你们基本上发明了氛围编程
我觉得,面对 AI,每个人都得经历一段否认期,然后是抑郁期,最后才会接受。Replit 像一座冰山,露出水面的部分是:你用英语告诉它要做什么,它就替你写代码;水面下还有部署、沙箱之类的一整套东西。
我们不太会把自己说成是在做氛围编程。我们认为,Replit 是推动公司走向自动驾驶式运营的平台。
不过我觉得,和其他公司相比,你们确实一直活在未来。如果要说 Replit 真正的基因是什么呢?
肯定是活在未来。
所以你们基本上发明了氛围编程,对吧?你们在 2024 年做出来时,听上去也就两年前,可感觉已经过去很久了——科技发展得真快。你们怎么知道这会行得通?现在看来结果很明显,但当时在我看来简直疯狂。
对我们来说,这是渐进式的变化,不像对其他人那样,仿佛彻底偏离了原来的做法。我们一直在……
你们当时已经在让 AI 写越来越多代码了。
也不完全是。我们遵循的有点像 YC 的理念:观察用户在做什么,这会给你产品该怎么做的灵感。
因为你们那时已经有代码补全了。
我们确实在做代码补全。
在转向完全的氛围编程——也就是用英语告诉工具要做什么,让它生成代码——之前,你们已经能生成多少代码?
大概可以说是 50% 到 60%。
真的吗?那挺有意思。也就是说,在氛围编程之前,你们就已经有 60% 的代码是这样生成的?这就是你们知道它能成功的原因?你们想的是,既然能做到 60%,为什么不把剩下的也做出来?
算是吧。我觉得特别有启发的一点,是观察一些用户怎么写代码。有些用户百分之百用 AI 写代码。但他们的做法是——
等等,你说的是你们发布氛围编程之后吧?
不是,在那之前。我来讲讲他们怎么做。
他们会在一个窗口里打开聊天工具,另一个窗口里打开 Replit。这些人以前从没写过代码。
你怎么知道他们是从 ChatGPT 里复制代码过来的?
我邀请了一些用户来办公室。
所以你就坐在旁边看他们操作?
对,我们会观察他们。
好,那他们具体怎么做?
看用户从 ChatGPT 复制粘贴
基本上,他们先复制代码,粘到 Replit 里。Replit 报错后,他们再把错误复制到 ChatGPT 里。
对。
然后把 ChatGPT 给出的修复方案复制回来。整个过程非常手工。我当时看着就想:我们只要做个 API 就行了,对吧?
关键是得把整个过程自动化。当时这并不显而易见,也不容易,因为那时候 AI 模型只能调用几次工具。
还有一点不同:你不光要自动完成来回交互,还得理解错误。
嗯。
对。
没错。这很难。
而且还得不断循环,直到程序真正能运行才算结束。
对,这一点现在仍然成立。
而不是只跑一轮就停,对吧?那时 ChatGPT 和大多数 AI 工具基本都是这么工作的。你能让这个循环一直跑下去吗?
让它一直做到任务完成。
对,这就是新东西。Claude 现在也是这么做的。
对。这正是我们展示的东西。Replit 最初展示了几件事:第一,可以让大语言模型一直运行,直到把任务做完。
我猜这对模型公司来说也是个新发现。
是的。他们确实联系过我们,说:“我们很惊讶 Replit 能跑通。你们是怎么做到的?”更夸张的是,2024 年的 agent harness(代理运行框架)比今天复杂十倍。
因为当时的模型能力更弱。
对。
所以模型能力越强,要把它们做成 agent 所需的工程就越少。那这是不是意味着别人更容易和你们竞争?
是。但我们还得继续往前做。这就是今天 AI 生意的特点:你手上的东西会不断商品化,所以必须去做下一件事。
一直做下一件事。不过你们展示的另一件大事,是 AI 能够调配基础设施。
对,在那之前……
而且你们自己真的有基础设施可以调配。这就是你们和那些竞争者不同的地方,对吧?
