AI 智能体与 12 倍生产力：Cognition 联创谈 Devin 与软件丰饶时代
在这个由代码构筑的数字世界里，软件开发的范式正在经历一场彻底的颠覆。本期《美国乐观主义者》播客对话了明星AI初创公司Cognition的联合创始人Scott Wu与Russell Kaplan。作为全球首个AI软件工程师“Devin”的缔造者，他们为我们描绘了一幅激动人心的“软件丰饶时代”蓝图。
随着AI能力的指数级跃升，人类工程师正逐渐告别逐行敲击代码的繁琐日常，转而化身为统帅AI智能体大军的“架构师”。从帮助全球顶尖企业和政府部门以十倍速重构错综复杂的遗留系统，到大幅降低技术门槛并引爆小微企业的创新狂潮，AI正在以前所未有的速度重塑全社会的生产力结构。正如两位创始人在访谈结尾所发出的乐观宣言：在AI的赋能下，人类文明正在告别资源受限的“生存模式”，大步跨入一个全新的“创造模式”——在未来，唯一限制我们前进步伐的将不再是执行力，而是人类想象力的边界。
📺 视频基本信息
- 节目名称： American Optimist（美国乐观主义者）
- 主持人： Joe Lonsdale（乔·朗斯代尔，Palantir、Addepar等公司联合创始人，著名投资人）
- 受访嘉宾： Scott Wu（Cognition联合创始人兼CEO，前IOI三届金牌得主、世界冠军）与 Russell Kaplan（Cognition联合创始人，前特斯拉Autopilot机器学习工程师、Helia创始人）
- 讨论主题： Cognition的惊人增长、首个AI软件工程师Devin、软件丰饶时代的到来、用AI改造政府陈旧IT系统，以及从“生存模式”向“创造模式”演进的乐观AI未来。
📝 访谈核心内容概述
1. 顶尖人才与“年轻的优势”
Cognition 汇聚了一批世界顶级的年轻编程天才。Scott 提到，当年与他同届参加美国计算机奥林匹克（USACO）的人中，诞生了Scale AI、Pika、Perplexity等明星公司的创始人。Russell 认为，在这个AI时代，年轻工程师的优势在于“没有先入为主的偏见”，他们能毫无负担地拥抱用自然语言和AI代理编程的新范式。
2. 爆炸性增长与“软件丰饶时代”
Cognition 正在经历指数级增长：2026年前两个月的 Devin 使用量已经超过了整个2025年的总和。Scott 提出“软件丰饶时代（Software Abundance）”的概念——未来，任何企业或个人都能像拥有十万名工程师的顶级大厂（如字节、谷歌）一样，打造出体验完美的软件产品。
3. 工程师不再“敲代码”
Cognition 内部的工程师现在已经不再逐行敲击代码了，英语成为了新的编程媒介。工程师的角色正在向“AI智能体舰队的CTO”转变：他们负责构思架构、指导AI，并同时并行运行多个测试。这就好比特斯拉当年训练AI时的信条——“永远不要让GPU在晚上闲置”，现在的信条变成了“永远不要在你睡觉时让Devin闲置”。
4. 改造政府陈旧系统与企业架构
美国政府每年在IT现代化上花费1000亿美元，但很多系统仍由几十年前的COBOL语言编写。Cognition 正在将 Devin 部署到军队、财政部以及全球最大的银行、医疗机构中，帮助他们以6到12倍的效率重构复杂的遗留系统。此外，通过AI直接生成代码，政府可以轻易规避掉“购买SaaS服务无法拥有知识产权”的官僚采购障碍。
5. 竞争、选拔与乐观的未来
在面临激烈竞争的当下，Cognition 大量招募前创业者作为“驻场工程师（Forward Deployed Engineers）”。他们的面试极其鼓励候选人使用AI工具，因为重点不再是手写代码，而是系统设计和品味。访谈最后，嘉宾们对未来感到极度乐观：人类正在从资源的“我的世界（Minecraft）生存模式”跨入“创造模式”——唯一的限制将只剩下我们的想象力。
📚 专业术语对照表 (Glossary of Professional Terms)
| 英文原词 | 中文翻译 | 语境说明 |
|---|---|---|
| IOI (International Olympiad in Informatics) | 国际信息学奥林匹克竞赛 | 全球最高水平的中学生计算机编程竞赛，Scott Wu曾获三枚金牌。 |
| USACO | 美国计算机奥林匹克竞赛 | 选拔美国国家队参加IOI的国内赛事。 |
| RLHF | 基于人类反馈的强化学习 | 大语言模型对齐的核心技术（Daniel Ziegler是联合发明人之一）。 |
| Software Abundance | 软件丰饶（时代） | Scott提出的概念，指由于AI的加持，开发高质量软件变得极度容易和普及。 |
| Forward Deployed Engineers | 前方/驻场部署工程师 | 源自Palantir的职位概念，指派驻到客户现场，将核心技术转化为实际商业价值的工程师。 |
| Jevons paradox | 杰文斯悖论 | 经济学概念，指技术进步提高了资源利用效率，反而会导致对该资源的总需求增加（此处指降低写代码成本反而让软件需求暴增）。 |
| COBOL | COBOL 语言 | 面向商业的通用语言，诞生于1950年代，目前大量政府和银行遗留系统仍在使用。 |
| FedRAMP | 联邦风险与授权管理项目 | 美国政府针对云服务供应商的标准化安全评估和授权框架。 |
| Primes / Systems Integrator | 主承包商 / 系统集成商 | 政府外包项目中的主要承接方（如Palantir, Anduril等）。 |
| Vibe coding / YOLO merge | 凭感觉编程 / YOLO式代码合并 | 硅谷流行黑话。指极其随意地写代码或不经审核直接合并代码（YOLO=You Only Live Once）。 |
| Non-determinism | 非确定性 | 计算机术语，指程序的运行结果具有一定随机性或不可完全预测性（AI模型普遍具备此特性）。 |
📖 全文完整翻译 (Full Translation)
[0:00] 播客片头与开场介绍
Scott Wu: 你真正的限制将只剩下你的想法和你的想象力，你可以随心所欲地将事物变为现实。
