摘要

Sinofsky 将 AI 定位在“64K IBM PC 时代”，比 Windows 3 类比早得多，因此今天的局限是平台级特征，而非边缘案例。 人们一边声称 AI 将取代 Search 和 Excel，一边它仍会出错、连基础任务都做不好；用户还必须重新学习如何与一款“智能不平整”的工具协作。对投资者而言，近期信号是能力持续增长，但工作流尚未定型。
写作，而非生产软件，是嘉宾认为已经出现数量级变化的第一个工作流。 Acharya 认为，vibe writing 今天就能实现完全自主；但 Sinofsky 的问责标准仍然成立：如果工作或成绩取决于它，产出“就必须正确”。部分自主可能把人从作者推向编辑，而代码中的隐性负债则会在更晚时候以安全、身份认证和明文密码漏洞的形式暴露。
Agents 将是持续10年的部署过程，Acharya 预计最早产生价值的领域是高摩擦、低判断任务。 他愿意把个人贷款再融资交给 Agent，因为自己只在乎最低利率，也没有品牌偏好；但不会把税务交出去，因为其中涉及申报选择和风险判断。Sinofsky 补充说，“无头、无脸、无名”的 API 可能剥夺供应商差异化和获客的能力，从而限制纯粹按价格自动化的商业模式。
在 Sinofsky 的框架里，完全自主取决于正确性的形式化定义；只要存在歧义，人和判断就会留在流程中。 国际象棋和围棋可以完全交给机器，但医疗、税务和产品管理都建立在不确定性、例外和未决选择之上。放射科医生的采用路径提供了模板：AI 成为另一种工具，而不是终结一个职业的替代者。
“Vibe coding for clout”夸大了文本生成应用系统今天能够交付的程度，但嘉宾对历史究竟能多大程度约束未来存在分歧。 Torenberg 认为，类英语提示词本质上是在用散文编程，而一旦加入结构，“你写的就是一种新的编程语言”。Sinofsky 表示，底层语言模型正在大幅进步，尽管不少演示“三天后就失效”；他也承认，模型的指数级进步让负面预测变得危险。
AI 带来的丰裕将重置质量门槛，因为“比替代方案更好”往往比完美更重要。 Sinofsky 预计，几乎完全由 AI 生成的畅销书“100%”会出现；GPT 只需“百万分之一的投入”就能写出企业案例研究，并将这一可及性逻辑延伸到医疗服务。Torenberg 的保留意见是，模型是“平均机器”，因此前沿艺术仍需要技术原生创作者，把文化推向边界。
Google 面临的风险不是消亡，而是在软件广度无法改变公司构建和销售产品的方式时失去影响力。 I/O 展示的“软件领域 B-2 轰炸机”体现了 incumbents 的“震慑与压倒性资产”；更难的考验在于 Google 是否能改变产品语境和 go-to-market，而不只是通过 Search 和 Ads 展示 AI。

精读

1. AI 处于64K PC阶段，但写作已经跨过门槛

Sinofsky 的技术类比比 Windows 3 更早：AI 更像“64K IBM PC 时代”，当时程序大到无法装入可用内存，机器甚至缺少显示器等基础能力。今天的对应情形，是在 AI “还算不太明白”的同时，声称它将取代 Search 或 Excel；这个平台仍然“太早期”。
Acharya 认为，Karpathy 更深层的观点在于一种关系倒置：LLM “像人或精灵”，拥有“参差不齐的智能”，而不是可以沿用过去计算技术的既有方式直接使用的工具。因此，提高生产力需要重新学习如何指挥它们、何时不信任它们，以及什么时候保留控制权。
Sinofsky 认为，“vibe writing”是更近的断点。学生已经在使用，企业则再次陷入文字处理器合法性的争论，而反对声音与当年对计算器的恐慌相似：电钻存在，正是因为使用者不必掌握“那种阿米什人的手钻”；工作会“向上迁移”。他还表示，编程在平台早期往往效果最好，因为开发者就是平台的客户，但开发者对易用性的描述可能掩盖了长达18小时的挣扎。
Acharya 认为，写作今天就能实现完全自主，比代码更容易；Sinofsky 的反驳是问责。引用不存在的判例先例的诉讼说明了写作的风险：如果薪水或成绩取决于产出，“那它就必须正确”。Sinofsky 表示，vibe-coded 系统的安全、身份认证、明文密码及其他漏洞会在之后暴露。更可能发生的是从作者转向编辑，而不是从编辑转向旁观者。

