未来属于会指挥 AI 的人
一个人指挥 AI 军团的超级个体时代
Block（Jack Dorsey 的公司）上个月裁了近 40% 的员工——大约 4000 人。
不是业绩不好，不是"宏观经济不确定性"——2022 到 2023 年那批裁员爱用的套话。这次 Block 直接说了：省下来的钱投 AI。
这不是个例。越来越多的公司明牌打了——裁人不是为了缩减开支，是为了把人力预算转成 AI 预算。人头不再是资产，是等待被替换的成本项。
但如果你的第一反应是"AI 会不会取代我"，你问错问题了。
正确的问题是：在这个新世界里，什么样的人能活得好？
最近听了科技早知道 S10E01，David Shell（前 LinkedIn，现 Walnut AI CEO）在硅谷观察到的趋势让我想写这篇。不是播客复述——是结合我自己造东西的经验，聊聊"超级个体"到底意味着什么。强烈推荐去听原播客，信息密度很高。
一个人就是一支团队
一个数据点：现在 30% 以上的创业公司创始人是 solo founder。
五年前这个比例不可想象。创业过去是一件"凑队"的事——技术合伙人、产品经理、设计师、运营，齐了才能开始。一个人做不了什么，因为带宽就那么多。
AI 把这个等式改了。
不是 AI 能替你做所有事——是一个有系统性思维和 AI 编排能力的人，产出被放大了 10 到 50 倍。过去五个人三个月做的事，现在一个人两周能做出来。
所以一人公司大量涌现。不是人们更愿意独自工作了，是 AI 第一次让"一个人 = 一支团队"成为可能。
我自己就是活例子。盘盘猫——29 天，10 个 app，一个人 + Claude Code。没有联合创始人，没有外包，没有团队。从八字排盘到塔罗到 MBTI 到星盘，全栈开发加产品设计加运营，全部一个人。Mio v1——空仓库到语音 AI 伴侣，4 天。Mio v2——整个产品方向推翻重来，后端大规模重写，还是一个人。
不是 PPT。是上线能用的东西。
执行力不缺了，缺的是方向
David 在播客里提了他现在招人的框架：AI 共生能力 + 系统性思考 + 协作能力。三个维度里两个跟"你能不能写代码"毫无关系。
这指向一个很多人还没想明白的现实：AI 的执行力已经不是瓶颈了。
你让 Claude Code 写一个 API endpoint，它写得比大多数初级工程师快且好。你让它做代码审查，它比你仔细。你让它跑并行 agent 同时做竞品调研、重构模块、写测试，它全都能干。
瓶颈在哪？
没人告诉它该做什么。
Naval Ravikant 说过一句很到位的话：AI 会适应你，不是你去适应它。Prompt engineering 是过渡期概念——长期来看，模型会越来越擅长理解模糊的人类表达。真正不会被模型进步淘汰的能力，是你能不能清晰地定义问题。
David 在播客里反复强调一点："你更多地还是要从第一性原理出发。"你要解决什么问题？为什么是这个问题不是那个？能不能把问题拆成独立的子任务？
举个例子。传统团队写测试：每个函数写 unit test，覆盖率尽量高。AI-native 的方式：从系统层面定义输入、行为和输出的 contract，让 AI 生成测试。两种方式都能产出测试代码，但后者效率高一个数量级。
不变的是什么？是你对"到底需要验证什么"的系统性思考。测试覆盖率是手段，不是目的。AI 改变了手段，没改变目的。能分清手段和目的的人就是架构师。
关键词是调度能力。David 原话："AI 的能力已经非常强了。这时候就考验你的调度能力。"你有一支 AI agent 军团，每一个单兵能力都很强。
问题是：你知道怎么指挥它们吗？
99/1 悖论
"AI 用 1% 的时间完成了 99% 的工作，但你后面需要花 99% 的时间来解决那 1% 的细节。"
David 在播客里说的。也是我过去半年最深的体会。
用 Claude Code 做盘盘猫的时候，每个 app 的核心功能几小时就跑通。八字排盘算法、塔罗牌解读引擎、星盘绘制——AI 生成代码的速度快得离谱。
但每个 app 从"能跑"到"能用"，中间那段路比想象中远得多。
移动端的滚动行为在某些安卓机型上的怪异表现。支付回调偶尔超时的边界情况。用户在某个特定操作序列下触发的状态不一致。文案里一个微妙的语气问题让用户觉得"这个 app 不懂中文玄学"。
