The best engineers don't write the most code. They delete the most code.（最好的工程師不是寫最多的代碼，而是刪除最多的代碼。）

編譯 | 王啟隆

出品丨AI 科技大本營（ID：rgznai100）

如果一家公司以后真要認真給不同員工配 AI 預算，這個世界會變成什么樣?

不是統一給所有人開一個月費賬號，不是默認大家都用同一套工具，而是有人一年只配幾百美元，有人可能要幾萬美元，甚至更高。

一個初級工程師值不值得拿更多 token，一個資深工程師要不要被允許燒雙倍預算，一個非工程崗位到底該不該配上同等級別的 AI 能力，這些問題一旦開始按人落地，它就不再只是工具采購問題了，而是公司怎么經營、怎么分配資源、怎么判斷人和產出之間關系的問題。

今天我看到 Stay SaaSy 和 swyx 這場對談，最有意思的地方就在這兒。

Stay SaaSy 是一個匿名博客作者團體。這場訪談前面聊了他們這幾年怎么從匿名博客一路長成博客、Substack、X 和播客并行運轉的內容品牌，也聊了不同平臺為什么要切換語氣，為什么有的內容更嚴肅，有的內容更像互聯網人格。可聊著聊著，這場對談很快就落到了另一層，更貼近今天技術公司現實的一層。

Stay SaaSy 產品負責人在播客里的形象

AI 真的進入組織之后，最先變的，未必是模型本身，而是公司怎么管預算、怎么做 build vs buy、怎么重新理解自動化和判斷、怎么處理高層 bottleneck，以及怎么在代碼越來越容易生成之后，重新看待代碼審查這道以前總被默認存在、現在卻可能重新變得危險的工序。

要點速覽

• AI 預算會越來越像按人分配的經營預算，而不是統一的軟件 license；

• 第一次做出來更便宜了，不代表維護、穩定性和關鍵人風險也一起下降；

• build vs buy 沒有失效，只是被 AI 重新點燃了；

• AI 不一定先替代樹底層的崗位，很多高層 bottleneck 反而更適合先被增強；

• AI coding 工具越強，代碼審查越可能重新變成高風險、高責任環節；

• 2026 年最難的問題，也許依然是人怎么一起工作。

AI 預算會先把管理層推到一個沒有先例的位置

主持人：大家好，我是 swyx。今天我們在遠程錄音室里請來了一組很有意思的播客嘉賓。我們之前做過一期匿名嘉賓的播客，這是第二次。不過這次不一樣的地方是，他們自己也是播客作者。這次來的，是 Stay SaaSy 這組人。

你們一般怎么向別人介紹自己？用一句話說，會怎么說？

Stay SaaSy 產品負責人：如果只用一句話，我會說我們是一家博客，現在也不只是博客了，現在大概還算一個 X 上的 IP 賬號，再加上一個播客人格。核心一直是在講，技術型公司怎么建立、怎么擴張，尤其是從早期創業階段一路做到更大規模。

主持人：我認識你們，是從我還在 Temporal 的時候開始的，我以前的老板特別喜歡你們，老說這是他看過最好的博客，而且還是匿名的。那問題也就來了，匿名博客到底是怎么運作起來的？

Stay SaaSy 工程負責人：最開始其實很簡單，就是先發東西，先寫，先試著把內容放到不同的地方去。你先得知道，自己到底能不能寫出真正有用、真正好的東西。再往后，才是怎么分發，怎么讓內容開始被看見。匿名的時候，這件事尤其難，因為你沒法像普通人那樣，直接找朋友幫你轉發，或者請別人往 Twitter 上推一把。

Stay SaaSy 工程負責人在播客里的形象

所以在早期，Hacker News 其實是一個特別好的增長引擎。最開始那些年，我們一年大概能有五到十篇文章沖上首頁。這對博客早期增長是非常大的推動。后來我們從純自建站，轉去 Substack。

