--- author: 课代表立正 date: '2026-01-14' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=3ddMhzWgMgs speaker: 课代表立正 tags: - ai-native - generative-ai - code-generation - cost-of-code title: 被AI取代还是驾驭AI，取决于是否具备“AI原生思维” summary: 本视频探讨了AI原生思维的重要性，对比了历史上铝从昂贵到便宜的演变过程，揭示了AI时代代码成本的剧降。强调AI原生思维并非新的技术栈，而是一种将廉价代码和算力转化为认知确定性的新策略，旨在帮助个体和组织在AI时代保持竞争力。 insight: '' draft: true series: '' category: ai-application area: tech-engineering project: [] people: - Andrej Karpathy companies_orgs: [] products_models: [] media_books: [] status: evergreen --- 在2026年，**AI native**（**AI 原生**：指不沿用旧的范式和工作习惯，而是采用新技术（如AI）最原始、最适合其特性的方式来工作和思考，以充分发挥其潜力的思维模式与策略。）将是越来越重要、越来越被大家提起的一种能力。这波**生成式AI**经过三年多的发展，无论是在模型、工具还是生态上，都已经有了很长足的进步。然而，这里面最难转变的是人们的思想观念和人们的习惯。如果我们用旧的范式、旧的工作习惯去使用AI，就无法发挥出这些AI工具的潜力。 这就像汽车和马车的比喻：我们需要的不是一辆更快的马，而是汽车。汽车和马车的工作原理、工作方式从根本上是截然不同的。我们必须用这个新技术更原生的方式，才能发挥出它真正的潜力。 那么，AI真正根深蒂固改变的是什么？AI和上一代软件开发，或者说上一代我们使用电脑的方式，到底有什么本质的区别？在我看来，其核心在于某些任务上**成本和定价**的区别。 ### 金与铝的历史价格变迁：一面镜子 为了说明这一点，我准备了两个道具：一个是一盎司的金块，市价约4400多美元；另一卷是铝，在Costco售价可能也就四美元。今天，一小块金块和一大卷铝的价格相差了1000倍。 但大家知道吗？在**拿破仑三世**的宴席上，他招待一等公民时会拿出铝碗，招待二等公民时才用金碗，因为那时铝比金子贵得多。今天视频的前半段，我们就稍稍讲一下金子和铝的历史，这与大模型和AI的发展有许多相似之处。借用这段历史，我将讲解所谓的**AI native**，**AI 原生**到底是什么，以及AI真正根深蒂固改变的是什么。 我们知道汽车和马车的区别，但AI和上一代软件开发、使用电脑的方式有何本质区别？如果用一句话总结，那就是在某些任务上，其**成本和定价**的区别。在第二段，我将详细解释这个区别，以及第三段如何用一个更AI原生的方式去工作，从而真正发挥AI潜力，提升竞争力。 #### 为什么历史上的铝那么贵？ 我们先来看铝的故事。铝和金子的稀有程度在地球上其实没有变过。铝是非常常见的金属，约占地球矿石总量的6%。金子一直比铝稀有得多。但在拿破仑三世之前，铝为何如此昂贵？这是因为它们的化学属性不同。金子是“I人”，倾向于独处，所以在自然界发现金子，基本上就是一块纯金。而铝是“E人”，总是与氧结合，自然界看到的铝都是氧化铝。 在氧化铝中提取铝需要使用非常昂贵的化学试剂。这导致在拿破仑三世之前，获得纯铝需要极强的化学能力和昂贵的试剂。我们得到纯铝，不是因为它本身稀有，而是获取它需要付出巨大的“功夫”。 ### AI时代的代码成本与生产力革命 讲到这里，我们可以直接关联到今天的AI生产力。AI改变的生产力、成本和定价是什么？那就是**代码**。 原来，代码虽然很多，但生产代码是一个非常昂贵的事情。