从三场 Lenny Podcast 访谈，看懂 AI 对核心岗位的冲击逻辑,我从 PED 到 RPED 的第二曲线思考
🧠 资源置换：寻找 AI 浪潮下的新瓶颈
最近，我连续看了 Lenny’s Podcast 对三位嘉宾的访谈：「暗工厂」时代的工程师 Simon Willison、掌握影响力艺术的 PM Jessica Fain，以及 Anthropic 增长负责人 Amol。三个人，三个岗位，但看完之后我脑子里只剩一个问题：
当大模型（Opus 4.6、GPT-5.4）跨越了代码生成的可靠性阈值，把写代码的时间结构性压缩之后，原来最稀缺的那块资源不再稀缺了。那么接下来，瓶颈会去哪里？
👉工程师、PM、增长负责人 的答案各不相同，但逻辑是同一套。
当一种资源变得不再稀缺，系统的瓶颈就会转移到下一个最薄弱的地方。
💻 工程师的困局：从「Vibe Coding」到「Agentic Engineering」
Simon Willison 是那种典型的「十倍工程师」。他的核心论点只有一句话：AI 已经越过了「11月拐点」，代码生成不再是瓶颈——但高质量的代码依然稀缺。
这里有个很关键的分化。
「Vibe Coding（氛围编程）」——凭直觉、不审查底层逻辑、让 AI 直接生成——极大降低了开发门槛，让非程序员也能做出简单工具。但对于生产级的专业软件，这条路走不通。真正的工程师需要转向「Agentic Engineering（智能体工程）」：以架构师的视角拆解任务，统筹多个 AI 智能体协同完成，审查输出，设计验证机制——你负责判断什么是「好」，AI 负责交付。
软件工程的核心瓶颈，也随之从「如何写代码」，转移到了「想什么点子」和「如何验证它」。
借用传统制造业术语：关灯的无人车间里，机器自动运转，几乎不需要人类干预。软件的「暗工厂」亦然——代码生成、测试、调试、QA 压测，越来越多地由 AI 智能体自主完成。一些前沿公司已经推行了激进政策：工程师甚至不被要求直接在键盘上敲代码。
代码不值钱，高质量的代码才值钱。这要求工程师从 Vibe Coding 进化为 Agentic Engineering。
所谓「Agentic Engineering」，是以架构师视角统筹多个 AI 智能体的工程方法论：拆解任务边界、设计验证机制、审查智能体输出，在提升速度的同时确保质量。它不是让 AI 帮你写代码，而是让你指挥一支 AI 团队——你负责判断什么是「好」， AI 负责交付。
这件事对我的冲击是非常具体的。我做过七年研发，十几二十年前亲手敲的代码，早就在记忆里风化了。但现在，AI 辅助编程让你重新找回了做 Builder 的感觉——不是去卷端到端的系统开发，而是用工程化手段快速做原型，向客户推销我的想法，让抽象的安全理念变得看得见摸得着。同时我在打造自己的专属工作流，让日常工作直接 Agentic 化——这件事让我对 AI 的能力边界有了非常真实的体感：哪些可以委托，哪些不行，我心里越来越清楚了。
🗣️ 产品经理的压力：执行被剥离，「影响力」成了唯一杠杆
工程师的产能被 AI 极速放大之后，流程的头尾两端成了新的瓶颈。过去是工程师等 PM 需求，现在反过来了——PM 成了整个开发链条中速度最慢的那个环节。
Jessica Fain 在 Webflow 做产品负责人，她的观点直接打中了这个痛点：当 AI 把写文档、做数据分析、画甘特图的成本无限趋近于零，那些靠执行能力吃饭的 PM 将会迅速失去存在价值。剩下的唯一不可替代的技能，是「影响力（Influence）」。
影响力不是在玩弄职场政治。她有个清晰的区分：政治，是为了个人私利去操纵结果；而影响力，是为了让你的好点子活下去。核心方法是把高管当作「关键内部用户」来对待——他们的日程像一台高频闪烁的「频闪灯」，在财务、法务、人事的危机中极速切换，认知已经过载。你的提案必须在「黄金 60 秒」内锁定语境，否则再好的方案也会被直接过滤掉。
Politics is manipulating outcomes for your own gain. Influence is about increasing the odds that your good ideas survive.
