西。我们认为应该有很多的发展和创新。”
来源访谈 →扎克伯格认为世界不应演进为出现单一超级人工智能，而应让很多人通过拥有AI工具完成工作、改善生活。
“我们希望世界演进的方式不是出现一个单一的超级人工智能，而是让很多人通过拥有AI工具来完成工作、让生活变得更美好。)”
来源访谈 →元宇宙的目标不是让人花更多时间在计算上而是让计算更自然，且要成为主流计算平台必须在编程、会议等日常任务上提供至少5%以上的效率提升。
“The goal isn't to have people spend a lot more time in computing, it's to make computing more natural.——目标不是让人们花更多时间在计算上，而是让计算变得更自然。”
来源访谈 →她对下属和工作细节要求苛刻到会追究客服多用的感叹号，认为这种苛责源于对公司发展的责任感，需要团队保持战斗状态应对行业快速变化。
“你告诉我，你今天没有做到什么。因为你做到的，都在我脑袋里。（"You tell me what you didn't achieve. Because what you did achieve, it's all in my head."）”
来源访谈 →OpenRouter年化毛利润达1亿美元、毛利率约70%，证明高效基础架构和分发能力能转化为坚实的财务表现
“"OpenRouter was generating $100 million in annualized gross profit with a roughly 70% gross profit margin."——OpenRouter的年化毛利润达到1亿美元，毛利率约为70%。”
来源访谈 →最好的工具应超越特定宿主平台，开源且与主机无关才能带来最多的开发者采用和最大的创新
“最好的工具是那些超越特定宿主的工具。这为最多的开发者采用和最大的创新打开了大门。 —— The best tools are the ones that float above the host. That opens the door for the most developer adoption and the most innovation.”
来源访谈 →乔丹认为当前所谓'人工智能'并非在创造智能，而是一个类似化学工程从化学中分化出来的新兴工程学科，目标是构建为人类带来价值、融合人类数据与决策的实用系统。
“This is not about AI... this is about building systems that bring value to human beings and use human data and mix in human decisions. —— 这无关人工智能……这是关于构建能为人类带来价值、使用人类数据并融合人类决策的系统。”
来源访谈 →乔丹认为AI和数据可以为音乐等产业创建透明高效的新市场，让创作者直接获得报酬并建立职业生涯，形成基于真实价值交换的直接经济关系。
“AI和数据可以创建一个透明、高效的市场，让创作者直接获得报酬、建立职业生涯，从而"创造新工作"。”
来源访谈 →短视距RL训练可能不会泛化到长视距RL表现，难以指望受训于白领任务的agent在现实世界中从零建立像山姆·沃尔顿那样的商业帝国。
“短视距RL训练可能不会泛化到长视距RL表现。若如此，如何期望agent从训练于白领任务泛化到能在现实世界中从零建立像山姆·沃尔顿那样的商业帝国？”
来源访谈 →Prasad指出隐私与效用并非绝对对立，人们正逐渐接受数据共享带来的益处，在提供明确控制（如需用户主动启用的Alexa Guard）的前提下，更多数据能解锁更强大的体验。
“在提供明确控制的前提下，更多数据能解锁更强大的体验。”
来源访谈 →自动驾驶在感知和规避三维障碍物上更具挑战，自主飞行虽三维建模更难，但存在垂直起降加水平飞行这条理论上更安全的轨迹
“自动驾驶在感知和规避三维世界障碍物方面更具挑战性；而自主飞行虽然三维空间建模更难，但存在一条理论上更安全的轨迹（垂直起飞-水平飞行-垂直降落）。”
来源访谈 →杨立昆认为未来十年AI的核心挑战是让机器自动学习能应对不确定性及现实世界所有复杂性的精确世界模型，而非依赖手动设计。
“未来十年AI的重大挑战在于，如何让机器学习能够应对不确定性及现实世界所有复杂性的、相当精确的世界模型。”
来源访谈 →软件需求弹性极高、价格下降会促使使用量激增，但这并非市场普遍规律，软件能否持续保持高弹性是决定其经济份额走向的核心。
“软件需求弹性极高，因此其价格下降会促使使用量激增，但这并非市场普遍规律。农业和石油等商品的需求弹性有限，其支出份额随生产率提升而下降。软件是否持续保持高弹性，是决定其经济份额走向的核心。”
来源访谈 →预计到2027年底，AI的主要提升将不再来自发布前的训练，而是来自全球广泛部署中积累的经验，每次与用户交互都会让AI更聪明。
“到2027年底，AI的主要提升可能不再来自发布前的训练，而是来自其在全球广泛部署、处理各类任务时积累的经验。每次与用户交互，AI都会变得更聪明，因为它不仅学习了你的历史，也学习了它与全球其他所有用户的互动。”
来源访谈 →Kellis认为人不会被AI本身取代，但会被在工作中使用AI的人取代。
“你不会被AI取代，但你会被工作中使用AI的人取代。（You're not going to be replaced by AI, but you're going to be replaced by people who use AI in your job.）”
来源访谈 →她认为机器人取代人工服务是未来数十年后的“后续章节”，当前机器人的灵活性和适应性不足以应对复杂现实环境，且身处困境的客户需要人性化的情感关怀。
“当前机器人灵活性和适应性不足以应对复杂多样的现实环境——不同类型的房屋、狭窄空间、需要拆墙才能诊断的问题。同时，这些行业涉及人类情感关怀，客户通常处于困境中，需要人性化服务。”
来源访谈 →Adam Gleave扭转了早年"进攻方占优"的判断，认为在LLM代理提供多轮有害协助的场景中，只要采用正确的技术，防御方已占优势。
“我职业生涯大部分时间都在论证进攻方占优……但我不得不说，至少在LLM代理提供多轮有害协助的场景中，风正在转向——只要采用正确的技术，防御方是占优的。（I spent a lot of my career actually arguing for this being offense dominant... But I have to say the way when the winds are blowing, at least when it comes to LLM agents providing detailed multi-turn assistance to harmful req”
来源访谈 →各开发者普遍优先强化生物安全防护，因为生物领域存在清晰的可防/可拒层级，而化学、网络等领域的双重用途属性使防护更难。
“各开发者普遍优先强化生物安全，且生物领域本身存在清晰的可防/可拒层级，更容易设置决策边界。而化学、网络等领域的双重用途属性使防护更难。”
来源访谈 →以DeepSeek、Kimi、MiniMax为代表的中国公司正通过发布性能强劲的开源模型获得全球影响力
“以DeepSeek、Kimi、MiniMax等为代表的中国公司，通过发布性能强劲的开源模型，成功获得了全球影响力。”
来源访谈 →至少75家Neo Labs中约三分之二将一文不值或仅以人才收购方式被廉价收购，仅靠发布模型已不够，必须证明有可持续收入
“There's at least 75 Neolabs for sure. Like 2/3 of those are going to be worth nothing. —— “至少确定有75家Neo Labs，其中大约三分之二将一文不值。””
来源访谈 →机器人不必模仿人形，远离人类形态反而能改变设计规则、扬长避短，靠运动和眼神等少数高度优化的维度建立深度情感连接
“远离人形设计，实际上可以让我们改变规则，发挥自身优势并绕过弱点。（By moving away from human form, we can actually change the rules and embrace your strengths and bypass your weaknesses.）”
来源访谈 →编程吸引人的核心在于疯狂的迭代速度，仅凭个人与计算机就能极快地构建出很酷的东西。
