AI生成代码成本暴跌千倍 传统程序员面临思维范式重构

AI生成代码成本暴跌千倍 传统程序员面临思维范式重构 企业和开发者应当通过大量消耗极度廉价的代码与算力，来置换过去依赖高级程序员经验直觉才能获得的昂贵认知确定性。 视频深入探讨了2026年核心能力“AI原生思维”的本质，将代码生产成本的骤降比作历史上铝元素从贵金属走向工业耗材的变革。由于大模型Token价格相比2023年年初下降近千倍，代码已变得极其廉价，传统程序员需要克服心态抵抗，转变为具备架构与上下文管理能力的架构师。视频通过技术专家“鸭哥”10分钟开发并销毁“一次性软件”的案例，推崇用廉价的代码和算力去换取昂贵“认知确定性”的全新工作策略。 2026年，AI时代的工具和生态大幅进步，但最大、最难跨越的门槛其实是人们思想观念与工作习惯的转变（AI原生思维）。 (0:00) 拿破仑三世时期铝比金子更珍贵的历史表明，事物的价值不取决于稀缺性，而取决于其获取和生产的成本。 (1:18) 1886年电解铝技术与1888年拜耳法的发明让铝量产并走向平民化，这与大模型 Token 价格暴跌、代码生产成本下降的轨迹高度相似。 (3:07) 2026年的 Token 价格相比2023年年初下降了近千倍，导致代码生产从过去的“贵金属”彻底变成了“工业耗材”。 (3:07) 许多程序员因值钱手艺面临贬值而产生心理抵抗，试图寻找各种有利于手工编程的证据来拒绝高效的 AI 代码。 (5:35)

课代表立正指出，2026年“AI 原生”（AI-native）思维的核心并非掌握某种新技术栈，而是认识到大模型已使代码生产成本发生千倍暴跌，从而打破视代码为稀缺资产的传统范式，转向用廉价代码与算力去置换昂贵的人类时间与认知确定性。 拿破仑的铝碗与代码成本暴跌 演讲者以1盎司金块（市价约4400多美元）与Costco铝箔纸（约4美元）的千倍价差，类比生产力变革中的定价重构。在拿破仑三世时期，金属铝因提炼需要极其昂贵的化学试剂而贵于黄金，宴席上一等公民用铝碗、二等公民才用金碗。这一生产要素格局在1886年电解铝发明与1888年拜耳法问世后被彻底颠覆，电解铝将提炼成本与遵循类似摩尔定律降价的电价绑定，使铝走向大规模量产与平民化。 演讲者认为，今天大模型对“代码”的改造正是电解铝历史的重演。2023年年初至2026年间，大模型Token价格跌幅接近千倍，带动批量生成代码的单价呈指数级下降。传统软件工程中每行代码均需高薪雇佣程序员撰写，而如今代码已从昂贵的“黄金”蜕变为廉价的“铝”。 程序员的心理阻抗与技能重塑 面对代码生产力的剧烈重构，不少程序员因手艺贬值的焦虑而本能抗拒，试图强调“手工编写的纯代码”与“AI生成的代码”不可同日而语。然而行业共识正在转变，顶级学者 Andrej Karpathy 在2025年底亦公开表达过开发者视角的焦虑，并提出只要有效整合现有AI工具即可让生产力提升10倍。 在先进AI社区中，代码质量不佳的主要原因已被归结为人类自身的架构能力不足。普通开发者的纯手工编码效率已无法抗衡经过训练并熟练使用AI的人；开发者的核心竞争力正从敲击代码，全面转向充当架构师（architect）、精准组织与注入上下文（context），以及向模型清晰表达需求的能力。 挥霍代码与“阅后即焚”的新范式 传统软件工程因代码昂贵而高度强调抽象、模块化与代码复用，但AI原生工作方式则提倡反向“挥霍代码”。技术专家“鸭哥”在处理一批JSON数据校验时打破常规：他没有花费大半天编写通用的排查脚本，而是让AI在10分钟内生成了一个具备交互功能的临时可视化网站，快速定位修复可疑数据后，便将该网站直接废弃。 这种“阅后即焚”的一次性软件展示了全新的经济理性：当生成代码的边际成本趋近于零且仅需数分钟时，省下有经验工程师数小时的高价值时间才是最优策略。开发逻辑由“设法节省与复用代码”，彻底转向“用代码的过度消耗替代人类劳动”。 