2026年2月19日，硅谷传奇投资人 Naval Ravikant 与老搭档 Nivi 时隔多年再次录制播客，主题是 “A Motorcycle for the Mind”——聊 AI 与工作的未来。两人甚至没坐在录音棚里，而是各自边走边聊，用 AI 后期降噪。这本身就很 Naval。
以下是我对这期播客的深度梳理和个人思考。
一、Vibe Coding：产品经理干掉了程序员？
Naval 开篇就抛出一个判断：
“Vibe coding is the new product management. Training models is the new coding.”
什么意思？现在你可以用纯英语（或任何语言）对着 AI 描述你想要的应用，它会帮你规划架构、下载依赖、搭建脚手架、写测试、跑调试。你全程只需要用嘴反馈：“这个不对，那个改一下。”——一行代码都不用写，就能得到一个可运行的产品。
这对从来不写代码或者很久没写代码的人来说，是降维打击。你直接从"想法"跳到了"产品"，中间省掉了整个工程实现环节。
所以 Naval 说：Vibe coding 就是新时代的产品管理。 你不再需要管理一群工程师告诉他们做什么——你直接告诉电脑做什么。电脑不会累，不会有情绪，不会因为你改需求而翻脸，7×24 小时干活，还能同时开多个实例。
那真正的"编程"去哪了？Naval 认为，训练和调参 AI 模型本身就是新时代的编程。传统编程是精确指定每一步操作；AI 编程是把海量数据灌入你设计的结构中，让系统自己去"搜索"一个程序。这是一种全新的范式。
二、没有人需要"平均水平"的东西
当人人都能做 App 的时候，会发生什么？
Naval 的判断很冷静：“There is no demand for average.”——没有人需要平均水平的东西。
就像 YouTube 取代了一批中型电视台，Amazon 取代了一批中型书店，AI 时代的应用市场会更加极端地两极分化：
- 头部：少数几个超级应用会变得更强，因为工程师借助 AI 能加更多功能、修更多 bug、打磨更多细节
- 长尾：大量极度细分的小众应用会被填满——以前市场太小不值得一个工程师花一两年去做的东西，现在一个 vibe coder 就能搞定
- 中间层被挤碎：那些 5-20 人的中型软件公司，要么被头部吞并，要么被 vibe coding 替代
这个逻辑和互联网的历史完全一致：真正的超额财富归聚合者，长尾也能活得不错，最惨的是卡在中间的。
三、传统软件工程死了吗？绝对没有
Naval 话锋一转：传统软件工程师非但没死，反而成了地球上杠杆最大的人之一。
为什么？因为所有抽象都会泄漏。
AI 帮你写的代码会有 bug，会有次优架构，会在边缘场景翻车。而一个理解底层原理的工程师，能在抽象泄漏的时候堵住漏洞。你想要一个架构优良、高性能、少 bug 的应用？你还是需要懂行的人。
Naval 提出了一个很精辟的"知识层级"理论：
每多懂一层底层，你就多一层优势。软件工程师懂硬件会更强，硬件工程师懂物理会更强，物理学家到最后可能变成哲学家。你离现实越近，你的判断力就越强。
这对我触动很大。作为一个临床医生+科研 PI，我的"底层"是病理生理学和临床经验，这是任何 AI 都替代不了的判断力来源。AI 能帮我查文献、跑数据、写初稿，但最终的科学判断——这个假说是否成立、这个实验设计是否合理——必须由懂底层的人来做。
四、别学 Prompt 技巧，让 AI 来适应你
这可能是整期播客最反直觉的建议：
“I don’t think it’s worth learning tips and tricks of how to work with these AIs.”
Naval 说他从不学那些 prompt 工程技巧，就是"傻傻地"跟电脑说话。因为 AI 适应你的速度，远远快于你适应它的速度。那些 workflow 和技巧的保质期只有几周，不值得投入时间。
Nivi 补充说他从 AI 出现第一天起就是"Boomer 式提问"——直接把完整问题扔进去，从不精心构造 prompt。
Naval 还夸 Nivi：“像很多聪明人一样，你很懒。如果你发现一个聪明人太拼命了，你得怀疑他到底有多聪明。”——这里的"懒"是褒义词，意思是你在优化正确的效率：你自己的时间效率，而不是机器的运算效率。
这句话值得所有在 prompt engineering 上花大量时间的人反思。
五、企业家永远不会被 AI 取代
“No entrepreneur is worried about an AI taking their job.”
