Naval 谈 Vibe Coding 硬件：新的垂直整合
记录时间：2026-06-19 23:23:22
本文摘译并整理自 Naval Ravikant 的访谈逐字稿 Vibe Coding Hardware。原文发布于 2026-05-28，副标题是「The new vertical integration」，嘉宾包括 Guillermo Rauch（Vercel）、Blake Scholl（Boom Supersonic）和 Max Hodak（Science）。这是 上一篇《AI 工业革命》 的续篇（Part II）。本文不是全文翻译，而是按主题重组的中文笔记。
这一集在聊什么
如果说上一集《AI 工业革命》谈的是「每个人都在建自己的工厂」，那么这一集更聚焦在一个具体方向：当软件可以被随手生成时，硬件行业会发生什么。
Naval 给这集起的副标题是「新的垂直整合」。过去垂直整合是大公司才玩得起的游戏，而现在，AI 让小团队也能自己造工具、自己写配套软件、甚至自己做芯片封装。整集对话围绕一个核心张力展开：软件越来越便宜，但物理世界仍然需要双手。
1. 给涡轮叶片做 Vibe Coding
Blake 在 Boom Supersonic 的例子是全篇最具体的。
传统硬件工程的大量工作其实藏在 Excel 里：极其复杂的表格，有时还嵌着 VBScript 代码，跑在工程师各自的笔记本上，互相隔离。名义上这些不算软件，实际上全是低质量软件——没有版本控制，没有自动化测试。气动工程师要把结果交给结构工程师，靠的是邮件里来回传表格。用 Blake 的话说：「这是九十年代的做法，很糟糕。」
Boom 一开始尝试把这些流程软件化，但进展缓慢——永远招不够软件工程师。现在的新模式完全不同了：
- 软件工程师负责架构，因为他们懂系统、算法和关注点分离；
- 硬件工程师 vibe-code 自己那块，因为他们懂硬件工程本身。
结果是小团队的生产力出现了量级变化。
涡轮叶片的例子很说明问题：叶片冷态启动，运行时受热膨胀变大，所以气动和结构设计必须同时在「冷形态」和「热形态」下都成立，还要在两者之间反复换算。传统流程里，一个工程师一天只能算完一片叶片的一部分分析；而一台喷气发动机有上千片叶片。现在，软件和硬件人员组合出工具后，可以实时改变叶片几何、立刻看到结构和气动结果——两个工程师就能设计整台喷气发动机。
Guillermo 顺势点出一个企业软件的「大灾变」：再也没有哪家创业公司能卖给你「硬件协作工具」了——你内部随时把需要的东西直接 coding 出来就行。连电子表格都被「煮熟」了，因为表格当年之所以成功，正是因为没人能自己造定制软件。
Max 补充了下一步的方向：他个人已经几乎从 Excel 全面迁移到 Python 模型。AI 目前能生成软件，但他预期在 2026 年内，它会开始生成 STEP 文件和 PCB 布局——当 AI 真正进入机械和电气工程时，会是又一轮完全没见过的重构。
2. 开源模型会放大中国的制造优势
Naval 对硬件侧的判断很直接：这对所有「写不好软件的小硬件公司、小配件公司」是一大利好。它们过去做不出好软件，现在终于能做出「足够好」的软件了。甚至可能根本不需要带人类前端的软件——直接做成 agentic，由 agent 访问硬件，你用语音去控制它。
这也解释了为什么中国在大力押注开源模型:中国有硬件优势,有极其复杂的供应链和元器件链。逻辑是——「如果我能按需生成软件,那我相对硅谷的软件劣势就被抹平了。」
当然这不是唯一原因。Naval 也承认:中国还在追赶,在蒸馏模型,在协同资源;而中国政府素来擅长资助能带动整个生态(尤其是网络效应型生意)的事。讽刺的是,他们做这么多开源,部分原因正是因为 OpenAI 不开源——Grok 会发模型但落后一两代,Google 的本地模型没什么竞争力,Anthropic 据他所知没有任何开源模型。于是开源的重量级力量几乎全部来自中国。这帮了美国的硬件创业者,但更大地帮了中国的硬件创业者和工厂——你周末在 Amazon 上随手买来折腾的那些小玩意,配套的烂软件正在快速变好。
Guillermo 把这层逻辑推得更狠:每个人都已经被敲醒——没有前沿编程模型,你就没有自我改进能力。如果一个国家整体上失去了「生成前沿一切」的能力,那它不只是生产不出软件——在硬件管线的任何一环里,你都需要生成软件;一旦你在生成软件的能力上落后,你就在生成一切的能力上落后。
3. 你永远想用最聪明的模型
接着是一段很有意思的争论:大家整天聊中国模型,但你们自己用吗?
