零散的想法，无AI

事情起源于我在思考现在应该考察人们什么能力，来表明他在未来有可能胜任我目标中的工作形式。

在很早以前，人们只要有Know What就可以找到一份工作，比如你知道CPU的原理，那么你应该可以加入仙童半导体来设计CPU、针对80386来编写汇编程序；后来技术不断进步，计算机领域变得广大，互联网容纳了大量的就业人口——因为需要这么多劳动力进行代码生产，而代码运行的边际效应递减，成为了新时代的金矿。在这个时候，人们需要Know How来获得一份工作，于是出现了各种各样的面经和面试框架，来让人们孔雀开屏一样展示自己的“能力”。

现在，由于知识获取的门槛大幅度降低，考察Know How已经意义不大了，至少应用领域的程序员如此，我相信不久之后（或许现在已经如此），系统领域的程序员也会有类似的感觉。于是我把视线转向了Know What：重点不是你知道做法，而是你知道为什么这么做，其中的技术演进和取舍是什么，以及最重要的，这其中你自己的实践与思考是什么。

这是因为，我觉得我们通过LLM已经逐渐找到了一种能够更具效率地进行生产活动的方式，也就是新的生产工具，我反对声称人们是珍妮纺纱机的操作员，因为情况大不相同，真正珍妮纺纱机的操作员——那些对着纸带打字的人，早就已经被淘汰了，目前的程序员群体，应当是一群实验科学家，他们拥有自我改善工具的能力，同时使用工具进行生产活动，而在此之前，由于个人的劳动力有限，所以组织形式更倾向于劳动密集地去做一些事，比如华为大兵团、字节快节奏+拉会，以降低集体智商为代价，工业化地生产代码来获得利润，字节是最后的赢家，因为他们发现了一件事：集体智商的提高虽然增加成本，但如果能有效规模化，那么其增加的利润更加客观，因为其中的摩擦降低了，于是他们做出了大家吹嘘的“算法导向”、“数据导向”，在我看来，这只是一种为了让高智商的人能够在一个固化的地方做狗屁工作，但更具规模效应，从而产生更多利润的组织方式。

但LLM有迹象改变这件事，程序员现在可以以更快地方式构建工具，而构建的工具自身可以帮助程序员继续改进工具。于是乎，整个事情不再是以某种方式组织生产，而是在生产力大规模进步的情况下，以某种方式组织集体智商。用一个漏洞百出的公式解释这个问题：$\text{产出} = \text{人数} \times \text{集体智商} \times (1 - \text{通信损失比})$，这个公式中，人数一定会增长随着企业壮大而增长，而企业一直在解决的问题就是，人数增长的情况下，集体能不能不变成弱智，通信损失能不能更少，在这个过程中边际效应递减，最终企业成长到稳定的规模后停滞。LLM的改变在于，这个公式变成了$\text{产出} = \text{人数} \times \text{AI增益比} \times \text{集体智商} \times (1 - \text{通信损失比})$，有可能的情况是，在人数不进行大规模扩张的情况下，通过组织架构的优势，优化集体智商、AI增益，减少通信损失，来对抗边际效应递减的问题，走出所谓的平方增长曲线。其手段包括但不限于：更扁平的组织、更少的管理和工作化生产手段、更多鼓励探索和协作，最后人们有可能自主地拓宽边界，或许这是一种“反赛博朋克”。

总结来看，从现在往后的工程师，可能在技术之外还需要一种“领导力”，不是因为经济活动扩张组织架构，需要指导更多的牛马干活的字节3-1，而是在新型组织架构下，如何与不同知识背景的人共事，共同控制AI一起进行更高效的经济活动的能力。而技术活动，更多的是基于人机协作地增强自己的认知，来服务于前面新型组织对于人类智慧、沟通与协作的要求。