Joe Lonsdale: 你曾是世界上最顶级的编程比赛II（国际信息学奥林匹克）的三届金牌得主。现在你正经营着这里最顶级的AI公司之一。
Russell Kaplan: 当我们在2024年3月推出Devin时，它是第一个自主智能体。人类花一小时管理Devin，产生的价值相当于那个人类自己亲自去干6到12个小时的工作。马斯克曾向我们灌输过一句话，那就是“每个人都是首席工程师”。
Joe Lonsdale: 让我们谈谈这个“软件丰饶的新时代”。
Scott Wu: 比如在我们Cognition，我们的工程师现在已经不再敲代码了。你真的可以[音乐]直接将你的想法变为现实。
Russell Kaplan: 工程师、设计师和产品经理会面面相觑，然后说：“我不再需要你们俩了。”
Joe Lonsdale: 大家好，我是Joe Lonsdale。Scott Wu 曾是三届世界编程金牌得主。我过去曾与他共事过。他现在掌舵着世界上增长最快的AI公司之一，正在帮助引领这个软件丰饶的时代。他和联合创始人Russell今天来和我们会面。我们玩了一些游戏，我不会告诉你们谁赢了。[音乐]这些家伙相当聪明。但是，能听Scott和Russell谈论AI的前沿技术、世界正在如何改变，以及在这个丰饶的新时代我们能创造些什么，总是非常有趣的。Scott和Russell在两年前打造了Devin，这是第一个AI编程智能体。他们现在已经开始在各种其他领域推出了服务，他们目前也在重塑政府的工作方式。很高兴看到他们接下来将走向何方。
[1:35] AI时代的顶尖技术人才与执行力
Joe Lonsdale: 欢迎来到《美国乐观主义者》。今天我们请回了Cognition的CEO兼创始人Scott Wu，以及你的联合创始人Russell。提醒一下大家，Scott，你曾是顶尖编程竞赛IOI的三届金牌得主，我记得你17岁时拿了世界冠军。在那之后，我们在Addepar共事过。现在你正掌舵着世界上最顶级的AI公司之一。Russell，我想你的职业生涯始于特斯拉，担任机器学习工程师，后来你把一家公司卖给了Scale AI。
你们俩……你们俩现在都还是20多岁对吧？
Russell Kaplan: 不，我已经超龄了。我30岁了。[笑声]
Joe Lonsdale: 你30岁了。哦，你今年刚满30岁。好吧。那没关系。你正在像我一样变老。[笑声] 所以你们依然处于最黄金的年龄。说真的，我很好奇，你们团队的平均年龄是多少？
Scott Wu: 我想可能是……在工程团队大概是25岁。显然在走向市场（GTM）团队会稍微大一点，但确实很年轻。
Joe Lonsdale: 好吧，做市场销售的是不一样，这很合理。你负责更多的GTM工作。
Scott Wu: 是的。我认为你知道的，我们的工程团队里有17岁的，有18岁的，我们有非常年轻的伙计。但是，任何年龄段的人我们都愿意招，只要他们准备好拼命努力（grind）并准备产生巨大的影响力。
Joe Lonsdale: 你们公司聚集了大量曾在全球编程竞赛中拿过金牌的人才。这是一支在AI最前沿极其资深、极其硬核的技术团队。
Scott Wu: 是的，我得说，我们最喜欢的一些员工是那些比如只有17或18岁、刚刚高中毕业的人，但他们自己已经折腾并构建了大量的智能体，在AI训练模型等方面有丰富的实操经验。
Joe Lonsdale: 显然……我其实想简单问你一下这个。因为你15岁就拿了世界金牌，17岁拿了世界冠军。显然人们可以在很年轻时就非常精通这些东西。在AI时代，那些从小就在这个环境里长大、已经在使用AI的年轻人的大脑，是否会因为某种原因，比不使用AI的人更具优势？你是怎么看待这个问题的？
Scott Wu: 这是一个好问题。嗯，其实挺有趣的。我曾参加过USACO，也就是美国计算机奥林匹克竞赛。这就是训练营和选拔国家队去参加国际奥林匹克竞赛（IOI）的地方。每年大概选出20个孩子。这可以说是全美国最顶尖的20个孩子。我来自路易斯安那州，但大多数人来自加州、纽约，或者马萨诸塞州、MIT和哈佛附近。但在我那一届，实际上有很多其他人后来也都进入了AI领域。显然，这包括与我们一起创立Cognition的Steven和Andrew；但除此之外还有很多人。比如创立Scale的Alexander Wang（王代尔）；创立Pika的Demi Guo（郭文景）；RLHF的联合发明人之一Daniel Ziegler；现在在OpenAI领导推理团队的Alex Wei；以及创办Perplexity的Johnny Ho。我们其实都是那一届那20个人里出来的。这是一个非常有趣的现象。
我认为这里有几个原因。首先，我认为创业精神是具有传染性的。Alexander（王代尔）是我印象中第一个真正创办公司并取得巨大成功的人。他大一就离开大学去创立了Scale，显然他后来以160亿美元的价格把它卖给了Facebook，或者是某种有趣的架构，反正是取得了巨大的成功。[笑声] 这可能启发了其他人，让他们觉得“等等，我也那么聪明，我也能做到。”所以我觉得这是一个巨大的动机。我们也是一起成长，一起经历了这些事情。
对于AI这个垂直领域，我想说的是，你会发现在AI领域，技术方面的卓越程度要比其他许多领域重要得多。过去有很多商业模式属于极度重运营的物流业务，或者起步极其艰难的双边市场，比如很多公司的竞争优势在于弄清楚关键词分发渠道，或者打造完美的令人上瘾的产品循环。AI当然也有这些要素。然而，在很多垂直赛道里，你会发现纯粹的“技术执行力”至关重要。每当你把技术推向一个新高度，前面依然有下一个高度等着你去突破。我们在硅谷看到的许多最优秀的公司，正是那些能够持续推出其他人无法做到的技术突破的公司。
[6:10] 年轻人在AI时代是否具有优势？
Joe Lonsdale: 追问你们一下，像现在17岁的年轻人，如果是当今的“Scott Wu”，是个世界冠军，也许你们正在招募他，他们在这个AI已经成为现实、他们习惯使用AI加速工作的世界里长大，他们会拥有一种特殊的优势吗？
Russell Kaplan: 是的。因为大家在使用AI进行软件工程方面的经验起跑线是一样的，基本上都是零。我的意思是，每隔三个月，你都必须抛弃你以前的经验，建立新的经验，因为工具变得越来越好了。
