{"source":{"id":"16021657","title":"Paul Graham 预测：未来不让 AI 帮自己写东西，将是一个极不寻常的选择。 但这并不意味着坚持手写的人是“老古…","url":"https://mubeitech.com/p/16021657"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2070598053082611714","account":"mubei","brand":"@mubei","title":"估值 27.5 亿美元的 MasterClass 创始人 David Rogier，最近戳破了一个关于 AI 抢饭碗最残…","summary":"估值 27.5 亿美元的 MasterClass 创始人 David Rogier，最近戳破了一个关于 AI 抢饭碗最残酷的真相。 我们总喜欢把 AI 讨论简化成“机器会不会替代我”。 但这其实是一个伪命题。 技术换代真正的杀伤力，是悄无声息地重新分配全社会的“终身收入”。 回看…","body":"估值 27.5 亿美元的 MasterClass 创始人 David Rogier，最近戳破了一个关于 AI 抢饭碗最残酷的真相。\n\n我们总喜欢把 AI 讨论简化成“机器会不会替代我”。\n但这其实是一个伪命题。\n技术换代真正的杀伤力，是悄无声息地重新分配全社会的“终身收入”。\n\n回看一下历史就很清楚了。\n当年个人电脑和电子表格（Spreadsheet）刚诞生的时候，发生过什么？\n\n那些拒绝适应、拒绝学习新工具的人，后来怎么样了？\n\n根据 Rogier 引用的一项研究显示：在技术转型期拒绝主动适应的员工，其终身收入降低了超过五分之一。\n不仅如此，由于生计受挫、精神压力巨大，他们失业第一年的死亡率，甚至直接翻了一倍。\n\n技术不一定会立刻消灭你的岗位，但它会极其残酷地惩罚你的“不适应”。\n\n电子表格当年没有消灭会计，它只是重塑了财务人的价值链：\n主动拥抱工具的人，一个人干过去十个人的活，拿走了行业里最丰厚的溢价；\n而固守纸笔和算盘的人，被边缘化到了收入分配的最底层。\n\n今天的 AI，正在完全复制这个机制。\n\n所以，面对技术海啸，最愚蠢的做法就是装作看不见，或者躲进信息茧房里等它过去。\n\n唯一的解法，是逼着自己去碰它、去探索、去折腾。\n技术重塑世界的时候从不打招呼，你的适应能力，就是你未来二十年最硬的护城河。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2070599622460879119","translated_status_id":"2070599622460879119","published_at":"2026-06-26 20:02:58","created_at":"2026-06-26T22:00:20+02:00","url":"https://mubeitech.com/p/2070598053082611714","markdown_url":"https://mubeitech.com/p/2070598053082611714/markdown"},{"rank":2,"id":"2056850947947827403","account":"mubei","brand":"@mubei","title":"每月花 20 美元订阅 Claude，不叫会用 AI。 Andrej Karpathy 在一次访谈中一针见血地指出：真正…","summary":"每月花 20 美元订阅 Claude，不叫会用 AI。 Andrej Karpathy 在一次访谈中一针见血地指出：真正的技能鸿沟，在于你如何“用 AI 来构建”。 很多人用 AI 辅助编程，越写越臃肿，甚至直接把项目跑崩。 Karpathy 总结了 AI 编程时最致命的 4 个…","body":"每月花 20 美元订阅 Claude，不叫会用 AI。\n\nAndrej Karpathy 在一次访谈中一针见血地指出：真正的技能鸿沟，在于你如何“用 AI 来构建”。\n很多人用 AI 辅助编程，越写越臃肿，甚至直接把项目跑崩。\nKarpathy 总结了 AI 编程时最致命的 4 个认知缺陷。\n有开发者将这些洞察扩展成了 21 条系统规则，直接冲上 GitHub 趋势榜第一，斩获 8.2 万颗星。\n最惊人的是，配置这套规则后，AI 的编程准确率直接从 65% 飙升到了 94%。\n\n为什么强如 Claude 也会写出垃圾代码？\nKarpathy 揭示了 AI 的四个底层硬伤：\n\n第一，互联网平庸记忆的“思想钢印”。\nAI 太依赖训练集里的常见套路。\nKarpathy 在写 GPU 梯度同步时，为了追求极致性能，没有使用标准的 PyTorch DDP 容器，而是写了一套自定义同步例程。\n结果 AI 根本无法内化这个设计，像复读机一样疯狂逼他换回 DDP。\n它无法理解不符合大众惯例的高级架构。