这几天一直在Google Cloud Next 2026，除了Keynote之外，其实很重要的一个行动，就是去各种Session听讲，去展区观光，以及和不同行业、不同地区的开发者聊天。因为在这个AI技术变革的时代，确实有很多问题失去了标准答案，所以需要听听更多人的意见，见贤思齐。
我脑海中日常停留着几个问题，比如：
AI coding每天都在迭代升级的时候，开发者该如何自处，如何化解焦虑？
与之前所有的技术浪潮相比，AI，特别是LLM所表现出来的额外特质是什么？
而对于业务层面而言，开发者开发一个Agent，和之前开发一个Software有何区别？
中国出海的创业者、开发者，群像是什么，业务护城河是什么，需要什么生态资源？
以及大家如何使用AI帮助工作和生活？比起工作，我可能还更关心生活，因为每一个生活场景，其实也是一个个业务场景。
这些问题，都是我和在场开发者所交流的问题。
很巧，这几天，我还偶遇了好几位Google Cloud的专家、高管，每每遇到，我都会就这些问题交流一番。像我在去展区逛展的时候，就偶遇了Matt Thompson，他是Google Cloud的Director of Developer Adoption，负责开发者的技术采纳工作，职业生涯可以追溯到Sun微系统照耀硅谷的时期。我自然要和他细细聊一番。
我们聊到了开发者在AI时代的角色和命运，也聊到了他的个人爱好。
他认为有了AI，大家都有了成为10倍速工程师的机会，而且也可以帮助到自己的业余爱好。在一个相当长的时间内，这个世界对代码的需求不会减少，反而潜力巨大。所以，真的不应该因为AI提效而让人无事可做。
一、Agent与10倍开发者由于之前Developer Keynote里有一个Demo，用Agent协作规划了一场马拉松赛事。AI Coding和AI Agent的能力日益强大，Agent已经可以自主部署、调试，几乎无所不能。所以，我就先问他，留给人类开发者的空间还有多少？
在Matt看来，大家在AI的加持下，都更有机会成为10倍开发者（10x developer）了。核心理念不是替代，是增强（augment）。Google内部已经在用Agent生成代码和辅助测试，但始终保持人在回路中（human in the loop）。代码审查仍由人完成，Agent负责的是前期差异识别这类工作。这一点在Google内外都有大量实践印证。
效率提升当然带来一个现实：过去一个工程团队的工作量可能需要20个人，现在15个人就够了。但多出来的5个人并没有被淘汰，而是去启动新项目。追求的是更快地前进，而不是用更少的人。
那问题就来了：如果多出来的人都去做新项目，软件的总量是否存在天花板？
确实有经济学家在论证，正如世界能承载的汽车、轮船、飞机数量是有限的，软件总量理论上也有上限。但现实是，今天尚未被自动化的领域还有大量空白，AI正在让自动化向这些领域延伸。盖一栋房子能否实现自动化？也许机器人可以辅助部分环节，但让软件进入那些本质上不需要软件的领域，可能性不大。上限存在，只是我们离它还远得很。
Matt在这个领域很多年。他回顾了一下软件经历的每一代跨越，从大型机到PC到Web，再到今天的AI与云，觉得我们才刚刚起步。整个Builder社区的逻辑是：一边是专业开发者，一边是正在学习vibe code的新一代人。后者不是在编写生产代码，而是在为自己的生活构建工具。OpenClaw就是一个典型的例子，人们正在用它给自己的日常增添能力，使生活更便捷、更高效。
说到这里，我联想到一个关于IBM创始人Thomas Watson的传言（当然，未被证实）：世界上只需要五台计算机。而今天，一个人每天可能就在使用五台。供给还不会过剩。
二、从Web到AI的量级差与此前的技术浪潮相比，AI这一波有什么本质不同？这是一个特别值得探讨的话题。
他觉得Web让数据变得人人可及。回想Web诞生之初，HTML和最早的浏览器，核心价值是让此前从未大规模公开过的报告、数据和科学论文变得触手可得。过去，这些内容锁在学术期刊里，只有订阅者才有资格阅读。今天，网上几乎都是免费的。
