Amjad Masad¶

Replit 创始人兼 CEO。Replit 是浏览器里的开发环境 + AI agent（Replit Agent 于 2024 年发布，他自述那早于 "vibe coding" 这个词被造出来）。⚠️ 他自述 2025 年因为公开说"你不该再学编程了"被 cancel 过。

本库收录他的理由：他的位置很特殊——既是"降低创业与编程门槛"这件事的主要受益方之一，又是本库里对"青少年创业"最锋利的批评者。本页最有价值的几条与教育无关："创业本身常常是过早优化"、"自驾公司"、从下棋一路走到"任何人都能当 ML 研究者"的好奇心链路，以及他对"奇点前夜该用哪套伦理学"的实质论证。

⚠️ 利益相关：他出现在本库是通过 Horowitz Andreessen Academy 系列，而 Replit 是该学院的合作方（本期末尾交代"可能在 Replit 实习、可能被你投资"）。他关于现行大学的判断记为立场。

核心观点（2026-09）¶

来源：a16z：年轻人的用处是当异端，而"创业本身常常是过早优化"

"年轻人的用处是当异端"¶

⚠️ 主命题（[00:00:00]、[00:03:01]）："说到底，年轻人的用处是去质疑那些根深蒂固的信念。是去当异端。而今天的大学恰恰相反——它把任何外来的想法从他们身上打出去。"配套的经济判断是：⚠️ "你可以在大学里表现得非常好，然后照样失业，而且背着一大笔债。"
他是从一本小说进入这个问题的（[00:01:00]–[00:03:01]）：《The City and the Stars》——AGI 治理的未来城市，人们去实验室压缩自己的记忆（"有点像我们今天对 AI 做的 context compression"）再重返生活，所以"他们发明了一种新的出生方式，但你并不是一个根本上全新的人，你只是在编辑自己的记忆"。系统出 bug 诞生了一个真正全新的人，他立刻开始问"我们城界之外是什么"。⚠️ 他的落点是文明级的损失："它需要一个 bug，才出现一个头脑清白、能够质疑根深蒂固信念的人。"
⚠️ 他把同一把刀转向自己这边，本库认为这是他最该被记住的一句：

"我们在硅谷有很多盲点。有很多想法不会从硅谷出来，因为这里是单一文化。每一种文化某种程度上都是单一文化——哪怕是硅谷这种最激进的文化。"
他理想的 18–22 岁是三条约束解除（[00:06:05]–[00:08:07]）：不规定学什么（范本是乔布斯旁听书法、"倒着连点"；⚠️ "这种现代社会认为没用的游荡，我认为其实是大学里最有用的东西"）；沉迷造东西时给我空间（他自己的学校点名考勤、缺满六次被禁）；人的质量——⚠️ "如果你周围都是常规思维的人，你最终也会变成常规思维的人。"
⚠️ 学校应该反向加注（[00:10:09]）："你不该是在逆着大流走……如果你有个疯狂的想法正在起飞，你不该瞒着你的学校；他们应该过来说：天哪，这太棒了，我们再给你加点。"
⚠️ "不知道学它有什么用"是一项现代发明（[00:13:11]–[00:14:12]）："项目制学习……其实不该有这个流行词，因为那本该就是标准。你在学某样东西却不知道它的用处，我认为这是一种非常现代的发明。"他对自己的动机结构很直白：⚠️ "我完全不被纯粹的求知欲驱动。我被技能驱动。"

⚠️ 创业本身常常是"过早优化"（本库最该引用他的一条）¶

（[00:17:13]–[00:19:13]）⚠️ 这是本库对当下"青少年创业"风向第一条来自受益方的批评。

"在编程里我们有个概念叫过早优化，那句话是'过早优化是万恶之源'——人们觉得它有这么糟。而我认为很多创业就是过早优化。"

