想象一下：某家市值千億公司的 CEO，深夜對(duì)著電腦屏幕，不是在批報(bào)表，而是在和 AI Agent 一起瘋狂敲代碼，連夜跑完上百輪實(shí)驗(yàn)。

這就是 Shopify 的 Tobi Lütke，和 Y Combinator 的 Garry Tan 正在電腦前做的事。

硅谷不養(yǎng)閑人，CEO 狠起來連自己都卷。

YC 的 Garry Tan 這幾天一直沒閑著，他白天管團(tuán)隊(duì)，晚上就用自己開源的 Gstack（把 Claude Code 配成 CEO、工程經(jīng)理、QA、設(shè)計(jì)師等一整套虛擬團(tuán)隊(duì)），花費(fèi) 60 天時(shí)間寫出 60 萬+行生產(chǎn)代碼，日均寫 1-2 萬行，眼看 GitHub stars 蹭蹭上漲，Garry Tan 自己都興奮得每天只睡 4 小時(shí)。

另一位 Shopify 的老大 Tobi Lütke，親自用 AI Coding Agent，對(duì)著自己 20 年前寫的 Liquid 引擎反復(fù)實(shí)驗(yàn)，把解析渲染速度提速到 53%，內(nèi)存節(jié)省到 61%。

一個(gè)越來越清晰的變化是：這些原本處在決策層的企業(yè)管理者，正在親自跑實(shí)驗(yàn)、開源工具、優(yōu)化生產(chǎn)代碼、搭建 Agent 團(tuán)隊(duì)，直接參與到這場(chǎng) AI 的實(shí)際使用之中。

類似的動(dòng)作，也開始在更多公司中出現(xiàn)。只是不少企業(yè)管理者對(duì) AI 的接觸還停留在基礎(chǔ)問答層面，更多是寄希望于招募懂技術(shù)的團(tuán)隊(duì)來解決問題。

但 AI 從來不是一個(gè)靜態(tài)工具，而是一種必須通過親手試錯(cuò)、長(zhǎng)期協(xié)作才能摸清真實(shí)邊界的系統(tǒng)。

也正是這種認(rèn)知差，開始拉開分水嶺：有人還在“使用” AI，有人已經(jīng)和 AI 一起“干活”。

在國(guó)內(nèi)，360 集團(tuán)創(chuàng)始人周鴻祎就是后者的典型代表。

01 AI 的不可預(yù)測(cè)

必須得親自試用和踩坑

過去一段時(shí)間，管理者理解技術(shù)的方式是必要且穩(wěn)定的：通過傳遞的信息獲取認(rèn)知后，再依靠匯報(bào)形成判斷，而無需親自參與研發(fā)和執(zhí)行。

在這種模式下，技術(shù)的功能、性能、進(jìn)度，都可以被整理成報(bào)告，被壓縮進(jìn) PPT，再轉(zhuǎn)化為決策依據(jù)。

但當(dāng) AI 開始進(jìn)入真實(shí)開發(fā)與生產(chǎn)流程，想要建立精準(zhǔn)的技術(shù)判斷，僅僅依賴常規(guī)信息傳遞機(jī)制可能還不夠。

在與耶魯創(chuàng)新學(xué)者交流時(shí)，周鴻祎也進(jìn)一步解釋，如果沒有深度參與 AI 的實(shí)際使用，很難在關(guān)鍵節(jié)點(diǎn)上做出有效判斷。

也正因如此，他選擇持續(xù)親自參與智能體開發(fā)、流程調(diào)試與 Skill 調(diào)整——其核心目的并非展示技術(shù)能力，而是獲取更接近真實(shí)使用環(huán)境的一線體感。

周鴻祎在一次媒體訪談中提到，自己原本并不相信 AI 真能寫復(fù)雜軟件，直到今年親自與 AI 合作寫出一個(gè)復(fù)雜的軟件智能體后，才改變了這一看法。

在真實(shí)的協(xié)作環(huán)境中，他觀察到 AI 明顯的兩面性：它聰明時(shí)，就是“合作過水平最高的程序員”，理解力強(qiáng)，能快速寫出幾千行代碼；但同時(shí)它也會(huì)犯錯(cuò)，不按常理出牌，甚至誤刪代碼。

有次，在一項(xiàng)具體的開發(fā)過程中，周鴻祎也直觀感受到 AI “出錯(cuò)”的一面：原本交付的 1200 多行代碼，在最終核對(duì)時(shí)只剩下約 600 行。他當(dāng)時(shí)的第一反應(yīng)是：“是不是智能體又把代碼改掉了？”

