這幾天一直在Google Cloud Next 2026，除了Keynote之外，其實很重要的一個行動，就是去各種Session聽講，去展區觀光，以及和不同行業、不同地區的開發者聊天。因為在這個AI技術變革的時代，確實有很多問題失去了標準答案，所以需要聽聽更多人的意見，見賢思齊。
我腦海中日常停留著幾個問題，比如：
AI coding每天都在疊代升級的時候，開發者該如何自處，如何化解焦慮？
與之前所有的技術浪潮相比，AI，特別是LLM所表現出來的額外特質是什麼？
而對於業務層面而言，開發者開發一個Agent，和之前開發一個Software有何區別？
中國出海的創業者、開發者，群像是什麼，業務護城河是什麼，需要什麼生態資源？
以及大家如何使用AI幫助工作和生活？比起工作，我可能還更關心生活，因為每一個生活場景，其實也是一個個業務場景。
這些問題，都是我和在場開發者所交流的問題。
很巧，這幾天，我還偶遇了好幾位Google Cloud的專家、高管，每每遇到，我都會就這些問題交流一番。像我在去展區逛展的時候，就偶遇了Matt Thompson，他是Google Cloud的Director of Developer Adoption，負責開發者的技術採納工作，職業生涯可以追溯到Sun微系統照耀矽谷的時期。我自然要和他細細聊一番。
我們聊到了開發者在AI時代的角色和命運，也聊到了他的個人愛好。
他認為有了AI，大家都有了成為10倍速工程師的機會，而且也可以幫助到自己的業餘愛好。在一個相當長的時間內，這個世界對代碼的需求不會減少，反而潛力巨大。所以，真的不應該因為AI提效而讓人無事可做。
由於之前Developer Keynote里有一個Demo，用Agent協作規劃了一場馬拉松賽事。AI Coding和AI Agent的能力日益強大，Agent已經可以自主部署、調試，幾乎無所不能。所以，我就先問他，留給人類開發者的空間還有多少？
在Matt看來，大家在AI的加持下，都更有機會成為10倍開發者（10x developer）了。核心理念不是替代，是增強（augment）。Google內部已經在用Agent生成代碼和輔助測試，但始終保持人在迴路中（human in the loop）。代碼審查仍由人完成，Agent負責的是前期差異識別這類工作。這一點在Google內外都有大量實踐印證。
效率提升當然帶來一個現實：過去一個工程團隊的工作量可能需要20個人，現在15個人就夠了。但多出來的5個人並沒有被淘汰，而是去啟動新項目。追求的是更快地前進，而不是用更少的人。
那問題就來了：如果多出來的人都去做新項目，軟體的總量是否存在天花板？
確實有經濟學家在論證，正如世界能承載的汽車、輪船、飛機數量是有限的，軟體總量理論上也有上限。但現實是，今天尚未被自動化的領域還有大量空白，AI正在讓自動化向這些領域延伸。蓋一棟房子能否實現自動化？也許機器人可以輔助部分環節，但讓軟體進入那些本質上不需要軟體的領域，可能性不大。上限存在，只是我們離它還遠得很。
Matt在這個領域很多年。他回顧了一下軟體經歷的每一代跨越，從大型機到PC到Web，再到今天的AI與雲，覺得我們才剛剛起步。整個Builder社區的邏輯是：一邊是專業開發者，一邊是正在學習vibe code的新一代人。後者不是在編寫生產代碼，而是在為自己的生活構建工具。OpenClaw就是一個典型的例子，人們正在用它給自己的日常增添能力，使生活更便捷、更高效。
說到這裡，我聯想到一個關於IBM創始人Thomas Watson的傳言（當然，未被證實）：世界上只需要五台電腦。而今天，一個人每天可能就在使用五台。供給還不會過剩。
與此前的技術浪潮相比，AI這一波有什麼本質不同？這是一個特別值得探討的話題。
他覺得Web讓數據變得人人可及。回想Web誕生之初，HTML和最早的瀏覽器，核心價值是讓此前從未大規模公開過的報告、數據和科學論文變得觸手可得。過去，這些內容鎖在學術期刊里，只有訂閱者才有資格閱讀。今天，網上幾乎都是免費的。