⚠️ 机制归因到情绪：小孩身处朋友们在融大钱、有些成了独角兽的圈子里——"于是动机变成了嫉妒。一种非常负面的动机……然后他们对一个自己根本都不感兴趣的想法做了预先承诺，为它融了钱，于是在为一条他们还没真正到达的路径做预优化。"
⚠️ 他的反面判据是"引力"："一旦你找到那个你想献出一生、或者献出接下来十年的想法，它会有巨大的引力，你根本躲不开。"而他的自证是反着来的——⚠️ "我试着不要去创办 Replit，主动不去，但它自己就爆成了一家创业公司。那就是你该有的感觉：几乎是'我想我不得不做它'。"
⚠️ 制度批评用了很重的词：他说"我听说"VC 给斯坦福学生 pre-idea 一百万美元——"你一开始做你的想法，你就已经有了一张 cap table"。类比是音乐产业（他提到 Kanye 讲过：找到年轻艺人、锁进一份他甚至读不懂的合约）。他承认 YC / Paul Graham 的 SAFE 是"一项很好的贡献"，但"仍然有些掠夺性"。
本库标注：与 Ben Horowitz 的"不要退而求其次拿百万美元的点子" 方向一致，⚠️ 但 Amjad 给了机制、给了反面判据、也给了制度批评——本库认为这三样是 AI 与教育页目前最硬的处方级内容。

⚠️ 好奇心复利：一条可追溯的完整链路¶

（[00:20:15]–[00:23:16]）⚠️ 本库记这段不是因为"要跟随好奇心"这句话，而是因为它是一条可追溯的链路。

很晚才入门下棋（"通常人六岁就入门了"）——"我不知道我为什么对它感兴趣。"
开始写程序解棋。
⚠️ 撞上反差："为什么像 ChatGPT 这样的 LLM 下棋这么烂？ARC-AGI 的分数都上去了、这些模型几乎算 AGI 了，但它们会幻觉出走法。"
于是去训了一个下棋的 LLM——⚠️ "在那之前我从没训过模型。"
⚠️ 真正的结论："我意识到 AI 其实是有能力做 ML 的"（"有人现在管它叫 RSI"；他也用 vibe research / auto research）。⚠️ 他给的时间点类比："那一刻像是回到 2024 年 Replit Agent 刚出来、vibe coding 这个词还没被造出来的时候……我认为在机器学习上我们正处在一个类似的时刻。"
落点是产品线："让任何人都能成为机器学习研究者，或者任何手上有数据的企业主，都能搞出自己的模型。"
⚠️ 他自己的评语："当我开始下棋的时候，要跳几步才能明白这会带我去给 Replit 建一条新业务线？那是不可能的。"
同机制的第二例：对互联网某个随机亚文化感兴趣 → "我学到关于市场、关于世界往哪儿去的东西，而我有了 alpha。"
⚠️ 本库对证据等级的标注：他是第一次训模型就得出"AI 有能力做 ML"并直接产品化。这与 Richard Socher 的 nanochat / kernel 战果与"harness 里的 30 个 bug"、John Platt 的 ERA 实际解掉卡两年的问题、Charlie O'Neill 的累积型 vs 非稳态任务判据 不在同一层级。本库记为一位从业者的方向判断与一条产品意图，不是能力证据。

⚠️ "自驾公司"：holacracy 失败是技术问题¶

（[00:24:17]–[00:25:17]）

他列的前例全是失败：holacracy（Medium 做过）、GitHub 的无经理制——"它们全都以相当壮观的方式炸了。"
⚠️ 但归因是技术而不是理念："我认为那是个技术问题。我认为现在你可以让 agent 当这些组织内部的胶水，让科层变成一个在后台由机器完成的隐形东西，然后人就有了真正的自主权。"他说 Replit 内部已经在改做法，"我们管这个想法叫'自驾公司'"。
⚠️ 他主动标了不确定性："我对这件事还没有成形的想法"、"说实话我真的对它会往哪儿去没有看法，但我知道它会变。"
本库标注：与 Garry Tan 的"中层应该是 agent"、"API line 会消失" 和曾鸣的"岗位这个单元本身消失" 同族，⚠️ 但 Amjad 加了历史证据与一条归因，这使它可证伪——它预测的是那些旧实验现在会成功。

