👇关注公众号后设🌟标，掌握第一手AI新动态
本文访谈内容整理自Tessl创始人Guy Podjarny接受20VC with Harry Stebbings Youtube频道专访，公开发表于2024年11月29日。原始内容参考：https://www.youtube.com/watch?v=3NROBOxVMLA
Tessl创始人盖伊·波贾尼接受20VC with Harry Stebbings专访
★内容导读：
本文主要围绕人工智能、SaaS行业和软件开发的未来趋势展开，盖伊（Guy）分享了他对这些领域的深刻见解，主要观点如下：
大型语言模型的局限性： 盖伊认为当前的大型语言模型（如GPT-5）可能面临架构问题，在推理能力等方面进展缓慢，未来一两年可能停滞不前。 “通用人工智能”的定义模糊，一些宣称其即将到来的人可能有融资方面的动机。 模型的专业化与通用化： 短期内，专业化模型在效率和准确性方面可能更胜一筹；但长期来看，更通用的模型将占据主导地位。 这取决于规模法则是否持续有效，以及专门化模型能否长期保持优势。 人工智能的非技术性障碍： 人工智能的广泛应用不仅受技术限制，也受法律、保险等社会因素的制约，这些因素会延缓其发展和普及。 孙正义关于AGI的投资和回报预测，盖伊认为投资规模可能大致正确，但时间范围难以评估。 人工智能投资的泡沫： 目前人工智能领域存在大量资金涌入，很多公司做着相同的事情，导致资源浪费，未来可能出现“幻灭的低谷”。 但盖伊认为这并非因为人工智能本身的前景黯淡，而是因为当前的投资和预期过于疯狂。 人工智能开发工具： 虽然AI开发工具（如Copilot、Cursor）能提高效率，但其代码质量和可靠性仍有待提高，存在“AI的锯齿状边缘”问题。 易用性是目前AI工具最大的优势，而那些无需改变现有工作流程的工具更容易被采用。 SaaS业务并非仅仅是代码： 盖伊认为单纯依靠代码无法构建成功的SaaS业务，数据、分销渠道、客户关系等因素同样重要。 认为仅凭AI就能轻易复制SaaS业务是错误的。 巨型开发与AI开发工具： 巨型开发指的是将更多任务委派给机器，而AI开发工具则更注重赋予开发者更多控制权。 两者之间存在差距，未来如何突破到更大的巨型开发仍需探索新的软件开发方法。 开放与封闭的平台： 盖伊对封闭的AI开发平台和生态系统表示担忧，担心少数公司掌握强大的计算模型，而开发者失去控制。 软件开发人员的角色转变： 未来，编码在软件开发人员工作中的占比会减少，更多的人会转向架构师或产品经理方向发展。 架构师将更注重系统思维和战略决策，产品经理将更注重用户体验和需求。 科技公司的结构变化： 虽然科技公司的基本结构不会发生剧烈变化，但不同职位的角色和职责范围将会发生改变，软件开发速度加快，对战略决策和系统思维的需求增加。 安全问题： AI开发工具的普及增加了软件安全风险，因为未经充分审查的代码越来越多，且代码维护和所有权问题突出。
盖伊·波贾尼简介
盖伊·波贾尼（Guy Podjarny）是AI软件开发创业公司Tessl的创始人兼CEO，他是一位在云计算和软件工程领域享有盛誉的企业家和技术领导者。他最为人知的是作为Snyk公司的联合创始人兼首席执行官。Snyk 是一家专注于开发安全性的公司，其产品旨在帮助开发人员在软件开发的早期阶段发现并修复安全漏洞，从而提高软件的安全性。
访谈全文
主持人： 伙计，我对此感到非常兴奋。听着，我每次从我们的谈话中都能学到很多东西。非常感谢你今天加入我。
盖伊： 感谢你再次邀请我。显然，如果要再谈一次，上次我说了一些有趣的事情。
主持人： 老兄，我每次都从我们的谈话中受益匪浅。现在，我有一些比较尖锐的问题，我想先快速过一下人们说过的话以及我们是如何看待的。现在，孙正义说，英伟达今天被低估了。你同意还是不同意，为什么？