没错。我们已经搭好了数据库之类的东西。
你们这些年一直辛苦做系统软件,对吧?
是的。那实际上就是一次工具调用:启动一个数据库、启动 Redis、把应用托管起来。人们在我们发布产品时觉得很惊讶。我记得你在 2024 年 7 月看过产品。
你们什么时候发布的?
2024 年 9 月。
好。Andrew Karpathy 说这像是一个 AGI 时刻,像是整个领域的 AGI 时刻,因为大家都在想:“天哪,大语言模型竟然能做到这个。”这把我吓了一跳。
Replit 的起源
是啊。
我当时一点也不喜欢。
你现在怎么看?从审美上说,它当时让你很不舒服。
对,因为我写程序的方式恰好完全相反。我可能花三年写一千行代码;下个月如果能把它精简到 980 行,我就觉得更好了。
可你当初投资 Replit 时,讲过一个原则:编程越容易,程序员人数增长得越快,两者之间是超线性关系。
对。这不只适用于编程,而是适用于任何消费者使用的东西。你把它做得容易 10%,用户不会只多 10%,而可能多出一倍。
对,我记得。我当时的意思可不是让它变得这么容易。
你们做得有点过头了。
我知道。现在只要用英语说句话,它就会吐出一大堆代码。
我意识到,Replit 想真正成功,就得一路做到头。
你当时确实是很早就预测 AI 的人之一,对吧?你大概在 2015 或 2017 年就预测了氛围编程?
是 2015、2016 年。我们最初的路演材料里就提到,如果搭建一个有数百万人写代码的平台,就可以训练一个机器学习模型来预测……
这太超前了。
是啊,那时《Attention Is All You Need》论文还没发表。
Transformer 还没出现。
我开始怀疑,这都不叫有远见了,简直是胆子太大。你要是早这么多年就押注这个方向……
不过我觉得自己预测未来还算不错。小时候第一次用诺基亚手机时,我就想:“天哪,以后人们会把这东西当成新电脑。”那时它基本上还是一部翻盖手机。这种经验后来也影响了 Replit。Replit 是第一个有手机应用的编程平台,大家都笑我们,觉得在手机上编程这种想法很荒唐。
在手机上编程?
对,用手机写程序。
可我还为此写过一份 RFC。
不是 RFC,是创业公司的 RFS。
你还跟我说过,你会在手机上用 Hacker News 的列表属性修 bug。
是的,但不是我自愿的,那是我们当时唯一能上网的办法。
不过既然我们这期播客……
人们低估了自己预测未来的能力
既然这期播客聊的是如何构建未来,我觉得人们低估了自己预测未来走向、并朝那个方向去构建的能力。其实只要坐下来认真想一想就行,但我觉得很多人并不会这么做。
专家常给人的印象是:我只要坐下来思考,就能想出点子,别人也坐下来想,却没有那个秘诀。其实你之所以能想到这些,是因为你为这个想法已经做了二十年。你什么时候开始想做像 Replit 这样的东西,让人能在线编程?
大概是 2008 年。我那时有一部 Symbian 智能手机,在课堂上就想,要是能用它编程就好了。
这差不多是二十年前了。你坐下来想,就想到了未来,因为你整个脑子已经围绕这个问题转了二十年。
对,一直在琢磨。
你在 Replit 这个名字出现之前,就已经尝试打造它很多年了。这始终是你最重要的事情,对吧?所以你自然比其他人更早想到这些。还记得 2024 年夏天那个著名的演示吗?
你当时说我像邦德反派。
因为你看起来就像邦德反派。
我当时感觉你是在给我看某种可怕的东西。我还记得你说:“别看那个。”
别看代码。
那是目标代码,对吧?我当时想:“糟了,我花了几十年做出来的这一整套东西,原来都只是目标代码。”现在大家都逐渐意识到了。我看到一些工程师也对这件事很排斥。你那条推文当时引起了很大争议。
是那个用 AI 生成海量代码的人吗?