Substack 本身就是一個社區，它自帶一個可以讓人參與、讓人互相發現的場域，這一點對我們也很重要。再后來，我們又把 Twitter 疊上去。過去這一年，Twitter 基本上算是給整個互動強度做了一次徹底的渦輪增壓。你會覺得自己不只是有博客和訂閱者，而是真的進入了某種生態里。現在是博客、Substack、Twitter 這幾層疊在一起。

所以整個過程，基本就是不斷去找第一個能讓人真正聽見我們說話的縫隙。只要找到一點點，那種感覺就已經很刺激了。Hacker News 在最開始給了我們很大推動。最后還有一件特別讓人開心的事，是你會看到訂閱者在公司里一層層傳開。比如你先看到某個你認識的大公司里有一個人訂閱了，你就會想，這很酷，這個很厲害的人、很好的公司有人在看我們。然后隔一天你又看到同一家公司多來兩個人訂閱，你就知道，這說明內容已經在他們內部傳了。后來有些公司，我們會看到二十個、三十個人都在訂。那種感覺就是，你已經慢慢進入他們的內部博客生態了。整個過程非常概率化，但也非常讓人滿足。

主持人：你們其實都是在正經公司里干正經活的人。我們也提前列了一些話題，跟帶團隊有關，跟產品負責人和工程負責人兩邊的視角都有關。第一個話題是：大型團隊里的AI 預算和 token 預算怎么管？

Stay SaaSy 工程負責人：我覺得這件事現在非常應景。因為從整個 AI 生態的感覺來看，2025 像是很多公司突然意識到，不只是最早一波采用者，而是大量公司都發現，AI 真的能非常實質性地改變他們的產出。那時候大家用的還是很多被補貼過的工具，所以會覺得，100 美元一個人，就能得到一個神奇盒子，替我回答各種問題，日子真好。

但我覺得 2026 會非常瘋狂，而且現在已經開始有點瘋狂了。因為越來越多大玩家，正在從過去那種靠補貼、按請求計價的模式，轉向更直接的 API 計價、按消耗計價。我在網上還沒看到很多人認真聊這件事，但我覺得它會變成改變大家工作方式最大的因素之一。

很多人現在都在焦慮，AI 會不會替代人、會不會裁員。坦白說，我自己沒有那么擔心這個層面。我覺得杰文斯悖論之類的東西都在，也還有很多工作是人會繼續去做的。但我真正覺得會很難的，是管理者怎么去管一個可能還會不斷波動的人均 AI 預算。這個任務會非常難。

我最近常舉的例子是，你可以想象一下，如果公司給不同人的電腦預算，有些人一年 500 美元，有些人一年 5 萬美元，甚至更高。你到底怎么決定誰拿什么。大多數公司今天的一個默認前提是，大部分人用的大部分工具，價格都是固定的，至少波動很小。但我覺得今年會有一道管理和運營上的懸崖突然出現，也就是，你到底怎么回答這些問題。一個初級工程師該配多少 AI 編程預算，一個資深工程師該配多少，一個非工程崗位又該配多少。如果一個特別強的資深工程師跟你說，我需要雙倍預算，你怎么判斷這到底值不值。

而且這種按個人實時微調預算的事，在我整個管理生涯里，我想不出第二個長得像它的東西。你得實時評估，愿不愿意在某個人身上花這么多錢。我覺得這個問題現在還很早期，但落地速度會非常快，大家很快都得開始想。

Stay SaaSy 產品負責人：我能想到的最接近的對照，其實是公司怎么管高管預算，或者部門預算。從某種意義上說，這個轉變本身就說明了一件事，就是，當 AI 自動化能力不斷增強，但這種自動化又變貴的時候，一個獨立貢獻者在公司里的位置，開始慢慢接近以前一個小團隊、甚至一個部門的體量。

因為公司以前本來就會做類似判斷，比如工程預算是多少，辦公室預算是多少，IT 預算是多少，銷售預算是多少。這些預算本來就會隨時間上上下下。但現在，我們要開始看到類似的邏輯，壓縮到每個個體員工身上。

