别给人类写软件了！2026 Token 要涨价！ | 对话硅基流动杨攀

00:02AI是人类历史上最激动人心的技术革命，也是我们这一代人最大的挑战与机遇。我们这些从业者就是一群充满好奇的炼金术士，想通过不断的猜想、实验，搞出黄金或者放个烟花。不论结果如何，过程应该都会很好玩。我是任鑫，创业过两次。卖过两家公司。

00:212011年我创业，金叶酒店特价卖给了京东，在京东内部做了京东到家。2015年我再次创业，做了对话式人工智能公司Get。这一轮AI浪潮里，我加入了美元基金、云九资本，积极投资和孵化AI产品。

云九资本

00:38我是徐文浩，曾经做过国内最早的机器学习广告系统，每天处理百亿的广告流量，最终呢公司被收购。2016年呢，我创办过一个AI聊天机器人的公司BotHub。这轮的AI浪潮里啊，我再次创业，来做AI for Shopping，担任首席技术官。

00:56我和任鑫呢是大学同学，现在都在搞AI，都算是一线实战的AI炼金术士。在这档播客中啊，我们会定期交流彼此最新的实践和观点，也会邀请我们欣赏、有洞见的朋友们啊，一起来分享碰撞。希望通过这些深入的对话与交流，能帮助我们所有人点燃炼金的炉火。

01:18大家好，欢迎大家来到AI炼金术。那么今天邀请来的是杨攀同学。杨攀同学要不要自我介绍一下，就是硅基流动的那个联合创始人？

杨攀硅基流动

05:26好的。你刚刚讲到你们你加入那个极客邦的逻辑跟我加入VC的逻辑很像，就是这样子可以通盘的看一下牌。对。然后后来你又去自己又创业嘛，还硅基流动，然后你也其实这边也可以探牌的，你是可以你可以知道谁用token用的多呀。

05:42谁是你们大客户？

05:54近跟徐文浩聊的比较多，我们两个最近在莫名其妙的嗨，然后就在说，哇，又变革了，又变革了。然后好，好嗨哦，就第一次嗨是GPT，ChatGPT出来嘛，然后是GPT-4嘛，然后我是被O1震到过一次，然后下一次就是最近了，然后最近我们就就感觉很嗨，但是其实整个世界感觉好像也没有什么变化，就我们在自嗨。

06:17直到几天前，我看到Andrej Karpathy发了一个长的Twitter嘛，然后在说他在过去几周也是很嗨，然后就说过去几周带来了巨大的变化。然后就觉得，哎，大家都是也有人这么想，然后你就在下面留言，然后后来又说你有些暴论。

06:32我觉得，哎，对对对对对对对，来来来，证明一下我们的病情并不是独立的，就对吧？这是一个流行病，不是一个我们是特例，所以赶紧拉上来，你有什么暴论跟大家分享一下。

06:51年比二五年二十倍吧。因为再多应该也没有那么多inference的power。

06:57我基本上跟马斯差不多，我我是觉得下限是十倍，但上限应该是在五十倍左右吧。就我觉得应该到不了一百倍啊，因为我觉得没有那么多硬件。

07:07没有那么多算力啊。

07:10有那么多卡

07:52Mote Bot。

08:16呃，对。现在现在改叫Claude Agent SDK了吧。没

10:08嗯。那最近的体验也非常支持你的观点，就是我最近经常用到各个账号都没有credit了，然后还要我加钱，我也舍不得加钱，因为我觉得我已经买了那么多账号了。甚至夸张到那个Menas，Menas，哪怕是我们不说它的那种什么帮你做个大任务编程，哪怕是它的那个Deep Research，

10:29你去开max模式，它出来的报告的质量比Gemini和ChatGPT的质量都高。但是一个报告，我不知道它消耗了多少token，它直接扣掉了我，如果它它一个月给我四千token，四千的credit，它一个报告消耗了我两千五。

10:46就是一个月只能用一次，你知道吗？就你这二十美金只能用一次。

10:50你你你买的是啊二十美金的套餐。

10:52是那个Lenis，Lenis newsletter送的嘛，我就是上去试一下，结果发现一个任务一个任务直接跑掉十五美金，然后就觉得，哇，果然你质量好是有原因的。

11:30样问的话，那就是cloud消耗多，但是这个完全违背我的认识。不是啊，

11:35主要应该是banana跟vivo消耗多啊，我觉得很明显是banana跟vivo消耗多啊。

11:40他这样问着肯定不是了。

12:01有一个原因，因为我聊过几个这种项目，中间有一些跟我讲的那个他们的inference cost在video和图像方面，给我的数字是低于我的想象两个数量级的。就是他们用了各种奇怪的方法把banana和那个VLLU3的那个token费用是比正常价格低两个数量级的。

12:23他在他们那边确实有可能的。在我知道的那一家，就，就过于离谱。

12:28这个我知道最近很多人在做Sora2的逆向嘛，就是用Sora2是免费的，它拿是，但但是但是我理解就是我们如果official来说，你想你生成一个banana，如果用nano banana pro，差不多要0.14美金吧，如果我没记错的话。你cloud要用到0.14美金，你要消耗token数那还是相当多的，那是在million级别了，

12:52对吧？

12:57据。所以只能不是跟官价比，跟官方牌价比不可能的，一定是那个除以二，除以两个数量级之后的那个牌价才有可能。Listing price不可能的。

13:43K2.5吗？

13:48那个也很好啊，那个不是已经限量了吗？

14:40跟Sonnet比，不是跟opus比，对

16:17那从你的专业角度的话，其实算力因为呃那个推理的芯片的话，其实更容易造嘛对吧？你傻大黑粗的也能用的嘛，所以其实推理芯片从你们专业的角度，其实这边是有可能硬件不会成为一个瓶颈的吧。

16:55挺好的。去年我知道很多算力中心都闲在那里。

17:35它的产出其实，我我我那天拿到那个十五美金的那份报告还想了一下，说要不是我在其他几家都有那个都买了，然后它这个十五美金跟一个人比起来，我还是觉得说比比人力做出来还是便宜。那份报告质量确实蛮好的，十五美金。但是但你跟人类比的话，其实我接受上限真的可能那份报告。

17:56我的接受的上限应该是大概可能五十美金吧。所以在这种情况下，我对token的需求就是，就假如我没有其他的账号，大家都要十五美金，我肯定都会付的。我会跑大概三四次Deep Research那个那个Menas的。这个心理的这个这个预算太高了，所以导致说只要有，只要有好的，我一定把token耗完。

