Seb Goddijn 在加入 Ramp spearhead "内部 AI" 计划时，动机不是取代同事，而是帮助他们理解这个新工具，从而显著改善生活质量和对工作的整体关系。这篇文章是他对当前硅谷「创造永久底层阶级」叙事的有力反驳。
自动化不是目标
以写一封给潜在客户的邮件为例。假设 AI 已经拥有关于客户、产品和所有先前线程的完美上下文，它仍然需要确定正确的意图。你想要这封邮件产生销售，但最佳方式是什么？是在培养一个潜在冠军，让他们把你介绍给 VP？还是提一下他们的竞争对手已经在使用产品并且正在领先？
能够自动化这类决策，意味着存在某种客观正确的结果。但在大多数真实场景中，根本不存在。问五个不同的人这种情况下该发什么邮件，你可能会得到五个不同的答案。而这正是重点！人的工作反映了他们是谁以及他们对世界如何运作的独特理解，这种细微差别正是区分最好与其他的东西。
避免这种细微差别的唯一方式是把人类完全从对话中移除，让 AI 在交易两边都拥有完全采购权。但这带来它自己的问题：如果我们不是叙事的一部分，我们如何确保决策至少与我们想要的保持一致？
因此，Seb 认为人类在回路的体验不应该被视为通往完全替代的中间状态——它就是终态，这对所有参与者都是更好的结果。让人们利用 AI 来提升自己，才应该是这项技术的全部意义。
生活中有比效率更重要的东西
Seb 描述了一个神奇的发现：你也能成为 builder。作为一个一直热爱创造但从未有足够天赋在舞台上以此为职业的人，他幸运地 stumble into 计算机科学领域，发现了制作软件的乐趣。坐在笔记本电脑前几小时，然后拿出一些可以展示给朋友和家人的有形东西，这种魅力从未消退。他见过 AI 把同样的礼物带给他工作中的许多人。
当一个没有技术背景的人第一次构建东西时，它改变了他们如何看待自己以及自己产生影响的能力。当一个销售通过构建一个能坐在通话中并实时帮助回答客户问题的助手来赢得全公司 hackathon 时，很明显这才是 AI 故事中真正具有历史意义的部分——不是某个底层 KPI 被改善了，而是生产资料变得对任何拥有笔记本电脑的人都可用，这种转变堪比印刷术或个人电脑，而不仅仅是生产力提升。
历史上第一次，制作东西的能力不再被大量资本、正规教育或出生在正确社交网络的运气所限制。当然，这不意味着完全 leveling the playing field。拥有计算、芯片和底层模型的人可能会积累巨额资本，但这不需要意味着创造底层阶级。难以置信的投资在这些基础技术上将继续降低智能的价格，使其对那些能真正产生影响的人更加 accessible，而由此解锁的人类创造力将是真正的奖品。
实验室不会把这个带给每个人
尽管有这个承诺，我们看到的 AI 向真实经济的扩散非常有限，Seb 认为这是一个现有玩家无法解决的结构性问题。前沿实验室筹集了荒谬的资金，因此需要显著（且不断增长）的收入线来证明其估值。这导致他们把努力集中在高度资本化的科技公司上，这些公司愿意以巨大的个人代价来承担使用费用，以保持在竞争中的领先。
这创造了一个经济现实：低效实际上对他们来说是很好的结果。你使用的 token 越多，他们赚的钱就越多，因此没有巨大的动力来推动更便宜的模型或突出低效，除非是为了击败直接竞争对手。对于那些成本敏感是主要关注点的企业外客户，这成为一个真正的问题。
Seb 举了一个思想实验：考虑为什么 Claude Code 或 Codex 有多个智能设置，却不提供任何关于何时使用它们的真正指导。考虑为什么他们可能把更高的推理水平设为默认，以及需要手动选择"低智能"来完成你真正关心的任务的心理暗示。为什么他们可能继续隐藏与成本相关的指标，把负担放在用户身上来弄清楚如何最有效，尽管大多数应用层公司都有"自动"模式来产品化成本节约？
Seb 不是在评判实验室——它们是商业，没有责任以折扣向客户提供这项技术。他只是指出，当你有极其陡峭的收入目标和依赖消费的商业模式时，激励可能与理想的消费者结果不完全一致。
为什么是现在
自 ChatGPT 推出以来，用户第一次认真讨论他们的任务是否复杂到需要这些实验室发布的最新模型。Opus 4.6 和 GPT 5.4 可能作为 AI 变得足够好做大多数事情的 moment 载入史册，而 DeepSeek 和 Kimi 等新一代开源竞争对手已经接近或超过了这个成熟度点。
这意味着现在有一组产品可以为全球人口的显著百分比提供真正价值，以当前 incumbent 价格的一小部分，并且有机会维持这种优势，即使模型继续改进。优先考虑扩散，针对支付意愿低且技术素养更低的客户，开始成为一种可行的策略——但它不会由 OpenAI、Anthropic 或其他千亿美元实验室驱动。它将由新一代企业家驱动，他们相信人类增强是比替代更崇高的目标。
作者：Seb Goddijn (@sebgoddijn)