最近看了一期 a16z 的播客，嘉宾是 Roblox 的产品负责人 Peter Yang，主持人是 a16z 的合伙人 Anish Acharya。两个人聊了将近半小时，话题围绕 AI Agent 时代的工作、创业和产品形态展开。整场对话信息密度很高，很多观点值得拿出来细聊。
1、编程正在吞掉所有知识工作
Peter 提了一个很有冲击力的说法：Marc Andreessen 当年说软件会吞掉世界，现在他觉得编程会吞掉所有知识工作。
这话乍听有点夸张，但他举了自己的真实例子。写博客，他现在会先用 Claude Code 让 AI 写出初稿，自己再手动调整最后 20%。做文档、拉数据分析、搭小工具，流程都差不多。他说自己已经不会从零开始干任何事了，永远是 AI 先跑 80%，人再精修收尾。
Anish 补了一个很妙的类比：Satya Nadella 说过，Excel 是世界上最流行的编程语言，上亿人在用它，但没人觉得自己在“编程”。未来的 AI 编程工具也会走这条路，门槛低到你感觉不到自己在写代码，但你确实在用代码解决问题。
这个趋势如果继续下去，意味着一件很深刻的事情：以后衡量一个人工作能力的标准，可能会从“你能不能把事情做出来”变成“你能不能把问题描述清楚”。因为执行层面的事情，AI 越来越能搞定，但你得先告诉它方向在哪。
2、你的 AI 助手会变成最了解你的人
Peter 给自己的 OpenClaw 取名叫 Zoe，这个名字原本是他想给小女儿起的，最后没用上，就给了 AI。他把 Zoe 装在 Telegram 上，每天跟它语音聊天，让它帮忙拉 YouTube 数据、查银行账户、更新 Google 文档，甚至让它每天早上发一份新闻简报。
但他说自己用得最多的功能，其实是跟 Zoe 聊天，隔三差五让它翻翻记忆库，给自己一些深层的洞察。有一次他散步的时候，Zoe 突然说：你总是在聊事业和生意，但你的孩子一个 7 岁一个 4 岁，他们很快就长大了，多花点时间陪他们吧。
Peter 说这段话让他很意外，但确实戳中了要害。
Anish 追问了一个好问题：这种功能其实所有大模型都能做，OpenClaw 的区别在哪？Peter 想了想说，大概 70% 到 80% 的原因是它装在 Telegram 上，感觉更像在跟一个真人朋友发消息，而不是在用一个工具。他会在床上给它发消息，通勤路上跟它语音对话，这种随时随地的亲近感是 ChatGPT 或 Claude 的网页界面给不了的。
这其实揭示了一个容易被忽略的产品洞察：AI 的能力固然重要，但它以什么形态出现在你的生活里，可能同样重要甚至更重要。同一个模型，套上不同的壳，用户的感受和使用深度会完全不同。
3、工具类 App 会萎缩，娱乐类 App 反而安全
Peter 说了一个自己的切身感受：自从他把 Google Workspace、Mercury 这些工具的 API 接到 OpenClaw 上之后，他就很少再打开那些 App 了。需要查什么数据、改什么文档，直接给 Zoe 发条消息就行。
但他每天还是会刷 X（Twitter）。
这个对比很有意思。他的判断是：帮你完成任务的应用会最先被 Agent 架空，因为你打开它们只是为了干活，而 Agent 可以替你干。但帮你消磨时间、获取情绪价值的应用，反而能活得更久，因为你打开它们是为了“感受”某种东西。
Anish 在这个基础上延伸了一层：人们打开手机上的 App，本质上是为了获得某种感觉。WhatsApp 是为了感觉被连接，Slack 是为了感觉自己在干活，TikTok 是为了感觉被娱乐。当一个 Agent 把所有功能都整合到一个入口的时候，这些不同的情绪需求怎么区分？App 天然提供了一种意图的分隔，一个 Agent 反而做不到。
Peter 的解决办法是在 Telegram 里给 Zoe 开了好几个频道，一个用来随便聊，一个用来做项目，一个用来做公开演示。虽然有点土法炼钢的味道，但确实在尝试解决这个问题。
对于做产品的人来说，这里面有一个值得思考的方向：未来的产品可能会同时有两个界面，一个是给人看的消费界面，刷内容、获取情绪价值；另一个是给 Agent 用的 API 界面，处理事务性的操作。两者共存，服务同一个用户的不同需求。
4、编程工具正在从“制造工具”变成“思考工具”
聊到 Claude Code 和 Codex 的区别时，两个人贡献了一些很有趣的观察。