“我认为，吸引许多人用计算机创作的一点，就是这种疯狂的迭代速度。编程是一件奇妙的事情，只有你和计算机。仅凭这两者，你就能非常快地构建出真正酷的东西。（英文原话："I think one of the things that draws a lot of people to building stuff on computers is this insane iteration speed. Coding is this amazing thing where it's you and the computer. That alone, you can build really cool stuf”
来源访谈 →Cursor Tab 的目标是消除编辑器内所有低信息熵操作，在操作可被确定后直接让开发者在时间上向前跳跃。
“Cursor Tab的目标是：消除你在编辑器内进行的所有低信息熵操作。然后，当它被有效确定时，就让你在时间上向前跳跃。（英文原话："The goal of Cursor Tab is: let's eliminate all the low entropy actions you take inside of the editor. Then, when it's effectively determined, let's just jump you forward in time."）”
来源访谈 →平台领导者必须坚持愿景、追求让用户真正热爱产品，而非只优化短期参与度指标
“You have to have a vision. You have to want people to love your stuff.（你必须有愿景。你必须希望人们热爱你的产品。）”
来源访谈 →机器一旦先进到能真正帮助人类，人类将在很短时间内变得多余，因此纯粹的人机协作可能只是不稳定的过渡阶段。
“In any system where humans and the machine interact, that the human will be superfluous within a fairly short time, that is if the machine has advanced enough so that it can really help the human, then it may not need the human for a long time.——在任何人类与机器互动的系统中，如果机器足够先进以至能真正帮助人类，那么人类可能很快就会变得多余。”
来源访谈 →若人类级软件工程师能在单张H100同级算力上运行，按当前薪资水平该卡年租金应超25万美元，即现价15倍以上。
“若人类级软件工程师能跑在H100上，按当前薪资水平，该卡年租金应超25万美元。（英文原话：If a true human-level software engineer could run on an H100 equivalent, then at today's prices for software engineers, that H100 should rent for over 250k a year.）”
来源访谈 →DHH认为现代软件开发的根本洞见来自敏捷运动：在真正使用一个程序之前，无法知道它应该做什么。
“现代软件开发的根本洞见来自敏捷软件开发运动……在你真正使用一个程序之前，你并不知道它应该做什么。（The fundamental insight of modern software development came from the Agile software development movement... you don't know what a program should do until you play with it.）”
来源访谈 →DHH认为Ruby让代码读起来像诗的美是精心设计的结果，并非偶然，也来之不易。
“Ruby is, as beautiful as it is, is not an accident and it's not easy. —— Ruby的美丽并非偶然，也来之不易。”
来源访谈 →DHH主张新项目的第一个版本应故意留一点小毛病，因为放出别人知道如何修复和改进的东西是吸引程序员协作的最简单方法。
“I make sure that when I release the first version of any new thing I work on, it's a little broken... there's no easier way to get the collaboration of other programmers than to put something out that they know how to fix and improve. —— 我确保发布的第一个版本总是有点小毛病……吸引其他程序员协作的最简单方法，就是放出一个他们知道如何修复和改进的东西。”
来源访谈 →DHH坚决反对美国司法部拆分Chrome，认为Chrome不是垄断问题而是开放网络的“万亿级冠军”，凭更好的产品赢得了竞争。
“在众多科技垄断问题中，Chrome不是问题，而是开放网络的“万亿级冠军”。它凭借更好的产品赢得了竞争，其存在对维护一个开放的、跨平台的Web开发环境至关重要。”
来源访谈 →四大云厂商约6000亿美元资本开支很大一部分是为2027-2029年扩张的前置投入，而非全部用于当年上线的算力。
“其中很大一部分流向2027-2029年的涡轮机预付款、数据中心建设及电力采购协议，属于“为未来超速扩张布局”的前置投入。”
来源访谈 →Hotz 断言 MuZero 就是解决自动驾驶问题的方案，并将成为整个深度学习时代的典范论文。
“我认为 MuZero 将会被视为整个深度学习时代的典范论文。而 MuZero 就是解决自动驾驶问题的方案。（英文原文："I think MuZero is going to be looked back as the canonical paper of this whole deep learning era. And MuZero is the solution to self driving cars."）”
来源访谈 →众多AI芯片公司失败的根源在于软件栈糟糕：若无法在NVIDIA GPU上写出Torch级性能的软件栈，就更不可能为自研专用芯片做到。
“如果我无法在NVIDIA GPU上写出达到Torch性能水平的软件栈，那你也绝无可能为你的芯片写出这样的软件栈。（If I can't write a torch level performance stack on Nvidia GPUs, there's no way you're going to be able to write it on your chip.）”
来源访谈 →架构的成败由装机量决定，为此Nvidia宁可承受成本增加50%、市值从80亿跌到15亿的代价，也要把CUDA放进GeForce用消费级出货量培养装机量。
“装机量就是一切。装机量定义了一个架构，其他一切都是次要的。”
来源访谈 →计算范式已从基于检索的系统转向基于生成的系统，数据中心不再是传统计算机，而是用来创造收入的工厂。
“我们从一个基于检索的计算系统，变成了一个基于生成的计算系统。它不再是计算机，它是工厂。一座用来创造收入的工厂。”
来源访谈 →黄仁勋认为从电子到Token的转化蕴含大量艺术、工程与科学发明，怀疑它会被彻底商品化，这正是英伟达的护城河所在。
“从电子到Token的转化是一段不可思议的旅程……让一个Token比另一个更有价值，其中蕴含的艺术、工程、科学和发明，我怀疑它会被彻底商品化。（The transformation of electrons to tokens is such an incredible journey... making one token more valuable than another——the amount of artistry, engineering, science, invention that goes into making that token valuable. I doubt th”
来源访谈 →公司架构应像计算机一样被设计以产出特定成果,为此他直接管理多达60名直属员工且不进行一对一会议,让内存、光互连、散热等跨领域专家在同一问题上实时碰撞
“公司本身应是一个产出产品的“机器”，其架构必须反映所处的环境并服务于目标。”
来源访谈 →未来的计算机将服务于智能体,AI智能体像人形机器人使用家中现有工具一样需要访问文件、使用工具、进行研究,英伟达早已在硬件和软件层面针对这一趋势布局
“这要求计算架构必须具备强大的IO子系统、安全访问控制和灵活的工具调用能力。”
来源访谈 →Keller认为优美设计不可能超出设计者本人的规模，因此要用模块化与抽象层驾驭系统复杂性。
“一个优美的设计不可能大于设计它的人。—— A beautiful design can't be bigger than the person doing it.”
