
AI时代,硅谷判断迅速过期
所有人都在尝试建立关于AI的判断,但所有共识都在迅速过期。身处硅谷AI创业一线的马培元深有感触,他认为“野蛮生长的阶段已经过去了”。
马培元的职业轨迹
2021年12月,本科毕业后,马培元进入号称“美版知乎”的Quora,后转到AI聊天机器人聚合平台Poe,担任资深AI工程师。2个月前,他又加入硅谷热门的AI Agent创业公司之一Cognition。2026年5月,该公司宣布完成超10亿美元融资,估值升至260亿美元,8个月前其估值还是102亿美元。此外,马培元还是投资猎头,替投资机构寻找AI创业项目,每年有50万美元投资额度。毕业后四年多,他行动总比AI行业共识早,在“agent”定义未明时团队就已立项,Anthropic无名时成了Claude最早深度用户,他还是团队首个AI认证工程师等,并将工程团队变成AI Native团队。两周前,他说的“people manager正在消亡”被腾讯、字节取消中层新闻坐实。在这篇稿子两次访谈的两周间隙,马培元发现硅谷“追逐最贵最前沿模型”的逻辑站不住了,当下流行把多个便宜模型和顶尖模型“融合调度”使用。他几乎一直在推翻昨天的自己,硅谷也一样,在AI领域,很多判断可能一个月内就被推翻。
马培元眼中的10个硅谷AI观察
观察1:通才碾压专才
硅谷现在最抢手的是“每一项都过得去、没有明显短板”的“六边形战士”,即polyglot talent。2024年,Poe的“agent”项目挑中马培元,因其既做过AI,也做过全栈开发和iOS,而组里其他人多是传统背景,不懂前端代码。后来他“什么都会一点”的能力成了找工作的资本,能快速适应新领域,这正是早期创业公司所需。
观察2:AI原生技能,短时间碾压资历年限
AI工具使用能力能碾压传统资历。马培元从Quora广告组转去iOS组时,对iOS一窍不通,他把GPT - 4当搭档写代码,产出速度追平甚至超过资深工程师,两年内做到资深职位,这在传统晋升体系里几乎不可能。在Cognition,他遇到19岁面试官,这表明年龄不再是硅谷评判人才的标准。
观察3:招聘标准被彻底重写,AI公司不用同一套模板面试
马培元离职前面试近20家公司,算上电话沟通有30 - 40家,最多一周被30多个猎头找上门。他发现当下AI公司招人无统一面试模板,LeetCode式算法题重要性下降,AI系统设计最佳答案每月改变,面试结构也变了,在线笔试 + work trial成新组合,work trial是短“试用期面试”。对AI使用考察分两种模式,有些轮次必须用AI,有些禁止用AI。面试形式多样,如商业分析、行为面试也看成长轨迹判断“人生斜率”。没有标准答案,没人能靠背题拿offer。
AI重构组织结构
观察4:对“AI原生”太过渴求
硅谷公司对AI原生的渴求远超想象。马培元面试的多是A轮、B轮及种子轮公司,高频问题是用什么AI工具,他把自己博客给对方,对方常“目瞪口呆”。公司希望他推动内部AI转型,让团队更AI原生,也需要及时分享AI发现和提效技巧的人。他过去的“爱好”成了新组织角色,在Quora他让整个工程团队用上Claude Code。
观察5:“更好地去使用AI”,实质是个组织转型问题
在Cognition做AI工作时,马培元发现更好使用AI是组织架构转型问题。传统互联网公司修复Bug流程长,用AI写代码快,但整个流程要一个月。现在用Cognition的Devin,两三个小时就能完成过去几天的工作,还能省去很多协调环节,是AI在倒逼组织架构转型。
观察6:People manager正在消亡,管理者必须自己会写代码
所谓people manager即工程经理,过去流行管理者做好管理,工程能力不用强。但在Cognition,组织架构扁平化,马培元直接汇报对象是CPO,60多人的工程团队真正的people manager只有一个,其他人既管人也写代码。这可能是AI带来的组织架构变化,且国内大厂腾讯、字节也先后宣布取消中层。
AI时代,判断快速被推翻
观察7:Token Maxxing出现了分化,大公司开始重新关心效率
今年初,硅谷流行“Token - Maxxing”,Meta等公司做Token使用排行榜。但AI token使用量与工程师效率不等价,公开排名扭曲人的行为,出现荒诞情况。很多高层意识到问题,被账单吓到,如Uber 2026年前四个月就烧完全年AI专项预算,大公司开始重新限制Token用量。Cognition发布“AI生产力保证”,若企业客户使用Devin后效率提升未达承诺,最高赔偿1000万美金。不过,一些YC公司因有免费token额度且规模小,可能继续“token maxxing”模式。
观察8:模型崇拜本身也在被推翻
在两次访谈的两周间隙,马培元发现之前讲的道理不对了。两周前还在讨论最前沿模型,现在Cognition发布fusion mode功能,把多个便宜模型和顶尖模型融合调度,而非无脑用最贵的。模型迭代速度超出想象,很多情况可能一个月后就反转。
AI时代,“机会”藏在非共识里
观察9:新的AI infra正在出现
围绕“Token - Maxxing”出现新创业公司,观测、监控团队AI使用情况,分析token浪费处。因为AI agent脆弱,一个prompt微小变化可能使其表现变差,所以新的AI infra如sandbox出现,用于隔离agent运行。同时,“观测”更复杂,agent不“报错”但输出可能有问题,需要新软件监测。
观察10:“不可训练的东西”,正在成为新生意
投资圈认为vertical agent已失去投资价值,但马培元不完全同意。硅谷投资者郭睿提出“the untrainable”概念,认为垂直行业很多流程无法自动化,如美国报税、法律领域。垂直AI agent公司能在与客户、FDE互动中发现痛点,这些痛点会烙印在产品里,是通用模型无法替代的,所以vertical agent仍有投资价值,可能带来较稳较小回报。
身处AI浪潮中,你感受到的最大变化是?欢迎在评论区分享你的看法。
328



被折叠的 条评论
为什么被折叠?