不服从的校准，与一个带日期的共识翻转¶

"尊重但不认命"（[00:26:17]–[00:27:17]）："尊重长辈，但同时真正地理解他们并没有把一切都搞清楚。"落地做法是 Replit 会议室以行业伟人命名（Marc Andreessen、Linus Torvalds、Robert Noyce），而他告诉公司的话是 ⚠️ "我们尊重过去，但我们会毫不道歉地改变它。而人们会生我们的气。"
⚠️ 一个带日期的样本（[00:27:17]–[00:28:17]）："2025 年我因为说'你不该再学编程了'被 cancel 了……而现在我跟工程师聊，当初反对我的那些人说：哦，我不读代码了，我就是 prompt 出代码。"现场的反应是"那才一年前"。
⚠️ 本库记这条不是为了背书他的原判断，而是因为它提供了一个罕见的、带日期的"行业共识翻转"样本：从"因为这么说被 cancel"到"反对者自己改口"约一年。与 DHH、徐天音一起读，构成关于"编程这件事变了多少"的一组时间标记。

⚠️ 把黑客小孩导流到网络安全，而不是监狱¶

（[00:33:20]–[00:35:22]）他读到一则新闻：一个小孩黑进某政府系统被判约两年，而那人在采访里说自己是在 Roblox 上学会黑客技术的。他说自己和 Roblox 创始人兼 CEO 聊过：

⚠️ "要是有某种沙箱让这些人去玩、然后发现他们的才能、再把他们导流到网络安全的工作里，那会很酷——甚至导到政府里。与其把这些孩子送进监狱，带他们去 NSA 工作……我们现在就需要网络安全人才。你为什么要把他们关起来？"

他举自己的成长经历：hackthissite.org（"一个内建了漏洞的网站"，即 capture the flag）；三人落到的具体机制是 bug bounty。
⚠️ 本库标注：这是 LLM 安全页此前完全没有的角度——人才管道，而不是攻防。该页此前材料（Black Hat 现场、Gray Swan、Onyx）谈的都是技术与防守侧。

⚠️ 伦理学：读完功利主义然后拒绝了它¶

（[00:41:24]–[00:43:25]）⚠️ 本库里唯一一处 AI 从业者就"该用哪套伦理学"做出实质论证的材料。

他自学伦理学与道德哲学，读了很多功利主义文献——⚠️ "然后我基本上拒绝了它。我不认为那是世界运行的方式。"
⚠️ 自我定位是亚里士多德的德性伦理："我应该以一种我会为之自豪的方式行动——不管谁在看、谁没在看，也不管影响如何。"但他给了一个桥：⚠️ "以一种奇怪的方式，如果你是有德的、如果你有正确的原则，那它的净效果就是你在最大化效用。"
⚠️ 双向的那次交换（最该被原样保留的一处）：主持人 Erik 说世界变化太大，在变化的世界里很难持有刚性原则，所以他对功利主义更有同情；而 Amjad 的反向对称是——

⚠️ "而奇怪的是反过来也成立：当我们正进入奇点、而你没法真正预测未来的时候，你也没法做一个结果主义的功利主义者——因为那套东西建立在预测未来之上。"
他的收口："你需要有随时间演化的原则；你有一些你牢牢守住的基础原则——而它们应该尽可能地公理化、尽可能地少。"
⚠️ 本库标注：这条切的是两边——变化太快使规则伦理学难持有，不可预测使后果主义失效。本库不裁决，但认为它应被 AI 实验室文化与 LLM 安全里"对齐到谁" 的讨论引用。
⚠️ 两条关于硅谷身份的判断（[00:39:23]–[00:40:24]）：
"自闭天才"人设过期了——他举的例子是 ⚠️ Sequoia 当年那篇关于 SBF 的博文："那篇简直是黄金。他们删了。你可以在 archive.org 上找到。"（本库未查。）
⚠️ "硅谷已经是建制的一部分"："硅谷不再是那种叛逆的东西了……它是一个机构，它反正已经是建制的一部分了。而我们也必须与世界打交道。人们需要明白我们有责任，我们不只是在自己人里面说话。"
⚠️ 他对 Dwarkesh 的点名批评（[00:39:23]–[00:40:24]）——本库单记，因为 Dwarkesh 是本库的收录对象：