Joe Lonsdale: 对像我这样43岁的人来说，这可能比一个18岁还在学习的人要困难得多，是吗？
Russell Kaplan: 是的。因为有些人会说：“哦，你知道，现在初级工程师的日子会很难过，因为入门级的任务正被AI自动完成。”但我认为我们在内部看到的恰恰相反。如果你带着“事情原本应该怎么做”或者“工作原本应该怎么运转”的零成见、零包袱进来，你就能全情投入，真正拥抱这种全新的工作方式。
关于AI技术深度的部分……它不仅适用于现代生成式AI时代。你知道，当我在特斯拉Autopilot团队担任机器学习科学家时，埃隆（马斯克）有一句话深深地印在我们脑海里，那就是“每个人都是首席工程师（everyone is chief engineer）”。Autopilot团队的每个人都必须了解整个技术栈是如何运作的。这在AI领域尤为重要，因为发生的变化是：不同团队之间的抽象边界开始瓦解。在经典的自动驾驶系统架构中，你有一个感知团队，一个规划团队，一个控制团队，他们之间只有极薄的接口边界。但AI的美妙之处在于你可以“端到端”地优化系统。而如果你想端到端优化，你必须对每一个模块是如何工作的都有一个准确的心智模型。所以我认为，跨越整个技术栈的、更具广度和深度的技术能力变得越来越重要。
Joe Lonsdale: 这确实是埃隆做事的有趣方式。我也在一些非常顶尖的人身上看到过这种做法：为了成为最优秀的人，你必须理解正在发生的一切。它在某种意义上同时要求广度和深度。所以你的意思是，AI让做到这一点变得容易得多，因为它能赋予你以前可能无法获得的广度？
Scott Wu: 是的。以我们向新员工介绍我们自己代码库的方式为例，你只需向Devin询问正在发生的一切：“为什么要这样做？这里的历史背景是什么？”
Joe Lonsdale: 你们也会告诉他们，他们相当于首席工程师，必须了解所有东西吗？听起来掌握现在的庞大代码库需要花很长时间。
Scott Wu: 是的，实际上这其中很大一部分显然是紧密相连的。一个简单的例子是：我们七八个月前收购了Windsurf。但我们不会有这种区分——比如“这个人是负责Devin的工程师，那个人是负责Windsurf的工程师”。很多同样的人应该横跨这两条业务线进行工作。
[8:26] Cognition 的爆炸性增长
Joe Lonsdale: 让我们跟进一下自从上次我们交谈以来的情况。现在Cognition的状况如何？走到哪一步了？你们可能不会透露具体的收入数字，但你们增长了很多。你能告诉我们些什么？
Scott Wu: 是的。距离上次交谈大概过了不到一年，我们在这期间实现了巨大的增长。显然，七月份我们收购了Windsurf。但在过去的几个月里，我认为Devin和Windsurf都呈指数级增长。
今天分享一个有趣的数据：今天是（2026年）3月9日，而到了此时此刻，我们在客户中进行的Devin会话（Sessions）数量，已经超过了整个2025年的总和。也就是说，在刚刚过去的这两个多月时间里，我们完成的Devin总使用量已经比2025年全年的都要多。
Joe Lonsdale: 所以增长了超过6倍之类的？
Scott Wu: 是的，是的，是的。显然，我们正在努力确保这种增长趋势继续下去。但总体来说业务增长了很多。我们一直在与许多世界上最大规模的公司合作，比如花旗银行、桑坦德银行等等，弄清楚我们如何真正去改变他们的工程开发模式。
Russell Kaplan: 自去年以来，最有趣的发展之一是：当我们在2024年3月推出Devin时，它是第一个自主智能体。当时这种产品形态处于非常早期的阶段，我会形容它处于“刚好能够完成一些实际有用工作”的边缘状态。它在当时犯了很多错误。
Joe Lonsdale: 是的，当时可靠性差很多。
Russell Kaplan: 我们围绕它构建的基础设施、与其余代码库的连通性等都不太成熟。实际上，一直到2024年夏天，Devin才成为它自己内部代码库的“第一大贡献者”——这是第一个真正的里程碑。然后到了2024年底，它才真正开始在大型有意义的公司里大规模投入生产环境。
但我们学到的一点是，如果你回看2024年的技术水平，它还不够可靠，无法作为大多数任务的主要软件工程来源。实际上，那一年在大多数事情上，你依然需要在AI和人类之间建立更紧密的反馈循环。因此，我们发现这种技术在当时已经真正能够发挥作用的最初几个“利基市场（niche）”，就是那些积累了大量遗留技术债或高度复杂的极其庞大的代码库。当你想要跨越10,000个微服务进行大规模重构时。如果你按照人类工程师的常规做法，你可能必须定义一些新架构，然后手动去实现数以千计的修改。这些变化非常复杂，你不能只写一个正则表达式去替换，但又没复杂到AI无法帮忙的地步。所以这算是我们最早获得强烈产品市场契合度（PMF）的领域之一。这就是为什么，如果你看看我们现在的业务版图，我们已经部署在世界上许多最大、最复杂的组织中。
Joe Lonsdale: 你们服务了顶级医疗保险公司、零售商、银行、政府机构，这些拥有极其庞大、复杂代码库的地方，反而成了生成式AI极其早期的采用者。因为这些人有大量可能运行了30年的老旧架构代码，而你们进去后就能相当容易且准确地去修复它们？
Russell Kaplan: 完全正确。回到你刚才的问题“这是否是工程领域的一项新技能”。现在的现实是，在这些组织内担任架构师的心态已经变成了：你现在几乎是一个“智能体舰队的CTO”。你界定你想要去解决的问题空间，然后你就启动你的Devin大军，让它们去执行实际的实施工作，最后你只负责审查结果。这是一种截然不同的编程方式。
Joe Lonsdale: 旧金山现在到处都有这种梗（meme）：那些书呆子程序员在约会，但他们总是不专心，因为他们一直在盯着自己的AI智能体大军，以至于没空跟女孩聊天。
Russell Kaplan: 我因为这事被我妻子骂过很多次。[笑声]
[11:55] 软件丰饶的新时代
Joe Lonsdale: 让我们谈谈你们所谓的“软件丰饶新时代（era of software abundance）”。这到底意味着什么？Cognition在其中扮演什么角色？
