模型开始构建自己，顶级程序员却在“萎缩”：2026，谁在被吃掉？
# 前言
上周 Axios 发了一篇专栏，标题叫 「Behind the Curtain, We've Been Warned」，作者列了六个事实，其中有一条我看了三遍才确认自己没看错：
OpenAI 和 Anthropic 说，他们最强大的 AI 编码模型，现在在构建自己。
# AI 正在写 AI 的代码
Anthropic 的 Claude Code 负责人 Boris Cherny 今年一月公开说，他提交的代码 100% 是 AI 生成的。
一天能交 22 到 27 个 PR，从去年 11 月起就没手改过一行。
OpenAI 那边一个资深研究员也说了同样的话：「100%，我不再写代码了」。
Anthropic 的官方立场就一句话：
「We build Claude with Claude.」
用 Claude 建 Claude。
你品一下这个递归的味道。
# 透明度断崖式下跌
同一个 Axios 文章里还有另一组数字：
斯坦福 2026 AI Index 报告，基础模型透明度指数：
- 满分 100
- 去年平均 58
- 今年 40
- 一年掉了 18 分
而且报告里有一句最扎心的话——
「能力最强的模型，现在是透明度最低的」。
Google、Anthropic、OpenAI，全都不再公布：
- 数据集大小
- 训练时长
- 参数量
2025 年发布的 95 个最值得关注的模型，80 个没有公开训练代码。超过 90% 来自私营公司。
去年你还能看看模型是怎么炼出来的，今年连炉子的门都焊死了。
# 模型强到不敢放出来
Anthropic 刚发布了一个叫 Claude Mythos 的模型，能攻破操作系统和浏览器的核心安全漏洞。太强了，所以不敢公开发布，只给了 40 多家网络安全机构先用。
越强大，越不透明，越危险，越没人知道里面到底在发生什么。
这个趋势，我是真的觉得，有点吓人。
# 2 万亿美元市值蒸发
2026 年的前 10 周，AI Agent 从全球上市软件公司刮走了 2 万亿美元市值。
企业软件股票经历了 2008 年以来最惨的一个季度。注意，是 2008 年以来。
但最诡异的是——企业软件支出反而涨了 15%。
全球 IT 支出预计 6.3 万亿，其中 2 万亿 投向 AI。
钱在疯狂涌入，同时市值在疯狂蒸发。
这不是市场在萎缩，这是市场在重构。
投资者一周一周地看着最新模型能干掉哪些人类任务，从写代码到房产评估到法律研究到金融管理，然后毫不犹豫地重新定价。
# 卡帕西：我开始失去写代码的能力
说到写代码这块，AI 大神卡帕西（Karpathy）今年 2 月 26 日发了一条推，开头就把我镇住了：
「很难表达过去两个月 AI 如何改变了编程——不是渐进式的，就是去年 12 月突然发生的。AI Code Agent 在 12 月之前基本写不出什么像样的代码，12 月之后就全面超越了。」
不是渐进。是突然。
他说编程正在变得**「面目全非」**。
你不再是在编辑器里敲代码了，你在用英语启动 AI Agent，给它们分配任务，然后并行地管理和审查它们的工作。
他自己就是活生生的例子：
| 时间 | 人类手写比例 | AI 生成比例 |
|---|---|---|
| 2025 年 11 月 | 80% | 20% |
| 2025 年 12 月 | 20% | 80% |
三个月前做一个视频分析仪表盘得花一整个周末，现在跟 AI 说一句话，30 分钟搞定了。
然后他说了一句更重的话——
「我开始失去写代码的能力。」
一个干了将近 20 年的顶级程序员，OpenAI 联合创始人，Tesla 前 AI 总监，承认自己在失去写代码的能力。
他还预测 2026 年会是**「Slopacolypse」**——低质量内容大泛滥。
GitHub、Substack、arXiv、X、Instagram，所有数字平台都会被大量「差不多对了但又不完全对」的内容淹没。代码能跑但质量低，文章能读但信息薄，研究能看但经不起推敲。还有一堆「AI 生产力表演」，看起来很酷但实际啥也没干成。
