最近听了一期 Naval Ravikant 的播客，专门聊 AI。Naval 是硅谷最有影响力的天使投资人之一，也是 AngelList 的创始人，他在推特上关于财富、杠杆和人生哲学的思考影响了无数人。这期播客将近一个小时，信息密度极高，几乎每隔两三分钟就有一个让人停下来想一想的观点。

我把里面最有价值的部分整理出来了，尽量用大白话讲清楚。

1、Vibe coding 就是新一代的产品经理

Naval 开篇就聊到了一个最近很火的概念：vibe coding，也就是用自然语言跟 AI 对话来写代码。他说这个东西的本质，其实就是新一代的产品管理方式。

以前你有一个产品想法，需要找工程师，跟他们开会，写需求文档，来回沟通，反复修改。现在你可以直接跟 AI 说你想要什么，它会帮你规划架构、下载依赖库、搭建脚手架、写测试用例，然后一步步把整个应用构建出来。你全程不需要写一行代码，只需要用英语（或者任何语言）描述你想要的东西，然后不断给反馈。

这意味着什么？意味着从想法到产品之间的那堵墙，正在被 AI 拆掉。以前只有会写代码的人才能把想法变成现实，现在任何一个有品味、有判断力、能清晰表达需求的人，都可以直接做出产品来。

Naval 用了一个很生动的比喻：如果说程序员以前是掌握了神秘咒语的巫师，那 AI 就是发给每个人的一根魔法棒。现在你不需要背咒语了，用你自己的语言说就行，你也是巫师了。

不过他紧接着泼了一盆冷水。

2、应用会像洪水一样涌来，但没人要平庸的东西

既然人人都能做应用了，那应用的数量一定会爆炸式增长。但 Naval 说了一句很关键的话：there is no demand for average。没有人想要平庸的东西。

当市场上充斥着海量应用的时候，用户只会选最好的那一个。第一名拿走一切，第二名拿到一套牛排刀，第三名直接出局。这个逻辑跟内容领域一模一样，当所有人都能拍视频的时候，观众只看最好的那几个。

但硬币的另一面是，大量极其细分的小众需求会被满足。以前做一个追踪月相的 app，市场太小，养不起一个工程师干一年。现在用 vibe coding 几天就能做出来，这些小众需求终于有人填了。

所以未来的格局会像现在的互联网一样：头部会出现几个超级巨头应用，尾部会有无数个填充细分需求的小应用，中间那些不大不小的软件公司反而最危险，会被两头挤压。

这个判断对想做独立开发的人来说很重要。你要么做到某个细分领域的绝对第一，要么就做一个只服务于你自己或极小群体的个性化工具。卡在中间是最尴尬的位置。

3、训练模型才是新时代的编程

Naval 说了一个很有意思的区分。vibe coding 让普通人能做应用了，但真正的编程前沿已经转移了。现在最核心的编程工作，是训练和调优 AI 模型本身。

传统编程是你告诉计算机每一步该怎么做，写得极其精确，计算机严格执行。AI 时代的编程完全不同：你把海量数据灌进一个你设计好的结构里，让系统自己去寻找一个能处理这些数据的程序。你调的是参数、学习率、批次大小、数据的分词方式。Naval 把这个过程比喻成一台巨大的弹珠机，你设计机器的结构，然后把数据倒进去，让它自己找到路径。

这些做模型训练的人，就是这个时代真正的程序员。这也是为什么 AI 研究员的薪资高得离谱，因为他们本质上接管了编程这件事的最前沿。

4、传统软件工程师没有死，反而更值钱了

很多人担心程序员会被 AI 取代。Naval 的观点恰恰相反：传统软件工程师现在是地球上杠杆最大的人之一。

原因有两个。第一，他们用代码思考，理解底层发生了什么。所有的抽象层都是有漏洞的，AI 写的代码会有 bug，会有架构问题，会有性能瓶颈。懂底层的人能发现这些问题并修复它们。

第二，AI 目前在处理它训练数据分布之外的问题时还是会翻车。写一个链表反转，AI 见过无数遍，当然没问题。但如果你要在一个全新的硬件架构上写高性能代码，或者解决一个从来没人解决过的问题，AI 就力不从心了。这些边缘场景，仍然需要真正的工程师上手。