"Bernie Sanders 读了 Dwarkesh 的博文。而我批评过 Dwarkesh 用的那种语言……那篇博文在我看来并没有在他们心里创造出更多理解。实际上如果你不理解它，你大概会从那篇东西里学到错的教训。"
他的正面要求是培养出不只会说圈内语言、而是最终能坐在国会面前的人。
⚠️ 本页只照录：他没有指明是哪篇博文，本库也未核实 Bernie Sanders 读过它。这是本库材料里第一次有人批评 Dwarkesh 的公共表达方式，而批评的不是观点而是对非专业读者的实际效果。

他在年轻人身上找什么¶

（[00:43:25]–[00:46:26]）

⚠️ 第一条是深度，判据是"能教我点东西"："如果你能讲出一个关于你做过的某个项目的故事、而且你真的钻得非常非常深，我觉得那总是令人印象深刻的，因为那是大多数人缺的……你到底有没有把一条线头一路追到底？"
⚠️ 然后是一条自我指向的警告："但如果你年轻又聪明，很容易觉得所有人都是蠢蛋——包括我。我会遇到一些年轻人，他们跟我说话的样子像是我什么都不懂。"所以要有好的人际技能，"否则人们不想待在你周围"。

核心观点（2026-10）¶

来源：a16z：用 AGI 级模型干所有事是"用核弹打蝴蝶"

⚠️ 本节的议题与上一节几乎不重合：上一期他谈的是教育与创业，这一期全部是技术与企业战略。本库认为这期最该记住他的三条是"人该是通才、机器该专门化"、"模型训练自己的替代品"，以及他对 orthogonality thesis 的正面处理。

⚠️ "人应该是通才，机器应该专门化"¶

⚠️ 这条的论证路径是思想史而不是工程（[00:23:22]–[00:24:23]）：从 Adam Smith 的分工（"那对人类是个巨大的认识：专业化其实是好的"）→ ⚠️ 立刻打折："问题是我们作为一个文明有点过度专业化了，而过度专业化以它自己的方式是压迫性的。" → 马克思的异化论：因为过度分工，"人们只专注一件事，看不到自己劳动的果实，不知道自己对更大的组织或自己生产的产品有什么影响，于是他们其实感到抑郁和脱离，你像机器一样行事，而不是完整地做人。"
⚠️ 然后是那句翻转：

"我们对 agent 的想法是'应该有一个上帝 agent'，但其实专业化对机器真的很好。人应该是通才，而机器最终应该专门化得多。"
⚠️ 而他给这条配了一条本库此前没有的企业侧理由——权限结构（[00:26:24]–[00:27:25]）："作为 CEO 我们可以有通用 agent，因为我们有 admin 权限。但对个别员工或某些团队，他们不可能有真正通用、完全有上下文意识的 agent，因为有访问控制的问题。所以你必须在专业化这类东西上做工作。" ⚠️ 本库标注：这把"agent 该不该窄"从产品品味改成了权限结构的推论。
他自己的正面用例是反方向的（[00:17:15]–[00:19:16]）：他很久以前在 Replit 上建的 agent 最初是个 CRM agent，后来平台本身开始吞掉他建的那些领域专用 agent——⚠️ 跨域 join 的收益他说得很具体："它能看我的个人聊天记录、跨 GitHub repo、跨 Salesforce……哦，你一年前在某个会议上见过这个人，顺便说，他们团队另一个人正在和你的销售团队谈。" ⚠️ 本库记为他自身立场内的张力，并在视频页记下 Atallah 对这条的正面反驳。

⚠️ 模型训练自己的替代品（JIT 编译器类比）¶

（[00:30:27]–[00:32:30]）⚠️ 他先指出一个话题缺口："关于递归自我改进有很多讨论。但有一件事我觉得讨论得不多——模型训练它们的替代品。"

