纳瓦尔：平庸的程序员已经没有市场了
Naval Ravikant（纳瓦尔），《纳瓦尔宝典》作者、AngelList 联合创始人、硅谷顶级天使投资人。这期播客《A Motorcycle for the Mind》2026 年 2 月 19 日发布在 nav.al，由 Nivi 主持，全长约 52 分钟。
播客围绕一个核心隐喻展开：Steve Jobs 说电脑是”思维的自行车”，Naval 将其升级——AI 是头脑的摩托车，更快、更强大，但方向盘永远在人类手里。
原文链接：https://nav.al/ai
要点速览
- Vibe coding（凭感觉编码）已成为新形态的产品管理——用英语描述想法，AI 生成完整应用。产品经理不再管理工程师，而是直接指挥 AI
- 训练和调优模型取代了传统编码，成为核心”编程”技能。AI 研究员拿天价薪资，本质上是因为他们是新时代的程序员
- 传统软件工程没死，但”平均水平”已经没有市场了。中型软件公司最危险——两头被挤压
- 最热的编程语言是英语。Naval 从不学 prompt 技巧，因为 AI 适应人类的速度远超人类适应 AI
- 没有创业者担心 AI 抢饭碗。因为创业不是一份”工作”——“工作”这个概念本身正在消亡
- AI 不是活的，它缺乏欲望、生存本能和真正的创造力。智能的唯一真实检验是”你能否从生活中得到你想要的”，AI 在这个测试上直接不及格
- 对 AI 焦虑的最佳解药是行动：去用，去学，去搞清楚它是什么
以下按播客顺序分 9 个主题展开。
想学东西，就去做
Nivi 开场问 Naval 最近在忙什么。
Naval 没有透露 Impossible 的具体方向，但表达了一个明确态度：他不满足于只做投资人，更不想做”空谈哲学家”。他认为光说不做的人”没有接触过现实”，没有接受过”自由市场或物理法则的残酷反馈”。
“People who just talk too much and don’t do anything… they haven’t encountered reality.” （光说不做的人……他们没有接触过现实。）
他说自己最近的推文比以前更务实，因为每天都在写代码、做产品、带团队。学习的最好方式就是去做（do），不是被动消费。
Vibe Coding 与新编程
Nivi 引用了 Naval 2 月 3 日的一条推文：“Vibe coding is the new product management. Training and tuning models is the new coding.”
Naval 解释说，Claude Code 等工具已经好到可以端到端地开发应用。你用英语描述想要什么，AI 会帮你制定计划、搭建脚手架、下载所有依赖库、编写代码、建测试框架、运行测试。你全程用自然语言给反馈：“这个不对，改成那样”，它就一直改，直到跑通。从头到尾不需要写一行代码。
“This is taking them from idea space， and opinion space， and from taste directly into product.” （这把人从想法空间、观点空间、从品味直接带进了产品。）
以前产品经理的工作是告诉工程师做什么。现在你直接告诉电脑做什么。电脑不知疲倦、没有自尊心、不会因为你的反馈而生气，可以同时启动多个实例，7×24 运行。
但这不意味着所有人做的 App 都有价值。Naval 预测会出现和互联网一样的结构：
- 头部：少数几个顶级应用会变得更大更强，因为 AI 让它们能覆盖更多场景、打磨更多细节
- 长尾：大量填补细分需求的小工具会涌现——以前市场不够大、养不起工程师的需求，现在 vibe coding 就能搞定
- 中间层被挤压：5-20 人的中型软件公司最危险，要么被头部应用吞掉功能，要么被 vibe coder 替代
“It’s the medium-sized firms that get blown apart.” （被炸碎的是中型公司。）
这跟 Amazon 对书店的冲击、YouTube 对中型电视台的冲击是同一个逻辑——聚合器拿走超额财富，长尾获得分配，中间层消失。
当所有人都能编码，真正的”编程”变成了什么？Naval 的回答是：训练和调优 AI 模型。
传统编程是”精确指令”模式——你必须用高度结构化的语言，一步一步告诉计算机每个动作，计算机只能做你明确告诉它的事。本质上就是一个极其精密的计算器。AI 编程则相反。你把人类产生的海量数据灌进一个你设计和调优的结构里（模型架构、参数规模、学习率、batch size、tokenization），然后这个结构自己去”搜索”一个程序。Naval 用了一个比喻：像一台巨型弹珠机（pachinko machine）——你设计了弹珠机的结构，数据是弹珠，弹珠在里面弹跳，最终找到的”落点”就是模型学到的程序。