也正是在這些反復(fù)試錯(cuò)中，他逐漸意識(shí)到，很多問題不僅存在于開發(fā)者側(cè)，在普通用戶那里會(huì)被進(jìn)一步放大。

這種認(rèn)知，隨后開始反過來影響產(chǎn)品形態(tài)。

普通用戶在接觸 AI 時(shí)，面臨的不只是“會(huì)不會(huì)用”的問題，更多卻是“裝不裝得上”“能不能穩(wěn)定運(yùn)行”“敢不敢長(zhǎng)期使用”等具體而復(fù)雜的現(xiàn)實(shí)情況。

圍繞這些真實(shí)需求，團(tuán)隊(duì)推出了“360 安全龍蝦”，試圖降低用戶在部署和使用過程中的門檻與不確定性。

這些真實(shí)的協(xié)作體驗(yàn)讓周鴻祎再次確認(rèn)了一個(gè)事實(shí)：“AI作為生產(chǎn)力新物種，它的系統(tǒng)邊界和協(xié)作成本，需要親自使用和踩坑來建立真實(shí)判斷。

02 當(dāng)企業(yè)家徹底開始一場(chǎng)“長(zhǎng)期體感課”

外界看到的，是老周的“突然下場(chǎng)”；而實(shí)際上，周鴻祎的這條實(shí)踐路徑已經(jīng)探索了有一段時(shí)間。

早在 2024 年 11 月，他就開始嘗試將 AI 帶入實(shí)際生產(chǎn)場(chǎng)景：出演 AI 主題短劇《重燃人生》，用 AI 工具參與內(nèi)容制作，同時(shí)通過直播演示納米搜索，展示 AI 在信息獲取與處理上的能力。

但真正的轉(zhuǎn)折，發(fā)生在老周開始深度參與 AI 開發(fā)之后。

“春節(jié)期間，我基本上是不眠不休，不吃不喝，每天所有的精力都用來跟 AI 一起在苦戰(zhàn)?！敝茗櫟t曾對(duì)媒體表示。

也是從那之后，周鴻祎逐漸回到了一個(gè)更接近產(chǎn)品一線的位置，在聽得見炮火聲的地方，砥礪躬行。

他不僅親自“養(yǎng)龍蝦”，還在龍蝦安全媒體交流會(huì)上系統(tǒng)聊安全風(fēng)險(xiǎn)、配置門檻和未來方向，甚至推動(dòng) 360推出 OpenClaw 一鍵安裝版，讓普通人也能輕松上手。

這種狀態(tài)并不是體驗(yàn)式的嘗試，而是一種持續(xù)高強(qiáng)度的投入，周鴻祎在多個(gè)場(chǎng)合里提到，自己經(jīng)常和 AI 一起編程。

有時(shí)一整天十幾個(gè)小時(shí)，老周都在對(duì)著電腦不斷給模型下指令，讓它寫代碼、改程序、構(gòu)建智能體、調(diào)整 Skill，再一遍遍調(diào)試流程。系統(tǒng)里一部分智能體和 Skill，并不是團(tuán)隊(duì)直接交付的結(jié)果，而是他一點(diǎn)點(diǎn)改出來的。

比如，當(dāng)下很多人都在討論“龍蝦”運(yùn)行時(shí)的 Token 消耗，但如果只是聽別人提起，很難對(duì)這種消耗建立具體感知。

“納米漫劇流水線”，更像是一個(gè)典型的階段性案例——它標(biāo)志著多智能體開始真正進(jìn)入具體生產(chǎn)場(chǎng)景，并驅(qū)動(dòng)一個(gè)垂類內(nèi)容行業(yè)的完整流程。

在這一過程中，周鴻祎深度參與智能體的構(gòu)建與調(diào)試：前后“手搓”近百個(gè)智能體，對(duì)話超過 5000 次，總計(jì)消耗約 12 億 Token。

在完整跑通系統(tǒng)之后，他更切實(shí)感受到，一個(gè)能夠穩(wěn)定運(yùn)行的智能體，單次執(zhí)行往往就需要消耗上千萬 Token，而整套系統(tǒng)，也是在兩三百個(gè)版本的反復(fù)迭代中才逐步成型。

這意味著，很多關(guān)鍵能力并不是一開始就設(shè)計(jì)完成的，而是在不斷試錯(cuò)中被“跑出來”的：智能體邏輯需要反復(fù)調(diào)整，流程需要一遍遍重構(gòu)，Skill 結(jié)構(gòu)也在使用過程中不斷被修改。

這種工程級(jí)別的參與，并不只停留在過程本身，也開始沉淀為具體結(jié)果。

前邊提到的“納米漫劇流水線”，正是在這樣的反復(fù)試錯(cuò)中逐步形成。它基于多智能體協(xié)同運(yùn)行，覆蓋劇本、分鏡、生圖、配音與剪輯等環(huán)節(jié)，整套流程并非預(yù)設(shè)，而是在大量 Token 消耗和數(shù)百輪迭代中逐步跑通并穩(wěn)定下來。