18:42你们都收了是吧？

18:43对，我是全程OPUS啊。

18:48我因为用的少，我也是全程OPUS，因为我用的不多。我的主页不是coding，我就是用来好玩。

18:54我其实是要求内部所有工程师把两百美金给用完，就是你最好去买一个OPUS，然后你得把两百美金花完，不花完之前不准招人。

19:42我是自己写了个agent，每天去看所有员工合到github里的所有的diff，就所有merge的，然后对每一个merge去评估它的工作量、复杂度跟business impact，然后看每个人的产出。

20:02在这个还在调啊，就他会能发现很多我没有发现的insight，说实话。就是你可能对原来对主观对人有评估嘛，但是你在这个当中又会看到一些纯数据得到的判断，有些是非常一致，但有些是会你没有看到的东西，对。

20:47这个其实是那个整个的主agent我用的是Opass，但是评估代码我用的是Haiku，就是是便宜的模型，因为那个的确token量比较大。

20:58好的。所以你刚刚讲到我们聊到第一个暴论，反正就是今年的那个token消耗量要涨一百倍。然后这样子主要就是因为大量的这种这种密集型的任务，尤其是coding，我也是coding瞬间就就限我的流了。然后还有什么其他的暴论吗？

21:28对。尤其是最近几天用那个你刚刚说它叫什么Open Cloud啥啥的之后，就真真没必要给人类用，人类以后也不用了。

22:48类似于browse use这种东西吗？

24:09就比如说我早几天让用Claude Code剪辑了一个视频，他剪辑的还是没有人类好，但是你是明显的感觉到第一。它可以剪，它它自己在我机器上下载了一个那个叫什么tag的一个程序，它是可以直接操作那个程序去读的。然后它又为了理解我的意思的话，它自己它自己装了个whisper，然后把把脚本弄出来，然后根据脚本又再剪。

24:33然后剪完之后还在上面配图啊、配字啊、乱七八糟，反正都能做。所以它其实是拿到了很多的能力，它它拿不到的能力，它自己去下载软件，把它反正把它配齐了，然后再把这些能力组装起来。它剪出来的东西的话，大概也就是人类如果是八十分的话，它现在剪出来大概四五十分吧。

24:50然后但是所有能力都具备了。然后我觉得它是没有太好的经验。然后早早两天我看到宝玉发了一个skill，然后就是剪辑的。我就打算明后天我就试一下，看你剪出来是不是就到六十分了。但是这两块其实都是可以成长的，经验就是人类沉淀下来的这些经验嘛，对吧？

25:08那那你就继续发展嘛，哪个好我再改嘛。然后那个能力的话就是像你讲的，其实有可能他现在比如说，比如说其实是他下载那个软件还不够好，对吧？其实我们可以给他提供更好的工具，让他方便用。就不需要图形交互界面，你就把各种原子能力告诉他就好了。

25:24那这样他就方便了嘛。

26:08他自己给自己下载的。这个，

26:12但是但是是不是所有的软件最后还是需要有个UI UI让人来做最后的confirmation跟verification，就我们不讲那些中间状态啊，就是我称之为说你还是要给AI找一个背锅侠嘛，对吧。就跟你今天用AI coding，最后要有个人确定，啊我点一下这个发布，因为我我验收过了，这个可以发布对吧。

26:33你真的会验收吗？

26:43呃，没有，我举个例子，比如说我我我们的研发流程里啊，就就是我现在比如说我还是会Claude Code的，然后它还是会去变成一个完整的pull request。我还是会去GitHub的网页上把那个code扫一遍的。

26:57就是，当然这个这个扫一遍之前，我也会它会触发一个自动的Claude Code的code review，虽然是它自己写的，但是另外一个独立的agent会读一遍，然后给你一堆comments，对吧？但是最终他有需要有一个人方便人去阅读对比的界面，他可能是左右diff的形式或者什么样diff形式，

27:16就这个UI我觉得你很难回避掉。觉

27:38对，我称之为验收吧，或者verification吧。

27:48MCP UI嘛。啊，

28:22因为有的时候我跟徐文浩也经常聊这个话题，就是长期来看我们都死了嘛，对吧？所以长期来看，就是到底这个长期有多长期，就是这个就有点像，比如说两年前我我跟同事就在讨论说，Dify这种拖拖拉拉的东西是不是是不是是不是不需要这个东西，应该直接出。

28:41但是他们最近两年，对对啊，这一类的我都发展的还不错。然后虽然现在大家还是觉得说不应该拖拖拉拉的，应该直接出，但我们最近也接触了一些呃那个大的企业，你会发现说你哪你跟他说cloud code这种形式，他们是很慌的。他就想看到那个图，他就想一定要看到那个流程图，他不看不行。

29:05然后你一听到是代码的话，他就会觉得说你代码不可解释，以及以及我不会写程序，我不懂技术，你不要给我这个东西。然后就就这个这个过程会不会比想象中其实要，因为我们有的时候走的比较激进嘛，会不会其实我们觉得2026年就应该这样了，但是实际上可能要等到2036年。

31:24毕昇做了这个叫灵思，就是你你跟他说着说着，他就帮你把这个拖出来了。

毕昇灵灵思

31:37我我就是看的时候觉得这个是显然应该是这样的，但是其实，嗯，你会发现第一个大家好像走的没那么快。对。然后第二个就是用户侧接受起来的话，确实也没那么快。就是尤其是我说的enterprise，不是那个小老板，小老板。我还见过一些还是挺挺挺积极的，但是enterprise真的是比你想象当中要慢好多。

32:00他就要那张表，不要说话。而且他也不愿意自己碰。

33:26这是一个巨大的

34:07来的啊。那他们好意思管自己叫一家AI公司啊。也

34:23对。因为因为在现有的就是工呃组织的结构和工作安排里面，其实确实是不应该告诉老板，因为现在大家是打一份工拿一份工钱嘛。那我如果提效的话，要不然就是呃我没有这份工打了，要不然就是老板会给我更多的工嘛，反正我提效是没有意义的。

34:41就有点像奴隶制里面，奴隶是没有去提高生产效率的积极性的，因为他是依附关系嘛，多的也不是给我嘛。叫租子的那种农民才有提高生产效率的积极性的，奴隶是没有的。那其实工资制的话，很多时候跟奴隶是有点像的。

35:03说明他们一号位也没有做成这样呀。

35:24哎，你刚刚讲到那个over the top的话，因为我也在帮几家公司，传统企业在做一些AI的transformation嘛。其实就是over the top，或者说我们更极端，我们我们在找新的事做。那个新的事要不然是帮你扩新市场，要不然是帮你新讲一个资本故事。

35:39就尽可能的不要用到你原来那坨东西。我们只想用什么呢，就是用你的客户关系。这个东西是值钱而且可复用的。但是你所有原来的你的流程，你的生产方式，你的系统其实都是负债。对于我们来讲的话，我碰都不想碰，我投都不想投。