而且它和過去跨部門做預算時會看的變量非常像。這里要完成的工作到底是什么，這個團隊或者這個人在 AI 加持之后總體效率怎樣，這件事業務上有多關鍵，我們能不能很直接地算出投入進去的錢到底換回來了多少價值。過去這些判斷是對一群人做，現在會變成對組織里的每一個人做。這對公司怎么理解擴張，會是很不一樣的一種方式。

主持人：如果你真能把這件事玩明白，一個人最后就能自己跑一個部門。

Stay SaaSy 產品負責人：沒錯。而且這件事發生得特別快。變化這么快，本身就會讓組織很不穩定，因為這種時候，你其實可以從第一性原理出發，推導出完全不同的做法。你可以說，一切自動化都是好事，我們只是在換效率，當然該全押進去。你也可以從風險管理視角出發，說我們必須特別保守，所有東西都要被金融化、被嚴格承保，token 花多少都得一條條算清楚。中間當然還有無數種可能。

但關鍵是，這件事根本沒有先例。一旦進入一個沒有先例的世界，就意味著，有些人會判斷對，有些人會判斷錯。而這些判斷在組織里最后會怎么分攤，誰被怪，誰拿功勞，也會非常有意思。

Stay SaaSy 工程負責人：還有一點是，預算這件事在我待過的每家公司，基本都既耗時間，又很有爭議，還特別亂。所以你現在等于把這樣一件事，放大到整個員工群體里的每一個人身上，而且可能月月都要重新想一遍。我現在真的不知道大家會怎么回答這個問題。

另一個連鎖反應是，建東西會變得便宜得多，這會給很多企業帶來很奇怪的瓶頸。因為現在已經能看到一些公司是這樣，他們建產品的速度，比他們分發產品的速度快，比他們獲取客戶的速度快。所以如果真到了那一步，怎么辦。你手里有一個工程團隊，你明知道，只要再花點 token、再花點錢，就還能繼續做更多東西，但對業務來說，這個回報速度根本不夠快、不夠值，那你怎么辦。

單人 token 消耗會繼續抬升，build vs. buy 也會被重新點燃

主持人：我覺得你們數字都報低了。我們剛采訪了一個 OpenAI 的人，節目還沒發。他在那邊很自豪地說，他個人一天就要花掉 10 億 token，他們三個人的小團隊，其余兩個人加起來再花 15 億。你如果把輸入輸出價格混起來粗算一下，10 億 token 一天，大概一年就要到 250 萬美元左右。

Stay SaaSy 產品負責人：按年來算，對吧。所以這么一看，5 萬美元真的什么都不是。那可能只是未來很近的時間里，一個 agentic engineer 的全成本里最基本的一部分。5 萬可能只相當于辦公設備那種級別，但 250 萬開始就真的是很大一塊肉了。

Stay SaaSy 工程負責人：這也說明，很多事情從最開始就要按第一性原理重新想清楚，在你真正決定要不要做一件事之前，就得開始算。我覺得這真的是一個和過去幾十年軟件世界都不一樣的地方。過去軟件雖然貴，但它的上限大體受限于你投進去多少人。你得先把人招到，再知道自己具體要造什么。在很多時候，真正決定風險有多大的，是你要投入多少建設成本。

現在很多東西都被掀翻了。我覺得這其實也挺有意思。對正在擴張的公司來說，規則越復雜，真正能拉開差距的空間反而越大。因為你可以把它想象成，我們幾十年來一直在踢一種球，規則都差不多。結果現在突然有三分之一規則被改了。這個時候最有優勢的，未必是最熟原來那套規則的人，而是最聰明、最靈活、最會重新適應的人。

主持人：我想稍微轉換一下話題。

員工預算是一回事，但從一個公司老板的角度，比如我有個外部供應商，在我的會議業務上，一年就要花 20 萬到 25 萬美元。我現在就在想，如果我給我的工程師，或者給我自己，50 萬 token 預算去做同樣的東西，做出來還更貼我自己，錢是不是反而更省？

