这是苍穹猎鹰第422篇演化日记

从“空谈廉价”到“代码廉价”

本文只是小编的观点分享，列举的数据和逻辑仅用于分析说明，不构成任何的决策建议。

俗话说，既要听其言，更要观其行。

《从“空谈廉价”到“代码廉价”：两位AI大神看到工作方式巨变》提到两位AI大神，分别是安德烈·卡帕西和西蒙·威利森。

两人风格截然不同，却共同指向了同一个未来。

如果说卡帕西是站在山顶定义趋势的人，那西蒙·威利森就是在山脚下告诉你“怎么爬上去”的向导。

卡帕西更擅长创造新词、定义行业方向，西蒙则像技术圈的“翻译官”，用一线实践者的视角，把复杂的AI趋势拆解清楚，直白告诉你：这个变化对你意味着什么，你又该如何应对。

卡帕西是前特斯拉人工智能与自动驾驶视觉的主管，离职后创办尤里卡实验室（Eureka Labs），致力于构建适配AI时代的新型教育平台。

作为深度学习领域的知名科学家，他师从杰弗里·辛顿，也是李飞飞的博士生，可谓师出名门。

2025年2月2日，卡帕西在X上随手发了个新词——“Vibe Coding”（氛围编程）。仅仅9个月后，也就是2025年11月，这个词被《柯林斯词典》选为年度词汇。

相比之下，西蒙名气没有那么大，却是程序员世界里真正的传奇。

据快刀青衣介绍，西蒙在2003年和同事共同创造的Django——Python生态中最流行的Web框架，直到今天仍是无数网站的技术基础。

下面，我们就来分析一下西蒙关于Vibe Coding的核心观点，及其它将带来的深远影响。

1/5

代码变“便宜”了

2026年2月23日，西蒙推出一个新项目Agentic Engineering Patterns（代理工程模式），其中第一章的标题就是“Writting code is cheap now”（写代码现在很便宜）。

这一观点非常反直觉。

在传统认知里，代码就是技术的核心，程序员对应着高收入。科技巨头内部，研发团队收入都是最高的，里面很多都是写代码的高手。

代码之所以“昂贵”，本质是成本极高：一名资深开发者，往往需要一整天甚至更长时间，才能写出几百行整洁、可测试、可维护的代码。

这种“昂贵”不只是人力和时间成本，更关键的是：整个软件工程的思维、决策架构、开发流程，都是围绕“代码稀缺、编写低效”这一核心约束建立的。

与之对应的是，Linux之父、开源世界的奠基人林纳斯·托瓦兹在2000年说的经典名言：“Talk is cheap.Show me the code.”（空谈廉价，给我看代码）

而按照西蒙的观点，时代已经反转：Code is cheap.Show me the talk.（代码廉价，给我看对话）。

这里的“廉价”，并非指优质代码不再稀缺，而是“写出代码”这件事门槛与成本被大幅拉低。

这不是一句调侃，而是对整个软件行业开发行业底层逻辑的彻底颠覆。

2/5

“个人软件”时代到来

当普通人借助AI就能轻松写代码、搭建属于自己的小应用时，软件开发将从标准化产品，走向高度个性化的个人工具。

此前有观点提出“即用即抛的人个软件”：未来软件不再是面向所有人用的标准化产品，而是你按需生成、用完即弃，下次需要再重新定制的工具。

正如卡兹克说的，AI最厉害的地方不是帮你省时间，而是帮你创造。

“创造”这个词以前离普通人很远：想做App要学编程，想拍电影要有设备和团队……但AI直接打碎这些门槛。

即使不懂编程、没有团队，普通人也可以用AI快速生成代码、制作视频，市面上已经出现大量普通人靠AI做出爆款内容的案例。

3/5

学习模式转向“即学即用”

当Vibe Coding让写代码变得简单后，我们需要重新理解软件应用与学习的关系。

未来我们不需要精通代码，只需要清晰描述需求，AI会自主判断：是调用现有应用，还是临时生成一个定制化应用来完成任务。

这也对传统教育模式形成巨大冲击。

传统教育类似“预装操作系统”：学习有固定的时间、固定场景，知识都被封闭在“象牙塔”里，要求人在学生阶段尽可能储备知识，强调“一次性学完，长期使用”。

而AI时代，AI本身就是人类知识的集大成者，知识实时更新、随手可得。

学习不再需要提前囤货，而是按需学习、现学现用：想玩懂某个工具，就跟着教程动手实践；想做一条视频，就边学边做。

这对自驱力强、喜欢动手探索的人来说，是前所未有的时代红利。

4/5

更多“小而美”的事情值得做

在代码昂贵的时代，团队必须投入大量时间做设计、评估、排期、规划。

每一个功能、每一个产品，都要严格核算“投入产出比”，只有能覆盖开发成本的项目，才值得启动。

大量有价值但体量小、试错成本高的想法，因为程序员精力有限、ROI过低，直接被放弃。

AI彻底改变了这一局面：代码编写成本从昂贵接近免费。

一名工程师可以同时推进编码、重构、测试、文档等多项工作，不是因为他会分身，而是AI能并行处理这些重复性、执行性任务。

谷歌首席工程师亚娜·多根曾分享过她的“阿哈时刻”：她的团队2025年花了很长时间构建一个分布式智能体编排器。

而2026年，她只需要向Claude Code描述清楚问题，一个小时便得到了与团队过去一年开发成果相当的方案。

过去受限于人力、技术、资金、时间的项目，如今可以随时启动。即便试错失败，成本也只是一个周末、一些token资源而已。

创新的本质就是试错，当尝试的门槛足够低、次数足够多，意外惊喜与突破自然会随之而来。

5/5

判断力成为核心竞争力

当AI把基础执行能力变成为人人标配，看似所有人都站在同一起跑线，实则判断力、审美力、思考力才是真正的胜负手。

哪怕使用同一个大模型，人与人之间的产出差距依然巨大。

就像人人都会说话写字，但能写出好文章、做出好作品的人永远是少数。

大模型不会抹平差距，反而会成倍，数十倍地放人与人间的能力差距，如同一样的双节棍，在普通人手里和李小龙的手里，威力天差地别。

当AI打碎行业壁垒、降低执行难度，判断力就成了最稀缺的能力。

它不是做有标准答案的选择题，而是在信息不完整、方向不明确、随时可以启动试错的现实里，判断什么更重要、什么更值得做，并愿意为判断承担结果。

本文只是小编的观点分享，列举的数据和逻辑仅用于分析说明，不构成任何的决策建议。

  参考资料：

  快刀青衣《从“空谈廉价”到“代码廉价”：两位AI大神看到工作方式巨变》

  《周日荐文：国内公众号顶流卡兹克，分享自己用AI三年的九条心得》

  数字生命卡克《用AI的这三年，想跟你分享这9条心得。》

· END·