硅谷两周，十个真话

在湾区待了两周，参加英伟达的GTC，前后见了一大圈人。回来有朋友问收获，我想了想，觉得有些一直模糊的事情，确实清晰了。记了十条。

01. 没人再说"哇"了

GTC 2026 最让我意外的不是台上讲了什么，是台下的表情。

2024 年，满场的人嘴巴张着，每个 Demo 都有掌声。

2025 年，掌声少了，焦虑多了。

Jensen 画了一张很漂亮的路线图：生成式 → 推理 → 智能体。但散场之后每个人聊的都是同一句话：所以呢，到底怎么落地？

企业已经不问"要不要用 AI"了，问的是“钱花了，为什么还没见效”。这是一个完全不同的问题。

Jensen 的三阶段讲的是技术怎么走。我觉得还少一根轴——企业实际怎么接，这里面分三类：

赋能型（ai-empowered） —— 活没变，工具快了

原生型（ai-native） —— 没 AI 这事根本干不了

觉醒型（ai-awakened） —— AI 自己开始创造商业价值

大部分企业还在第一格。心态倒是在松动——从“帮我写”到“帮我想”再到“帮我做”。最后这步才是价值所在。但“帮我做”说说容易，背后要把 AI 真正接进企业现有的系统里，不是在旁边再开一个工具。

我们在做的GEA（Generative Enterprise Agent）就是在解决这个问题。不是画图、做ppt，而是交付业务结果。

02. 用了 AI，我更忙了

这趟见了十几个 AI 重度用户，创始人、工程师、投资人，都在面带苦笑的跟我说同一件事：“我比以前更忙了。”

道理很简单。AI 几秒钟就能给你一个 80 分的东西。大部分人看了觉得行就用了。但真正厉害的人不会停在 80 分——他们终于看见 100 分长什么样了，而且终于有精力去够那100分，所以反而会更忙。

人群被分化成三类：

不用 AI 的，准时下班，世界不变

用了 AI、接受 80 分的，确实快了

用了 AI、要 120 分的，比谁都累

AI 没有杀死完美主义。它给完美主义装了一台发动机。

那么当速度不再是瓶颈的时候，什么才是？

想来想去就两个字：品味。

AI 让做一个产品变容易了，但让做一个好产品变更难了。 因为当所有人都能快速产出的时候，分高下的不是速度，是审美。这跟特赞的产品观完全一致——我们从来不是用 AI 提速，是用 AI 做更好的东西。

03. 有些公司已经不一样了

有的公司在落实AI的使用率，有些公司在思考全员AI之后，公司怎么发展。Anthropic 要在10个月内把初级知识工作都取代掉！

据传 Meta 在规划至少 30% 的裁员。不是业务差——是算账算不过来了。一个推理模型能用 80% 的准确率、10 倍的速度干完中级知识工作，老板想的不是“要不要裁”，是“这些人现在到底在干嘛”。

更让人不安的是——裁了人的公司没变差，反而变好了。产出上去了，周期缩短了。留下来的人是能指挥 AI 的，不是跟 AI 比速度的。

这件事改变了我对服务的理解。

企业需要的不再只是一个工具——而是能直接交付结果的东西。工具加上专业判断，效率乘以价值感——这就是 Full Stack。特赞一直在做的事情，在这个时刻被放大了十倍。

04. 模型是自来水，上下文是地段

我反复在想Y Combinator（YC）的CEO Garry Tan说的话：

“即开即用的智能，意味着每一块钱的资本里都比以往含了更多的蓄积价值。”

然后他列举了“人还独有的东西”——品味、问题选择、信任、数据权利、上下文，以及知道人们到底想要什么。

这些不只是“人的优势”，这些是新的生产资料。

打个比方。模型现在像自来水——家家户户都接得上，水质也差不多。那什么决定你能盖什么楼？是地段。上下文就是地段。你积累了什么样的上下文，决定了你能拿同样的模型做出什么不同的事情。

下一场仗不是模型之争，是上下文之争。

模型很强，但不会有一家独大。一个企业不会因为换了个更好的模型就自动出更好的结果——当人人都能用最好的模型时，你手里的上下文才是壁垒。

05. 工作没有消失，只是变碎了

有一组数据我印象很深：科技岗位从 2022 年高峰跌了 45%，但 2026 年初又涨了16%。

什么意思？

公司更小了，但数量更多了。角色变了，但种类更多了。工作没有消失——它只是变得更碎了。 过去六个人的团队，变成一个人加一组 Agent。边际员工被边际 Agent 替代了，但能提供判断、品味和信任的人反而更值钱了。

我总想起 19 世纪的农民，你跟他说 “UX 设计师”，他不可能理解。现在我们就处在同样的时刻。2035 年最重要的岗位，今天还没有名字。但我不想等它们自己冒出来，我想去造。