35:56我只想说你的客户关系这个销售渠道挺好的。这些客户在你手上，这个是我要的。其他的我都不想要。

36:54以前老的那些数据的话，很多的传统企业以为自己有，你仔细去看发现没有。第二个就是，就算你有的话呢，其实市场上大语言模型偷别人家的数据已经偷的七七八八了，其实你这一点有一点没一点，其实没什么没有任何意义。也就这样吧。不用管他。

37:11是

37:39做那个销售监控的吧。

39:35这个方向的话，我有两个两个真实的实验。一个是我辅导的一个那个连锁企业，他们每天的话，他们有很多的线下零售店，每天要开周会，每天要开例会。就相当于下班前有一个站会，每天要讲讲说自己遇到了什么问题，然后有什么经验，就是这种常规的嘛。

39:56然后我让他们把这个全录下来。然后录下来之后可以做一件事情，每天的话你然后让每一家最后比如说会说问题和经验的时候，让系统去自动跑一下，哪家的问题在别家已经得到了解决。比如说他们要新推一个那个翻译耳机，有一家卖得特别好，他们分享的经验，这边不知道怎么卖，就把另外一家店的经验就直接推过去。

40:17所以这就是一个非常朴实的一个应用场景。当然一层是抽象嘛，抽象的话，那个你刚讲的后面那一层技术上的话，有一家公司还融了蛮多钱的，好像叫Recall.ai，它做了一层抽象层，就是谁要做都可以基于它这一层来做，有这么一家公司。

40:33然后具象的话，我们前一段时间在内部做了一个东西。就是你有很多的会议都是关于一个项目的嘛，然后你项目最后要写一个investment memo嘛。我们就内部做了一个小东西，然后就会把你这些你每次有一个，比如说我做一个管访，然后做完之后的话，

40:50那么跟这个访人访谈的那个记录的话，就会自动地往那个investment memo里面填。然后它甚至于哪个人跟哪个人之间他讲的话是有矛盾的，哪哪边的话其实就有点像我们，比如说比如说叫商业模式分析好了，可能你自己做的报告里面有三份报告，然后比如说可能九千帮你出了一份商业DD，然后还有你做的管访，

41:11它每一个都会有很多的要点嘛，你自己脑子记不太住。它就会你每次做完一个新的文档之后，它就会往这边丢，会有自己的一个最后的它的结论以及它的引述。你最后就看哪些是你认可的，哪些是你不认可的嘛，就把人力的那个脑容量那个带宽都彻底解放掉了。

41:28也有这么一个，当然这个没有大规模用，这个就是内部demo了一下，然后觉得说，诶，这个好像完全可行的，是可以顺手做一个。对。但是没想好可以干嘛，所以就没有没有推。很多这种场景可以做。

42:11还有一种OTT的逻辑，就是干脆放弃掉原来那种清洗的逻辑。因为之前说信息化数字化做得不好，是说你没有归类嘛，所以以前就大家卖什么CBP啊，你要把客户的资料都归到这里，然后你要按照这个来归那个打打标签。其实最后会发现根本打不完，就就等于就反正你你就不停地在做基建，反反复复做基建。

42:34那现在的话还有一个逻辑，就是干脆就是你尽可能地把客户数据，比如说你要做这个，你把客户数据都收了，按照一个命名规则，大家都存成文件号，然后最后大语言模型统一去读全文。

43:23对。Windows之前推过这个嘛，Recall，结果最后因为隐私问题被停掉了。就应该应该像你这样子，这样不需要我，我应该知道更抽象的那一层，我的intention就可以了，我不需要知道这个folder，这个目录这一层是没必要的。

43:37本来也是，你要去找一张照片或者找一张图片的时候，呃。一般来说是说啊，比如说我想找一下这个我玩那年生日时候拍的，说我们去哪儿玩的时候拍的。其实你不太会去说啊，我是在哪个目录里的，对不对？

43:54这其实也是因为过去的那个机器的能力不够，所以相当于把这部分的认知劳动的这个编排的事情交给了人的脑子。所以的话，希望希望你有组织。你你想一想，比如说我们现在要在那个Skil文件夹里放东西，你要去改那个什么CLAUDE.md文件或者agent.md文件，

44:13其实部分也是也是它把它应该做的事情放给我们脑子，让我们来编排。其实还是因为它能力不够。

44:20不是，因为今天你去改的时候已经不会手改了，一般你就开着那个Claude Code说，你帮我改一下，或者你你这个那些东西你要记得啊，它就自己会去改了，对吧？它也是个bootstrap的一个过程嘛。就就我觉得这是很很一个很典型的例子啊，就是以前我大家应该都用过各种笔记工具是吧，从Evernote开始一代一代的什么，

44:41后来有什么Obsidian。这个这些工具最大的挑战是你用着用着你其实用不下去，因为维护成本实在太高了。就是你每来一个文档或者每件，你要我要把它存下来吗？我应该把它存在哪儿？我要给它加点什么标签？

44:57然后最后你会发现这个东西就是算了，就不用了，对吧？但是今天这个事情其实是没关系，反正你往下还一扔，然后你说啊，这个东西我可能未来要看，说它到底是什么topic，什么主题，应该放哪儿，你不需要关心嘛，对吧？

45:13所以在这种情况下，越是原子化的能力越受受益。

45:23所以现在反倒是越是原子化的，像Flomo之类的，反倒最能够跟AI匹配。你原本做得太复杂，什么一堆标签系统，还分类，还目录啥的，然后双链，其实都是没必要的东西。反倒像Flomo这种，就让你一张张记，然后它自己在后面给你搞一堆那个AI搞来搞去的，反倒这种浮沫笔记它反倒受益，

45:43我觉得。它没有任何包袱。

45:49意图嘛，现在只要给意图就行了嘛。但你按照这样讲，其实最后就没什么好做的。

46:26我觉得这边就是两类任务嘛，一类客观任务的话就是AI应该自己去想好那个验证嘛，它就应该自己闭环嘛。还有一类主偏主观的，比如说我到底要怎么样的话，应该是我在这个过程当中它慢慢地习得我的一个画像，然后它做出来的成果会跟会跟那个虚拟的我对齐，就相当于有另外一个我说满意还是不满意，你要不要再调一调，

46:50就不需要我自己来发起了。我最近正在尝试，我做了一个daily planner，就是让Claude Code去看我的日程和我的日历和我的日记，来给我安排我的一天的工作，然后以及它对于每个工作，它会去想这个工作对于我来讲意义是什么，目标是什么，

47:06应该怎么干。以及他应该怎么帮我干完，然后他自动去试一下他能不能帮我干完。不要我发起了，你自己先去试一下。对。现在还没有成功，但是我打算这么干。

47:20家里有一台闲置的那个电脑，打算周一带带到公司去，因为我我看到Mango配置它配了半天，我决定直接周一早上交给他说来帮我改成改成可以远程操作的，我就这台电脑就给agent用了，我就不用

