导言
技术是起点，但商业与沟通协作才是护城河
2016年，当AI还远未成为全民浪潮时，一位名叫徐宥（Eric Xu）的工程师做了一件疯狂的事：用语言模型来理解、修改和生成代码。他给公司起名叫 ai.codes，意思是“用AI写代码”。
十年后的今天，AI编程已成为现实，但他当年的创业却停在了2016年。这段往事不仅是对技术爆发前夜的记录，更是一面镜子，照出了程序员职业发展的核心命题：只做技术，够吗？
技术狂想：当代码遇见AI
1. 超前的技术直觉
2014年，徐宥在Fitbit工作时，就主动将卷积神经网络引入睡眠周期分类，是业界最早将深度学习用于可穿戴设备的团队之一。他敏锐地意识到：既然AI能做自然语言翻译，为什么不能做自然语言到代码的翻译？
2. 落地的产品实践
他并没有空想，而是直接下载了GitHub海量开源代码，训练了4层LSTM模型（当时Transformer尚未出现）。他开发了IntelliJ插件，实现了整段语句补全，甚至发明了“三个斜线”注释方式，完成了“让模型将自然语言翻译成代码”的可用产品原型。
3. 技术之外的死结
然而，他很快发现一个巨大的死结：他需要25万美元训练更强的模型，才能证明产品价值；但投资人需要看到产品价值，才愿意投钱训练模型。这个死结，最终拖垮了项目。
创业复盘：技术人的“软肋”
1. 沟通的壁垒
徐宥回忆，当时面对一位斯坦福MBA背景的投资人，对方的核心问题不是模型或产品，而是“这个技术能不能卖到中国去赚钱”。他意识到，很多人根本不在和他讨论同一个问题。技术人往往高估了技术本身的说服力，低估了商业逻辑的权重。
2. 融资的困境
在硅谷，没有收入的公司往往估值最高，但当你做的是“几乎没人能理解”的事情时，融资变得异常困难。Y Combinator的反馈是“需要更多信号”，而“超前”本身恰恰意味着“缺乏信号”。
3. 孤独的坚守
没有合适的共同合伙人，他一个人扛起了技术、产品、融资。他记得深夜回家，妻儿已睡，小猫蜷缩，脑海里明明知道未来的图景，现实里却跨不出下一步。这种孤独，是很多技术创业者共同的痛。
程序员的“非技术”必修课
1. 技术是杠杆，但不是全部
技术深度决定你的下限，但业务洞察、协作沟通、产品视角决定你的上限。徐宥的失败并非技术不行，而是无法将技术转化为商业语言。现实中，很多程序员也面临类似困境：代码写得漂亮，但项目推不动，价值不被认可。
2. 避免“唯技术论”
在真实职场里， “只写代码、不管其余”很快会遇到天花板。技术最终是给用户用的，不是给开发者自嗨的。了解业务怎么赚钱，才能找到高价值需求；学会跨部门沟通，才能让好技术落地。
3. 构建“T型”能力
程序员必须让技术成为“长板”，但不要当成“唯一的板”。持续深耕技术，同时主动补齐业务、协作与商业视角，才能把代码写成影响千万用户的产品，才能拥有不可替代的价值。
写在最后
徐宥最后讲了一个故事：2016年，两个俄罗斯年轻人找到他，想用AI生成ACM竞赛题代码。他真诚地分享了经验，并祝愿他们成功。后来，这两个人成立了near.ai，但最终转向了区块链。而其中一位，正是Transformer论文的作者之一。
技术是船，但商业与沟通协作是帆，只造船不扬帆，终究难以远航。现实并不是线性展开的，焦虑并不能真正帮助我们构建未来，重要的是在当下边界内，做出符合自己内心的选择。
