我用了9分钟吐槽公司的愚蠢行为

中文العربيةDeutschEnglishEspañolFrançaisहिन्दीBahasa Indonesia日本語한국어PortuguêsРусский
MMaximilian Schwarzmüller
Computing/SoftwareBusiness NewsManagement

Transcript

00:00:00让我们来聊聊过去几周甚至几个月里我们看到的最愚蠢的趋势之一，
00:00:05它似乎已经走到了尽头。理应如此，因为它毫无意义。
00:00:12“代币最大化”（Token maxing）。如果你还不了解，代币最大化指的就是尽可能多地使用，或者说是
00:00:18消耗掉你每月、每年或任何统计周期内所能使用的尽可能多的 AI 代币。
00:00:24所以，从企业角度来看——因为这个术语来自企业界——其核心想法确实是
00:00:30你想激励员工尽可能多地使用 AI 代币，例如通过像 Cloud Code 这样的工具。
00:00:37顺便提一下，那是一个很有用的工具，就像 Codex 和其他此类工具一样。
00:00:44你可以通过它们完成工作。如果你想了解更多，我也有关于 Cloud Code 和 Codex 的课程。
00:00:50它们非常深入，展示了一些提示词技巧。但
00:00:54这里的想法是，你要使用这些工具来消耗尽可能多的代币，因为
00:01:00那样就能得到出色的产出，对吧？不。正如提到的，这些工具很有价值。作为一名开发者，
00:01:09我认为你需要能够使用这些工具，但要将它们作为辅助。代币最大化背后的
00:01:16逻辑，或者是代币最大化的激励机制，显而易见，就是让你最终只是在浪费代币，
00:01:23让你无脑地消耗它们，不断地发出提示词，而你
00:01:29尽可能少地去查看输出结果，甚至根本不看，因为那样会阻碍你
00:01:36继续输入更多提示词。我们听说过有些公司设立了内部排行榜，消耗代币最多的人
00:01:42会排名靠前，甚至可能得到一些奖励。当然，这毫无意义。而且，
00:01:50我主要是从 AI 开发应用的视角在谈论这个问题，因为这是我的专业领域。但我会说，
00:01:57它在任何背景下都没有意义。但特别是在我们谈论使用 AI
00:02:03编写或生成代码时，你需要理解并检查这些代码。这并不是要输出
00:02:11尽可能多的代码。从来都不是。即便在 AI 出现之前，用程序员一天能写的代码行数来衡量生产力，就不是一个好主意。
00:02:20AI 也同样如此。质量
00:02:27才是最重要的。我知道现在的公司并不都认同这一点。但是，是的，
00:02:35确实如此。如果你陷入了最终只会产生垃圾代码的漩涡，让 AI 生成所有这些
00:02:43意大利面条式的代码，而你完全失去了对进展的把控，不了解代码究竟
00:02:50是关于什么的，且在某些时候无法手动深入研究代码，因为内容太多了，
00:02:55那么你就输了。你彻底输了。因为 AI 远非完美，正如我们大家都知道的那样。所以当然，
00:03:03我们需要那种人类的触感、人类的控制，才能高效使用 AI 并获得好的结果。而且
00:03:11这就是我在所有视频中一直说的，我仍然坚信这一点，AI 可以是一个有用的
00:03:17工具。但它仅仅是个工具。它不能取代开发者，无论某些公司
00:03:23多么希望如此。当然，代币最大化背后的全部构想，最终是希望
00:03:30从公司层面看，你可以达到这样一种境地，即你的员工大量使用 AI，以至于
00:03:37他们能产出大量令人惊叹的成果。作为一家公司，你可以在某个时候说，太好了，现在我们
00:03:42不再需要这么多员工了，或者至少我们可以精简人员。现在看来，这并不
00:03:49奏效。有个关于 Uber 的报道在 X 上很热门，例如在
00:03:57过去几周，Uber 的首席运营官，我想还有他们的首席技术官，最终提到他们
00:04:05在四个月内烧光了他们全年的 2026 AI 预算。所以他们有一笔预想的代币预算，
00:04:14结果在几个月内就耗尽了。当然，而且我认为这点很重要，
00:04:20一个原因是该预算很可能是在 2025 年设定的，有人会假设，或者在 2025 年底或 2026 年初。
00:04:29然后我们迎来了 2026 年初代理式编码（agentic coding）的爆发。所以情况就是这样。之所以发生这种情况，
00:04:40当然是因为某些模型，比如 Opus 4.5，以及 GPT 5.4，或者之前的 Codex，变得非常
00:04:50强大，特别是去年年底在遵循指令方面表现出色。然后
00:04:55那些工具，Cloud Code，Codex，我也提过我那些相关的课程，这些工具和
00:05:00课程都很棒，也变得更好了，并且非常高效地利用了这些模型。当然，还有其他
00:05:05工具比如 Pi，这是一个惊人的编码代理，等等。现在，它们的组合导致了
00:05:12这些工具的使用量增加。但既然我们在这里谈论代理式编码，也就是这些工具，
00:05:18或者说是工具中的模型在思考、使用工具、调用函数、进行搜索、分析搜索