Peter 说 Claude Code 像老虎机，每次跑出来的结果都不一样，有种赌博的快感。Anish 接话说，这跟当年社交网络的核心机制一模一样：可变间隔奖励。你刷 Facebook 的时候，大部分内容无聊，偶尔蹦出一条特别精彩的，这种不确定性让你上瘾。编程 Agent 也有同样的特性，而且等待时间也是随机的，有时候一秒出结果，有时候要等五分钟，这更加强了那种赌场般的感觉。
但 Anish 提了一个更深层的观点：IDE（集成开发环境）过去是一个制造工具，你在里面写代码、编译、发布，核心动作是“做东西”。但现在，当执行成本趋近于零的时候，IDE 正在变成一个思考工具。
他自己的工作方式是：先用最粗糙的方式让 Agent 把一个功能跑通，不管代码多烂，先看到结果。然后让 Agent 写一份总结，列出如果重新来过会怎么做。接着回到起点，用这些经验重新构建。整个过程的核心价值不在于最终的代码，在于通过快速试错来帮助自己想清楚问题。
这个思路其实可以迁移到很多领域。写文章的时候，先让 AI 快速出一版草稿，目的不是用这个草稿，是通过看草稿来发现自己真正想表达什么。做产品方案的时候，先让 AI 搭一个原型，目的不是用这个原型，是通过看原型来发现哪些假设是错的。工具的价值正在从“帮你做”转向“帮你想”。
5、小团队会碾压大公司
Peter 和 Anish 都有在大公司工作的经历，两个人聊到这个话题的时候明显有共鸣。Peter 直接说：公司越大，工作体验越差。他记得以前要坐在会议室里开三个小时的 OKR 会议，全程觉得人生在被浪费。
他的判断是，这一代创业者已经意识到了这一点，会刻意让团队保持精简。以前一个产品团队需要十个人，以后两三个人配上一群 Agent 就够了。而且跟 Agent 协作比跟人协作简单太多，不用对齐目标，不用处理情绪，不用在五十封邮件的 thread 里来回扯皮。
Anish 补充了一个有意思的角度：Agent 可以帮你把工作中那些高情绪消耗的部分处理掉。比如两个团队之间的谈判，如果各自派 Agent 去沟通，得出一个客观结论，双方都不会觉得被冒犯。人类的精力就可以留给真正需要创造力和判断力的事情。
这让人想到一个更大的图景：过去几十年，公司变大是因为协调成本虽然高，但规模效应更高。现在 AI 把个体的生产力拉到了一个新的水平，协调成本的问题就变得越来越刺眼。当一个人能干过去十个人的活的时候，养十个人的理由就不那么充分了。
6、未来的公司可能很小，但人类的野心没有天花板
聊到 AI 会不会导致大规模失业，Anish 的态度很明确：不会。
他说 a16z 看了大量的 AI 公司，基本分两类。一类是能帮一个人或一个团队大幅提升效率，但没法 100% 替代整个岗位，比如 AI 可以做电话初筛，但没法带候选人参观办公室。另一类是能完全自动化某个工作流程，比如客服，用户打进来问问题，AI 直接解决。但第二类其实非常少见，绝大多数 AI 产品都停留在第一类。
所以他的判断是，效率提升会以另一种方式体现出来。可能是公司变得更高效，可能是大家都能享受四天工作制，但总的工作机会不会减少，因为人类的欲望和野心没有天花板。
Peter 提到一条很火的推文：就业市场烂到我只能去追梦了。听着像段子，但背后有一个真实的逻辑。大厂裁员潮把一批人推向了市场，这些人手里有技能、有经验，现在又有了 AI 这个超级杠杆，完全可以自己干点什么。以前一个人创业，光是搭基础设施就要花掉大量时间和钱。现在这些成本被 AI 压到了接近零，一个人真的可以撑起一家公司。
Peter 说他对自己孩子的规划就是：高中的时候就开始用 AI 搭建自己的小生意，跳过大学和打工的阶段，直接做 bootstrapped business。这话可能有点极端，但方向上确实代表了一种正在发生的趋势。
7、整个 Agent 生态还在早期，但旧的规则正在失效
对话快结束的时候，Anish 说了一段很有概括力的话：整个 Agent 的技术栈正在从零开始搭建。身份认证、支付、营销、CLI 和 MCP 的选择，这些都是全新的问题，过去的经验和套路很多都不适用了。
Peter 也承认，2025 年的时候他觉得 Agent 这个概念被过度炒作了，但到了现在，他真的觉得它在落地。Anish 说他也有同感，只是“Agent”这个词被用得太滥了，他更喜欢一个朴素的定义：一个能使用工具并且在循环中运行的模型。
听完这场对话，有一个感受很强烈：我们正处在一个旧规则大面积失效、新规则还没完全建立的窗口期。工具类 App 的护城河在松动，大公司的组织优势在被削弱，个体的生产力天花板在被打破。在这样的时期，最有价值的能力可能就是两件事：第一，能把问题想清楚、说清楚；第二，愿意动手去试，哪怕试出来的东西很粗糙。
毕竟，当执行成本趋近于零的时候，唯一稀缺的就是知道该执行什么。
#How I AI# #科技先锋官#