她还提到一个反直觉的观点：建立高管信任，最有效的方式之一是主动「杀掉」项目。 当你能够基于全局视野，叫停一个回报率低的项目，而不是为了沉没成本死撑，高管会知道你和他们站在同一边。
当执行成本趋近于零，PM 最关键的两项能力反而浮出面：一是品味（Taste）——在快速迭代中判断哪个方向值得深挖；二是决策的清晰度——让沟通更有成效，减小组织摩擦力。当每个人都能快速执行，谁能做出更清晰的判断，谁就掌握了真正的杠杆。
说到这里，我有个非常直接的映射。以前花三四个小时打磨的那份提案 PPT，现在 20 分钟就能输出，叙事更清晰，排版更精美。但这压缩出来的带宽，我没有用来做更多 PPT——而是用来做「对抗式演练」：把提案材料喂给 AI，让它扮演最挑剔的客户或最强的竞争对手，逐条质疑我的方案。再站在客户视角推演：他们会问什么问题、担忧什么风险、期待什么价值。精力不再消耗在调格式上，而是放在认知升级和价值创造上。
🚀 增长负责人的新赛场：Anthropic 的 CASH 引擎与「去 PM 化」
Amol 的分享，是从更宏观的扩散路径来看这场变革的：从 AI 技术提供商（Anthropic、OpenAI），到围绕他们的 AI 原生创业公司，再到创业公司的客户群体——种子客户、先行者、落后者，逐步渗透。观察 AI 原生的先行者，是理解这场浪潮如何到来的最好方式。
Anthropic 自身就是一个极端的先行案例。视频录制时，他们在 14 个月内将 ARR 从 10 亿飙升至 190 亿美元；截至 2026 年 4 月，这一数字已进一步突破 300 亿美元[1]。核心驱动力之一是内部代号「CASH」的自动化增长系统：用 Claude 自动生成 A/B 测试假设、自动排序、自动部署、自动出分析报告，AI 主导了整个增长实验的闭环。
为了匹配这种恐怖的迭代速度，他们甚至做了一个颠覆性的组织决策：预估工期两周以内的项目，取消专职 PM，由工程师直接代理产品职责，端到端负责交付。 对我来说，这是一个非常直白的信号——在 AI 使能下，角色的边界正在快速模糊。
Anthropic 是一家极端的案例：最顶级的工程师、最前沿的模型、最激进的文化。普通公司无法直接复刻他们的 playbook。但他们展示的方向是真实的：用 AI 建立增长闭环、压缩决策层级、让执行更接近结果。关键是找到自己所在领域的「平行可能性」，而不是盲目跟进。
坦白说，Anthropic 的成功更多来自产品本身，而不是增长团队的功劳。但 Amol 的访谈让我们管中窥豹：一家完全 AI Driven 的公司，其内部运作的效率是多么恐怖。在我看来，这是一种值得学习的「AI Native 直觉」——对任何一件事，先问自己：这能交给 Agent 来做吗？怎么样才能让它做得更好？ 不论你是写代码、做增长，还是管客户，系统化地把工作委托给 AI，是这个时代最核心的元技能。这与工程师章节的 Agentic Engineering 逻辑，在内核上是同一件事。
🛡️ 我的第二曲线：从 PED 到 RPED 的全景重构
这三场访谈，最终都在我自身的职业路径上找到了映射。
我已经完整走过了三段「七年」：七年研发（R&D），七年销售（MSSD），当前正处于第七年的网络安全（Cybersecurity）。研发让我理解系统的实现与边界，销售让我理解价值如何被感知与交付，安全让我习惯从风险和失效的角度来看世界。
我过去一直把自己定位为「PED」——Product（产品商业视角）、Engineer（工程师技术视角）、Designer（设计师审美思维）。
这三者的组合，造就了一种独特的「错位竞争」：在研发团队里，我是最像市场的；在市场团队里，我是最懂技术的；在技术团队里，我是最追求文字美感和视觉表达的。我曾经用「田忌赛马」来安慰自己——跟乒乓球冠军打羽毛球，跟羽毛球冠军打篮球，总能找到比较优势的切入口。
但说实话，背后也藏着一丝遗憾：每个领域都没有做到最顶尖。工程师路上，我没有成为心目中那种真正的顶级专家。
直到 AI 时代，这个遗憾才开始被弥补。
通才的组合，在 AI 的放大下，产生了意想不到的杠杆。我可以 Vibe Coding、Vibe Design、Vibe Engage——但核心不是「每件事我都会做」，而是「每件事我都知道什么叫高质量」。这种判断力——What good looks like——是 AI 无法替代的。有了这个直觉，再用系统思维设计合适的 Skills 和 Workflow，让 AI 一步步把工作做扎实，每一个领域都开始给我带来惊人的回报。
