一年跑掉250亿个Token的人,到底在用AI干什么?
这两天,Sigrid Jin 这个名字在开发者圈子里突然爆了。 原因很简单,也很夸张:《华尔街日报》公开提到,他在过去一年里,一个人就用掉了 250 亿个 Claude Code token。 这不是"偶尔用用 AI 写代码"的量级,也不是"重度订阅用户"的量级,而是一种近乎工业化的使用强度。更重要的是,这个数字背后,真正值得讨论的不是猎奇,不是炫耀,而是一个问题:一个人到底要做什么,才会把 AI 用到这种程度?
这两天,Sigrid Jin 这个名字在开发者圈子里突然爆了。 原因很简单,也很夸张:《华尔街日报》公开提到,他在过去一年里,一个人就用掉了 250 亿个 Claude Code token。 这不是"偶尔用用 AI 写代码"的量级,也不是"重度订阅用户"的量级,而是一种近乎工业化的使用强度。更重要的是,这个数字背后,真正值得讨论的不是猎奇,不是炫耀,而是一个问题:一个人到底要做什么,才会把 AI 用到这种程度?
如果说过去两年,俄乌战场最震撼世界的是无人机像雨点一样改变天空,那么 2026 年 4 月 13 日,乌克兰总统泽连斯基的那句话,则像是把"未来战争"又往前推了一大步。他在当天讲话中说,乌军首次完全依靠无人平台——包括无人机和地面机器人——夺取了俄军阵地,行动中没有步兵直接参与,乌方没有人员伤亡,而对方最终选择了投降。对很多人来说,这不是一句普通战报,而更像是一道分界线:战争的主角,正在从"士兵冲锋"悄悄转向"人机协同"。
2026年4月13日,CreaoAI 联合创始人 Peter Pang(前 Meta LLaMA 团队成员)在 X 上发布了一篇长帖,详细拆解了他们团队如何将 99% 的生产代码交给 AI 完成,并将完整功能从构思到上线压缩到一天内完成:上午 10 点上线新特性,中午 A/B 测试,下午 3 点根据数据下线,晚上 5 点上线优化版。三个月前,同样的周期需要六周。 这不是"装个 Cursor 用 Copilot 提效 10-20%“的 AI-assisted 故事,而是彻底的 AI-first 重构。Peter 将其称为 harness engineering(OpenAI 在 2026 年 2 月正式命名的概念):工程团队的核心工作不再是写代码,而是为 Agent 构建可读、可验证、可执行的"马具”(harness),让 AI 成为首要构建者,人类负责方向、批判和风险判断。 本文将从技术视角完整解读这篇帖子,拆解 CreaoAI 的架构重构、工具链、自愈闭环、新型工程角色,以及对整个行业的启示。目标是帮助正在或即将迈入 Agent 时代的工程师和 CTO 理解:真正的 10x 不是更快写代码,而是把整个系统设计成 AI 能"看懂、改好、自己修"的状态。
Aaron Levie 是美国知名科技企业家,现任Box公司联合创始人兼首席执行官。Box是一家专注于企业云内容管理和协作平台的领先企业,服务于全球众多财富500强公司。Levie出生于1984年,早年从南加州大学辍学创业,以敏锐的商业洞察力和对云计算的长期押注闻名。在AI浪潮席卷全球的今天,他不仅持续推动Box向智能内容平台转型,还经常与企业IT和AI领导者深入交流,分享对行业趋势的观察。他的观点以务实、前瞻著称,强调技术如何真正服务于企业复杂现实,而非停留在实验室阶段。 最近,Levie与多家大型企业的IT和AI负责人进行了密集会谈,涵盖银行、媒体、零售、医疗、咨询、科技和体育等多个行业。这些对话聚焦于企业级AI代理(agents)的落地应用。他的观察清晰地勾勒出AI从"聊天时代"向"代理时代"转型的路径,以及企业在这一过程中面临的真实挑战与机遇。以下是基于这些洞见的详细阐述,旨在帮助读者理解AI如何重塑企业工作流程。
最近,吴恩达围绕"软件工程的未来"发了一篇很值得细读的推文。表面上看,这是一段为 AI Developer Conference 预热的文字;但如果认真读下去,会发现它真正讨论的,是一个比"AI 会不会替代程序员"更重要的问题:当 AI agent 正在加速写代码,软件工程这门职业到底会变成什么样?
