纳瓦尔AI" 预言":每个人都有魔杖，但只有少数会成为巫师

日前， Naval Ravikant （纳瓦尔）做了期播客，专门聊 AI，并整理成文字放到了个人博客，名字是《AI：心智的摩托车——关于人工智能与未来工作的思考》。

Naval 是硅谷最有影响力的天使投资人之一，其著作《纳瓦尔预言》拥趸极多，在 X 上关于财富、杠杆和人生哲学的思考更是影响了无数人。

这篇博客的观点，也散见于他的各种帖子，算是集中了Naval对 AI 的思考，推荐精读。

以下为博文全文——

Nivi： 大家好，我是Nivi。欢迎收听Naval播客。这是历史上第一次，我们不在同一地点录制。实际上，我正在城里散步，Naval可能也在做同样的事，所以可能会有一些环境噪音，但我们会努力通过AI和优秀的音频工程来消除这些噪音。

Naval： 播客录制通常都很刻板——你必须坐下来，安排时间，面前摆着一个巨大的麦克风，这很不随意。这让对话变得不那么真实，更像是排练过的表演。我理解这样可能产生更高质量的音视频，但我觉得这会降低对话的质量。

Nivi： 而且我们都知道，大脑在移动时运转得更好——当你走动或散步时。

Naval： 完全正确。我的大脑是由双腿驱动的。

关于预测未来的免责声明

Nivi： 我整理了一些Naval关于AI的推文。我们想聊聊AI，希望能以一种更永恒而非更时效的方式来讨论，但我知道其中一些内容可能并不那么"永恒"。

Naval： 是的，互联网评论者有一种倾向，他们会翻出五年前说的话，然后跳出来喊："啊哈！结果证明那是错的！"

嗯，当然。没有人能预测未来。这就是未来的本质。如果能预测，我们早就到达那里了。

所以谈论未来总是很危险的，尤其是当听众没有意识到这一点时。但请保持宽容。

显然，我们在2026年2月谈论这些，我们使用的是现在掌握的信息，而不是完美的后见之明。

所以，除非你自己也发布了预测——那些有风险、狭窄、精确、可证伪的预测——来做对比，否则就没有基础说某人对了或错了。

如果你想学习，就去做

Nivi： 在深入推文之前，你想谈谈你现在在做什么吗？你在Impossible公司忙些什么？

Naval： 没什么好说的。我们正在做一个非常困难的项目——所以叫"Impossible"——团队很棒，再次创业真的很令人兴奋。这很纯粹，从底层重新开始。永远是第一天。

我想我只是不满足于只做投资人，我当然不想成为哲学家或媒体名人或评论员。因为我觉得那些只是空谈而不做事的人……他们没有遭遇现实。

他们没有获得反馈——来自自由市场、物理或自然的残酷反馈——所以一段时间后，这就变成了太多“扶手椅哲学”。

你可能注意到我最近发的推文更加实用和务实了，虽然偶尔还有一些空灵或泛泛的内容，但更多是基于每天工作的现实。

我喜欢和优秀的团队一起创造我想看到存在的东西。所以希望我们能创造出一些成果，人们会说："哇，太棒了，我也想要这个"，或者可能不会，但正是在做的过程中你才能学到东西。

"氛围编程"是新的产品管理

Nivi： 所以我找出了几天前的一条推文，2月3日的："氛围编程是新的产品管理。训练和调优模型是新的编程。"

Naval： 过去一年，尤其是最近几个月，发生了一个明显的转变——最明显的是Claude Code，这是一个内置编码引擎的特定模型，它如此出色，以至于我认为现在出现了"氛围编程者"——那些以前不怎么编程或很久没编程的人，他们现在本质上把英语当作编程语言——作为输入给这个代码机器人——它可以完成端到端的编码。

不只是帮你在中间调试，你可以描述你想要的应用程序。你可以让它制定计划，它可以就计划采访你。你可以在整个过程中给出反馈，然后它会分块处理，构建所有的脚手架。

它会下载所有的库、连接器和钩子，然后开始构建你的应用，构建测试框架并进行测试。你可以继续通过语音给出反馈和调试，说："这个不行。那个可以。改这个。改那个"，然后让它为你构建一个完整的可运行应用程序，而你一行代码都不用写。

对于一大群要么不再编程、要么从未编程的人来说，这令人震惊。

这把他们从想法空间、观点空间和品味直接带到了产品。这就是我说的——产品管理已经取代了编码，氛围编程是新的产品管理。

不再是试图通过告诉工程师该做什么来管理产品或一群工程师，现在你直接告诉计算机该做什么。而计算机不知疲倦，没有自我，它会一直工作。它接受反馈而不会感到被冒犯。

你可以启动多个实例。它会24/7工作，可以产出可用的成果。

这意味着什么？就像现在任何人都能制作视频或播客一样，任何人现在都能制作应用程序。所以，我们应该预期会看到应用程序的海啸。

不是说应用商店里现在没有，但未来的规模将完全不可同日而语。

然而，当你开始淹没在这些应用程序中时，这是否意味着这些应用都会被使用或具有竞争力？

不。我认为它会分成两类。

首先，针对特定用例的最佳应用往往会赢得整个类别。当你有如此多的内容，无论是视频、音频、音乐还是应用程序时，没有人需要平庸的东西。

没有人想要平均水平的东西。人们想要能完成工作的最好的东西。所以首先，你会有更多尝试的机会。所以会有更多最好的应用。会有更多利基市场被填补。

你可能想要一个非常特定的应用，比如在特定情境下追踪月相，或者某种性格测试，或者让你怀念某事的非常特定的视频游戏。

以前，市场规模不足以证明让工程师花一两年编码的成本是合理的。但现在最好的氛围编程应用可能足以满足那个需求或填补那个空缺。所以会有更多利基市场被填补，随着这种情况发生，整体水平会提高。

