把 AI 當新材料,敢砍掉重練

Ivan Zhao 在 Reid Hoffman 的 podcast 裡說了一句話,讓我反覆想了好幾天:

「別把電腦當工業機器——把它當成你要去掌握的材料。」

不是新工具。是材料。

這兩個字的差距比聽起來大。工具是被動的,挑對用就好;材料要學,你要理解它在什麼條件下延展、什麼條件下斷裂——然後才知道該蓋什麼。Ivan 舉了幾個例子:鋼、蒸汽機、bitmap 顯示、關聯式資料庫。這些都曾是「剛出現、沒人知道怎麼用」的新材料,掌握的人重塑了那個時代的建造方式。他認為 GPT-4 class 的語言模型是同等量級的東西——裡面「裝了一小片人類心智」,能解鎖的可能性還沒被摸清楚。

材料變了,架構就得砍

Notion 花了四到五年才到 PMF,中間重寫了三到四次。做 AI 的三年裡,核心 AI agent 層重構了五到六次。

第一次聽到這個數字,我以為是失敗的痕跡。重聽才明白——這是刻意的。

AI 產業的變動速度,比任何其他材料都快。如果你的架構三個月沒動過,幾乎可以確定它已經不適合當前模型的能力了。不改,架構就開始「calcify」:僵化、沉積,讓新的語言模型無法真正施展。系統從「騎在模型上」,變成「被模型卡住」。

Ivan 說判斷依據永遠是效果,不是沉沒成本。砍掉三年的架構,是因為它不再服務現在的目標——不是因為它不好。對工程師來說這違反直覺。我們被訓練去保護已有的東西,那是我們的工作成果。但在材料快速演化的環境裡,這個直覺會出賣你。

掌握材料的唯一方式:自己摸

Ivan 說領導者要天天用新模型、週末自己寫 code——不是為了管理,是為了「感受這個材料」。

他自己的做法:早上泡茶、對手機口述、讓 AI 整理成文件。他信任一個中間層幫他 triage inbox,把重要的留下、其餘封存。不是因為省時間,是因為他要知道這個材料能做到什麼程度、邊界在哪裡。

你不親自用,你就只能聽別人描述。而別人描述的,往往是三個月前的版本。

能力充沛後,剩下比的是品味

材料的進入門檻下降之後,Ivan 提到另一件事:當每個人都能很快做出東西,商業開始像創作藝術——你把自己的價值系統注入產品,讓市場用錢投票。市場是混沌系統,每個參與者都在改變結果,沒有等著你找的正確答案。你的參與本身,就是你的品味和判斷的展現。

他說連找 PMF 的週期都可能壓縮:從十八個月,變成十八天。

這讓我想到 Engelbart 說的:越擅長變強,就越快變強。如果你能用一個系統來打造它自己——concept bootstrapping——複利就開始滾。Ivan 說這正在發生:用語言模型打造「會自己打造自己的產品」。能用系統造系統的人,和只能用系統造產品的人,速度差距會越來越大。

人在中心,還是市場在中心

最後一個問題是最難的。

Ivan 用城市做比喻:佛羅倫斯是人本尺度的城市,一小時可以步行穿越;達拉斯是汽車尺度的城市。一百年前汽車重塑了城市規劃,高速公路穿過市中心——看起來是效率,回頭看多半是錯的選擇。AI 正在對知識工作做同樣的事。

問題不是 AI 有沒有用。問題是:你在設計哪種城市?

你是在讓同一批人變得更強——還是在讓系統可以少用人?這兩件事在短期看起來很像,走向完全不同。Ivan 說,趁還是人在做決定,要自覺選擇進入哪個世界分支。別等高速公路穿過城市之後,才意識到當時做了什麼選擇。McLuhan 說得準:我們透過後視鏡開向未來。

所謂「把 AI 當材料去掌握」,最深的那層意思可能是這個:你不只是在學怎麼用這個材料,你也在決定你要蓋什麼。