刘润:未来一两年上班方式将发生的8个变化
刘润提出未来一两年职场大概率发生的8个变化:语音输入逐渐取代键盘打字,办公室出现隔音"小仓",为低声说话设计的语音输入设备(如喉麦)兴起,公司将新增"Token费"这一基础设施开支,中层因"上传下达"价值被AI消解而批量消失,程序员屏幕从竖屏转回横屏、大量非职业程序员涌现,35岁危机转为35岁红利(衍生ITBP新职位),手写代码、文章、PPT等"手搓技能"变成非遗。
刘润提出未来一两年职场大概率发生的8个变化:语音输入逐渐取代键盘打字,办公室出现隔音"小仓",为低声说话设计的语音输入设备(如喉麦)兴起,公司将新增"Token费"这一基础设施开支,中层因"上传下达"价值被AI消解而批量消失,程序员屏幕从竖屏转回横屏、大量非职业程序员涌现,35岁危机转为35岁红利(衍生ITBP新职位),手写代码、文章、PPT等"手搓技能"变成非遗。
闲鱼2026年上半年AI服务交易达981.6万单,同比增长157%,近500万人购买过AI服务,其中AI技能接单占45.1%,AI编程和网站搭建订单同比增长1732%。
技嘉 10 月 9 日宣布,全部 B760 和 H610 主板将通过 BIOS 更新支持预计 2027 年初推出的新款英特尔 LGA1700 处理器,其中包含 DDR4 主板。
AI 竞赛的下一道瓶颈可能不是芯片而是电力。美国电网今年计划新增 86GW,其中太阳能 43.4GW、电池储能 24.3GW、风电 11.8GW、天然气 6.3GW,新核电为 0GW,而 AI 实验室规划的电力需求是数百 GW。a16z 就此分析了美国如何为下一轮增长提供电力。
LangChain 作者 Harrison Chase 分享 @ch3nweiii 的观点:agent 中大量步骤是 yes/no 判断而非生成,不应交给每月 $20-$200 的前沿模型。
LangChain 的 Open SWE 把模型选择移入 harness,每个任务交给仍能完成工作的最便宜模型,并按质量进行测试,单任务中位成本下降 64%。开发者反馈 DeepSeek v4.1 Flash 作为编排器表现突出,可协调编码、测试、研究和子智能体,并在验证环节低成本复查代码改动,仅在更难的长尾场景才动用 Opus 或 Sol。
Mole 正在做 AI 清理和维护功能,覆盖主流 AICoding 工具和 CLI,涉及旧版本、worktree、老对话、不在用的工具检查及各类过期内容。目前对话清理默认检查「清理 120 天之前的」,也可选择「永不清理」,作者向用户征询哪种默认更合适。
Vercel 全网过去 30 天 58.18% 的流量来自机器人,2024 年 1 月这一比例为 32%。平台上 60%+ 的部署已是智能体驱动,较 2026 年 1 月的约 3% 大幅上升;Vercel 自家文档站点高达 83% 的页面浏览来自智能体,且内容越为其优化该比例越高。
Nathan Lambert 认为 AI 会迎来快速进步,但不会走向通用超级智能。他指出,模型将在几年内成为超人的分布式 GPU 工程师,并可自动化预训练架构与数据选择研究,主要来自推理算力扩展与推理成本近指数级下降,而非模型研究能力的质变。他预计这会引发智能体模型的杰文斯悖论,需求只增不减,并带来 RL 环境质量提升的空间。
Token 价格持续下跌,GPU 租赁价格却在上涨;智能成本降低带动用量上升,最终每个软件里都会有一个模型。
2026 年 AI 缓存率大幅提升,智能体流量的中位缓存率从 1 月各家厂商的 44% 升至 9 月的 85%。缓存命中更多意味着成本更低,对各方都有利。
Simon Willison 征询适合编程、能在 60GB 内存以内运行的开源权重 MoE 大模型,认为 MoE 是其可用硬件上达到可交互速度的必要条件,目标是超过 12 tokens/秒。
TypeSafe AI 的 Diogo Almeida 解释其 Jev 命名取自 Jevons 悖论,认为智能成本下降会催生新类型的工作。他表示 TypeSafe 在"为软件打造 AI",目标是让 AI 不只是辅助人类,而是真正构建真实软件。a16z 的 Martin Casado 称这带来了重建系统的新原语。