所以 token 預算這件事有時是可以反過來成立的，因為它本來就跟自己做還是外采的選擇綁在一起。我知道這個話題對你們有點敏感，所以我也不想逼你們站太死。但既然你們把 build vs. buy 這件事列了出來，就說明你們肯定有看法。而且我現在正身處其中，所以就想借這個機會直接問。

Stay SaaSy 工程負責人：對，這很有意思。因為這其實也連著很多大家對軟件行業本身的焦慮。自己做還是外采，本來就是軟件行業里一個討論了非常久的問題。現在很多人會把它包裝成 AI 帶來的新問題。我會說，它在 AI 時代變得更尖銳了，多了更多要考慮的東西，但它不是一個新問題。從軟件一開始誕生，它就存在。

當年上云的時候，也有一堆人說，我既然已經有這些云資源了，我就能自己做很多事，也就不用再為外面的軟件付錢了。所以一方面，過去很多思考框架今天依然成立。比如它到底多復雜，我們能不能管理它，我們能多快做出來。

我平時跟別人聊那些他們覺得自己可以內部做出來的產品時，我最先做的一件事，通常就是讓他們先把功能說清楚。就只是告訴我，你覺得這個產品到底有什么功能。光這個動作，就經常足夠澆掉一部分過度熱情。因為你會發現，很多人甚至都說不出完整的 feature set 是什么。

而且我說的不是會議上臨時講三句，而是你回去花三天，認真寫一個像樣的 PRD。可就算這樣，很多人回來之后還是會說，這里其實很復雜，那邊也沒考慮到。也就是說，成熟軟件通常比它看起來復雜得多，這一點今天依舊成立。

這也就是為什么大家總會說，別人工作都會被 AI 做掉，就是我的不會。那種心理的底層其實是，我不清楚你具體在干什么，但我覺得看起來挺簡單。我不知道這個軟件背后具體做了什么，但我覺得大概就是把一堆東西串一串，好像也不難。

所以第一層結論就是，很多成熟軟件的復雜度比外面看起來大得多。第二層是，運維軟件本身也要花很多時間。想讓軟件能擴、能穩、可用性高，本身就是很重的工作。

我一直作為一個管理者在想的是，我買很多軟件，是因為我壓根不想參與它未來還要加什么功能。我不想做這個軟件的產品負責人，不想托管它，不想操心 uptime。我也不想在業務最緊的時候，突然遇到一個狀況，有人對我們內部自建的某個工具做了一次數據庫遷移，結果這個工具本來就只有外部成熟產品 40% 的能力，新人還都在抱怨，這玩意怎么跟我以前公司用的完全不一樣，然后所有人都沒法正常工作。

所以我會說，AI 當然改變了很多事情，但舊世界里那些為什么要買而不是自己做的理由，并沒有失效。現在做判斷的人，必須更認真、更謹慎地想這件事。

不過我會給一個對某些軟件挺有用的經驗法則。如果一個工具，本質上可以被一個 Google Sheet 或者電子表格替掉，那你大概率是可以內部做的。現實里確實有很多軟件，本質上就像一個表格，只是上面疊了很多層殼。

所以我的第一反應通常是，看它能不能被一個表格式 MVP 替代。如果可以，也許你就真的能做。如果不能，那你就已經進入下一層復雜度了，而復雜度是層層往上走的。

說實話，我們內部也有一個軟件，我自己用著就常常想，我真想把它重寫了，因為里面有些地方我很不喜歡。我其實也試過，花了不少 token 去搞。可你真做的時候就會發現，這里一層，那里一層，確實比你想的復雜。

所以，模型繼續變強當然還會有更多機會，但我覺得人們還是得很克制、很有判斷地去看。你親手試過幾次以后，也會很快意識到，過去那些成熟的軟件判斷框架不是白來的。有些東西一看就能排除，有些則完全沒法一刀切。