目前，這一流水線已經(jīng)進(jìn)入規(guī)?；褂秒A段，并與國(guó)內(nèi)頭部影視、短劇公司和AI短劇創(chuàng)作者展開合作。

在這個(gè)過程中，周鴻祎發(fā)現(xiàn)，自己面對(duì)的不是一個(gè)可以被調(diào)用的 AI 工具，而是一整套復(fù)雜的協(xié)作系統(tǒng)——從任務(wù)拆解、模型調(diào)用，到流程銜接與結(jié)果驗(yàn)證，每一個(gè)環(huán)節(jié)都可能出現(xiàn)偏差，也都需要人為持續(xù)介入。

這種體驗(yàn)，在硅谷開發(fā)者社區(qū)中也有一個(gè)更形象的說法——“保姆式體驗(yàn)（BabysitterExperience）”。

開發(fā)者需要花大量時(shí)間與 AI 反復(fù)交互，糾正錯(cuò)誤、補(bǔ)充上下文、修復(fù)問題。表面上看，效率似乎提升了，但實(shí)際投入的時(shí)間并未減少：AI 生成代碼很快，但理解代碼、調(diào)試錯(cuò)誤以及修復(fù)問題，往往會(huì)把節(jié)省下來的時(shí)間再次消耗掉。

即便是 Garry Tan，在每天生成上萬行代碼的同時(shí)，也不得不為此專門搭建一套復(fù)雜的工作流框架（Gstack），用來約束 AI 的輸出，避免系統(tǒng)在不知不覺中走向失控。

這些來自一線的真實(shí)體驗(yàn)，正在改寫人們理解 AI 的方式。

03 AI 時(shí)代，判斷力是最貴的資產(chǎn)

當(dāng)全民養(yǎng)蝦成為浪潮，“焦慮”也伴隨而來：要不要參與？以及該怎么參與。

很多人困惑的是，面對(duì)一項(xiàng)快速變化的新技術(shù)，很難僅憑外部信息建立清晰判斷。

這也正是 AI 對(duì)行業(yè)造成的核心沖擊：面對(duì)同一套先進(jìn)的工作流技術(shù)系統(tǒng)，無論企業(yè)老板還是基層員工，如果不親自動(dòng)手、不親身入局，都將面臨被技術(shù)淘汰的風(fēng)險(xiǎn)。在這場(chǎng)洗牌面前，沒有任何人擁有特權(quán)，也不存在所謂的“角色豁免”。

破解這種“FOMO（錯(cuò)失恐懼）”感，唯一的解法就是親自下場(chǎng)。當(dāng)真正開始使用智能體，參與到具體任務(wù)中，才會(huì)逐漸理解它在工作中的作用方式，以及像 Token 消耗這樣的關(guān)鍵成本是如何在實(shí)際運(yùn)行中體現(xiàn)出來的。

這種一手體驗(yàn)的重要性，也在于 AI 的演進(jìn)速度，從模型到 Agent，再到更復(fù)雜的協(xié)作系統(tǒng)，每一輪變化都在重構(gòu)既有的工作方式。對(duì)于個(gè)體而言，很難長(zhǎng)期置身事外。正如周鴻祎此前所說，拒絕使用AI的人可能會(huì)被時(shí)代淘汰。

以前是“遇事不決問模型”，現(xiàn)在 Agent 逐漸進(jìn)入生產(chǎn)流程之后，人和 AI 的關(guān)系正在發(fā)生變化。智能體就像是人的“手和腳”，負(fù)責(zé)調(diào)用工具，而人轉(zhuǎn)向目標(biāo)設(shè)定、過程約束和結(jié)果評(píng)估。在這種結(jié)構(gòu)下，決定效率上限的，是人對(duì)系統(tǒng)的理解和調(diào)度能力。

理解了這一層，就能懂得周鴻祎動(dòng)手實(shí)踐背后的深意。作為企業(yè)管理者，他需要對(duì) AI 效率、成本與邊界形成穩(wěn)定判斷，拋開管理者身份，作為普通人，他在多 Agent 協(xié)同、流程調(diào)試中遇到的問題，本質(zhì)上也是所有使用者都會(huì)面對(duì)的問題——只是規(guī)模不同。

從這個(gè)意義上說，周鴻祎最近修的并不是一次個(gè)人層面的“補(bǔ)課”，更是一門 AI 時(shí)代稀缺的判斷課。在這場(chǎng)技術(shù)變革中，真實(shí)體感永遠(yuǎn)比二手經(jīng)驗(yàn)更值錢。

而這門“判斷課”真正稀缺的地方在于：不僅屬于企業(yè)家們，也屬于每一個(gè)需要在變化中做選擇的人。（雷峰網(wǎng)雷峰網(wǎng)雷峰網(wǎng)）