47:54我准备重新注册很多邮箱和别的账号，把哪些是由我人得控制的东西和哪些由AI控制的东西得分开一下。就是就是你想给他尽量大的权限，但是呢你你想了一下，有些权限放给他的确也有点恐怖。

49:01我我还听过一个方案，就是跟NAS的朋友聊出来的，就是不是让他干活，而是在你干活的时候，你自己在用的时候，嗯。他读你的屏幕镜像，你另外开一台机器，然后再用家里的NAS，然后来读，因为家里的NAS你比较放心嘛，对吧。然后他把你的镜像全部拿回去，然后把声音画面什么乱七八糟的全部读掉了。

49:24所以所以就是他用的时候为他，你不用的时候他才他帮你干点啥，就是解决你那个问题。但是你自己用的时候，他把所有的镜像全部拿到。那你比如说你存了一张美女图片，存到了莫名其妙的一个文件夹，呃。他下次也想得起来。

49:50带GPU的NAS。

49:59我们都活在未来嘛，先玩一玩，玩一玩，玩一玩，搞一搞。

51:47文浩同学在2024年一直在说这个。终于现在可以成真了。

52:34我我其实觉得说AI coding这这个词可能就是会把很多人挡在外面。其实我已经完全看不懂代码了。我现在最近也在coding，对。所以就是这件事情跟带不带码，比如说大家刚刚听你说写了三十年代码，对吧？这样子就会觉得你可以搞，我肯定搞不成，但是其实不是这样的。

52:52现在现在小朋友都可以搞。所以的话，只是搞得好不好，比如说你可能可以建一个大系统，小朋友都可以做个小游戏，对吧？可以可以做考试作弊，不同规模，但是现在都可以做了。甚至我觉得它对于普通人的那个直接的那个提那个你的效能的提升很有可能会比一些，很有可能也非常巨大。

53:13就相当于你你是从无到有嘛，对吧？你会变了几个小戏法了，和你完全不会变，和你从牛逼魔术师变成超牛逼魔术师，这这其实这这一步其实影响蛮大的。所以它不叫web coding吧，它叫web working。你一切的事情都可以做，只是以前的话呢，那个我们大量的知识工作者的劳动都是发生在电脑屏幕电脑里面嘛，

53:37都在屏幕上面嘛。那其实都是知识处理。那知识处理型的工作的话，理论上来讲，你在电脑上做的一切事情的话，理论上来讲就是代码都能做对吧？要不然就是它直接操作你电脑做，要不然它可以通过代码做。所以逻辑上来讲，一切的信息处理类型的工作现在看的话，至少在这个路上了。

53:55我现在觉得说至少七七八八都能做了。然后按照那个OpenAI他们不是做了一个GDPV，他们是把二百三十个工种的二百二十个工作任务，就高价值工作任务拆了一下，然后现在看起来是GPT-5.2 Thinking已经在大部分的工作上超过了同等的大概是十四年工作经验并且表现优异的人类专家嘛。

54:20就反正我觉得大部分活儿应该是可以交给他去干了。而且他可以连续的干。对。

55:31那其实我们可以干点啥呢？就你往远了讲，其实从本质上来讲的话，其实也就是一路上帮忙添砖加瓦一下，帮他堆砌一下，帮他找点数据。好像长久来看，比如说三五年后，我们啥也不用干了呀。

55:47哎。我我觉得其实是这样啊，就是其实就像那个杨辉老师讲，他其实解决的还是数字世界的问题，以及我觉得今天AI解决的第二个问题，我觉得叫做还是一个叫受控环境，叫做一个well defined的一个问题。我觉得其实有两类问题接下来其实是解决不了的嘛，不能完全解决的。

56:08第一个是，当然我相信数字世界会扩展啊，第一个是非数字世界的问题。就像马斯你说你你你今天很很很多你是去找有销售资源或者有物理世界资源的团队，也许比一个啊我原来写code的能力特别强的团队其实更值得投资。第二个我是觉得说今天有很多事你还不会交给AI是因为它是一个在现实世界中博弈的过程，

56:33因为AI大家都有，就是至少对我们来讲就是可能Anthropic有的东西我们没有，他们内部可能有内部特殊模型，对吧？但是今天我们其他在市场上竞争的公司，其实我们拥有的模型能力其实是一样的。但是你今天在市场上竞争，其实well defined的问题，原来是可也许是可以拉开差距，我能做出这个产品，

56:56我做的快一点，你做不出来。接下来这个差距其实可以被压缩的很小，或者对于有意识的团队来讲可以压缩的很小。但是在现实世界中去参与博弈获得反馈的周期可能很长，你没有办法交给一个AI去做。比较典型的比方说，啊，我们今天如果做一个软件公司，你很痛苦，因为别人做了一个产品，你可能抄他只要几天到一周，

57:21因为AI能帮你把它抄完了。但我们举个例子说，今天我想做一个硬件产品，那你从定义产品到它到市场上销售，它可到最后拿到反馈结果，它可能需要六个月。那这个其实你既，而且它又是个博弈过程，就是，呃，世界在动态发生变化，产品，别人也在做产品，最后你这个东西能不能卖爆，

57:43其实非常不确定的。那围绕他做的所有的博弈跟决策，你最多只能让AI来辅助，你。最终还是要人来做决策的，因为你即使因为过六个月你再把反馈灌给AI，其实意义已经很小了。

57:58所以赌博型的事情还是得人类来干。

58:09如果你定义的问题不能非常短的时间得到反馈，那你去定义这个问题的挑战会或者重要性会无限的放大，因为解决问题其实AI已经能做了。

58:21你再再往两个角度想一想的话，一个就是，就如果浅一点的想的话，其实就是说那供给多了的话，谁掌握需求是低嘛，那其实应该做网红嘛，对吧？你要做渠道嘛，然后这是第一层嘛，但再往下走的话，其实就是当人力跟人脱离关系，像马力跟马脱离关系一样之后的话，

58:43资本和强权的力量就会，人力相对贬值之后，那资本和强权的力量就会相对升值嘛。那这个时候的话，其实你是资方的话，你就会越爽，因为钱是可以生钱的，因为钱可以买agent。人力是会贬值的，因为agent在贬值。那这个时候的话，其实就就很诡异，人没有办法去赚到钱的话，那只能靠分配的话，那那资本主义那一套好像也不是很work。

59:12那最后就看谁有强权。

59:26太可怕了。

1:00:19不知道呀，对。就从能力上来讲，我觉得其实有可能那个冲击会蛮快的，就是因为有可能像水淹淹淹淹到你鼻子啊，一下子呛死。但是它开始的时候就没有那么没有那么显著嘛。所以现在确实像你讲的，可能只有一百万人有有感觉，甚至于Andrej Karpathy也会写嘛，连程序员可能也刚刚有double digit，