对。你那条说我是邦德反派、说代码只是目标代码的推文,也很有争议。但现在工程师们都……我觉得面对 AI,每个人都得经历一段否认期,然后是抑郁期,最后才会接受。
我在 2020 年左右就经历过了,所以……
哀悼手艺的消逝
所以这让我更容易面对。我已经为自己热爱的手艺消逝而哀悼过了。
你也有这种感受?
有。所以你知道我当时是什么感觉。
我知道你看那个演示时的感受。可你得先感受到失落,才能放下。我觉得直到 2025 年底,大家才都相信 AI 会写下所有代码。
我总是惊讶,究竟是什么触发了这种认知变化?因为对我来说,这似乎早就很明显了。
Replit 的用户大概早就知道了。
但让其他人信服的,也许是 Claude,对吧?
我觉得是 OpenClaw。
我觉得 Claude Code 也起了部分作用,但 OpenClaw 可能是人们第一次体验到大语言模型能把任务一路做到完成:你交给它一件事,它就会一直做下去。
那时你们已经这样做了一年半了。
但我觉得 OpenClaw 的交互形式也很重要——你可以给它发短信。我低估了交互形式的力量,尤其是对普通人来说。它影响了你们做 Replit 的方式吗?你从中学到什么了吗?
还没有,我只是刚学到这个道理。我觉得以后会影响我们的产品。我过去总以为,只要提出一个愿景、做出产品,大家就会觉得“对啊,这很明显”。但实际上,你得反复琢磨人们是怎样体验产品的。
你现在还会看用户怎么用 Replit,并观察他们的行为、看看有没有让你意外的地方吗?
会。我其实不喜欢这么做,但早期 Haya 有点逼着我做。我当时很抗拒,因为看到用户被软件弄糊涂、遇到 bug,我会感到特别难受,甚至身体上都觉得不舒服。
看用户用自己的产品确实让人难堪。但你知道为什么吗?因为直到现在,你都在否认外面每天发生的那些惨剧,对吧?
一种痴迷用户的文化
后来,我们公司文化变得非常重视贴近用户,这主要要归功于 Haya。她一直强调,你得不停地和用户交流。
她还让你们看起来特别酷。Replit 早期有件很不寻常的事,就是视觉设计极其出色、让人眼前一亮。一个做在线编程工具、面向极客的公司,其实没必要做到这么好。
这对我们最初的用户群帮助很大,他们很多是青少年黑客。
我当时觉得它特别酷。
嗯,它让 Replit 与众不同。
Replit 到现在也很有辨识度。许多成功公司都有鲜明的个性,Replit 也是。听起来像空话,但你懂我的意思:它是一个“强解”,不是化学意义上的弱溶液。Replit 是一个强解。
我们理解自己所做的产品时,总会想到发动机、坚硬的机械装置之类的东西,虽然它本身并不是那样。
这也是当初视觉设计想表达的东西吧?
对。它有种硬核的感觉,但又有点矛盾:我们费尽心思把用户体验做得很简单,后台却在进行非常难看、复杂的工程。
系统编程,真正的系统编程。这是你们基因的一部分。
是我们基因的一部分。但这一直挺有挑战,因为很多程序员看到 Replit 很简单,就会轻视它。可后来进公司工作的人也会惊讶:“我不知道幕后还有这么多东西。”
你们替用户处理系统管理那些脏活累活。
对,我们做这些,就是让他们不用自己做。
你觉得这会是你们战胜竞争者的关键吗?你们积累的底层能力,以及对如何把程序部署到网上的深入理解,确实是差异所在。
对,这确实在帮助我们赢。
为什么企业选择 Replit
这确实帮助我们在企业市场胜出,因为企业更在意可靠性、安全性这些方面。要让普通消费者关心安全很难。比如有些竞争者做法相当冒险,做出来的应用并不安全。
因为如果代码全是 agent 写的,谁知道里面会做什么?