盖伊： 我认为这实际上是一个包含三个问题的问题。第一个问题是，英伟达所在的市场是否会继续增长？我认为答案是绝对肯定的。人工智能的半导体，毫无疑问，将会增长。我认为这个领域会有更多的参与者。
但我认为第二个问题是，英伟达将占据多少市场份额？我相信他们将继续占据主导地位。我不知道具体的百分比，但我认为他们做了一些非常聪明的事情，例如利用他们巨大的、难以复制的领先优势。他们明白，例如云计算具有分销优势。因此，他们正在构建云计算，并利用其半导体优势。所以我认为他们将在很长一段时间内保持领先地位。
我认为第三个问题是关于目前 35 倍的营收倍数。这一个比较棘手，因为它实际上不是他们是否会增长的问题。问题是你是否应该把这笔钱投资到其他股票中，以及这些股票是否会增长得更快。这个问题对我来说有点难回答。
主持人： 所以，我唯一有疑问的是市场本身，我认为每个人都会惊讶于我质疑这一点。每个人似乎也承认，我们实际上将经历这个幻灭的高峰或低谷，公司会意识到，实际上，这第一批人工智能工具的投资回报率尚未得到证实。实际上，这将是人工智能领域的某种萧条，这可能会导致未来一年对英伟达芯片的需求减少。
盖伊： 嗯，我认为，首先，他们已经销售了很多承诺。所以我认为他们相当一部分的收入是很有保障的。但我同时也认为，这里的核心技术具有复合效应。它不断发展，变得越来越好。因此，他们很可能也是最能够以最便宜的方式生产产品或以最少的计算量或其他类型的节省来实现产出的公司。这不仅仅是能够处理越来越大的模型，这也是其中一部分。所以我认为这些只是在制造、知识产权、能够处理这些的流程、CUDA 以及在其之上的整个开发环境之间。我认为所有这些都是相当持久的优势。
主持人： 你认为企业会认为人工智能实际上并没有带来他们想要的价值，从而经历这种幻灭的低谷吗？
盖伊： 我认为会的。但这并不是因为人工智能不像以前那样有前途了。只是因为目前的数字有点疯狂。
主持人： 数字疯狂了，还是应该创造价值的时间安排很疯狂？
盖伊： 嗯，我认为目前很多人工智能预算都非常不稳定，对吧？资金涌入，人们在花钱，他们正在尝试各种东西，并且对它们寄予厚望。我认为从长远来看，这是正确的。但很难想象人们会适应，流程、公司以及工作方式会快速适应，以便在一段时间内真正获得回报。所以会有一些惊人的赢家。但是，是的，我认为很多事情都会朝着不好的方向发展。我认为最大的问题也是所有这些小型初创公司，大约有 1000 家。我认为在某些情况下，甚至可能会有 10000 家公司做着完全相同的事情。所以，无论它们有多好，用例有多好，几乎都没关系。很多钱都是多余的。你知道，很多公司都在做同样的事情。所以这肯定会，你知道的，很多都是浪费。
主持人： 我无法告诉你我见过多少为财富经理、牙医、甚至狗服务的笔记记录软件，我简直是……好吧，别提了。好的，继续说，Masa（孙正义） 曾经说过，实现通用人工智能的累积成本为 9 万亿美元资本支出，但好处将是 GDP 每年增长 9 万亿美元。你同意还是不同意？
盖伊： 是的，我认为投资将会很大，但我认为人们低估了采用人工智能的非技术方面。我认为人工智能是一种变革性或颠覆性技术，而不是一种维持性技术。它需要人们改变。它需要问责制的改变，保险等等。关于社会如何接受这些创新，将会有很多延误。
我的意思是，采用人工智能律师的障碍不是技术，而是法律，对吧？或者关于如果律师给你错误的建议会发生什么情况的保险。在这种情况下，你应该起诉谁？我们在自动驾驶汽车上也看到了同样的问题；获得监管批准需要很长时间。是的，技术是其中一部分，但实际上很大一部分是关于社会是否准备好接受这些变化。