Scott Wu: 是的。简单来说，就像Russell指出的那样。在硅谷，当我们想到软件工程师时，我们想到的往往是那些科技初创企业或者大型科技公司。但现实是，世界上每家公司都在使用软件。在许多方面，软件可以说是本世纪首屈一指的脑力劳动工作。不管你谈论的是CVS（连锁药店）、沃尔玛、联合健康（UHG）还是高盛，所有这些地方都有数不清的软件工程师，他们正在构建数不清的软件。因为我们现在在世界上所做的事情，绝大多数都发生在网络或计算机上。
所以，当我们思考“软件丰饶”时，它的意思就是达到一个临界点：你真的只需将你的想法转化为现实，构建出你想构建的东西。
我喜欢这样来思考这个问题：你可以根据软件产品的触达范围或用户数量，在一个对数图表上对它们进行分级。你想想世界上最顶级的、每个人都在使用的产品，比如YouTube、Instagram或TikTok。这是极度出色的产品，它们有数十亿用户，也有数以十万计或万计的软件工程师在上面工作。你在产品体验中能真切感受到这种投入——体验是完美的，从来没有Bug，服务器不会宕机，流畅传输以GB计的数据，推荐算法极其让人上瘾。
Joe Lonsdale: 你刚才提到的三个我用了两个。它们确实太让人上瘾了。
Scott Wu: 没错。然后你走到下一层级：不再是数十亿用户，而是拥有数亿用户的产品。比如各家银行的应用，或者像Uber、DoorDash这样的应用，以及我们都在使用的其他各种服务。你同样能感受到这些软件构建得相当不错，但你已经能注意到其执行力与顶尖应用有所差距。然后是下一个层级，再下一个层级，一直往下……直到你孩子的学校网站，它可能建于2001年，像是个小学生做的，上面有一张超级过时的照片，除此以外什么有用的信息都没有。
所以，我们可以这样来定义“软件丰饶”：让每一个怀抱任何想法、针对任何产品或用例需求的人，都能极其轻松地攀登那架阶梯，把他们的产品构建得跟当今世界上最顶尖的产品一样好。
[14:30] 工程师不再“敲击代码”
Joe Lonsdale: 对于很多不在AI领域工作的听众，他们可能是一家银行的CEO，或者经营着其他传统业务。AI到底真正改变了工程师的什么工作方式？一个优秀工程师现在的工作流程是怎样的？
Scott Wu: 这是个极好的问题。简单的解释是：比如在我们Cognition，我们的工程师现在已经不再“打字敲代码”了。这就是这几个月以来的现实。这种转变发生在过去的3到6个月里。显然里面还有许多其他步骤，但我认为现在，你以前可能需要跟穿孔卡片打交道，而现在在很大程度上，“代码”这个媒介正在被边缘化，更多的变成了直接使用“英语”。
我们在内部显然大量使用Devin，我们也大量使用Windsurf里的智能体。无论你使用什么工具，现在的核心都不再是你自己一行行去敲代码了。而是你看着需求，理解你想做什么，思考“我想如何处理这个边界情况或这种行为逻辑？”，然后你直接用英语告诉智能体你想要它做什么。它就会去替你把代码构建出来。
Russell Kaplan: 至于这带来的影响，尤其在CEO级别的高管目标上，我们在整个客户群体中看到的是：人们的野心正在变得越来越大。过去的情况是，整个软件开发生命周期（SDLC）里，每一个步骤的核心导向都是为了“不要浪费工程师写代码的极其宝贵的时间”。但现在，你突然拥有了这种能够从提示词、从想法直接生成代码的“满溢的丰饶能力”。你可以更快地迭代想法，你可以直接动手去试。你不必在设计阶段苦熬三个星期才交接给工程团队，因为工程开发的周期现在被压缩得极短。
因此，特别是在高管层面，现在的想法是：“我们需要在方案A和方案B之间做选择吗？小孩子才做选择，我们两个方案都试！”
Joe Lonsdale: 这是不是意味着产品经理他们自己现在也可以亲自开发一些东西了？
Russell Kaplan: 我们随处都能看到这种现象。现在有个笑话是：工程师、设计师和产品经理面面相觑，然后同时开口说：“我不再需要你们俩了。”因为他们每个人都在亲自包揽所有事情！这种工具极其奖赏那些拥有高度执行力/能动性（agentic）、思考如何产生最大影响、并在工作中极其自给自足的人。
我知道在Devin普及后，许多产品经理最早开始使用Devin的一大原因，竟然是不想为了问一些“愚蠢的问题”去打扰工程师。你想象一下，当你是一家公司的新员工，你不了解某个系统的运作方式，你对跑去问别人“你能给我解释一下这个吗”感到有点紧张。而Devin是毫无评判心的（non-judgmental）。你问它问题，它就给你答案。
Joe Lonsdale: 我也经常问AI很多愚蠢的问题。因为作为老板，大家指望我什么都懂。我心里会想：“卧槽，这个首字母缩写到底是什么意思？”没人会评判你，你马上就能得到答案。
Russell Kaplan: 完全正确。而且它还会把源代码作为参考附在旁边。这实际上让所有人处于一个更公平的竞争环境中，大家拥有相同的上下文。
Joe Lonsdale: 顺便说一句，“自主能动性（Agency）”是我最近为我们社会思考很多的一个词。拥有高度能动性的人似乎对每个人来说都是巨大的优势。顺着这个思路，一个特别擅长使用Devin的人，他/她会具备什么样的习惯或直觉？
Scott Wu: 我这样解释吧。对于那些伴随着编程长大、经历了所有先前时代的人来说，为什么热爱写代码的人会喜欢写代码？答案是：这份工作中只有大概10%的部分是真正有趣的——也就是纯粹解决问题、思考你要构建什么、发挥创造力、理解不同方案、决定架构走向、搞清楚具体要如何达成目标。而这份工作中另外90%的时间，则是在你弄清楚所有这些问题后，去做枯燥脏累的“实施工作”。你需要去处理客户给你报的100万个Bug；为了让你的系统还能跑，你必须去处理混乱的系统迁移或升级；你必须去实现每一个细枝末节的逻辑；你必须去写服务于后端系统的所有前端代码。
我认为我们看到的是：最优秀的工程师现在可以把那10%的乐趣发挥出10倍的能量，因为你不再需要去做那90%的脏活累活。你有一个智能体，有Devin去替你干。这意味着，拥有高强度的自我能动性（high agency）变得至关重要。我们在公司内部经常拿这个开玩笑，我们说“我们是一个打造Agent（智能体）的推理实验室（Reasoning Lab），所以我们真正看重的人类特质也是Agency（能动性）和Reason（推理）。”
很多真正重要的技能变成了：你是不是那种会去思考“它为什么应该是这样而不是那样”、“解决这个问题的正确方法是什么”、“我们在这里到底想达到什么目的”的人。