1:00:43有两位数的程序员已经感受到了。但是大部分人还是没有感受到，就是我们在这边讲的话，有可能还是会有很多人觉得说你们就是在胡说八道，是吧？

1:00:54我觉得它会比移动互联网这想象中快啊，就是，当然我这个论据其实我觉得原因是因为现在经济不好，裁员裁太多了，就有很多溢出的供给，他最终就会去干这个事儿。就是你如果今天还是那个移动互联网那个繁花似锦的时候，就是大家就会浪费嘛，我就会雇很多人来，我会做很多没用的事儿。

1:01:16今天我观察到啊，就是说其实有很多溢出啊，就是不管是中国还是美国，我觉得其实工作机会，就是特别在数字机会世界的工作机会其实并没有那么多。有更多的原来在数字世界工作的人因为这个东西被挤出了，被挤出了他就得找点事儿干，对不对？但它自然而然其实会加速这个过程。

1:01:37我的感觉是，就是我觉得很典型是说，其实你会今天看到在做什么电商直播、什么出海的这些偏纯数字世界可以解决的小的SaaS公司、个人或者解决方案的提供方，其实是在海量的增长。因为稍微聪明一点的程序员，你其实很快能够发现模型有这个能力，他自己会去把这个现实世界跟数字世界他会想办法去填掉。

1:02:07所以我觉得会比想象中快，但是他始终受限于卡物理世界的限制，他不可能在一个月两个月发生。但是我感觉就是是，它可能就是在18个月或者36个月，很快会渗透结束的。它不会是一个非常漫长的过程，像什么工业革命啊，什么PC时代革命啊，它需要呃十年。

1:02:28我觉得可可能就是三年，可能就结束了。我我一个比较焦虑的人的一个感觉哈。

1:02:35至于

1:02:36吗？

1:02:42你看，今天这个应该还没有，今天下午一直在外面。你

1:02:51对，我我觉得其他行业我感受还不明显，就在电商运营这个领域，因为我们自己也做海外的业务啊，周围有很多做这个出海电商，我就觉得特别明显。就是

1:03:58其实没有那么美好，我称之为这这个叫自带干粮的FDE嘛，对吧？硅谷的这些大模型公司都叫，对吧？叫什么Front-end Deployment Engineer，对吧？其实今天是说啊，海外的模型，有很多一方面海外的模型进不了国内，对吧？

1:04:13一方面各种各样的模型，这个这个这个大家还现在还不会用，但其实我觉得有一些，就周围其实有一些朋友，他可能就是因为原来你要去成立一个公司做一个产品的成本还是挺高的。但是今天可能可能你要干一个对业务有用的事的成本，其实真的就是一个人，然后用Claude Code写点东西，

1:04:33这事就干完了。

1:05:01现在觉得说OPC说一个人开一个人的独立团队的话，独立公司，我现在感觉他其实是有很大的红利的。因为现在看到这些模型越来越强，工具越来越强，我现在其实是觉得它对于我个人的增强是很大的，但是它对于组织的增强真的是没有那么大的。就是现在就是一群人走得慢，一个人走得又快又远。

1:05:43因为我本来就想用OPC写日记啥的嘛，所以我在尝试说是不是这样干脆全部共享给AI，这样子的话它就真的跟我在一个域里了，因为现在你还得跟它说。然后我就想正在做这个。但是整体上来讲，我我是蛮相信所谓OPC。这这当然长久来讲我觉得大家都没活干啊，但是短期我觉得这边确实是蛮有蛮有机会的。

1:06:05就是一方面是个人的能力被增强了，另外一方面确实是因为AI在个人能力上这方面给的是给的比较多的。它对于中间层的公司，我觉得大部分都是竞争关系。就是不管你是干嘛的，它对于组织好像都是竞争关系。他在跟全世界所有所有的人竞争。就比如说我们说剪映好了，你说我们刚刚说那个，哎，AI可以自动帮你剪，是吧？

1:06:29那不是在抢剪映生意嘛，对吧？所以我觉得中间层其实每个人都会面对巨头的竞争，但是你反倒你是一条小鱼反倒无所谓，因为反正够你吃的。确实像你刚刚讲传统企业转型这边其实有一个可能还会持续蛮多年的一个市场，但是这个真的就一两个人就够了，

1:06:47就可以帮他转型。只是说过去这个转型的话，那第一个能力不够，第二个的话现在你可能吃不到太大的那个回报，因为大家对于服务总是回报不够嘛，比如说请你讲天课最多给你十万二十万嘛。但是现在存在一个机会是，我原本以为要像美国那样走AI roll up那条路，就是要资本并购。

1:07:08但是现在已经有越来越多的公司找我的话，甚至于完全不需要钱，因为他们都很着急。但是你你必须得真的改成吧。但是我们现在看有些公司改起来也没有那么容易，技术上和产品上的难度没有那么高。它当然会有组织问题，但是你如果把它重新，我们来打一个新的事，把原来的我只用你原来的那个业务，

1:07:29客户资源复用的话，我把你给弄出来。这件事情现在看，真的也没有那么难。对。当然比想象中难，但是有可能就是它的收益，你如果换的是资本收益的话，还是会可以的。所以我觉得OPC一个人一人公司，然后又做叫做传统转型这个市场，然后你如果享受到的又是它转型的资产的收益，

1:07:52但是你不要只收那个钱啊，你收那个钱，对，就有点亏。对。因为还是会比想象中难，讲道理很容易，但是实际上还是会有很多困难，你还是要泡在里面，可能要搞个三个月六个月，对吧？但是之前你也不是敢想三个月六个月。

1:08:05你可以改一家公司也不敢想的呀，现在你会觉得好像是可以的，因为大量的你在给他布Agent嘛。最后，最后的活也不是你干。AI

1:08:15所以做新的呀，都是让他们放十个人放在外面做新的。

1:08:19因为为什么我觉得还是难的，我觉得我们骂斯诺克，我自己创业，你自己做公司，对不对？你改自己都挺难的。你别说改别人公司了。那新的也没有那么容易。我觉得两个，一个是一个是一个人能用的token是有限的。

1:08:32比如说我跟大家说要用满两百美金，我反正努力了三周，我现在两百美金我是用不满的。就我除非去干那种说，就像你说的，我把所有人的代码去评估一下，但是我如果真的要做具体的产出，对吧？我想把两百美金用用满是有难度的。