2. 只有在判断和市场激励允许的地方，Agents 才会推进

Karpathy 从无自主到部分自主再到完全自主的 Iron Man 滑杆很有用，但 Sinofsky 将“Agent 之年”改成了“Agent 之十年”：自动化的历史反复表明，看似容易的任务最终会暴露出顽固的判断和例外处理问题。
Acharya 的采用矩阵从高摩擦、低判断工作开始。个人贷款再融资符合这一条件，因为他只想要最低利率，也没有品牌偏好；税务则不符合，因为申报选择和风险承受度使其同时具备高摩擦和高判断属性。
Sinofsky 警告，不要把所有选择都压缩成一个“无头 API”：如果供应商无法解释或区分自己的报价，也无法获取客户，那么一个匿名的低价提供商可能并不是经济上可行的生意。“最便宜的航班”仍然包含航空公司、出发时间、红眼航班、家庭安排和里程偏好；消费者想要的选择比自己承认的更多。
Sinofsky 表示，正确性有明确定义的领域可以从无自主走向完全自主，国际象棋和围棋已经如此。在其他领域，增强仍会持续：一名医院医生告诉他，“我的工作全是不确定的”；放射科医生像接受更好的 MRI 或软件更新一样吸收了 AI；税务仍是“一组巨大的、层层嵌套的 if 和 switch 例外语句”。产品管理同样存在，就是为了处理阻碍进展的歧义。

3. Vibe coding 正在成为一种语言，然后才会成为生产软件

Torenberg 将“vibe coding for clout”视为又一轮过度承诺：尽管提示词看起来像英语，但本质上是在用散文编程，而一旦要求更多结构，“你写的就是一种新的编程语言”。
Torenberg 对比了早先“整个劳动力都会变成软件从业者”的承诺与今天“程序员将消失”的说法。Sinofsky 回忆，面向对象编程、C++和数据库语言都曾被大肆宣传为重大改进，但它们只是增加了常数因子，并未改变编程的数学数量级。Torenberg 对低代码也作出同样判断：模板可以生成带有领域品牌的熟悉应用，但“你不会靠其中任何一个来运营公司”。
Sinofsky 的回应构成了本期最关键的分歧。今天的文本生成应用产品适合原型制作，却难以完成精修，许多 Twitter 演示“三天后就无法运行”；但他仍认为，支撑“编程语言”这一比喻的语言模型正在大幅进步。
Sinofsky 承认，模型处于“指数级改进周期”，因此自信的负面预测几乎没有力量。他当前的区分仍然是：写作已经发生数量级变化，而此前的编程进步只是增加“plus seven”，并未改变数学数量级。

4. 丰裕先提升可及性，然后才抵达艺术卓越

Sinofsky 预测，几乎完全由 AI 生成的畅销小说将在几年内出现，概率为“100%”；作者不会是 Stephen King，更可能使用笔名，之后才承认情节来自提示词，文本则通过反复编辑生成。
Torenberg 提出的复杂性在于艺术的分布：语言模型是“平均机器”，而伟大艺术往往位于文化边缘。当前的内容垃圾反映了低门槛和更广泛的创作满足；更有意思的上限在于，技术原生艺术家学会把模型引离平均值。
Torenberg 提出的质量基准往往是替代方案，而非完美；Sinofsky 将其应用于可及性。他表示，GPT 只需“百万分之一的投入”，就能产出比普通市场助理更好的企业案例研究；Torenberg 则指出，全球80%的人缺乏医疗知识、医疗服务或专业意见。Sinofsky 以 Epson MX-80 作类比：文字处理器胜出，是因为可反复修改的价值超过了对打字机还原度的要求；可及性会改变“我们对卓越的看法”。

5. Google 可以存活，却失去平台影响力

Sinofsky 认为“Google 的末日”这一说法荒谬——巨型公司可以被反复宣告死亡——但他区分了存活与影响力。平台转换为 incumbents 提供了“震慑与压倒性资产”：它们可以宣布全公司转向，并围绕世界正在讨论的资产和品类发动广泛的软件攻势。
因此，Google I/O 交付了预料之中的“软件领域 B-2 轰炸机”。可投资的问题不是 Google 能否在 Search 和 Ads 的语境中展示新技术，而是公司能否改变产品构建和 go-to-market 的方式，因为颠覆攻击的正是这种语境，而不是演示库存。

Navan申请上市、Canva踩下刹车：原因是什么，接下来会发生什么？Hard Fork Live，第1部分：OpenAI 的 Sam Altman 与 Brad Lightcap