AI 智能体、编程工作与自主飞行器：Forward Future 直播

Matthew Berman 和 Nick Wentz 首先讨论 Matt Shumer 一篇广泛传播的文章，主题是 AI 进步的速度及其后果。他们认为文章之所以引起共鸣，是因为它把 AI 圈内兴奋、现实感和恐惧交织的情绪传递给了圈外的亲友。他们讨论的是个人反应与可能的未来，而不是对经济的量化预测。

两位主持人表示，近期编程模型让他们更有信心委派较长的任务；Berman 补充说，OpenClaw 拓展了他在生活和业务中使用 AI 的方式。他和一位同事已经将部分视频研究流程自动化。这只是一个案例，无法确定整体就业会发生什么。

Berman 说，研究工作自动化后，团队并没有闲下来，而是有了空间做其他事。他强调适应能力；Wentz 则问这种模式在未来一两年是否仍会持续。两人都承认，长期结果很难预测。

主持人指出了一个新瓶颈：人的注意力。多个智能体同时运行时，记住各自任务、切换上下文并审阅输出可能很困难。他们考虑用编排智能体提供帮助，同时认识到如何协调这个协调者本身也是设计问题。

Wentz 说，当没有智能体在工作时，他会感到内疚，并担心让它们持续忙碌的压力会侵入周末或假期。Berman 也有同感。他们安慰听众，即使是全职关注 AI 的人，也可能觉得变化速度令人难以承受。

回到 Shumer 的文章，Berman 不认同一种关于永久底层阶级的确定论，也不愿依据不确定的预测做重大财务决定。当主持人找到原文时，发现该段建议建立储蓄和保持灵活性等财务韧性，并明确表示不主张采取激烈行动。他们认为这些实际建议大体合理，但对语气有不同看法。

Wentz 质疑 AI 是否会消灭所有脑力工作，而不是创造新工作。他认为新岗位已经出现，但无人知道数量是否足够。Berman 建议在条件允许时尝试能力较强的模型，了解工具的变化，同时承认并非人人都负担得起付费订阅。

讨论转向 OpenClaw 及围绕它建立的服务。Berman 认为其贡献在于连接工具和消息应用、在本地运行，并让助手跨系统执行任务。他也承认存在重大的安全风险：本地运行并不能消除给予智能体账号和工具访问权限所带来的风险。

Berman 表示，他在 Cursor 中修改 OpenClaw 配置，以便更仔细地查看工作过程，而许多交互通过 Telegram 完成。他披露 Cursor 给了他大量使用额度。主持人随后讨论项目创始人加入大型实验室的传闻；在直播当时，他们认为结果尚不确定。

主持人还讨论了有关 Spotify 工程师使用内部 AI 编程系统的报道。开发者没有写代码的说法在这里是他们回应的报道，而不是对 Spotify 所有工程师和工作的已验证结论。他们认为，更广泛的变化是工程师越来越多地指导和审查系统，而不是亲自输入每一行代码。

Wentz 介绍了 Joon Sung Park 创立的 Simile，以及其模拟人类行为的目标。主持人讨论了市场研究和政策等潜在用途，并回顾了早期研究中模拟智能体在小镇互动的情景。产生看似合理的模拟行为，本身并不能验证对真实人群或政策结果的预测。

第一位嘉宾 Jayden Clark 主持 Members of Technical Staff 播客。他将节目描述为对旧金山科技文化半认真、半调侃的观察，也会拿自己的行业开玩笑。他在感恩节餐桌上宣读赞助广告，是为了戏仿表演式的拼命工作文化。

Clark 说，科技行业早已不再是弱者，因此应该能够接受调侃。面对每一轮新炒作，他试图退一步问，实际发生了什么。在他看来，两者经常同时存在：过度兴奋和真正有趣的进步并不互斥。

Clark 感觉到，随着编程流程迅速改变，工程师中重新出现了焦虑。这既关乎变化速度，也关乎个人身份：一个长期以写代码为职业的人，可能会想知道一年后的工作是什么样。关于 AGI 时间表和工作被替代的讨论反映了这种不确定性，而不是已确定的结果。

他提醒大家不要假设每种职业都会以软件行业的速度变化。开发者能很快制作并发布应用，而法律、会计等领域受到不同的监管与问责约束。Berman 回应说，集中开展 AI 研究仍可能推动这些领域显著进步；双方讨论的都是可能性，并非保证。

尽管有焦虑，Clark 仍看好旧金山作为创业和建设的地方。他指出 AI 实验室、投资者与创始人在该市集中，并将这种氛围形容为淘金热。这是他对当地生态的观察，并不意味着每个人都需要搬迁。