**如果說Web為世界打開了數據的大門，AI將做到同樣的事，而且規模要大一個數量級。**它帶來的不僅是數據的可及性，還有易用性、輔助支持等遠超數據本身的能力。如果Web的影響力是"這麼大"，AI將是十倍甚至更多。
說到這兒，Matt做了一個放大的手勢。當然，也有人認為機器人技術（robotics）的影響可能更為深遠，這都是技術自然演進的一部分。
AI的爆發速度確實出乎很多人的意料。Google在AI領域耕耘了20年，但過去四年發生的事情是：AI的可及性急劇提升，使用門檻在快速降低。從前，AI需要龐大的機器、海量內存和巨額電力投入；現在，手機上就能運行AI。
至於AI最終會催生哪些應用，沒有人能逐一預測。但有一點可以確認：它將從根本上改變每個人的生活方式。
開發者群體本身也在變化。藉助Google Cloud的各類工具，現在幾乎人人都可以寫代碼。
面對這種新的開發者構成，Google Cloud的應對方式是在組織架構上做調整：工程團隊之外有開發者關係團隊（Developer Relations），專門幫助開發者學習和使用工具。最近又新設了一個Builders Team，專門面向那些能用vibe code做出解決方案的新一代人。
不過，目前還沒有看到誰把vibe code的產出直接用於生產環境。
但在個人場景下就完全不同了。Matt自己就是一個例子：他對航空公司有明確的偏好，經常在尋找最低價的機票。他喜歡潛水，常年在搜最便宜的航班去偏遠國家潛水。這類需求用vibe code來解決，比過去簡單太多了。
過去行業里流行一句話叫"Talk is cheap, show me the code"，讓代碼說話。我跟Matt分享了一個觀察：現在寫代碼變得廉價了，反倒變成了"Code is cheap, show me the talk"，讓思想說話。
Matt接過這個話題，聊到了他一直信奉的一句話：**Code is truth，代碼即真理。**但如果今天寫代碼的人從來沒有看過自己的代碼，因為是vibe code生成的，那"真理"的延伸等價物是什麼？他的判斷是：**當世界上生成的代碼量急劇膨脹時，對於構建和部署這些系統的人來說，理解底層技術反而變得更加重要。**因為這些底層基礎架構，可以讓vibe出來的代碼變得更可用。這就是Google Cloud的職責所在了。
在Google Cloud上，今天就可以打開AI Studio，vibe code出一個解決方案。Matt的兒子就把vibe code的成果部署到了Google Cloud上。但Google Cloud的基礎設施本身絕不能"馬馬虎虎"，它必須堅如磐石。可以這樣理解：平台要構建一個足夠安全的Playground（遊樂場），在安全性、性能、延遲等方面做到工業級水準。在Playground里跑的東西可以粗糙、可以有bug，但因為被Playground所約束，用戶得以在安全的環境中試驗和犯錯。
說到犯錯，Matt還把話題引向了子女教育。他從小就教孩子：犯錯沒關係。他信奉這個理念。但Google Cloud本身的建設不允許犯錯，要做的恰恰是為人們創造在Google Cloud上安全犯錯的機會。
從Playground的安全性聊開去，自然就到了安全這個話題。
這次大會上，我個人體感是安全和治理（governance）確實得到了空前的關注。
有一句話在網上流傳很廣：**沒有任何一個開發者會在早上醒來時心想"今天我得關心一下安全"。**從來不會。開發者醒來想的是"我要寫代碼"。
Google Cloud的做法是：構建一個兼具安全性和智能性的平台，讓開發者無需為安全分心。安全被融入設計之中（secure by design）。這當然永遠是一場持續的博弈，隨著AI變得更強大，它也會不斷試探平台的安全邊界。但這次大會上的所有安全廠商，都在遵循同一個思路：將智能嵌入平台與系統。
