整理｜冬梅

　　2 月初，OpenAI 正式發(fā)布了其最新一代編程智能體GPT-5.3-Codex，這是目前 OpenAI 在 AI 編程領(lǐng)域的最新旗艦?zāi)Ｐ?，?biāo)志著該公司在“智能體變成實(shí)際協(xié)作者”這條路線上的一次重要升級。官方發(fā)布中指出，GPT-5.3-Codex 在原有 GPT-5.2-Codex 能力基礎(chǔ)上進(jìn)行了全面提升，包括更強(qiáng)的推理能力、更高的效率和更廣的工作流支持，同時提升了用戶交互體驗(yàn)和長期任務(wù)處理能力，目標(biāo)是讓智能體像人類同事一樣在整個開發(fā)流程中協(xié)作。

　　在權(quán)威評測上，新版本在多個行業(yè)相關(guān) benchmark 上表現(xiàn)卓越，例如在軟件工程綜合評測 SWE-Bench Pro 和系統(tǒng)操作評測 Terminal-Bench2.0 上大幅領(lǐng)先前代，在 OSWorld 和其他能力指標(biāo)上也表現(xiàn)顯著，更重要的是整體推理速度提升約 25%。官方強(qiáng)調(diào)，這些改進(jìn)不僅體現(xiàn)在代碼生成能力，還包括調(diào)試、審查、架構(gòu)設(shè)計(jì)等工程師真實(shí)需要的工作流環(huán)節(jié)。

　　在 Reddit、技術(shù)論壇等開發(fā)者社區(qū)中，GPT-5.3-Codex 的反饋呈現(xiàn)出明顯的兩極分化。一部分開發(fā)者分享了正面的經(jīng)驗(yàn)，例如模型在 CLI 與 IDE 插件中帶來的更流暢操作、新版計(jì)劃模式提供的更清晰步驟反饋等，這與官方提出的“交互式協(xié)作和實(shí)時指導(dǎo)”方向一致。

　　但也有不小比例的用戶發(fā)出了批評：有用戶指出目前 GPT-5.3-Codex尚未通過 API 向所有開發(fā)者開放，部分平臺（如通過 API key）無法直接調(diào)用最新模型，這讓許多開發(fā)者難以在自定義環(huán)境中集成。

　　另一些用戶反映新模型在某些編輯器里表現(xiàn)尚不成熟，例如在 Zed 編輯器中體驗(yàn)不佳，偶爾中斷或無法按預(yù)期編輯文件，甚至有人因此重新回退使用老版本。

　　還有開發(fā)者表示，他們并不總是能獲得“官方宣傳的強(qiáng)大師任務(wù)表現(xiàn)”，尤其在 Web 生成等任務(wù)上出現(xiàn)停滯，并認(rèn)為其它競爭模型（如某些 Claude 系列）在某些日常任務(wù)上體驗(yàn)更順暢。

　　近日，OpenAI Codex 的產(chǎn)品負(fù)責(zé)人 Alexander Embiricos 做客了一檔訪談節(jié)目，談及了 Codex 的產(chǎn)品方向，目標(biāo)并不只是“讓 AI 寫得更好”，而是將 AI 打造成一種貫穿軟件工程全生命周期的主動型工程隊(duì)友——能夠理解任務(wù)、制定計(jì)劃、執(zhí)行實(shí)現(xiàn)、完成交付，甚至參與審查。

　　與許多模型負(fù)責(zé)人不同，Alexander 的視角明顯更偏向“工作流”和“真實(shí)使用場景”。

　　在加入 OpenAI 之前，Alexander 曾聯(lián)合創(chuàng)立協(xié)作工具公司 Multi 并成功退出，長期關(guān)注的不是技術(shù)極限，而是工具是否真的被人全天候使用、是否改變了人的工作方式。也正因?yàn)槿绱?，這場對話沒有圍繞參數(shù)規(guī)?；蚧鶞?zhǔn)測試展開，而是反復(fù)回到一個更具現(xiàn)實(shí)沖擊力的問題：當(dāng)工程師開始把完整任務(wù)交給 AI，軟件工程這件事，正在發(fā)生什么變化？