Stay SaaSy 產品負責人：我覺得自建軟件還有個很有意思的地方，就是它最后一定會非常深地綁在寫它的那些人身上。這里面天然就帶著一整類關鍵人風險。

還有另一層，是如果你認真去看代碼庫，它本質上就像一個巨大的協作文檔，很多人都可能往里面寫東西。在這種系統里，尤其是那些真的很復雜、而且承擔著關鍵業務責任的軟件，多幾個人一起做飯，未必是好事。

但這個問題，只有你真的長期帶過大軟件團隊，長期擁有過某些流程或者某些系統，才會天然去想。否則你在最開始并不會意識到它的嚴重性。

所以你現在在 X 上看到很多討論，會非常重度地偏向一種敘事，我剛敲了幾句 Claude Code，它就一順溜地打出來一個看上去非常驚艷的東西。尤其是這樣做出來的 UI，通常看著都還不錯。但大家很少去想另一面，比如，如果業務的組織方式發生了一次大的調整，如果換掉一個大 vendor，或者換掉一個核心系統，這些東西之后要怎么一起變。

因為公司無論如何，最后都會長成一張相互纏繞的網。時間越長，復雜度越大。當然話說回來，門檻確實在掉，這不是在裝沒變化。確實有些根本性的東西已經變了。這也正是現在最核心的張力所在。

界面、自動化和判斷，不是同一個層級的問題

主持人：我覺得你們這套看法非常好。下一個話題是關于定制 UI 和內部工具，我想先說點自己的看法。

第一，我覺得UI 這一層本來就應該允許終端用戶自己改。我真的已經受夠了，為了找一個設置，在一堆界面里來回翻。像這種改界面布局的事，本來就不會傷害別人，也不會導致數據庫炸掉、數據丟掉。

所以我會覺得，一個產品其實可以切成不同層。某些層必須給管理員控住，但另一些層完全可以 vibe code，想怎么改就怎么改，我無所謂。

第二個，我就想回應一下產品負責人剛才說的那個練習，先把功能列出來。因為我昨天真的就在做這件事，我想把一個正在用的 SaaS 干掉。我問對方，你給我列三件事。她就說了幾條。我聽完第一個，覺得這個確實有點東西。第二個我就會想，這不就是個表格嗎，這不就是個 Retool，不就是 Airtable 一類東西嗎。

第三個其實又是另一個同步問題。所以我當時的思路就是，如果我先把這三個最關鍵的做出來，那我們就可以動手了，對吧。也就是說，也許這個產品表面上有一百個功能，但真正最重要、技術風險最大的就三個。那就先在那三個點上做概念驗證。

Stay SaaSy 產品負責人：完全同意。而且還有一個更大的不確定項，就是模型改進本身實在太快了。我們現在就像在地震中間，還要判斷地平線會變成什么樣。所以你很難說一年后什么事完全可行，什么事完全不可行。

不過關于你說的自定義 UI 那個點，我倒有一個反問：你真的覺得這是必須靠 AI 才能做到的事嗎？你腦子里更具體在想什么？

主持人：不是，我當然知道這事以前也能做。只是現在它變得特別自然，因為大家現在已經知道自己可以直接 prompt 了。只要后端不動、數據不動，UI 如果不好用，那我就把菜單挪一下，把順序換一下，把一個按鈕變成兩個動作，或者兩個動作合成一個動作——這又會傷害誰呢？

只要所有端點都不變，權限系統都不變，那問題本質上就是 UI 正在妨礙用戶，因為某個設計師可能當時是在為中位數用戶設計，而不是為你設計。所以某種意義上，所有 UI 都應該是私人化的。

Stay SaaSy 產品負責人：對，這件事離一些成熟產品已經不算特別遠。比如自定義 dashboard，本來就已經在做類似的事情了。當然，現在確實還有更大空間可跑。而 AI 把它的經濟模型徹底翻了個面，這一點很有吸引力。

主持人：我的意思其實就是，Retool 本來就在證明這個方向。

Stay SaaSy 產品負責人：沒錯。只是現在空間更大了。

AI 不一定先替代底層崗位，很多高層瓶頸更適合先被優化

Stay SaaSy 工程負責人：很多人看組織結構圖的時候，會把它想成一棵“樹”，然后第一反應就是，我先去把其中“葉子”的那部分自動化，也就是最底層、最初級的那些崗位。這其實是一種非常典型的幻覺。