我认为有很多投资，但也有时间范围需要考虑。投资规模可能大致正确，尽管很难评估是 9 万亿美元、15 万亿美元还是 3 万亿美元。这些都是非常巨大的金额。我相信最终结果将非常值得。然而，时间范围更难评估，不是因为技术本身的演变。
主持人： 我的意思是 Sam Altman 说通用人工智能会在 2025 年到来，所以这是一年忙碌的一年。
盖伊： 是的。这是一件很容易说的事情，因为通用人工智能的定义非常模糊。所以你基本上可以说这句话，并且几乎可以声称它是正确的。
主持人： 我认为是我们的共同朋友 Tom Hume 对我说过，我可能在这里暴露了他，但这非常聪明。他对我说，实际上，观察那些说通用人工智能即将到来的人，主要是 Sam 和 Elon 这些人，他们需要不断融资，并观察那些不需要融资的人，主要是扎克伯格和 Demis，他们说这要遥远得多。这就是核心关联性。
盖伊： 我认为这绝对是正确的。而且存在激励机制。激励机制并不总是邪恶的。有时候，你的世界观只是被你想要的东西所扭曲。
主持人： Larry Ellison（甲骨文创始人）认为进入大型语言模型（frontier model）竞赛需要100亿美元，你同意吗？或者你认为进入该竞赛的门槛成本正在降低？
盖伊： 是的，我认为大型语言模型的成本并没有降低。总的来说，我同意他的观点。我认为要想在基础模型领域进行有效竞争，需要大量的资金。
不过，这里存在两种相互竞争的理论。一种理论认为，规模法则（scaling laws）将继续发挥作用。因此，需要越来越多的资金才能取得进展。通用的大型模型将持续增长，并最终占据主导地位。
另一种反驳观点认为，专门化模型实际上会更有优势。如果大型模型的开发者试图构建大型模型并进行扩展，但最终失败——关于最新一代的GPT-5以及Gemini和Anthropic的同类模型在某些测试中失败的传闻很多——那么那些构建特定于代码或机器人的模型的开发者，可能只需相对较少的资金就能进行训练。
然而，我认为这种优势是短暂的。从五年或十年的时间跨度来看，专门化模型可能在几年内带来一些收益，但随着时间的推移，资本将发挥巨大的作用。
主持人： 所以你认为短期内，专门化模型在效率和准确性方面会更好，但长期来看，更通用的模型会占据主导地位？
盖伊： 是的，我比以前更愿意相信专门化模型在三年左右的时间范围内会得到证明。仅仅是因为我认为大型通用模型显然——这仍然是传闻——正在遇到一些局限性。
主持人： 你考虑过构建自己的模型吗？
盖伊： 没有考虑很久。我认为从根本上说，你还需要利用市场的创新成果。你看现在Anthropic和OpenAI，其中一些在推理方面可能更好，这对于软件开发来说，在设计软件时可能很重要。Anthropic目前被认为在实际的代码生成方面更好。其他模型在视觉方面可能更好。那么为什么要选择呢？我不想选择。我绝对不想与所有这些竞争。但我甚至也不想在它们之间进行选择。我希望能够随时使用最好的技术。如果用云计算做个比喻，我希望成为云计算的最佳用户，而不是试图与云计算厂商竞争。
主持人： 我想谈谈下面这个子话题。现在有大量的AI开发工具。我们谈到了笔记工具，还有很多其他的开发工具。Benioff公开反对Copilot，他说它根本不好用，准确性也很低。Gartner公司表示它到处泄露数据，客户需要清理这些烂摊子。几周后Benioff会来参加节目，这将会很有趣。Guy，你认为Benioff对Copilot的批评是否合理？