AI 能帮你解决大部分 bug。但判断"这个交互是否让用户感觉对了"——这是人的活。
这就是工匠精神在 AI 时代的含义。不是说你要手写每一行代码——那已经不合理了。是 AI 把 98% 到 99% 推完之后，最后那 1% 到 2% 需要人的判断力、品味和对细节的执念。
这 1% 决定了产品是"能用"还是"好用"。
还有一个更根本的问题：AI 不知道该解决什么问题。 你得告诉它。这就是架构师的核心职能——不是 how，而是 what 和 why。方向错了，执行力越强越灾难。
半人马时代
Dario Amodei（Anthropic CEO）提了一个概念：半人马时代（Centaur Era）。不是 AI 替代人，不是人抵制 AI，而是人机融合——半人半马，能力远超纯人或纯 AI。
超级个体不是用 AI 替代自己。是用 AI 增强自己。
你的 agent 军团是认知能力的延伸——就像外骨骼增强肌肉力量，AI agent 增强思考带宽。
David 分享了一个很具体的例子。他要参加一个 1000 人的行业活动，想提前了解与会者背景做 networking 准备。传统做法：一个一个查 LinkedIn，10+ 小时起步。他搭了一个系统：AI agent 批量抓取 1000 人的公开资料，交叉比对，生成结构化的优先级列表——谁是潜在合作伙伴、谁在做相关方向、谁值得深聊。
1 到 2 分钟搞定。
这就是编排能力的样子。不是"我用了 ChatGPT"——是"我设计了一套系统让 AI 帮我做了一件过去需要一个实习生干一周的事"。
还有一个例子更打动我：一个 18 岁的年轻人用 AI 工具做了一个心律失常检测 app。不是 CS 专业的，不是医学专业的。但他有领域知识知道这个问题值得解决，有系统性思维把问题拆成可实现的步骤，有 AI 工具补齐了执行能力。
"人人都可以是创业者"——这句话五年前是鸡汤，现在是陈述句。但有个前提：你得有系统性思维来编排这些工具。工具给所有人了，能用好的人依然是少数。
审美是最后的护城河
David 说了一句我非常同意的话："人的审美价值永远不会被 AI 替代掉的。"
AI 可以批量生成文章、图片、视频、代码。供给侧接近无限了。当什么都能生成，有真实经验和判断力支撑的创造就成了稀缺品。不是 AI 生成的东西不好——是太多了，多到失去信号价值。
这跟架构师的角色完美呼应。AI 可以生成无限选项，但最终得有人选择。选哪个方向、砍哪个功能、保留哪个细节、什么语气对、什么体验"感觉不对"——全是审美判断。
我看到有些公司开始用 token 消耗量衡量员工的 AI 生产力。谁用 AI 多，谁 KPI 高。
完全搞反了。
重要的不是你消耗了多少 token，是你用这些 token 产出了什么。一个人用 10 倍 token 生成了 10 倍垃圾代码，另一个人用十分之一的 token 精准解决了一个核心问题——后者才是真正的 AI 架构师。
几个教训
第一篇讲了 benchmark 不重要，重要的是系统。第二篇算了一笔账：花一份订阅的钱，买到远超价格的算力。这一篇讲人的部分。
造东西才知道的事：
先 ship 再说。 Mio v1 很粗糙。v2 推翻了 v1 几乎所有东西。但 v1 必须存在——不 ship 就看不到真实用户的行为，看不到行为就发现不了 v2 的转型方向。第一版是调研工具，不是产品。
快砍。 盘盘猫十个 app，有些起量有些没有。没起量的几天内就放弃了。AI 把试错成本压到极低，你应该同时做三个版本丢掉两个。说实话我自己也还不够果断——总有冲动想打磨一个没 work 的东西。
学会拆问题，别学 prompt。 真正复合的能力是把大问题拆成子问题。我每次开工前会写一个"做完了长什么样"的文档。不性感，但每次跳过这步就浪费一天跟 AI 打转。
少做的事：
逛排行榜。 花几周研究 GPT-5 是不是比 Claude 在某个 benchmark 上高了 3%，什么都没 ship。现在的条件——补贴算力、工具每天进步——不会永远存在。
只评论不动手。 能把 AI 革命讲 45 分钟的人不少，用 AI 造过东西的很少。我自己也是在让 Claude Code 并行跑盘盘猫的任务之后，才真正理解 agent 编排是怎么回事——光看文章不行。
系统性思考、编排能力、品味——这三样东西下载不了。只能造东西造出来。