“Fundamentally， what we’re doing is a new kind of programming， but this is the forefront of programming. This is now the art of programming.” （从根本上说，我们在做的是一种新的编程，但这是编程的最前沿。这是编程的艺术。）
传统计算机擅长”精确答案”——特定问题的特定回答，可以反复依赖。AI 擅长”模糊答案”——画一只猫，写一首诗，搜索一个问题——这些领域没有唯一正确答案，AI 反而比精确编程更灵活。这就是为什么 AI 研究员拿天价薪酬——他们本质上接管了”编程”这件事。
传统工程师没死，但平庸没有市场
Naval 自问自答：传统软件工程死了吗？绝对没有。
软件工程师有两个核心优势，vibe coder 无法替代：
第一，他们能用代码思考，知道底层发生了什么。 所有抽象都是有漏洞的（all abstractions are leaky）。AI 写的代码会有 bug、架构不够好、性能不够优。懂底层的人能在漏洞出现时堵住它们。
第二，AI 写代码的能力有边界。 在 AI 见过大量案例的领域（二分排序、反转链表），它极其擅长。但一旦超出训练数据的分布——高性能代码、新架构、全新问题——你仍然需要人类工程师。
不过 Naval 也指出，AI 学习速度在加快。它通过压缩海量数据来学习更高层次的抽象——如果只给 AI 看 5 个圆，它会死记硬背每个圆的半径和粗细；但如果给它看 50 亿个圆，它会被迫去”理解”圆周率和画圆的算法。这个压缩过程就是学习。
“A good engineer operating at the edge of knowledge of the field is going to be able to run circles around vibe coders.” （一个在领域知识前沿工作的优秀工程师，可以把 vibe coder 甩开几条街。）
但传统工程师的安全区也在缩小。Naval 反复强调一个判断：there is no demand for average.（平庸没有市场。）
在赢家通吃的市场里，第二名和第三名没有意义。他引用了电影《拜金一族》（Glengarry Glen Ross）里 Alec Baldwin 的经典台词：“第一名得凯迪拉克，第二名得一套牛排刀，第三名——你被炒了。”
【注：《Glengarry Glen Ross》（1992）改编自 David Mamet 的普利策获奖话剧，讲述房地产销售员在极端竞争压力下的故事。Alec Baldwin 在电影中饰演一个冷酷的销售培训师，这段”Always Be Closing”的演讲是影史经典片段之一。】
但坏消息的另一面是好消息：你能做到”最好”的领域是无限的。 你总能找到一个适合自己的细分领域，成为那个领域最好的。
“Become the best in the world at what you do. Keep redefining what you do until this is true.” （成为你所做之事的世界最佳。不断重新定义你做的事，直到这一点成立。）
最热的编程语言是英语
Nivi 指出，AI 编码模型本质上是程序员抽象栈上的一个新层。
Naval 同意趋势方向，但强调这不是”小改进”，而是一次涌现性的飞跃。他上学时写 C 语言，后来 Python 出来时觉得”几乎像英语了”，现在回头看，Python 离英语还远着呢。而现在你真的可以用英语编程了。
他由此引出一个重要判断：不值得去学 AI 的使用技巧和 prompt 工程。
“I just sit there stupidly talking to the computer because I know that this thing is now at the stage where it is going to adapt to me faster than I can adapt to it.” （我就傻坐在那里跟电脑说话，因为我知道这东西现在已经到了一个阶段——它适应我的速度比我适应它的速度快得多。）
他的逻辑是：社交媒体上那些 prompt 技巧、工作流工具、辅助层，寿命以”周”甚至”天”计，很快就会被 AI 自身的进化淹没。除非你正在做一个需要极致竞争优势的项目，否则不值得投入时间去学这些。让 AI 学会怎么对你有用，而不是你去学怎么用 AI。
Nivi 补充说他从来不搞 prompt engineering，一直用”Boomer 式搜索”——直接把完整问题丢进去，从不花时间措辞。Naval 接了一句毒舌的夸奖：
“Like a lot of smart people， you’re very lazy. And I mean that as a compliment. If you find a smart person who’s grinding a little too much， you kind of have to wonder how smart they are.” （像很多聪明人一样，你非常懒。我是在夸你。如果你发现一个聪明人磨得太狠了，你得怀疑他到底有多聪明。）