是。所以我们设置了很多防护措施,这有时会让产品变慢、成本变高,但企业很认可。那些新来的机会主义者没有同样深厚的基础设施。Replit 像一座冰山:露出水面的是用英语告诉它要做什么,它就替你写代码;水面下还有部署、沙箱等一整套东西。我们有内核和操作系统工程师,还从头做了自己的文件系统,让操作具备事务性而且完全可逆。
我记得在氛围编程之前,你经常跟我讲这些:我们做了全新的文件系统,希望有人能体会它的价值。
对。想让编程协作起来,就得发明很多底层原语。
有意思。你们早期做在线编程和协作的那些东西,后来也帮助了氛围编程吗?
当然。现在回想起来,很多东西接上去就能用,简直有点不可思议。把 agent 放进我们说的 Repl 里,就像跟它协作。
所以 agent 就像另一个用户?
对,最初版本里,agent 基本上就是同一个系统里的另一个用户。
而且其他配套都已经建好了。
对,你和 agent 甚至可以同时在同一个项目里工作,而且一切都能正常运转。
难怪你们最先做出了氛围编程,你们的位置太合适了,其他要素也都齐了。
是的。甚至公司的组织方式都恰到好处。我们有负责代码执行和沙箱的基础设施团队,有负责部署和云服务的团队,可以启动数据库、部署虚拟机;还有团队负责连接基础设施和 IDE,另外还有 IDE 团队。AI 应该放在哪里?最后我们新建了一个 agent 团队,把它放在中间。
Agent 只是另一个用户
后来所有团队都开始为 agent 构建东西。基础设施团队给 agent 提供工具;IDE 团队不再只为人类做 IDE,也开始给 agent 做编辑工具。
Agent 到底需要什么样的 IDE?我以为它们只要生成代码就行了。
一开始,尤其是 2024 年,编辑代码本身就是个难题。让它回头修改错误也很难。
对。
当时还没有原生编辑工具,基础模型现在都会提供这种工具。那时我们得自己做:给模型一段文本,告诉它在哪里替换。你不能依赖行号,因为模型会幻觉出行号。早期的大语言模型很差,所以整个工具必须做得极其可靠。
它们还会偷懒,写了个函数,中间就写个“待完成”,让你以后补上,代码根本跑不起来。
对。OpenAI 和 Anthropic 当时都有这个问题。我觉得那是聊天模型留下的痕迹:模型总想早点停下来,不要生成一大堆文字。我们得识别这种情况,再让它继续循环。所以连编辑文本都要花很多功夫。现在已经有原生编辑工具了。
Agent 有没有类似 IDE 的东西?早期你们是不是做过很多相关研究?
你是说现在 agent 的工作方式?现在 agent 直接生成代码。
现在可以直接给它们一个 shell?
对,给它们一个 shell,它们就会写 shell 命令,用 `cat` 之类的基础命令做各种事。它们很擅长这个。
但早期 agent 能力差,所以你们需要 IDE。
对。
这也是你们能做得这么早的原因之一。
是。
你们能不能更早做?
应该不能。
产品当时勉强能用,用户却很喜欢
因为你们推出时,产品刚好到了勉强能用的程度。
对。
而且只是勉强能用。你们刚上线时还在 beta 阶段,我记得我去你家,你给我演示的东西经常跑不起来。
说 50% 可能有点夸张,但大概有 30% 的时候确实会失败。
那用户为什么能忍受?