1:09:02我同意，就是我我解释一下，我觉得为什么难的，就就因为我觉得第一个要做两步，第一个是我要把token用满，其实要做一系列的基建，就是比如说你从研发角度你要做一系列基建，比如说我任何一个代码我觉得我们已经算基建相对在互联网公司中或者科技公司中相对好的，但是肯定离理想有距离啊，就比方说你要有比较好的大模型参数覆盖。

1:09:25呃，有比较好的自动化测试覆盖，那今天我其实在用AI用补这个东西。那补的越多，呃，那它后续它耗的token也会越多，你也会越快。现在的瓶颈我觉得是卡在，比方说，你今天还是有一个跟AI之间验收跟信任的过程。就今天的所有代码，我还是没法做到即使AI review过了，我人一定要看一遍。

1:09:46那我一天能看的代码就那么多，那意味着我能消耗的token就这么多。假设我们从从研发交付，我能提的需求就这么多，意味着我能消耗的token就那么多。这个时候，呃，你当然能够通过更好的基建更好地、逐步地适应AI的能力边界，能够去加速它。

1:10:07但是它还是一个逐步逼近的过程，它不是一个你今天想改就改完的过程。第二个我觉得挑战是说，一个人去消耗的token，它始终是有限的。我就像我说的，你最终你所有的工作，你在一个商业世界去交付，你总有一个验收过程，对吧？你总有个定义过程和一个验收过程，你也不可能，呃，我只布置任务，任何工作，我任何工作我都同意，

1:10:31对吧？但它一定会炸的嘛，它总有失败的时候，对吧？

1:10:34对，我我我觉得你你刚刚还是在想象是，比如说你在做你现在这个公司这个业务，那你讲的是合理的。然后但是实际上，第一个我觉得发起任务不一定要人类发起，它应该理解了你之后它去发起，然后甚至于它应该发起，这是第一个。所以发起任务。

1:10:52第二个检查的话呢，其实如果你想象，如果你是在做一个，比如说你们公司分成两部分，一部分是这个业务，另外一部分叫做用了另外一个公司的名字，做围绕着你们公司的周边创新，那这个时候你可能对于那个质量要求就放低了很多。然后那个时候甚至于验收，有可能你就是直接让他们到市场上测，有问题再说。

1:11:12你验收质量可以要求放低，但是你总会验收的吧。任鑫的意思是说，哎呀，你给我去赚钱吧，他爱干什么干什么。

1:11:20对。有点有点像这个意思。对对对。你你应该理解我的情况，你自己去发起任务，然后你自己去试试。

1:12:10但是我觉得你实际要去改的那些公司或者业务就没有那么理想化，就是说没有那么那么极端化。我的假设啊，就它肯定还是有个主营业务的嘛。

1:12:20没有，他们的话基本上我们挑的都只需要改一个点。你你不可能去改得动你的主营业务，主营业务改不动一点。但是你只需要，我们挑的都是只要改一个点。

1:13:43你说你居然让我感到guilty，你你你应该对此负责，你要想想出来哦。

1:13:48没有没有，我我现在最多是，就晚上我想，我会布置一些，我觉得，嗯，虽然它不一定能成功，但是反正闲着也是闲着，你就先给我干了试试看吧。

1:14:15我有的时候是，我没有像你们编程那么多，但是我要经常讲大道理嘛，我就会开好几个那个那个，开一堆的那个Deep Research，让它让它去跑。然后三个模型嘛，我在办公室是有那个电子墨水屏的，我在家里是没有的。然后第二天早上再去用电子墨水屏把一堆的报告看一遍。

1:14:35也是要把它给充分地压榨好。黑心资本家已经发了工资了，就不肯让人家休息一下。

1:14:52对。但是我觉得最近要调整一下，因为越睡越晚，越睡越晚，最后觉得可能影响健康了。

1:14:58我要去稍微补一下那个那个coding的一些东西了。对。因为我感觉我现在还是只能做玩具，但你们的话就可以在上面真的是开始搭一些有意义的东西了。我现在搭的都基本上还是小工具，就没有那么好玩儿。

1:15:55我觉得现在其实是给每个人都提出了更高的要求，我们都创过业嘛，对吧？都做过，对。就创业的话，其实你最重要的事情其实还是去PMF，你得搞定一个市场真实的需求。那现在其实对每个人的要求也从原来的牛马打工人，就是我领了一份活儿，交一份活儿，拿一份工钱，变成了其实你要去定义什么是真实的价值，

1:16:19或者我们把它特别物质化一点，就是你要定义哪里可以赚钱，然后再去把这个活儿给交付了，然后你再提效。但是现在我们大部分做的东西其实还是给这件事儿提效，但是提效了之后，它不一定是对的事儿，以及这个对的事儿不一定能赚到钱，这几几环都是它的。

1:16:38假设我们以赚钱为目的来衡量有没有创造价值。所以可能可能会会缺这个。

1:16:44我觉得我们在做的事情是提效，并且把这个提效尽量分发给世界上的每个人。就是我觉得今天其实所有人拿了这个Agent的能力去做这个产品，再卖给其他人，其实也只是在分发这个Agent。因为毕竟那个模型不是我们做的，对不对？就是我们想办法把这个大脑就告诉，就是你其实在销售的过程中，某种程度上你觉得在销售自己的产品，

1:17:07其实你只是在作为一个渠道销售那个非常好的那个AI嘛。因为把其他的东西接入进来，它本身是一个相对简单的事情。而且你今天也是在利用AI的能力去写code，把那些物理世界或者其他的数字世界的数据或者这个能力接入进来。但是实际上所有的提效本身是为了进一步加速这个分发，是为了说为了提效。

1:17:34所以我做我的这个Agent的产品，我做得更快了。然后我这个Agent的产品更快了，然后我再把它分发给更多的人。所以它也变得更快了。这个是为什么会有，就回到开头，会有一个二次指数的这个提升的过程嘛。但是今天我觉得所有做的这个事情，我可能因为创业压力大一点儿，就内部其实大部分在做的都是，我甚至认为都是提效。

1:17:55因为我觉得所有业务做的事儿可能有个产品经理去定义，但是我只要把提效这个事情做好了，它的所有想做的事儿我要去交付都会变得更快，甚至我去做增长它也会变得更快。只要我把这个这个各种能大脑去接入这个东西做得更快更好，以及在内部做得更快的传

1:18:12播。就是有两种提提效嘛。你刚刚这个概念里面，一个其实是你提高了自己的，比如说我做做盒子的效率啊，我可以做做文章的效率。还有一个提效是我，比如说我把它封装成了一个LlaVA，提高了我的用户，他有一个痛点，提高了他的效率。我觉得第一种的话就会，比如说我我还提效，我做了我的，比如说做个小视频，或者刚刚杨攀说他可能会做很多东西，