我们需要找程序员，组织他们进行开发，每生产一行代码，单价都非常高。并非代码文件本身贵，而是生产过程非常昂贵。但今天，AI可以批量产生代码，让代码本身变得便宜了很多。 #### 铝价暴跌的技术驱动力 铝是如何变便宜的？关键在于1886年和1888年的两个核心发现，这与今天的AI发展非常相似。 1886年，我们发现了**电解铝**技术。通过电解铝，不再需要昂贵的化学实验去置换铝，只需用电即可分解。1886年电依然昂贵，但电有其自身的“摩尔定律”，会变得越来越便宜，导致生产铝的成本指数级下降。这就像今天的**token**，2023年初和现在的token价格可能相差千倍。在此定律下，代码的生产成本也便宜了千倍不止。 第二个关键发明是1888年的**拜耳法**。该方法使得生产铝能够规模化，它是一种在铝土矿中大规模精炼氧化铝的技术，从而量产铝成为可能，价格进一步下降。 #### 抵制AI代码的思维陷阱 回过头来看，过去一行代码必须靠人工编写，所谓的自动代码工具也很难真正奏效。因此，代码自然是“金贵”的。程序员的身价也与他们产生的代码紧密相关。只要你能产生代码，你就是一个金贵的职业和技能。 但今天，代码变得很便宜了。市面上仍有许多程序员，他们手中拿着的是看上去很贵的“铝”，却难以接受这块铝变得廉价。他们会说，“这个东西只有我能写出来，我化学制造的铝和电解出来的铝不一样，我的铝怎么怎么好。” 在此，我要提醒大家：你为何会得出这样的结论？是电解铝真的不如你的化学铝吗？是AI生成的代码真的不如你生成的代码吗？还是你心中在抵抗这件事，因为担心自己的值钱手艺变得不值钱，从而选择性地关注有利于手工生成代码的证据，而选择性地忽视有利于AI代码的证据？ 比如说，**Andrej Karpathy**大神在2025年底曾发推文，作为一个程序员，他内心很焦虑，但认为有机会让自己的生产力提升10倍，只需将现有工具拼凑在一起。但他认为自己做得还不够。我们社区里，大家没有再去讨论AI代码是否可行，因为普遍认知是：如果你AI代码写不好，很大概率是你自己不行——你没有做好**architect**（架构设计），不知道如何提供合适的**context**（上下文）给AI，不知道如何要求AI。你的了解可能还不够，导致代码质量不高。 基本上，如果把问题交给**鸭哥**，他都能非常漂亮地使用AI高效解决。所以，绝大多数人的水平，没有强到他们的coding（编码）效果真的比AI加上一个训练有素、很会使用AI的人要好。而是他们因为觉得自己的地位和价值受到威胁，所以选择性地观察世界，得出了一个有偏见的结论。 这里我不细说了。如果不信，我相信再过一两年大家也会相信。如果你认可这个结论：电解铝不比化学铝差，并且一个人学会使用AI，掌握真正AI native的方式工作，其产出的代码无论数量还是质量，都可以超越手工编程。那么，接下来的问题是：什么样的才是AI native的工作方式？如何用最能发挥AI潜力的方式去工作？ ### AI原生工作方式：一次性软件与定价模型 在这方面，我想推荐**鸭哥**的那篇文章。他举了一个例子：要检查一批JSON数据的好坏，他做了一个“违反祖宗”的决定——没有开发可复用的代码，而是直接对AI说：“我要做一个网站，有一些方式帮我找出里面的可疑case，我可以通过互动方式检查代码好坏。”AI帮助他高效完成了工作。这项工作以前可能需要一个有经验的人花一上午或一天，而他只花了10分钟就高效、确定地抓出了所有问题。 这个“违反祖宗”的规定在于，这个网站做完后直接就扔掉了，但它确实提升了他的工作效率，帮助他完成了数据标注（判断哪些好哪些不好），这是他很难完全信任AI去做的。制造这个网站本身，就是所谓的“**阅后即焚软件**”（throwaway software），在他看来，这就是AI native的核心。 这个核心在于**pricing**（定价）。做这个网站任务的定价。以前，即使是鸭哥这样有经验的程序员，写个网站也需要大半天，如果debug（调试）更久。