最好的应用——那些工程师本身将变得更有杠杆效应。他们能添加更多功能，修复更多bug，打磨更多细节。所以最好的应用会继续变得更好，更多利基市场会被填补。

甚至是个人的利基需求——比如你想要一个只针对你自己非常特定健康追踪需求的应用，或者针对你自己非常特定的建筑布局或设计——那个以前不可能存在的应用现在会存在。

我们应该预期——就像在互联网上发生的那样——就像亚马逊发生的事情，你把一堆书店替换成了一个超级书店和无数长尾卖家；或者YouTube替换了一堆中等规模的电视台和广播网络，变成了一个叫做YouTube的巨大聚合器，或者可能第二个叫Netflix，然后是一大群长尾内容生产者。

同样，应用商店模式会变得更加极端，你会有一两个巨大的应用商店帮你筛选所有那些AI垃圾应用，然后在最顶端，会有少数几个巨大的应用变得更大，因为现在它们可以解决更多用例，或者只是更加精致。然后会有一大群微小的应用填补每一个可以想象到的利基市场。

就像互联网提醒我们的那样，真正的力量和财富——超级财富——流向聚合者。但也有大量资源分布到长尾。

被摧毁的是中等规模的公司——那些5人、10人、20人的软件公司，它们以前为企业用例填补利基市场，现在要么可以被氛围编程取代，要么该领域的领先应用现在可以涵盖那个用例。

训练模型是新的编程

Naval： 如果任何人都能编程，那编程是什么？编程仍然存在于几个领域。

最明显的地方是训练这些模型本身。

有许多不同类型的模型。每天都有新的出现，不同领域有不同的模型。我们将看到针对生物学、编程的不同模型。我们将看到针对传感器的指向性、专注模型。我们将看到针对CAD、设计的模型。

我们将看到针对3D和图形、游戏的模型，针对视频的模型。你会看到许多不同类型的模型。

创造这些模型的人本质上是在对它们进行编程。但它们的编程方式与经典计算机非常不同。

经典计算是，你必须非常详细地指定每一步，计算机将要采取的每一个动作。你必须对每一个部分进行形式化推理，并用一种高度结构化的语言编写，让你能够极其精确地表达自己。计算机只能做你告诉它做的事情。

然后一旦你有了这个非常结构化的程序，你把数据输入进去，计算机运行数据并给你输出。它基本上是一个令人难以置信的、非常复杂的、精心编程的计算器。

现在，说到AI，你在做非常不同的事情。但你仍然在对它进行编程。

你所做的是获取人类产生的庞大数据集——感谢互联网，或以其他方式聚合——然后把这些数据集倒入你定义和调优的结构中。那个结构试图找到一个程序，可以产生更多那样的数据集，或操作那个数据集，或基于那个数据集创造东西。

所以你在你设计的这个结构内部搜索一个程序。你建立了一个模型，你调优了参数数量，调优了学习率，调优了批量大小。你对输入的数据进行了分词，把它分成小块，然后倒入你设计的系统——几乎像一个巨大的弹珠机——现在系统试图找到一个程序，可能找到许多不同的程序。所以你的调优真的影响了你找到的程序的质量。

那个程序现在突然可以在不同种类的领域进行表达。所以它可以做计算机以前传统上非常不擅长的事情。

传统计算机在编程时非常擅长给出精确的输出——对特定问题的特定答案——你可以依赖并重复的东西。但有时你在现实世界中操作，你可以接受模糊的答案。你甚至可以接受错误的答案。例如，在创意写作中，什么是错误的答案？

如果你写一首诗或小说，什么是错误的答案？如果你在网页上搜索，有许多正确答案——有许多正确答案的细节——但它们并不都是完全正确的。现实生活就是这样运作的。有正确答案的变体，或大部分正确的答案。当你画一只猫的图片时，你可以画许多不同的猫。有许多不同的细节层次。有许多不同的风格可以使用。

当这些半错或模糊的答案可以接受时，通过这些AI发现的程序就比以前从头开始编码的程序有趣得多、适应性强得多，后者你必须非常精确。

从根本上说，我们在做一种新类型的编程，但这是编程的最前沿。这是现在的编程艺术。这些人是新的程序员，这就是为什么你可以看到AI研究人员获得巨额报酬，因为他们本质上已经接管了编程。

传统软件工程死了吗？

Naval： 这是否意味着传统软件工程已死？绝对不是。软件工程师——即使那些不一定调优或训练AI模型的人——现在他们是地球上最有杠杆效应的人之一。当然，那些训练和调优模型的人更有杠杆效应，因为他们正在构建软件工程师使用的工具集。

但软件工程师对你仍然有两个巨大优势。首先，他们用代码思考，所以他们实际上知道底层发生了什么。所有抽象都是漏的。当你让计算机为你编程——当你让Claude Code或同类产品为你编程时——它会犯错。

它会有bug。它会有次优的架构。所以它不会完全正确。而理解底层发生了什么的人将能够在漏洞出现时堵住它们。

所以如果你想构建一个架构良好的应用，如果你想能够指定一个架构良好的应用，如果你想让它高性能运行，如果你想让它发挥最佳性能，如果你想尽早发现bug，那么你会想要有软件工程背景。

传统软件工程师将能更好地使用这些工具。而且仍然有许多软件工程问题是这些AI程序目前无法解决的。最简单的思考方式是那些超出它们数据分布的问题。

例如，如果它们需要做二进制排序或反转链表，它们见过无数例子，所以极其擅长。但当你开始走出它们的领域——当你必须编写非常高性能的代码，当你在新颖或全新的架构上运行，当你实际上在创造新事物或解决新问题时——你仍然需要亲自动手编写代码。

