陈宇森

当大模型具备了编程能力后，理论上它可以在一到两年内，完成人类在电脑上能做的所有事情。

Anthropic已经把谜底写在谜面上了：Claude Code是非常强的通用Agent，就应该让它做很多事情。

哪怕现在大语言模型的智力停止演进，我们距离"榨干"它现有的能力，可能还有一到两年的时间。

2026年是应用兑现的关键一年。全球对AI的投入已到峰值，必须看到真正的价值落地。

AI开发就像3D打印——你可以专门为自己或三五个朋友的少数特定场景需求去开发一款Agent，而且体验非常完善。

展望未来十年，如果不进行自我革命，传统软件公司很可能会被AI公司全面取代。

半自动化和全自动化的区别是巨大的，因为AI可以24小时工作，还能复制成百上千份。

Agent与传统软件最核心的区别：传统软件的逻辑是写死的；但在现实世界中，许多问题无法完美分类，此时就需要大模型充当决策者。

产品的朴素标准：简单、稳定、好用。

降低门槛是第一优先级。技术出身的人最容易看不起"降低门槛"这件事。

确定性才是商用AI的根本前提。80%的SOP流程 + 20%大模型能力

一个正在出现的差异化方向是"性格"。未来的AI产品是有性格、有取舍的。

从货架到对话：应用入口已经迭代到了第三代——对话式的交互形态。用户只需陈述想解决的问题，系统就会自动匹配最合适的agent来执行。

当前约95%的企业仍停留在Copilot阶段（人类80% + AI 20%）。实现AI Native后，AI可承担80%工作。

企业不放手的根本原因是对AI不放心。但人参与进来恰恰是给整个流程降速的核心原因。

认知差距是当前行业最大的门槛。谁先用上先进工具，谁就会碾压还没用的人。

AI时代的创新依靠的不是高压和机械执行，而是员工的热爱和创造力。

Skills的核心在于分层加载，本质是Context Engineering的一部分。Agent先看元数据，遇到特定问题时再加载特定skills。

大模型的上下文窗口非常宝贵，输入过长会导致幻觉且逻辑能力下降。

研发工作已经完全不同了。过去一两周一个版本，现在至少一天一个版本。我们每天能干出三个版本。

只要你能交付价值，中国和海外用户同样有很大价值。我们在国内也发现了一批深度用户，付费深度完全不输海外。

大厂沉重的历史包袱反而为创业公司留下更广阔空间。创业公司面对的从来不是大厂本体，而是大厂麾下的某一个具体业务部门。

在AI智能体这个阶段，你很难遇到真正的对手。客户见了产品觉得好用，一两周就下单。

用心不等于仔细认真。仔细认真只是在完成任务；用心是你热爱它，持续思考它。有骄傲心态的时候，事情基本不可能成功。

游戏行业有句名言：一个人做出来的前十款游戏大概率都是垃圾。当时我们缺乏对未知领域的敬畏心。

在巨大的失败面前，人很难保持清醒，会陷入对自己人生的全面怀疑。运气成分肯定有，但能力的成长也是真实的。

做和自己能力、认知真正匹配的事，不被外部条件推着走。

这种长尾且分散的AI模式本质上是一种制造业，每一次执行都在消耗算力和token，对能源的需求极大。

AI的未来需求几乎没有上限，甚至可能倒逼人类加速发展可控核聚变或太空数据中心。