盖伊： 嗯，我认为GitHub Copilot以及整体的代码助手，比如Cursor和GitHub Copilot，很难说它们没有提供价值，因为许多开发者表示，这已经是他们开发软件的方式了，他们不想回到没有这些工具的时候。但我认为它在很多地方生成的软件质量值得怀疑，因为你只是在审查生成的代码，而不是实际编写它。因此，你投入的思考量自然会少得多。结果，你什么也没注意到。我认为大型语言模型总体上会平均化一切，对吧？除非你给出非常具体的指令，否则生成的代码都相当一般。所以它确实帮助你生成更多代码。大多数代码处于平均水平是完全可以接受的。但令人担忧的是，它正在复制大量处于平均水平的代码。
主持人： 为什么每个人都喜欢Cursor？每个人都喜欢Cursor。
盖伊： 是的。当你考虑整体的AI解决方案时，我认为一个更广泛的心智框架是，现在最容易采用的解决方案是那些不需要改变你今天工作方式的解决方案。它们只需要为你提供一些“魔法”，而你并不需要信任结果，它们只需要经常有效。因此，代码助手，特别是Cursor，非常好用。Cursor做得更进一步，它可以在代码的各个地方以及多个文件中进行更改，并且它使你很容易地检查哪些是正确的，哪些是不正确的。所以你不必担心它们会做错什么，而且它符合你的工作流程。你只是在不停地编码。
主持人： 我们提到了AI开发工具的激增以及数量之多。它们好用吗？我不是在说它们好不好用，而是很难判断。
盖伊： 我认为它们在特定领域提供了价值。它们在减少“繁琐工作”方面非常有帮助，“繁琐工作”指的是你必须一遍遍重复做的工作，比如随着时间的推移修饰和描述你的代码。创建文档和测试就是这种繁琐工作的例子。我认为它们有所帮助，这就像电子邮件模板一样；它们为你提供了一个起点，而不是让你从头开始。在这方面，这些工具非常有用。
我还认为代码补全部分由于验证成本低而有益。它们有助于简化编码过程。然而，除此之外，它们还没有产生戏剧性的影响，主要是因为它们仍然不可靠。我们创始的AI工程师将这种不一致性称为“AI的锯齿状边缘”。有时候AI表现非常好，但下一刻它可能会完全失败。这种不可预测性使得依赖此类系统具有挑战性。
当考虑AI可能犯的错误类型时，需要注意两类。第一类包括人类和AI都可能犯的错误，这些错误通常会被人们原谅。第二类包括AI犯的错误，而人类通常不会犯。这些错误对用户来说尤其令人沮丧。例如，如果AI误解了路上的物体——比如将树叶误认为生物而没有移动——人们就会生气。他们认为这是一个严重的缺陷，并经常将其描述为“愚蠢”。这种沮丧源于用户对AI性能的高期望。
主持人： 如今很多人对我说，哦，我们实际上可以复制大多数SaaS公司并为大型企业提供服务。这并不是一个非常复杂的产品。我们可以用协同创作工具在几秒钟内构建它并将其推出。
盖伊： 是的，我认为这是胡说八道。出于多种原因，我认为这不正确。首先，SaaS 业务远不止它们创建的软件。事实上，如果你拥有一家 SaaS 业务，而你唯一的差异化在于我已经编写了所有这些代码，其他人无法做到，那么你可能，你的日子屈指可数了。所以你可能有数据，你可能有分销渠道，你可能已经内置了特定的转换成本。这是在你已经取得成功的情况下。还有人际关系，客户关系。我认为构成 SaaS 公司，特别是 SaaS 服务的机器，还有更多的东西，而不仅仅是代码。认为你只需要告诉代理它应该做什么就能复制一个 SaaS 业务，我认为这是异想天开。
主持人： 什么是巨型开发？它与 AI DevTek 有什么不同？
盖伊： 这取决于你将任务委派给机器的级别。比如说，你想要一个鞋子电商商店，对吧？你是否只是将其告诉大型语言模型，并相信它能够进行产品调研、探索、弄清楚要处理哪些类型的鞋子、构建应用程序、验证应用程序的行为是否正确，等等？你只是一个与该系统交互的略微不那么复杂的客户。这就是代理系统的极端情况。这里有很多你甚至不知道应用程序创建需要哪些步骤的决策。你只是给出指令。