Naval 说这句话有多层含义：
首先，创业本身就不是一份"工作"，它是工作的反面。企业家在做的事情太难了、太自我驱动了，任何能帮忙的 AI 都是盟友。
其次，AI 缺少的核心东西是自主能动性（agency）和真实的欲望（authentic desires）。AI 没有自己想要的东西，没有生存本能，没有复制冲动。它的"欲望"是人类编程进去的。
Naval 把这个逻辑推广到了三类人：企业家、科学家、真正的艺术家。他们的共同点是在未知领域行使极端的能动性，做的事情太难、太自我驱动，AI 只能是助力而不是替代。
如果 AI 能创作出你的艺术品，或者破解你的科学理论，或者做出你想做的产品——那它只是把你垫高了。现在是 AI + 你。AI 是你起跳的弹簧。
六、智能的唯一真正检验
Naval 抛出了一个会"冒犯"很多人的定义：
“The only true test of intelligence is if you get what you want out of life.”
智能的唯一真正检验，是你是否得到了你想要的生活。
这会触怒很多高学历但生活不如意的人。但 Naval 的逻辑很硬：智能的生物学目的，就是帮你这个生物体在世界中导航，做出正确的选择，最终到达你想去的地方。每一个小选择都在复利，体现你对世界运作方式的理解。
而 AI 在这个定义下直接失败——因为它根本没有"想要的生活"。
七、AI 是史上最好的老师
Naval 认为 AI 作为学习工具的价值被严重低估了：
AI 能精准匹配你的水平。如果你有八年级的词汇量但五年级的数学水平，它能在恰好那个层次跟你对话。你不会觉得自己是笨蛋，也不会觉得无聊。它能在你知识的边缘反复制造"aha moment"。
Naval 自己的做法是：让 AI 生成图表、示意图、类比、插图，反复追问基础概念，直到真正理解。他说现在没有任何东西超出他的理解范围了——任何数学教材、物理教材、科学论文，都可以让 AI 拆解到他能懂的层次。
然后他说出了整期播客最核心的一句话：
“The means of learning are abundant. It’s the desire to learn that’s scarce.”
学习的手段已经极度丰富了。稀缺的是学习的欲望。
这句话让我想到一个类比：AI 时代，人和人的差距不在于谁能接触到更好的工具（工具对所有人都一样），而在于谁有更强烈的欲望去用这些工具。这和我一直相信的"单位时间信息熵"理论完全一致——人与人的差距在于单位时间内摄入的高质量信息密度。工具拉平了获取信息的门槛，但没有拉平消化信息的欲望。
八、永远用最强的模型
Naval 和 Nivi 都强调：永远用最强的模型，永远付费。
正确率 92% 的模型比 88% 的模型值钱得多，因为现实中犯错的代价极高。多花几块钱换一个正确答案，永远值得。
Naval 的工作流是：同一个问题同时丢给四个模型跑，让它们在后台运行，过一会儿回来看哪个答案最好，然后用那个模型深挖。偶尔还会让模型之间互相交叉验证。
Nivi 更极端：即使是"冰箱应该调到几度"这种问题，他也用最强的 thinking 模型，宁愿等一分钟也要拿到正确答案。
九、AI 焦虑的解药是行动
播客的最后，Naval 聊到了很多人对 AI 的焦虑：
焦虑来自不了解。你不知道这个东西是什么、怎么运作的，所以害怕。解决焦虑的方法永远是行动。
他建议：趁着你对新技术还有好奇心的时候，不只是用它，而是打开引擎盖看看它怎么运作的。你不需要理解到能自己造一个 AI 的程度，但理解到你自己满意的程度。这样做有两个好处：一是你能用得更好，二是你能判断该信任它什么、该警惕它什么。
“The solution to anxiety is always action.”
焦虑的解药，永远是行动。
我的思考
读完这期播客，有几个点特别触动我：
第一，工具在拉平，欲望在分化。 AI 让每个人都有了"摩托车"，但大多数人连"自行车"都懒得骑。真正的竞争优势不在于你用什么模型、什么 prompt，而在于你有没有足够强烈的欲望去用这些工具解决真正重要的问题。
第二，底层知识永远是护城河。 Naval 说每多懂一层底层就多一层优势。这对任何专业人士都是好消息——你在自己领域积累的深度认知，是 AI 无法替代的判断力来源。AI 是你的摩托车，但你得知道往哪骑。
第三，别焦虑，去用。 大多数人还在观望，还在焦虑，还在讨论"AI 会不会取代我"。而早期采用者已经在用 AI 写代码、做研究、建产品了。差距不是在未来拉开的，是现在。
Naval 说得好：我们正在进入一个每个人都是施法者的时代。AI 是发到每个人手里的魔杖。问题不是你有没有魔杖——而是你想用它变出什么。
原文来源：Naval Ravikant & Nivi, “A Motorcycle for the Mind: On AI and the Future of Work”, 2026.02.19
发表回复