\n\n第二，防卫过当，制造代码垃圾。\nAI 极其喜欢自作聪明地添加一堆 try-catch 声明和冗余的异常处理。\n它总是试图按照“生产级模板”来搞，结果把原本精简优雅的代码库塞满无用逻辑，复杂度直接爆炸。\n\n第三，频繁调用已经废弃的旧 API。\n知识库的滞后性，导致它在面对快速迭代的技术栈时，经常写出过时的垃圾。\n\n第四，低宽带的自然语言沟通。\n在精细的代码段里，用英语长篇大论去命令 AI 效率极低。\n最好的方式是高信息带宽的“光标补全”。\n你将光标移到精准位置，敲出前三个字母，让 AI 顺着你的思路完成剩下的部分。\n\n那套席卷 GitHub 的 21 条规则，本质上就是在用物理外挂“驯化”AI。\n比如，它强迫 AI 必须先用一句话陈述对你独特架构的理解，禁止自作聪明地意淫。\n严禁 AI 在没有明确要求时添加防御性代码和复杂的第三方包。\n强制 AI 保持极简风格，像优秀的资深工程师一样思考。\n\nAI 协同编程的范式正在发生分裂。\n如果你只是让 Agent 去写毫无技术含量的样板代码，或者用来辅助翻译你不熟悉的语言，AI 足够好用。\n但如果你要构建真正具有高智力密度、需要精确排列的系统，放任 AI 自由发挥就是灾难。\n\n未来的编程分水岭，不再是你敲代码有多快，而是你有没有能力用严苛的规则把 AI 塞进你的心智模型里。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-20 08:24:19","created_at":"2026-05-20T10:23:00.695196","url":"https://mubeitech.com/p/2056850947947827403","markdown_url":"https://mubeitech.com/p/2056850947947827403/markdown"},{"rank":3,"id":"2051640712131973573","account":"mubei","brand":"@mubei","title":"硅谷教父 Paul Graham 算过一笔账。 一家创业公司要跑起来，至少得凑两三个创始人、拼出五六种核心技能。 这套公…","summary":"硅谷教父 Paul Graham 算过一笔账。 一家创业公司要跑起来，至少得凑两三个创始人、拼出五六种核心技能。 这套公式现在失效了。 Stripe 联合创始人 John Collison 翻开了新底牌。 未来 20 年，两类人会吃尽 AI 的红利。 第一类，极度渴望解决问题的人…","body":"硅谷教父 Paul Graham 算过一笔账。\n一家创业公司要跑起来，至少得凑两三个创始人、拼出五六种核心技能。\n这套公式现在失效了。\n\nStripe 联合创始人 John Collison 翻开了新底牌。\n未来 20 年，两类人会吃尽 AI 的红利。\n\n第一类，极度渴望解决问题的人。\n也就是高主观能动性。\n看到系统有漏洞，不写报告不等批准，直接卷起袖子去修。\n过去他们最大的瓶颈是手底下没人。\n脑子里有完美的图纸，却得花大把时间去游说、组建大团队。\n现在有了 AI 这个超级杠杆。\n他们绕开繁文缛节，单枪匹马就能把执行端打穿。\n\n第二类，跨界双修的人。\n懂软件开发，同时懂金融。\n或者懂软件开发，同时懂营销。\n一个人叠加两个专业技能，产生的化学反应是爆炸级的。\n重塑一家公司的营销漏斗，以前需要 20 个人跨部门熬夜死磕。\n现在一个人在系统前就能全盘搞定。\n\n投资大佬查理·芒格一直强推跨学科思维。\n过去获取新领域的常识门槛极高。\n今天直接跟你的 AI 对话就能拿到入场券。\n\n这背后的核心逻辑极其简单。\nAI 彻底抹平了“知道该做什么”和“能把这事做出来”之间的执行鸿沟。\n一个人向前冲刺的速度，现在就是一整个满编部门的速度。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-05 14:42:16","created_at":"2026-05-05T16:40:59.341275","url":"https://mubeitech.com/p/2051640712131973573","markdown_url":"https://mubeitech.com/p/2051640712131973573/markdown"},{"rank":4,"id":"2082259279449293033","account":"mubei","brand":"@mubei","title":"一年前，整个科技圈都在倒计时：程序员完蛋了。 结果呢？ OpenAI 创始人萨姆·奥特曼承认：在这个问题上，整个 AI…","summary":"一年前，整个科技圈都在倒计时：程序员完蛋了。 结果呢？ OpenAI 创始人萨姆·奥特曼承认：在这个问题上，整个 AI 行业都错得离谱。 如果把现在的 AI 模型直接拿回 2019 年。 