也许你会更具体一些。我认为像 Cognition 和 Devin 这样的公司正在尝试这样做。我认为 Magic Dev 也正在尝试将其构建到模型中，诸如此类。我不知道，他们非常保密，所以我可能误解了他们。他们试图构建整个流程。我认为这与当今大多数试图赋予你更多控制权的 AI 开发工具有所不同。这些工具仍然假设有软件开发人员参与，并为你提供更多能够与之一起创建的工具。
两者之间存在一定的差距。你可以访问 Anthropics artifacts 或新的 OpenAI 接口，然后说：“嘿，创建一个应用程序。”对于小型应用程序，这有点像代理行为，但它非常微小。然后问题是，如何突破到更大的东西？你是否构建了一种新的软件开发方法来能够说：“好吧，让我们把事情拼凑起来”？让我们与机器一起工作来定义正在创建的内容。这更像是工作流程方法，坦率地说，更像是Tessl的路径。
然后是外包的视角，我认为代理系统倾向于接受一些混乱或客户的视角。
主持人： 我看到很多怀疑论。我认为是针对 Cognition 及其能力的。这公平吗？
盖伊： 首先，他们在最初的视频中夸大了其能力。在 AI 中创建令人惊叹的视频、令人惊叹的演示非常容易。这与创建可靠工作的产品之间存在巨大差距，这就是 AI 的不稳定之处。所以我认为他们收到的许多批评都是因为他们夸大了自己的成就。在我与所有尝试过 Dev 的人交谈过之后，他们都认为它真的很酷，但它并不真正有效。谢谢。
主持人： 当我看到 Magic，看到 Cognition，老实说，我甚至看到 Tessl，你们在早期就筹集了如此多的资金。你们需要这样做吗？还是仅仅是因为风险投资人群有太多的钱而导致的过度热情？
盖伊： 我认为这是双重的。一部分，我认为这对 Magic 来说是正确的，我认为这对 Cognition 来说也是正确的，那就是他们将很大一部分资金用于 GPU 以及在上面训练模型。
我可以告诉你，在Tessl，这不是我们的方法。我们谈到过不想训练基础模型。AI 仍然成本高昂。就在来这里之前，团队进行了一次快速评估，花费了他们 1000 美元。因为你需要运行统计评估，这需要更多资金。
也就是说，我认为很多这些都是孤注一掷的命题。所以，当你试图说，嘿，这要么失败，要么改变世界，那么你希望有足够的储备，以便能够坚持到底。但同时，你也想走在前面，现在这些系统需要大量的迭代才能做到正确。
所以我认为没有绝对的对与错。当你筹集大量资金时，它肯定会减少你的选择。对我来说，这不是问题，我非常不愿意，你知道，赚取某种快速的一二十亿美元。
主持人： 现在，我们讨论了从 Magic 到 Cognition 到之前许多其他的一些产品。很多这些平台都是相当封闭的花园、魔盒，无论你称之为什幺。你如何看待软件开发未来开放与封闭的问题？
盖伊： 是的，我实际上对此非常担忧。封闭的环境、封闭的开发平台、封闭的生态系统，例如大型平台。所有这些，当它们添加 AI 时，思考如何使其有用、如何在其中生存会更容易一些。最终，它们会创建这些魔盒，你无法与之交互。我认为对我来说，这是一个担忧，对吧？如果网络变成世界上两三家拥有这些非常强大、大型计算模型的公司，你可以向其发出指令并获得结果，而你实际上没有能力构建可以插入这些模型或修改某些内容的工具。
主持人： 那为什么会这样呢？例如，如果你看看 OpenAI，他们显然正在进行平台策略，他们并不指望构建围绕它的所有不同工具。他们完全试图开发一个生态系统，它将由多个参与者服务于客户群体的不同部分。
盖伊： 我认为平台本身实际上想要成为，大型语言模型基础模型想要成为平台，因为他们希望每个人都在其之上构建。所以我不知道他们会深入到应用层面的程度。我认为这对他们来说是一场辩论，对吧？你肯定看到 OpenAI 正在进入应用层。问题是，他们会走多远？