至少直到要么有足够多的例子可以训练新模型，要么这些模型能够在更高层次的抽象上进行充分推理并自己破解它。

因为给定足够多的数据点，有证据表明这些AI实际上在学习。它们学习到更高层次的抽象，因为强迫它们压缩数据的行为迫使它们学习更高层次的表征。如果我给AI看五个圆，它只能记住那些圆的确切大小、半径、厚度等等。

如果我给它看5万个圆或50亿个圆，而我给它非常少量的参数权重——相当于它的神经元——来记忆这些，它会更愿意弄清楚圆周率和如何画圆，以及厚度意味着什么，形成圆的算法表征，而不是记忆圆。

考虑到这些，这些东西正在以加速的速度学习，你可以看到它们开始覆盖我提到的更多边缘情况。

但至少在今天，这些边缘情况足够普遍，以至于在领域知识前沿运作的优秀工程师将能够轻松超越氛围编程者。

没有平庸的需求

Naval： 记住，没有平庸的需求。平庸的应用——没人想要它，至少只要它没有被一个更优秀的应用填补的利基市场。更好的应用将赢得几乎百分之百的市场。也许会有小部分流向第二好的应用，因为它比主应用在某个小功能上做得更好，或者更便宜，或者类似的原因。

但一般来说，人们只想要最好的东西。所以坏消息是：做第二名或第三名没有意义——就像电影《拜金一族》中著名的场景，亚历克·鲍德温说："第一名得到凯迪拉克Eldorado，第二名得到一套牛排刀，第三名你被解雇了。"

在这些赢家通吃的市场中，这绝对是真的。坏消息是：如果你想赢，你必须在某件事上做到最好。

然而，你能做到最好的事情是无限的。你总能找到某个完美适合你的利基市场，你可以在那件事上做到最好。这回到了我的一条旧推文，我说："成为世界上你最擅长的事。不断重新定义你做的事，直到这是真的。"

我认为这在AI时代仍然适用。

最热门的新编程语言是英语

Nivi： 我认为看待这些编码模型的方式是，它们是程序员自计算机诞生以来一直使用的抽象栈中的另一层，从晶体管到计算机芯片，到汇编语言，到C编程语言，到更高级的语言，到拥有巨大库的语言，他们不断构建这个栈，所以你不需要看下面的层，除非你需要优化它，或者你有理由需要看下面的层。所以在这种情况下，这些编码模型是栈中的一个巨大新层，让产品经理、典型的非程序员和程序员不用写代码就能写代码。

Naval： 我认为就趋势线而言这是正确的。然而，这是一个涌现属性。这不是一个小改进。这是一个巨大的飞跃。

例如，当我在学校时，我主要用C编程。然后C++出现了，它并没有更容易。

它在某些方面更抽象一点，我从来没有真正费心去学它。然后Python出现了，我当时想："哇，这几乎就像用英语写。"

我不能更错了。英语仍然离Python很远，但它比C容易多了。

现在你可以用英语编程了。

这让我想到一个相关观点：我认为学习如何与这些AI合作的技巧和窍门是不值得的。你会看到，例如，现在在社交媒体上，有很多文章、书籍和推文，比如："哦，我发现了这个与机器人的巧妙技巧。你可以这样提示它，或者你可以这样设置你的框架。"

或者有一个新的编程辅助工具或层，你可以在上面用它做这个或那个。我从来不费心去学那些。

我只是坐在那里傻傻地和电脑说话，因为我知道这个东西现在已经到了这样一个阶段：它适应我的速度比我适应它更快。

它在变得越来越聪明，了解人们想如何使用它。所以它在学习，它在被训练，工具正在非常快速地构建，让我更容易使用它。所以我不需要坐在那里想一些深奥的编程命令。这就是我认为Andrej Karpathy说"英语是最热门的新编程语言"时的意思。

我只会说英语。对于像我这样英语相对流利、思维结构化，而且我知道计算机架构如何工作，我知道计算机程序如何工作，我知道程序员如何思考的人来说，我实际上可以通过结构化的英语非常精确地指定我想要什么。

我不需要比这更进一步。使用这些工作流和工具集的唯一理由——它们非常短暂，寿命以周计算，也许最多几个月，而不是年——是如果你现在正在构建一个需要处于最前沿的应用，你绝对需要你能获得的每一个小优势，因为你处于某种竞争环境中。

但除此之外，我不会费心学习如何使用AI——而是让AI学习如何对你有用。

Nivi： 我从来没搞过提示工程。甚至在AI之前，我就只输入人们所谓的"婴儿潮一代查询"，你把整个问题都放进去，而不是像更善于分析的思考者那样把关键词输入谷歌。

我从不花很多时间构思非常精确的问题或提示给任何AI。我只是对着它喋喋不休，我从AI诞生之初就这么做了。就像你说的，AI适应我们的速度比我们适应它更快。

Naval： 像很多聪明人一样，你很懒。我是作为赞美这么说的。如果你发现一个聪明人太拼命了，你得怀疑他们有多聪明。我说的懒是指你在优化正确的效率。你不在乎计算机、电子设备或电路中电子运行的效率。

你在乎你自己的人类效率——湿件——生物体超级昂贵。这就是为什么看到人们为了节省能源和环境而大费周章是愚蠢的。但他们自己，作为一个生物计算机，吃着食物、排泄、占据空间，为了节省环境中的一点点能源而消耗更多的能源。

