Meta首席AI官惊人言论：一队AI轻松替代百名工程师，核心竟是Markdown与定时任务

十年前，最厉害的AI还只能在YouTube视频中识别猫咪。

十年后，训练出这些模型的人站在旧金山的舞台上，将其尊称为“数字之神”。

说出这番话的人叫王嘉腾（Alexandr Wang）。19岁创立Scale AI，将“为AI供给数据”这门苦差事做成了估值突破290亿美元的独角兽。2025年，Meta向Scale AI注资143亿美元获取约49%股权，并将他招致麾下执掌新成立的超级智能部门。现如今，他的职务是Meta超级智能实验室掌门人、首席AI官。

2026年7月末，他现身Y Combinator Startup School的圆桌论坛，抛出一番震动整个科技圈的观点。

▲ Y Combinator官方对话页面，标题赫然写着“文明级的机遇”

YC掌门人加里·谭抛出了一个所有创业者都迫切想了解的议题：当前最重大、尚未被充分挖掘的机会究竟是什么？

王嘉腾的回应，瞬间将话题的格局拉到了全新高度。

他透露，在Meta内部他已经亲眼见证：只要搭建起恰当的智能体循环机制，再配备合理的评估体系，一组AI智能体便能轻松完成原本需要约100名工程师团队才能胜任的工作。

他使用的措辞比“接近”更为强烈：“非常轻松、非常容易”（very handily, very easily）。

这番言论迅速在X（原推特）上被剪辑成多个短视频广泛传播。

▲ Rohan Paul发布的带字幕短片，播放量迅速攀升至数十万

更令工程师们始料未及的，是他随后披露的具体落地手段。

加里·谭追问：究竟是如何做到的？

王嘉腾的回答，质朴得近乎让人难以接受，

“归根结底就是技能（skills）、Markdown文档和定时任务（cron jobs）。”

加里·谭确认：所以机械层面就是Markdown、cron，再为智能体指派充足的数据？

王嘉腾颔首，随后笑着说：“真要深挖下去会发现，一切其实都相当无趣，这总让我忍俊不禁。”

▲ Karl Mehta将“百名工程师”与“Markdown + cron”串联在同一推文中

这段话之所以杀伤力巨大，根源在于它的反直觉——人们脑海中百人级工程团队打造的系统，往往伴随着深不可测的黑科技、参数规模惊人的超级模型或精密繁复的架构。而王嘉腾给出的答案却异常朴素：Markdown是程序员撰写文档最常用的标记语言，cron则是Unix系统中服役数十年的定时调度工具。落地的核心，在于清晰定义目标、精准设定指标，再让一群AI agent依据评估反馈循环迭代。

看似无趣，实则致命

王嘉腾在同一场对话中，还提出了一个重新解构“公司”的思维框架。

他指出，任何一家企业，拆解到本质都是一条庞大的反馈回路：客户涌入→有人提升客户满意度→客户增加消费→资金再雇佣更多员工→开拓更多客户。人类在这条回路的每一个环节上运转。

在这一框架下，智能体将被嵌入反馈回路中的一段又一段“环节”之中。

这个类比将智能体系统映射到具体流程：一段流程能否被撰写成清晰的说明书、绑定可验证的指标，并由定时任务持续触发，决定了它能否融入自动化反馈回路。

也有人直接泼来冷水。一位名为George的用户回复道：“Swarm agents听起来很炫酷，但它们真能驾驭复杂任务吗？”

▲ 并非所有人都被说服，质疑的声音始终存在

这一质疑绝非无理取闹。Cursor的研究团队在几乎同一时段发布了一篇技术博文，用实验数据揭示了智能体集群的真实面貌：他们让一群AI agent构建浏览器，并用Rust实现SQLite。结果显示，编排质量决定成败，同样的模型与时间预算下，优秀的集群架构能在数小时内通过约八成测试，而糟糕的架构在初期便失控崩溃。此外，规划者与执行者的分工模式不同，成本差距可达数个量级。

▲ Cursor的研究博文呈现了智能体集群实验与模型经济学

集群的成效取决于精密校准——评估、指标与对任务的深刻理解，正是王嘉腾反复强调的那些“无趣”的要素。

整场访谈中，最具哲学冲击力的片段，出现在王嘉腾谈及“稀缺资源翻转”的时刻。

他表示：人类历史长河中，进步的瓶颈始终是如何将一群聪明人聚合起来、瞄准同一目标。这一难题即将不再稀缺。

“稀缺的资源将不再是智能或行动力。我真切地认为，它将是愿景与雄心。”

翻译成通俗语言：当“聪明”变得如自来水般廉价，唯一珍贵的，是懂得该朝哪个方向拧动水龙头。

一位名叫Di Krass的用户在回复中将这句话浓缩为一行：“知道该思考什么，本身已成为稀缺技能。”

▲ Di Krass论智能充裕时代的稀缺技能

这不禁让人回想起Scale AI的创业历程本身，它正是“洞见稀缺”的经典范例。当年云计算与开源框架唾手可得，数据标注却无人问津。王嘉腾19岁时捕捉到这个缺口，果断入局。十年后的今天，当模型API如水电煤般按量计费，新的缺口演变为评估体系、编排能力，以及最根本的——你究竟想用这些智能去开创什么。

将Devin类产品、Cursor的集群实验、LangChain所定义的“智能体工程”（Agentic Engineering）以及Meta内部王嘉腾描绘的案例综合审视，工程实践的重心正在逐步向协调、智能体编排与更高层级的编排系统倾斜。

抽象层级持续上移，工作流设计的重要性也随之攀升。王嘉腾所提及的系统思维永不过时，恰恰指向能否在当前这一抽象层级上设计出高效的工作流。

而他给出的终极建议，质朴得如同一碗鸡汤，却在此情此景下承载了截然不同的分量，

培育你对未来如何演进的内在罗盘——找到斜率最陡、跑道最长的指数曲线，即便起点看似平淡无奇。

Scale起步阶段，他的工作与“猫咪检测器”一样乏味。十年后，他已在执掌Meta的超级智能实验室。

无趣的起点，疯狂的曲线——这或许是整场对话中，最值得铭刻的一句潜台词。