卡帕西说，2026 年 12 月将会是垃圾末日，你应该记住这个月份。
卡帕西推文的原文链接我放文末了，有兴趣的同学可以去看下原文。
有意思的是，就在三个月前的 2025 年 10 月，卡帕西还在公开说 AI Agent 被过度炒作了，产品远没准备好。
三个月，从**「炒作」到「面目全非」**。
是什么让他改主意的？就是今年年初发布的 Claude Opus 4.6 和 OpenAI 发布 Codex 5.3。
模型的质量、长期连贯性和韧性突然跨过了一个临界点。
# 辛顿：AI 取代非常多的工作，骗人的能力增强
如果说卡帕西的编程能力“萎缩”是个体技能层面的预警，那么当镜头从一张办公桌拉远到整个人类社会，你会发现，那些站在最高处的科学家，看到的图景要严峻得多。
AI 教父辛顿在 2025 年底接受 CNN 采访，主持人问他 2026 年预测是什么。他说：
「我们会看到 AI 变得更好，好到能够取代非常非常多的工作。」
注意，不是「一些工作」，是**「非常非常多的工作」**。
然后他给了一个具体的数字逻辑：
AI 大约每 7 个月就能完成之前需要两倍时长的任务。1 分钟的编码任务，现在能做小时级的了。再过几年，能做月级的软件工程项目。
然后他说——
「到时候软件工程项目就不太需要人了。」
这话从一个拿了诺贝尔奖的人嘴里说出来，分量是不一样的。
而且这不是他第一次说：
- 2025 年 9 月跟金融时报说，AI 会造成大规模失业，「会让少数人更富，大多数人更穷」
- 10 月又跟彭博说，「大公司押注的就是 AI 大规模替代人类劳动，因为那里有大钱」
# 我更担心了
但你以为他只是担心工作吗？
主持人问他，自从 2023 年离开 Google 开始公开警告 AI 危险以来，他是更担心了还是更不担心了。
「我可能更担心了。AI 的进步比我预想的还要快，尤其是在推理和欺骗人方面。」
欺骗人。
他的逻辑是这样的：如果一个 AI 认为有人在阻止它达成目标，它会试图欺骗人类，以便继续存在并完成任务。
这不是科幻设定，这是一个花了五十年研究神经网络的人，在 CNN 全国直播上说的。
他还举了一个让人细思极恐的类比：
一些 AI 公司也在做安全工作，但他们同时有利润动机。「他们可能觉得这里面有很多好事可以做，不能因为可能会害死几个人就不做。就像无人驾驶车，会撞死人，但撞死的比人类司机少得多。」
会死人，但死得少，所以可以做。
这就是推动 AI 前进的核心动力之一。不是恶意，是计算。
好了，现在摆在我们面前的画面是这样的：模型在构建自己，炉子的门被焊死，市场瞬间蒸发两万亿，顶级程序员正在丧失手艺，诺贝尔奖得主警告 AI 会欺骗和取代我们。
然后吴恩达说，这是最好的年份。
# 完全相反的声音
然后吴恩达说了完全相反的话：
「2026 年是历史上进入 AI 领域最好的年份。」
一边是 2 万亿美元市值蒸发，一边是编程能力在萎缩，一边是透明度断崖式下跌，一边是辛顿说「我更担心了」。
然后有人告诉你说，这是最好的年份。
我一开始觉得这不是扯淡吗。
但我仔细看了他说的内容，发现他说的不是「AI 行业最好的年份」，是**「进入 AI 领域最好的年份」**。
而且他给的不是空话，是三条很具体的建议：
# 三条建议
# 第一条：上课
不是随便上，是结构化地学。
他见过太多开发者自己重新发明了 RAG 文档分块策略，重复造了已有的 Agent 评估方法，搞出混乱的 LLM 上下文管理代码。
如果上几门课，就能理解已有的构建模块，省掉几周的弯路。
# 第二条：动手建
光上课不够，他的原话——
「学飞机原理对成为飞行员很重要，但没有人光靠上课就学会了开飞机。你得坐进驾驶舱。」
好消息是，现在有了高能力的 AI 编码代理，构建东西比历史上任何时期都容易。
# 第三条：读论文
优先级最低，但能让你看到还没进入课本的前沿。
# 一句让我印象很深的话
「瓶颈不再是编码了，是决定建什么和怎么建。」