AI 面临的是”资本主义式的自然选择”——只有对人类有用的 AI 才会被启动和使用，所以 AI 有天然的进化压力去变得更有用、更顺从、更贴合人类需求。
“I don’t really worry about unaligned AI. I worry about unaligned humans with AI.” （我不太担心失控的 AI。我担心的是失控的人类拿着 AI。）
他用了一个类比：一只被训练去攻击人的狗，问题不在狗身上，在于训练它的主人。
他重申了一个老观点：AI 不会取代程序员，而是让程序员更容易取代其他所有人。 一个配备 AI 军团的程序员，生产力是以前的 5-10 倍。但更关键的是，编程能力的分布本来就不是正态的——有 100 倍、1000 倍的程序员。
“Intelligence is not normally distributed. Leverage is not normally distributed. Judgment is not normally distributed， so the outcomes are going to be supernormal.” （智力不是正态分布的。杠杆不是正态分布的。判断力不是正态分布的。所以结果会是超常的。）
好消息是：任何一个逻辑清晰、结构化思考的人，都可以成为”施法者”。以前程序员像是记住了神秘咒语的巫师，现在 AI 给每个人发了一根魔杖——用任何语言施法。
没有创业者担心 AI 抢饭碗
Nivi 引用了 Naval 2025 年 2 月的推文：“No entrepreneur is worried about an AI taking their job.”
Naval 说这句话”很滑”——首先，创业者根本没有”工作”。创业是”工作”的反面。创业者要做的是：造产品、服务市场、支持客户、实现创意、在世界上建造一个可复制可扩展的流程。这些事太难了，任何能帮上忙的 AI 都是盟友。
“They don’t even have a job to steal. They have a product to build. They have a market to serve. They have a customer to support. They have a creativity to realize.” （他们连个可以被偷的工作都没有。他们有产品要造、市场要服务、客户要支持、创意要实现。）
区分创业者和其他人的关键因素是极端主动性（extreme agency）。 这和”工作”截然相反。工作是填一个别人定义好的槽位。创业者在未知领域用极端主动性解决未解决的问题。科学家、探险家、真正的艺术家也一样。
如果 AI 能创造你的艺术作品、破解你的科学理论、做出你想做的产品，它只是把你垫高了——AI 是你起跳的弹簧，不是你的替代者。
Naval 进一步展开”工作”这个概念的消亡。他用了摄影术类比：绘画长期以来追求写实——画人体、画水果、画光影。直到摄影出现，写实的选择压力消失了。然后艺术”变得奇怪”——超现实主义、现代艺术、后现代主义涌现。有人会说”摄影伤害了画家”，但很难说社会因为摄影变差了。
“The goal is not to have a job. The goal is not to have to get up at nine in the morning and come back at 7 PM exhausted， doing soulless work for somebody else.” （目标不是有一份工作。目标不是早上九点起床、晚上七点精疲力竭地回来，为别人做没有灵魂的工作。）
真正的目标是：物质需求由机器人解决，智力能力由计算机杠杆放大，任何人都能创造。他提到十年前和 Nivi 做的一个思想实验：“想象一下每个人都是软件工程师，能写代码、能造机器人。那个丰饶的世界会是什么样？” 他认为那个世界正在变成现实。
AI 不是活的
Nivi 和 Naval 讨论 AI 是否”活着”。
Naval 的立场很明确：AI 不是活的。他认为 AI 是”极好的模仿者”，好到几乎无法区分——但模仿不等于生命。AI “看起来像活的”有两个原因：
第一，它做的事对你来说是新的，但它是从训练数据里学来的。任务以前被人类做过，就能被自动化——只是你没见过。
第二，AI 通过压缩学习了更高层次的抽象。它把海量数据压缩到有限的参数里，被迫学会更本质的表示方式。
但 AI 仍然缺乏几项关键的人类能力：
- 单样本学习（single-shot learning）：人类看一个例子就能学会，AI 需要大量数据
- 跨域创造力：人类能在完全无关的领域之间建立连接，产生”从天而降”的想法
