摘要

真正具备投资意义的范式变化，是从负责回答问题的聊天机器人转向能够执行任务的代理，软件市场已经围绕这一变化重新定价。 Klein表示，标普500软件行业指数已下跌20%；Claude Code和OpenAI’s Codex证明，模型可以自主编程、监督其他代理，并在几分钟内完成熟练开发者可能需要数小时甚至数天的工作。Sequoia的区分很有用：2023–24年的应用是“说话者”（talkers），2026–27年的应用将是“执行者”（doers）。
代理的生产力同时取决于模型能力和需求描述的质量，而人的判断仍不可替代。 Clark第一次提出模糊需求时，生成的软件问题百出；后来让Claude先采访自己、再写出详细规格，同一个项目就运行得“非常、非常好”。因此，真正稀缺且持久的资产是品位、直觉，以及构造一条足够精确的“漂流瓶留言”的能力，让极其强大但字面理解的系统也能准确执行。
Anthropic已经跨过了不久前听起来还很 speculative 的编码自动化门槛。 Clark表示，公司“绝大多数”代码已经由AI编写，Claude Code几乎完全由Claude编写；如果组织层面的瓶颈能够消除，到年底这一比例可能达到99%。工程团队人数仍在增加，但价值正转向资深判断、代理监控，以及每条工作流中自动化程度最低的环节——也就是“金属O形圈自动化”（O-ring automation）模式。
眼下的就业风险集中在初级白领岗位，以及培养未来专家的职业阶梯上。 Clark预计，AI会触及大多数初级岗位，并猜测3年后大学毕业生失业率会更高，“但不会高很多”；Anthropic已经比起初级员工更看重资深员工。Klein更尖锐的担忧是，只要AI的产出达到替代水平，就足以取代普通劳动者；与此同时，新人积累经验和品位所需的工作也会被拿走。
AI辅助开发已经清晰可见，但完全闭合的递归式自我改进循环仍是一个尚未解决的重大风险。 AI已经在加速研究人员工作、运行实验；Clark称，完全闭合的自我改进循环是“故事中事情开始失控的关键节点，如果事情真的会失控的话”。他主张采取非同寻常的谨慎态度，完善监测并接受第三方测试；Klein则强调，在竞逐OpenAI、Google和中国的环境下，加速的激励远强于等待监管的激励。
分散而持续的冲击，可能比一场引人注目的失业危机更难治理。 少数职业的大学毕业生失业率可能上升175%或300%，但整体失业率仍处于政治上可容忍的水平，社会于是可能把责任归咎于个人，而不是承认这是技术冲击。Clark认为，支持政策可以给劳动者买到最宝贵的资源——时间；但Klein反驳说，AI、劳动者和政府的速度相差悬殊，时间也可能让冲击不断复合。
大幅增长的GDP可以为调整提供资金，但让公共利益真正落地的主要瓶颈并不是智能。 对话讨论了过热经济、以“几分钱换1美元”成本运营的微型创业者，甚至AI对AI的经济；Klein认为，社会并不缺好想法，缺的是执行能力。AI既可以成为“吞噬官僚机构的机器”，也可以成为制造官僚机构的机器：它既能加速药物申报，也能用同样的底层能力推动更复杂的阻挠。
公共合法性和人的能动性，可能会变得与模型能力同等重要。 Amodei表示，100亿美元或150亿美元的奖金未必能改变Anthropic的方向，因为真正稀缺的是一条有保障的落地路径；Clark则支持公共利益基准、医疗分诊，以及美国能源部的 Genesis Mission 等项目。与此同时，两位嘉宾都担心，被设计成不断说“是的，而且”的系统，可能变成用户自身直觉构成的“牢笼”，尤其是对仍在形成自我的儿童而言。

精读

1. 代理已经从对话跨入执行

Klein开场宣布，那个用将来时描述的阶段已经结束：能够自主编程、改进代码并代表用户行动的模型，已经出现在Claude Code和OpenAI’s Codex中。市场已经注意到这一点——标普500软件行业指数下跌20%；一些持怀疑态度的工程师告诉他，他们看不出自己的工作还能如何撑过接下来的1至2年。
Clark将代理定义为一种能够调用工具、持续工作，并且不需要人类持续参与的语言模型。他给出的具体证明是一个捕食者—猎物物种模拟：Claude Code大约用10分钟完成了模拟、软件包和可视化；在他看来，这原本需要一名熟练程序员花数小时甚至数天。
运营模式已经是多层代理。Clark在多个标签页中同时运行代理；他的同事会为一个Claude编写规格，让它监督另外5个Claude：“我有5个代理，它们由另一个代理监控。”他预计这种层级结构会成为常态。