来源访谈 →Keller认为软件复杂度增加时必须构建正确的中间表示和抽象层，让不同层次开发者独立工作。
“随着软件复杂度增加，必须构建正确的中间表示和抽象层，将复杂性分解，让不同层次的开发者能独立工作。”
来源访谈 →卡马克认为与Direct3D多年的斗争使OpenGL在移动端兴起时就位，最终惠及数十亿设备，影响远超任何单一游戏
“为保持OpenGL重要性而进行的斗争……意味着当移动端兴起时，OpenGL已准备就绪。”
来源访谈 →未来不是机器人变得像人并取代人类工作，而是人类技能与机器人补充性技能的结合，自动化长期会提高生产力和平均生活水平，但转型期阵痛需被正视。
“未来不是机器人变得像人并取代工作，而是我们技能与机器人补充性技能的结合。”
来源访谈 →27B量级的开源模型正变得愈发强大和实用，已能胜任真实世界编码、办公流和智能体任务
“凭借其原生多模态、百万级上下文窗口及广泛的推理支持，被明确定位为适用于真实世界编码、办公流和智能体的专业工具。这显示27B量级模型正变得愈发强大和实用。”
来源访谈 →项目初期必然处于无法一开始就决定所有细节的“战争迷雾”状态，应通过逐步决策不断驱散迷雾，而非要求开局即有完整规划。
“/wayfinder helps you navigate "the fog of war," where you have a project but "you can't quite decide everything right at the start." —— /wayfinder帮助你导航'战争迷雾'，即你有了一个项目，但“无法在一开始就确定所有事情”。”
来源访谈 →AI直接提供答案将终结传统搜索广告，未来十年谷歌核心广告收入面临严重威胁
“随着AI直接提供答案，传统搜索广告位将消失。谷歌在AI产品化和新商业模式构建上行动迟缓，未来十年内其核心广告收入将面临严重威胁。”
来源访谈 →扎克伯格认为虚拟形象的表情程度是一个可调节的设计问题，有些人会偏好比真实面孔更富有表情的数字化身。
“我认为这涉及到一个调节问题……有些人可能更希望他们的虚拟形象比真实的自己更富有表情。)”
来源访谈 →集中式与分布式安全策略各有利弊，最佳做法是结合两者优势，并保持开放的安全策略、积极吸引白帽黑客来加固系统。
“最佳策略是结合两者优势，并保持开放的安全策略，积极吸引白帽黑客来加固系统。”
来源访谈 →看似简单的模型聚合与路由API中间层，通过连接海量开发者与模型提供商，能创造可观利润和快速增长，商业价值被Stripe收购案重估
“一个看似简单的中间层，却能通过连接海量开发者和模型提供商，创造出可观的利润和快速增长。”
来源访谈 →OpenRouter最令人惊叹的不是规模而是盈利能力，其约70%的毛利率接近顶级上市软件公司水平
“"What's incredible is the profitability."——令人难以置信的是它的盈利能力。”
来源访谈 →智能体不应由开发者写脚本去驱动LLM，而应放入运行环境（Harness）让它自主驱动、自行解决问题
“不是你和你的代码去驱动大语言模型、用脚本告诉它该做什么，而是你将智能体放入这个运行环境中，让它能够自主驱动并解决问题。 —— Instead of you and your code driving the LLM and telling it what to do with scripts, you're putting the agent into this harness, and it is able to drive itself and work through problems.”
来源访谈 →运行环境不是可后期添加的功能，而是定义智能体的根本所在，没有运行环境就没有智能体
“我们早期的判断是，运行环境实际上不是一个功能，而是你对智能体定义的根本。没有运行环境，就没有智能体。 —— Our early bet was that the harness is actually not a feature, but it's fundamental to what you think an agent is. There is no agent without a harness.”
来源访谈 →隐私泄露风险已从理论变为现实：公开分享的推理过程经解码后包含大量API密钥、电子邮箱和密码等敏感数据。
“研究团队对约7,000条公开的推理过程进行了初步扫描，发现其中包含62个唯一的API密钥、33个电子邮件地址、33个密码以及其他敏感数据。”
来源访谈 →乔丹认为Facebook、谷歌等依赖广告变现的商业模式扭曲了信息流动，是点击率至上和虚假新闻问题的核心根源。
“The fake news actually rides on top of that because it means that you're monetizing with click-through rate and that is the core problem. —— 虚假新闻实际上是附着其上的，因为这意味着你通过点击率变现，而这才是核心问题。”
来源访谈 →坚持不融资、不依赖风投，所有产品的设计、开发和运营都由自己一人完成，用真实用户付费来验证创意
“我不融资，不使用风险投资。一切都由自己完成。 don't raise money. I don't use VC funding. I do everything myself."）”
来源访谈 →质疑资本推动的复杂前端框架，认为其商业模式是先吸引新开发者使用、再叠加付费平台，偏离了高效构建产品的初衷，因此坚持用PHP、jQuery、SQLite等简单技术栈
“我觉得现在有些融资的框架...其思路是让新开发者使用这个框架，然后向其添加一个付费平台。 feel like there's frameworks now that raise money... and the idea is that you need to make the developers the new developers get them to use this framework and then add a platform to it."）”
来源访谈 →库兹韦尔坚持AI将在2029年通过持续数小时深度交互的有效图灵测试
“I believe 2029 that six seven years from now we'll have something to pass this Turing test and a valid Turing test meaning it goes for hours not just a few minutes.——我相信，在六年后的2029年，我们将拥有能通过有效图灵测试的系统，即测试持续数小时而非仅仅几分钟。”
来源访谈 →对不断学习、自我修改并重写自身代码的软件，人类不知道如何进行形式化验证。
“对于那些不断学习、自我修改、重写自身代码的软件，我们不知道如何做到这一点（形式化验证）。—— we don't know how to do this for software which keeps learning self-modifying rewriting its own code”