我认为下一层的大公司更关心 Cognition；他们还没有这样做。他们仍然处于起步阶段。但如果该模型有效，你只需给出指令，它就能成功，再说一次，他们正在构建很棒的东西，接下来会发生什么？
你正在构建这些模型。对不起，你正在构建这些平台，你只是向它们发出指令，它们就会启动并构建它。其余的工具生态系统如何融入其中？
如果软件创建的核心依赖于对你的代码、应用程序和所有领域的这种神奇理解，而你只是成为该系统的客户，我担心我们会进入一个只有少数参与者拥有这种广泛能力的地方。其余的开发工具生态系统可能会变得次要和被委托，与当今世界我们拥有许多蓬勃发展的开发工具公司的情况形成对比。
主持人： 这些平台成为唯一提供商或少数提供商从而主导市场，这种可能性有多大？是10%还是50%？
盖伊： 我认为这种可能性非常高，我们正朝着这个方向发展。软件开发的易用性已经非常惊人，你看到像Vercel这样的平台，它让生成应用程序并实现端到端操作变得非常容易。这很棒，因为它们代表了生态系统的一个子集和特定类型的应用程序。例如，现在想想GitHub，它不仅用于部署应用程序，从应用程序开发环境到部署，它也是编写大部分代码的引擎。我认为这种可能性非常高。而且你越依赖这种智能化、神奇的创建方式，开发人员就越失去控制。
主持人： 大型企业在多大程度上可以摆脱大型语言模型实验性预算阶段？你认为还需要多久？
盖伊： 我认为这是一个渐进的过程。我认为助手现在已经提供了价值，有些助手已经从实验性预算转向了实际预算。我认为那些真正面向结果、自主运行的助手，主要集中在非常具体的领域。我们刚才谈到的支持类助手，我认为已经很成熟了，因为它是一个查找环境。在某种程度上，销售辅助类助手也是如此，尽管风险很大，如果搞砸了，可能会严重损害你的品牌。但我认为一些销售工具已经开始应用了。我想说它们可能还处于实验阶段，大多数情况下，是助手获得了资金支持。我认为其他类型的应用可能还需要几年时间。就像我说的，我认为大型语言模型本身并不是限制因素，我认为更重要的是围绕大型语言模型的流程和系统，以提高大型语言模型的可靠性。
主持人： 你说助手是获得资金支持的。我最近在OpenAI的开发者日采访了Sam Altman。我们之前讨论过，模型在应用层能走多远？这纯粹是推测，可能并不公平，但你认为它们在进入应用层的程度能到哪一步？
盖伊： 我认为只要处理的是相同的数据，只是解释方式不同，我认为它们可以走得很远。搜索就是一个很好的例子，对吧？没有理由它们不能完全取代网络搜索，因为它们需要的是相同类型的数据，它们不需要不同类型的专业知识。在某种程度上，代码生成或图像生成的使用者体验也可能属于这一类，因为它们是相同的数据，是它们会处理的相同的数据。所以我认为这些领域是可行的。我认为当涉及到不同类型的数据或非常专门、复杂的流程时，比如不仅仅是神奇的发出请求并获得响应，而是围绕如何处理这些请求的整个系统，我认为这超出了它们的范围。而且对它们来说这样做也没有意义，因为它不会真正威胁到它们的核心业务，如果许多不同的应用程序建立在它们之上，它们实际上会做得更好。
主持人： 好的，你有三个选择，对吧？OpenAI的ChatGPT，价格是150或160美元；Anthropic，价格是40美元；xAI，最新的价格是50美元。你只能买一个，你会买哪个？
盖伊： 我认为我会选择Anthropic。我感觉它在团队质量或团队稳定性以及其增长机会方面总体上更胜一筹。
主持人： 你认为OpenAI的安全和对齐团队流失这么多人是不是很疯狂？
盖伊： 我不知道内部发生了什么，但我很难想象这个组织不会因为领导层的动荡而遭受重大损失。无论原因是否合理，如此大的员工流失都一定会严重影响公司。