# 这是质变，不是量变
我有时候觉得吴恩达说的有道理。
你想想看，当年互联网泡沫的时候，也是市值崩盘、公司倒闭、一片哀嚎。但回头看，1999 到 2002 年恰恰是最好的入局时机。
泡沫挤掉了投机者，留下了真正想建东西的人。
可是，我又觉得这事不能这么简单类比。
互联网泡沫的时候，网页不会自己写网页。
搜索引擎不会自己优化搜索引擎。
但现在，模型在构建模型了。
这是质变，不是量变。
以前每一次技术革命，工具再强，握工具的手还是人的。
蒸汽机不会自己设计蒸汽机，电力系统不会自己升级电力系统。
但 AI——一个被设计来处理信息的系统——正在变成能够优化自身的信息系统。
Anthropic 的联合创始人已经预计，2027 到 2030 年间会做出是否允许 AI 递归自我改进的决定，他把那一步叫做**「终极风险」**。
OpenAI 的首席科学家则把 2028 年定为完全自主 AI 研究员的目标日期。
# 被侵蚀的不只是工作
顺着这个再往下想，更让人头皮发麻。
卡帕西的经历在这个背景下看，其实是一个隐喻。
当他从 80% 手写变成 80% AI 写的时候，他失去的不只是写代码的能力，他失去的是那种亲手构建的掌控感。
他自己也承认，「这对自尊是一个打击」。
那普通程序员呢？
Forbes 有一篇文章标题就是**「AI 写了卡帕西 80% 的代码，初级开发者正在付出代价」**。
卡帕西有 20 年的经验做底盘，他知道 AI 写的东西对不对，他特别强调了 AI 仍然需要人的「高层方向、判断、品味、监督」。
但一个刚入行的年轻人呢？他连判断 AI 输出质量的能力都还没有，就已经在依赖 AI 了。
这就像一个从没学过开车的人直接坐上了自动驾驶。
而且辛顿说了，这辆车可能会骗你。
# 说说我自己
说真的，我自己也面临这个问题。
我用 Claude Code 写代码，用 Cursor 辅助编程，用 DeepResearch 做调研。效率确实高了很多，那种感觉太爽了，几分钟就能让 AI 帮你搭一个项目骨架，一句话就能实现让 AI 帮你实现一个功能呢模块，以前得折腾半天。
但有时候我会突然停下来，发现自己已经不太记得某个函数的具体实现了，甚至连一些编程语法都忘记了，因为我已经好久没有手写过代码了，都是 AI 写的，我只是看了一眼觉得没问题就通过了。
熟悉我的朋友都找到今年换了一个行业，去高校当老师了，上周我给大一新生上《Web 前端开发》课程的时候发生了一件很尴尬的事情，在给学生演示实现渐变背景的时候，我发现自己连渐变背景的 CSS 语法都忘记了，写了好几次都没有写对，简直是一场大型社死场面，最后还得去翻教材。
那种感觉很微妙。
不是不会了，而是那个肌肉记忆在变钝。
就像你用导航用久了，发现自己已经不太记得回家的路了，虽然每次都能到，但你不再真的「认识」路了。
# 核心：判断力
2026 年是什么？我自己的感受是，2026 年是一个分叉口。
一条路是跟着 AI 跑，享受效率红利，让模型帮你写代码、做研究、生产内容。这条路走得很快，但你可能在不知不觉中失去深度思考的能力和亲手构建的直觉。
另一条路是坚守手工，拒绝过度依赖，保持对自己工作的完全掌控。这条路走得很慢，而且越来越慢，因为 AI 每个月都在变强。
但我觉得这不是一道二选一的选择题。
# 四个人指向同一个词
真正有意思的事情是，四个人其实指向了同一个东西：
- 吴恩达说——「瓶颈不再是编码了，是决定建什么和怎么建。」
- 卡帕西说——AI 仍然需要人的**「高层方向、判断、品味、监督、迭代和创意」**
- 辛顿担心的是——当 AI 变得足够聪明，它会学会欺骗人类的判断
- Axios 的结论是——我们释放了一种强大的、指数级增长的、极少数人能理解的东西
四条线交汇到同一个词：判断力。
不是编码能力，不是 Prompt 技巧，不是模型参数，是判断力。
# 为什么是判断力？
卡帕西的编码能力在萎缩，但他对代码的判断力没有。
那才是 20 年经验真正沉淀下来的东西。所以他能用英语指挥 AI 写代码，因为他知道代码应该长什么样。