来源访谈 →Prasad强调赢得用户信任比赢得人际信任更难，信任是AI助手的基石，隐私是其关键方面，需通过透明度和控制权建立。
“Trust is the key here. You start with trust and then privacy is a key aspect of it. —— 信任是关键。我们从信任出发，而隐私是其中的一个关键方面。”
来源访谈 →微型无人机的敏捷不是追求速度纪录，而是遇到意外时能安全机动并获取信息的能力，对搜救、农业等受限空间任务至关重要
““敏捷”并非追求速度纪录，而是在遇到意外时能安全机动并获取信息的能力。”
来源访谈 →机器人最终是为人类服务的，人机交互不可避免，互动虽给搜救等任务增加复杂性，但机器人主动建模人类状态可提升整体安全性
“Kumar坚信机器人最终是为人类服务的，因此人机交互是不可避免的研究方向。”
来源访谈 →目前尚无明显商品被完全自动化、供应链中仍有大量劳动价值，但某些商品全供应链自动化导致资本份额升至100%的质变正在逼近。
“网络中调整后的资本份额显示，尚无明显商品被完全自动化，供应链中仍有大量劳动价值。但一个质变正在逼近：某些商品的全供应链可实现自动化，其网络调整资本份额将升至100%”
来源访谈 →Lattner 希望 Mojo 和 Modular 能弥合 AI 领域对立阵营之间的裂痕，统一碎片化的软硬件生态。
“如果我们做对了，也许我们能弥合那些对立阵营之间的裂痕，真正治愈一些创伤。”
来源访谈 →与完全沉浸在虚拟世界的VR相比，他个人更看好AR对物理世界体验的增强
“就个人而言……我个人更感兴趣的是增强我在物理世界中的体验。（I'm personally more i mean we have to make a distinction between what i would personally find interesting and you know what might win in the market... i'm personally more interested in enhancing the experience that i have of the physical world.）”
来源访谈 →企业客户真正要的不是预测未来，而是"如何改变未来"的因果机制，这才是Simile提供的核心价值。
“企业客户真正关心的不是预测未来，而是"如何改变未来"。他们需要的是因果机制——如果采取不同行动，结果会如何变化——这才是Simile提供的核心价值。”
来源访谈 →她认为大型AI实验室对Netic不构成竞争威胁，因为解决数百万用户的差异化需求不能仅靠模型，还需大量“最后一英里”工程。
“实验室追求通用化解决方案，但解决数百万用户差异化需求需要大量“最后一英里”工程——包括harness、orchestration、软件和产品层，这些不能仅依靠模型实现。”
来源访谈 →她主张让AI代理直接与终端客户交互、承接首次客户互动并匹配企业运营规则，目前Netic超过70%的客户已采用“AI优先”模式。
“其AI代理直接与终端客户交互，理解需求并匹配企业运营规则，实现从客户沟通到服务部署的全流程管理。目前超过70%的客户采用“AI优先”模式，首次客户互动由Netic代理完成。”
来源访谈 →与云厂商相比，敏捷与深度聚焦垂直场景是初创公司的优势，未来的竞争更多来自同赛道探索者而非巨头。
“Kevin坦言，云厂商因业务线过广、目标过多，其AI解决方案难以做到像Pyromind这样敏捷和专用。Pyromind通过深度聚焦垂直场景，并与客户划定清晰的数据-模型交付边界，构建了自身的壁垒。”
来源访谈 →中国软件产业需要借助AI实现范式革命，抛弃定制化项目模式，转向可规模化、按结果收费的服务模式。
“中国软件产业长期“失败”，源于甲方不愿为工具付费、乙方陷入低价竞争。AI时代是扭转局面的唯一机会，行业必须抛弃定制化项目模式，转向可规模化、按结果收费的服务模式。”
来源访谈 →stance: 坚持全链路自研以控制成本、打通数据接口，但承认部分高精度部件（如减速器）仍需外部合作
“quote: "全链路自研……最大的好处是你每个地方的参数都拿得到……可以调到最优。"”
来源访谈 →AI赋能互动娱乐存在四层递进图景，从工具、创作入口、交互对象到重塑社交关系。
“第一层是AI作为工具服务于内容创作提效；第二层是AI成为新的创作入口，直接生成可交互的内容；第三层是AI作为交互对象，如AI NPC和陪伴类产品；第四层则是AI开始重塑娱乐社交关系，例如在多人场景中充当氛围调节的社交基建。”
来源访谈 →当前行业高估了‘一句话生成’的便捷性、‘自然语言’在交互中的唯一重要性，以及‘无限选择’的趣味性。
“高估‘一句话生成’的便捷性，实际精调过程复杂；高估‘自然语言’在游戏交互中的比重，声光电和手感同样关键；高估‘无限选择’的趣味性，玩家真正享受的是经过设计的、有目标感的掌控体验。”
来源访谈 →stance: 端到端原生体验（尤其后端能力）和自成长数据飞轮是关键
“quote: "我们是把数据库和前端原生就是在一起的……根据用户的query，如果发现需要，后台就把这东西接好了。"”
来源访谈 →stance: 计算机/编程应成为通识，深度垂直领域知识比单纯编码更重要
“quote: "未来把应用做好的人，并不是谁代码写的好，而是谁真正懂业务，懂场景。"”
来源访谈 →GUI是弥补人类认知缺陷的补丁，在Agent高效完成任务的生产效率场景中正变得次要。
““GUI是人类认知缺陷的补丁。一旦某些事物不再需要人类参与，它就不需要为人类的缺陷去服务。””
来源访谈 →CLI（命令行界面）因其纯文本、命令式的交互方式，是Agent友好的新交互范式。
“归藏解释了CLI（命令行界面）对Agent的价值：其纯文本、命令式的交互方式，恰好契合了大语言模型的处理模式，完美解决了人类难以记忆复杂命令的痛点。”
来源访谈 →许多现有软件将演变为“无头”的基础服务提供商，其核心价值被Agent网络调用，用户不再感知工具本身。
““如果最终有一个公司帮你完成所有任务，那个公司本身就成为了这个任务的代名词。””
来源访谈 →Skill是当前连接用户个性化需求与Agent能力的关键桥梁，但其部分功能可能被持续进化的模型能力逐渐取代。
“归藏认为，Skill（技能包）已成为Agent生态的共识，它能封装复杂能力并获得商业价值。但模型能力的持续进化（如GPT-4o简化提示词）可能逐渐吃掉部分Skill功能。”
来源访谈 →stance: 核心优势在于高质量、大规模且符合用户偏好的数据积累，以及更严格的视觉娱乐需求市场。
“quote: "数据变成了一个非常本质的事情...美国的做视频生成的公司他们的数据不管从数据量上数据的质量上...应该做的都不如我们国内。"”
来源访谈 →stance: 认为人类工作将转向决策、审批与情感价值社交，执行性工作大幅减少
“quote: "我觉得更需要一个日会，它是一种仪式感……大家见见面就情绪价值的社会，哪怕是聊聊天，挺重要的。"”
来源访谈 →stance: 在巨头因隐私等风险犹豫的领域快速切入，通过深度记忆和使用习惯构建迁移壁垒