Clark 还讲述了自己在简短学习操作之后，操纵人形机器人参加格斗活动的经历。他说自己输给了一位 13 岁的对手。主持人认为这是这座城市实验性技术文化的一个有趣缩影。

接下来，Warp 创始人兼首席执行官 Zach Lloyd 介绍 Oz，一个用于编排智能体的云平台。他表示，同时在本地运行多个智能体可能遇到内存、CPU 或存储限制，团队也需要管理智能体开发和自动化的方法。Oz 是他的公司针对这些问题提出的方案。

Lloyd 说，该产品旨在让团队看到智能体活动：用户可以查看运行中的智能体、搜索对话并按相关拉取请求筛选。他也有与主持人相同的注意力饱和问题，并承认运行更多智能体可能让人忘记委派了什么，或难以判断增加的 token 是否产生了有用工作。

Warp 最初是一个终端。Lloyd 认为终端的会话和分屏适合作为智能体的控制界面；与此同时，Warp 增加了 Markdown 查看器、文件树和差异查看器等功能。他更关心构建适合工作流程的界面，而不是守住终端或 IDE 的分类。

被问到编程是否即将被解决时，Lloyd 区分了简单的个人工具和复杂的生产软件。他说 Warp 庞大的 Rust 代码库大量借助智能体开发，但智能体仍需要监督。在他看来，非技术人员已经可以构建一些有用应用，而复杂系统仍远未实现完全自动化。

Lloyd 说 Warp 仍在招聘工程师，因为竞争激烈，其软件也过于复杂，无法用自主智能体取代团队。他举例说，智能体在自定义界面框架中处理 Markdown 渲染时引入了缺陷。他从中得出的经验是，要把工具与工程判断及架构理解结合起来。

他见过一些开发者全面采用智能体，却不学习产品或代码库，只是一味委派，也不批判性地思考结果。他认为，表现出色的工程师会运用专业能力指导并评估工具。这是一家公司的观察，并非对所有劳动者的普遍预测。

谈到模型选择，Lloyd 说当时他处理困难推理任务更偏好 GPT-5.3 Codex，尽管它速度较慢。Berman 在交互式工作中更喜欢 Claude Opus 4.6 的速度。Lloyd 预计较便宜的开放模型会越来越适合简单任务，并说 Warp 尝试自动将任务路由给合适的模型。

Lloyd 预计，编写代码的成本下降会促使一些企业选择自建定制工具，而不是购买软件。但他认为代码从来不是企业优势的唯一来源：分发、数据、品牌和网络效应仍可能重要。他将 Warp 向团队及企业工作流扩展，描述为在可复制的本地界面之外建立持久业务的尝试。

最后一位嘉宾是 Shield AI 的 Armor Harris。他此前在 SpaceX 从事发动机、火箭着陆、Starlink 和国防相关工作。他介绍拟议中的自主垂直起降飞机 X-BAT，并从威慑和太平洋长距离环境中飞机产能的挑战出发解释项目。这些是他的战略观点和公司说法。

Harris 表示，X-BAT 的设计目标是以小得多的重量，携带与 F-35 内部载荷相当的负载并实现更远航程。这些是目标性能，而非已经证明的实战结果。根据 Shield AI 2026 年 10 月的更新，飞行测试用飞机仍在制造，公司正朝飞行测试推进。

他认为，在不同环境中反复可靠地垂直降落是一项重大工程挑战，并提到了 Falcon 9 与较小的 V-BAT 飞机带来的经验。他认为，AI 进步可能让软件开发更容易，但实体硬件依然困难，培养有经验的硬件工程师需要多年。

Harris 认为，尽管自主系统正在改变使用的工具，信息和后勤仍是战争的核心。他在讨论乌克兰时提出自己对受争夺空域和补给线的理解，并表示 X-BAT 计划在困难的电子战条件下运行。主持人并未独立证实飞机能够实现这些战场效果。

被问到决策应由谁作出时，Harris 说，他认为进攻性的动能决策应有人类处于监督环节。他区分了为快速响应设计的防御系统与受交战规则约束的进攻用途，并表示涉及平民或友军航空器的模糊情境需要不同规则。单靠监督术语本身，并不能解决如何实现有效的人类控制。

Harris 认为，如果技术能力成熟，人形机器人未来可能用于战场。采访结束后，主持人表示希望探索 AI 之外的技术，包括硬件及其他行业。节目最后感谢 Clark、Lloyd 和 Harris 的参与。