　　在對話中，Alexander 明確否定了“AI 會減少工程師數(shù)量”的判斷。他認(rèn)為，未來五年工程師和創(chuàng)造者只會更多，而不是更少。原因并不復(fù)雜：歷史上，“計(jì)算機(jī)”“程序員”這些詞本身就被多次重定義，而“軟件工程師”也正站在下一次重定義的門檻上。

　　真正發(fā)生變化的，是人才棧的壓縮。在 Codex 團(tuán)隊(duì)內(nèi)部，傳統(tǒng)的前端、后端、基礎(chǔ)設(shè)施等分工正在迅速模糊，每個人都被要求具備更強(qiáng)的全棧能力，甚至同時參與設(shè)計(jì)與產(chǎn)品判斷。在這樣的背景下，“工程師”不再只是執(zhí)行者，而更像是問題定義者與結(jié)果把關(guān)者。Alexander 甚至半開玩笑地表示，某些情況下，產(chǎn)品經(jīng)理這個角色是否仍然必要，都是一個值得重新討論的問題。

　　他的判斷很清晰：分工會被壓縮，但人類作為創(chuàng)造者的地位不會被削弱。

　　如果說對未來的判斷仍帶有主觀色彩，那么 Alexander 描述的OpenAI 內(nèi)部變化，則更像是一種已經(jīng)發(fā)生的事實(shí)。

　　他反復(fù)提到一個關(guān)鍵節(jié)點(diǎn)：GPT-5.2 Codex 的發(fā)布。在那之前，AI 更多扮演的是“輔助工具”的角色——自動補(bǔ)全、結(jié)對編程，人仍然需要坐在編輯器前，驅(qū)動整個過程。但從 GPT-5.2 Codex 開始，工作方式發(fā)生了本質(zhì)變化：工程師不再“和 AI 一起寫代碼”，而是把整個任務(wù)直接委托給 AI。

　　在 OpenAI 內(nèi)部，許多工程師幾乎不再打開傳統(tǒng) IDE，而是全天候運(yùn)行Codex。會議期間如果沒有讓 Codex 同步處理任務(wù)，反而會被認(rèn)為是在浪費(fèi)時間。Alexander 沒有給出一個精確比例，但他的判斷非常明確：現(xiàn)在 OpenAI 內(nèi)部，絕大多數(shù)代碼都是由 AI 寫出來的。這并不意味著工程師“無事可做”，而是他們的注意力，已經(jīng)從實(shí)現(xiàn)細(xì)節(jié)，轉(zhuǎn)移到任務(wù)拆解、計(jì)劃評估和結(jié)果審查上。

　　在對話的最后，Alexander 回答了一位頂尖高校學(xué)生的提問：如何在未來五年成為 AI 生態(tài)中有價值的工程師？他的態(tài)度出人意料地樂觀——這是一個前所未有適合做工程師的時代。工具極其強(qiáng)大，理解復(fù)雜系統(tǒng)和代碼庫的成本被大幅壓縮。但正因?yàn)椤皹?gòu)建變得容易”，真正稀缺的東西反而更加清晰：主動性、審美，以及對質(zhì)量的執(zhí)念。