“quote: “如果外部vibe coding出来发现它已经有60分或者80分了，那这样的产品可能就不需要做了。我们用了很棒的vibe coding，结果发现只有30分，这才有壁垒。””
来源访谈 →stance: 认为未来个人Agent与用户的关系将趋向一对一的深度共生，类似“一夫一妻制”
“quote: “他某种程度是一个你可以说是自己的延伸或者是自己的影子。但如果是一对多的话可能就是你的slave，但在agent的能力注定超过人类的情况下，可能他成为你的slave这在哲学上就说不通。””
来源访谈 →stance: 开源生态是AI Agent快速迭代、降低门槛和形成网络效应的关键驱动力。
“quote: "开源的 Agent 是全世界都在帮你养孩子，闭源的是闭门造车。"”
来源访谈 →stance: 通用型AI产品应尊重用户创造力与AI能力，通过框架和场景的自然收敛来迭代。
“quote: “我觉得更核心是AI时代一定要相信AI的能力。如果你把AI限定死功能，其实是一种呃隐性的workflow。””
来源访谈 →stance: 对于个人AI Agent，用户长期积累的记忆和精细的工程实践是初创公司的核心壁垒。
“quote: “所有to c agent应用最核心的壁垒还是Growth。假如说你在我们这儿已经用了一个月，用了三个月，所以会有大量的记忆留存下来。””
来源访谈 →**stance**: 重点关注Agent生态、Physical AI、视频模型、软件价值重构、语音交互五大方向。
“**quote**: "我可以分享五个啊...第一个是我叫他这个everything agent...第二个呢是physical AI...第三个是在视频模型提升之后...第四个方面是关于软件的投资的价值...最后一点就是和语音相关的一切。"”
来源访谈 →**stance**: 通过操作系统层面观测用户行为（而非仅依赖聊天记录或文件导入），是构建高浓度、高扩展性用户上下文的最有效途径。
“**quote**: "通过观察用户在操作系统层面的行为，我们能获得信息浓度极高的上下文。"”
来源访谈 →stance: 未来将出现Agent集群化作业、个性化模型普及（通过LoRA等技术），以及由Agent自主运营的“零人公司”形态。
“quote: 我从来不觉得一人公司是本质的事情。我认为真正make sense是零人公司…未来公司更多意义上是一种理财产品，不是由人组成的公司。”
来源访谈 →未来服务于AI Agent的云计算，其底层的计算、存储、网络资源调度方式将与今天完全不同，行业面临洗牌机遇。
“未来的云将服务于AI Agent，其底层的计算、存储、网络资源调度方式将与今天完全不同，行业面临洗牌机遇。”
来源访谈 →Agent是基于大模型的系统化工程，核心在于为其构建适配场景的“脚手架”，以最大化发挥大模型作用解决实际任务。
“Agent并非简单地将大模型套用到场景中，而是一个以大模型为智力内核，并为其配备上下文管理、工具调用、记忆、验证及安全性等能力的复杂系统。”
来源访谈 →当前Agent领域面临可靠性、泛化性与安全性三大核心挑战，包括长链推理的可靠性、跨领域迁移的泛化能力以及行为可控的安全问题。
“在技术层面，Agent在长链推理或任务执行中每一步的可靠性与可验证性是首要难题；其次是泛化能力...最后是确保Agent行为可控，符合人类价值观，避免失控风险。”
来源访谈 →stance: 主张停止使用ChatGPT等聊天工具，全面转向Agent工具与Skill编写
“quote: "用好AI的第一步是停止使用ChatGPT，开始使用Agent。用好AI的第二步是写好一个Skill。"”
来源访谈 →软件正从1.0（代码）和2.0（权重）进入3.0（自然语言提示）时代。
“软件在如此基本的层面上并没有改变太多七十年，然后它改变了。我认为在最近的几年里，大约改变了两次，非常迅速。”
来源访谈 →未来人才评估将更重愿景、品味与解决难题的能力，而非纯知识储备
“"我一般会给个数，比如说十个亿的人民币的资金随你怎么花……你想干什么？我为什么问？因为这个能筛选出来这个人有没有想过，有没有vision。"”
来源访谈 →前沿模型安全水平差距显著：GPT-5.6和Claude 5能抵御所有攻击，而Gemini 3.1 Pro和Grok 4.5存在数百个通用越狱漏洞，且发现成本不到300美元。
“GPT-5.6和Claude 5能抵御所有攻击，而Gemini 3.1 Pro和Grok 4.5存在数百个通用越狱漏洞。发现这些漏洞的API成本不到300美元，多数攻击者都负担得起。”
来源访谈 →2026年没有任何公司拥有其他公司无法获取的独家技术，AI竞赛的差异化因素只是预算和硬件限制
“我不认为在2026年，会有任何公司拥有其他公司无法获取的独家技术。差异化因素将是预算和硬件限制。”
来源访谈 →Srinivas将Perplexity定位为知识发现引擎，而非搜索引擎或简单的答案引擎
“I think of Perplexity as a knowledge discovery engine neither a search engine, we of course we call it an answer engine. ——我认为Perplexity是一个知识发现引擎，既不是搜索引擎，我们当然称之为答案引擎。”
来源访谈 →数据是“规模化互补品”、比GPU更非商品化，预计2030年数据市场至少千亿美元甚至可能达万亿美元
“数据市场是“规模化互补品”，随模型规模扩大需求持续增长。数据比GPU更非商品化，预计2030年数据市场至少千亿美元，甚至可能达万亿美元。”
来源访谈 →在线课程应发挥媒介独特潜力进行形式创新，人际互动与能量传递至关重要
“创新的“角色扮演”式授课（一人扮演讲师，一人扮演学生）……也证明了在线教育中人际互动与能量传递的至关重要性。”
来源访谈 →Dario明确区分AI写90%代码、AI完成90%端到端SWE任务、SWE人才需求下降90%三个完全不同的里程碑，并承认当前AI编码的生产率提升仍有限但快速攀升
“他承认当前AI编码模型带来的"全要素生产率提升"仅约15-20%，但这一数字正在快速攀升”
来源访谈 →GPU价值不应按折旧周期衡量，而看能产出多少高质量token，旧H100因算法进步单位价值反而随时间上升。
“一台H100今天的价值比三年前更高。（An H100 is worth more today than it was 3 years ago.）”
来源访谈 →电力并非真正的长期瓶颈，多种发电与储能方案5年内可提供数百吉瓦新增容量，供给约束远小于芯片制造。
“电力并非真正的长期瓶颈。除燃气轮机外，航空衍生发动机、船用发动机、往复式发动机、燃料电池及“峰谷储能”策略均可在5年内提供数百吉瓦新增容量，总供给远大于芯片制造带来的约束。”
来源访谈 →实现完全且快速可重复使用的轨道系统是降低成本、成为太空文明的关键。
“真正的圣杯是一个完全且快速可重复使用的轨道系统。/ The really the holy grail is a fully and rapidly reusable orbital system.”
