Dylan Patel:AI真正的100倍,不是模型,而是软硬件共设计
当所有人都在讨论大模型参数、GPU数量和AGI时,SemiAnalysis 创始人 Dylan Patel 给出了一个更激进的判断:未来 AI 最大的突破,不会来自单一模型,也不会来自单一芯片,而是“硬件—软件—模型”三层同时协同优化。一旦真正打通,2x、2x、2x 不会只变成 8x,而可能直接变成 100x。
当所有人都在讨论大模型参数、GPU数量和AGI时,SemiAnalysis 创始人 Dylan Patel 给出了一个更激进的判断:未来 AI 最大的突破,不会来自单一模型,也不会来自单一芯片,而是“硬件—软件—模型”三层同时协同优化。一旦真正打通,2x、2x、2x 不会只变成 8x,而可能直接变成 100x。
当所有人都在追逐最新模型和插件时,Atlassian 的 Carola Pescio Canale 在 Config 2026 提出一个反直觉观点:AI 的上限,不取决于工具,而取决于你的思维结构。这场分享给出了三个简单却极具威力的习惯,让 AI 从“玩具”变成真正的生产力伙伴。
在 Config 2026 的舞台上,Dscout 抛出一个反直觉观点:代码越便宜,用户研究反而越重要。更炸的是,他们用一整套 AI 研究工具证明——真正拖慢产品的不是构建速度,而是学习速度。
AI 能生成图片、字体早就不新鲜了,但 Rory Flynn 在 Config 2026 的演讲抛出一个更狠的观点:真正的瓶颈不是模型能力,而是创意团队还在“手搓内容”。他用 Figma Weave 展示了一种全新的创意操作系统,让创意第一次具备了规模化、自动化和可复用性。
Figma 在 Config 2026 抛出了一个让人不安的判断:生成式 AI 并没有削弱设计师的价值,反而放大了他们的每一次判断——包括错误的那种。这场对话没有炫技,没有工具清单,却精准戳中了 2026 年所有 AI 从业者的核心焦虑。
当所有人都在研究如何把 Prompt 写得更好时,有人泼了一盆冷水:真正决定成败的,从来不是你能不能指挥 AI,而是你能不能指挥人。VisualLabs 创始人 Balázs Horváth 给了一个残酷但清醒的判断:AI 取代不了的最后一项能力,是“你在房间里工作的能力”。
当所有人沉迷于“让AI写代码、马上上线”,MongoDB的Apoorva Joshi却抛出一个反直觉结论:真正决定AI系统成败的,已经不是代码,而是你在动手前的系统设计。这场演讲,用一个真实的医保理赔案例,把AI从想法走向生产的底层逻辑彻底讲透。
把AI引入工程团队,最难的不是选模型、搭系统,而是改变工程师和“工作本身”的关系。Angie Jones 用几年时间,把一个3500人的工程组织推向“自治”,她的方法论,远比你想象得更反直觉。
大多数AI Agent失败,不是因为模型不够强,而是因为没人知道如何“持续改进”它们。Nearform 技术负责人 Alfonso Graziano 给出了一条反直觉的答案:让 AI 自己来优化 AI。结果很残酷也很惊人——18% 到 83%,只用了 10 轮迭代。
如果你还以为AI只是“写代码更快”,这期播客会直接把你拉回现实。OpenAI Codex 团队负责人 Andrew Ambrosino 在 Lenny’s Podcast 里抛出一个猛料:在他们内部,几乎所有人都在用 Codex,而且这正在彻底改变产品、设计和团队结构本身。