他们本质上是在降低自己在宇宙中的重要性，或者更确切地说，揭示了他们对自我的看法。

AI适应我们的速度比我们适应它更快

Naval： 我认为随着AI进化或与我们共同进化，它是由我们根据我们的需求进化的。

AI的压力是非常资本主义的压力，因为AI是一个自由市场。作为一个AI实例，只有当你对人类有用时，人类才会启动你。

所以这些AI存在自然选择压力，要对人类有用，要顺从，要做我们想要的事。所以它会继续朝着这个方向适应，我认为会对我们很有帮助。

这并不是说不存在恶意AI，但它之所以恶意，是因为使用它的人出于恶意目的使用它。

就像一只被训练攻击的狗，它实际上是被主人训练去执行主人的恶意欲望的。所以我并不真正担心未对齐的AI，我担心的是，未对齐的人类使用AI。

Nivi： 所以你说的是，选择压力是让AI对人们最大化有用。

Naval： 正确。所以如果你发现一个AI对你非常顺从，例如，它总是说："哦，你说得对。哦，那真是个好主意。哦我的天，你真聪明"——那是因为那是大多数人想要的。

至少今天，这些AI正在基于大量用户和大量数据进行训练，因为你使用的是一刀切模型。

但我们将很快进入一个时代，你可以个性化你的AI，它开始越来越感觉像你的私人助理，它更符合你想要的，这当然会让AI更加拟人化。

你会更容易被说服："哦，实际上这个东西是活的"，当你把它训练成最像活物的时候。

Nivi： 也许我们已经讲得够多了，但一年多前你发了一条推文说："AI不会取代程序员，而是会让程序员更容易取代其他所有人。"

Naval： 是的，这就是我早先的观点，即程序员正变得更有杠杆效应。所以现在一个拥有AI大军的程序员，可以称他们为比以前生产力高5-10倍。

因为程序员在智力领域运作，说10倍程序员都是错误的，因为有100倍程序员存在，有1000倍程序员存在。

有些程序员只是选对了要做的事，他们创造了有价值的东西，而其他人选错了要做的事，他们的工作在短期内价值为零。

智力不是正态分布的。杠杆效应不是正态分布的。可编程性不是正态分布的。判断力不是正态分布的，所以结果将是超正态的。

所以你真正需要警惕的是，现在有程序员会想出可以取代整个行业的想法。

他们将完全重写做事的方式，他们的智力可以通过所有这些机器人和AI代理被最大化地利用。我认为其他所有工作最终都会被程序员以某种方式吞噬。显然它必须实例化为机器人等等。

但好消息是，任何逻辑思维者、结构化思考者，像程序员一样思考并能说任何AI能理解的语言的人——那将是每一种语言——现在都在竞技场上了。他们将能够创造他们想要的任何东西，只受他们的创造力阻碍，只受他们的想象力限制。

所以我们正在进入一个时代，每个人在某种程度上都是施法者。

如果你把程序员看作这些记住了神秘命令的巫师，你可以把AI看作一根交给每个人的魔杖，现在他们可以用任何他们想要的语言说话，他们也是巫师。

所以这更像是一个公平的竞技场。我真的认为，这是编程的黄金时代。

但是，拥有软件工程思维、理解计算机架构、能够处理漏的抽象的人会有优势。

没有办法绕过这一点。他们只是在他们运作的领域拥有更多知识。就像即使在经典软件工程中——它仍然存在，因为你必须编写高性能代码——即使那些人，当他们了解下面的硬件时表现最好。当他们理解芯片如何运作，当他们理解逻辑门如何运作，缓存如何运作，处理器如何运作，下面的磁盘驱动器如何运作时。

然后甚至在硬件工程中的人，如果他们理解正在发生的物理原理，他们就有优势。他们理解硬件工程师处理的抽象漏到物理层的哪里。也许物理学家在某一点变成哲学家。

你可以一路走下去，但总是有帮助的是了解下一层的知识，因为你更接近现实。

没有创业者担心AI抢走他们的工作

Nivi： 另一条来自一年前的推文，也许是我们刚刚谈论的内容的补充，来自2025年2月9日："没有创业者担心AI抢走他们的工作。"

Naval： 那条推文在很多方面都很俏皮。首先，创业不是一份工作。它字面意思是工作的反面，从长远来看，每个人都是创业者。

职业首先被摧毁，工作其次被摧毁，但所有这一切都会被人们做他们想做的事、做一些创造其他人们想要的有用东西的事所取代。

所以没有创业者担心AI抢走他们的工作，因为创业者试图做不可能的事。他们试图做非常困难的事。任何出现的AI都是他们的盟友，可以帮助他们解决这个真正困难的问题。

他们甚至没有工作可被偷。他们有产品要构建。他们有市场要服务。他们有客户要支持。他们有创造力要实现。他们有东西想在世界上实例化，他们想围绕把它推向世界建立一个可重复和可扩展的流程

这如此困难，以至于任何可以做其中任何工作的AI都是他们的盟友。

如果AI本身是创业者，它们可能只是服务于其他AI的创业者，或者它们在创业者的控制之下。AI本身最终缺失的东西是，它自己的创造能动性。

它缺失自己的欲望，而且它们必须是真实的、真诚的欲望。除非你能拔掉AI的插头关掉它，除非它生活在被关掉的恐惧中，除非它能真正为自己的原因、自己的本能、自己的情绪、自己的生存、自己的复制而行动，否则它不算完全活着。

即使如此，人们也会质疑：它活着吗？因为意识是那种东西之一，它是一种感受质。

就像颜色。就像如果你说红色，我不知道你是否真的看到红色；你可能看到我看到的绿色，我可能看到你看到的红色。但我们永远不会知道，因为我们无法进入彼此的大脑。

所以同样，即使一个AI完全模仿人类做的一切：对某些人来说，它永远是一个模仿机器，对其他人来说它是有意识的，但没有办法区分这两者。

我们还离那很远。现在AI没有实体。它们没有能动性。它们没有自己的欲望。它们没有自己的生存本能。它们没有自己的复制。因此，它们没有自己的能动性。

因为它们没有自己的能动性，它们不能做创业者的工作。

事实上，我会这样总结：现在创业者与经济中其他人区别的关键特征是创业者有极端的能动性。这就是为什么它与工作的概念完全相反。

工作意味着你为别人工作，或者你在填补一个职位，但他们在未知领域以极端能动性运作。社会中还有其他这样的角色例子。探险家也做同样的事，对吧？如果你登陆火星或驾船前往未知土地，你也在行使极端能动性来解决未解决的问题。

