念念象一下：某家市值千亿公司的CEO，夜深对着电脑屏幕，不是在批报表，而是在和AIAgent沿路豪恣敲代码，连夜跑完上百轮实验。

这就是Shopify的TobiLütke，和YCombinator的GarryTan正在电脑前作念的事。

硅谷不养闲东谈主，CEO狠起来连我方皆卷。

YC的GarryTan这几天一直没闲着，他白日管团队，晚上就用我方开源的Gstack（把ClaudeCode配成CEO、工程司理、QA、蓄意师等一整套捏造团队），消费60天期间写出60万+行坐褥代码，日均写1-2万行，眼看GitHubstars蹭蹭高涨，GarryTan我方皆忻悦得每天只睡4小时。

另一位Shopify的大哥TobiLütke，亲私用AICodingAgent，对着我方20年前写的Liquid引擎反复实验，把剖析渲染速率提速到53%，内存省俭到61%。

一个越来越明晰的变化是：这些底本处在方案层的企业料理者，正在亲自跑实验、开源用具、优化坐褥代码、搭建Agent团队，胜仗参与到这场AI的实验使用之中。

雷同的动作，也运行在更多公司中出现。只是不少企业料理者对AI的搏斗还停留在基础问答层面，更多是寄但愿于招募懂技巧的团队来处分问题。

但AI从来不是一个静态用具，而是一种必须通过亲手试错、历久合作才气摸清确切鸿沟的系统。

也恰是这种表露差，运行拉开分水岭：有东谈主还在“使用”AI，有东谈主依然和AI沿路“干活”。

在国内，360集团独创东谈主周鸿祎就是后者的典型代表。

01AI的不可忖度

必须得亲自试用和踩坑

昔时一段期间，料理者交融技巧的面容是必要且自如的：通过传递的信息得回表露后，再依靠文书形成判断，而无需亲自参与研发和践诺。

在这种模式下，技巧的功能、性能、进程，皆不错被整理成敷陈，被压缩进PPT，再振荡为方案依据。

但当AI运行进入确切斥地与坐褥历程，念念要建立精确的技巧判断，只是依赖老例信息传递机制可能还不够。

在与耶鲁革命学者一样时，周鸿祎也进一步讲解，若是莫得深度参与AI的实验使用，很难在要道节点上作念出有用判断。

也正因如斯，他礼聘捏续亲自参与智能体斥地、历程调试与Skill调理——其中枢办法并非展示技巧才气，而是得回更接近确切使用环境的一线体感。

周鸿祎在一次媒体访谈中提到，我方底本并不信服AI真能写复杂软件，直到本年亲自与AI合作写出一个复杂的软件智能体后，才改变了这一认识。

在确切的合作环境中，他不雅察到AI彰着的两面性：它贤惠时，就是“合作过水平最高的法度员”，交融力强，能快速写出几千行代码；但同期它也会犯错，不按常理出牌，致使误删代码。

有次，在一项具体的斥地过程中，周鸿祎也直不雅感受到AI“出错”的一面：底本委用的1200多行代码，在最终查对时只剩下约600行。他那时的第一响应是：“是不是智能体又把代码改掉了？”

也恰是在这些反复试错中，他渐渐认识到，好多问题不仅存在于斥地者侧，在平庸用户那边会被进一步放大。

这种表露，随后运行反过来影响居品气象。

平庸用户在搏斗AI时，靠近的不单是“会不会用”的问题，更多却是“装不装得上”“能不行自如运行”“敢不敢历久使用”等具体而复杂的现实情况。

围绕这些确切需求，团队推出了“360安全龙虾”，试图裁减用户在部署和使用过程中的门槛与不细目性。

这些确切的合作体验让周鸿祎再次阐述了一个事实：“AI手脚坐褥力新物种，它的系统鸿沟和合作本钱，需要亲自使用和踩坑来建立确切判断。

02当企业家透澈运行一场“历久体感课”

外界看到的，是老周的“一刹下场”；而实验上，周鸿祎的这条实践旅途依然探索了有一段期间。

早在2024年11月，他就运行尝试将AI带入实验坐褥场景：出演AI主题短剧《重燃东谈主生》，用AI用具参与内容制作，同期通过直播演示纳米搜索，展示AI在信息得回与处理上的才气。

但确切的改换，发生在老周运行深度参与AI斥地之后。

“春节期间，我基本上是不眠不休，不吃不喝，每天所有的元气心灵皆用来跟AI沿路在血战。”周鸿祎曾对媒体默示。

亦然从那之后，周鸿祎渐渐回到了一个更接近居品一线的位置，在听得见炮火声的地方，雕镂躬行。

他不仅亲自“养龙虾”，还在龙虾安全媒体一样会上系统聊安全风险、确立门槛和翌日场所，致使鼓吹360推出OpenClaw一键装配版，让平庸东谈主也能谬误上手。

这种情景并不是体验式的尝试，而是一种捏续高强度的插足，周鸿祎在多个步地里提到，我方频繁和AI沿路编程。

巧合一整天十几个小时，老周皆在对着电脑不绝给模子下教唆，小九体育让它写代码、改法度、构建智能体、调理Skill，再一遍遍调试历程。系统里一部分智能体和Skill，并不是团队胜仗委用的已毕，而是他小数点改出来的。