用廉价算力置换昂贵的认知确定性 成本断崖式下跌进一步削弱了传统“经验与直觉”的垄断地位。在代码高昂的年代，团队无法为所有细枝末节配置日志与可视化看板，不得不高度依赖资深工程师的经验直觉——演讲者将其本质定性为对现实信息的“有损压缩”。当临时搭建观测系统与全量打日志的成本低至可忽略不计，团队完全能够以极低代价捕获完整信息，使得化学家式的“操作手感”退居次席。 演讲者算了一笔经济账：程序员与数据科学家的综合用工成本普遍在每小时100美元以上，而订阅Cursor仅需20美元/月，实际项目中频繁调用高阶模型的Token开销往往也仅有数美元。AI原生思维的关键在于看清“昂贵的是真相，便宜的是代码”，利用廉价算力打出高功率探照灯，以极小代价换取决策与调试的确定性。 演讲者总结指出，如同从马车跨越至汽车，AI原生是一场工作哲学而非单纯技术栈的换代；如果依然计较细微的算力成本或固守手工编程的旧习惯，便无法释放工具的真正潜能。但在这一范式下，如何持续提升使用者的架构掌控力与上下文管理水平，仍是区分生产力高下的关键分水岭。

[0:00] 课代表立正: 我们要的不是一个更快的马，而是我们要的是汽车。 [1:18] 课代表立正: 在那个时代，纯铝的价值远高于金子。 [1:18] 课代表立正: 事物的价值往往不取决于其本身是否稀有，而取决于其获取和生产的成本。 [5:35] 课代表立正: 手工制造的化学铝和电解出来的铝是不一样的 [5:35] 课代表立正: 如果你真的 AI 代码写得不好，大概率是因为你自己太菜了 [7:07] 课代表立正: 阅后即焚 [7:07] 课代表立正: 挥霍代码 [7:07] 课代表立正: 想方设法地节省代码、复用代码，因为代码像金子一样贵；而新时代的方法则是肆无忌惮地“挥霍代码”，用代码去取代人类宝贵的时间。 [10:21] 课代表立正: 经验和直觉，本质上是对世界信息的一种“有损压缩”。 [10:21] 课代表立正: 当可视化、logging 和临时网站的搭建成本低到可以忽略不计的时候，我们完全可以用极其低廉的成本去收集完整的信息。 [12:44] 课代表立正: AI native 并不是一个所谓的新的技术栈……而是一个思维方式，而是一种策略。 [12:44] 课代表立正: 当代码变得极为便宜的时候，你是不是善于用廉价的代码、廉价的算力去换取昂贵的认知确定性 [12:44] 课代表立正: 昂贵的是真相，便宜的是代码

[0:00] 在2026年 [0:01] AI native [0:02] AI 原生会是越来越重要 [0:04] 越来越被大家提起的一个能力 [0:06] 因为这波生成式AI [0:08] 经过三年多的发展 [0:09] 经过三年多的发展 [0:09] 无论是模型工具还是生态 [0:11] 都已经有了很长足的进步 [0:13] 但是这里边其实最难转变的 [0:15] 是人们的思想观念和人们的习惯 [0:17] 如果我们用着旧的范式 [0:19] 旧的工作习惯去使用AI的话 [0:21] 那其实是发挥不出来 [0:23] 这些AI工具的潜力的 [0:25] 就像汽车和马车的比喻 [0:26] 我们要的不是一个更快的马 [0:29] 而是我们要的是汽车 [0:30] 汽车和马车的工作原理 [0:32] 工作方式其实从根本上都是不一样的 [0:35] 我们必须要用这个新技术 [0:36] 更原生的方式 [0:38] 才能发挥出它真正的潜力 [0:40] 那问题来了 [0:45] 今天我就给大家准备了两个道具 [0:47] 其中第一个是这样一个金块 [0:48] 它是一个一盎司的金块 [0:50] 大概现在的市价 [0:52] 应该是4400多美元 [0:54] 然后这是一卷铝 [0:56] 其实这两个都是在Costco的 [0:57] 它的这么一卷的售价 [0:59] 可能也就四美元吧 [1:00] 所以说他们今天的价格呢 [1:02] 这么一小块金块和这么一大卷铝 [1:04] 他们的价格差了1000倍 [1:06] 可是大家知道吗 [1:07] 在拿破仑三世的宴席上 [1:09] 他招待一等公民的时候会拿出来铝碗 [1:12] 但是他招待二等公民的时候会用金碗 [1:14] 因为在那个时候 [1:15] 铝比金子的价值要高很多 [1:18] 那今天视频的前半段 [1:19] 我们就稍稍讲一下金子和铝的历史 [1:21] 其实它跟大模型和AI的发展 [1:24] 我们也能看到是有很多相似之处的 [1:26] 那借用这个历史 [1:27] 也给大家讲一下所谓的AI native [1:30] AI 原生 [1:31] 到底是一个什么东西 [1:32] AI它真正根深蒂固改变的是什么 [1:34] 我们知道汽车和马车的区别是什么 [1:36] 但是我们知道 [1:37] AI和上一代的软件开发 [1:39] 或者说上一代的我们使用电脑的方式 [1:41] 到底有什么本质的区别 [1:43] 在这我先给大家上结论 [1:44] 如果让我用一句话总结的话 [1:45] 就是某些任务上 [1:47] 它的成本和定价的区别 [1:49] 那我在第二段的时候 [1:51] 也会给大家详细解释一下 [1:52] 到底这个区别是什么 [1:54] 以及第三段怎么样子 [1:55] 用一个更AI原生的方式去工作 [1:58] 从而能真正的发挥AI潜力 [2:00] 从而提升我们自己的竞争力 [2:02] 那好我们一个一个来看 [2:03] 第一个就是为什么历史上的铝那么贵 [2:05] 现在的铝却这么便宜 [2:07] 我随便撕出来一块的话 [2:08] 然后把它扔掉都一点不可惜 [2:10] 大家知道在地球的金属里边 [2:12] 铝和金子的这个稀有程度 [2:15] 其实是没有变过的 [2:16] 铝它就是一个非常非常常见的金属 [2:19] 它大概是占地球的矿石总量的 [2:21] 大概6%吧 [2:22] 金子一直都比铝稀有很多 [2:24] 可是在拿破仑三世之前 [2:25] 为什么铝那么贵呢 [2:27] 因为这是他们的化学属性的不同 [2:29] 金子就是一个I人 [2:31] 它都是跟自己待在一起 [2:32] 所以说你在自然界发现一个金子 [2:34] 基本上就发现了一个金子 [2:35] 可是铝呢 [2:36] 它就是一个超级大E人 [2:37] 它总是跟氧混在一起 [2:39] 所以说你在自然界里面看到的铝 [2:41] 都是氧化铝 [2:42] 那你想在氧化铝里边 [2:44] 把铝给提取出来的话 [2:45] 就需要使用非常昂贵的化学试剂 [2:48] 这也导致了在拿破仑三世之前 [2:50] 我们想要得到纯铝的话 [2:52] 其实是要非常强的化学能力 [2:55] 和使用非常昂贵的化学试剂的 [2:57] 所以说我们得到纯铝的时候 [2:58] 不是这个铝本身有多么稀有 [3:00] 而是它需要 [3:01] 获得很多功夫才能得到的 [3:03] 讲到这里 [3:03] 其实我们就可以直接去跟今天的AI生产力产生关系 [3:07] AI改变的生产力 [3:08] 改变的成本和定价是什么呢 [3:10] 那就是代码 [3:11] 原来代码啊 [3:12] 其实虽然很多 [3:13] 但是生产代码 [3:14] 是一个非常非常贵的事情 [3:16] 我们需要找程序员 [3:17] 我们需要组织这些程序员 [3:18] 然后去进行开发 [3:19] 每生产出来一行代码 [3:20] 其实它的单价都是非常贵的 [3:23] 并不是说 [3:23] 那个代码的文件本身有多么贵 [3:25] 而是生产代码的过程非常的贵 [3:28] 可是今天大家就看到了 [3:29] AI可以批量的产生代码 [3:31] 让代码本身就变得便宜了很多 [3:34] 那我们先把铝的故事讲完 [3:35] 铝是怎么变便宜的 [3:36] 是在1886年和1888年 [3:39] 