想象一下：某家市值千亿公司的 CEO，深夜对于着电脑屏幕，不是于批报表，而是于及 AI Agent 一路疯狂敲代码，连夜跑完上百轮试验。

这就是 Shopify 的 Tobi Lütke，及 Y Combinator 的 Garry Tan 正于电脑前做的事。

硅谷不养闲人，CEO 狠起来连本身都卷。

YC 的 Garry Tan 这几天一直没闲着，他白日管团队，晚上就用本身开源的 Gstack（把 Claude Code 配成 CEO、工程司理、QA、设计师等一整套虚拟团队），破费 60 天时间写出 60 万+行出产代码，日均写 1-2 万行，眼看 GitHub stars 蹭蹭上涨，Garry Tan 本身都高兴患上天天只睡 4 小时。

另外一位 Shopify 的老年夜 Tobi Lütke，亲自用 AI Coding Agent，对于着本身 20 年前写的 Liquid 引擎重复试验，把解析衬着速率提速到 53%，内存节省到 61%。

一个愈来愈清楚的变化是：这些原本处于决议计划层的企业治理者，正于亲自跑试验、开源东西、优化出产代码、搭建 Agent 团队，直接介入到这场 AI 的现实利用之中。

近似的动作，也最先于更多公司中呈现。只是不少企业治理者对于 AI 的接触还有逗留于基础问答层面，更可能是寄但愿在招募懂技能的团队来解决问题。

但 AI 从来不是一个静态东西，而是一种必需经由过程亲手试错、持久协作才能摸清真实界限的体系。

也恰是这类认知差，最先拉开分水岭：有人还有于“利用” AI，有人已经经及 AI 一路“干活”。

于海内，360 集团开创人周鸿祎就是后者的典型代表。

01 AI 的不成猜测

必需患上亲自试用及踩坑

已往一段时间，治理者理解技能的方式是须要且不变的：经由过程通报的信息获取认知后，再依赖报告请示形成判定，而无需亲自介入研发及履行。

于这类模式下，技能的功效、机能、进度，均可以被收拾成陈诉，被压缩进 PPT，再转化为决议计划依据。

但当 AI 最先进入真实开发与出产流程，想要成立精准的技能判定，仅仅依靠通例信息通报机制可能还有不敷。

于与耶鲁立异学者交流时，周鸿祎也进一步注释，假如没有深度介入 AI 的现实利用，很难于要害节点上做出有用判定。

也正因云云，他选择连续亲自介入智能体开发、流程调试与 Skill 调解——其焦点目的并不是展示技能能力，而是获取更靠近真实利用情况的一线体感。

周鸿祎于一次媒体访谈中提到，本身原本其实不信赖 AI 真能写繁杂软件，直到本年亲自与 AI 互助写出一个繁杂的软件智能体后，才转变了这一见解。

于真正的协作情况中，他不雅察到 AI 较着的两面性：它智慧时，就是“互助过程度最高的步伐员”，理解力强，能快速写出几千行代码；但同时它也会犯错，不按常理出牌，甚至误删代码。

有次，于一项详细的开发历程中，周鸿祎也直不雅感触感染到 AI “堕落”的一壁：原本交付的 1200 多行代码，于终极查对时只剩下约 600 行。他其时的第一反映是：“是否是智能体又把代码改失了？”

也恰是于这些重复试错中，他逐渐意想到，许多问题不仅存于在开发者侧，于平凡用户那里会被进一步放年夜。

这类认知，随后最先反过来影响产物形态。

平凡用户于接触 AI 时，面对的不只是“会不会用”的问题，更多倒是“装不装患上上”“能不克不及不变运行”“敢不敢持久利用”等详细而繁杂的实际环境。

缭绕这些真实需求，团队推出了“360 安全龙虾”，试图降低用户于部署及利用历程中的门坎与不确定性。

这些真正的协作体验让周鸿祎再次确认了一个事实：“AI作为出产力新物种，它的体系界限及协作成本，需要亲自利用及踩坑来成立真实判定。

02 当企业家完全最先一场“持久体感课”

外界看到的，是老周的“忽然下场”；而现实上，周鸿祎的这条实践路径已经经摸索了有一段时间。

早于 2024 年 11 月，他就最先测验考试将 AI 带入现实出产场景：出演 AI 主题短剧《重燃人生》，用 AI 东西介入内容建造，同时经由过程直播演示纳米搜刮，展示 AI 于信息获取与处置惩罚上的能力。

但真实的迁移转变，发生于老周最先深度介入 AI 开发以后。

“春节时期，我基本上是不眠不休，不吃不喝，天天所有的精神都用来跟 AI 一路于激战。”周鸿祎曾经对于媒体暗示。

也是从那以后，周鸿祎逐渐回到了一个更靠近产物一线的位置，于听患上见炮火声之处，雕琢躬行。

他不仅亲自“养龙虾”，还有于龙虾安全媒体交流会上体系聊安全危害、配置门坎及将来标的目的，甚至鞭策 360推出 OpenClaw 一键安装版，让平凡人也能轻松上手。