主持人： 最后一个问题，你提到搜索对它们来说是一个显而易见的领域，显然它们有GPT搜索……你会投资Perplexity还是OpenAI？谁能赢得搜索大战？
盖伊： 我仍然认为Perplexity不会像人们想象的那样走得那么远。这主要不是因为OpenAI，而是因为谷歌。我认为人们仍然低估了改变人们习惯的难度。我认为谷歌根深蒂固，并且拥有搜索方面的广泛分销网络。谷歌在很多方面产品做得都很糟糕，但它们做得非常好的一款产品就是搜索产品。
主持人： 我不明白你的意思。我认为你比我聪明，你是一位工程师，而我不是。与Perplexity相比，谷歌的产品糟透了。
盖伊： 确实如此。我认为Perplexity好得多。
主持人： 现在我母亲都用Perplexity而不是谷歌了。我认为我们低估了人们改变习惯的速度，如果改变起来很容易，人们就会很快改变。
盖伊： 是的，你可能高估了有多少母亲的儿子是科技播客主持人。我认为人们通常比我们想象的要慢得多。难道谷歌对此漠不关心？绝对不可能，对吧？如果他们没有这种实力，如果他们没有参与竞争。
主持人： 你认为他们现在有能力竞争吗？
盖伊： 我认为他们有技术实力。我认为他们没有产品实力，但我认为他们拥有难以置信的分销和用户访问优势，他们实际上不需要发明Perplexity正在做的事情。他们可以复制它。目前，我认为他们的执行效果并不理想。我认为在搜索方面，他们的表现实际上比在Gemini和其他许多产品上都要好，但他们的核心技术仍然相当不错。我认为收购它（Perplexity），反垄断的角度来看，这仍然会非常困难。
主持人： 我们提到了产品创建方式的改变以及团队结构的变化。但是，当我们看到辅助工具和代码补全平台时，软件开发人员的未来角色是什么呢？软件开发人员的角色将如何改变？
盖伊： 我认为，优秀的软件开发人员之所以优秀，并不是因为他们编码能力最强，而是因为他们能够从整体的角度思考开发工作。他们是系统思考者，他们理解需求的重点，并围绕它进行强调。他们能够预见权衡取舍以及后续可能发生的情况。事实上，开发人员通常最想要的职业发展路径更像是架构师的路径。而架构师并不需要编写很多代码。因此，我认为编码在软件开发人员工作中的占比将大幅减少。我认为在十年后，编码仍然会很活跃，但它将成为边缘案例，只会在需要接近底层硬件或某些旧技术时才会用到。我认为大多数开发人员要么会沿着架构师的路径向上发展，要么会真正关注那些权衡取舍。以及系统思维。
主持人： 那么，对于那些沿着架构师路径发展的人来说，这实际上意味着什么？
盖伊： 是的，这意味着他们会从更宏观的角度思考软件和系统，并做出一些决定。每次构建系统时，你都必须权衡取舍，例如，系统的可扩展性与简单性之间的关系。可扩展性越高，复杂度就越高。这重要吗？不重要吗？你可以针对特定环境（例如AWS）进行超级优化，或者你可以说，不，我希望它能够在不同的云平台之间移植。所有这些都是架构决策，都会对后续产生影响。我认为这些决策将继续保持重要性，因为大型语言模型（LLM）不知道，人类也不知道，但他们可以评估软件未来哪些方面更有可能发生变化。
主持人： 挑战在于向更偏向架构的思维方式转变，围绕核心战略决策，例如选择哪种架构，进行哪些权衡取舍，这似乎是一种向领导风格思维的转变。而根据定义，只有少量重要的决策或领导职位。我的问题是，每个人都会沿着架构师的路径发展吗？因为你不会希望20个开发人员都说：“我有关于架构的意见”。
盖伊： 我认为会的，因为你们正在显著加快软件的开发速度。因此，你们将会有更多需要做出这些决策的软件。我在这里举了几个例子。许多决策都更加紧迫。我认为开发人员还有另一条发展路径，那就是更偏向产品方向的路径，更注重用户同理心。无论如何，这让我想起了亨利·福特的一句话：如果我按照客户的要求去做，我会造出一匹更快的马。像这样的例子更偏向于产品经理的视角。我认为这两条路径会沿着这些方向发展。