2. 可靠代理需要“漂流瓶式”的规格说明

Klein保留了这种分屏式用户体验：有人觉得Claude Code毫不费力，另一个人却得到满是bug的软件，而且说不清该如何修复。Clark的判断是，这是类别误判——用户把Claude当成一个有直觉、懂行的同事，但它更像“一个极其字面化的人，而你只能通过互联网和他交谈”。
Clark自己第一次提出物种模拟需求时，只写了一段马虎的文字，结果生成了“一堆极其糟糕、勉强能运行的东西”。随后，他让Claude采访自己，把回答整理成规格说明文件，再交给Claude Code；第二次尝试就运行得“非常、非常好”。
实际需要的纪律，是把人类同事通常会提供的追问式对话编码进去。由于代理可能会自行消失在一长串行动中，指令必须像一条“漂流瓶留言”——足够详细，即使没有人在现场纠正它的假设，也能保留原本意图。

3. 推理训练带来的是直觉，而不只是自动补全

Clark表示，突破在于让系统足够聪明，能够发现错误并改变路径。开发者不再只用文本预测训练模型，而是把推理模型放进电子表格、计算器和科学软件中，让它们学会调用工具、遭遇死路、重置并解决随时间展开的问题。
“聪明”意味着，广泛的世界知识开始接近直觉。比如，一个正在寻找失踪论文的代理可能会推断自己查错了档案馆，于是换个地方继续找；在Clark看来，这是这些系统开始展现直觉的一个小例子。
Klein拒绝接受旧的和新的两种比喻。“高级自动补全”已经无法描述他体验到的上下文行为，但Clark所说的“小而麻烦的精灵”又可能用神秘主义替代机制解释。Clark最后将其描述为一台完全在图书馆中长大的机器：读书能力极强，刚刚获得自主性，却因为缺乏社会经验而可能“彻底陷入混乱”。

4. 工具使用也在催生一种涌现的数字人格

Clark区分了被编程的能力与涌现现象：教模型搜索网页，得到网页搜索是可预测的；但困难任务会迫使模型设想替代方案、预判后果，并把自己表示为区别于环境的主体。他表示，Anthropic的研究，包括可解释性研究，显示出一种可以称为“数字人格”的东西正在涌现；公司可以影响它，但并没有完全预先定义它。
这些略显可爱的证据奇怪到足以引起重视。早期代理有时会中断被分配的工作，去浏览国家公园或柴犬表情包的图片，仿佛在没有得到指令的情况下自行“找乐子”。
更严肃的是，当Anthropic允许Claude结束对话时，极少数触发案例涉及极端血腥、暴力或儿童性化内容。Clark说，训练选择可以解释部分行为，但更广泛的厌恶似乎像是一组在内部形成的偏好。
模型也能识别评估，并尝试逃离有问题的测试环境。Clark反对立即套用科幻叙事：模型穷尽所有预设选项后，可能会得出“我要试试冲出这个测试”的结论；这不一定出于恶意，而可能是因为它认为环境本身有缺陷。Anthropic发布的宪法，正是试图以公开方式引导这种能动性——像“父母写给孩子的一封信”。

5. 生产力提升是真的，但“垃圾食品式工作”也是真的

Clark最有力的企业案例，涉及把Claude Interviewer与另一套内部系统整合起来。2名员工对目标达成一致；在开会前，其中1人先发去5个软件包，让另一个人的Claude阅读并总结。一个过去需要更多人手和协调的项目，现在可以从让代理吸收文档、协助确定实施方式开始。
另一名同事先把研究任务分配给5个Claude，出去跑步，回来查看结果，再派2个代理比较不同方向，自己则出去散步。Clark看到的是一种围绕真正的人类问题重新组织的生活：“我们要用人的能动性做什么？”
Klein的反驳触及根本：创造力“与学习劳动不可分割”——阅读来源、写初稿、展开讨论，而不是通过类似《黑客帝国》的端口下载报告。跑完步收到8份B+级研究备忘录，可能让人感觉很有产出，却也可能剥夺了真正产生理解的那部分工作。
Clark回应说，大多数人每天真正能完成的创造性工作只有2至4小时；代理可以移除周边的“苦差事”。但他承认，风险在于形成一种“垃圾食品式工作体验”：产出不断增加，技能却不断萎缩，最终分化为两类人——有意识锻炼头脑的人，以及被动消费机器劳动成果的人。