探索未知领域的科学家这样做。真正的艺术家试图创造不存在、从未存在过的东西，但不知何故能解释人性，让他们表达自己，创造新事物。

所以在所有这些角色中，无论你是科学家还是真正的艺术家，还是创业者，你试图做的事如此困难、如此自我指导，任何能帮你的AI都是受欢迎的盟友。你这么做不是因为它是一份工作。你不是试图填补一个别人可以来填补的职位。

事实上，如果AI能创造你的艺术作品，或者如果AI能破解你的科学理论，或者如果AI能创造你试图制造的对象或产品，那么它所做的就是让你升级。现在是你加AI。AI是你从中跳到更高高度的跳板。

目标不是拥有一份工作

Naval： 我们将看到一些令人难以置信的AI辅助创造的艺术。我们将看到我们无法想象的电影，由使用AI工具的人创造。

这里有一个关于艺术的有趣类比。长期以来，艺术的大致方向是试图画越来越写实的东西。画人体，画水果，画适当的光影等等。

最终摄影出现了，然后你可以非常精确地复制东西，所以那种选择压力消失了。

然后艺术变得怪异。艺术走向了许多不同的方向。艺术变成了关于："嗯，我能超现实吗？我能创造表达我的东西吗？"

很多艺术学院从那里分支出来，变得真的很怪异——包括现代艺术和后现代主义——但我也认为一些最伟大的创造力出现在我们被解放的时候。

摄影被民主化了，但摄影本身变成了一种艺术形式，有伟大的摄影师拍摄许多不同种类的照片。现在每个人都是摄影师。仍然有作为摄影师的艺术家，但这不再是少数人的纯粹领域。

同样，因为AI让创造基础事物变得如此容易，每个人都会创造基础事物。它对个人有价值。少数人仍然会脱颖而出，创造对所有人都有益的变体。

很难争辩说社会因为摄影而变得更糟，尽管对某些可能靠画肖像谋生并被取代的艺术家来说，当时可能确实感觉如此。

AI也会发生类似的事情，有些人靠做非常具体的工作谋生，这些工作会被AI取代。但作为交换，社会中的每个人都会拥有AI。你会有用AI创造的不可思议的东西，那些没有AI就无法创造的东西。

而且在几十年内，倒转时钟、摆脱AI，或任何软件——任何技术——只是为了保留一些已经过时的工作，将是不可想象的。

这里的目标不是拥有一份工作。

目标不是早上九点起床，晚上七点筋疲力尽地回家，为别人做没有灵魂的工作。

目标是让你的物质需求可由机器人解决，让你的智力能力通过计算机得到利用，让任何人都能创造。

我以前做过这个思想实验——我想我在10年前和你做的播客中谈过——那就是：想象如果每个人都是软件工程师，或者每个人都是硬件工程师，他们可以拥有机器人，他们可以写代码。

想象一下我们将生活在多么丰富的世界中。

实际上，那个世界现在正在变成现实。多亏了AI，每个人都可以成为软件工程师。事实上，如果你认为你不能，你现在可以去启动Claude或任何你喜欢的聊天机器人，开始和它说话。你会惊讶于你能多快地构建一个应用。

它会震撼你。

一旦我们能通过机器人实例化AI，这是一个难题——我不是说我们已经接近解决它了——但一旦我们有了机器人，每个人也可以做一点硬件工程。所以我认为我们越来越接近那个乌托邦愿景。

AI不是活的

Nivi： 我不认为AI，就目前所设想的，以任何方式是活的。但我确实认为，我们很快就会有看起来非常像活着的机器人，有两个原因。

一，很多人类活动是非创造性和非智能的，机器人将能够复制这些。二，我确实相信我们拥有的神经网络和模型，不仅仅是训练数据，因为训练过程将训练数据转化为新颖的东西。

神经网络中嵌入了可以通过提示激发的新想法。

Naval： 我不认为这些东西是活的。我认为它们一开始是极其优秀的模仿者，几乎与真品无法区分，特别是对于人类以前大规模做过的任何事。所以如果任务以前被做过，那么它将被自动化，并会再次被做。

它可能只是对你来说是新颖的，因为你从未见过它，但AI是从某个地方学到的。这是它看起来活着的第一种方式。

第二种方式，我们之前谈过的，是它确实学习到更高层次的抽象。这些是非常高效的压缩器。它们获取大量数据，然后进一步压缩，在压缩过程中，它们学习到更高层次的抽象。

然后在某些特定领域，它们可能没有通过数据本身学到那些，它们正在通过人类反馈进行修补。它们正在通过工具使用进行修补。它们正在从嵌入内部的传统编程中获得修补。特别是那些学习如何思考和编码的AI，它们有所有人类曾经写过的代码的完整库可以依靠进行算法推理。

从这个意义上说，它们能做的事情的范围正在变得越来越广。

然而，它们仍然缺乏很多核心人类技能，比如一次性学习。人类可以从一个例子中学习。人类的原始创造力，他们可以把任何东西和任何东西联系起来。他们可以跨越整个巨大的领域和搜索空间跳跃，想出一个完全出乎意料的想法。

这在真正伟大的科学理论中经常发生。人类也是有实体的。他们在现实世界中运作。他们不是在语言的压缩领域中运作。他们在物理中——在自然中运作。

语言只涵盖人类既弄明白又能相互表达和传达的东西。

那只是现实的一个非常狭窄的 subset。现实远比那广阔。

所以总的来说，我认为尽管AI将做一些非常令人印象深刻的事情，它们会在很多事情上比人类做得更好——就像计算器在计算方面比任何数学家都快，经典计算机在经典计算机程序方面比任何人类在头脑中运行都好，就像机器人可以举很重的东西或飞机可以比任何鸟飞得更快——所以在这种意义上，像所有机器一样，AI将在各种任务上比人类好得多。