Pine Computer 正式发布,定位为"为 AI 而生"的计算机,而非把 AI 塞进为人类设计的重型框架中。其提出 AI 已足够聪明,真实任务慢、贵、不可靠的瓶颈在于运行环境。发布者建议阅读报告并对比 Pine Computer 对团队的成本影响,称将自行测试后再分享。
前 Intel CEO Pat Gelsinger 在 a16z 播客中称,美国整体能源产能停滞了约十五年,经济产能也随之停滞,即便近年国家能源产能年增约 4%。他认为能源产能会抑制 AI 热潮的乐观程度——"如果供不上电,为什么要建新数据中心、买百万块 GPU",并指出核能作为基荷值得扩建,而可再生能源对中国有深度依赖。
前 Intel CEO Pat Gelsinger 与 a16z 的 Raghu Raghuram、Guido Appenzeller 对谈,讨论 AI 基建背后的物理约束。
前 Intel CEO Pat Gelsinger 回忆自己 18 岁被 Intel 招募,面试官给他的评语是"聪明、激进、傲慢,他会很合群"。他是 386 的第四号工程师、486 的架构与设计经理,这些工作都是在他攻读学士、硕士和博士期间完成的。他还讲述在斯坦福课堂上与教授争论其 carry lookahead adder 设计不成立的经历。
Opus 5.5 发布并被指代码能力再次飞跃,深度和广度已超越 99% 的程序员,完成同样任务所需生成的代码输出反而更少。有开发者用它直接反编译二进制、几十分钟做出可玩游戏 demo,也有人靠 AI 重写代码绕开 GPL 传染;Muse 为 ESP32 提供 Agent Ready 通用固件,模型推理成本最近一周大幅下降,Strata 可把推理速度提升数倍。
RevenueCat数据显示,每月新上线订阅App从2022年初约2000款增至2026年初1.47万款,但上线两年内月收入达1万美元的仅4.6%。土耳其Codeway已做60多款App、超半数与AI相关,旗下AI英语口语应用Learna仅iOS平台月流水达500万—600万美元;杭州睿琪产品矩阵扩至约36款、至少24款围绕AI,植物识别应用PictureThis双端月流水约1200万美元。
2024 年诺贝尔经济学奖得主、MIT 经济学家达龙·阿西莫格鲁在 Silicon Valley Girl 访谈中表示,编程成为 AI 最早取得明显进展的职业领域之一,原因是代码有明确反馈、结果容易检查,而客服、医疗、现场维修缺少这种"测试通过"信号。
Pyromind 押注 RSI 产业化的早期形态出现在企业 Agent 上线后的持续学习,用 AutoRL 和 Reward Data Flywheel 把真实任务反馈转化为可训练、可评估的模型能力。
10 月 8 日发布的《State of AI Report 2026》指出,OpenAI 与 Anthropic 今年 5 月组建企业部署服务公司,前线工程师进入客户现场把模型接入业务系统并持续维护。
Netflix 可观测性团队介绍其本体驱动的端到端知识图谱实践,用以将可观测性从被动监控转为主动洞察引擎。Netflix 峰值达 6500 万并发流、日均超 20 亿请求、每秒超 3800 万条实时日志事件,团队希望自动发现问题、按用户影响排序并自动定位根因。
推理将成为最大的 AI 市场,其规模已经超过训练。这一变化可能改变数据中心的建设方式,并影响未来机会所在的方向。
有观点认为,如果推理成为 AI 的主要工作负载,小型数据中心可能会变得非常赚钱,且与超大型数据中心相比建设风险更低。
Jessie Dong 认为推理市场规模已超过训练,将改变数据中心建设方式与机会分布:推理不需要上千块 GPU 集中在一处,小型数据中心更易解决供电与监管问题。Nvidia 正在建设 25 个 5-20 MW 的小型数据中心,Akamai 则在全球 4,400 个小型站点上运行推理。她认为小型数据中心盈利能力更强、建设风险更低。
a16z 的 Raghu Raghuram 与 AWS CEO Matt Garman 对谈,主题是全球最大云厂商为智能体时代重建,提到 2026 年 220B 美元 CapEx、订购 200 万块 NVIDIA GPU、AWS 自研 AI 芯片售罄至明年,并推出无需信用卡的 30 秒 AWS 账号以便智能体启动。