1:18:38他会觉得有可能是垃圾时间。可能是因为第二种提效，你是在跟真实世界有一个反馈，它是别人的反馈，是市场上有人给你钱了，或者说他至少用得很开心，什么你又DAU涨了。那你这个闭环就完成了。但是如果只是在自己这边，比如说强身健体，你练出了肌肉，对吧？

1:18:56那个板块好像不太够。

1:18:58我我我觉得那个其实前面那个过程就是为了更快地能做出一个，呃，whatever，就是LlaVA或者一个你的领域的LlaVA嘛。就前者你为了更快，是因为你觉得要做到后者，其实前者会成为你的你的竞争优势啊。我觉得就是今天你还在手写代码的人，跟你在用Copilot的人，跟你用Claude Code但是一步步要确认的人，

1:19:21跟你已经把所有的基建都搭好了，你只要在这个零一年里说啊我要做这个需求，他咔咔咔就开始把一直到集成测试全都做完，那一定是最后的那个人，至少在，呃，得到一个需求去验证的速度会更

1:19:35快嘛。你这个是已经把它很工业化了，你是把它真的在做正事。我觉得杨攀刚刚讲的，很多人也就是在那边先搞一搞这个，搞搞那个，开心一下。

1:19:45就是我觉得另外一种事儿，其实本身我觉得也很重要。就是这个就回到刚才那个杨攀老师说说这个软件会消亡，但是我觉得有一类软件会大爆发，这个是我称之为叫做游戏。就是这这个广义上的游戏啊，就是我们做出来很多东西，那不就是为了玩儿嘛，玩儿这个东西，可以玩儿的这个东西。

1:20:05它还是会会因为它制造的成本、生产的成本降低，它会迎来一个大爆发。

1:20:11对。因为你说什么叫玩具，有些人会改车，这其实对于他来讲就是玩具。然后像你们，对，我们现在我也不知道怎么叫那个东西了，叫比如说OpenClaw，对吧？然后我这两天就一直看到，就就从它一出来，然后就看到我那个那个我的合伙人那个Mango，他就在那边捣鼓那些，

1:20:29就无数的错误嘛，对吧？安装的时候在早期出来的时候，然后就让他捣鼓，然后时不时发出一声惊叹，说啊，我连通了飞书啥啥的。然后你你就感觉他在那边跟一个什么，一个小朋友在那边玩四驱车，其实是类似的一个，其实也不是啥，是一个大玩具，哇。

1:20:45开心，

1:21:16我我觉得就这个生产游戏跟工业化的游戏，就跟精美拍摄的YouTube长视频、跟纪录片、跟抖音短视频是类似的。当你制造的成本极低的时候，一个有意思的小游戏或者小玩具吧，因为我觉得这个游戏是个相对比较广义的定义了，完全是，就就是比如比如我们今天说一个漫剧或者一个互动的小说，我觉得其实它都，我我都称之为是，

1:21:44呃，游戏啊或者玩具，它是个娱乐类的产品，是因为原来做游戏它的门槛其实很高。成本投入很大，然后分发成本也很高，对吧？就是，所以是那个样子的。这就跟原来你要拍个电影的投入很大。那你今天去拍个短视频的成本就很低。

1:22:02其实大家也挺喜欢看短视频的，有时候你会刷到一些这种小游戏，对吧？就是个三消类的，就就跟俄罗斯方块似的，它可能制造成本很低，但是它会帮你去消，获得多巴胺，也会消耗掉时间，也会有你周围的人喜欢来玩一下这个东西。所以我所以我觉得这个当中是，我是觉得这个事情是会发生的。

1:22:26但是我觉得它是个阶段嘛，就像你今天的抖音的视频越来越多，它也是工业化生产。但它会有一个阶段，它是一个海量的群众创造的，然后大家也很喜欢，会有会有这么一个阶段和这么一个过程。那你今天你去刷到的大部分，其实已经有很多的，它已经是也是工业化生产的。

1:22:46对，但是我觉得它会有一个大爆发的过程。爆发完了之后，你会看到，那今天去能生产短视频的数量，还是比能生产精美的长视频的数量的，呃，人数跟产量还是要多得多得多嘛。

1:22:59我觉得这里面AI创造的一个新的点的话，是它会，就是以前你只有一个消费的乐趣嘛，它现在会更多地在上面再叠一层那个创造的乐趣。有可能那个游戏根本就没人玩，也就你自己自嗨一下。但是那个创造的过程本身也是一个游戏，它自己也挺好玩的。

1:23:18就有点像你刚说短视频的话，我今天回家的，因为我今天刷到了一个变形金刚的视频，然后它是那个抖音的一个特效。然后我回来的时候的话，因为今天下雨，我是打车回来的，然后就我看到停车位上有我们家车，我就给我们家车拍了一张照片，然后就顺手在上楼的时候做了这个特效，然后回来给宝宝跟那个那个我老婆看。

1:23:39然后然后他们就很嗨，就是看到你们家，看到我们家车就变成了一个变形金刚，就走了。我说我回来看到我们家车走了，然后就相当于完全闹腾一下。你说这个有价值吗？没有价值，但是我做的也挺开心，他们看的也挺开心。所以它其实有可能是它在上面叠了两层甲，它可能它都肯定是不如工业性的那些，比如说它肯定没有变形金刚大电影好看，

1:24:04但是它叠了两层，一层就是relevant，就是相关性，它跟我，它是我们家车变的，对吧？那还跟大黄蜂还不一样呢，我们家车居然也是变形金刚。那另外一层就是我我我显摆了一下，说你看，是我做的，虽然我就点了一下特效按钮，对吧？但是会让，对吧？

1:24:21我觉得就我至少可以显摆一下，我也可以在播客里面说一下，你看我还做了一件这么件事。他他因为每个人还是希望说我要做点东西嘛，但是我又不能真的累着嘛，我还是想偷懒。那怎么，那我觉得现在AI就在给大量的人创造一种虚幻的那个那个假象，觉得我做了东西，但是我又没有累着，

1:24:41因为我又不想累着，我也要有成就感。成就感就是你得做一个东西出来嘛，对吧？你得做个东西，然后那那那这它同时完成这两点的话，这本身也就是一个一个那个一个一个游戏。然后因为游戏的话，就是你创造了一个困难，然后你又刚好在那个边边上，然后给你正反馈嘛。

1:25:00我也可以也可以这样理解。

1:25:14我其实没有仔细测算过。对。但是我我我我只能说，我如果原来要做同样复杂度的业务的话，我觉得我需要的人数是原来的，此时此刻是原来的百分之六十。但是我觉得可以到原来的人数的三分之一。