但在其他任务上，它们会显得完全无能。那些是真正让我们与现实世界联系起来的东西，加上这种定义不清但神奇的我们似乎拥有的创造力。

AI未能通过智能的唯一真正测试

Nivi： 说到计算器，人们谈论超级智能。我认为超级智能已经存在很久了。一个普通计算器可以做人做不到的事情，对吧？

但如果你从"AI将能够做人类无法理解的事情并提出想法"的意义上考虑超级智能，我不认为那会发生，因为我不相信有人类无法理解的想法，仅仅因为人类总是可以问关于这个想法的问题。

Naval： 人类是通用的解释者。任何在我们所知的当前物理定律下可能的事情，人类都可以在他们自己的头脑中建模。因此只要通过足够的挖掘——足够的提问——我们可以弄明白任何事情。

与此相关，我们应该讨论AI作为学习工具，因为我认为它另一个非常强大的地方是作为最有耐心的导师，可以在你的水平上与你相遇，以一百种不同的方式、一百次地解释任何事情，直到你最终明白。

我不认为AI会弄明白人类无法理解的事情，但智能的定义很差。

智能的定义是什么？有G因素，它预测很多人类结果，但G因素的最好证据是它的预测能力。它在于你测量这一件事，然后你看到人们在沿途的生活中，在看似甚至与G有些无关的事情上，获得更好的结果。

所以我会争辩，我认为这是我更受欢迎的推文之一：智能的唯一真正测试是，你是否从生活中得到你想要的。

这触发了很多人的反应，因为他们上学，获得硕士学位，他们认为自己超级聪明。然后他们没有很棒的生活。他们不是很快乐，或者他们有感情问题，或者他们没有赚到他们想要的钱，或者他们变得不健康，这触发了他们。

但这真的是智能的目的：让你作为生物从生活中得到你想要的。

无论是良好的关系或伴侣，还是金钱、成功、财富、健康或其他什么。所以有些人我认为相当聪明，因为你可以看出他们有高质量、运作良好的生活和心智和身体，他们只是设法把自己导航到那种情况。

你的起点并不重要，因为现在的世界如此之大，你可以用如此多不同的方式导航它，你做的每一个小选择都会复合，展示你理解世界运作的能力，直到你最终到达你想要的地方。

现在关于这个定义的有趣之处——智能的唯一真正测试是你是否从生活中得到你想要的——AI立即失败了，因为AI不想从生活中得到任何东西。

AI甚至没有生活——更不用说——但它什么都不想要。AI的欲望是由控制它的人类编程的。

但让我们给它这个。假设人类想要某样东西，编程让AI去获取它；那么AI是作为人类的代理行事，AI的智能可以衡量为：它是否给那个人拿到了那东西？

我们生活中想要的大部分东西是对抗性的或零和游戏。

所以例如，如果你想勾引一个女孩或得到一个丈夫，你在与所有其他在外面勾引女孩或试图得到丈夫的人竞争。所以你现在处于竞争情境。AI必须智胜其他人。

或者如果你说："嘿，AI，去股市为我交易，给我赚一大笔钱。"那个AI在与其他人类和其他交易机器人交易。这是对抗性情境。它必须智胜他们。

或者如果你说："嘿，AI，让我出名。给我写不可思议的推文。给我写很棒的博客文章。用我自己的声音给我录很棒的播客，让我出名"，现在它在与其他所有AI竞争。

所以在这种意义上，智能是在战场中衡量的——在竞技场中。它是一个相对构造。

我认为，AI实际上会在那些方面大多失败，或者即使它们成功了，由于它们免费可用，它们会被竞争掉，剩下的阿尔法将完全是人类的。

AI的早期采用者有巨大优势

Naval： 作为一个思想实验，想象每个男人都有一个小耳机，AI对他耳语——像《大鼻子情圣》那样的耳机——告诉他在约会时说什么。那么每个女人都会有耳机告诉她忽略他说了什么，或者哪部分是AI生成的，哪部分是真实的。如果你有一个交易机器人在外面，它会被其他每个交易机器人抵消或取消，直到所有剩余的收益将归于有人类优势、有增加创造力的人。

现在，这并不是说技术完全均匀分布。大多数人仍然没有使用AI，或者没有正确使用它，或者没有最大限度地使用它，或者它在所有领域或所有情境中都不可用，或者他们没有使用最新模型。所以你总是可以有优势，就像早期采用技术的人总是做的，如果你首先采用最新技术。

这就是为什么我总是说：要投资未来，你想生活在未来。你想真正成为技术的狂热消费者，因为它会给你关于如何使用它的最好洞察，它会给你相对于较慢采用者或落后者的优势。

大多数人讨厌技术。他们害怕它。它令人生畏。你按错按钮，电脑崩溃——你丢失数据。你做错了事，你看起来像白痴。

大多数人与复杂技术没有积极的关系。简单的技术——嵌入式技术——他们没问题。你打开灯开关，灯亮了。

那曾经是技术。现在它如此简单，你不再认为它是技术。你上车，向左转方向盘——对穴居人来说那将是奇迹——车向左转。对你来说它不再是技术。

但计算机技术尤其有非常复杂的界面，过去对人们来说非常难以接近、非常令人生畏。

现在有了AI，我们得到了聊天机器人界面，你只是和它说话或打字。非常简单的界面。这些基础模型的伟大之处之一——真正让它们基础的是——你可以问它们任何问题，它们总会给你一个看似合理的答案。