Russell Kaplan: 还有在心态上从内部拥抱“丰饶主义”。很多时候你可能脑子里在纠结“该用这种方法还是那种方法”，而我们最顶尖的工程师们的做法是：直接让系统把所有可能的方法同时跑一遍，然后收到一堆Devin返回的运行结果，再去分析对比。这让你能够在并行模式下尝试大量想法。
[19:20] “永远不要在你睡觉时让Devin闲置”
Russell Kaplan: 这又让我想到，现在任何形式的软件工程，越来越像是一个优秀的机器学习（ML）研究员应该具备的心态。回想几年前，ML研究员在干嘛？我们在特斯拉时有一句口头禅：“永远不要在GPU闲置的时候去睡觉”。如果你让你的集群闲置一整晚，那是巨大的资源浪费。睡觉前务必跑起几批实验，这样你醒来时就能获得更多数据。
现在的软件开发也是同理。你为什么要让Devin们在你睡觉时闲置呢？
Joe Lonsdale: 你完全可以在睡觉时疯狂拉起一大堆工作。
Russell Kaplan: 完全正确。因此我认为，除了上述两点，它还需要人们对“非确定性（non-determinism）”具有一定的包容度。传统的工程是一门极其精密的工艺，如果对正在发生的所有事情没有绝对、完全的掌控感，工程师自然会感到不适。但如果你稍微放开心态，愿意拥抱非确定性——只要我们能够端到端地验证系统性能并理解最终结果，具体的中间实现细节完全可以交给AI。机器学习领域多年前就汲取了这个教训，现在我们要让整个软件领域再经历一遍。
Joe Lonsdale: 所以，即便是在过去，那些试图做极致优化的人偶尔也会去检查底层的汇编代码。现在还会有人去检查系统真正生成的普通代码吗？如果他们遇到极度关键的地方。你们怎么看？
Scott Wu: 当然。毕竟，我们目前仍处于这场大变革的过程中。因此，虽然人们在用英语生成代码，但通常你会回过头去审查那些代码，确保它看起来是正确的，或者你去阅读代码以了解正在发生什么。如果你想剥开这层抽象去探究底层，这是完全正常的。而且我认为在接下来的12到18个月里，我们将继续深入，直到你几乎所有工作都只需要使用英语，不再需要去管底层代码。
[21:25] AI时代的极度通缩
Joe Lonsdale: 那么这意味着什么呢？显然，一切事情的发展速度都大幅提升了。我们刚才涵盖了金钱流动、军事领域、医疗保健、航班管理、维护调度、构建新产品、项目审批……世界上越来越多的领域，正被大家意识到其本质就是软件。而我们在软件领域的推进速度现在变成了5倍快，马上就要变成10倍快。感觉就像我们把好几年的进度压缩到了1年里。这对社会到底意味着什么？
Russell Kaplan: 我思考了很久这个问题。你见过那个按不同行业划分的通胀图表吗？图表最上方是受到高度监管和约束的行业，比如学费、医疗支出等，这些领域的成本已经失控了；而除了这些以外的一切价格都在下降，平面电视机的价格更是跌到了谷底。
Joe Lonsdale: 日本人教会了我们该怎么做制造业。
Russell Kaplan: 是的。我某种程度上认为，那张图表上的“电视机曲线”将会在几乎整个社会各领域发生。特别是当我们考察软件领域时：我们将进入一个软件的“极度通缩周期”。构建软件将变得如此容易和廉价。这并不意味着人们会停止生产软件，相反，他们会生产出数千倍数量的软件！所以你将拥有绝对的软件丰饶，基本上任何可以在数字领域解决的问题，都将极其轻易地在数字领域被解决。
因此，我认为接下来留给我们人类的挑战是：我们如何将这些新释放出来的巨大精力，引导致去改善物理世界？去改善其他一切事物？你实际上需要用真实的人、在真实的世界里，去做真实的物理运营工作。
Joe Lonsdale: 不过机器人可能也会改变物理世界，但抛开机器人不谈，相比之下，由于软件变得如此廉价，那些在真实世界里实际去做事情（Operations）的回报应该会大幅上升。
Scott Wu: 是的。我们在Cognition也经常思考这个问题：我们如何能不只是“为了软件而改善软件”，而是将这些改善转化为造福每个人的真实世界红利？归根结底，这些工具必须服务于我们的生活、我们的公司、我们的商业运作，以及我们的生计。
Russell Kaplan: 现实物理世界总是杂乱无章的，你必须去进行互动。而许多工程师容易掉入的陷阱是：“我只想解决这个极其纯粹的数字问题”。这倒也没错，解决那些极其纯粹的算法问题非常有趣。我们的团队里很多人整个编程生涯都在优化自己解决世界上最纯粹算法问题的能力。
但这与我们现在所做的事形成了一个有趣的对比——这也是现在市场上让Cognition真正与众不同的地方。我们不断从客户那里听到反馈说，我们这支“驻场部署工程团队（forward deployed engineering team）”会深入这些大型组织，与他们展开极度深度的合作。这不是说“嘿，这是工具，拿去用吧”，而是“我们如何一起深入到泥潭里，去推动重大的结构性变革”。
[23:50] Devin 如何实现12倍效率提升
Joe Lonsdale: 详细跟我说说这个。你们显然已经与世界上许多最大规模的公司展开了部署。你们在实战中见过哪些让人印象深刻的结果？
Russell Kaplan: 我们最早看到明显成效的领域，是所谓的“现代化改造项目（modernization programs）”。也就是客户有一些庞大、老旧的遗留系统需要进行转型升级。如果你用传统方式去计算工作量，那可能是一个长达两年的项目。而相对较快的，大概在2024年底左右，我们就测算到了在这类项目上实现6到12倍的生产力提升。
这意味着：人类花费1小时时间去指导和管理Devin，能产出相当于人类自己动手干6到12个小时的工作量。这是早期的一个巨大成果，于是我们开始进行大量这类合作，客户使用Devin就是为了重构、迁移和现代化改造庞大系统。
现在我们看到的一个有趣的趋势是——工作重心从“反应性（reactive）”工程工作向“主动性（proactive）”转移。
回想互联网的早期，网络上发送的绝大多数数据包，都是由人类点击按钮、访问链接或者主动发起请求而产生的。到了某个临界点，情况完全反转了，现在绝大多数数据包都是由机器与机器之间的自动对话发起的。