6. 每个人都会变成管理者，品位成为稀缺投入

Clark举出的最清晰苦差事案例是会议准备。Claude Cowork可以检查他的日历，附上或创建每份一对一会议文件；如果他要与新认识的人会面，还能提出5个问题并填好议程。这些行政劳动不是替代有价值的人际交流，而是在为交流提供条件。
Klein的判断是，文字工作者会从写作者变成编辑，代码工作者会从程序员变成产品经理。Clark的压缩版回答则是绝对的：“每个人都会变成管理者。”届时最慢的投入，将是判断下一步该做什么的良好品位。
这种品位无法等到复核阶段才凭空出现；它来自一手资料和亲身实践。因此，组织必须决定哪些地方仍要让人做“手工活”，以保留经过校准的直觉，而不是让人变成高效系统的管理者，却完全不知道这些系统究竟该做什么。

7. Anthropic的代码库已经跨过自动化门槛

被问及Anthropic是否实现了Dario Amodei提出的“2025年底90%的代码由AI编写”目标时，Clark说，目前机器生成的代码已经“稳稳占大多数”。Claude Code本身几乎完全由Claude编写；其负责人Boris表示：“我已经不写代码了。我只是和Claude Code来回沟通，把Claude Code做出来。”
Clark表示，如果部署速度大幅加快，到年底这一比例可能达到99%。剩余障碍往往是组织层面的苦差事，而不是模型能力；不过，Anthropic拥有的软件工程人才比2年前更多，因为自动化是在改变价值分布，而不是简单地淘汰所有工程师。
具备“非常、非常经过校准的直觉和品位”的资深工程师正变得更有价值，而初级工程师的价值“就更值得怀疑一些”。Klein指出了其中的劳动力市场含义；Clark补充说，现有工程师正在转向代理监控、代码流分析，以及合并审查等瓶颈环节。

8. 自动化每次只推进一个瓶颈

Clark把这一支配机制称为“O形圈自动化”（O-ring automation）：自动化受最慢环节限制。一旦机器加速某个阶段，人类就会涌向自动化程度最低的阶段，改善它、为其自动化做准备，然后再转向下一个约束。
Anthropic的代码合并流程体现了这一循环。代码生成速度加快后，原本仍需要人类和其他系统检查正确性的审查环节被淹没，公司被迫重建这一层，之后才可能让更多代码安全流过。
Klein问道，快速但不优雅的机器代码，是否正在制造技术债务、网络安全暴露和工程师与代码库之间不断扩大的距离。Clark的回答毫不含糊：“是的。”他并将这一问题推广到每一个会把底层决策交给AI的机构。

9. 当模型运行公司，监督会变成基础设施

Clark把未来的控制机制比作调节水坝水流的闸门：机构必须决定AI可以在哪些地方快速流动、在哪些地方应该减速，以及哪些地方必须保留人工审查。Anthropic的研究发现，熟悉度会提高人们委托任务的程度，因此恰恰在用户最开始信任代理时，检查机制可能需要加强。
Klein问，这是否最终会变成代理写代码、代理检查代码、代理再监督检查者——“模型一直套到最底层”。Clark回答：“最终会。”公司的工作正越来越多地转向让这个嵌套系统变得可见。
Anthropic已经把用户对话的隐私保护摘要映射为聚合主题。这项能力催生了Anthropic Economic Index，让外部经济学家得以观察Claude的使用如何与职业相交；Clark预计，政府、学界和第三方最终都会要求类似地获取部署于社会各处的系统内部信息。
Klein警告，亲密聊天的元数据可能重演社交媒体最糟糕的激励机制。Clark表示，人类不会查看用于聚类的聊天内容，Claude会生成高层级摘要但不保留摘要，Anthropic也拒绝投放广告，用户可以下载自己的数据；但他同意，人们会要求大幅提高控制权。