比如“上下文构建师”——专门给 AI 系统搭建和维护企业上下文的人。这个角色三年前不存在，但需求已经很实在了。

06. 中美AI的溢价，是反的

有一件事我想了很久，这趟彻底想通了：AI 生意的溢价，在中美之间是反的。

在中国，溢价在 C 端。14 亿人、低耐心、无限替代品——能在这种环境里活下来的消费级 AI 产品，身上全是“伤疤”，但也全是经验。中国的 C 端 AI 产品是打过仗的。

在美国，溢价在 B 端。信任、合规、采购流程、集成深度——美国企业为确定性买单，出手大方，周期长，但 LTV 完全不是一个量级。

所以真正的结构性机会在哪？

把中国消费市场历练出的实战能力，以企业级方式交付给全球客户。 这个空间巨大，但几乎没人在做。

AI应用的China for Global 不是情怀，是结构性的机会。

07.评测，被严重低估了

美国市场对评测（Eval）的重视程度，远远超出我的预期。不是“上线之后测一测”那种——而是当成一个独立赛道在投、在建、在抢。

道理其实很朴素。一个惊艳的 POC 和一个可靠的上线之间，差的那截儿几乎全是评测。Agent 真做对了吗？你拿它跟别的方案比过吗？你能拿数据说服采购委员会吗？

LLMArena 已经把通用模型评测变成了社区平台。但有一个大空白——没人在做垂直领域 Agent 产出的评测。 所有人都在比“哪个模型代码写得好”，没人在比“哪个 Agent 做出的消费者洞察更准”。

企业从 POC 到系统化上线，评测是关键的“临门一脚”。我们已经在搭这套东西了，但没想到在美国已经是这么重要的产业了。

08.标注已死，教学永生

过去十年，“人类数据” 就是标注——给图打标签、分情感、画框框。二元的、碎片的、廉价的。

现在变了。

新的人类数据叫教学。不是告诉 AI “这是猫”，是给它看一个专家怎么把一件事做好。10 步、20 步、50 步。在推理过程中间纠正它，演示什么叫判断力，给它密集的、有序的、带着上下文的人类示范。

一张标注图值几分钱，一段 50 步的专家级访谈示范价值数千元——因为合成数据造不出这种东西。

赢得 Agent 时代的，不是模型最强的公司，而是在自己领域积累了最多人类示范数据的公司。

特赞沉淀了大量的创意方案和专业流程——这些本身就是多步骤的决策链路，不是一步到位的标注。通过 Skill 等机制，它们都有可能变成真正有价值的 Human Data。

09. 新世界已经开始发工资了

两个半年前没听说过的职位，这趟反复出现。

增长工程师（Growth Engineer）：一个人端到端执行增长实验，写代码、部署 Agent、分析数据、迭代，一个下午完成闭环。以前需要 1 PM + 1 设计 + 1 分析师 + 3 工程师，现在是 1 个人加一组 Agent，产出相当，速度快五倍。

模型行为工程师（Model Behavior Engineer）：提示工程价值正在消退，这是它的继承者。职责是塑造 AI 在数万次对话中如何"做人"——横跨产品设计、心理学与 MLOps。当产品本身就是 Agent，它的语气、判断边界、犯错方式、何时转交人类，共同构成了用户体验。

两个角色有一个共同点：一个人承担了过去整支团队的职能，核心能力与其说是技术深度，不如说是品味。

大时代一定催生新岗位。 前些年讲 FDE，现在冒出来 Growth Engineer、Model Behavior Engineer 这些角色——不是概念，是真的有人拿着这个 title 在干活了。特赞内部也在主动长出这些角色。等别人定义好了再跟，就晚了。

10. 设计正在复仇

最后一件出乎意料的事。

我发现，设计这个话题正在回到 AI 对话的核心。不是企业培训 PPT 里那种“设计思维”——是关于品味、判断和美学的严肃讨论。

为什么？

因为当 AI 什么都能生成的时候，“什么东西应该存在” 本身就变成了设计问题；当 AI 能模拟任何用户的时候，搞懂人们“真正要什么”也是设计问题；当构建成本趋近于零的时候，“决定什么值得建”就成了最贵的判断。

过去的说法是：设计师用 AI 降本增效。现在反过来了——要用设计的方法去解决 AI 的问题。

这不是设计的延伸。这是设计的新大陆。

我在设计和技术的交叉口干了十年，说实话，我从未觉得这个位置像今天这样关键。

带回来的一句话

此刻的硅谷是一种“有生产力的困惑”。所有人都认同 AI 会改变一切，但它会怎么改，人们并没有形成共识。

但我越来越确信一件事：下一个十年的赢家，不是模型最强的人，是最懂人的人——懂人怎么想、怎么犹豫、怎么下决定——这在智能过剩的时代，是最稀缺的能力。

两周下来最大的感受，其实是一句老话：地图不是疆域。

在 AI 这片地方，大部分人还在用旧地图行走。

该画新的了。

— 范凌，特赞 CEO，Atypica.AI 创始人