所有人都会认定，这就是 AGI（通用人工智能）。 所有人都会笃信，经济将迎来天翻地覆的洗牌，…","body":"一年前，整个科技圈都在倒计时：程序员完蛋了。\n结果呢？\nOpenAI 创始人萨姆·奥特曼承认：在这个问题上，整个 AI 行业都错得离谱。\n\n如果把现在的 AI 模型直接拿回 2019 年。\n所有人都会认定，这就是 AGI（通用人工智能）。\n所有人都会笃信，经济将迎来天翻地覆的洗牌，饭碗会碎满地。\n但这并没有发生。\n当预测错得如此离谱又如此自信时，唯一的选择就是更新认知。\n\nAI 到底改变了什么？\n它没有吃掉程序员，它是把程序员往上一层推。\n现在的程序员，确实不再像传统意义上那样一行行手敲代码了。\n但这依然是纯正的软件工程。\n不管是用打孔卡片，还是用提示词，核心永远只有一个。\n指挥系统，让它去实现你的意图。\n\n奥特曼发现，现阶段的 AI 是极其“偏科”的。\n它在某些方面是超级天才，在另一些方面却像个笨拙的幼儿。\n它无法完全独立运转，它和人类的能力是高度互补的。\n\n还有一个被忽视的因素：人。\n现在你完全可以弄一个 AI 顾问，或者 AI 销售。\n但事实证明，绝大多数人，依然固执地偏爱与真实的人类互动。\n\nAI 确实没有消灭岗位。\n它只是强行拔掉了那个只会埋头死磕的旧插头。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2082412456341631337","translated_status_id":"2082412456341631337","published_at":"2026-07-29 06:21:41","created_at":"2026-07-29T08:01:31+02:00","url":"https://mubeitech.com/p/2082259279449293033","markdown_url":"https://mubeitech.com/p/2082259279449293033/markdown"},{"rank":5,"id":"2050257943191576906","account":"mubei","brand":"@mubei","title":"AI 已经替 NVIDIA 写大部分代码了。 黄仁勋反而说，他们正在招更多工程师。 这句话把 AI 恐慌叙事最尴尬的地方…","summary":"AI 已经替 NVIDIA 写大部分代码了。 黄仁勋反而说，他们正在招更多工程师。 这句话把 AI 恐慌叙事最尴尬的地方掀开了。 如果 AI 真按键盘就等于抢饭碗，NVIDIA 这种公司应该第一个停止扩招。 结果是，所有工程师都在用 AI，编码大量交给 AI，工程师岗位还在增加。…","body":"AI 已经替 NVIDIA 写大部分代码了。\n黄仁勋反而说，他们正在招更多工程师。\n\n这句话把 AI 恐慌叙事最尴尬的地方掀开了。\n如果 AI 真按键盘就等于抢饭碗，NVIDIA 这种公司应该第一个停止扩招。\n结果是，所有工程师都在用 AI，编码大量交给 AI，工程师岗位还在增加。\n\n黄仁勋这次怼的对象也很明确。\n他说，有些人吓唬公众，说 AI 是人类生存威胁，有 20% 概率毁灭人类。\n说 AI 会抹掉 50% 的大学毕业生新岗位。\n说 AI 会彻底摧毁民主。\n\n他的评价很短。\n这些话没有帮助。\n这些话出自像他一样的 CEO。\n有些人一当上 CEO，就慢慢长出上帝情结，最后觉得自己什么都懂。\n\n妙就妙在，他没有把风险一笔抹掉。\n他承认 AI 需要政策，需要护栏，需要认真解释。\n但他反对把所有年轻人吓离一个行业。\n如果社会被说服不要再学放射科，结果医院又需要放射科医生，受伤的是病人。\n如果大学毕业生被说服不要当软件工程师，结果美国比以往更需要软件工程师，受伤的是整个产业。\n\n黄仁勋给出的数字是，过去几年 AI 已经创造超过 50 万个岗位。\n使用 AI 的公司增长更快。\n增长更快，就会雇更多人。\n他还把 AI 称为美国重新工业化的最好机会之一。\n制造业岗位、AI 工厂、数据中心、芯片、机器人、能源、医疗、零售，都会被卷进去。\n\n真正关键的是他那个代码比喻。\n假设美国过去需要写 10 亿行代码，由 1000 万软件开发者支撑，对应约 1 万亿美元经济。\n如果 AI 把这 10 亿行代码自动化，很多人会立刻推导出，1 万亿美元岗位要消失了。\n\n黄仁勋说，这个推导错在两处。\n工作的任务，和工作的目的，相关但不相同。\n一个 CEO 每天点手机、说话，AI 也会点手机、说话，但黄仁勋没有因此消失，他比以前更忙。\n\n第二处更关键。\n人类需要写的代码，从来不止 10 亿行。\n当打字成本被压下去，需求会从 10 亿行膨胀到 1 万亿行。\n医疗要更多软件。\n科学要更多软件。\n制造、零售、能源、机器人，都要更多软件。\n\n过去 50 年，人被一个带键盘的小设备绑住太久。\n以至于很多人以为，弯着腰打字就是现代工作的本体。