**如果说Web为世界打开了数据的大门，AI将做到同样的事，而且规模要大一个数量级。**它带来的不仅是数据的可及性，还有易用性、辅助支持等远超数据本身的能力。如果Web的影响力是"这么大"，AI将是十倍甚至更多。
说到这儿，Matt做了一个放大的手势。当然，也有人认为机器人技术（robotics）的影响可能更为深远，这都是技术自然演进的一部分。
AI的爆发速度确实出乎很多人的意料。Google在AI领域耕耘了20年，但过去四年发生的事情是：AI的可及性急剧提升，使用门槛在快速降低。从前，AI需要庞大的机器、海量内存和巨额电力投入；现在，手机上就能运行AI。
至于AI最终会催生哪些应用，没有人能逐一预测。但有一点可以确认：它将从根本上改变每个人的生活方式。
三、Vibe code的边界开发者群体本身也在变化。借助Google Cloud的各类工具，现在几乎人人都可以写代码。
面对这种新的开发者构成，Google Cloud的应对方式是在组织架构上做调整：工程团队之外有开发者关系团队（Developer Relations），专门帮助开发者学习和使用工具。最近又新设了一个Builders Team，专门面向那些能用vibe code做出解决方案的新一代人。
不过，目前还没有看到谁把vibe code的产出直接用于生产环境。
但在个人场景下就完全不同了。Matt自己就是一个例子：他对航空公司有明确的偏好，经常在寻找最低价的机票。他喜欢潜水，常年在搜最便宜的航班去偏远国家潜水。这类需求用vibe code来解决，比过去简单太多了。
过去行业里流行一句话叫"Talk is cheap, show me the code"，让代码说话。我跟Matt分享了一个观察：现在写代码变得廉价了，反倒变成了"Code is cheap, show me the talk"，让思想说话。
Matt接过这个话题，聊到了他一直信奉的一句话：**Code is truth，代码即真理。**但如果今天写代码的人从来没有看过自己的代码，因为是vibe code生成的，那"真理"的延伸等价物是什么？他的判断是：**当世界上生成的代码量急剧膨胀时，对于构建和部署这些系统的人来说，理解底层技术反而变得更加重要。**因为这些底层基础架构，可以让vibe出来的代码变得更可用。这就是Google Cloud的职责所在了。
在Google Cloud上，今天就可以打开AI Studio，vibe code出一个解决方案。Matt的儿子就把vibe code的成果部署到了Google Cloud上。但Google Cloud的基础设施本身绝不能"马马虎虎"，它必须坚如磐石。可以这样理解：平台要构建一个足够安全的Playground（游乐场），在安全性、性能、延迟等方面做到工业级水准。在Playground里跑的东西可以粗糙、可以有bug，但因为被Playground所约束，用户得以在安全的环境中试验和犯错。
说到犯错，Matt还把话题引向了子女教育。他从小就教孩子：犯错没关系。他信奉这个理念。但Google Cloud本身的建设不允许犯错，要做的恰恰是为人们创造在Google Cloud上安全犯错的机会。
四、安全该是谁的事从Playground的安全性聊开去，自然就到了安全这个话题。
这次大会上，我个人体感是安全和治理（governance）确实得到了空前的关注。
有一句话在网上流传很广：**没有任何一个开发者会在早上醒来时心想"今天我得关心一下安全"。**从来不会。开发者醒来想的是"我要写代码"。
Google Cloud的做法是：构建一个兼具安全性和智能性的平台，让开发者无需为安全分心。安全被融入设计之中（secure by design）。这当然永远是一场持续的博弈，随着AI变得更强大，它也会不断试探平台的安全边界。但这次大会上的所有安全厂商，都在遵循同一个思路：将智能嵌入平台与系统。