以SDLC（軟體開發生命周期）為例，它管理的是代碼從構造、組織到構建、部署、疊代的完整流程。安全能力被直接內建到這個流程中：開發者在使用流程，但不需要了解安全是如何在流程中運作的。
在Matt看來，這是Google Cloud特有的建設邏輯：**打造最智能的平台來運行你的代碼。**所以傳達給開發者的資訊是：早上醒來，繼續關心你的代碼就好，安全的事，交給平台。
交流中，我們聊到中國開發者，Matt的感性認知來自於一線接觸。過去三年他去了中國四次，今年一月剛去過，和大約一千名開發者有過交流（應該是北京舉行的Google Cloud出海峰會）。當天早上，他和一位中國同事共進早餐時，對方談到OpenClaw這項技術在中國的普及程度。
具體說來，對於讓他印象深刻的是**中國開發者群體有很強烈的開放共享精神。**上海一家創業公司的開發者所產出的技術，可能馬上對北京一家創業公司產生價值，這個群體願意開放地分享。
反觀其他一些地方，他也見過競爭導向過強的情況，競爭到彼此不願分享，這實際上是在阻礙創新而非促進創新。
總結下來，中國開發者的聰明才智和學習動力給他留下了深刻印象。
Google Cloud在中國面向的是出海企業。如果一家中國創業公司想要打造面向亞太、中東、歐美等全球的產品服務，這正是Google Cloud最希望合作的開發者群體。Google Cloud提供的是全球化基礎設施，讓開發者的產品服務能以網際網路級別的規模觸達全球市場。Matt常用的一個類比是：**想像把Google搜索級別的基礎設施能力開放給你的創業公司。**全球觸達，這就是Google Cloud所提供的。
聊到最後，我問Matt個人在日常中怎麼使用AI。一個簡單的問題，得到了一個極其紮實的答案。
由於我實在不是合格的足球迷和體育迷，所以以下講述，如果有對不上的地方，只有一種可能，是我聽錯了。
第一個例子關於足球。Matt是重度足球迷。去年夏天，他讓兒子開始嘗試用vibe code做一個資訊檢索應用，能夠查看歐洲各大聯賽的射手榜、積分榜和歐冠數據，而且支持實時更新。這些數據本身是免費的，Google搜索就能找到，但搜索做不到的是把德甲（Bundesliga）和意甲（Serie A）的數據並排呈現。
他兒子花了幾個月開發，全程vibe code，部署在Google Cloud上。現在Matt開始在他的基礎上擴展功能。之前兒子做的是基礎查詢，比如"列出各聯賽射手榜前五"，像Harry Kane在德甲之類的資訊。這些Matt也關注，但對他來說更有價值的問題是：當各支球隊進入歐冠淘汰賽階段，也就是目前的四分之一決賽和半決賽，哪些球隊進攻火力最強？
一旦開始用數據分析，就能發現一些有趣的規律。以巴黎聖日耳曼（Paris Saint-Germain）為例，如果只看表面，你可能覺得他們的防守只是"說得過去"、進攻能力突出。但數據顯示，他們作為整體的防守表現實際上優於德國和英格蘭最好的一些球隊。光看聯賽比賽你不會注意到這一點，因為他們贏的是2-1、3-2、4-3這樣的比分。但在歐冠里，他們贏的是2-0、3-0、4-0。是什麼導致了這種差異？用AI來拓展分析維度，給應用增加這類功能，操作上非常簡單。
第二個例子關於潛水。Matt長期用AI來協調跨日曆的日程，他同時有工作日曆、個人日曆、家庭日曆，加上他熱愛潛水，所以需要查詢不同地區的最佳潛水季節。通過AI，他可以找出合適的時間窗口。比如下個月他就要去印度尼西亞，正好趕上雨季結束、水下能見度尚未下降的最佳時段。
聊到這裡，我忍不住問他支持哪支球隊。他的兒子是鐵桿阿森納球迷，他自己更偏愛德甲。拜仁慕尼黑歷來是德甲的統治者，今年的表現嘛，倒不見得。此外他還關注愛爾蘭和蘇格蘭的球隊。
但是，我們聊到了足球，我卻忘了問他美加墨世界盃預測誰會奪冠，這該死的時差讓我沖昏頭腦啊。