因为体验太神奇了。
而且他们当时在 ChatGPT 和 Replit 之间来回复制粘贴,那个流程恐怕也经常失败吧?但如果他们原本完全不会编程,那能有 70% 的成功率已经是巨大的进步。
最早愿意付不少钱的客户,是那些原本会去外包网站找程序员的人。以前你可能要花 10 万美元请某地的工程师做个应用,现在付给 Replit 大概只要 1,000 美元。两者差了两个数量级。直到今天,找工程师做和让 Replit 做,价格还是有这么大的差距。
外包公司存在,本身就说明市场需求是存在的。我以前觉得那些公司糟透了,心想谁会花大价钱让他们做这么糟糕的软件?其实我应该把它看成需求的信号。
对。我以前没这么想过。我们尝试用几种方式满足这个需求。平台最初有很多青少年黑客时,我们做了一个叫 Replit Bounties 的东西。
我记得,Replit Bounties。
当时 AI 还没发展到位。我想这帮人会像新的外包公司一样,把任务拆成小块,由一群团队来做。
对。但其中的洞见是,他们用的是 Replit 当时很初级的 AI,而这本身就给他们带来了优势。
做 Bounties 的人已经在用 AI 写代码了。
是啊。
这个业务增长很快。但我看了之后觉得,如果未来就是这样,那这会是个没有前途的生意。
为什么?
因为最终人们会直接把整个任务交给 agent。
不再需要通过那些青少年替自己找 agent 做事了。
对。现在情况就是这样。我们会进入大型跨国公司、银行之类的机构。它们有很多每年花一千万美元购买的 SaaS,或者老旧软件。公司里有些已经采用 Replit 的氛围编程用户,他们开始替换这些系统。
而且通常从内部系统开始。
一千万美元的项目,如今只要 25 万美元
从内部系统开始。
对。以前客户会告诉我们:“这个项目做过预算,原本要花一千万美元,我们用 Replit 花了 25 万美元。”这种情况到处都在发生。我觉得现在某种程度上,Replit 就是新的外包行业。
你们接触的大多不是技术公司吧?
我们也有不少科技公司客户,但影响最大的可能不是它们,因为它们能自己摸索。银行、制造商、贸易公司之类的机构则需要 Replit 这样的东西,否则很容易把事情搞砸。
真正推动这件事的,多半是公司内部有抱负的人。比如负责销售的人,想给自己的销售部门写个工具。这也让 Replit 内部产生过一些关于身份定位的讨论:企业客户好像不属于我们的使命。但我会告诉团队,他们也是有创业精神、有抱负的人,在打造自己的业务。这和我们做的事非常契合。
他们是在公司内部自己动手、灵活解决问题的人。
没错。即使公司本身不灵活,这些人也很有冲劲,而且往往会得到晋升。把 Replit 带进公司的人,因为带来了很大影响,很多都会升职。
尤其现在,每家公司都在想:“我们得用 AI。我总读到 AI 已经席卷一切,我们也该用起来。公司里谁懂 AI、谁在用?就是那个用 Replit 做东西的人。我们应该信任他。”
对,这是一种延续。不过要成为企业级产品,也有很多枯燥的工作要做。
你们擅长做这些,像系统编程一样吗?
有点像。很多工作是给管理员和 IT 部门提供控制权,比如规定员工能做什么、设定预算。
他们需要规则。
对,规则。
为人类做沙箱
这有点像给人类做沙箱。
对,这也涉及委托代理问题:最终用户往往不是购买软件的决策者。我觉得这就是企业软件这么多年来普遍很糟糕的原因。不过现在员工对自己想用什么软件有了更大的发言权,所以优秀产品也能在企业里胜出。但这个问题依旧存在:有时安全部门会逼着你把产品做得更差,损害用户体验。
那答案是给用户想要的东西吗?他们想做蠢事,就让他们做?还是说,你其实是在替公司里那些有抱负、肯干的人做事,悄悄给他们一条绕过官僚机构的路?