比如，当下好多东谈主皆在商议“龙虾”运行时的Token消耗，但若是只是听别东谈主拿起，很难对这种消耗建立具体感知。

“纳米漫剧活水线”，更像是一个典型的阶段性案例——它标识着多智能体运行确切进入具体坐褥场景，并驱动一个垂类内容行业的齐全历程。

在这一过程中，周鸿祎深度参与智能体的构建与调试：前后“手搓”近百个智能体，对话进步5000次，共计消耗约12亿Token。

在齐全跑通系统之后，他更切实感受到，一个大要自如运行的智能体，单次践诺频频就需要消耗上千万Token，而整套系统，亦然在两三百个版块的反复迭代中才迟缓成型。

这意味着，好多要道才气并不是一运行就蓄意完成的，而是在不绝试错中被“跑出来”的：智能体逻辑需要反复调理，历程需要一遍遍重构，Skill结构也在使用过程中不绝被修改。

这种工程级别的参与，并不单停留在过程本人，也运行千里淀为具体已毕。

前面提到的“纳米漫剧活水线”，恰是在这么的反复试错中迟缓形成。它基于多智能体协同运行，隐敝脚本、分镜、生图、配音与裁剪等轨范，整套历程并非预设，而是在无数Token消耗和数百轮迭代中迟缓跑通并自如下来。

现时，这一活水线依然进入范畴化使用阶段，并与国内头部影视、短剧公司和AI短剧创作家伸开合作。

在这个过程中，周鸿祎发现，我方面对的不是一个不错被调用的AI用具，而是一整套复杂的合作系统——从任务拆解、模子调用，到历程承接与已毕考证，每一个轨范皆可能出现偏差，也皆需要东谈主为捏续介入。

这种体验，在硅谷斥地者社区中也有一个更形象的说法——“保姆式体验（BabysitterExperience）”。

斥地者需要花无数期间与AI反复交互，改造乌有、补充凹凸文、确立问题。名义上看，效果似乎进步了，但实验插足的期间并未减少：AI生成代码很快，但交融代码、调试乌有以及确立问题，频频会把省俭下来的期间再次消耗掉。

即即是GarryTan，在每天生成上万行代码的同期，也不得不为此特意搭建一套复杂的责任流框架（Gstack），用来不休AI的输出，幸免系统在悄然无声中走向失控。

这些来自一线真的切体验，正在改写东谈主们交融AI的面容。

03AI时间，判断力是最贵的金钱

当全民养虾成为海浪，“浮躁”也奉陪而来：要不要参与？以及该奈何参与。

好多东谈主困惑的是，面对一项快速变化的新技巧，很难仅凭外部信息建立明晰判断。

这也恰是AI对行业酿成的中枢冲击：面对吞并套先进的责任流技巧系统，无论企业雇主照旧下层职工，若是不亲自脱手、不切身入局，皆将靠近被技巧淘汰的风险。在这场洗牌眼前，莫得任何东谈主领有特权，也不存在所谓的“变装豁免”。

破解这种“FOMO（错失怯生生）”感，唯独的解法就是亲自下场。当确切运哄骗用智能体，参与到具体任务中，才会渐渐交融它在责任中的作用面容，以及像Token消耗这么的要道本钱是如安在实验运行中体现出来的。

这种一手体验的蹙迫性，也在于AI的演进速率，从模子到Agent，再到更复杂的合作系统，每一轮变化皆在重构既有的责任面容。关于个体而言，很难历久悍然不顾。正如周鸿祎此前所说，拒却使用AI的东谈主可能会被时间淘汰。

以前是“遇事未定问模子”，当今Agent渐渐进入坐褥历程之后，东谈主和AI的关联正在发生变化。智能体就像是东谈主的“手和脚”，正经调用用具，而东谈主转向指标设定、过程不休和已毕评估。在这种结构下，决定效果上限的，是东谈主对系统的交融和调理才气。

交融了这一层，就能懂得周鸿祎脱手实践背后的深意。手脚企业料理者，他需要对AI效果、本钱与鸿沟形成自如判断，抛开料理者身份，手脚平庸东谈主，他在多Agent协同、历程调试中际遇的问题，本色上亦然所有使用者皆会面对的问题——只是范畴不同。

从这个意旨上说，周鸿祎最近修的并不是一次个东谈主层面的“补课”，更是一门AI时间稀缺的判断课。在这场技巧变革中，确切体感恒久比二手训诲更值钱。

而这门“判断课”确切稀缺的地方在于：不仅属于企业家们小九体育，也属于每一个需要在变化中作念礼聘的东谈主。（雷峰网雷峰网雷峰网）

• 时间
• 雇主
• 小九体育
• 龙虾
• 得免