　　他的建議只有一句話：去構(gòu)建高質(zhì)量的東西。一個有思想、有完成度的項(xiàng)目，比任何標(biāo)準(zhǔn)化簡歷都更有說服力。

　　以下為完整對話內(nèi)容，經(jīng) AI 前線編輯整理：

　　主持人：我的第一個問題可能有點(diǎn)奇怪，但我還是想問下。我對人們的動機(jī)特別著迷：你行動的動力更多是來自對失敗的恐懼，還是對勝利的興奮與渴望？

　　Alexander：我是個追求極致的人。比起害怕失敗，勝利的渴望絕對更能驅(qū)動我。不過我得跟你坦白一件事：在加入 OpenAI 之前經(jīng)營創(chuàng)業(yè)公司時，曾經(jīng)歷過至暗時刻——實(shí)際上那段日子黑暗時刻比比皆是——我突然意識到過去幾個月自己一直在拼命避免失敗。那一刻恍然大悟：天啊，原來這就是我如此痛苦的原因，很可能也是公司止步不前的根源。所以我得不斷自我調(diào)整，重新聚焦于爭取勝利的初心。但說到底，比成功欲望更強(qiáng)烈的，大概是我天生熱愛創(chuàng)造，特別是為人們打造新事物。想到今年就無比振奮，因?yàn)閷⒂袩o數(shù)尚未存在的精彩之作被創(chuàng)造出來，交付到眾人手中。

　　主持人：馬斯克曾預(yù)言編程會成為首批被大規(guī)模自動化的職業(yè)之一。基于你的職位和日常觀察，你認(rèn)同這個觀點(diǎn)嗎？

　　Alexander：我完全認(rèn)同編程會是最早被大語言模型深度滲透的領(lǐng)域之一。不過說到“編程被自動化”這個說法，其實(shí)值得細(xì)品——這就像當(dāng)年我們不再寫匯編語言，轉(zhuǎn)向高級語言編程時，能說編程被自動化了嗎？并非如此。

　　我們只是得以用更高效率編寫更多代碼，結(jié)果反而是市場對代碼的需求激增，需要更多軟件工程師來創(chuàng)造價值。這種自動化更像是工具進(jìn)化帶來的職能轉(zhuǎn)變，就像“計(jì)算機(jī)”這個詞的起源：據(jù)說在布萊切利公園破譯德國恩尼格瑪密碼時，需要專人打孔卡、操作機(jī)器、做大量表格運(yùn)算——這些繁瑣的機(jī)械操作后來被自動化了。甚至最早的電子表格軟件，靈感就源于辦公室里格子間工位排成矩陣，人們各自計(jì)算后將表格傳給下個人的場景。這些具體操作確實(shí)被技術(shù)取代了，但每次這樣的變革后，對最終成果的需求都會呈指數(shù)級增長，即便具體的工作形態(tài)已徹底改變，整個行業(yè)反而需要更多從業(yè)者參與其中。

　　主持人：所以你認(rèn)為五年后工程師數(shù)量會增加而非減少，對嗎？

　　Alexander：沒錯，其實(shí)我們也在不斷重新定義術(shù)語的內(nèi)涵——比如“計(jì)算機(jī)”這個詞現(xiàn)在指代的東西早已不同，而如今我們又有了“軟件工程師”這個頭銜。所以我堅(jiān)信未來會有更多創(chuàng)造者。

　　現(xiàn)在有個很有趣的觀察：人才棧正在發(fā)生壓縮現(xiàn)象。雖然當(dāng)前我們?nèi)匀恍枰浖こ處?、軟件設(shè)計(jì)師，以及像我這樣的產(chǎn)品經(jīng)理——關(guān)于 PM 這個角色你們可以盡情調(diào)侃，說實(shí)話我也覺得未必需要——但或許當(dāng)人們談?wù)摗肮こ處煛睍r，腦海中浮現(xiàn)的已經(jīng)是比過去更全能的形態(tài)。倒退幾年，絕大多數(shù)團(tuán)隊(duì)還嚴(yán)格區(qū)分后端工程師和前端工程師；而現(xiàn)在至少在 Codex 團(tuán)隊(duì)，這種界限已經(jīng)非常模糊，每個人都更趨向全棧。因此我認(rèn)為人才棧確實(shí)會持續(xù)壓縮，但人類作為創(chuàng)造者的本質(zhì)不會改變。

　　主持人：為什么你認(rèn)為在這個世界里我們不需要產(chǎn)品經(jīng)理？你這是在吊人胃口啊。

　　Alexander：首先我覺得產(chǎn)品經(jīng)理這個角色本身就極難定義——它本質(zhì)上就是個沒有固定范式的崗位，目標(biāo)就是靈活適配團(tuán)隊(duì)或業(yè)務(wù)的需求。比如當(dāng)一群人正全力沖刺開發(fā)時，產(chǎn)品經(jīng)理的價值在于后退幾步，用前瞻性視野預(yù)判方向，協(xié)調(diào)各方資源推進(jìn)市場落地，同時擔(dān)任團(tuán)隊(duì)的頭號啦啦隊(duì)長和質(zhì)量把關(guān)人。