这个问题很难。举个具体例子,我不同意限制 token 用量。很多公司现在的做法是每个人每月发 100 美元的 token 额度。
他们真正该关心的是投资回报率。
对,正是 ROI。从客户那里我们看到,公司内部每个人的 ROI 差异很大。一个人的产出可能是另一个人的一百倍。
我相信确实如此。软件行业一直是这样。
有了 agent 之后,差异尤其大。以前可能是十倍,现在是百倍,甚至千倍。
但公司又想控制 token 开支。所以你得帮公司看清哪些地方正在产生好的成果。
是的,我觉得这里还有一些可以创新的空间,帮助他们做到这一点。短期内,你可能得先按他们的要求做,因为这样才能进入企业。
先进去,然后再发明更好的东西,给他们指条路。
对。
还有很多东西值得做,而且可能很有价值。你们要判断人们把 token 用在哪些项目上,哪些最有价值。你们其实在解决大公司的核心问题:它们无法判断个人做出的成果有多大价值。
对。
如果你做出一个东西,哪怕只让他们在这件事上提高 10%,就是在解决大公司的根本问题。
没错,我觉得这远远不只是氛围编程。
自动驾驶式公司
对。我觉得我们现在不会把自己称作氛围编程公司了。我们写过一篇文章,叫《自动驾驶式公司》。这个想法是:Replit 作为一家广义上、尤其是 AI 领域的早期采用者,发现我们的工作方式正在改变,工作本身发生了根本转变。
你是说 Replit 自己作为一家公司的变化——Replit 是 Replit 的第一个客户?
对。我们可能得先自己把这个问题弄明白:怎样识别员工做出的有价值成果?Replit 是我们的零号客户,也是实验室。我们要试着找出答案。
“自动驾驶式公司”是关于未来工作方式、未来公司组织形式的想法。我们认为 Replit 是推动公司转型为自动驾驶式公司的平台。这是 Replit 愿景的扩展。过去我一直知道,让软件创作更容易会带来变革性影响,但我没意识到它会从根本上改变人们的工作方式。我们是程序员,总觉得程序员写程序而已;似乎公司运作的核心并不在于编程。现在可能不一样了。
确实不一样了。顺便说,这正是最优秀的创业公司会发生的事。你以为自己提出了一个新点子,结果对方早就做了;你们已经规划好一场巨大的新转型。
嗯,他们把新东西当成一家刚成立的公司来做,然后公司规模就可能增长一百倍。
我觉得现在这样做已经几乎是必需的。正如我们前面说的,AI 是一股巨大的商品化力量。过去,重新发明自己或许是可选项;现在几乎成了必选项。
AI 如何进入公司
而你们正在成为 AI 进入公司的通道。
对。
这可太重要了。
是啊。
你得把这句话说得具体点,因为谁都能这么讲。听众里可能就有 IBM 的人想:“不错,我们也要说自己是 AI 进入公司的通道。”
我们推广过的东西,最后都被别人照搬了。比如我们让“快速从想法做出应用”这个概念流行起来,现在每个做应用生成的创业公司都把它当成自己的卖点。
但他们抄的是过去的你。你是一部电影,他们抄的是六个月前的一帧。
对,所以我们必须不断往前走。但这意味着 Replit 要进入每家公司。
每一家没法安于现状、还有竞争对手的公司?
对,这就是目标。
这太惊人了。那要怎么做到?可能得循序渐进吧?
是的。创始人总有冲动制定宏大策略,大张旗鼓宣布“我们现在要做这个”。但不如让客户来讲述故事。
也就是说,你有个大方向,然后一步步推进。每一步是什么?