00:05:25结果。所有这些消耗的代币比我们或这些公司去年使用 AI 的方式要多得多，去年
00:05:35那时是更短的会话，没有这么多长周期运行的代理会话。当然，会话运行时间越长，
00:05:40消耗的代币就越多。所以 2025 年做的测算，与 2026 年使用增强型代理编码模型
00:05:47及其相关工具的现实情况完全无关。
00:05:55但尽管如此，Uber 还是耗尽了其全部预算。现在，如果他们获得了惊人的成果，
00:06:02他们肯定会增加预算，但看起来情况并非如此。一位英伟达的高管
00:06:10也说过计算成本已经远超员工成本。所以现在使用 AI 比使用人力
00:06:18更昂贵。现在，你当然可以说，如果 AI 的生产力是人类员工的 10 倍，
00:06:25那么贵 10 倍或 8 倍也是可以接受的，对吧？也许如果贵 15 倍也是可以接受的，因为它还能变得更好，而对于人类
00:06:31生产力，它虽然也会提升，但可能不会像 AI 那样剧烈。
00:06:39但我们并没有达到那种 10 倍、15 倍的量级，因为再次强调，生成的代码行数
00:06:45并不是一个衡量生产力的好标准。而且我们需要拥有经验、同理心的人类员工，
00:06:54他们能够理解代码库、能与其他部门及公司建立联系，还有所有那些
00:07:01构成一份工作的细微差别。当然，还有对人类所赋予的信任。
00:07:08当然，还有他们对什么是优秀代码库的深刻理解，对代码库未来发展方向的预判，
00:07:15以及未来可能需要哪些能力。所有这些都是 AI 模型所缺失的。所以从
00:07:21这么多不同的角度去比较 AI 的生产力和人类的生产力，简直是太愚蠢了。
00:07:29我认为，首批公司已经开始意识到了这一点。这就是为什么代币最大化在这里
00:07:36走向终结的原因。你可以读到越来越多的公司，比如亚马逊、Meta 以及许多其他公司，
00:07:43正在削减它们的代币排行榜，削减 AI 预算，或者放弃代币最大化的做法。
00:07:48我真心希望，虽然我不敢肯定，但我希望我们很快能进入一个一切稍微稳定一些的时代。
00:07:54AI 将会存在下去，它是很有用的。它是非常有用的工具。
00:08:02它可以让你更有生产力。它非常适合用来进行额外研究。它非常适合用来生成
00:08:09样板代码，或者非样板代码。但是，基于明确定义的规范，在人工审核下，
00:08:15理想情况下基于一个至少由人类塑造和微调过的代码库，AI 可以在这些地方
00:08:22发挥很大作用。它甚至对那些“一次性工具”也很有用，如果你需要一个小工具，
00:08:30只是为了完成当下的某件事，你没打算把它发布给世界，不在乎其中的 bug，
00:08:38不需要添加很多功能，也不需要维护。它对这些一次性工具也非常棒。
00:08:43AI 有许多极好的用例，它是一种终将留下并持续改进的技术。
00:08:48没人知道 10 年后会发生什么。但此刻，我真的希望一切能稳定下来，
00:08:55我们能把 AI 用在它该用的地方：一个有用的工具，而不是现在那种魔幻的东西，
00:09:00仿佛它改变了一切，在未来 12 个月内我们将裁掉所有员工，取代所有人类。
00:09:07而且看来，大概是出于公关理由，即便像 Sam Altman 以及 Dario Amodei 这样最受追捧的科技 CEO，
00:09:15也都在撤回那些关于 AI 多快会取代几乎所有白领工作的强硬表态。
00:09:20Sam Altman 在一次采访中说，他在 AI 的经济影响方面的看法其实非常错误。
00:09:28而 Anthropic 的 CEO Dario Amodei，不久前还提到，绝大多数或几乎所有的白领工作
00:09:36都会相对很快被 AI 取代，现在却说自动化实际上可能会扩大人们的工作范围。
00:09:45可能只是因为他们的公关部门告诉他们：虽然说能取代多少员工对于卖工具很有帮助，
00:09:52但如果全世界都反对他们，那就没那么好了。所以我之前并不太关心他们的言论，
00:09:59即便现在他们收回这些言论，我也依然不关心。我一直坚信，
00:10:06未来很长一段时间内 AI 都不会取代所有的白领工作。
00:10:13我确信它反而会导致更多的工作。历史上所有技术突破都是如此。
00:10:21像过去一样，我们只是看不见未来的角色会是什么样。但当我们
00:10:28看看编码领域，对于任何严肃的产品，我们离那种想让 AI 编写所有代码却完全不操心的情况还差得远。
00:10:37至少我肯定不会，而且我认为任何这样做的公司都会犯严重的错误。
00:10:43但似乎公司也正在希望开始意识到，
00:10:48AI 最好是被当作一个强大的工具，而不是一个“包打天下”的万能解决方案。
00:10:56代码，或者说对于任何严肃的产品完全不在意代码的质量。至少我绝对不会这么做，而且我认为
00:11:03任何这样做的公司都会犯下严重的错误。但似乎公司也终于开始
00:11:11意识到人工智能最好是作为一种强大的工具，而不是包办一切的解决方案。