在 AI 时代，「PED」这个框架还缺少最关键的一环：风险管理思维（Risk Management）。
我的新定位是 RPED（Risk-Based Product Manager, Engineer, and Designer）。
网络安全是个极其复杂的「通才（Generalist）」领域。它既要求硬核技术底蕴（攻防本质），也极考验沟通与对齐能力（内部协调、外部说服）。在 AI 时代，安全从业者还需要同时持有两个视角：Security of AI（守护 AI 自身的安全使用）和 AI in Security（理解 AI 对整个安全范式的颠覆）。
这种思维在我使用 AI 工具时随时都在发挥作用。面对层出不穷的 Agent 系统，我不会因为好奇就贸然在主力机上运行未经验证电的工具——而是先观察社区的成熟度，等待隔离环境就位，再做有节制的实验。在那之前，专注把现有的 CLI 工具用好用透。这不是保守，这是安全直觉的自然流露。
研发和销售是增长引擎，是系统的「油门」。安全是调节回路，是系统的「刹车」。RPED 的完整性，就在于这两者的共存。
既要有加速的能力，也要有刹车的智慧。
三段经历叠加在 AI 时代的表现，我自己都有点意外。过去因为太久不写代码而逐渐生疏的「Builder 感」，被 AI 辅助编程重新激活了——我现在可以用以前从没碰过的技术栈快速做出原型，不需要从头学语言语法。七年销售积累的「说服与影响力」，在 AI 压缩了制作成本之后，反而有了更多空间去真正经营：把时间花在推演客户会怎么想，而不是堆砌 PPT 的格式。而多年安全工作给我的「逆向思维」与「系统思维」——我是系统动力学学员，代表公司参加过年度学会、提交过建模论文——在设计 Agentic 工作流时发挥了意想不到的作用：从反馈回路和因果结构去看哪些环节可以委托给 AI、哪些必须保留人工判断，哪些效率提升是真实可持续的、哪些只是 AI 幻觉制造的短期假象。
🌱 尾声：当生成变廉价，品味是护城河
这是这三场访谈给我最深刻的结论。无论你是工程师、PM，还是增长负责人，无论你经历了多少个七年，AI 浪潮都不会因为你的资历而绕道而行。
真正的护城河，是你把 AI 放大的效率，换成了更深的客户理解、更好的产品判断、更清晰的商业洞察——而不只是更快交付了同样质量的东西。
我在做的事情，是把自己在 AI 转型中的摸索过程记录下来，分享给同路人.不是因为我已经走通了，而是因为在这个充满不确定性的时代，分享本身就是一种参与感，也是一种前进的方式。
当生成变得廉价，精益求精的品味（Taste）才是真正的生产资料。
📎 附录：推荐阅读 (References)
本文核心洞见基于 Lenny’s Podcast 的近期三场高密度访谈，强烈建议面临 AI 浪潮冲击的知识工作者观看原视频：
- 工程师的暗工厂：代码生成能力质变
- 📺 An AI state of the union: We’ve passed the inflection point & dark factories are coming
- 🔗 YouTube 链接
- PM 的权力转移：掌握影响力的艺术
- 📺 The art of influence: The single most important skill left that AI can’t replace
- 🔗 YouTube 链接
- 增长引擎自动化：Anthropic 的内部运作
- 📺 How Anthropic is using Claude to automate its own growth (and why old playbooks are obsolete)
- 🔗 YouTube 链接
- 据 Bloomberg 及多方来源，Anthropic ARR 于 2026 年 4 月突破 300 亿美元，较 2025 年底的约 90 亿美元在四个月内再度大幅跃升，主要由 Claude Code 的企业端爆发式增长驱动。参见：Anthropic Tops $30 Billion Run Rate — Bloomberg ↩