有两个核心的发现 [3:40] 其实真的和我们今天AI很像啊 [3:42] 就是1886年的时候 [3:44] 我们发现了电解铝这个技术 [3:46] 那通过电解铝的话 [3:47] 就不需要在化学实验室里边 [3:49] 用那些昂贵的试验去把铝给置换出来 [3:51] 我们只需要用电 [3:52] 就可以把铝给分解出来 [3:54] 那大家知道在1886年的时候 [3:56] 电还是很贵的 [3:57] 可是电 [3:58] 它就有一个这种电自己的摩尔定律吧 [4:01] 它就是电会变得越来越便宜 [4:03] 导致生产铝的成本也就啪⬇️指数型的下降 [4:06] 其实就像我们今天的这个token一样 [4:08] 大家如果想想 [4:09] 2023年年初的时候的token的价格 [4:11] 和现在的token的价格是差了千倍 [4:13] 在这个定律之下 [4:14] 我们的代码的生产成本 [4:16] 其实也是便宜了千倍不止 [4:17] 那第二个关键发明 [4:19] 就是1888年的拜耳法 [4:20] 那个拜尔法 [4:21] 它其实是让生产铝这件事情变得scalable [4:24] 它本身是一个在铝土矿中 [4:26] 大规模精炼氧化铝的这样的一个技术 [4:29] 所以说之后量产铝就变成了可能 [4:31] 就可以让铝的价格进一步的下降 [4:34] 所以我们回过来啊 [4:35] 就是看从前一行生成一行代码 [4:37] 必须要靠人工去写 [4:39] 你所谓的之前的那种自动代码的工具 [4:41] 其实基本上是都很难work的 [4:43] 代码自然而然就是一个非常金贵的东西 [4:46] 程序员的身价 [4:47] 也和他产生的这些代码是很相关的 [4:50] 只要你能产生代码 [4:51] 那你就是一个很金贵的职业和技能 [4:53] 可是今天代码就变得很便宜了 [4:55] 我们知道现在市面上还有很多程序员 [4:58] 因为他手里拿着的 [4:59] 是这个看上去很贵的这块铝 [5:02] 然后他很难在心中接受 [5:03] 这块铝变得很便宜 [5:05] 所以他们就会去说 [5:06] 就是这个东西只有我能写的出来 [5:08] 我化学制造的铝 [5:09] 和这个电解出来的铝是不一样的 [5:11] 我的这个铝怎么怎么好 [5:12] 但是我在这里边就要提醒大家 [5:14] 你为什么会得出这样的结论 [5:15] 到底是因为这个电解铝 [5:17] 真的不如你的这个化学铝吗 [5:18] 到底是AI生成的代码 [5:20] 真的不如你生成的代码呢 [5:21] 还是其实你心中在抵抗这件事情 [5:24] 因为你担心自己的这个值钱的手艺 [5:26] 变得不值钱了 [5:27] 从而选择性的去关注 [5:29] 那些有利于你手工生成代码的证据 [5:31] 而选择性的忽视 [5:33] 那些有利于AI代码的证据(口误) [5:35] 比如说Andrej Karpathy这样的大神 [5:38] 他其实在2025年的年底 [5:39] 就写了一篇Twitter [5:40] 就是他作为一个程序员 [5:42] 自己心中觉得是很焦虑的 [5:44] 然后他是觉得自己有机会 [5:46] 能让自己的生产力再提升10倍 [5:48] 而且只要是把现有的工具 [5:50] 给拼凑在一起就行了 [5:51] 但是他觉得这件事 [5:52] 他自己做的还是很不够 [5:53] 我们的社区也是 [5:54] 就是我们社区里面呢 [5:55] 大家是没有再去讨论 [5:57] 就是AI代码是不是可以行的 [5:58] 因为我们知道 [5:59] 就是你如果真的AI代码写的不好 [6:01] 大概率是因为你自己太菜了 [6:03] 就是你自己没有办法做很好的architect [6:06] 然后你不知道怎么样子 [6:07] 把合适的context给到AI [6:09] 然后你不知道怎么样子去要求AI [6:11] 就是你对这件事情的了解可能还不够 [6:13] 所以导致你做出来的这个代码菜 [6:15] 然后基本上所有的人 [6:16] 如果把他们的问题交给鸭哥 [6:18] 鸭哥都能非常漂亮的使用AI [6:20] 很高效的去解决 [6:22] 所以说这个时候就是绝大多数的人啊的水平 [6:25] 没有强到说他们的coding [6:27] 真的比现在的AI [6:29] 加上一个经过训练 [6:30] 很会使用AI的人 [6:31] 达到的效果要好 [6:33] 而是他们因为觉得自己的地位和价值 [6:37] 受到威胁 [6:38] 所以选择性的观察世界 [6:39] 从而得出了一个有偏见的结论 [6:42] 这儿具体我就不多说了 [6:43] 如果不相信的话 [6:44] 我相信再过一两年大家也会相信了 [6:46] 所以说我在这一年 [6:47] 我就不再多费口舌了 [6:48] 如果你认可这个结论 [6:50] 你认可电解铝 [6:51] 其实比化学铝来说没有差 [6:53] 你认可一个人如果学会了使用AI [6:56] 能掌握真正AI native的方式去工作 [6:59] 它产出的代码无论从数量还是质量上 [7:01] 都可以超过手工编程的话 [7:03] 那我们接下来的问题就是 [7:05] 什么样子才是AI native的工作方式 [7:08] 怎么样子 [7:09] 才能用最能发挥AI潜力的方式 [7:11] 去进行工作 [7:12] 那在这儿 [7:12] 我就想给大家推荐一下 [7:14] 鸭哥的那篇文章 [7:15] 在那篇文章里边 [7:16] 鸭哥就举了这么一个具体的例子 [7:17] 就是他要检查一批数据 [7:19] 到底好还是不好 [7:20] 这批数据是JSON [7:21] 然后他就做了一个违反祖宗的决定 [7:23] 这个违反祖宗的决定是 [7:24] 他没有去开发一个可复用的代码 [7:27] 而是直接跟AI说我要去做一个网站 [7:30] 然后有一些方式 [7:31] 帮助我把这里边的可疑的case找出来 [7:34] 然后我就可以通过互动性的方式 [7:36] 去检查这些代码好还是不好 [7:38] 然后AI [7:39] 帮助他非常高效地完成了这个工作 [7:41] 在之前这项工作 [7:42] 可能需要花一个非常有经验的人 [7:44] 一上午一天的时间 [7:46] 但是他去做这件事的话 [7:47] 花10分钟就非常高效 [7:49] 非常确定的把所有的问题都抓出来 [7:52] 然后去进行修复了 [7:53] 那这个违反祖宗的规定在哪呢 [7:55] 就是在于这个网站 [7:56] 它这个网站做完了以后呢 [7:58] 直接就扔掉了 [7:59] 但是这个网站又确确实实的提升了他的工作效率 [8:03] 以及他的这个工作 [8:04] 就是相当于label数据吧 [8:06] 就是这些数据里边哪些是好的哪些(是)不好的 [8:08] 是他才能做的 [8:09] 他很难trust AI去做 [8:11] 那制造这个网站本身 [8:12] 也就是一个所谓阅后即焚的软件 [8:15] 所谓的一个一次性的软件 [8:17] 其实在他看来就是AI native的核心 [8:20] 那这个核心就是pricing [8:22] 就是做这个网站任务的定价 [8:24] 在之前啊 [8:25] 哪怕是鸭哥这样非常有经验的程序员 [8:27] 你要让他去写这么一个网站 [8:29] 毕竟你要熟悉很多东西嘛 [8:31] 基本上你要花一个大半天的时间 [8:33] 去把这个网站做好 [8:34] 如果过程中还需要debug的话 [8:35] 可能花的时间就更长 [8:37] 那你去解决一个大半天的任务 [8:39] 然后去花大半天的时间做一个网站 [8:41] 那要么就是你不要去做这个网站 [8:43] 要么你做了这个网站 [8:44] 那就要么它可以可延展 [8:46] 要么就是它可以可复用 [8:47] 才让你的这件事变得是值得的 [8:49] 可是在今天 [8:50] AI如果能花五分钟 [8:52] 10分钟就把这个任务给做了 [8:53] 那做这么一个只用一次的网站 [8:56] 就是一个非常划算的决定 [8:58] 这个事实很清楚对吧 [8:59] 那我们站在这个事实上 [9:01] 鸭哥又提出了一个进一步的思考 [9:03] 这个pricing的变化 [9:05] 其实就会导致 [9:06] 我们对人才的定义的变化 [9:08] 什么意思呢 [9:09] 因为我们过去想要去做 [9:11] 这样的一个网站 [9:12] 是很贵的 [9:13] 所以说 [9:14] 我们没有办法用一个特别observable的方式 [9:17] 去检查我们软件中的错误 [9:19] 我们出来一个bug的话 [9:21] 我们不可能所有的东西全都打log [9:23] 然后所有的东西全都做网站 [9:24] 所有的东西全都可视化出来 [9:26] 于是我们就非常吃经验和直觉 [9:28] 那个时候 [9:29] 在这些所有的东西很贵的时候 [9:31] 就像我们说这个铝没有电解铝 [9:34] 只有化学铝的时候 [9:35] 化学家的经验直觉 [9:36] 它的手感就非常重要 [9:38] 它的良品率就非常重要 [9:40] 这个时候看的是个人的经验 [9:42] 一个程序员的经验、体感、直觉 [9:44] 就决定了 [9:45] 它能不能非常快的定位到这个bug [9:48] 并去解决它 [9:49] 可是今天化学铝变成了电解铝之后 [9:51] 当可视化 logging [9:53] 和这些网站都变得很容易的时候 [9:55] 你完全可以花很短的时间 [9:57] 就把这些该做的东西做出来 [9:58] 就把所有的证据全都收集起来 [10:00] 那我们就不需要像之前一样 [10:02] 依靠经验和直觉了 [10:04] 因为经验和直觉 [10:05] 其实是对这个世界信息的有损压缩 [10:08] 我们现在可以用很便宜的方式 [10:10] 就可以得到更多的信息的话 [10:11] why not [10:12] 为什么不去收集更多的信息 [10:13] 为什么还要依赖经验直觉 [10:15] 我们可以大规模生产电解铝的时候 [10:17] 那这个化学家的手感 [10:18] 自然而然就不那么重要了 [10:20] 那这是道理 [10:21] 道理之后我们还需要内化到身体里边 [10:23] 内化到我们日常的行为和习惯里边 [10:25] 内化到我们每个角色里边 [10:27] 才是能走向那个AI native [10:30] AI 原生化的工作方式 [10:31] 如果用一句话去总结的话 [10:33] 过去的方法就是 [10:34] 我们要想方设法的节省代码 [10:36] 想方设法的让代码复用 [10:37] 因为代码很贵 [10:38] 我们要想方设法的节省那个化学铝 [10:41] 那新的方式就是我们可以挥霍代码 [10:44] 今天我为什么选了这样一个东西 [10:46] 因为这一卷 [10:46] 普通家庭你可能用一两年都用不完 [10:49] 这么一个四块钱的东西 [10:50] 它的成本就这么低 [10:51] 真的是使劲去挥霍它都挥霍不完 [10:54] 那在这个时候你想要达成任务的话 [10:56] 有效的方式就应该是去挥霍代码 [10:59] 去让代码去取代那些人的宝贵时间 [11:02] 我们很多时候我发现 [11:03] 就是社区里哪怕学员也会这个样子 [11:05] 就是他不舍得花钱去订阅一下Cursor [11:08] 或者说他在去使用一些比较高阶的模型的时候 [11:10] 他会觉得这个模型有点贵 [11:12] 