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）