文章 When Machines Build for Machines 由 Dror Berman 与 Eric Schmidt 共同署名，于 2026 年 3 月 18 日发表。文章的核心论点是：技术世界正在进入一个新的阶段——不只是“人用 AI 工具”，而是逐步走向“由智能体构建、并且为智能体服务”的技术体系。作者认为，过去几乎所有技术都带着一个根本前提：它们是由人设计给人使用的，因此无论是传感器、软件还是组织方式，都被人的感知能力、理解能力、协作成本和开发速度所约束。如今，这些约束正在同时松动，因而会带来比一般“效率提升”更深层的产业重构。
第一重变化：Built by Agents（由智能体构建）。作者指出，AI 智能体正在迅速降低“制造技术产品”的门槛。过去需要大团队、长周期和大量资本才能完成的软件或系统，现在可能只需要少量人配合 AI 就能做出来。更重要的是，这不只是“更便宜地写代码”，而是在改变“产品”的存在方式。传统软件是按版本发布、定期更新的，因为人类团队协调、迭代、测试和交付都很昂贵；而当智能体可以持续生成和修改软件时，软件就可能不再是一个固定产品，而是一种“按需实时生成”的过程。文章甚至提出，未来“产品”这个概念本身都可能被削弱：用户面对的不再是某个稳定版本的 app，而是每次出现时都根据场景即时形成、不断变化的系统。与此同时，世界上的代码总量会呈数量级增长，而且越来越多代码不会被人类逐行阅读或审查；从版本控制、云基础设施到数据库和编程语言，许多底层工具链默认“人类作者”存在的前提，都将被改写。
第二重更深刻的变化：Built for Agents（为智能体而建）。作者认为，如果技术的终端消费者不再主要是人，而是 AI 代理，那么输出形式就不必再压缩到人类可感知、可解释的尺度。文中用传感器举例：今天的光学传感器通常把极其丰富的光学信息压缩成适合人眼理解的图像，大量物理世界的细节在这个过程中被舍弃；如果传感器是为 AI 而非人为主设计，它就不一定非要输出“图片”，而可以直接保留更高维度、更高分辨率的信息，让 AI 在此基础上推理、判断和行动。作者进一步把这种观点延伸到医学影像：例如 CT 扫描本来包含复杂的三维解剖信息，但临床上常常被压缩成“肿瘤直径”这种单一指标，因为这是人类医生容易稳定读取和交流的形式；而 AI 并不需要这种人为压缩，它可以直接利用原始高维数据，从而更早、更准确地发现治疗响应模式。文章的意思是，许多我们习以为常的“指标”与“格式”，其实并不是客观上最优，而只是为了适应人类认知极限的折中。
作者还把这一逻辑推广到软件工程本身。传统源代码一直要同时服务两个对象：一是机器执行，二是未来的人类开发者阅读、维护和接手。因此，编程语言、命名规范、架构模式乃至“可维护性”这套价值观，本质上都在照顾人类理解成本。文章提出一个颇有冲击力的判断：很多所谓“技术债”，其实可以看成是“人类理解债”。因为旧代码之所以难以维护，往往不是机器不能运行，而是人越来越看不懂。假如未来大量代码主要由智能体生成、理解、重构和替换，那么代码是否“便于人读”将不再像今天这样关键，系统甚至可以根据需要整体重写，而不必长期背负为人类可读性而留下的沉重包袱。换句话说，软件形态也可能从“累积式代码库”变成“可持续再生成的机器表示”。
文章最后讨论了这种趋势的深层后果。作者认为，真正困难的不是承认 AI 会提高生产效率，而是接受：未来某些系统的输出，可能超出人类完整评估与验证的能力。例如，医疗 AI 可能得出医生无法用传统方法直接核验的结论；某个智能体可能生成完全可运行的代码库，但没有任何工程师真正理解其全貌。由此带来的问题不只是技术问题，也包括组织、职业和经济结构问题：如果协调成本显著下降，公司这种组织单位会不会改变？如果知识可以被智能体按需调取，一个人的职业价值还会不会像过去那样建立在知识积累上？如果越来越多高价值工作由机器完成，那么以出售人类时间为核心的经济逻辑又该如何调整？作者强调，这些都不是遥远未来的问题，而是这一代创业者、政策制定者与公众必须尽快面对的现实议题。文章最后把真正的稀缺资源定义为：不再是执行能力，而是判断什么值得构建、什么问题真正重要，以及“好”究竟长什么样的洞察力。也就是说，在“机器为机器构建”的时代，人类最有价值的部分将从亲自执行，进一步转向方向判断、目标设定与边界约束。
整体来看，这篇文章并不是单纯在说“AI 会替代程序员”或“AI 会提升效率”，而是在提出一个更激进的框架：人类技术文明长期以来一直建立在“人类既是建造者，也是最终接收者”的假设之上；而现在，这两个位置都开始被智能体介入甚至部分接管。一旦生产端和消费端同时脱离人的约束，技术的形态、产品的定义、工程的方法、医学的判读、公司的组织方式，乃至经济制度中的价值分配，都可能随之发生连锁变化。作者对这种变化持明显乐观态度，但也承认它会把社会带入一个“我们无法完全预先描绘”的区域。文章的真正落点因此不是技术细节，而是一种时代判断：未来竞争的核心，不是谁能更辛苦地执行，而是谁能更准确地想象新的可能性，并为这些可能性建立可治理、可承受的边界。