我們當然也看過一些公司真的這么做，而且有些做成了，也看過一些做砸了。更麻煩的是，那些最底層崗位有時候其實直接面對客戶，是你公司的臉面。行業里很多人對這一層的實際價值，我覺得是低估的。

我一直都說，從一個管理者位置上看，我自己做的很多事情其實沒那么復雜。我希望我是 pack 的一部分，不希望每一個決定都特別奇異、特別定制。很多領導平時做的事情，其實 70% 都應該是行業里相當標準的套路。

所以如果你真在想，公司里哪些地方該先自動化、先增強，我反而會說，不妨先看“樹”的頂部那一層。很多領導、很多高管，本身就是整個組織的瓶頸。他們做的很多動作，其實完全可以變得更標準化。為什么不先用 AI 去處理他們的工作呢？

說實話，我自己以前就已經用純粹的決策樹自動化掉過一部分判斷了，那時候甚至還不是 AI。比如招聘流程里某個特定動作，我就是永遠只做五件事，根本沒那么復雜。

我平時帶經理的時候也常碰到這種話：很多人說，這個我不能委派，太復雜了……然后我就會逼他們把自己到底在做什么寫下來。大部分時候，你會發現，他們口中的太復雜，其實只是一個分支超過五個案例陳述的流程而已。可能一共是二十來種情況，這當然算復雜，但遠沒復雜到不能委派。

如果你回頭復盤自己過去五年做過的事，很多地方其實也就是十來種選項里選一種。只是很多人腦子里過不去那一關，總覺得，不是四種，那就是復雜得不行。

所以我反而會說，也許未來一兩年里，更有意思的畫面是，大家不只是想自動化底層員工，而是開始出現自動化高管，甚至 AI 高管。你作為 CEO，也許會說，在這個角色里，我要 80% 的動作都走標準路徑，剩下 20% 真正特別的、例外的，我自己再用第一性原理去想。這樣我就比現在更容易把注意力放在真正該放的地方，而不是還得親自盯著樹葉那一頭的五百個人和一堆質量控制問題。

所以總的來說，技術當然會繼續變強，每個人的工作也都會更自動化、帶來新任務。但我覺得，很多公司現在仍然沒有足夠認真地想一個問題，就是我怎么讓高管層、執行層先被 AI 增強、補位，某些時候甚至被局部替代。

Stay SaaSy 產品負責人：還有一點，我覺得那個例子出現在 Amazon，本身就非常有代表性。Amazon 是一家特別大的軟件公司，是世界上最大的幾家之一，而且它做的很多東西都是真正的業務關鍵。再加上他們還有 AWS，這本身就是無數其他關鍵系統賴以存在的基礎設施。

所以，這個例子說明的其實是，行業里現在推動使用這些新編程工具、盡可能加快交付速度的沖動，已經非常強了。因為如果說有哪個公司應該更保守、更厭惡風險，大家直覺上都會覺得應該是 Amazon 這種公司。

而且當我們談代碼審查，特別是那些非常細、非常關鍵、深入產品骨架的功能時，我覺得未來很值得看的一個點是，現在這套大家在 X 上天天聊，甚至在 LinkedIn 上也越來越常見的工作方式，本身會帶來什么。

主持人：LinkedIn 也開始了。

Stay SaaSy 產品負責人：對。LinkedIn 永遠比 X 慢。有人以前還專門研究過這個。

主持人：真有這種研究？不是你現場編的？

Stay SaaSy 產品負責人：實際說法是一周。但我可不會給 LinkedIn 這么高評價。我覺得至少得慢四周。現在在 X 上爆火的東西，大家都會說，等著吧，一個月后 LinkedIn 會為此瘋狂。