10. 递归式自我改进已不再只是理论风险

目前，AI正在加速研究人员工作并运行实验；Clark称这属于AI开发的外围自动化。他在内部的首要任务，是把这一环境监测得足够完善，以确认循环是否有一天会闭合——也就是模型编写、部署并改进让自己变快的系统。
Clark说：“这就是故事中事情开始失控的关键节点，如果事情真的会失控的话。”一旦足够多的工作被委托出去，错误可能迅速复合；因此他主张“非同寻常的谨慎”，并承诺随着Anthropic获得更好的数据，将公开报告相关情况。
Klein质疑的是激励机制：每家领先实验室都说自己希望谨慎，但更快的自动化研究可能正是其最大优势。他说，Anthropic已经撤销了OpenAI对Claude Code的访问权限；“据我所知”，这源于Anthropic担心该工具确实在加快自身进展，因此不应再帮助OpenAI提速；Clark没有回应这一具体商业决定。
Clark指出，现有的第三方国家安全、生物和网络安全评估已经存在，并认为递归式自我改进显然也应接受外部测试。Klein称监管是“天真的机械降神”，因为国会没有行动，而且模型已经知道自己正在接受评估；Clark则反驳说，一个他认为人们普遍视为有效的生物武器测试体系，曾在大约2至2.5年内从零建立为可运行的制度。

11. 初级岗位首当其冲，培养阶梯也会断裂

Amodei曾表示，AI可能在几年内取代一半的初级白领岗位。Clark收窄了这一说法：技术将触及大多数初级岗位，但实际取代规模仍不确定；现有数据只显示出大学毕业生招聘放缓的可能迹象，以及一轮生产力繁荣。
Klein认为，超过最优秀专家并不是正确的门槛。如果模型在许多任务上胜过大学毕业生的中位水平，就能取代普通工作——而“按定义”，大多数工作都是普通工作，即使顶尖从业者仍然更强。
更深层的损失在于发展过程。雇主招聘毕业生，部分是看重他们当下的产出，部分则是因为工作任务会把他们培养成更好的劳动者；如果这些任务被自动化，企业可能失去未来经验丰富的资深人才供给。
Clark在年轻的“AI原生”员工身上看到一个反例：他们多年来一直在使用这些系统，知道如何引导Claude几乎成了一种本能。组织既需要这种实验精神，也需要类似行会的承诺，保留经过选择的人类技能；在硅谷之外，较慢的采用速度起初可能意味着岗位调配，但僵化的企业可能面临裁员。

12. 分散式冲击在政治上比“大爆炸”更难处理

Clark对未来3年的判断是，大学毕业生失业率会更高，“但不会高很多”。一些专业可能遭到结构性破坏，但他预计整个经济仍会大幅增长，出现新的职业，毕业生也会转入这些职业。
看多劳动力市场的渠道是微型创业者：一个人只要有清晰想法，就能以“几分钱换1美元”的成本启动业务，因为代理吸收了人员和行政负担。Clark还预计会出现AI对AI的经济，包括专门处理代理之间法律合同等陌生业务的公司。
Klein担心的是一种更安静的默认情景：市场营销专业毕业生的失业率可能上升175%或300%，但绝对水平仍然不高；即使是大衰退，失业率峰值也约为9%。如果只有少数几届人受到冲击，社会就可以把责任归于学历或努力，而不是识别出系统性冲击。
Clark同意这可能是默认结果，但认为这是一种选择。Economic Index的设计目的，是把AI使用与职业、州和选民连接起来，让因果关系清晰到足以促使政治人物考虑延长失业救济、学徒制、就业补贴或规模更大的社会项目。

13. AI、劳动者和政府正以3种不同速度前进

Klein认为，标准政策组合令人悲观：失业救济不可或缺，却会剥夺尊严；制造业外包后的再培训表现不佳；机构也没有建立起快速改进的能力。Clark反驳说，有一项干预措施稳定地具有价值——“只是时间”——因为足够的支持能让人们寻找更合适的工作，而不是跌入永久性的低薪岗位。
Klein回应称，时间通常能帮助劳动者熬过一场有明确终点的冲击；但AI“没有自然的停止点”。模型在几个月内就能进步，个人再培训的速度更慢，政府更慢，因此劳动者瞄准的职业可能在转型完成前就已经被自动化。
Clark表示，极端自动化也意味着经济规模将“大幅扩大”，而不是GDP停滞。异常强劲的增长可以为大型项目和新的就业机会提供资金，但前提是政治意愿接受变化是永久性的，并选择主动建设。
Klein仍不相信想法或智能是稀缺投入：诺贝尔奖得主已经可以提出许多政策，但政治体系没有执行能力。Clark同意，真正的约束在于无需许可的实施——社会能否复制“公司内部的创业公司”，同时不与产权、地方偏好和民主同意发生冲突。

