硅谷AI创业一线工程师马培元，在近5小时的深度访谈中，给出了10个正在发生的行业判断：通才正在碾压专才、People manager走向消亡、Token狂热被账单浇醒、模型崇拜月内崩塌。所有共识都在迅速过期，但新规则已经浮现。
硅谷AI公司正在用一套全新的标准筛选人才。不再是"某个领域钻得最深的人"最抢手，而是"每一项都过得去、没有明显短板"的六边形战士——业内称之为polyglot talent。
马培元自己的经历就是样本。他不是传统CS背景，没有竞赛金牌，没有顶尖名校光环，但凭借"既做过AI，也做过全栈开发和iOS"的复合能力，在Poe内部一个没人说得清定义的"agent"项目中脱颖而出。后来，这套能力组合成了他找工作最值钱的资本。
专精深钻、竞赛金牌、名校光环、LeetCode算法题、按年限晋升。
通才复合型、AI原生工具力、work trial实战、人生斜率判断、不拘一格降人才。
注：马培元从0 iOS经验出发，借助GPT-4在数月内产出追平资深工程师，2年内晋升资深。传统体系下Facebook需4-6年，谷歌部分人终身不晋升。
招聘流程本身也被重写。LeetCode式算法题权重下降，work trial（3-5小时实战测试）成为新标配。面试中有一轮必须用AI，看你怎么"by code"；另一轮明确禁止用AI，考的是纯工程品味。行为面试不再问"最大缺点"，而是追溯从高中到工作的"人生斜率"，判断你是不是一个能指数型增长的人。
硅谷最厉害的那批人，从来不属于某一家公司，只属于"那个时代最厉害的公司"。二十年前是谷歌，十年前是Uber和Robinhood，五年前是Coinbase，现在是AI公司。
这些汇聚最厉害人的组织，正在AI的重塑下发生巨变。People manager（纯工程经理）正在消亡——在Cognition，60多人的工程团队里，真正的people manager只有一个人，其他人包括CPO在内，都是"既管人、也写代码的"。
更好使用AI，本质上是组织转型问题，不是工程问题。传统公司一个Bug从发现到修复，要经过需求评估、排期、开发、测试、上线等环节，走完需要一个月。但AI写代码只需两三个小时。
在Cognition，他们甚至用自研的AI软件工程师Devin找到负责某个Bug的人，再让Devin协助完成修复。整个协调和流转环节都可以省掉，没有任何冗余。
今年初，硅谷一度流行"Token-Maxxing"。Meta等公司甚至做过Token使用排行榜——谁用得最多，谁就是"AI原生"的代表。但很快，高层被账单吓醒了。
Uber 2026年全年的AI专项预算，前四个月基本烧完。董事会开始追问：一个亿美金花下去，真的带来了一个亿的产出吗？
注：柱形示意三个阶段的热度相对值，非精确测量。Token-Maxxing从"全员狂热"到"效率优先"的转变，发生在约6个月内。
更颠覆性的变化发生在模型选择上。马培元在两次访谈的两周间隙里，亲眼见证了自己的判断被推翻。两周前他还在谈论哪个模型最前沿，两周后Cognition内部发布了fusion mode——把多个便宜模型和顶尖模型融合调度使用，而不是无脑调用最贵的那一个。
追逐最贵最前沿的单一模型，Token用得越多越AI原生，排名驱动使用量。
"你不会天天开保时捷去买菜。"便宜模型做日常任务，顶尖模型做复杂推理，按需分配。
一个诚实的注脚：马培元说，"我不能说所有的，但可能大于60%的判断，一个月之后就可能反过来。"在硅谷，保持判断的灵活性，比判断本身更重要。
旧共识破灭，新范式正在建立。当市场告别对单模型和算力烧钱的盲目崇拜，围绕"如何让AI稳定可控地落地"的需求爆发出来。
专门观测团队AI使用情况，分析Token浪费。Agent不会"报错"，但可能在输出层面出现偏见或负面体验，需要新软件监测agent什么时候"脑子坏了"。
AI agent本身脆弱，一个prompt微小变化就可能导致表现变差。沙盒环境隔离agent运行，避免直接接触银行账号或生产环境数据。
美国报税50个州50套税，法律领域移民法/民法/商法各自体系复杂。垂直Agent的价值在于不断发现真实痛点，这些"不可训练"的东西成为壁垒。
多个便宜模型+顶尖模型的混合调度，取代单一模型调用。这背后需要一套新的路由与成本优化系统，成为新的AI基础设施层。
投资圈有一种判断认为"垂直Agent已失去投资价值"，但马培元不完全同意。他引用硅谷投资者Sarah Guo的"the untrainable"（不可训练的东西）概念：垂直行业充满大量无法被抽象掉的复杂流程，需要人力不断解决。这些东西会被烙印在公司的产品里，是通用模型无法吃掉的真壁垒。
垂直Agent带来的可能不是1000倍回报，但20倍、50倍、甚至100倍的稳健回报，在当下市场中反而更稀缺。
AI创业下半场，真正的护城河不再是模型参数或Token用量，而是"组织拒绝被AI化的惯性"与"垂直领域不可训练的经验沉积"之间的落差——谁能用系统工程填平这个落差，谁就拿到了下一个时代的船票。