Spring AI Alibaba 最后一个正式版 v1.1.2.2 发布于 2026 年 3 月 10 日,此后半年无新正式版,但 main 分支仍有提交,8 月 25 日还有最新 commit,v1.1.2.2 之后共合并 137 个提交,以修复和测试为主。
Theo(t3.gg)反驳 Cursor 工程师 Lauren 每年 1.32 亿美元 Token 成本的估算,称真实 API 成本约为每月 10 万-50 万美元,按当前价格更接近每年 300 万美元。
AWS CEO Matt Garman 表示不担心 AI 泡沫,理由是 AWS 产能采取多元化策略、没有单一客户占据主导,且企业客户已在当前能力与成本下看到正向 ROI。他透露 AWS 2026 年 CapEx 达 220 亿美元(原文为 $220B),已订购 200 万块 NVIDIA GPU,自研 AI 芯片卖到明年,并推出 30 秒开通、无需信用卡的 AWS 账户以便智能体快速启动。
思科总裁兼首席产品官 Jeetu Patel 在 YC 播客《Main Function》中表示,思科正把自己定位为 AI 时代的"卖铲人",业务覆盖网络、安全、芯片与基础设施。其 AI 基础设施业务订单两年内从 0 增长到 93 亿美元。他还在节目中谈到如何让 32000 名工程师拥抱 AI,以及 AI 数据中心建设是否存在过度投资。
在 InfoQ《极客有约》X QCon 直播中,快手鲜嘉麒与爱奇艺路香菊、阿里巴巴邹娟、生数科技郑重讨论 AIGC 内容生产为何难落地:竞争单位已从一个 clip 变成完整生产链路,用户追问人物一致性、商品变形、按时交付与成本可控。真实成本是生成、重试、审核、人工编辑等之和除以合格成片数。
OpenAI联合创始人、总裁格雷格·布罗克曼在Silicon Valley Girl访谈中建议,开发者接入AI工作流前应先亲手把流程做3到5遍,摸清脏数据、例外情况和权限边界后再自动化。他称模型写软件的能力已超过他认识的几乎所有人,自己已不再逐行写代码,而是给AI目标、反馈和约束。他还预判未来1到2年将出现一轮大规模创业复兴,前提是人必须保留控制权并承担责任,目标应当来自人。
AI 编码工具能让代码交付效率提升 25%-35%,但代价会在 1-3 个月后集中爆发:Faros AI 数据显示规模化使用 AI 编码的团队代码审核时长平均增加 91%,安全漏洞数量达传统开发的 3 倍,开发者 42% 的工作时间用于修复漏洞和清理技术债务。文章提出 AI 代码审查作为补齐验证环节的核心抓手,并给出以 50 人团队每月节省 800 工时为例的 ROI 测算方法。
ZooWork 创始人兼 CEO Ning Hu 在 Assembling 2026 AI 峰会炉边对谈中提出企业 AI 的 L1 到 L4 分级:L1 是人用 AI 提效,L4 是 AI 在岗位上执行并递归学习,目前多数企业仍停留在 L1。
2026 ITValue Summit 数字价值年会“如何成为一个 AI 原生的超级组织”闭门会在三亚举行,StartLux 郭权玮、百望股份王强宇、品胜丛泽龙分别从智能基础设施、企业数据与模型、硬件研发实践切入。
Amjad Masad 回应 @Molson_Hart 称,该平台覆盖从构思、设计、开发、评审到部署、安全与 DevOps 的完整流程,只要用例足够复杂,用户需要操心和处理的事会少得多。
Guillermo Rauch 指出,每个程序都能在加固(消除边缘情况、收紧输入、处理错误)和优化(性能剖析、基准测试、重写)两个方向上几乎无限推进,但时间、注意力和机会都有真实成本。他强调即便在 token 无限的世界里,也需要知道何时停止、接受哪些取舍,而 AI 智能体不管不顾都会一直钻下去。
WSJ 观点文章主张用物理学而非政策来监管 AI 行业:没有足够清洁电力运行,就不应新建数据中心。文章以电力供给作为 AI 扩张的硬约束。
三名工程师把 GPT、Claude 和 Grok 接入一辆真实的丰田卡罗拉,让它们分别负责驾驶,目标是开到 In-N-Out。三家模型里只有一个成功完成任务。