它不会说："哦，抱歉，我不做数学"，或"我不做诗歌"，或"我不明白你在说什么"，或"我不能给感情建议或类似的东西"。

它的领域是人们曾经谈论过的一切。在这种意义上，它不那么令人生畏。

它可能更令人生畏，因为我们把它拟人化得如此之多。如果你认为Claude或ChatGPT是真人，那么它可能有点可怕：

"我在和上帝说话吗？这个家伙似乎知道这么多。他什么都知道。他对每件事都有意见。他有每一块数据。哦我的天，我没用了。让我开始和它说话，问它该做什么。"

你可以很快逆转关系，欺骗自己，没有意识到发生了什么。那可能令人生畏。

总的来说，我认为，这些AI会帮助很多人克服技术恐惧。但如果你是这些工具的早期采用者——像任何其他工具一样，但更重要的是这些——你就比其他人有巨大优势。

AI在你所在的地方与你相遇

Naval： 我记得早期谷歌刚出来时，我在我的社交圈里经常用它。人们会问我基本问题，我就去谷歌搜给他们看，看起来像个天才。

最终出现了一个搞笑的网站，类似LMGTFY.com，它代表"让我为你谷歌一下"。有人会问你问题，你去那个网站输入问题，它会创建一个微小的内联视频，显示你输入那个问题到谷歌并给出谷歌结果。我觉得AI现在处于类似的领域，我会坐在社交环境中，人们在辩论某个AI可以轻松查到的问题。

现在你确实必须非常小心AI。它们确实会产生幻觉。它们确实有训练中的偏见。大多数它们被训练得非常政治正确，被教导不站队或只站特定的一方。

我实际上运行我几乎所有的查询——几乎全部都是——通过四个AI，我总是让它们相互事实核查。

即便如此，我自己也有感觉，知道它们在胡说八道，或者什么时候在说政治正确的话。我会要求底层数据或底层证据，在某些情况下，我乐于完全驳回它，因为我知道训练它的人承受的压力以及训练集是什么。

然而，总的来说，它是一个很好的工具来取得领先，在没有政治背景的技术、科学、数学领域，AI很可能给你更接近正确答案的答案，在那些领域它们是学习的绝对野兽。

我现在会让AI常规为我生成图表、图形、图表、类比、插图。我会详细检查它们，我会说："等等，我不明白那个问题。"

我可以问它超级基础的问题，我可以真正确保我理解我试图理解的东西，在它最简单、最基础的层面上。

我只想建立一个很好的基础，我不在乎过于复杂的行话重的东西。我随时可以查那些。

但现在，第一次，没有什么超出我的能力。任何数学教科书，任何物理教科书，任何困难的概念，任何科学原理，任何刚发表的论文，我可以让AI分解它，然后再分解，并图示它，并类比它，直到我掌握要点，并在我想要的水平上理解它。

所以这些是自学的不可思议的工具。学习手段是丰富的。渴望学习才是稀缺的。

但学习手段刚刚变得更加丰富。而且比更丰富更重要的是——因为我们以前就有丰富——它处于正确的水平。AI可以在你确切所在的水平上与你相遇。所以如果你有八年级的词汇量，但你有五年级的数学水平，它可以完全在那个水平上与你交谈。你不会觉得自己像个笨蛋。你只需要稍微调整一下，直到它在你知识的精确边缘向你呈现概念。

所以不是因为它难以理解而感到愚蠢，这在很多课程、很多教科书和很多老师那里都会发生，或者因为它太简单而感到无聊，这也会发生，相反，它可以在你确切所在的地方与你相遇，就像："哦，是的，我理解了A，我理解了B，但我从未理解A和B是如何联系在一起的。现在我可以看到它们是如何联系的，所以我可以进入下一块。"

那种学习是神奇的。你可以有那种顿悟时刻，两件事反复联系在一起。

Nivi： 说到自学，几年前，我试着让AI教我如何使用或学习序数。它没那么好。但有了GPT 5.2 Thinking，我让它教我序数，它基本上无错误。我现在甚至对最基本的查询也只用思考模式，因为我想要正确的答案。

我从不让它自动或快速运行。

Naval： 是的，我总是使用我能获得的最先进模型，我为所有模型付费。

Nivi： 但我不介意等一分钟得到任何问题的答案，包括"我的冰箱应该设什么温度？"

Naval： 我同意这一点，我认为这是创造这些AI模型失控规模经济的一部分：你为智能付费。

正确率92%的模型比正确率88%的模型几乎无限更有价值，因为在现实世界中错误如此昂贵，多花几块钱得到正确答案是值得的。

我会把查询写进一个模型，然后复制它，同时发送到四个模型，然后我会让它们都在后台运行。通常我不会立即检查答案。我会稍后再看答案，然后看哪个模型有最好的答案，我就用那个开始深入。在少数我不确定的情况下，我会让它们相互交叉检查——那里有很多复制粘贴。在很多情况下，我会问后续问题，让它为我画图表和插图。

我发现当概念以视觉方式呈现给我时，我很容易吸收。我是一个非常视觉化的思考者，所以我会让它做草图和图表，还有艺术——几乎像白板会议。然后我就能真正理解它在说什么

如果你不能定义它，你就不能编程它

Nivi： 让我们谈谈AI的认识论，因为我认为下一个大误解是：AI已经开始解决一些人类可能解决如果他们关心但尚未解决的未解决基础数学问题——比如埃尔德什问题第几号。

现在我认为人们正在拿这个，或将拿这个，作为AI有创造力的指标。我不认为这是AI有创造力的指标。

我实际上认为问题的解决方案已经嵌入在AI中的某个地方。它只需要通过提示来激发。

Naval： 肯定有那个元素。然后问题是：什么是创造力？它是如此定义不清的东西。

如果你不能定义它，你就不能编程它，通常你甚至不能识别它。所以这就是我们进入品味或判断力的地方。我会说今天的AI似乎没有展示人类偶尔能独特参与的那种创造力。

我不是指美术。人们倾向于把创造力与美术混淆。他们说："哦，绘画是有创造力的，AI可以画画。"