我认为我们将比以往任何时候都生产更多的软件。想想2000年左右的网络，它充满了方块和混乱。要构建一个非常精美的网站——也就是我们今天认为的合法网站——需要大量的精力、资金和专业知识。那时，创造任何高质量的东西都非常非常困难。
今天，构建一个具有视觉吸引力的网站的软件要容易得多，因此，消费者的期望也发生了变化。我们现在期望网站提供一定水平的功能和性能。过去，我们对延迟的容忍度要高得多；现在则不然。这种演变的部分原因在于允许我们更好地创建软件的系统，为我们提供了更大的优势。开发人员将拥有越来越大的优势来开发高质量的软件，消费者和企业的期望也会相应提高。
主持人： 产品经理的角色将如何改变？我们这里有很多产品经理。
盖伊： 我认为，部分原因在于他们将更加自主，并且产品经理和软件开发人员之间的界限可能会变得模糊，因为产品经理通常能够说出一些事情。但是，产品经理是一个定义非常模糊的工作。一些产品经理技术能力很强，并且与软件关系密切。我认为这些角色肯定会融合。一些产品经理非常擅长在技术、用户和对这些用户的理解之间架起桥梁。我认为这些人的角色实际上会保持相当的相似性。例如，他们大部分时间都与用户和客户在一起，观察发生的事情，试图对这些事情进行合理化解释。这可能也会由人工智能辅助。他们将能够获得一些支持。但这仍然是一个需要人类做出决策和承担责任的职位，因为我们希望人类做出这些决策。
主持人： 那么，如果我们展望未来五年，并思考产品经理角色的演变以及软件开发人员角色的演变，科技公司的结构将会是什么样的？
盖伊： 这是一个好问题。我不知道。
主持人： 你不是风险投资家，对吧？我们会在不知道的情况下做出大胆的陈述。
盖伊： 我认为有时我喜欢从第一性原理来思考这些事情。那么，我们仍然需要什么？好吧，我们仍然需要在多个选项之间做出选择。因此，你仍然需要决策权、套利和选择，试图说：“这是我的战略，这是我的业务，因此这就是我需要的。”
因此，你需要在多个层面做到这一点，在业务层面，以及能够将其转化为产品方面的人。你仍然需要负责系统运行、保持系统运行的人员。他们的控制范围可能会大得多。
我认为这将是能够生产更多软件的开发团队。软件将更具适应性和个性化。但我认为你仍然会有战略，你仍然会有开发者，你会有团队，对吧？他们都在一起构建。
因此，自然需要管理。我认为很多结构不会发生剧烈的变化。我认为不同职位的作用以及他们能够做的事情的范围是将会发生变化的事情。
主持人： 在不断发展的技术环境中，安全问题比以往任何时候都更加突出，威胁也似乎更加显著。在协同完成、AI 开发工具盛行的世界中，为什么安全问题会日益严重？
盖伊： 目前大型语言模型（LLM）的真正挑战在于我们失去了所有控制权。我们发出请求，然后得到一些反馈，我们只能希望它是正确的。我们依赖于对生成内容的非常不可靠的审查来确定其准确性。这个问题在软件开发中尤其普遍。部署的未经审查或审查不充分的代码越来越多，这构成了重大的安全风险。
此外，很多人开发软件，例如许多这类编码系统，但却不去维护这些代码。结果，代码会长期存在。技术不会消亡，这意味着它可能成为攻击者的另一个切入点。随着时间的推移，代码可能会恶化或“腐烂”，使这些系统更容易受到攻击。
因此，核心问题实际上是软件生命周期中的混乱。我们需要找到多层控制机制，以确保在软件创建的同时，我们也优先考虑维护和所有权。在各个环节设置防护措施来评估我们创建的内容质量至关重要。
主持人： 盖伊，我很喜欢这次谈话。非常感谢你忍受了我那些略显直接的问题。不，这很有趣。一如既往地有趣。真的很有趣。非常感谢你。
盖伊： 谢谢。
关注公众号后设🌟标，掌握第一手AI新动态