我认为我们现在在软件工程本身看到了相同的“翻转点”。以前决定“要写什么代码”的整个流程，完全是由人类去框定的。现在，人们已经把Devin连接到了组织内部的各种事件系统和警报系统上，他们说：“嘿，只要警报一响，立刻就开始让AI进行工程修复工作！”
我给你举个例子。全球最大的一家受监管金融公司，他们会对代码进行极其彻底的漏洞扫描。他们有极好的扫描工具，比如SonarQube, Veracode, Snyk等等。他们所做的，就是将所有这些扫描工具发出的警报全部直接对接到Devin，然后说：“Devin，你能进行第一遍的代码分诊（Triage）和修复吗？”因为如果你是公司里的人类工程师，每天看着这排山倒海的警报简直要溺水了，这绝对不是你工作中真正有趣的部分。
现在，Devin在生产环境中正在自动修复70%的这类警报。它彻底反转了工作模式。
Joe Lonsdale: 我最近思考这种现象时，脑子里浮现出金字塔的画面。当我们回看历史时，觉得古人在完全没有现代工具的情况下建造金字塔简直不可思议。同样地，如果站在20年后回头看我们在几年前写出的那些庞大软件系统，发现这全都是人类徒手一行行敲出来的，未来的人也会觉得不可思议的。你们想象一下这种感觉？
Scott Wu: 是的。我认为这也回应了你刚才的疑问：当软件构建变得超级容易、超级便宜之后，会发生什么？现实是，我们还有太多的问题需要修复！今天早上你醒来，登录系统查看你的医疗记录，体验极差；你登录你的银行App，体验极差。有太多需要修复的东西了。而且，由于软件变得如此廉价，除了修复，现实是我们用软件能做的事情被大大拓宽了。
我认为未来我们会看到一些诸如“生成式UI（generative UIs）”或“一次性软件（single-use software）”的爆发。如果你只需要执行某项任务1次，或者只用10到20次，过去专门为此编写一套代码是极不划算的。
Joe Lonsdale: 我非常喜欢这个概念：AI在感知到你接下来的需求后，为你写一段专属代码，并立即为你生成出完全贴合当下场景的UI界面，执行完毕即销毁。
Scott Wu: 是的。人们常提到“杰文斯悖论（Jevons paradox，注：指技术进步使资源利用效率提高，反而导致总需求量增加的现象）”。我认为在所有的行业中，没有哪个领域比软件行业更能印证这个悖论了。随着我们让软件生产变得越来越容易，现实是，需求只会像海啸般随之暴涨。
Joe Lonsdale: 这是一个非常有趣的构想。现在所谓的“奢侈品”是工艺完美的法拉利、或者是针脚细腻的昂贵包包。如果在未来，奢侈品的定义变成了“专门为你生命中此时此刻这一极其独特的具体需求，由AI瞬间打造出的完美UI界面系统”呢？这就很有趣了。
Russell Kaplan: 另外，奢侈品的概念也可能向另一个极端翻转。未来，“人类纯手工编织的代码”将会变得极度稀有。这就像工业革命早期，机器生产的、整齐划一的产品是社会地位的象征，因为机器更精密；但现在情况完全反转了，如果某个包包是纯手工缝制的，那才是更高阶层财富的象征，因为它稀缺、费时费力。
Joe Lonsdale: “这个网站是纯手工敲出来的！”大家一眼就能看出来，因为里面充满了那些可爱的小Bug！[笑声] 这就像是一群坚持不使用AI代码的“阿米什人（Amish）软件工程师”部落。这种未来想象真荒谬又有趣。
[28:25] 用AI重构政府机构陈旧的IT系统
Joe Lonsdale: 说到那些“破旧需要修复的东西，且有着无限修复需求”的领域，政府部门在我看来就是最典型的代表。如果给各种事物按“越来越好/高效”还是“越来越糟/低效”进行排序，政府机构很不幸地会排在最乱七八糟的那一端。
不过我也听到了一些有趣的消息。我的朋友Jared Kushner与卡塔尔及一些政府合作，他们在那里建立了一个系统，只要你想申请建筑许可，只需要120分钟就能给你反馈结果！这是非常酷的事情。政府可以通过软件将事情做得更好。
你们刚推出了“Cognition for Government”业务。背后的目标是什么？
Scott Wu: 是的。如前所述，我们看到许多领域迫切需要更多软件、修复更多问题，政府机构就是最明显的例子。很多流程甚至就在二三十年前，比如财政部，都还是纯手工操作的。现在很大一部分转变为软件管理，但这些软件距离现代化还差得十万八千里。
从我们的角度来看，我们如何确保美国能保持其应有的步伐？如何确保私营部门取得的AI突破同样能在公共部门实现？对我们来说，这是一个非常重要且值得去解决的挑战。
Russell Kaplan: 我也觉得这其中有一种“诗意”的宿命感。很多人没有意识到，政府实际上是几十年来甚至几个世纪以来许多现代技术创新的幕后推手。刚才Scott把传统编码比作“穿孔卡片”。其实你知道吗？穿孔卡片第一次被大规模投入生产使用，是在美国1890年的人口普查中。
在1880年，普查是全人工统计的，花了大约7年时间。后来他们算了一笔账，如果1890年还这么搞，出结果得花10年以上。可人口普查是每10年一次的法定任务，这就死循环了。于是政府基本上向全社会发出了技术求助的呼唤。一位名叫霍列瑞斯（Hollerith，IBM创始人之一）的年轻人发明了利用穿孔卡片制表的机器（Hollerith machine）。系统按时、在预算内完成了1890年的普查，并在此过程中踢开了现代软件工业化的大门。硅谷生态系统很多根基也是由政府在数十年前为了国防投资奠定的。甚至连自动驾驶技术，也是因为DARPA（美国国防高级研究计划局）的“大挑战赛”才被真正引爆的。
但现在，我们处于一种什么状况？政府每年在IT现代化上花费高达1,000亿美元。然而，我们依然有海量的政府核心系统是用COBOL语言编写的。那些懂得这些代码的人早就离职或者过世了，根本没人知道它是怎么运作的。这严重拖了我们的后腿。你作为普通公民在生活中能深切体会到这一点：想想你去DMV（车管所）的经历，想想你去报税时的繁琐，想想你要等多久才能拿到一张许可审批。这些效率低下有着极其真实的社会后果。
如果能把这样的技术部署跨越私营和公共部门，我认为这将是一种极好的社会公平推动力。
Joe Lonsdale: 你们的系统能处理COBOL语言吗？