但回到正題。現在很多人講的故事是，好，我本來是個 10x 工程師，現在有了 AI 我就是 100x 工程師了。我同時開 10 個 agent 并行，讓它們一起跑。

可有件事大家私下也會承認，就是這種工作方式非常累。我真的見過這么干的人，而且確實很累。你一整天都在照料這群你自己命名、你不斷跟它們聊天的 agent。到了晚上，另一個團隊給你扔來一個特別復雜的 pull request，它橫跨很多系統。你必須把這些上下文重新一股腦加載回腦子里，然后才能 review。這個時候就會變得特別危險。

如果你是那種要對系統長期穩定性負責的人，你知道一個已經疲憊成這樣的工程師，現在要去審最關鍵的代碼，這本身就會讓人很不安。

我甚至能想象更瘋狂一點的世界，就是某些關鍵代碼審查，最后會慢慢變得像飛行員執照管理那樣。比如飛行前多少小時不能喝酒，要睡夠多久，一次值勤最多多久，之后就得交班。我會想，也許未來某些場景下，審那個 5000 行、觸及關鍵系統的 pull request，也會慢慢出現類似的職業紀律。

我覺得這事最后要么走到完全自動化 review，人類根本不在 loop 里，工具已經強到可以徹底兜底。要么整個行業會反過來重新承認，在 AI 時代，代碼審查是一件必須被嚴肅對待、不能想當然的事情。最后可能就是這兩個方向里的一個。

主持人：這里其實還有好幾個點，但我們快沒時間展開了。我最近剛在 Latent Space 發過一篇博客，題目基本就是怎么殺死 code review。你們現在是在說，要做更多 review。

我確實覺得，不同生產線上的人在想完全不同的事。現在最邊緣、最前沿的那些人，已經在講軟件工廠了。也就是不僅沒有人寫代碼，甚至連 review 都不要人。聽起來非常驚悚，但已經有人在搭這種系統。今天來不及展開，但我覺得大家至少應該知道，行業里確實有人在往那邊推。

你剛才那段也讓我想到 Netflix 以前的 chaos engineering、chaos monkey（混沌工程）。現在在 AI 工程這件事上，很多人其實也正在積累一種關鍵人風險，只不過他們自己還沒完全意識到。

我覺得你們兩個人真正做的，是把產品負責人和工程負責人那一套常識，認真地用到 AI 時代怎么建公司這件事上。我很歡迎這種聲音。最后還有什么想留給大家的話嗎。我確實得準備收了，所以就開放給你們。

2026 年最難的也許依然不是模型

主持人：最后還有什么想留給大家的話嗎？

Stay SaaSy 產品負責人：如果最后留一句，我是不是得先說一下那種 MrBeast YouTuber 式的話術，記得來給我們的博客點贊訂閱。

主持人：你們現在主要還是在 Twitter 上最火，對吧？

Stay SaaSy 產品負責人：對。我覺得我們本質上還是一個管理博客，或者說管理視角的聲音。如果只留兩件事，基于這些年讀者反饋和很多主動聯系過我們的人，我會說，第一，如果你是一個經理，真的要認真去關心你的團隊，要有同理心，要關心團隊整體的狀態和福祉。

第二件事，是對所有在團隊里工作的人說的。我們一直從那些主動聯系我的讀者那里反復感受到一點，就是很多人真的很在乎自己的同事。很多人真的在乎他們的 teammates。這是我寫 Stay SaaSy 這幾年里最讓我樂觀的一件事，看到大家真的非常在乎彼此，這件事很酷。

還有一點我也想說的是，做創業公司這件事，就算現在你有了 Claude Code，就算你有各種 AI，也還是非常非常難。我們看到的是，不同創業公司、不同創始人、不同高管、不同工程師，甚至任何團隊里的任何人，最后遇到的問題，其實都很相似。

所以如果你現在正被某個業務問題折磨得特別厲害，我想說，你不是一個人。如果非要留下一個最想傳達的情緒，那就是，別太擔心。此刻在另一個地方，八成也有人正以幾乎完全一樣的方式，被一模一樣的問題困住。所以別太泄氣。