是客户遇到的具体问题。但你得知道自己在找什么:找到一个正在做某类事情的客户,先帮他解决,然后大家都能这么做。
这样就能进去。你们做了这么多年系统编程,价值就在这里:让你们进入客户现场,看见新需求是怎样一步步出现的。
对。对外界来说,Replit Agent 的出现是一次断崖式变化;对我们内部来说,却是逐步演进。作为业内专家,你会觉得公司运营方式发生的是连续变化。很有意思的是,对内行来说,这看起来像阶梯函数;对外面的人来说,他们只看见变化之前和之后,所以就像突然变了。
这不只适用于发明史。你仔细看故事,会发现 Steve Jobs 在 80 年代就试着做 iPad,因为他知道那样的东西会很好,只是当时技术还没成熟。
读苹果的故事时,人们会觉得 iPhone 显而易见,尤其是在它推出之后。
如果那么明显,为什么别人没做出来?在苹果内部,可能是渐进式变化;对全世界来说,却是彻底的转变。
而且你要是了解 iPad 是怎么来的……
Steve Jobs 在 iPad 出现前就看到了什么
或者 iPhone 最初的故事:他们先在做平板电脑,Steve Jobs 早就知道自己想要什么,也思考了很久。所以一看到成品,他就说:“就是这个,我们做这个。”公司里发生的很多事,也是这样——你可能已经想了十年,终于认定该做这个了。
和其他公司相比,我觉得你们一直活在未来。
你也这么觉得吗?
我觉得是。
如果要说 Replit 真正的基因是什么呢?
肯定是活在未来。
甚至不只是 AI。只是很多事情还不好用。
对,东西不好用,而且人们改变得很慢。比如云端开发……
大家现在相信云端开发了吗?
他们还在问 AI 要怎么用,真不可思议。我们内部预测,人们会从每人用一个 agent,发展到十个、一百个,最后某个时候会有一万个 agent。你不可能在自己的 MacBook 上跑一万个 agent。
Robert 在 1980 年代就证明过这一点了。
对。最终我们会逐渐摆脱本地工作。不过现在大多数人还是在自己的办公桌上工作。
也许这次终于能让他们信服:这些东西得放在云端。
是的。但在 Replit 工作也挺有意思,某种程度上是一种奇怪的生活。你走进公司,会想:“天哪,我……”
奇怪的是,你好像知道所有人未来会过什么样的生活。这就是你当初演示时像邦德反派的原因:你展示着后来被称作氛围编程的东西,我坐在那儿忧心忡忡,你却像在说:“没错,邦德先生,这就是未来。”再加上你的笑声。
对,确实就是未来,邦德先生。
我记得你当时好像还穿着黑色高领毛衣。
我没穿高领毛衣,是件黑衬衫。
好吧,黑衬衫。光头的我坐在那里想:“糟了,我心爱的编程怎么了?”你却说:“我早知道,我已经想这件事很多年了,邦德先生。”
对。我觉得自己确实有一种能力,能把神圣不可侵犯的东西推翻。
打破神圣不可侵犯的东西
我觉得自己一直有种能力:当电脑已经很擅长做某件事时,我就会想,好了,这件事结束了,转向下一件吧。我不会把自己的身份和工作绑得太紧,也愿意把东西扔掉、从头开始。我职业生涯里已经重新开始过很多次。
我记得你总是在 Replit 里重写东西。
对。很多人会很固执地认定“这就是我的身份、这就是我做的事”。他们应该读读你那篇《让你的身份保持渺小》。我觉得现在这个时代特别需要适应能力。很多人问我怎么养孩子、该教他们什么。最重要的似乎是灵活、适应变化,终身学习。
我告诉孩子们,如果有一道潮水般的巨浪正朝海滩涌来,最安全的地方是冲上去冲浪,而不是站在岸上抱着棕榈树。
不然就会被冲走。你的用户就是这么做的。
对,如果有人能看见未来、避免被坏事击中,那就是你的用户,因为他们都在用 AI。想用 AI,Replit 就是办法;而使用它,才是避免被它碾压的最佳方式。
所以我们觉得自己的使命带有某种道德意义:帮助这些公司转型。
把人们从海滩上带走,给他们冲浪板。
没错。我们曾和一家大型电信公司办黑客马拉松。他们在使用 Replit 前后做了调查,问大家对 AI 有多焦虑、多担心。使用之前——只用了一小时之前——80% 的人对 AI 焦虑,担心自己的工作之类;用了 Replit 之后情况完全反过来,80% 的人变得乐观,20%……
只用了一小时?