Scott Wu: COBOL现在是我们一个极其庞大的应用场景！我们早期押注投资的一个方向叫做“代码库智能（Codebase Intelligence）”。现代大语言模型面临一个问题，即它有一个上下文窗口（Context Window）长度的限制。但世界上最大机构拥有的代码库极其复杂，根本不可能塞进一个窗口里。所以我们在模型训练、强化学习以及围绕其搭建的工程脚手架和索引技术上做了大量工作，弄清楚如何处理那些极其混乱的定制语言。
而且，COBOL甚至都不是我们遇到过最难处理的。举个有趣的例子，大家可能不知道，高盛（Goldman Sachs）拥有一个疯狂强大的内部工程团队，他们甚至发明了属于他们自己的专属编程语言。而Devin能够对这些语言进行定制调优以顺利工作。所以从某种意义上说，处理标准的COBOL反而更简单。
Joe Lonsdale: 但是，虽然政府每年在IT上花掉1000亿，可如今其中的绝大部分都被浪费在那些并不打算真正解决问题的特殊利益集团（外包商）身上了，这是一个巨大的烂摊子。你们在做哪些类型的项目？
Russell Kaplan: 完全同意，里面的利益驱动机制因为种种原因被极度扭曲了。但这里面有一个鲜为人知的情况，而我们或许能够利用AI巧妙地“绕过去”。
政府在采购软件时非常奇特。原因之一是：他们经常坚持要拥有他们正在使用的软件的完全知识产权（IP）。对于SaaS（软件即服务）公司来说，这简直是晴天霹雳。如果你做的是日历排班软件，你不可能把知识产权直接卖给政府！你只想授权他们使用许可证。政府的这种硬性要求，导致他们经常错过最优秀的现代SaaS服务。
在真实世界里发生的情况是，政府部门会说：“哦，那个排班SaaS服务棒极了，但我不能用，因为我不能拥有它的IP。所以我别无选择，只能去找一家传统的系统集成商（Systems Integrator），花几亿美金让他们给我从零定制开发一套排班系统。”
Joe Lonsdale: 这简直疯了。
Russell Kaplan: 那么，我们能去游说政府改变他们的官僚政策吗？当然可以去试试。但对我们来说，更简单的做法是直接避开这个问题！我们只需对政府说：“看，Devin可以为你亲自把这个软件从零写出来。”因为有了AI智能体，所有机构现在都可以以前所未有的极低成本，自己开发并完全拥有自己的知识产权了。这是我们突破体制的一把利器。
Joe Lonsdale: 那你们自己会成为主承包商（Primes）去签政府合同吗？还是说你们只是赋能其他承包商？
Scott Wu: 目前，我们已经有几十个通过了FedRAMP（联邦风险与授权管理项目）认证的Cognition部署案例，既有直接服务联邦机构的，也有与主承包商合作的。比如我们服务美国陆军、海军、财政部，我们也与Palantir、Anduril等顶尖国防承包商密切合作。我们的目标是打造出能力最强、最实用的“智能体化软件工程平台”，然后拼尽全力将它送到需要的人手中发挥作用。
Joe Lonsdale: 听说“Cognition for Government”业务增速非常快？
Scott Wu: 政府业务属于那种前期需要耗费很长时间去铺垫、去获取合规认证、去适应他们的工作方式的生意。然而一旦你成功打进去了，一旦完成对接，你能提供的帮助将是极其巨大的。过去一年我们做了大量跑腿打基础的工作，获取FedRAMP认证，去深刻理解这些机构极其迥异的运营权衡。
你知道吗，有些政府机构甚至有明文法律规定——作为政府机构，“你不得亲自维护你们自己的官方网站，你必须把这项工作外包给外部承包商”。这听起来极其荒唐，但这正是体制运转的方式。
我参与AI技术创新的经验告诉我：去解决最前沿科学或硬核工程上的难题，很多时候比去试图改变世界上现存的如糖蜜般黏稠的官僚体制要容易得多。我们在特斯拉搞自动驾驶时，很多人问：“为什么你们不让路上所有的车互相通信呢？那样自动驾驶不是简单多了吗？”答案是：是的，如果路上的车100%都能完美通信，那绝对是一件轻而易举的事。但在那之前，你不得不在这条路上和人类驾驶的汽车混在一起。所以你只能去硬磕那个困难得多的科学问题——“预测乱开的人类汽车的运动轨迹”。我认为这和我们与政府打交道的道理是一样的。现实物理世界充满了混乱，你只能在它现在的状态下去解决它，而不是等待它变得完美。
目前我们在NASA的JPL（喷气推进实验室）也有非常让人兴奋的项目任务……谁不想帮助我们全人类更快重返太空呢？
[36:40] AI竞赛、模型前沿与Anthropic的竞争
Joe Lonsdale: 现在这显然是一个竞争极其激烈的时代。最聪明的大脑全聚集在这个领域。最顶尖的大型模型实验室，比如Anthropic，传闻最近估值已经翻倍达到数百亿美元了。你们显然也是这里增速最快的公司之一，虽然不披露具体收入，但马上就要或已经迈入十亿营收俱乐部了。你们如何看待竞争？
Scott Wu: 代码工程这个盘子实在太大了，所以可做的事情极多。因此，你会看到有很多其他产品能帮你“快速建一个精美的小网站”或者做一些有趣的小工具。你当然可以用Devin来做这些，但这并不是我们的专长所在。
如Russell所言，我们真正高度专注的是，与大型企业、政府部门、受监管行业合作，去处理极其庞大的遗留代码库。去解决的核心挑战是：如何吸收和理解数十万个文件的混杂上下文和领域知识？如何无缝对接他们现有的单元测试框架进行迭代？如何让AI在产品里像人一样点击、测试确保修改无误？这就是我们与基础模型实验室的不同定位。
实际上，我们与各大基础模型公司（像Anthropic等）保持着极其密切的合作伙伴关系。在模型基础研究层面我们有大量合作空间；但在推动真正的“企业架构转型”时，我们需要派遣团队深入到前线，去和客户一起摸爬滚打，弄清楚软件如何真正帮他们实现商业目标。
[39:00] “驻场部署工程师”与代码审查
Joe Lonsdale: 过去我们在Palantir首创了一个叫做“驻场部署工程师（Forward Deployed Engineers）”的职位，10到15年前这概念很难让人理解。但在某些复杂工作流里，你需要有懂技术的人亲自去现场梳理商业价值。你们在提供这种价值吗？
Russell Kaplan: 这其中有与Palantir模式相似的地方，也有不同之处。不同之处在于，许多客户即使完全不与我们沟通，只是引入了Devin工具，也能直接上手产生价值。
