我们正处在一个很有意思的演化阶段:模型在写代码方面比我快 1000 倍,但在使用网页浏览器方面却比我慢 10 倍。 We're at an interesting stage of the evolution where the models are 1000x faster than I am at coding and 10x slower at using a web browser.
目录
观点原文
我们正处在一个很有意思的演化阶段:模型在写代码方面比我快 1000 倍,但在使用网页浏览器方面却比我慢 10 倍。
We're at an interesting stage of the evolution where the models are 1000x faster than I am at coding and 10x slower at using a web browser.
ABAB AI 解读
这句话看似是在调侃 AI 的能力差异,实际上是在精准描述“人类—AI 协作形态的过渡态”。它不是技术吐槽,而是一条关于未来工作分工的关键信号。
我从能力解耦、演化阶段、权力边界、个人定位四个层级来解读。
一、先定性:这不是能力矛盾,而是能力被拆分了
“写代码快 1000 倍,用浏览器慢 10 倍。”
这说明一件非常重要的事:AI 并不是“整体比人强或弱”,而是在不同能力维度上,出现了极端分化。
在形式化、规则明确、可压缩的问题空间(如代码)
→ AI 已经是超人级
在非结构化、充满上下文与隐性目标的任务(如网页浏览)
→ AI 仍然笨拙
这意味着:智能不再是一个整体指标,而是被彻底“模块化”了。
二、这是一个“中间演化态”,不是终局
这句话里最重要的不是对比倍数,而是这一句的隐含前提:“we're at an interesting stage of the evolution”
也就是说:这是过渡期,而不是稳定形态。
过去:人类 > 机器(几乎所有方面)
现在:机器在某些维度碾压人类,在另一些维度严重落后
未来:浏览、操作、感知等“低层交互”会被补齐
人类的优势会进一步上移
👉 你现在看到的“反差”,正是跃迁正在发生的证据。
三、为什么“用浏览器慢”反而是关键信号?
因为浏览器代表的是一类非常重要的能力:
- 目标模糊
- 信息碎片化
- 决策路径不固定
需要“知道为什么要点这个,而不是那个”
这正是:人类在现实世界中真正值钱的能力。
AI 在代码上快,是因为:
- 目标清晰
- 规则完备
- 结果可验证
AI 在浏览器上慢,是因为:
- 不知道“什么重要”
- 不理解隐性动机
- 缺乏真实世界的“意图模型”
这条边界,正是人类当前的安全区。
四、这句话真正揭示的是:工作正在被重新切割
未来的工作,不再是“职业 vs 职业”,而是:任务颗粒度的重新分配
你会看到:
AI 接管:
- 写代码
- 重构
- 调试
- 批量生成
人类负责:
- 定义要做什么
- 判断什么有价值
- 在混乱信息中找方向
- 承担决策后果
也就是说:“怎么做”正在被自动化,“做什么、为什么做”正在变得更重要。
五、这句话对个人的真正警告
如果你把自己的价值完全建立在:
- 写代码速度
- 执行效率
- 熟练操作工具
那么你正在和 AI 竞争它最强的维度。
但如果你把自己的价值建立在:
- 问题定义
- 系统设计
- 产品判断
- 跨领域整合
那么你正站在 AI 尚未完全进入的区域。
六、这不是“AI 还不行”,而是人类定位必须上移
很多人看到这句话会松一口气:“看,AI 还不会上网。”
这是危险的误读。正确的理解是:AI 在你最熟悉、最自豪的技能上,已经快到你无法竞争;它现在还慢的部分,恰恰是你必须尽快转向的部分。
七、最终结论(非常重要)
这句话真正想表达的是:我们正处在一个极短暂的窗口期:AI 已经在“执行层”全面超越人类,但在“意图、判断、现实交互层”仍然落后。
这个窗口期,对个人而言意味着:不是“我会不会被取代”
而是:“我能否及时把自己从执行者,迁移为决策者与定义者”
这不是未来学,这是正在发生的职业结构重排。
在这个阶段看清楚的人,不是跑得最快的,而是站位升得最快的。
相关观点
- Hannah Stolberg 与 Team OS:把团队隐性知识变成 AI 可调用的组织操作系统Hannah Stulberg · 2026/04/17