在人工智能迅猛发展的今天,一场关于"智能"的深刻变革正在悄然发生。它并非简单的技术进步,而是对人类自身认知的一次根本性重塑。著名数学家陶哲轩最近在与合作者的论文中提出了一种"哥白尼式的智能观"。这一观点认为,人类智能不再是宇宙智能的中心,而只是众多智能形式中的一种。它与其他智能形式(如人工智能)并存,各有优势与局限,却能通过协作产生超越单一形式的创造力。这一理念如同天文学史上哥白尼推翻地心说一样,颠覆了我们长期以来的"人类中心主义"认知框架。它提醒我们:智能的世界是多元的、平行的,而非线性等级的。
从大语言模型、Token 与 Context,到 Tool、MCP、Agent 和 Agent Skill,这篇文章尝试用工程视角把一整套 AI 技术栈拆开讲清楚。看懂这些底层逻辑,才真正算摸到了 AI 的骨架。
当传统军工体系仍受制于高成本、长周期和复杂供应链时,Divergent Technologies 正用 AI、3D 打印和机器人组装重写武器制造逻辑。DAPS™ 的出现,让“廉价海量弹药”第一次真正接近工业现实。
当全世界都盯着英伟达、台积电和 ASML 时,真正卡住 AI 芯片命门的,可能是一家卖味精的百年老店和一家做马桶的卫浴巨头。看起来最日常的公司,往往掌握着最不日常的底层材料能力。
当 AI 能以近乎工业化的方式低成本挖出操作系统和基础软件中的深层漏洞,传统 SaaS 的护城河和边界安全叙事,正在被快速抽空。Claude Mythos 带来的,不只是技术突破,更是整个软件产业逻辑的震动。
Ramp 并不是在“鼓励员工试试 AI”,而是在把 AI 变成整家公司运转的一部分。当 99.5% 的员工都开始使用 AI,真正被重写的,不再只是岗位效率,而是组织本身。
Meta 扩大与 CoreWeave 的合作,新增约 210 亿美元长期 AI 云协议,Anthropic 也紧随其后达成多年期算力合作。这家过去偏幕后、却突然被推到台前的公司,正在揭示 AI 下半场真正的竞争核心。
当AI开始进入实验室,科研的瓶颈不再只是实验本身,而是知识组织、问题提出、数据分析与学术表达的整体重写。真正被改变的,也许不是某个环节,而是“做研究”这件事本身。
在科技发展的长河中,有些里程碑是大张旗鼓发布的,伴随着炫目的发布会和铺天盖地的营销,而另一些里程碑,则是在一片倒吸凉气的寂静中,被锁进最高安全级别的服务器里。 2026 年 4 月的这几天,整个科技圈和华尔街正经历着后一种震撼。 人工智能初创公司 Anthropic 研发出了他们迄今为止最强大的前沿模型,Claude Mythos Preview。然而,这款模型没有迎来盛大的公测,而是被直接贴上
引言:当AI成为“超级黑客”的提线木偶 在人工智能飞速发展的今天,大型语言模型(LLM)已经跨越了单纯的“聊天机器人”阶段,进化为能够执行复杂任务、调用外部API、甚至管理加密资产的“自主代理(AI Agents)”。为了协调这些代理与外部世界的交互,**LLM路由器(LLM Routers)**应运而生,成为了AI生态系统中的交通枢纽。 然而,如果这个“交通枢纽”从一开始就被设计成了不设防的裸
很多程序员之所以不好找工作,或者职场发展受限,并不只是因为大环境、年龄或内卷,更深层的原因,常常出现在写代码之外的能力短板上。知识面、沟通情商和商业敏感度,正在成为技术人最容易忽视、却最致命的职场隐形天花板。
这两年,越来越多企业接入大模型、开通企业版、搭建内部机器人,期待 AI 成为新一轮组织效率革命的抓手。但真正难的往往不是模型本身,而是如何让 AI 在组织里“有位置”,并在流程、权限、上下文与责任边界中稳定运行。
刚刚凭借 AlphaFold 斩获 2024 年诺贝尔化学奖的 DeepMind 掌舵人 Demis Hassabis,正在发出一种与行业狂热并不一致的提醒。AI 本该在实验室里多停留几年,去攻克癌症、材料与宇宙难题,而不是过早沦为财报会上推销商业故事的筹码。
这两年,几乎每隔一段时间,市场都会出现同一种声音:AI 投资是不是太热了?是不是已经开始脱离现实?是不是又要走向新一轮泡沫? 这种担忧不是没有道理。因为过去一年多,围绕 AI 的投入已经不再是“多买几块 GPU、多招几个算法工程师”那么简单,而是迅速升级成了一场覆盖数据中心、芯片、网络、电力、云平台、本地部署和人才体系的系统性投入。Reuters 2 月 23 日援引 Bridgewater A
过去两年,AI 世界最热闹的场面,几乎都围绕着一件事展开:谁的模型更强。 大家追逐参数规模,盯着排行榜,比较谁的推理更稳、代码更强、上下文更长、幻觉更少。每一次新模型发布,都会引发一轮熟悉的讨论:是不是又领先了?是不是又拉开差距了?是不是 AGI 更近了一步? 但到了 2026 年,这场竞争的重心正在明显变化。 一个越来越清晰的信号是:市场开始不再只看"谁最聪明",而开始更认