“野蛮生长的阶段已经过去了。”这是身处硅谷人工智能创业一线的工程师马培元最近的深切感受。两周前,他向媒体随口说出”中层管理者正在消亡”,不久后便被国内大厂宣布取消中层的消息坐实。在他看来,硅谷人工智能创业的共识正在以月甚至以日为单位自我推翻,没有什么判断能保鲜太久。

马培元本人在二〇二一年底本科毕业后进入被称作”美版知乎”的问答平台Quora,后来转入其人工智能聊天产品,担任资深人工智能工程师。两个月前,他加入了硅谷最热门的智能体创业公司之一——Cognition。这家成立不到三年的公司,在二〇二六年五月宣布完成超过十亿美元的新融资,估值升至二百六十亿美元;而八个月前,它的估值还只有一百零二亿美元。
除了工程师,马培元还有另一重身份——投资侦察员,替投资机构寻找值得下注的人工智能创业项目,每年拥有五十万美元的投资额度。以工程师与投资人的双重视角,他观察到硅谷正在发生的十重变化。
人才:通才碾压专才
硅谷当下最抢手的人才画像,不再是某个领域钻得最深的专家,而是”每一项都过得去、没有明显短板”的通才。马培元便是典型:他没有竞赛金牌与顶尖名校光环,一度对计算机毫无兴趣,却能在两周内上手一个新领域。早期创业公司要的正是这种人。
人工智能工具的使用能力,也能直接碾压传统意义上靠年限堆出来的资历。马培元从广告组转去做移动端开发时还是零经验,他干脆把人工智能当搭档疯狂辅助写代码,结果入行三四个月的新人,产出速度追平甚至超过浸淫多年的资深工程师,两年内做到资深职位——这在传统晋升体系里几乎不可能。
招聘标准同样被重写。代码刷题式算法题的重要性在下降,关于人工智能系统设计的最佳答案每个月都在变。在线笔试加实战试用成了新组合:有的公司直接丢一个代码库,让候选人用任何工具(包括人工智能)去解决一个实际问题。甚至连行为面试都变了,不再问”最大缺点”,而是拉长到从高中到工作的整个人生轨迹,看一个人是不是指数型增长的材料。
组织:管理者必须自己会写代码
在Cognition,六十多人的工程团队里真正的专职管理者只有一人,其余包括首席产品官在内的高管,都是”既管人、也写代码”的复合角色。马培元认为,这恰恰是人工智能带来的组织架构变化——任何朝气蓬勃的人工智能创业公司几乎都没有只负责管人的经理。
更宏观的变化在于,人工智能正在倒逼组织架构转型。传统互联网公司修一个漏洞,从需求评估到上线往往要一个月;而用智能体编程产品,两三个小时就能完成过去几天的工作,中间大量协调环节都可以省掉。
模型崇拜也在被推翻
就在两次访谈的两周间隙里,马培元发现自己上一周讲的”追逐最贵最前沿模型”的逻辑已经站不住脚。Cognition内部刚发布了一个名为”融合模式”的功能:把多个便宜模型和顶尖模型融合调度使用,而不是无脑调用最贵的那一个。”你不会天天开保时捷去买菜,应该开本田或者便宜的车去买菜。”他说,连谁是”第一名”都不敢说得太满,超过六成的判断一个月后可能就反过来了。
围绕 token(模型处理的最小文本单位)消耗的狂热也在退潮。年初硅谷一度流行比谁用得多,甚至有公司搞 token 使用排行榜。但一旦变成公开排名,人的行为就被扭曲——工程师会为了”用得多”而让人工智能每晚空跑无意义任务。后来很多高层被账单吓到了:有出行平台二〇二六年全年的专项预算,前四个月就基本烧完。大公司开始重新限制用量,董事会也开始追问:一个亿花下去,真的带来了一个亿的产出吗?
这份焦虑被Cognition做成了一份明码标价的商业答卷。六月四日,公司发布”人工智能生产力保证”:企业客户使用其智能体编程产品后,若效率提升未达到承诺水平,最高赔偿一千万美元。这项研究由一位拿过三块国际信息学奥林匹克金牌的同事主导,调研了两百三十三个真实客户案例,把每一次对话直接转化为”等效工程师小时数”。
机会藏在非共识里
在马培元看来,围绕”如何让人工智能稳定可控地落地”的需求正在爆发,一批不依赖”大模型神话”、专注解决真实世界复杂痛点的新生意,正在非共识中悄然萌芽。
新的基础设施开始出现:专门观测、监控团队人工智能使用情况、分析哪里在浪费 token 的工具;用来隔离智能体运行、避免其直接接触敏感系统的沙盒环境;以及监测智能体”什么时候脑子坏了”的新软件——因为智能体不会像传统系统那样报错,却可能在输出层面出现严重问题。
投资圈里一种流行的判断是”垂直领域智能体已经失去投资价值”,马培元并不认同。他援引”不可训练的东西”这一概念:在大量垂直行业,语言模型永远无法完全自动化,因为充满无法被抽象掉的复杂流程,往往仍需人力逐个解决。垂直智能体公司的价值,正在于不断和客户互动中发现真实痛点,把这些东西烙印进产品里——这也是通用大模型无法吃掉的部分。
身处浪潮之中,唯一确定的是变化本身。当市场告别对单模型和算力烧钱的盲目崇拜,脚踏实地的那批人,反而迎来了自己的下半场。
来源:36氪(未来人类实验室)
发表回复