Naval 的答案是「不用」,而且他前一天晚饭还为此争论过。有人主张 97% 的任务都可以用便宜的 DeepSeek,需要更高智能时就反复多跑几次——只在最高级的任务上才用 OpenAI、Anthropic。
Naval 不太认同。他的理由是:智能是一种没有副作用的好东西,你永远想要更多。 当模型犯错时你往往不知道它错了;而它总是比真人便宜、还实时。所以你最终就是会用手边最聪明的那个模型。
这背后的判断是:当他要往一件事里灌入巨大杠杆(资本、代码、人力、营销)时,他想每一次都做对决策。手上有两个模型,一个稍微更聪明,两个都给了答案时,他其实分不清哪个对——既然知道某个更聪明,他就会选它的答案,并逐渐不再去问那个他觉得更笨的模型。这不是好消息,因为它意味着 AI 最终会走向垄断或寡头格局。
Guillermo 从 Vercel 的 AI Gateway 数据补了个更细致的现实:开源模型确实有使用,但头部被前沿智能严重主导。有个值得注意的例外是 Gemini——大家嘴上不兴奋,但它在「智能 / 成本 / 性能」的组合上很能打,在编程以外的很多任务(客服、浏览器自动化)上反而是最好的工业级生产模型。但只要你是在推进前沿,就必须用最好的编程模型,而那基本只剩两三个——中国模型并不在其中。
4. 软件仍然需要双手
Max 这部分把对话拉回物理世界。
他在 Science 做的很多东西买不到,只能自己造。前沿模型他们当然是买(他有 Anthropic 订阅,个人侧也用一些 Qwen 和 DeepSeek,还有一个内部微调模型)。但只要有靠谱供应商以好价格提供服务,他们的首选永远是「买」——比如 PCB,基本等于免费,可以从亚洲无限量采购。
可是,产品越接近「一整块共价键连接的物质」,它就越好:功耗更低、体积更小、性能更高、寿命更长。而要做到这种程度的整合,需要的元器件根本买不到——你必须学会自己做。这就表现为垂直整合:他们在东海岸自建了一座 MEMS 代工厂,因为没有别的办法做他们想要的封装和组装。
有意思的是,AI 在公司内部目前最大的影响之一竟然是监管交互:过去要一整个法规与质量团队花好几个月,去追踪「这个产品要升级,几千条 ISO 标准里哪些适用、怎么逐条追溯」;现在 AI 基本「就是知道」。
但 Max 强调一个边界:无论是外科项目还是 MEMS 工厂,软件终究需要双手。AI 会比我们更聪明,但如果它造不出东西,那就是真实的边界。他们已经把代工厂和公司很多环节做了仪表化,这样模型一变强,就能立刻体现在细胞工程、材料科学上——蛋白质工程组已经大量使用深度学习,大概是业界最前沿。但这一切非常依赖具体应用,公司不同部门里的含义完全不同,没有统一答案。
5. 人类正在变成验证者
Naval 由 Max 那段监管的话想到:他已经很久没为一份基础法律文件去找律师了。NDA、各种协议、签这个查那个——所有基础法律任务都没了。有个老笑话说,法律就像意大利面条代码:极其复杂、用英语写成,这边和那边的条款互相矛盾,而且没有真正的 API。
他的概括是:初级工程师「升职」成了高级工程师,初级工程的活被 agent 接管了。 同理在法律界,你可以说「律师助理被裁了」,也可以说「律师助理被提拔成了高级律师,现在可以把时间花在思考法律本身上」。
Guillermo 把软件工程和律师做了类比:你从不确切知道律师在文件里塞了什么,你只是信任他——他上过法学院,把声誉押在了上面。软件工程也一样,今天最大的问题是堆成山的「slop」最后变成一个 PR。Twitter 上有梗:「想当年我们会读 PR 的每一行代码。」但在他做的基础设施领域,他要的不是工程师真的读了每一行,而是工程师能说:
「我理解这个 PR 的后果,我签字为后果负责。」
或者:「我写了测试框架、模拟、证明、类型检查——即使不读这些代码,我也有信心签字保证它在生产环境是安全的。」
存在这样一个世界:我们坦然接受「一切都是我们并不完全理解的意大利面条代码」,但我们写出能给自己信心的评估器(evaluators),并依靠生产工程师来说「好,这个我放心送进 prod」。出事会有人被 paged。Guillermo 还提醒一个被低估的点:从 0 到 1 创建软件很容易,但想想一千天之后——它还安全吗?有测试吗?是生产级的吗?性能够吗?你还有动力持续投入 token 去维护它吗?
Naval 由此给出全篇的落点:人类正在变成验证者(verifiers)。
我们正是用好的验证数据来训练这些模型的,而现在我们需要人类验证者。律师、工程师、运营人员的很多旧职能,正在迁移到「验证整套系统是否大体正确」——说一句「对,这大致没问题,我大体上为它背书,出了事我支持你」。
我读完后的 takeaway
把这一集和上一集放在一起看,Naval 这条线索越来越清晰:
- 硬件工程正在被软件化,而 vibe coding 把过去只有大团队能做的迭代,交到了两三个人手里;
- 开源 + 制造 = 杠杆,谁掌握前沿软件生成能力,谁就掌握硬件生产链的命脉,这已经是地缘层面的事;
- 智能向头部集中,因为「最聪明的答案」很难被便宜的次优解替代,这既是好消息也是垄断隐忧;
- 物理世界仍是硬约束,软件再聪明,也需要有人、有工厂、有双手去真正造出东西;
- 人的角色从「写」转向「验证与背书」——你要判断的不再是某行代码漂不漂亮,而是整个系统是否可靠、你敢不敢为它签字。
一句话:AI 让「写」变得几乎免费,于是稀缺的东西换了位置——判断、品味、责任,以及在物理世界里把东西真正做出来的能力。