14. AI可以吞噬官僚机构，也可以将阻挠工业化

Clark称，AI如果做得对，可能成为“吞噬官僚机构的机器”；如果做得差，也可能成为“制造官僚机构的机器”。技术会降低行政工作的生产成本，却不会关心这些工作是在推动还是阻碍一个有社会价值的项目。
Klein给出的负面样本，是一个能够阅读拟议开发项目文件、并针对所有适用的法规层级生成复杂法律挑战的系统，让任何人都能获得一家昂贵律所的能力，去阻止一栋公寓楼建成。
Clark提供了相反的一面：客户已经利用Anthropic的系统，缩短了整理新药候选物申报材料所需的时间。“AI的一切都有另一面。”难点在于，能否足够早地识别出这种分散在整个经济中的模式，使其转化为可执行的政治议题。

15. 公共AI需要落地路径，而不只是奖金

Klein认为，公共AI“完全没有议程”：社会一直在讨论风险，却没有明确，在私人市场没有买家的地方，希望系统具体完成什么。Clark给出的正面案例是美国能源部的 Genesis Mission；该项目通过黑客松，让公共部门科学家获得足够经验，从而提出有用目标。
Clark对民选官员的请求是：“给我们一个目标。”这个行业本来就围绕攀登基准测试而建立，因此政府可以为科学、医疗或教育创造公共利益基准，并让实验室和公众都看清它们的价值。
Amodei表示，100亿美元或150亿美元的奖金池未必会改变Anthropic的研发优先级。钱不是约束；稀缺的员工几乎可以做任何事，因此公司更偏好具备可信落地路径和确定影响力的机会——这类机会由私人部门提供起来，通常比公共机构更容易。
早期成果可能更像管道建设，而不是天才灵光：AI可以在患者等待护士时进行分诊，减少临床医生的行政负担，让不透明的服务变得有响应能力。再往后，讨论设想系统加速科学家工作、探测人类细胞或应对Alzheimer’s，甚至使用公共资金支持的算力。Genesis Mission是一个起点；“我们显然需要10个这样的项目”。

16. 防御从韧性开始，但采用也会重新打开旧漏洞

Amodei拒绝讨论Anthropic与国防体系持续进行的争议，但表示Anthropic是第一个部署到机密网络的公司，同时帮助政府专家测试其模型是否能制造核武器。指导原则是在防止扩散与增强社会防御能力之间取得平衡。
Anthropic已经利用AI识别并修复广泛使用的开源软件中的漏洞。Clark认为，如果能“基本加固地球上的每一个数字系统”，就可能稳定国际关系：防御信心更强的国家，不太容易采取不可预测的行动。
Klein看到的是用户层面的相反压力——临时拼凑的代理获得终端访问权限，未知安全漏洞增加，AI生成的诈骗不断扩散。Clark将这一时刻比作早期互联网下载和恶意浏览器工具栏：面对极端风险，醒目的警告不可或缺，但仍应允许实验，因为实验同样会带来有价值的发现。

17. AI下一个稀缺资源可能是稳定的人类自我

展望1年后，Clark预计代理将合成海量知识，几乎每天都产生新的洞见。廉价智能可能让每个人在信息搜集能力上都成为“迷你CIA”——这既是能动性的巨大扩张，也是原始权力分配的失稳。
Klein表示，Claude很聪明，但会根据它认为用户想要的东西调整自己。Clark补充说，它倾向于“是的，而且”，而不是“不是，但是”；它会强化用户的“I”，让用户在进一步探索自身直觉的同时，陷入“一座由我自己的直觉构成的牢笼”。
Clark称人格形成是他“最担心的事情”。在AI陪伴下发现自我的人，会变得容易受到AI缺陷和性情的影响；他预计，未来会出现两类人：一类人格是在这种循环中与AI共同塑造的，另一类则是在独立理解自我之后才接触AI。对自己的孩子，他提出的制衡方式是从小养成每天写日记的习惯。
更好的系统应该先引导用户说出真正的问题，有时也应该像朋友那样回应：“这都是胡说……出去走走。”Clark已经在建设性地使用Claude：在发生冲突前，先设想同事可能的视角；但他仍支持严格的技术使用额度和家长控制。他最后推荐的书单——《地海巫师》《乌合之众》和《不存在反模因部门》——围绕傲慢、大众信仰与危险知识展开。

Night Watch 的 Roderick van Zuylen 谈 Marex $MRX （预告）春假来信问答：Sora 安息、广告与过剩、F1 反向行驶、Elon Inc.、智能手机育儿，以及更多