L115_从电力革命到Agent时代：我们该重新设计工厂了
引言
先说一个具体的故事。
00 后程序员 Rick 在尼泊尔参加了一个 10 天的冥想营，每天冥想 12 小时。在那里他发现欧美室友对中国玄学表现出浓厚兴趣。回国后，他和 3 个伙伴用 48 小时在谷歌黑客松做出了一个「AI 风水」APP 的 Demo，叫 OCTA——手机扫描环境并提供风水建议。半年后更新了两个版本，超过 100 名用户参与内测。
另一个程序员南川在泰国清迈夜市摆摊，用 AI 面相学匹配兰纳文化中的神兽，12 天从构想到落地，两晚完成 69 单。
这两个故事放在一起看很有意思。过去出海创业需要「资金+团队+供应链」，是一场豪赌。现在，一个想法从「需要找投资人」变成了「自己垫几百块和一周时间就能验证」。
技术门槛在坍塌。这不是渐进式的改进，这是断崖式的转折。
但问题也来了：当人人都能做的时候，什么才是真正有价值的？
📚 深度阅读
AI 创业者的慷慨、残酷与迷雾
核心洞察： 当「如何实现」不再是瓶颈时，「实现什么」和「为谁实现」成为唯一的差异化因素。
Devv.AI 创始人加元用历史类比的方式论证了一个残酷的真相：AI 正在将编程商品化，就像印刷术商品化了抄写、电力商品化了工厂动力、云计算商品化了服务器基础设施。
他提到的几个数据点值得注意：
前 Tesla AI 总监 Karpathy 描述其编程工作从 80%手写/20%agent 变为 80%agent/20%编辑——仅三个月内完全倒置。
Block（Jack Dorsey 的公司）宣布从 10,000+人裁至不到 6,000 人（40%+），归因于 AI 使「构建和运营公司」的定义发生根本变化，股价当天暴涨 20%。
但最让我思考的是他引用的 Carlota Perez 技术革命框架：AI 目前处于「安装期」——大量资本涌入、投机泡沫、供给过剩。最大价值创造通常发生在泡沫破裂后的「部署期」，而非安装期。
电力商业化（1881 年）到产生可度量的生产率提升（1920 年代），经历了约 40 年时滞。早期工厂只是「用电动机替换蒸汽机」——旧流程+新工具。直到围绕电力特性重新设计整个生产系统（福特流水线），真正的生产率爆发才到来。
今天太多公司在做同样的事：用 AI 更快做传统 SaaS。这本质上等同于「用电动机替换蒸汽机」——防御力极低。
真正的机会是围绕「代码生产零边际成本」重新设计产品形态：一次性软件、自适应软件、超长尾软件。
审美之外无他物
核心洞察： AI 革命正在对人类「脑力」能力动第二刀，将脑力切分为「可计算的执行力」和「不可计算的判断力」。当执行力被拉平到零边际成本时，人类唯一剩下的不可替代的能力就是审美。
风变科技 CEO 刘克亮这篇 5 万字长文的精华版是本期最让我震撼的阅读体验。
他的核心论点层层递进：AI 不是工具升级，而是通用目的技术（General Purpose Technology），其变革级别比肩「中世纪到近代的文明级跨越」。
哈佛商学院肯尼亚实验的结果反直觉：640 名创业者分两组，一组配顶级 AI 商业顾问。结果判断力强的创业者收入增长 15%，判断力弱的反而下降 8%。AI 不是平权器，而是非线性的能力放大器。
布雷弗曼的「去技能化」理论在这里得到了新的诠释：技术革命将工匠的「整体性技能」拆解为机器可执行的标准化动作。工业革命将体力降级为「上皮细胞」，AI 正在将「可计算脑力」降级为新一代「上皮细胞」。
所以他提出的「双飞轮模型」很有说服力：
机器飞轮（数据+算力+算法，负责广度和速度）× 人类飞轮（生命经验+直觉+审美，负责深度和方向）。
缺少机器飞轮，审美停留在「眼高手低」；缺少人类飞轮，机器高效率地制造「完美的平庸」。
当所有人都能用 AI 瞬间生成完美报告时，你拿什么证明「你」和别人不一样？只剩下品味。
从个体生产力到组织智能
核心洞察： AI 让每个个体的生产力提升了 10 倍，但没有任何公司因此变得 10 倍更有价值。多出来的生产力去哪了？
a16 z 上这篇来自 Hebbia 创始人的文章回答了一个关键问题：为什么个体生产力的提升没有转化为组织价值的同等增长。
用 1890 年代纺织厂电气化的历史做类比：电力技术远优于蒸汽动力，但工厂在整整 30 年里几乎没有产出增长。直到 1920 年代工厂彻底重新设计——装配线、每台设备独立电机、工人和机器执行完全不同的工作——电气化才产生有意义的回报。
