Claude Code缔造者Boris访谈精华：AI时代要具备“指数化”思维模式

作者 | 费斌杰 北京市青联委员 熵简科技CEO

最近Claude Code的缔造者Boris Cherny参加 Lenny's Podcast，分享了他对未来AI发展的最新观点。

这里我选取其中最有价值的观点分享给大家，尽可能精炼的表述出来。原视频1小时30分钟，有时间的话建议大家去听一遍。

（1）当前AI已经基本攻克Coding场景，并开始渗透到相邻领域

过去几个月，AI在代码生成领域的渗透率呈现出陡峭的上升趋势。

早期Claude Code仅能生成20%-30%的代码，但是现如今Claude Code已实现100%拉取请求的自动代码审查，尽管仍需人工复核关键代码，但原型代码可无需人工审查。

根据SemiAnalysis的最新报告，Github上4%的公开提交已经由Claude Code贡献，并且这个数字在持续加速。

AI的快速发展正深刻改变软件工程师的职业形态。Boris发现相比资深程序员而言，新员工或新入职的毕业生更适应AGI驱动的工作方式。

Boris举了一个例子，当代码出现内存泄露问题的时候，资深程序员的习惯动作是用内存探查工具来分析堆快照，但是年轻员工直接把工作交给Claude Code，后者能够以更快的速度解决问题，效率高于传统人工调试。

Boris坦言自从25年11月起，自己从未手动编辑过一行代码，100%代码由Claude Code生成，且未手动编辑过一行代码，日常提交的10-30个拉取请求均由AI完成。

目前Claude Code的能力已从单纯代码生成向更复杂的任务延伸。Boris认为接下来最容易受到影响的是与“Coding”紧密相邻的领域，包括产品经理、UI设计、数据分析等。

（2）现在还需要学习编程吗？

编程方式从早期纸笔运算、开关操作、穿孔卡，到1960年代以来基于虚拟机的编写方式，始终在变化。

Boris认为目前理解代码底层逻辑仍有助于提升工程师能力，但未来这一需求可能不再重要，类似汇编代码对当前程序员的意义。

如果你在2010年前学计算机的话，大概率会学习汇编语言。汇编语言更接近机器语言，直接操作计算机硬件，编写汇编代码需要对计算机的内部结构有深入了解。

但是随着各种高级语言的出现，人们把汇编语言封装到底层去了。工程师在编写软件产品的时候，不再需要关注机器层面的操作细节，只要聚焦抽象层的功能实现即可，大幅提高了软件开发的效率。

而现在AI的出现使得这个“高级语言”的抽象层也变得不再重要，会逐渐成为“无关紧要的技术细节”。

未来人们只要聚焦于产品功能的需求即可，具体代码实现可以全部交给AI来完成。

如果更进一步思考，AI为什么要通过编写Python代码来操作机器呢？AI完全可以回归最高效的底层编程方式：直接生成二进制文件。

毕竟高级编程语言的诞生，主要是为了满足人类抽象思考和建模的需求，AI未必有这种需求。

因此，如果现在开始学习编程的话，最好不是为了掌握一门技能，而是学习其背后的思考方式。

Boris提到Anthropic在面试招聘中，就算是针对非技术岗位（比如财务岗），也会考察员工的基础编码能力。有了技术思维后，不同岗位的员工都可以运用AI编程的能力大幅提升工作效率和质量。

（3）从Coder到Builder，全局思维与目标导向

访谈期间，Boris被问到一个很有趣的问题：你是否会怀念以前手搓代码的时光？

Boris认为不会，因为相比一个coder而言，自己更像是一个builder。

相比于欣赏编程之美而言，他更倾向于把coding当做一种工具，用来达到某种实用目的。

Boris说到他最早在初中就自学编程了，因为他想在数学考试中把数学公式编程进TI计算器中，用来在考试中作弊。

他认为在AI时代中，那些把自己看做Builder的程序员更容易吃到红利，而如果把自己当做一台编程机器，缺乏全局视野和产品思维的工程师，则更容易抵触AI。

Boris给做AI应用的创业者提了一个很有价值的建议：不要试图告诉AI第一步做什么，第二步做什么，不要把自己的行动步骤强加给AI。

相对的，你应该给AI提供一系列有用的工具。具体用不用这个工具，什么时候用，都交给AI来判断。

当你在开发AI应用产品的时候，一定要相信6个月后AI的能力。

（4）AI时代的管理模式：精英化团队 + 快速行动 + 无限Token

作为Claude Code的负责人，Boris谈到了他对于AI时代的技术管理经验。

首先，他认为通过“适当精简人员”，可以有效倒逼工程师借助AI提升效率，更加充分发挥AI工具的潜力。

第二，要鼓励“快速行动”的能力。AI时代的产品迭代周期会大幅缩短，Boris谈到他在欧洲度假期间，在酒店响应用户反馈的需求，在几分钟内即可内运用Claude Code进行Bug修复和提测。

第三，给予核心员工“无限量Token”的使用权限，进而鼓励创新。在进行产品创新时，一定要使用SOTA模型，不要在意成本。只要当推动产品上线并规模化服务用户时，才要考虑成本问题。

Boris认为很多时候你用最强的大模型解决问题的性价比反而更好，因为虽然单Token成本更贵，但是它能够消耗更少的有效Token来帮你解决问题。

（5）AI时代要具备“指数化”的思维模式

Boris认为如果硬要类比的话，当前我们所处的AI革命与印刷术比较类似。

在印刷术发明之前，读写能力只被掌握在少数人中。

随着印刷术的出现，各类印刷制品疯狂传播，文化得以普及，这为之后的“文艺复兴”奠定了土壤。

在这轮AI革命之前，“编程”是一项专业技能，由一个特定人群掌握：程序员。

然而2026年开始，编程将成为一项标配技能，可以被任何人掌握，你可以是教师、医生、财务、律师等。

与工程师不同的是，不同领域的业务人员是真正的需求方，如果给大家插上Coding的翅膀，能够产生巨大的经济价值。

掌握“编程”能力本身，可以视作AI跨越奇点的一个重要里程碑。

AI可以轻松地渗透到各行各业，甚至参与到大模型研发中，让AI参与AI自身的迭代中来。

未来一段时间，模型迭代速度会非常快，AI时代一定要习惯“指数化”的思维模式，基于看似大胆的假设，来寻找当下的最优战略。