一小时。对,我觉得人们……
世界其他地方落后两年
硅谷的人常常低估了世界其他地方还没有经历我们所经历的变化。那边的人还没体验过这些,可能还需要很长时间。
因为变化太快了,对吧?
对,这里的变化太快了。
可如果他们只是落后两年,那就等于永远落后了。两年前氛围编程还不存在。
是啊。大多数银行现在用的,大概还是 2023 年那种 ChatGPT。除了工程部门以外,它们部署的可能就是 ChatGPT-3 之类的东西。
就是个几乎没接入任何系统的大语言模型,所以用处不大。
对,实际应用之间的差距很大。硅谷已经在用替你做事的 agent 了,但大多数公司还在琢磨怎么处理那些想重写的旧软件。
可它们没法忽略这些东西,这就是公司内部的软件现状。也许这些 COBOL 代码终于能重写了。
已经开始了,COBOL 正在逐渐退出。
COBOL 会吃掉很多 token。
是,挺厉害的。我们刚开始探索 AI 时,很多公司会说:“Replit 这个东西不错,但你们能不能来替我们重写 COBOL?”我会说:“我们不会替你们写代码,我们会教你们怎么用这个工具。”但现在有不少 AI 公司会直接上门帮忙重写 COBOL。
我最后还有一个问题。Replit 这么多年来能成功,是因为你一直活在未来。你个人是怎么做到的?为什么你总活在未来?
我前面其实已经开始回答了。你说得对,这不只是坐下来思考。我至少会主动尝试预测,并不断修正、回看自己的预测。我觉得这是一种可以练出来的技能,也有一些原则可循。早年我读过 Ray Kurzweil。他的核心观点是:如果把全世界的计算能力画在对数线性图上,那会是一条惊人的直线。AI 并没有让这条线弯曲,这很不可思议;它仍然是一条直线。
是计算力带来了 AI
AI 能出现,是因为计算力发展到那个程度。它有点像一种信念:反正这件事终究会发生。
我看到有人发推说:“不是 AI 带来了计算力,而是计算力带来了 AI。”这话没错。
这很有意思。没有计算力,就不会有深度学习。
是啊。80 年代大家都觉得神经网络不管用。但如果给它们多一百亿倍的资源,它们就开始有用了。
谁能想到呢?如果真正理解这条趋势,还能据此做很多预测。
所以你擅长活在未来,是因为你已经把这条趋势当成常态了。你默认世界不是静止的,而是在指数变化。
对,是指数变化。你在文章里经常谈怎么理解指数增长。我觉得真正理解它之后,看着 GPT-2 这样的模型,就能比大多数人更好地推演未来。2019 年我第一次看到 GPT-2 时,就设想了聊天工具、agent、个人助理等等。但你得相信它。大多数人会本能地不信,觉得有各种理由说明它不可能奏效。你必须真的相信、接受这种变化,克服自己的直觉。人们会不自觉地把一切都当成静止不变。
你的不同之处在于,你默认事情会指数级变化。这很特别。
对。我从小读科幻小说,也读职业相关的书,这让我形成了两样东西:一是接受变化、坦然面对变化的能力;二是预期变化。电脑会越来越多地接手我擅长的事。
不光要接受,还要预期,并为此做好准备,像冰球运动员那样,滑向冰球将要到达的位置。
而冰球移动得越来越快。
它确实越来越快,这就是指数变化的意思。
现在我反而觉得更自在了,因为……
默认剧变的人
因为没人能跟上你。所以想象一下,在这个每六个月脚下就发生剧变的世界里,什么样的人最适合?就是那个默认一切会发生巨大变化的人。你简直天生适合这个时代,这就是 Replit 做得这么好的原因。