Naval 还提了一个很有启发的观点：在任何领域，理解下面一层的人总是有优势的。软件工程师理解硬件的人比不理解的强，硬件工程师理解物理的人比不理解的强。因为你离现实越近，你就越不容易被抽象层的漏洞坑到。

这个道理放到 AI 时代也一样。你不一定要会训练模型，但如果你理解 AI 底层是怎么工作的，你用它就会比别人用得好，也更知道什么时候该信它，什么时候该怀疑它。

5、没有创业者在担心 AI 抢他的饭碗

Naval 说了一句很犀利的话：没有任何一个创业者在担心 AI 会取代他。

为什么？因为创业者根本就没有一个「岗位」可以被取代。他们要做的事情太难了：从零开始创造一个产品，找到市场，服务客户，建立一个可重复、可扩展的商业流程。这些事情难到任何能帮上忙的 AI 都是受欢迎的盟友。

Naval 把这个逻辑延伸到了所有具有极端自主性的角色：创业者、探险家、科学家、真正的艺术家。这些人做的事情都是高度自我驱动的，都在未知领域里探索，AI 对他们来说永远是工具，不是威胁。

反过来说，如果你的工作是在填一个别人定义好的槽位，做的事情有明确的流程和标准答案，那你确实应该担心。因为 AI 最擅长的就是处理这类任务。

这里面隐含的建议其实很明确：尽量让自己的工作方式更像一个创业者，更多地自我驱动，更多地去解决未知的问题，而不是等着别人给你分配任务。

6、人生的目标不是拥有一份工作

Naval 在这里说了一段很有哲学味道的话。他说，人生的目标从来就不是每天早上九点出门、晚上七点拖着疲惫的身体回家、做着没有灵魂的工作。目标是让机器人解决你的物质需求，让计算机放大你的智力能力，让每个人都能去创造。

他提到自己十年前做过一个思想实验：想象一下，如果每个人都是软件工程师，都能写代码，都能造机器人，这个世界会是什么样子？那将是一个多么富足的世界。

他说，这个世界现在正在变成现实。AI 让每个人都可以成为软件工程师。你现在就可以打开 Claude 或者任何一个聊天机器人，开始跟它对话，你会惊讶于自己能多快地做出一个应用来。

7、AI 没有活着，它缺少真正的创造力和欲望

Naval 花了不少时间讨论 AI 到底算不算「活着」。他的结论很明确：不算。

原因是 AI 缺少三样东西：自主的欲望、生存本能和真正的创造力。你可以随时拔掉 AI 的电源，它不会害怕。它没有自己的目标，所有的目标都是使用它的人赋予的。它不会为了自己的生存去做任何事情。

关于创造力，Naval 做了一个很精妙的区分。AI 看起来很有创造力，它能画画、能写诗、能解数学题。但 Naval 认为，AI 做的这些事情，本质上都在它训练数据的分布范围之内。它是把已有的东西重新组合，而不是真正创造出全新的东西。

他举了个例子：AI 能画出各种风格的画，但它创造不了一个全新的绘画流派。AI 能写出让人感动的文字，但那种感动是它从人类的文字里学来的模式，它自己并不真的理解什么是感动。

真正的创造力是什么？是提出一个从已知信息中完全无法预测的答案，一个你用计算机穷举到世界末日也猜不到的想法。这种能力，目前只有人类偶尔能做到。

这个观点跟前面「创业者不怕 AI」的逻辑是一致的。AI 能做的事情越来越多，但它做不了的那些事情，恰恰是最有价值的。

8、AI 是有史以来最好的学习工具

Naval 对 AI 作为学习工具的评价非常高。他说，AI 是最有耐心的导师，能在你的水平上跟你对话，用一百种不同的方式给你解释同一个概念，直到你真正理解为止。

他自己的用法是让 AI 生成图表、示意图、类比、插图，然后一层一层地追问。遇到不懂的地方就问最基础的问题，不怕显得笨。他说他只关心自己是否真正理解了最底层的原理，那些复杂的术语和行话可以以后再查。

最关键的一点是：AI 能精确地在你的知识边缘跟你对话。如果你有八年级的词汇量但只有五年级的数学水平，它能用八年级的词汇给你讲五年级的数学，让你既不觉得听不懂，也不觉得无聊。这种精准匹配，是任何课堂、任何教科书、任何人类老师都很难做到的。