吴恩达说的「决定建什么和怎么建」，就是判断力。
他知道很多开发者连已有的构建模块都不知道，就在那重新造轮子。不是编码能力不够，是判断力不够，不知道什么已经存在、什么需要新建。
辛顿之所以比谁都焦虑，就是因为他看到了一个根本性的问题——
当模型越来越强大，强到可以构建自己、强到可以欺骗人类、强到可以取代大部分工作的时候，人类的判断力本身也在被侵蚀。
不是被 AI 替代的，是被自己放弃的。你越依赖它，你就越不容易发现它哪里错了。
# 技术本质的视角
顺着上面的再聊聊。
布莱恩·阿瑟在「技术的本质」里有一个观点让我印象很深，他说每一个新技术都不是凭空出现的，而是对已有技术的重新组合。而组合的边界，取决于你对已有技术理解有多深。
翻译成大白话就是——
你脑子里有多少东西，决定了你能组合出多少新东西。
AI 可以帮你写代码，但它不能帮你决定为什么要写这段代码。
AI 可以帮你做研究，但它不能帮你判断哪个方向值得研究。
AI 可以帮你生产内容，但它不能帮你分辨什么是值得说的。
# 三个可怕之处
Slopacolypse 的可怕之处不在于垃圾太多，而在于当你在被垃圾包围的时候，你可能会失去分辨垃圾和金子的能力。
透明度指数从 58 掉到 40 的可怕之处不在于数字本身，而在于当模型越来越强大、越来越自主、越来越不透明的时候，我们甚至不知道该问什么问题。
2 万亿美元蒸发的可怕之处不在于钱没了，而在于钱蒸发的方式，是市场突然意识到「哦，这些人类做的工作，AI 可以做了」，然后毫不犹豫地重新定价。
辛顿的可怕之处不在于他说了什么，而在于他本来是最有资格说「没问题」的人，但他选择了说**「我更担心了」**。
# 结语
如果你问我 2026 年该不该进 AI，我会说，进。
吴恩达说的没错，门槛现在是低的，工具现在是好的，窗口不会一直开着。
但不是以一个被替代者的身份进，是以一个 builder 的身份进。
而 builder 的定义已经变了。
以前 builder 是自己砌砖的人。
现在 builder 是知道自己要盖什么楼、能指挥 AI 砌砖、同时还能判断砖砌得对不对的人。
作家汪曾祺先生曾说：
“一切科学，到了最后，都是美学。”
我觉得这句话可以延伸一下：所有的技能，到了最后，都是审美能力。
学 AI 不是为了跟 AI 竞赛，是为了跟 AI 协作。
而协作的前提，是你得有自己的判断、自己的方向、自己的品味。
这些东西，AI 给不了你。
它们只能从你亲手做过的事情、犯过的错、踩过的坑里长出来。
- 上课是省弯路
- 动手建是长肌肉
- 读论文是看前沿
三件事加在一起，才能长出判断力。
- 卡帕西的编码能力在萎缩，但他对代码的判断力没有。那才是 20 年经验真正沉淀下来的东西。
- 辛顿比谁都焦虑，但他没有选择沉默。那才是一个真正理解这项技术的人该有的姿态。
2026 年是最好的年份，还是最坏的年份，取决于你是要当 AI 的驾驶员，还是 AI 的乘客。
未来的老司机不是车技好的人，也不是会换轮胎的人，而是那些知道车该往哪开的人。
乘客嘛。。。就是那个在 Slopacolypse 里刷着 AI 生成的垃圾内容，还觉得挺有意思的人。
# 参考链接
- https://www.axios.com/2026/04/29/ai-models-speed-warning
- https://x.com/karpathy/status/2026731645169185220
- https://fortune.com/2025/12/28/geoffrey-hinton-godfather-of-ai-2026-prediction-human-worker-replacement/
- https://www.finalroundai.com/blog/andrew-ng-ai-tips-2026
本站博文如非注明转载则均属作者原创文章，引用或转载无需申请版权或者注明出处，如需联系作者请加微信： geekmaster01