Sahil Lavingia 的一次“太诚实”访谈:Builder 会变少,但真正的机会才刚开始

AI PM 编辑部 · 2023年01月13日 · 0 阅读 · AI/人工智能

正在加载视频...

视频章节

在这期对谈里,Sahil Lavingia 抛出了一个让很多 AI 从业者不舒服的判断:未来不是 Builder 变多,而是变少。Transformer 已经简单到“有点震惊”,真正的稀缺正在从写代码转移到另一件事上。这不是鸡汤,而是一次冷静、现实、甚至有点残酷的行业复盘。

Sahil Lavingia 的一次“太诚实”访谈:Builder 会变少,但真正的机会才刚开始

在这期对谈里,Sahil Lavingia 抛出了一个让很多 AI 从业者不舒服的判断:未来不是 Builder 变多,而是变少。Transformer 已经简单到“有点震惊”,真正的稀缺正在从写代码转移到另一件事上。这不是鸡汤,而是一次冷静、现实、甚至有点残酷的行业复盘。

第一个反直觉:AI 时代,Builder 反而会变少

访谈一开始,Greg Isenberg 抛出了一个看似乐观的问题:未来会有更多 Builder 吗?Sahil 的回答几乎是反着来的——“一定会更少”。

他的逻辑并不复杂:当技术门槛快速下降,真正稀缺的就不再是“能不能做出来”,而是“做出来值不值”。他用 Robinhood 这类公司的例子说明,当一家估值数十亿美元的公司,账上却有巨额现金时,说明问题不在于技术实现,而在于资本效率和真实需求。

这对 AI 行业尤其刺耳。Transformer 模型让构建智能系统变得前所未有地容易,结果是:人人都能做 demo,但真正长期活下来的 Builder 会更少。不是因为不够聪明,而是因为大多数人低估了‘产品与现实世界摩擦’的难度。Sahil 的潜台词很清楚:技术扩散越快,淘汰也越残酷。

Transformer 的“简单”,正在重塑什么叫技术壁垒

Sahil 在谈到 Transformer 时,用了一个很少见的评价——“简单到有点震惊”。这句话并不是在贬低技术,而是在强调一个事实:核心原理并不神秘,真正复杂的是如何在现实场景中规模化。

他特别提到推荐系统这类问题——从理论上看,Transformer 非常直接;但一旦进入大规模、真实用户、多目标约束的环境,难度才真正出现。这也是为什么现在的 AI 产品,看起来功能相似,体验却差异巨大。

一个重要转变正在发生:技术本身正在商品化,而“定义问题”的能力开始成为新壁垒。谁能把模糊的人类需求,转化为清晰、可被模型优化的目标,谁才拥有优势。Sahil 的态度很冷静:如果你还把全部精力放在模型有多复杂,可能已经慢了半拍。

当写代码不再稀缺,真正稀缺的是什么?

在访谈中段,一个问题被反复触及:未来还需不需要写代码?Sahil 的反应近乎直觉式——这个问题本身“有点疯狂”。

他的意思不是代码不重要,而是“仅仅会写代码”正在快速贬值。随着工具和模型的进步,越来越多的人可以完成过去只有工程师才能做的事情。这直接冲击了传统的职业分工,也解释了他对“管理者阶层”和“真正 Builder 数量”的担忧。

Sahil 认为,真正重要的是:你是否在亲手构建、测试、迭代真实的产品,而不是停留在讨论、规划和管理层面。‘Building part 本身被严重低估了’,他说。很多人以为自己在做产品,实际上只是离用户越来越远。

关于未来:硬件、机器人,以及“人类还剩下什么”

谈到更远的未来,Sahil 明确表示:硬件和机器人还需要时间,不会一夜之间发生。但这并不意味着冲击会更小。

他用体育作了一个耐人寻味的类比:即使机器人能踢得比人好,足球仍然会存在,只是更多变成“为乐趣而不是为谋生”。同样的事情可能会发生在很多职业上——价值结构被重写,但人类活动不会消失。

更有意思的是他的判断:未来一定会出现“机器人还做不了的新事情”。这听起来乐观,但前提是——人类必须主动寻找、创造这些新领域,而不是被动等待技术决定一切。Sahil 的态度既不悲观,也不盲目乐观,更像是一种冷静的现实主义。

总结

这次对谈最值得 AI 从业者反复回味的,不是某个具体预测,而是一种思维转向:当技术变得廉价,判断力、问题定义能力和真实构建经验才是护城河。如果你正在做 AI,不妨问自己三个问题:我解决的是不是一个真实存在的痛点?如果模型再强 10 倍,我的产品会因此更有价值吗?以及,我现在是在“讨论 AI”,还是在“用 AI 构建东西”?未来 Builder 会变少,但真正会 build 的人,价值只会更高。


关键词: Sahil Lavingia, Transformer, AI Builder, 产品思维, 技术趋势

事实核查备注: 需要核查:1)视频具体时长;2)Sahil 关于 Transformer“简单”的原话表述;3)Robinhood 估值与现金规模的具体数字;4)关于硬件与机器人时间判断的原始语境。