- 具身性（embodiment）：AI 运行在语言这个压缩域里，而语言只覆盖了人类想到并能表达的东西，远远小于现实本身
“Language only encompasses things that humans both figured out and could articulate and convey to each other. That’s a very narrow subset of reality.” （语言只涵盖了人类想通了、并能表达和传达给彼此的东西。那只是现实非常狭窄的一个子集。）
那 AI 能通过智能测试吗？Naval 引用了 David Deutsch 的观点：人类是”通用解释者”（universal explainers），物理法则允许的一切，人类都可以在脑中建模。然后他抛出了一个他最受争议的老推文：
“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：你能否从生活中得到你想要的。）
【注：这条推文（2020 年发布）在 X 上引发过大量争论。批评者认为它混淆了”智能”和”成功”，忽略了系统性不平等。Naval 的回应是：智能的”目的”就是帮助一个生物体在生活中获取它想要的东西，无论起点如何。】
AI 在这个测试上直接不及格。因为 AI 没有欲望、没有生命、不”想要”任何东西。它的目标是人类编程给它的。
即使退一步，假设 AI 代理人类去执行目标——交易、社交、创作——这些场景大多是对抗性的零和博弈。你的交易 AI 对抗别人的交易 AI，你的约会 AI 对抗别人的约会 AI。最终所有 AI 优势互相抵消，剩下的 alpha 完全来自人类。
早期采用者的优势
Naval 用了一个思想实验来说明上面的观点。
想象每个男人约会时耳朵里都有一个 AI 耳机，像《大鼻子情圣》那样悄悄告诉他该说什么。那么每个女人也会有一个 AI 耳机，告诉她该忽略哪部分。交易机器人被其他交易机器人抵消。最终所有差异化来自人类的创造力。
【注：《大鼻子情圣》（Cyrano de Bergerac）是 Edmond Rostand 1897 年的法国话剧，主角 Cyrano 因自卑于外表，躲在暗处替好友 Christian 向 Roxane 倾诉爱意。这里 Naval 用它来比喻 AI 在幕后为人类”代言”的场景。】
但技术从来不是均匀分布的。大多数人还没有在用 AI，或者没有用到极致。所以早期采用者确实有巨大优势。
“To invest in the future， you want to live in the future.” （要投资未来，你就要活在未来。）
大多数人其实害怕技术。按错按钮电脑就崩了，做错事就显得像白痴。但 AI 的聊天界面让技术变得不那么可怕了——你就跟它说话，它就回话。“这是魔法。”
不过 AI 也可能产生另一种威慑：把它过度人格化后，你会觉得自己在跟上帝对话——“它什么都知道，什么都有观点，我跟它比太没用了”。Naval 提醒不要掉进这个陷阱。
AI 作为学习工具的威力尤其惊人。Naval 回忆 Google 刚出来时，他在社交场合帮别人搜索答案就能显得像天才。后来有人做了个网站叫 LMGTFY.com（Let Me Google That For You），发一个链接就是在嘲讽”你自己不会搜吗？“。他觉得 AI 现在就处于类似阶段。
但他也强调了使用 AI 的注意事项：AI 会产生幻觉，有训练偏见，大多数政治正确到只敢说安全话。他几乎所有查询都同时丢进四个 AI，交叉验证。 他能感知到 AI 什么时候在胡扯或在说政治正确的废话，会追问底层数据和证据。
在技术、科学、数学等没有政治色彩的领域，AI 是”绝对的学习猛兽”。
“For the first time， nothing is beyond me. Any math textbook， any physics textbook， any difficult concept， any scientific principle， any paper that just came out， I can have the AI break it down， and then break it down again.” （第一次，没有什么是我学不了的。任何数学教科书、物理教科书、困难概念、科学原理、刚发表的论文，我都可以让 AI 拆解，然后再拆解。）
更重要的是，AI 能精确匹配你的水平。如果你的词汇量是八年级但数学是五年级，它能精确在那个水平跟你对话。你不会觉得自己是傻子，也不会觉得无聊。学习的手段从来不缺。缺的是学习的欲望。
Naval 说他永远用最高级的模型，全部付费。因为 92% 正确率的模型比 88% 的几乎无限值钱——现实世界中犯错的代价太高了。
定义不了就编程不了
Nivi 将话题引向 AI 的认识论（epistemology）：AI 开始解决一些未解决的数学问题，这是否意味着 AI 具有创造力？