然后我们提醒大家的第一个反应就是 [11:14] 你要先把你自己的工薪给算起来 [11:17] 你要先把你的development time给算起来 [11:19] 一般一个程序员或者数据科学家 [11:22] 他的时薪加上综合用工成本吧 [11:24] 应该就是$100起 [11:26] 你订阅一个Cursor $20一个月 [11:28] 所以说你如果能用这个AI [11:30] 帮你省半小时的时间 [11:31] 你就已经赚大了 [11:33] 更不要说我们大多数人 [11:34] 其实在使用AI上 [11:35] 经过了这么1000倍的成本下降 [11:38] 使用的AI的token也就几块钱 [11:40] 我们做那Builder Space [11:41] 给了大家$100 [11:42] 大家可能一开始觉得就是$100 [11:44] 很快就霍霍掉了 [11:45] 结果后来发现就是一个项目做完了 [11:47] 很多人使用 [11:48] 可能也就几块钱的这个成本 [11:50] 所以说这个耗材 [11:51] 真的是已经在变得非常非常便宜了 [11:53] 而且在越来越便宜的情况下 [11:55] 大家一定要养成一个新习惯 [11:57] 就是挥霍代码 [11:58] 用代码去取代你的思考 [12:00] 用挥霍代码的方式去节省你的时间 [12:03] 去提高你工作的精度 [12:05] 提高你工作的质量 [12:06] 在过去 [12:07] 这是一件非常不可思议的事情 [12:09] 和非常不经济的事情 [12:10] 在新时代 [12:11] 这就是一个更好的工作方式 [12:13] 所以用一句话总结的话 [12:15] AI native [12:16] 它并不是一个所谓的新的技术栈 [12:18] 大家遇到的技术都一样 [12:19] 而是一个思维方式 [12:21] 而是一种策略 [12:22] 在过去的方式之下 [12:23] 我们依赖的是谁的经验多 [12:26] 谁的直觉准 [12:27] 而AI native的工作方式 [12:29] 就是当代码变得极为便宜的时候 [12:32] 你是不是善于用廉价的代码 [12:34] 廉价的算力去换取昂贵的认知确定性 [12:38] 那好今天我们想让大家记得一点 [12:40] 就是从今天开始 [12:45] 真相其实就像这个金子一样 [12:47] 它在过去很贵 [12:48] 它在今天也很贵 [12:50] 而代码就像这个铝一样 [12:52] 在过去它可能比真相贵 [12:53] 但是在今天它已经比真相便宜很多了 [12:56] 我希望用这个铝和金子的案例 [12:59] 帮大家非常具象化的记住 [13:01] 昂贵的是真相 [13:02] 便宜的是代码 [13:03] 所以掌握这样一个思维方式 [13:05] 你就会发现 [13:06] 当你身边的人啊 [13:07] 还在摸黑去探索的时候 [13:09] 你可以随便的打开探照灯 [13:11] 然后随便的得知这个世界的真相 [13:13] 这其实就是对过去工作方式的一个降维打击 [13:16] 那好希望这期视频就讲清楚了 [13:18] 这个我觉得还挺难讲清楚的点 [13:20] 大家感兴趣的话 [13:21] 欢迎去阅读鸭哥的那个文章 [13:23] 如果想看更多的AI高手 [13:25] 是怎么样子使用AI的话 [13:27] 欢迎来到我们的社区 [13:28] 这是我们的课程主页啊 [13:29] 就是www.ai-builders.com [13:32] 然后我们社区主页是c.ai-builders.com [13:36] 可以加入社区 [13:37] 可以看到 [13:37] 高手们是在里边 [13:38] 怎么样子把AI落地成真实的资产 [13:41] 和升职加薪的项目的 [13:42] 那好这期视频就到这 [13:43] 我们下期再见拜拜