\n黄仁勋的意思是，未来人会少打一些字，多解决一些问题。\n\n这也是 AI 争论里最容易被忽略的一层。\n如果一个人的价值只剩下重复输入，那 AI 的确危险。\n如果一个行业还有想象力、判断力、工程能力和真实需求，AI 更像是把瓶颈从手指挪到了脑子。\n\nNVIDIA 自己已经把答案摆在台面上。\nAI 写了更多代码。\n工程师没有减少。\n公司野心更大。\n\n恐慌最会制造刹车。\n生产力真正落地的时候，岗位会重新分工，人的时间会从键盘上松绑出来，流向更大的问题。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-01 21:33:04","created_at":"2026-05-01T22:55:30.771933","url":"https://mubeitech.com/p/2050257943191576906","markdown_url":"https://mubeitech.com/p/2050257943191576906/markdown"},{"rank":6,"id":"mb-20260902-5b2cbe","account":"mubei","brand":"","title":"你在工作群里花 15 分钟费力读完的一篇两千字长文，对方用 AI 生成只用了 5 秒","summary":"你在工作群里花 15 分钟费力读完的一篇两千字长文，对方用 AI 生成只用了 5 秒","body":"你在工作群里花 15 分钟费力读完的一篇两千字长文，对方用 AI 生成只用了 5 秒。\n这不是工作效率的提升。\n这是一场针对你个人注意力的拒绝服务攻击。\nGitHub 主任工程师 Sean Goedecke 给这种现象起了个名字：职场垃圾文本。\n当下属、同事甚至管理层习惯性把大段未经消化的 AI 生成文本直接转给你时，所有人都在面临同一种窒息感。\n为什么大模型普及之后，大家没有变得更清闲，反而每天被海量看似周全的文字淹没？\n把这套职场沟通的账算到底，会看到一台正在击穿组织协作底线的冰冷机器。\n它的名字叫非对称认知倾销。\n人类的文字沟通，在过去几千年里一直遵循着一套隐性契约。\n诺贝尔经济学奖得主迈克尔·斯宾塞在 1973 年提出了信号理论。\n一篇写了五页的技术报告之所以值得认真读，是因为撰写它需要耗费作者四个小时的脑力。\n篇幅本身是一个昂贵信号。\n写作成本的高昂，天然过滤掉了无意义的废话，担保了信息的密度。\n生成式 AI 的出现，把这个运行了几百年的契约彻底砸碎了。\n大语言模型把文字的生成边际成本直接打到了零。\n但人类大脑的解码能力并没有进化。\n人眼的生理阅读速度依然被死死卡在每分钟两百到三百个单词。\n这就触发了意大利程序员阿尔伯托·布兰多利尼在 2013 年立下的布兰多利尼法则。\n消化和反驳一句废话所需要的能量，比制造它高出一个数量级。\n当制造废话的成本归零，两边的能耗比就被拉大到了无限倍。\n发送者花 10 秒钟按下回车，把生成的两千字抛进群聊。\n接收者却必须付出 15 分钟的高强度注意力，从层层包裹的礼貌修辞和幻觉风险里淘洗出两行真正有用的信息。\n这在计算机网络里叫分布式拒绝服务攻击。\n发送方用几乎为零的带宽成本，瞬间塞爆接收方昂贵的算力与内存。\n为什么大公司没有在第一时间阻止这种行为？\n詹姆斯·C·斯科特在《国家的视角》里讲透了大组织的官僚本能。\n大型科层组织从来不只把文字当成沟通工具。\n它们把文字当成管理清晰度的凭证，以及员工的免责护甲。\n一份长篇周报或者代码评审记录，核心作用是向组织证明自己干了活，并在出事时证明自己考虑过风险。\n当证明自身合规的成本可以通过 AI 降为零，整个组织就会不可避免地陷入文字通胀。\n面对这种单向的认知倾销，最亏的做法是用传统的人肉诚意去逐字逐句应对。\n破局的唯一逻辑是重构博弈的对称性。\n如果对方用 AI 批量倾倒长文，最理性的防御是用自己的模型一键提炼要点，甚至让 AI 自动生成回复，把阅读成本重新砸回零。\n如果对方在关键问题上不断甩出 AI 废话，直接发起十分钟的即时通话或面对面会议。\n屏幕可以批量伪造，但即时的语言交流无法靠 AI 糊弄，这会强迫对方投入同等的真实时间。\n对于外部无关紧要的长篇更新和代码合并请求，直接给予零成本的降级响应甚至彻底忽略。\n当文字的生成成本归零，篇幅就不再代表尊重与专业。\n在大模型泛滥的时代，真正稀缺的资产反了过来。\n谁还愿意花时间为你榨干水分，只交出三行能直接落地的真话。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-02 12:19:58","created_at":"2026-09-02 12:19:58","url":"https://mubeitech.com/p/mb-20260902-5b2cbe","markdown_url":"https://mubeitech.com/p/mb-20260902-5b2cbe/markdown"}]}