以SDLC（软件开发生命周期）为例，它管理的是代码从构造、组织到构建、部署、迭代的完整流程。安全能力被直接内建到这个流程中：开发者在使用流程，但不需要了解安全是如何在流程中运作的。
在Matt看来，这是Google Cloud特有的建设逻辑：**打造最智能的平台来运行你的代码。**所以传达给开发者的信息是：早上醒来，继续关心你的代码就好，安全的事，交给平台。
五、中国开发者的三个侧面交流中，我们聊到中国开发者，Matt的感性认知来自于一线接触。过去三年他去了中国四次，今年一月刚去过，和大约一千名开发者有过交流（应该是北京举行的Google Cloud出海峰会）。当天早上，他和一位中国同事共进早餐时，对方谈到OpenClaw这项技术在中国的普及程度。
具体说来，对于让他印象深刻的是**中国开发者群体有很强烈的开放共享精神。**上海一家创业公司的开发者所产出的技术，可能马上对北京一家创业公司产生价值，这个群体愿意开放地分享。
反观其他一些地方，他也见过竞争导向过强的情况，竞争到彼此不愿分享，这实际上是在阻碍创新而非促进创新。
总结下来，中国开发者的聪明才智和学习动力给他留下了深刻印象。
Google Cloud在中国面向的是出海企业。如果一家中国创业公司想要打造面向亚太、中东、欧美等全球的产品服务，这正是Google Cloud最希望合作的开发者群体。Google Cloud提供的是全球化基础设施，让开发者的产品服务能以互联网级别的规模触达全球市场。Matt常用的一个类比是：**想象把Google搜索级别的基础设施能力开放给你的创业公司。**全球触达，这就是Google Cloud所提供的。
六、足球、潜水与AI日常聊到最后，我问Matt个人在日常中怎么使用AI。一个简单的问题，得到了一个极其扎实的答案。
由于我实在不是合格的足球迷和体育迷，所以以下讲述，如果有对不上的地方，只有一种可能，是我听错了。
第一个例子关于足球。Matt是重度足球迷。去年夏天，他让儿子开始尝试用vibe code做一个信息检索应用，能够查看欧洲各大联赛的射手榜、积分榜和欧冠数据，而且支持实时更新。这些数据本身是免费的，Google搜索就能找到，但搜索做不到的是把德甲（Bundesliga）和意甲（Serie A）的数据并排呈现。
他儿子花了几个月开发，全程vibe code，部署在Google Cloud上。现在Matt开始在他的基础上扩展功能。之前儿子做的是基础查询，比如"列出各联赛射手榜前五"，像Harry Kane在德甲之类的信息。这些Matt也关注，但对他来说更有价值的问题是：当各支球队进入欧冠淘汰赛阶段，也就是目前的四分之一决赛和半决赛，哪些球队进攻火力最强？
一旦开始用数据分析，就能发现一些有趣的规律。以巴黎圣日耳曼（Paris Saint-Germain）为例，如果只看表面，你可能觉得他们的防守只是"说得过去"、进攻能力突出。但数据显示，他们作为整体的防守表现实际上优于德国和英格兰最好的一些球队。光看联赛比赛你不会注意到这一点，因为他们赢的是2-1、3-2、4-3这样的比分。但在欧冠里，他们赢的是2-0、3-0、4-0。是什么导致了这种差异？用AI来拓展分析维度，给应用增加这类功能，操作上非常简单。
第二个例子关于潜水。Matt长期用AI来协调跨日历的日程，他同时有工作日历、个人日历、家庭日历，加上他热爱潜水，所以需要查询不同地区的最佳潜水季节。通过AI，他可以找出合适的时间窗口。比如下个月他就要去印度尼西亚，正好赶上雨季结束、水下能见度尚未下降的最佳时段。
聊到这里，我忍不住问他支持哪支球队。他的儿子是铁杆阿森纳球迷，他自己更偏爱德甲。拜仁慕尼黑历来是德甲的统治者，今年的表现嘛，倒不见得。此外他还关注爱尔兰和苏格兰的球队。
但是，我们聊到了足球，我却忘了问他美加墨世界杯预测谁会夺冠，这该死的时差让我冲昏头脑啊。
灵菲配资提示：文章来自网络，不代表本站观点。