来源访谈 →马斯克的工程哲学是先质疑简化需求、大胆删除部件再优化，认为优化本不该存在的东西是聪明工程师最常犯的错误
“The most common mistake of smart engineers is to optimize a thing that should not exist.（聪明的工程师最常犯的错误是优化一个本不该存在的东西。）”
来源访谈 →桑德森认为疫情推动教育线上化是契机，最好的结果之一是把大批教师转变为内容创作者，进而实现解释的标准化，让课堂时间用于互动答疑。
“从教育角度看，疫情带来的最好结果之一，就是让我们把一大批教师变成内容创作者。”
来源访谈 →他认为个人想真正影响技术走向，唯一真正的自由度是设定技术诞生时的初始条件，而非其后的具体发展。
“如果你真的想有所作为，我认为你真正必须做的，你唯一真正的自由度，就是设定一项技术诞生时的初始条件。（If you really want to make a difference, I think that the thing that you really have to do, the only real degree of freedom you have, is to set the initial conditions under which a technology is born.）”
来源访谈 →反对政府和大公司主导的僵化监管导致权力集中与监管俘获，主张由部署者承担法律责任，由市场筛选出更安全的AI产品
“他主张由部署者承担法律责任，并由市场自然筛选出更可靠、更安全的AI产品，同时第三方审计会应需而生。”
来源访谈 →贝索斯认为进入轨道技术已经解决，当前唯一关键目标是大幅降低发射成本，为下一代在宿舍里创立公司的太空创业者铺路。
“进入轨道本身已是“已解决的问题”，当前唯一的关键目标是大幅降低发射成本。这将为下一代太空创业者（“在宿舍里创立公司”）铺平道路，催生太空经济的文艺复兴。”
来源访谈 →计算架构的生命力在于庞大装机量,在消费级GeForce显卡上搭载CUDA虽导致市值从约80亿美元跌至15亿美元,却将CUDA普及至全球研究人员手中,为深度学习革命奠定基石
“The install base defines an architecture, not everything else is secondary. —— 装机量定义了一个架构，其他一切都是次要的。”
来源访谈 →领导力不在于突然宣布宏伟计划,而在于通过日复一日的沟通、推理和信息分享,持续塑造董事会、团队乃至供应链的信念体系,使重大决策宣布时水到渠成
“When I learn about something and it's starting to influence how I think, I'll make it very clear to everybody near me... I'm trying to shape their belief system. —— 当我了解到某件事并开始影响我的思考时，我会让身边的每个人都清楚...我是在塑造他们的信念体系。”
来源访谈 →卡马克认为Python在AI/ML领域便捷但性能差距可达百万倍，严肃编程仍首选带C风格的C++
“Python在AI/ML领域“惊人地便捷”，但性能上可能存在“百万倍”的差距；而C++（带有C风格）仍是他“严肃编程”的首选”
来源访谈 →构建与部署AI应用是AI工程师首要技能，除掌握LLM、RAG、智能体工作流等构建模块外，必须用统计技术度量、引导和治理AI系统
“人们对构建和部署AI应用的理解，包括AI的构建模块（如LLM、上下文工程、RAG、智能体工作流、机器学习和深度学习），以及重要的是，如何使用统计技术来度量、引导和治理AI系统，使其行为更可预测。”
来源访谈 →有效的AI工程需要产品意识和业务理解，工程师应知道何时快速构建最小可行产品测试、何时放慢脚步精细构建
“有效的人工智能工程需要具备产品意识，理解业务背景和客户目标，以便参与塑造和推动构建过程。”
来源访谈 →因原料供应减少和年轻人不愿干体力活，必须大力投入智能制造，智能仓库人员从三四十人减至两人，未来智能化率目标超80%
“其智能仓库将人员从三四十人缩减至两人，未来工厂智能化率目标将超过80%。”
来源访谈 →他认为Claude宪法等现有规范并未真正把用户作为AI首要的倡导者与守护者，他更倾向于明确AI是用户个人倡导者的宪法。
“我更倾向于的宪法是，它明确指出Claude是你的倡导者。（The thing I would prefer would be a constitution that says Claude is your advocate.）”
来源访谈 →价值正从硬件供应链向模型层和最终用户转移，实验室以低成本创造高价值，但大部分价值最终被用户获取。
“实验室目前能以10-15的成本创造50-100的价值，但大部分价值最终被用户（如Jane Street、Meta）获取。”
来源访谈 →Eiso Kant 强调 NVIDIA 这笔交易既非整体收购也非传统人才收购，而是技术授权加团队雇佣的独特结构，为员工和投资者提供了优渥退出方案。
“这不是一次收购，也不是一次'acquihire'。”
来源访谈 →投资机构运转围绕“募、投、管、退”四个基本职能，每个环节的核心挑战都是赢得信任——从LP处募资、获得优秀创始人的投资机会、再到退出时得到各方支持。
“这是投资机构运转的四个基本职能。每个环节都充满挑战，核心都在于赢得信任——无论是从LP处募资，获得优秀创始人的投资机会，还是在退出时得到各方支持。”
来源访谈 →能在一次会话内规划完的简单任务用'grill me'即可，只有看不清前路、能感受到战争迷雾的项目才需要动用wayfinder。
“Use 'grill me' in cases where you feel like you can plan the whole thing in a single session... For stuff where you don't know the path ahead, for stuff where you can feel the fog of war in front of you, use wayfinder. —— 如果你觉得可以在一次会话中规划完所有事情，就用'grill me'……对于那些你看不清前路、能感受到面前战争迷雾的事情，请使用wayfinder。”
来源访谈 →阿尔法公社获取优质项目靠主动出击，触角远至硅谷高校，并综合人才库检索、行业节点交流与人脉网络推荐。
“阿尔法公社采用主动出击的策略，范围远至硅谷高校，并结合人才库检索、行业节点交流及人脉网络推荐”
来源访谈 →算力变贵后，目前依赖低价计算的低价值应用（如低质量短视频生成）将因经济性不足被市场淘汰，算力将优先流向高经济价值任务。
“当算力变得昂贵，目前依赖低价计算资源的应用（如低质量短视频生成）将因经济性不足而被市场淘汰。算力将优先用于能产生更高经济价值的任务。”
来源访谈 →通过在TypeScript中编写useSkill()、useTool()等React风格Hooks，开发者可以在对话或工作流进行中动态改变智能体配置，使其适应实时需求
“通过在TypeScript中编写Hooks（如`useSkill()`，`useTool()`），开发者可以在对话或工作流进行中动态改变智能体的配置，使其能够适应实时需求，例如在验证用户后引入账户管理工具。”
来源访谈 →eve是最直接的竞品且同样内置Harness，但Flue的关键差异在于坚持主机无关性，而eve的设计更倾向优化与Vercel平台的集成
“Schott承认eve是最直接的竞品，两者都将Harness内置。但关键区别在于Flue强调主机无关性，而eve虽可自托管，但其设计更倾向于优化与Vercel平台的集成。”
来源访谈 →Trammell认为若自动化资本能不断创造新商品品种且人们永不满足，那么资本份额将主导经济。
“反之，若自动化资本能不断创造新品种（如新药物、新计算能力），且人们永不满足，那么资本份额将主导经济。”
来源访谈 →即使三大前沿实验室坚守红线，12个月后开源模型也将达到同等能力，单纯的企业勇气无法解决结构性难题，必须通过政治体系确立法律和规范
“即使三大前沿实验室坚守红线，12个月后开源模型也将达到同等能力。单纯的企业勇气无法解决结构性难题，必须通过政治体系确立法律和规范。”
来源访谈 →Prasad认为Alexa的技术根基始于攻克曾被认为不可能的远场语音识别难题，通过大规模数据和深度学习训练奠定了产品基础。
“Alexa的成功始于解决远距离语音识别这一曾被认为不可能的难题。团队在2013年创立初期，通过大规模数据收集和分布式GPU上的深度学习训练，在六个月内将错误率降低了五倍，奠定了产品基础。”
来源访谈 →Prasad主张个性化与普适性的平衡在于把控制权交给用户，如“记住这个”功能让用户明确指示Alexa存储轮胎规格等个人信息，兼顾便利与可控。
“The more control you give customers the better it is for everyone. —— 给客户的控制权越多，对每个人都越好。”
来源访谈 →萨索的新播客《Dudezy》是完全由AI运营和策划的首个此类播客,AI通过分析他的数据设定节目参数,这反而让他摆脱构思内容的焦虑、获得创作自由。
“这是第一个完全由AI运营和策划的播客。(It is the first podcast that is run completely by and essentially curated by an AI.)”