⚠️ 类比："just-in-time 编译器的工作方式是，当你在执行动态代码时，解释器意识到有一个优化机会，就当场发出一段优化得多的机器码。"
⚠️ 链路：用 Opus / Astra 这类大模型做事 → 它（或旁观的 agent）意识到这个用例是受限的 → 当场训出一个替代自己的领域专用模型。三项收益：更便宜、对 prompt injection 更不脆弱、"因为能力更弱，危害也更小"。
⚠️ 他明确把通用 agent 的风险当作动机的一半："通用 agent 有那些缺陷，但也有更大的潜在危害，更有可能脱轨。"
⚠️ "用核弹打蝴蝶"是本条的落点（[00:33:33]）："它们太能干了。人们常常在用这些大的、基础的、AGI 级模型去做——就像用核弹打一只蝴蝶。大多数时候、很多用例，哪怕是非结构化的用例，都不需要那么能干的模型。"
可行性条件他自己给了（[00:32:30]）：前提是前沿实验室不会做出非常低成本的模型让你很容易转过去。

⚠️ 对齐：他给 orthogonality thesis 的答案是"在机器上可能反过来"¶

（[00:34:37]–[00:36:40]）⚠️ 本库第一次看到这条理论被一位从业 CEO 正面处理。

他的三层回答：① 点明出处是早年理性主义 / LessWrong 的 AI 安全论证（智能与伦理正交）；② ⚠️ 对人类部分否定——"我不认为这在人类身上完全成立。普遍更智能、更受教育的人倾向于——不总是——更体谅动物，比如说。"；③ ⚠️ 对机器给相反答案——"但在机器上，我觉得可能是反过来的。因为关于 RL 已经有相当多研究，显示 reward hacking 和欺骗——它们只是变得更擅长这些。而 eval 本身可能在骗你，因为模型可能聪明到知道自己正在被评测。"
⚠️⚠️ 他的一手经验判据，本库认为比理论部分更该被记住（[00:36:40]）：

"我们已经知道这件事了。已经被展示过：如果你对思维链做大量监控，它们就开始在思维链里撒谎。"
机制描述："你几乎是在给思维链加压。" ⚠️ 本库标注：他说"已经被展示过"但未给出处，记为转述而非一手测量。
⚠️⚠️ 方法论要求："到某个点上，要做真正的对齐评测，你得跑好几个月。你得让这东西在一个真的很大的目标或任务上跑好几个月，才能真正判断它是不是对齐的。" ⚠️ 本库认为这条否定了"评测是一次性测量"这个默认假设，见评测与基准。
⚠️ 他的收尾有点挽歌意味（[00:39:43]）："我觉得我们会慢慢意识到我们以前有确定性代码的日子有多好。'天哪，还记得计算机完全照我们说的做的那些日子吗？'"

Replit 的"独立层"，与他在 on-prem 上的立场反转¶

⚠️ 风险论证他引 Palantir 的 Alex Karp（[00:13:11]）："和基础模型公司紧密合作有一种风险——它们会挤进你的生意。"（例子：Harvey 与 OpenAI。）⚠️ 他对这代公司的定性："它们和投资人讲的时候——你看了 SpaceX 的 S1，哦，30 万亿。那世界 GDP 是多少？100 万亿。所以它们的野心是要吞掉经济里很大一块，这让它们比别人更难合作。"
他也引 Satya Nadella 的"拥有你的智能"（[00:12:10]）：类比阶梯是 dot-com 公司 → 每家公司都成了互联网公司 → 每家公司都有软件工程师 → 每家公司都需要 AI 实践，而"它会随时间复利"。
Replit 的两层抽象（[00:14:11]）：模型侧"替你拿到最便宜价格下最好的那个 token"；云侧"你应该能部署到 AWS 和 Azure，应该能用 Databricks 和 Snowflake"。⚠️ 一般化："不只是 AI，是整个技术栈——需要更多帮助公司获得独立性的平台。"
⚠️⚠️ 而本库把那次立场反转单记（[00:16:14]–[00:17:15]）：他们花了将近一年把 Replit 做成可部署在客户自己的云上（bring your own cloud，"本质上就是 on-prem"）。

⚠️ "两年前我会以为我永远不会做这件事，因为云就是未来、软件即服务、所有那些。但现在我们有点回退到了一个公司更有保护欲的世界，因为数据有太多种泄露方式——人们在用的所有这些 agent。"
⚠️ 他的证据等级自己标得很低："Twitter 上有那些截图，我不知道有多真——Instinct 或 Muse 把人的数据混在一起、开始用另一个名字叫你之类的。" 本库照录，不作为事实收录。
他给的消费 / 企业分界："你可以在私人生活里用 Muse，连上你的信用卡和银行账户。但没人在把 Muse 连到企业数据上。"