Key Takeaway

盲目消耗AI代币的“代币最大化”策略不仅造成了巨额预算超支，更因忽视代码质量与人工审核，已成为被企业逐步淘汰的无效生产力衡量标准。

Highlights

  • “代币最大化”通过激励员工在Cloud Code等工具中消耗更多AI代币来盲目追求产出，导致公司产生大量低质量代码。

  • Uber在4个月内耗尽了全年的2026年度AI预算，原因是代理式编码模型导致代币消耗量远超以往。

  • 企业使用AI进行编码的计算成本目前已远超雇佣人类员工的人力成本。

  • 亚马逊和Meta等公司正在停止内部的代币排行榜并削减AI预算，以扭转代币浪费的趋势。

  • 即便是在AI生成的代码中，人类的审核和对代码库的深刻理解依然是确保质量的核心要素。

Timeline

代币最大化趋势的谬误

  • 代币最大化指在统计周期内尽可能多地消耗AI代币以追求产出。
  • 这种做法往往导致产生无法维护的低质量“意大利面条式”代码。
  • AI应作为辅助工具，不能取代开发者对代码逻辑的把控。

代币最大化源于企业界通过激励员工消耗更多AI代币来提升产出的错误逻辑。这种机制促使员工无脑发送提示词，减少对输出结果的检查，从而导致代码质量下降。即便在AI普及之前，以代码行数衡量生产力就是一种过时的做法，而在当前AI环境中，这一指标同样无法带来实质性生产力提升。

AI预算超支的现实案例

  • Uber在4个月内烧光了2026年全年的AI代币预算。
  • 代理式编码模型通过反复调用函数和搜索，显著增加了代币消耗量。
  • 计算成本目前已高于传统人力成本，且AI生产力并未达到预期的10至15倍增长。

Uber等企业的预算超支直接反映了2025年预测模型与2026年代理式编码实际需求之间的脱节。代理式编码会进行长周期运行、搜索及分析，这种使用模式带来的代币消耗量远超以往。英伟达高管指出当前计算成本过高，而AI尚未表现出能弥补这一高额成本的生产力倍增效应。

回归AI作为工具的本质

  • 亚马逊和Meta等大型科技公司已开始削减AI预算和代币排行榜。
  • AI在生成样板代码和一次性工具方面具有高实用价值。
  • 科技巨头CEO开始修正关于AI快速取代所有白领工作的言论。

市场正在从疯狂的代币消耗回归理性。企业开始意识到AI更适合作为编写样板代码或处理一次性任务的高效工具，而非替代人工的全能方案。随着科技行业CEO对AI取代人类的言论降温，AI的角色正在稳定为一种增强生产力的技术工具，而非摧毁工作岗位的终极替代者。

Community Posts

No posts yet. Be the first to write about this video!

Write about this video