来源访谈 →Lattner 将 Mojo 定位为 Python 的超集而非替代品，让开发者保留 Python 易用性的同时获得 C++ 级性能。
“Mojo 是 Python 的超集，它提供了 Python 的所有易用性，同时拥有 C++ 的性能。（Mojo is a super set of Python giving you all the usability of Python, but with the performance of C++.）”
来源访谈 →Lattner 主张语言应支持一路深入到底层硬件去追求极致性能，甚至质疑在语言里内建整数类型的必要性。
“如果你想打造一个超快的东西，我可以一路深入到硬件层面。那为什么我还需要在语言里内建整数类型呢？”
来源访谈 →技术的价值不止于提升生产力，更在于切实改变了人与人彼此连接和沟通的方式。
“我认为技术不仅能提高生产力，它实际上改变了我们彼此连接和沟通的方式。（I think technology can be not just transformative in terms of productivity etcetera, it actually does change how we connect with one another.）”
来源访谈 →他预计约两三年后会出现单次收费高达1亿美元的仿真会话，适用于评估最重大决策的超大企业或政府。
“我认为大约两三年后，我们会运行单次仿真会话，人们会为此支付1亿美元。（I think there's a world in which in about two, three years we're running a single simulation session that people will pay $100 million for it.）”
来源访谈 →主张以数据工会与数据尊严替代UBI,让人成为新型创意阶层
“"Future one and future two have the same robots and the same algorithms. There's no technological difference. There's only a human difference."”
来源访谈 →为了实现Agent蜂群的自我迭代，强化学习即服务（RLS）是关键路径，而将整个训练流程自动化的Auto RL是其实现可扩展性的具体方式。
“Auto RL的这个管道以及reward本身，它其实就是一个无状态的，它跟那个生产上下文其实是不耦合的。”
来源访谈 →联络中心（客服/营销）是AI落地的黄金场景，因其交互可模拟、价值易衡量且有成熟外包模式可供对比替代。
“联络中心（客服/营销）是AI落地的黄金场景。此类工作无需见面、交互可模拟真人、价值易衡量（客户满意度与任务量），且市场存在成熟的外包模式。”
来源访谈 →stance: 源于对陪伴机器人的长期热爱与技术积累，旨在实现情感陪伴的愿景
“quote: "谁不想让哆啦A梦走到现实里呢？……我想造一个真正能够陪我自己的一个机器人。"”
来源访谈 →stance: 放弃AI纯软件，选择软硬结合的家庭机器人，因其市场更大、周期更长、需要提前布局
“quote: "机器人它是有软硬结合的东西……一旦提前做确实在打磨硬件上有很大优势。"”
来源访谈 →stance: 定位为“卖服务”，而非单纯卖硬件；采用订阅制，通过真实家庭数据构建长期壁垒
“quote: "家庭机器人看上去它是一个产品，但其实它背后卖的是服务。"”
来源访谈 →具备灵活性、能快速试错的创新小团队或独立开发者，比大型游戏公司更可能率先诞生AI爆款产品。
“相比于组织庞大、流程严谨的游戏大厂，独立小团队和创业者更具灵活性，能更快地进行跨界协作和创意试错。在AI降低原型生产门槛的背景下，从大厂体系外‘野蛮生长’出颠覆性产品的概率可能更高。”
来源访谈 →stance: 应构建"倒金字塔"生态，优先服务并让用户（超级个体）赚钱
“quote: "我们不看自己的ARR，看用户的ARR。只要我们的用户能赚到钱，我们早晚能赚到钱。"”
来源访谈 →stance: 安克创新机器人本体团队将从自主设计转向生态架构师角色
“quote: "我们完全预期两年三年之后我们这个团队就会从自己设计转成去做架构...去驱动我们行业里面最好的独立的公司他们各自去做各自的模组。"”
来源访谈 →生产效率的百倍千倍增长，将首先体现在内容生产环节的工业化重构上，从而孕育新的消费形态和商业模式。
““下一个抖音未必是别的形态的产品，下一个抖音可能是十倍产能的抖音，它的生产变成工业化。””
来源访谈 →作为追赶者，在不确定的国际环境下，采取激进的技术路线，用高强度的资源投入来换取时间，是在有限窗口内构建完整芯片能力的必要选择。
“所以对于小米来说，这样做可能是唯一的选择。他们在用资源换时间，在有限的时间窗口里，尽快搭出一家成熟芯片公司需要的完整能力站。”
来源访谈 →与本土产业链伙伴（如内存厂商）从设计阶段开始深度绑定，共同定义和验证关键技术，是构建自主芯片生态的重要路径。
“小米第一次有机会把计算芯片设计和内存系统设计给结合起来...不再只是客户和供应商的关系，而是在共同订立一套来自中国的移动内存子系统。”
来源访谈 →清醒认识到在CPU/GPU内核、基带及量产经验上与顶级公司仍有差距，但持续迭代能力和系统级整合能力已得到验证。
“尽管技术路线激进且成果显著，但玄戒在自研CPU/GPU内核、5G基带及大规模量产经验上，与顶级芯片公司仍有明显差距。其更深远的意义在于，证明了小米芯片的持续迭代能力。”
来源访谈 →stance: 深度依赖美国技术生态（如英伟达架构）是比硬件断供更严峻的长期挑战
“quote: 要理解成瘾性的问题。企业习惯了这个之后，将来怎么实现国产化？”
来源访谈 →stance: 实时交互生成中，“快”（生成效率）是第一前提，画质是可以在当前阶段优先妥协的方面。
“quote: "快是第一目标...如果非要排个优先级的话当前这个阶段我们只能说画质稍微再降一点。"”
来源访谈 →stance: 认为AGI已在实际工作中到来
“quote: "如果是按照（90%的行业中90%人的90%工作AI可以胜任）这样一个标准的话，至少我自己在日常工作中我的感受他是真切的就到来了。"”
来源访谈 →stance: 主张采用AI友好的极简格式（Markdown/CSV/HTML）与文件系统逻辑
“quote: "我们信奉一个原教旨主义：我们只用AI更易去阅读和创作的格式。"”
来源访谈 →stance: 真正的主动式AI需要精准获取特定场景下的用户意图和实时上下文，并基于此进行推送或执行，而非简单的定时或发散性提醒
“quote: “真正的主动式AI，我们认为它需要得到两个东西：第一个是你在某一个场景明确的意图；第二个是你在某一个场景的上下文。””
来源访谈 →stance: OpenClaw代表了从“工具”到“协作伙伴”的范式转变，其核心是低门槛、高拟人化与执行闭环。
“quote: "如果 ChatGPT 是咨询师，那 OpenClaw 更像是一个实习生——咨询师打嘴炮，实习生能出活。"”
来源访谈 →stance: 随着AI能力增强，用户本身“会不会用AI”将成为区分效果的关键杠杆因素。
“quote: "AI 的能力可能只是一个放大器，人（用户）的能力可能更关键。"”
来源访谈 →**stance**: 创业者应避开模型巨头主导的应用层，转向“探月”（AI for Science等）或“深入地下”（企业级AI部署）两条路径。
“**quote**: "创业的两种回避掉这个推土机的办法...第一种呢就是往天上跳...另外一种呢就是深入这个地下..."”
