吴恩达的主要观点图
这可能使传统软件开发和 AI Native 软件开发在三个时间尺度上发生了改变。
肖老师的观点：
过去三十年，软件工程主要在拼命提升执行效率——更好的语言、更好的框架、更快的编译器、更完善的 CI/CD。
现在 AI 来了，优化目标变了。Commit 越来越比不上一次完整的 Loop。
谁能够更快完成一轮验证，谁就能更快发现问题；谁能够更快吸收反馈，谁就能更快找到正确方向。
代码跑起来之后发现报错、逻辑错、边界条件漏了，开始调试、定位、改代码、改对为止。几个小时可能就耗在把一段代码从"错的"改成"对的"这一件事上。
现在这件事，AI 基本上自己在分钟级就处理掉了。于是开发者小时级要做的不再是 Code，是 Product。，比如这个按钮是不是该放右边？登录流程是不是太绕？动画是不是慢了半拍？要不要加这个功能？
传统开发拿到一个需求用代码把它实现出来，包括设计、开发、测试、上线，一套流程走完，一个需求变成一个可用的功能，怎么也得花上一两天。改需求就意味着这一整套天级流程要重新走一遍，所以产品经理都得小心翼翼，"需求冻结"就是这么来的。开发成本决定了想法的试错成本。
AI 出现以后开发成本下降。最大的成本是"想清楚到底该做什么"。于是天级的循环变成：
传统开发与 AI Native 在三个时间尺度上的完整对照：