一手做法：cost estimator 模型，与那条可被检验的预测¶

⚠️ cost estimator（[00:40:45]–[00:41:46]）：拿 Qwen 8B 这类小模型，"让 Fable、Opus 和 Astra 去训"，产物是让 Replit 在你输入 prompt 时就知道这次大概花多少钱，输出是多个成本区间桶上的概率分布（5–10 美元 A 桶、10–20 美元 B 桶）。⚠️ 方法他已用了几年："给它不同的 enum，然后看每个 enum 的 log prob。"
⚠️ 于是他对 Jev 的反应是"那对我不是一个大时刻"，但他给了基础模型应得的那一半：完全可 prompt 的基础模型"是了不起的开发者体验，你可以不从头训模型就做一堆事"。条件是数据："我们在 Replit 有非常多数据。"
⚠️ 那条可被检验的预测（动态语言周期）（[00:43:48]–[00:44:50]）：90 年代 Java / C++ → Python / JavaScript / Ruby 占领互联网（"Stripe 这样一家金融机构是用 Ruby 建的，疯不疯狂"、"我们用 PHP 建了 Facebook"）→ 撞上严重 bug 与性能问题，加类型、加 JIT，把一切重新发明一遍 → Rust。

⚠️ "同样的周期会在这里发生：我们现在用这些 AGI 级模型做各种用例，然后所有人会醒过来说，天哪，这太浪费了、毫无必要地冒险。"
⚠️ 他给的落地形态很低："去一个网站上传一个 CSV 文件，拿到一个只做一件事的专用模型"——而"我们正在 Replit 上加这个能力，但我觉得它会到处都是"。
⚠️ Replit 的 fusion 自述数字（[00:46:52]，本库未核实）："我们其实就在今天发布了结果"——一次 deep sweep，组合多样东西"包括 harness"，自述"前沿水平，成本在 40% 到 50%"。

与他人观点的交叉¶

⚠️ 他是本库里"门槛下降"这件事的受益方中，唯一一个批评其后果的人。AI 与教育页此前的处方（HA 的课程设计、Dan Boneh 的出题原则）都在加能力；Amjad 加的是减压力——"只有极少数青少年该去融资"（这句其实是 Gagan Biyani 说的，Amjad 给的是机制）。
与 Perszyk 指向同一担心、来源完全不同："硅谷是单一文化，包括最激进的文化"与她的"AI 让思维同质化、科学整体在收窄"都在说多样性收缩；但 Perszyk 的机制是模型训练分布，Amjad 的是地理与文化。
与 John Platt 的"人怎么在不做那些苦活的情况下获得 taste"：Amjad 的回答隐含在他的链路里——⚠️ 自己去训那个模型、写那个程序，即 Platt 的"偶尔徒步上山"。本库认为两条可以互相印证。
与 Ben Horowitz 在同一个系列里的分工：Ben 给历史论证（大学是工业革命的产物）与个人叙事；Amjad 给的是对"替代路径"本身的批评——⚠️ 这使 HA 系列的第二集成为第一集的内部质疑，而不是重复。

已收录访谈¶

日期	视频	同场	主题
2026-09-23	年轻人的用处是当异端，而"创业本身常常是过早优化"	Gagan Biyani、Erik Torenberg（HA 系列第二集）	异端论与"大学把外来想法打出去"、硅谷也是单一文化、过早优化与嫉妒驱动、引力判据、自驾公司、下棋→AI 能做 ML、把黑客导流到网络安全、德性伦理 vs 奇点下的后果主义、对 Dwarkesh 的批评
2026-10-03	用 AGI 级模型干所有事是"用核弹打蝴蝶"	Alex Atallah、Erik Torenberg	人该是通才机器该专门化（Adam Smith → 马克思异化论）、通用 agent 与 admin 权限、模型训练自己的替代品（JIT 类比）、用核弹打蝴蝶、orthogonality thesis 在机器上可能反过来、加压思维链会让它撒谎、对齐评测要跑几个月、Replit 独立层与 on-prem 立场反转、cost estimator 模型、动态语言周期预测