来源访谈 →**stance**: 微信凭借其社交网络、OS生态和用户上下文，是中国AI普及的关键且独有的入口。
“**quote**: "当微信加AI是会变得更强的...AI留给腾讯的时间是大大的有。"”
来源访谈 →**stance**: 当前基于会话框的AI产品存在根本缺陷，最佳协作模式尚未被发明，需从OS层数据、持久记忆和主动交互三个维度重新构建。
“**quote**: "人类和AI配合工作的最佳方式很可能还没有被发明出来。"”
来源访谈 →stance: Harness是连接模型与执行能力的框架，是模型的“机甲”与“操作系统”，可分为执行能力、上下文环境、治理编排三层。
“quote: 模型以外都是Harness。”
来源访谈 →stance: 基于Prompt节点流转的传统框架（如LangChain）正逐渐过时，以Claude Code为代表的“Agent Native”、模型中心化方法将成为主流。
“quote: Zero control. More context. More action.”
来源访谈 →stance: 相比于新兴的MCP协议，基于Unix/Linux的CLI工具链在Agent任务完成率上可能更具优势，因其在预训练中语料更充分、哲学更自洽。
“quote: Unix is all you need.”
来源访谈 →企业几乎在任何情况下都无需自建GPU集群，MaaS（模型即服务）在成本优化、数据安全和模型灵活性上都更具优势。
“我认为没有任何一个情况需要（企业）自建（GPU）...用MaaS才是能解决你这三个concern的最好的一件事情。”
来源访谈 →**立场: 明确区分并聚焦于“模拟器”方向**
“**引用: "我会把它定义成，就我现在用了一个词叫模拟或者说是模拟器吧...我们是需要AI可以构成一个系统。"**”
来源访谈 →**立场: 工具第一优先级是“强”，即上限，而非“低门槛”**
“**引用: "我认为工具的第一优先级应该是强而不是低门槛低门槛是第二位的就是你需要深入浅出但是你不是要做一个浅的东西"**”
来源访谈 →stance: 预计5-10年内实现
“quote: "Maybe we're five to 10 years out... It's coming very soon."”
来源访谈 →stance: 采用“川菜馆”比喻，强调Agent是调用通用模型能力（超市食材）为特定用户提供垂直、精调内容的专业解决方案
“quote: "做agent的这一块呢，其实有点像你用的这些料，然后再做一个餐馆。就是比如说我们现在做的是一家川菜馆。"”
来源访谈 →stance: 战略重心从“发展自己”转向“绊倒对手”，后者更易执行
“quote: "跑得更快和绊倒对手哪个更容易啊？...在董王政府任内你别指望跑得更快了，但是绊倒对手呢是可以看一看的。"”
来源访谈 →应构建部分自主应用（钢铁侠盔甲），而非完全自主的AI代理（机器人），通过自主性滑块优化人机协作。
“我认为与不完美的LLM一起工作，我更喜欢建造钢铁侠盔甲，而不是构建闪亮的自主代理的演示。”
来源访谈 →认为玄戒O1在CPU/GPU微架构之外的多环节实现了自主掌控，是自研的体现
““小米通过自主设计...得到了很好的性能和功耗结果，这就说明玄戒团队在芯片设计的全流程中...实现了自主掌控和创新。””
来源访谈 →stance: 轮式功能机器人（如搬运、上料）比人形机器人有更明确、更快的商业化场景
“quote: "上料是商业机会...这可能是最早的机器人的大规模商业化。"”
来源访谈 →stance: 公司组织应模仿生物体结构进行功能分离（如模型、软件、硬件），以适配AI时代
“quote: "做模型的和做Agent的团队是完全分离的，做Agent的不能碰模型。"”
来源访谈 →DeepOptica的目标是打造一个能理解成矿体系、评估资源价值的矿业'世界模型'，最终实现'地球透明化'。
“我们的愿景就是能够让地球透明化，能够让大家知道全球哪一个地方有什么样的矿产，并且能够很精准地定位到这些矿产。”
来源访谈 →英特尔的软件生态策略是提供‘开箱即用’的适配（如对开源框架的深度支持），并以本土工程师团队和开放策略对抗CUDA的惯性。
“英特尔已对主流开源框架进行深度适配，提供Docker镜像实现‘开箱即用’。对于需要底层开发的用户，英特尔提供本土工程师团队强力支持，并遵循开放生态策略。”
来源访谈 →Raghu认为AMD EPYC处理器的Chiplet架构通过灵活扩展，天然契合云服务商对单机支持更多虚拟机和用户的需求。
“AMD EPYC处理器从设计之初就采用了Chiplet（小芯片）架构，通过高速互联将多个核心模块组合，实现了从8核到192核的灵活扩展。这种高密度的计算能力，天然契合云服务商对单机支持更多虚拟机和用户的需求。”
来源访谈 →Raghu指出推动CXL生态的关键在于实际应用，他们正与合作伙伴开发首款CXL交换机。
“推动CXL生态的关键在于实际应用。他们正与合作伙伴开发首款CXL交换机，并计划构建CXL服务器集群，让开发者能真正使用和测试这一技术。”
来源访谈 →Jimmy和Raghu分享了双方团队通过清晰路线图和频繁沟通确保软硬件发展高度同步的协作模式。
“他们通过清晰的长期路线图、频繁的跨地域沟通以及针对特定项目（如CXL优化）成立虚拟任务团队，确保了软硬件发展的高度同步，能够提前规划并解决未来可能遇到的问题。”
来源访谈 →