- Evan Spiegel:拒绝被收购,不做流量生意,只押注下一代计算平台Evan Spiegel · 2026/04/16
- AI产品不是做模型,是控制行业入口Winston Weinberg · 2026/04/15
- 本文Jack Altman 对话 Bret Taylor。Bret 是科技界的传奇人物,曾任 Google 地图联合创始人、Facebook CTO、Salesforce 联席 CEO,现任 OpenAI 董事长,并创办了发展极快的 AI 初创公司 Sierra 以下是 Bret Taylor 针对 AI、软件行业未来以及公司管理分享的核心观点和内容总结: 1. 软件行业的“末日”还是“转型”? SAS-mageddon(软件即服务末日): 面对公共市场软件股下跌,Bret 认为这反映了市场对未来的焦虑,而非对具体公司的判决 记录系统(Systems of Record)的挑战: 传统上,ERP、CRM 等系统因作为数据锚点和拥有复杂工作流而极具价值。但在 AI 时代,如果 AI Agent(智能体)能自动完成所有工作,用户不再点击按钮,那么这些系统的价值可能会从“应用”退化为纯粹的“数据库” 防御性与新机会: AI 智能体带来的不仅是风险,更是重塑。公司如果能围绕平台建立智能体生态,其价值可能超越原有的平台 2. 为什么初创公司能击败巨头? 战略税(Strategy Tax): 巨头拥有无限资源,但往往被既有优势(如本地部署系统、旧的商业模式、销售提成机制)所束缚 从“最佳平台”回到“最佳品种”: 每次技术范式转移(如 Web、移动端、AI),市场都会从倾向于买一站式平台转向购买在单一技术上做到极致的“最佳品种”产品。初创公司没有历史包袱,能 100% 投入新技术的研发 3. Sierra 的成功路径与 AI 智能体(Agent) 定位高价值行业: Sierra 专注于服务高度合规、复杂的行业(如医疗保险、银行、电信)。这些行业对 AI 的要求不仅仅是“Demo”,而是“工业级”的稳定 结果导向定价(Outcome-based Pricing): 这是 Bret 大力倡导的模式。不同于传统的按席位或按 Token 计费,Sierra 按“解决的问题”或“达成的销售”收费。他认为,随着智能体变得自主,企业应为最终的商业结果买单 超越支持: Sierra 的智能体不仅做客服,还参与房屋搜索、抵押贷款服务,甚至进行上亿美元规模的业务谈判(如协商有线电视账单) 4. 关于编程与 AI 开发 编码范式转移: Bret 提到现在的 AI 已经能编写高质量的代码。他预测 3 年内,软件团队的最佳实践将完全被重写 抛弃式 IP: 在这一时期,为了服务客户,开发者必须编写一些可能在 4 个月内就会被丢弃的代码,因为底层技术迭代太快 Terraforming 软件: 真正的持久资产可能不再是代码本身,而是生成这些代码的系统和提示词(Prompts) 5. 对 AI 与人类未来的思考 人的身份与技能: 虽然 AI 在编程和数字任务上表现卓越,但在物理世界(如建筑、制药实验)以及涉及人类“品味”和“地位追求”的领域,人类仍不可替代 自省与进化: 就像会计师经历了 Excel 时代一样,人类需要调整身份认同,把 AI 当作工具,从而实现更高程度的自我实现 广告与分发: 针对 OpenAI 可能引入广告的讨论,Bret 持乐观态度。他认为,为了实现“让 AGI 造福全人类”的使命,需要有一种商业模式(如广告)来支持免费提供服务,使那些支付不起每月 20 美元的人也能使用 AI 6. 公司管理与董事会 文档驱动: Bret 坚持在董事会会议中使用书面文档而非幻灯片(Slides)。他认为写作是理清思绪、整合信息的最佳方式,能让会议集中在核心决策上 跨学科董事会: 他认为董事会应是管理层寻求建议的对象,而非仅仅是报告对象。一个好的董事会应由不同领域的专家(如安全专家、法律专家、销售老兵)组成 核心结论: Bret Taylor 认为我们正处于从“以技术为中心”转向“以产品为中心”的周期中。2027 年,每个公司都将需要一个 AI Agent,就像 1997 年每个公司都需要一个网站一样 以上内容来源:https://www.youtube.com/watch?v=tJwiP0zqVp4Jack Altman · 2026/03/04