1:25:36我觉得这个挑战其实是这样的，就是第一个是你要有足够的好的定义的问题去做。第二个是才把它做出来。我觉得它在把它做出来上是极大地提高生产力的。

1:25:48对，但是本来它把它定义成一个好的问题，跟沟通的摩擦，跟其实还是很多的。就是这在这方面的基建其实是做得不好的，但是它通过AI同样可以做好。就是或者说今天的生产力更多的还在，呃，非常下游的环节，通常是已经连设计文档都已经写好了的编码阶段，

1:26:11这个生产力提高是极高的。但是这部分可能只占原来工作的可能百分之三四十。但是在上游的流程流程当中，呃……AI真正的渗透是不高的，但是我觉得它是可以高的，但是它其实有一个高的基建要求。我我举个例子啊，就是说大家都用飞书文档，但是其实飞书文档你用着用着，就是当大家不非常仔细地去维护的时候，

1:26:37它的很多文档就是out of date，就是过时的或者是错乱的，或者我要去找一个问题，我还是习惯去问我的一个同事。那其实你今天，就是这个其实我们内部已经，我已经提了需求，要要要让他们要大家干，就是我应该有一个agent去帮大家来维护文档。因为今天有原来有大量的流程是依赖人的高效跟讨论跟习惯跟要求。

1:27:04那么这些摩擦如果能用AI做掉。我觉得是，你会变得更，成本更低。就是我觉得今天的大量的效率没有提升，是因为人与人之间的沟通方式还是在前AI时代。

1:27:19我遇到一个事儿，因为大家习惯说这个事儿，呃……呃，就以前大家说，哎，你可以Google搜索，对不对？那外部的技术问题你可以Google搜索。那内部的很多内容，那说你应该写文档，那写文档，文档在哪里，对不对？好。

1:27:33我去问飞书，但是有可能这个是在一个会议纪要中，或者是在飞书的一个，比如说我们有周，原来有写周末，那周末这个模块在飞书的Knowledge AI里是它没有作为上下文索引进来。那其实你就得不到这个信息。那你要去维护一个高效的准确的文档，它其实需要投入的，原来需要人工投入，你很容易坚持不下去。

1:27:55那今天你能不能把流程改成，我在所有的群里都塞一个bot，然后它每天就看这些东西，它去更新文档，找人来确认，让人需要的，哎。就，就我觉得今天所有的瓶颈其实都在人，它效率没有提上去，不是AI行不行，而是瓶颈在人。然后你的这个流程或者这个基建没有改过去。

1:28:28说话你个人算几个升了多少倍？

1:28:31我个人提升提高了不多呀，就是我觉得我个人最大的挑战就在于我的主要精力并不在写code，我的主要精力就在逼着大家用AI工具写code，以及去减少我刚才说的这些沟通中的摩擦，想办法去设计流程跟系统。

1:30:26我觉得其实很难，就我觉得这其实是个很有意思的命题，就是我们内部也在讨论，就是AI时代的写作是怎么样的。就是人和人之间的带宽，这个真的太小了，甚至你就没有办法，甚至我觉得有些东西是难以靠沟通解决的。我举个例子啊，就是就我跟我们的联创，就他可能也是很强的技术背景，就因为前一阵我在非常重度的用Claude Code，

1:30:52用完之后我有很多结论，我跟他讲了之后呢，我觉得他的响应其实没有我想象中的那么激动或者反应那么快。我我就只说了一句话，说我建议你这个周末重度重度用一下Claude Code。然后到周一他来找我讨论问题的时候，就就就完全就变了。

1:31:11这个甚至不是说我靠和你沟通传递更多的信息能解决的问题。只有他自己去体验了，这个沟通带宽才能上来。我我比方说我让我们的同事去去做一些比如一些特定数据的接入或者调研。啊因为我可能做过广告系统或者怎么样，对我来讲我觉得说我只要讲清楚这是什么就不。

1:31:31但是他如果没有干过这个事儿，他需要他可能并不是说我们之间的传递信息不够。而是这个上下文我没有办法把把完整的上下文立刻塞进那个人的脑子里，他不是他毕竟不是个AI，对不对？你说，说我把这个文档的MCP，对吧？把context给你一接，你所有的这个编程语言的都会了。

1:31:53他毕竟是个人嘛，就是他再快再快，他也有可能读两周文档才能理解这个事儿是怎么事儿这么个过程。这个其实我觉得是很难在短期内被解决的问题。

1:32:09那当然，最近就在想说，就是因为比如说我们跟联创之间讨论，说我要写个memo，对不对？现在我在想是不是大家应该共享一个GitHub的workspace，那个workspace就是我跟Claude跟调研完的讨论的东西形成文档来共享，而不是我形成了之后我再单独变成一个memo来和他共享。

1:32:31就是怎么去同步信息这个事情可能也要发生变化，它可能变成一个结构化的和AI互动完的结论和过程，然后去同步出去，对吧？

1:32:52那刚刚讲了几个暴论啊，然后那如果对于2026年，对于听众啊，有没有什么暴论型的建议，说你可以做这一件事情，或者你要做这三件事情什么的，有没有什么大家可以拿走的东西？我的听众大部分应该跟AI都多多少少有点关系，我听说模型公司也都在听。

1:33:57六号要去混沌录一个大课，应该节后播。我讲的第一件事情就是这个。如果不能用Claude Code，你就用Codex Anti Gravity。如果还不行的话，国内就试试什么CodeVadi、Kimi Code、啥啥的、Open Code。

1:34:13我觉得挺多的，就其实开源社区因为因为现在的开发成本的降低，就开源社区非常活跃，就是任何一个东西都跟进可以特别快。对，我也问，我问的那个问题是跟你类似啊，就是说，就是杨攀老师，你今年一定会做的，你觉得跟原来完全不一样的一个事是什么事？

1:34:57就是我有时候也会觉得说，你在公司里干这个事儿，或者说你当你主要时间是在减少摩擦的时候，你其实更希望自己是一个builder。

1:35:19挺好挺好挺好哎。我也希望我今年可以build一下，看看我们谁先build出来。开搞开搞开搞。最重要的事情啊，大家知道，第一个把Claude Code装上，没有的话呢有很多很多替代产品，

1:35:32反正你就一定要试一下，你看那些视频是没有那个体感的。然后虽然它叫code，它跟code可以一毛钱关系都没有。你就把它当做一个叫CC的一个软件，就我CC的一个东西，它跟，对，你不需要看code。它里面code我从来一句都没有看明白过。

1:35:48就也可以也是可以用的，只是用不了像那个杨攀、徐文浩他们那么深，但是也是可以用的，我们家孩子也都在用。对。所以装好这个，然后尽可能的build build一个东西出来，希望大家今年都可以build一个东西出来。好，今天先到这样。

1:36:03好，谢谢大家。欢迎大家那个那个AI炼金术啊，各组转发。好，谢谢。拜拜，拜

1:36:12谢谢大家，拜拜。