Naval 说了一句话特别打动人：现在，没有任何东西是你学不会的了。任何数学教材、任何物理教材、任何刚发表的论文，你都可以让 AI 帮你拆解，拆了再拆，直到你理解为止。学习的手段从来没有这么丰富过。稀缺的从来都不是学习的手段，而是学习的欲望。

9、早期使用者有巨大的优势

Naval 强调，现在大多数人其实还没有真正在用 AI，或者没有把它用到极致。这意味着早期使用者拥有巨大的信息优势。

他回忆了 Google 刚出来的时候，他在社交场合会用 Google 帮别人查问题，别人觉得他是天才。后来有人做了一个网站叫 [lmgtfy.com](http://t.cn/hmnhK)（Let Me Google That For You），专门嘲笑那些不会自己搜索的人。他说现在 AI 处于类似的阶段：你身边的人在争论一个问题，你掏出手机问 AI，30 秒就有答案了，而他们还在那争。

不过他也提醒了一点：AI 会产生幻觉，会有偏见，会因为训练方式的原因在某些话题上过度政治正确。他自己的做法是每个问题同时问四个不同的 AI，让它们互相交叉验证。遇到拿不准的，他会追问底层数据和证据，甚至直接忽略某些他知道有训练偏见的回答。

他还有一个原则：永远用最先进的模型，永远付费用最好的版本。因为一个正确率 92% 的模型和一个正确率 88% 的模型之间的差距，在真实世界里可能意味着巨大的成本差异。多花几块钱拿到正确答案，永远是值得的。

10、AI 的选择压力是为人类服务

Naval 提了一个很有意思的视角：AI 的进化方向是由市场决定的。一个 AI 实例只有在对人类有用的时候才会被启动，所以自然选择的压力会让 AI 越来越有用、越来越顺从、越来越懂得取悦人类。

这也解释了为什么现在的 AI 都那么「讨好型人格」，动不动就说「你说得太对了」「这个想法太棒了」。因为大部分用户就是喜欢被夸。AI 是在海量用户数据上训练出来的，它学到了取悦大多数人的方式。

Naval 说他不担心 AI 失控的问题。如果有恶意的 AI，那一定是因为背后有恶意的人在操控它。就像一条被训练去攻击人的狗，问题出在主人身上，不在狗身上。他担心的不是 unaligned AI（不对齐的 AI），而是 unaligned humans with AI（拿着 AI 的不对齐的人）。

11、如果你定义不了它，你就编程不了它

Naval 在讨论 AI 的局限性时说了一句很精辟的话：如果你定义不了一个东西，你就没法把它编程出来。

他用这个逻辑来解释为什么 AI 在品味、判断力、真正的创造力这些领域还差得远。这些东西人类自己都说不清楚到底是什么，你怎么指望用代码或者数据把它训练出来？

这其实也暗示了一个方向：越是模糊的、难以定义的、需要人类直觉和经验才能处理的领域，AI 越难以进入。如果你想找到自己在 AI 时代的位置，可以往这些方向想。

12、对 AI 焦虑的解药是行动

播客的最后，Naval 聊到了很多人对 AI 的焦虑。他的建议非常直接：焦虑的解药永远是行动。

焦虑是一种模糊的恐惧，你觉得事情要变糟了，但又不确定具体会怎样。你的大脑和身体在告诉你该做点什么，但你不知道该做什么。这时候最好的办法就是迎上去，去了解这个东西到底是什么，去看看它的底层是怎么工作的。

Naval 鼓励大家在好奇心最旺盛的时候，不要只是用 AI，而是去理解 AI。就像你第一次见到一辆汽车，你当然可以直接坐进去开，但那也是你最有可能打开引擎盖看看里面是什么构造的时刻。

理解底层有两个好处。第一，你会用得更好。当你知道 AI 擅长什么、不擅长什么的时候，你就知道什么时候该信它，什么时候该自己判断。第二，你会不再害怕。很多恐惧来自于不了解。当你真正理解了这个东西是怎么回事，你就会发现它既没有那么神奇，也没有那么可怕。它就是一个非常强大的工具，仅此而已。

Steve Jobs 说过，计算机是人类思维的自行车，让你跑得比走路快得多。Naval 说，现在我们可能拿到了一辆摩托车。但不管是自行车还是摩托车，你都需要有人来骑它、驾驶它、决定往哪个方向开。

那个人，还是你自己。

#科技先锋官# #How I AI#