主持人：對，我其實也一直有類似目標。我寫作，也是因為我想讓大家知道，這是一種共同經驗，我們其實都在一起經歷這件事。我覺得這也是你們寫作的一個共同點。

Stay SaaSy 工程負責人：對。我會說得更直接一點。我覺得 2026 會是我整個職業生涯里，軟件行業最動態的一年。我覺得整個行業已經準備好來一次洗牌了。

2025 年我聽到很多人說，我是不是已經晚了，我是不是錯過了。但我自己的看法是，完全沒有人晚。相反，我覺得今年會改變我們之前對軟件工程和經營公司的幾乎所有理解。真正能準備好迎接今年的人，回頭看未來幾年時，會說，就是今年把一切拉開的。

但如果從管理者角度看，最重要的是，準備好適應，知道自己是誰，知道自己的局限，需要時主動求助，盡量做對的事。從 builder 的角度看，我覺得對很多人來說，最難的問題會是人的問題。怎么和別人一起工作，怎么確保自己不是朝錯方向猛沖，怎么避免在自己的泡沫里高速建東西。

所以我會說，今年會是 AI 最瘋狂的一年。當然如果我們真已經在走向某種奇點，那之后每一年可能都會是。但我還是覺得，今年會把很多人之間互動的壓力點放大。這里面有很多前人經驗可以借鑒，可大家還是得多照顧彼此，得想清楚，在一個 AI 還沒有徹底接管一切的世界里，我們到底怎么一起把公司做好。因為要造出真正好的業務，還是有很多人需要一起協作。這點不會消失。

主持人：我自己一方面很樂觀，覺得舊問題解決之后，人總會發明新問題。另一方面又有點悲觀，因為這說明人永遠不滿足，永遠在挪門檻。這就像 AGI 的定義、AI 的定義一樣。GPT-4 剛出來時大家震驚得要死，現在已經沒人覺得它多神了。所以總之，保有信心吧。

Stay SaaSy 產品負責人：我在這個問題上，反而有個更樂觀一點的角度。享樂跑步機當然是存在的，但我覺得現在有一件事不一樣了，就是互聯網時代，尤其是智能手機攝像頭普及之后，歷史正在被極度完整、極度細致地記錄。

所以每當發生一種生活方式上的大升級時，現在的人比過去更容易記得住。比如一個現在大家經常舉的例子是，如果你今天每天能洗一個 11 分鐘的熱水澡，這在五百年前，哪怕你是國王、是王室成員，也做不到。而我現在每天就能洗上 11 分鐘的熱水澡，12 分鐘都行。

所以我覺得，人們現在多少會比以前更愿意思考過去。因為一進入信息時代，過去被記錄得太完整了。我能直接看到 1930 年代大家開的車長什么樣。那車看起來太糟了，我完全不想開。然后我坐進自己的 Prius，就會想，對，這顯然比那時候好太多了，又快，又好玩。

所以在這一點上我其實挺樂觀。我甚至覺得，某種意義上，社交媒體也讓年輕人更有同情心了，因為你真的會更頻繁地看到世界各地不同的人，接觸到更多不同的生活。

【活動分享】"48 小時，與 50+ 位大廠技術決策者，共探 AI 落地真路徑。"奇點智能技術大會是由深耕多年的「全球機器學習技術大會」重磅升級而來。2026 奇點智能技術大會將于 4 月 17-18 日在上海環球港凱悅酒店正式召開，大會聚焦大模型技術演進、智能體系統工程、OpenClaw 生態實踐及 AI 行業落地等十二大專題板塊，特邀來自BAT、京東、微軟、小紅書等頭部企業的 50+ 位技術決策者分享實戰案例。旨在幫助技術管理者與一線 AI 落地人員規避選型風險、降低試錯成本、獲取可復用的工程方法論，真正實現 AI 技術的規模化落地與商業價值轉化。這不僅是一場技術的盛宴，更是決策者把握 2026 AI 拐點的戰略機會。