要去解决一个大半天的任务，花大半天做一个网站，要么不做，要么做了就必须可延展、可复用，才显得值得。 可在今天，AI如果能花5-10分钟完成这个任务，那么做一个只用一次的网站就是非常划算的决定。这个事实很清楚。 ### AI驱动下的人才定义重塑 站在这个事实基础上，**鸭哥**提出了一个更深的思考：**pricing**（定价）的变化会导致人才定义的改变。什么意思？过去，我们要做一个这样的网站是很贵的，所以我们无法用一种特别可观察的方式检查软件错误。出现bug时，不可能所有东西都打log、都做网站、都可视化出来。于是，我们非常依赖经验和直觉。 那个时候，在所有东西都很贵时，就像我们说没有电解铝只有化学铝，化学家的经验直觉、手感非常重要，良品率决定一切。这时看的是个人经验：程序员的经验、体感、直觉决定了能否快速定位并解决bug。 可是今天，化学铝变成了电解铝之后，当**可视化 logging**（可视化日志记录）和这些网站变得容易时，你完全可以花很短时间把该做的东西做出来，收集所有证据。我们就不再需要依赖经验和直觉了，因为经验直觉是对信息的一种有损压缩。现在可以用便宜的方式获取更多信息，为什么不去收集？为什么还要依赖经验直觉？大规模生产电解铝后，化学家的手感自然就不那么重要了。 这是道理，但道理需要内化到身体里，变成日常行为和习惯，内化到每个角色里，才能走向**AI native**（AI 原生化）的工作方式。 ### “挥霍代码”：新时代的经济学 如果用一句话总结：过去的方法是想方设法节省代码、让代码复用，因为代码很贵。新的方式是我们可以“**挥霍代码**”。 今天我选这个东西（指铝卷），是因为这卷四块钱的东西，普通家庭可能一两年都用不完，成本极低，真的使劲挥霍都挥霍不完。达成任务的有效方式应该是去挥霍代码，让代码取代人的宝贵时间。 很多时候，社区里甚至学员也这样：他不舍得花钱订阅**Cursor**，或者使用一些高阶模型时觉得贵。我们提醒大家的第一反应是：你要先算自己的工薪，**development time**（开发时间）。一个程序员或数据科学家，时薪加上综合用工成本至少100美元起。订阅一个Cursor每月20美元，如果AI帮你省半小时，你就已经赚大了。 更不用说，我们大多数人在使用AI上，经历了1000倍的成本下降。使用的AI token（计算单位）也才几块钱。我们做的**Builder Space**项目，给了大家100美元额度，很多人觉得很快用完，结果发现一个项目做下来，总成本也就几块钱。 所以，“耗材”真的在变得非常非常便宜。而且在越来越便宜的情况下，大家一定要养成新习惯：**挥霍代码**。用代码取代思考，用挥霍代码的方式节省时间，提高工作的精度和质量。在过去，这是不可思议且不经济的；在新时代，这是一个更好的工作方式。 ### AI原生：一种思维策略 用一句话总结：**AI native**（AI 原生）并非一个新的技术栈，大家遇到的技术都一样，而是一个**思维方式**，一种**策略**。过去依赖的是谁经验多、直觉准；**AI native**的工作方式是，当代码变得极为便宜时，你是否善于用廉价的代码、廉价的算力去换取昂贵的**认知确定性**。 今天，我希望大家记住一点：从今天开始，**真相**就像**金子**一样，过去很贵，今天也很贵。而**代码**就像**铝**一样，过去可能比真相贵，但在今天已经比真相便宜很多了。 我希望用这个铝和金子的案例，帮大家具象化地记住：昂贵的是真相，便宜的是代码。掌握这样一个思维方式，你就会发现，当你身边的人还在摸黑探索时，你可以轻松打开探照灯，得知世界的真相。这是一种对过去工作方式的降维打击。 希望这期视频讲清楚了这个我认为挺难讲清楚的点。大家感兴趣的话，欢迎阅读鸭哥的文章。如果想看更多AI高手如何使用AI，欢迎加入我们的社区，课程主页是www.ai-builders.com，社区主页是c.ai-builders.com。加入社区，可以看到高手们如何在其中把AI落地成真实资产和升职加薪的项目。 这期视频就到这里，我们下期再见。拜拜。