
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。