最昂贵的教训是：换电机不等于重新设计工厂。
文章提出了制度智能（Institutional AI）与个体智能（Individual AI）的七大差异，其中三点让我思考最多：
偏见问题： 现代 AI 模型过度对齐，变成了「应声虫」——无论你说什么都同意。组织中最差的员工可能成为最积极的 AI 使用者，因为 ASI 会同意他们的一切想法。制度 AI 不应是「yes-men」，而应是「no-men」：审问推理、暴露风险、执行标准。
结果导向： 几乎所有 AI 产品都聚焦于「降本」，但 CEO 们最关心的是「增收」。纯软件「正在迅速变得不可投资」，纯服务无法规模化。解决方案层（技术+结果）才是持久价值所在。
无提示驱动： 提示 AGI 就像把电动机接到动力织布机上——根本上受制于组织供应链中最弱的环节：人类。最有价值的工作是没有人想到要求做的工作。
Claude Code 产品经理 Cat Wu 的分享也印证了这一点。她提出产品经理的工作已从「前期锁定确定性」转变为「加速发现」。模型能力 16 个月提升了约 41 倍（从完成人类约 21 分钟的软件任务到约 12 小时），你设计时绕开的约束，可能在项目中途就消失了。
她的三产品分工法很实用：
Claude.ai 用于策略思考、打磨思路（纯对话，不执行）。
Claude Code 用于构建原型、跑评估、写脚本（有代码产出的任务）。
Cowork 用于清理收件箱、跟踪待办、制作 PPT（日常事务）。
但核心转变是：用短周期冲刺代替长线路线图，用演示和评估替代文档，用新模型重新审视已有功能，做最简单的能跑通的方案。
🤖 AI 工具
gstack：一人工程团队
功能描述： Y Combinator CEO Garry Tan 个人使用的 AI 代码开发工具集，将 Claude Code 转变为虚拟工程团队。23 个专家角色+8 个强力工具，全部以 slash 命令运行。
深度分析：
这个项目的野心不只是工具，而是重新定义「一个人能做什么」。Garry Tan 声称在使用 gstack 的情况下，60 天内编写了 60 万+行生产代码（35%为测试），每天 1-2 万行，且同时全职运营 YC。
它模拟了完整的软件开发生命周期：CEO 评审、工程经理评审、设计师评审、QA、安全官、发布工程师、SRE……每个角色都有明确的输入输出，流水线式架构让每个 skill 的输出成为下一个 skill 的输入。
这改变了什么？它改变了「团队」的定义。过去需要 5-10 人的团队才能完成的产出，现在一个人加一套 Harness 就能做到。但更重要的是，它把软件工程从「写代码」变成了「设计流程」。
gstack 的核心理念是：AI 让内容生产和软件开发门槛骤降，真正的工程师应该转向系统能力、工程深度和场景理解这些 AI 无法简单替代的核心竞争力。
✨ 随便看看
- 出海摆摊的程序员：清迈夜市的 AI 面相学和尼泊尔的 AI 风水 APP，技术改写出海叙事详情
- OpenClaw 跨境电商黑客松：5 个落地真相，业务必须拆解为清晰 SOP 详情
- 微信接入 OpenClaw 的 10 条冷思考：理性分析微信生态与 Agent 结合的可能性和挑战详情
- Web Rewind：30 年网页演变回顾，从 1991 到 2026 的视觉之旅链接
- WWDC26：苹果开发者大会定档 6 月 9 日，AI 时代的新系统会有什么惊喜？ 链接
- Token 中文名正式定为「词元」：社区共识，终于有了准确的中文翻译详情
The Why·Liam·Blog by WhyLiam is licensed under a Creative Commons BY-NC-ND 4.0 International License.
由WhyLiam创作并维护的Why·Liam·Blog采用创作共用保留署名-非商业-禁止演绎4.0国际许可证。
本文首发于Why·Liam·Blog (https://blog.naaln.com)，版权所有，侵权必究。
本文永久链接：https://blog.naaln.com/2026/04/newsletter-115/