95%的工程师已在用AI写代码，但这只是最糟糕的开始

如果你觉得现在的 AI 编程已经够震撼了，Sherwin Wu 会直接泼你一盆冷水：这只是“模型史上最差的时刻”。在这期 Lenny’s Podcast 里，他把软件工程、个人能力差距和 AI 未来三条线拧在一起，给出了一个让所有工程师都坐不住的判断。

“这是模型有史以来最差的一天”——工程师的身份正在被重写

节目一开始抛出的那句话就足够炸裂。OpenAI 的 Sherwin Wu 引用了一个内部共识：“This is the worst the models will ever be.” 不只是对写作、聊天成立，对软件工程同样成立。

更狠的是背景数据——95% 的工程师已经在使用 Codex 这类工具写代码。这意味着什么？不是“AI 开始进入编程领域”，而是“AI 已经成为工程师的默认外骨骼”。

过去几十年，工程师的价值来自：理解需求、拆解问题、写出正确的代码。现在，最后一项正在被系统性外包给模型。Sherwin 用了一个极具画面感的比喻：工程师正在从“工匠”变成“术士（sorcerers）”。你不再一行行敲咒语，而是学会如何召唤、约束、组合这些越来越强的模型。

关键的反直觉点在于：现在看起来已经很强的 AI，其实是你未来回头看会觉得“原始得可笑”的版本。这不是乐观主义，而是工程视角下的必然推论——模型能力、工具链、上下文窗口和推理深度，都还在爬升曲线的早期。

70%的能力差距，不但没缩小，反而被AI放大了

很多人对 AI 的直觉是：它会抹平差距，让普通工程师变强。Sherwin 的观察恰恰相反。

在节目中，他和 Lenny 反复提到一个趋势：顶尖工程师和普通工程师之间，存在一个大约 70% 的能力差距，而且这个差距正在继续扩大。原因并不复杂——高水平的人更知道如何向模型提问、如何拆解问题、如何验证结果。

AI 并没有消除“思考能力”的价值，而是把它放大了。模型可以帮你生成 80% 的代码，但剩下 20%——系统边界、异常情况、真实业务约束——恰恰决定了产品能不能上线。高手会用 AI 快速覆盖基础面，然后把全部注意力放在那 20% 上；而新手往往被生成的代码“骗”得更深。

Sherwin 的一个判断很残酷，但非常重要：AI 时代不是平均主义，而是强者恒强。当工具变得极度强大时，真正的瓶颈反而回到了人的认知结构本身。

当“绝大多数代码”都由AI写，人类工程师还剩下什么？

节目中有一句话几乎是一闪而过，但信息量极大：“The vast majority of code at this point was probably authored by AI.”

注意这里的关键词不是“将来”，而是“at this point”。这并不意味着人类不再写代码，而是代码的“第一作者”正在发生变化。AI 生成初稿，人类负责方向、审美和责任。

这也解释了为什么 Sherwin 多次强调：要为模型将要到达的地方设计系统，而不是为它们今天的能力做优化。如果你现在还在纠结“AI 生成的代码质量不够好”，那你关注的是一个正在快速消失的问题。

真正长期存在的挑战是：
- 如何构建能被模型理解和操作的系统架构？
- 如何让 AI 在复杂代码库中逐步“拼接”出解决方案？
- 如何在大量 AI 生成代码中建立信任、审计和演进机制？

工程的重心，正在从“写代码”迁移到“设计代码如何被写出来”。

语音、流程自动化：被低估的两个“第二增长曲线”

如果说代码生成已经是显性战场，那 Sherwin 对另外两个方向的判断，更像是在给未来埋伏笔。

其一是语音和音频。他明确提到，随着模型能力提升，语音不再只是输入输出形式，而会成为新的交互层。想象一下：当工程师可以通过连续对话，而不是离散 prompt，来驱动复杂系统时，软件的形态会发生根本变化。

其二是业务流程自动化（BPA）。Sherwin 的原话是：“It’s bigger than you would think.” 这并不是简单的 RPA 升级，而是模型开始真正理解流程、例外和意图。一旦成立，AI 的价值将不再局限于“工具”，而是直接嵌入组织运转本身。

这两个方向的共同点是：它们都不依赖炫技，而依赖深度整合。一旦跑通，规模效应会异常恐怖。

真正的管理难题：如何找到AI时代的“高性能个体”

在节目的后半段，话题从技术转向管理，但杀伤力一点没减。

Sherwin 提出了一个非常现实的问题：在一个人人都有 AI 的时代，管理者该做什么？ 他的答案并不是“给所有人发更好的工具”，而是：找到那些已经表现出高水平 AI 使用能力的人，并极度放大他们的影响力。

原因很简单——AI 的回报是非线性的。一个真正会用模型的人，产出可能是普通使用者的数倍甚至数十倍。组织如果还用“平均分配资源”的思路，只会错过这个时代最夸张的杠杆。

这也呼应了他前面的判断：民主化不等于平均化。AI 的确降低了门槛，但同时也奖励那些最快理解、最快适应的人。

总结

这期播客真正让人不安的地方，不是 AI 有多强，而是它把“成长速度”本身变成了竞争力。对工程师来说，问题已经不再是“会不会被 AI 取代”，而是：你是否在学习如何与一个指数级进化的系统共事。最现实的行动建议只有三个：尽早把 AI 变成默认工作流；刻意训练提问、拆解和验证能力；以及，永远为“模型将要变得多强”而不是“现在多弱”做准备。几年后回头看，现在可能真的是你职业生涯中，AI 最弱的一天。

关键词： AI编程， 代码生成， 工程师转型， 语音AI， 软件工程未来

事实核查备注： 需要核查：1）95%的工程师使用 Codex 的具体语境和来源；2）“This is the worst the models will ever be”的原始引用人（Kevin Whale）及表述准确性；3）70%能力差距的具体含义是否为定量数据还是经验判断；4）播客发布时间与视频长度。