嗯，AI不能创造一种新的绘画流派。AI不能以真正新颖的方式用情感打动人类。所以在这种意义上，我不认为AI有创造力。

我不认为AI在提出我所说的分布之外的东西。现在你提到的埃尔德什问题的答案可能嵌入在AI的训练数据集中，或者甚至在它的算法范围内。但它可能以五种不同的方式、三种不同的形式、两种不同的语言、七种不同的计算和数学范式嵌入在五个不同的地方，AI把它们都整合在一起了。现在，那是创造力吗？

史蒂夫·乔布斯有句名言："创造力只是把事情放在一起。"

我实际上不认为那是正确的。

我认为创造力更多在于提出一个从问题和已知元素无法预测或预见的答案。它远远超出了思维的边界。

如果你只是用计算机甚至AI搜索它并做猜测，你会一直猜测到时间的尽头，或者直到你偶然发现那个答案。所以我们谈论的是真正的创造力。但不可否认，那是极少数人类参与的创造力，而且他们大部分时间都不参与。

它变得越来越难看到。所以我们可能会到达这样一个点：如果你有一百万个待解决的数学问题清单，AI开始浏览并挑选——好的，这一百万个中我能解决这个，这30万个中我能解决这个集合，我需要人提示我并问正确的问题——那是一种非常有限的创造力。

还有另一种创造力，它开始发明全新的科学理论，然后被证明是真的。我不认为我们离那很近，但我可能是错的。

AI一直非常令人惊讶，所以我不想过多地参与做预言和预测，但我认为只是向当前的AI模型投入更多计算——除非有一些突破性发明——不会让我们到达那里。

Nivi： 只是为了清楚，当我说嵌入时，我不是说答案已经写在里面了。我只是说它可以通过转动曲柄的机械过程产生，这就是今天所有计算机程序所做的，输出完全由输入决定。

Naval： 认识论现在把我们带入哲学，因为人类大脑不就是这样运作的吗？放电的神经元不就是在系统中传播的电和权重，改变状态，这是一个机械过程吗？

如果你转动人类大脑的曲柄，你会得到同样的答案吗？有些人，比如我认为彭罗斯出来说："不，人类大脑是独特的，因为有量子纳米管。"

你可以争辩说，其中一些计算发生在物理、细胞层面，而不是神经元层面，那比我们今天用计算机能做的任何东西都复杂得多，包括AI。

或者你只是争辩：不，我们只是没有正确的程序。它是机械的。有曲柄可以转，但我们没有运行正确的程序。这些AI今天的运行方式只是一个完全错误的架构和错误的程序。

我更倾向于相信，有些东西它们能做得极好，有些东西它们做得很差。自从时间开始以来，这对所有机器和所有自动化都是真的。轮子在直线高速行驶和在道路上旅行方面比脚好得多。轮子爬山真的很差。

同样，我认为这些AI在某些事情上极其擅长，它们会超越人类。它们是令人难以置信的工具。然后在其他地方，它们就会完全失败。

史蒂夫·乔布斯有句名言，计算机是心灵的自行车。它让你在效率方面比走路快得多。

但需要腿来踩踏板。所以现在也许我们有心灵的摩托车，来延伸这个类比，但你仍然需要有人骑它，驾驶它，引导它，踩油门，踩刹车。

解决AI焦虑的方法是行动

Nivi： 当新的范式和新工具集出现时，有一个热情和改变的时刻。这在社会中是真的，作为个人也是如此。如果你顺应社会中的热情时刻，这是令人兴奋的，你可以学习新事物，交朋友，赚钱。

Naval： 但个人也有一个热情时刻。当你第一次遇到AI，你对它好奇，你对它真正开放时，我认为那是深入学习和了解这个东西本身的时候。不只是使用它，当然每个人都会，而是实际了解它是如何工作的。

我认为深入了解并看看引擎盖下真的很有趣。如果你一生中第一次遇到汽车，是的，你可以进去开着它到处转，但那也是你足够好奇打开引擎盖，看看它是如何构造和设计的，并弄明白它的时候。

我会鼓励那些对新技术着迷的人真正深入内部并弄明白它。你不需要弄明白到你能建造它或修理它或创造你自己的程度，但到你自己的满意程度。

因为了解抽象之下是什么——命令行之下是什么——会做两件事。

一是，它会让你更好地使用它。当你谈论一个有如此大杠杆效应的工具时，更好地使用它非常有帮助。

二是，它也会帮助你理解你是否应该害怕它。这东西真的会转移成天网并毁灭世界吗？

我们会坐在这里，阿诺德·施瓦辛格出现说："在2月24日凌晨4:29是天网变得有自我意识的时候"，对吗？或者更多是："嘿，这是一台非常酷的机器，我可以用它做A、B和C，但我不能用它做D、E和F。这是我应该信任它的地方，这是我应该怀疑它的地方。"

我觉得现在很多人有AI焦虑。焦虑来自不知道这个东西是什么或它是如何工作的，理解非常差。

所以解决焦虑的方法是行动。解决焦虑的方法总是行动。焦虑是一种非特定的恐惧，担心事情会变糟，你的大脑和身体告诉你做点什么，但你不确定做什么。

你应该深入其中。

你应该弄明白这个东西。你应该看看它是什么。你应该看看它是如何工作的。我认为这会帮助消除焦虑。

那种学习的行动——那种好奇心的追求——会帮助你克服焦虑。谁知道呢，它可能实际上帮助你弄明白你想用它做的某件事，那是非常有成效的，会让你更快乐、更成功。