Nivi 认为不是。这些答案已经”嵌入”在模型中——不是说答案已经写好了，而是说它可以通过一个机械过程被推导出来。
Naval 部分同意，但指出”创造力”本身就是一个定义模糊的概念：
“If you can’t define it， you can’t program it， and often you can’t even recognize it.” （如果你定义不了它，你就编程不了它，甚至经常连识别都识别不了。）
他区分了两种”创造力”：
- 组合式创造力：Steve Jobs 说的”creativity is just putting things together”——把五个不同来源、三种不同方式、两种不同语言里的元素拼在一起，AI 做得到
- 真正的创造力：从已知问题和已知要素出发，得出一个完全不可预见的答案——“用电脑搜索到时间尽头都搜不到”的那种——AI 做不到
Naval 承认这种”真正的创造力”人类也很少发挥。大多数时候我们也只是在做组合。但他不认为仅仅往现有模型上堆更多算力就能实现真正的创造力——除非有某种突破性的发明。
然后 Naval 回到了播客的核心隐喻：
“Steve Jobs famously said that a computer is a bicycle for the mind… But it takes the legs to turn the pedals in the first place. And so now maybe we have a motorcycle for the mind， but you still need someone to ride it， to drive it， to direct it.” （Steve Jobs 说过电脑是思维的自行车……但首先得有腿来踩踏板。现在我们也许有了一辆思维的摩托车，但你仍然需要有人来骑它、驾驭它、指引方向。）
对 AI 焦虑的解药是行动
播客最后，Naval 谈到如何应对 AI 焦虑。
Nivi 说新范式和新工具出现时，社会层面和个人层面都会有一个”兴奋窗口期”。如果你抓住这个窗口期，你能学到新东西、交到新朋友、赚到钱。
Naval 鼓励人们不只是”使用”AI，而是去理解它的底层原理。就像你第一次见到汽车，不只是开上去兜一圈，你还会好奇地打开引擎盖看看里面是怎么运作的。
理解底层有两个好处：一是能更好地使用工具，而这个工具的杠杆率极高；二是能判断自己到底该不该害怕它——“我们是不是真的要面对天网觉醒？还是说这就是一台很酷的机器，能做 A、B、C，但做不了 D、E、F？”
“The solution to AI anxiety is action. The solution to anxiety is always action.” （对 AI 焦虑的解药是行动。对焦虑的解药永远是行动。）
焦虑是一种”非特异性恐惧”——你的大脑和身体在告诉你”该做点什么了”，但你不确定做什么。答案就是：去搞清楚。去看它是什么，去理解它怎么运作。好奇心驱动的学习会消解焦虑。而且谁知道呢，你可能还会发现一些真正有价值的用法。
Naval 的三重核心立场
Naval 在这期播客中的核心立场可以概括为三点：
第一，AI 民主化编程，但加剧赢家通吃
AI 正在把”编程”从少数人的技能变成每个人的能力。Vibe coding 让任何人都能用英语描述想法，瞬间得到完整应用。但这不是”人人都有饭碗”的故事——恰恰相反。当所有人都能编码，真正的分化反而加剧：
- 头部应用变得更强（AI 助力覆盖更多功能）
- 长尾工具大爆发（原本无利可图的细分需求现在可实现）
- 中间层彻底消失（传统 5-20 人软件公司面临两面夹击）
平均水平没有市场。 你要么成为该领域最好的，要么消失。但好消息是：优秀的领域是无限的，你总能找到自己能”最好”的细分。
第二，AI 不是活的，方向盘在人类手里
AI 是”极好的模仿者”，但模仿不是生命。它缺乏三项人类能力：单样本学习、跨域创造力、具身性。它没有欲望、没有主动性、没有真正的创造力——目标永远是人类编程给它的。
智能的唯一真实检验是：“你能否从生活中得到你想要的？” AI 在这个测试上直接不及格。即使 AI 代表人去交易、社交、创作，这些对抗性博弈中的 AI 优势会彼此抵消，剩下的 alpha 完全来自人类的创造力和判断。
第三，对 AI 的解药是行动，不是焦虑
对 AI 焦虑的根本疗法不是逃避、等待或观望，而是 行动：去用它、去理解它、去搞清楚它的底层原理。
焦虑本质是”非特异性恐惧”——你的大脑在说”该做点什么了”但你不知道做什么。答案就是：主动探索。打开引擎盖看看里面怎么运作。好奇心驱动的学习会自然消解焦虑。你会发现它到底能做什么、不能做什么，以及你自己能在这个时代做什么。
觉得有启发？转发给同样在思考 AI 的朋友。关注我，持续拆解一线大佬的深度思考。