然而，一旦Devin进入了一个组织，“一个顶尖的世界级AI智能体指挥官”和“一个刚学工具的新手”之间，能拉开巨大的价值天花板差距。如果你想真正推动能够改变商业格局的重大结构性成果——比如因为有了巨大的新增产能，成功发布了一条原本完全不敢立项的全新产品线——我们的驻场工程师在“大规模管理AI智能体群集”方面是世界上最顶级的，因为这是他们每天都在磨练的核心本领。
我们观察到，随着AI极速生成代码，软件开发生命周期（SDLC）里出现了一个全新瓶颈——现在代码被AI生产得太多、太快了！人类工程师该如何跟上进度去理解并审查这些代码？
特别是我们服务于大型受规管组织，他们在运行关键任务（mission-critical）的生命线系统。财政部是绝对不允许你“凭感觉编程（vibe coding）”或者“闭着眼睛强行合并代码（YOLO merge）”的！
因此，我们最新推出的一款产品叫做“Devin Review”。它不是简单地让AI在代码合并请求（PR）下写两句套话“这段代码不错”。它是我们专门为人类工程师打造的重型工具，帮助人类能够极度深刻地理解和审查那如海啸般涌来的、由AI生成的巨量代码。我们永远希望技术是“贴合人类当下需求”的，而不是强行让大家步子迈得太大扯到蛋。
Scott Wu: 关于是否会发生“AI偷偷植入我们不想要的代码”的问题。这就是为什么我们要求Devin必须置身于人类同样严苛的审核和QA（质量保证）流程中。Devin没有权限去直接把代码部署到生产环境里。它必须通过相同的防护栏体系。
[43:40] AI进化的惊人速度
Joe Lonsdale: 让我们展望一下未来。当我跟几位顶尖实验室的负责人交流时，他们非常确信，至少在接下来的两三年里，能力的提升速度将依然极高。有点像摩尔定律。你预测到了2028年、2029年，世界上有哪些问题将彻底被Devin解决？
Scott Wu: 有一个关键指标被大家广泛讨论——即MER报告（注：此类用于评估软件工程能力的基准报告）。它衡量的是：每一个新模型出现时，它能够在没有人类中途介入（即人类说“哦，你写错了，停下，该这样做”）的情况下，全自动化地完成相当于人类多少个工作小时的开发任务。
两三年前，答案大概是“10秒”。你让它写一行代码，第二行就已经出错了。而现在，最新数据（比如提到的 Opus 4.6 模型），它能在被叫停之前，稳稳当当全自动执行相当于人类18个小时的高强度编程工作量。
Joe Lonsdale: 这个评价方式总是让我觉得很怪，因为模型显然执行速度比人类快得多。这18个小时是指如果让一个人类去写出那么多代码所需的时间对吧？
Scott Wu: 没错。AI可能在1小时内就把它瞬间生成完了。而最疯狂的是，这个指标呈现出绝对稳定的指数级增长。过去几年，它每年要翻倍四到五次！这意味着，每过两三个月，它能全自动处理的代码量就又翻了一倍。
当它只能处理10秒钟的工作时，你需要死死盯着屏幕，像保姆一样牵着它的手进行引导。而当它已经能够承载“几天甚至几周”的工作量时，交互的界面就完全变了。你现在是在向它发布整个大项目级别的宏观指令：“帮我把这整个App的加载速度提升上去，跑完所有的冒烟测试，然后检查有无异常。”或者“主动去处理今天收到的所有后端系统漏洞警报”。
[47:10] AI将引领小微企业的“大爆炸”
Russell Kaplan: 基于这种趋势，我愿意在此下一个极其大胆的断言：未来社会将迎来一场“小微企业数量的大爆炸（Explosion in small businesses）”。
我认为AI极其适合赋能小企业。想想看，创办和经营小企业的最大痛点是什么？是你没有大公司那样海量的资金和资源在法律、财务、开发每个环节去雇佣专业人才。而现在，AI完美填平了这条鸿沟。只要你拥有高度的主动能动性（Agency），一个极其微型的团队，甚至个体户，就能调动堪比庞大企业帝国的超级生产力网络。
Joe Lonsdale: 我太喜欢这个观点了。这也是我们现在的核心主张之一。
[47:29] 招募前创业者与面试革命
Joe Lonsdale: 最后，我非常佩服你们的团队组建。Cognition中有惊人比例的员工，都是曾经成功创办过公司的前创始人（former founders）。你是怎么把这群“桀骜不驯”的狼招致麾下的？
Scott Wu: 我想归根结底是因为我们要解决的问题实在太庞大、太激动人心了——我们要解决所有的代码工程问题。Russell以前也是创始人，我自己也是。我们现在公司内部有一个专门的团队叫做“特别项目工程师（Special Projects Engineers）”。这个团队里的每一个人，无一例外，全都是前创业公司CEO。
问题的边界是如此宽广，如果你是一个具有高能动性的人，来到我们这儿，你唯一可能受到限制的，只有你自己的野心边界。
关于面试流程我也想提一句。一两年前，很多公司面临AI冲击时，面试第一反应是：“我们怎么防作弊？我们怎么建立防火墙以防候选人使用AI？”——这完全大错特错了。
在Cognition，我们一贯的规则是：“敞开用！你想用多少AI工具就用多少AI工具！”我们在面试中直接抛给候选人几个小时去开发一整套产品的极限任务。这种强度如果是纯人工手敲，那是绝对不可能做完的。所以，你必须是驾驭AI的大师才能完赛。我们真正想考查的，已经不是你手写语法的熟练度了，而是你的产品品味、系统设计思维、以及面对庞大信息时做取舍和执行的判断力。
[51:39] 结语：从“生存模式”进入“创造模式”
Joe Lonsdale: 我们创办这个播客是为了反击社会上的愤世嫉俗和悲观主义。关于AI，最让你充满乐观的情境是什么？
Scott Wu: 最近大家看到了一些悲观唱衰的文章（如Catrini的文章等）。其实他们只看到了软件变得廉价，却错误地导出了“这会让大家处境变得更糟”的荒谬结论。从经济学角度看，如果商品价格大幅下降（通缩），意味着我们每个人都变富有了！
在过去很长一段时间里，我们所有人都像是在玩游戏《我的世界（Minecraft）》中的“生存模式”——每天辛勤劳作、敲击代码只是为了满足最基础的功能生存。而由于AI的降临，现在，我们全人类即将集体切换进入“创造模式（Creative mode）”。
在未来5到10年里，我们唯一将受到限制的，仅仅是我们想象力的边界。
Joe Lonsdale: 完美的结语。谢谢你们！