这类状况其实不是体验式的测验考试，而是一种连续高强度的投入，周鸿祎于多个场所里提到，本身常常及 AI 一路编程。

有时一成天十几个小时，老周都于对于着电脑不停给模子下指令，让它写代码、改步伐、构建智能体、调解 Skill，再一遍遍调试流程。体系里一部门智能体及 Skill，其实不是团队直接交付的成果，而是他一点点改出来的。

好比，当下许多人都于会商“龙虾”运行时的 Token 耗损，但若只是听他人提起，很难对于这类耗损成立详细感知。

“纳米漫剧流水线”，更像是一个典型的阶段性案例——它标记着多智能体最先真正进入详细出产场景，并驱动一个垂类内容行业的完备流程。

于这一历程中，周鸿祎深度介入智能体的构建与调试：先后“手搓”近百个智能体，对于话跨越 5000 次，共计耗损约 12 亿 Token。

于完备跑通体系以后，他更切实感触感染到，一个可以或许不变运行的智能体，单次履行往往就需要耗损上万万 Token，而整套体系，也是于两三百个版本的重复迭代中才慢慢成型。

这象征着，许多要害能力其实不是一最先就设计完成的，而是于不停试错中被“跑出来”的：智能体逻辑需要重复调解，流程需要一遍遍重构，Skill 布局也于利用历程中不停被修改。

这类工程级另外介入，其实不只逗留于历程自己，也最先沉淀为详细成果。

前边提到的“纳米漫剧流水线”，恰是于如许的重复试错中慢慢形成。它基在多智能体协同运行，笼罩脚本、分镜、生图、配音与剪辑等环节，整套流程并不是预设，而是于年夜量 Token 耗损及数百轮迭代中慢慢跑通并不变下来。

今朝，这一流水线已经经进入范围化利用阶段，并与海内头部影视、短剧公司及AI短剧创作者睁开互助。

于这个历程中，周鸿祎发明，本身面临的不是一个可以被挪用的 AI 东西，而是一整套繁杂的协作体系——从使命拆解、模子挪用，到流程跟尾与成果验证，每个环节均可能呈现误差，也都需要报酬连续参与。

这类体验，于硅谷开发者社区中也有一个更形象的说法——“保母式体验（BabysitterExperience）”。

开发者需要花年夜量时间与 AI 重复交互，改正过错、增补上下文、修复问题。外貌上看，效率好像晋升了，但现实投入的时间并未削减：AI 天生代码很快，但理解代码、调试过错以和修复问题，往往会把节省下来的时间再次耗损失。

即即是 Garry Tan，于天天天生上万行代码的同时，也不能不为此专门搭建一套繁杂的事情流框架（Gstack），用来约束 AI 的输出，防止体系于不知不觉中走向掉控。

这些来自一线的真实体验，正于改写人们理解 AI 的方式。

03 AI 时代，判定力是最贵的资产

当全平易近养虾成为海潮，“焦急”也陪同而来：要不要介入？以和该怎么介入。

许多人困惑的是，面临一项快速变化的新技能，很难仅凭外部信息成立清楚判定。

这也恰是 AI 对于行业酿成的焦点打击：面临统一套进步前辈的事情流技能体系，不管企业老板还有是下层员工，假如不亲主动手、不切身入局，都将面对被技能裁减的危害。于这场洗牌眼前，没有任何人拥有特权，也不存于所谓的“脚色宽免”。

破解这类“FOMO（错掉惧怕）”感，独一的解法就是亲自下场。认真正最先利用智能体，介入到详细使命中，才会逐渐理解它于事情中的作用方式，以和像 Token 耗损如许的要害成本是怎样于现实运行中表现出来的。

这类一手体验的主要性，也于在 AI 的演进速率，从模子到 Agent，再到更繁杂的协作体系，每一一轮变化都于重构既有的事情方式。对于在个别而言，很难持久置身事外。正如周鸿祎此前所说，拒绝利用AI的人可能会被时代裁减。

之前是“遇事未定问模子”，此刻 Agent 逐渐进入出产流程以后，人及 AI 的瓜葛正于发生变化。智能体就像是人的“手及脚”，卖力挪用东西，而人转向方针设定、历程约束及成果评估。于这类布局下，决议效率上限的，是人对于体系的理解及调理能力。

理解了这一层，就能晓得周鸿祎动手实践暗地里的深意。作为企业治理者，他需要对于 AI 效率、成本与界限形成不变判定，抛开治理者身份，作为平凡人，他于多 Agent 协同、流程调试中碰到的问题，素质上也是所有利用者城市面临的问题——只是范围差别。

从这个意义上说，周鸿祎近来修的其实不是一次小我私家层面的“补课”，更是一门 AI 时代稀缺的判定课。于这场技能厘革中，真实体感永远比二手经验更值钱。

而这门“判定课”真正稀缺之处于在：不仅属在企业家们，也属在每个需要于变化中做选择的人。（雷峰网雷峰网(公家号：雷峰网)雷峰网）

雷峰网原创文章，未经授权禁止转载。详情见转载须知。