　　但仔細(xì)想想，這些我描述的（可能也是我當(dāng)前做的）所有工作，完全可以由一位兼具產(chǎn)品思維的資深技術(shù)負(fù)責(zé)人或設(shè)計(jì)師來完成。所以產(chǎn)品經(jīng)理這個角色確實(shí)常常能發(fā)揮作用，但在團(tuán)隊(duì)規(guī)模真正變得龐大之前，可能并不需要配置太多這樣的崗位。

　　AGI 的瓶頸是什么？

　　主持人：過去幾天我可沒少狂扒你的“底褲”——把你的文章、推文、過往采訪翻了個底朝天，這趟探索簡直樂趣無窮。你曾在某處提到，人類驗(yàn)證工作的速度和輸入效率才是制約 AGI 發(fā)展的關(guān)鍵瓶頸，而非模型算力或架構(gòu)本身。然后這話就撂在那兒沒下文了，快給我解解惑：為什么說人類打字速度和驗(yàn)證工作會成為核心瓶頸？你這句話到底藏著什么深意？

　　Alexander：確實(shí)如此。這個話題很有意思。我認(rèn)為現(xiàn)在存在多個瓶頸，但這或許是最能吸引眼球的一個。如果不介意的話，我們不妨用蘇格拉底式問答來探討：你目前每天使用 AI 的頻率大概是多少？

　　主持人：每天 30 多次吧。

　　Alexander：那假設(shè)你完全不需要耗費(fèi)任何精力，你覺得 AI 每天能幫到你多少次？

　　主持人：我認(rèn)為在所有事務(wù)中，AI 將會全天候覆蓋每一件事。

　　Alexander：確實(shí)如此。現(xiàn)在無論是 OpenAI 內(nèi)部還是外部的工程師都在告訴我：他們?nèi)旌蜷_著 Codex，從不合上筆記本電腦。開會期間若沒讓它運(yùn)行著，簡直就是在浪費(fèi)時間——必須確保 Codex 隨時在為我處理工作。

　　這確實(shí)很酷也很令人興奮，但反過來說，要管理這些智能體、確保它們持續(xù)運(yùn)轉(zhuǎn)本身也是個龐大的工作量?；氐絼偛耪f的每天 30 次使用頻率，我們觀察 Codex 用戶的使用數(shù)據(jù)也大致在這個區(qū)間。但在我看來，AI 本應(yīng)每天為我們提供上萬次幫助——只要算力允許，這個目標(biāo)終將實(shí)現(xiàn)。問題在于，即便像我這樣專門研究這個領(lǐng)域的人，明知該用 AI 處理所有事務(wù)，但我實(shí)在太懶，懶得敲那么多提示詞；也缺乏足夠的創(chuàng)意去發(fā)掘 AI 能幫忙的所有場景。結(jié)果我的使用頻率和你相差無幾。

　　直到現(xiàn)在，當(dāng)我用 AI 完成像準(zhǔn)備這次對話這樣有趣的任務(wù)時，還會暗自得意：“不錯，又解鎖了 AI 的新用法?！边@對你我這樣熱衷此道的人倒無妨，但我們不能指望普通人為享受通用人工智能的紅利而付出太多學(xué)習(xí)成本。

　　理想狀態(tài)應(yīng)該是：使用 AI 無需琢磨提示詞技巧，它就該簡單到不費(fèi)吹灰之力；你甚至無需意識到需要 AI 幫助，它自會理解你的處境，適時給予貼心的協(xié)助。

　　主持人：這正是我認(rèn)為 Claude 做得好的地方——他們針對法律、Excel 等場景推出了定制化版本，讓用戶能直接上手建立 DCF 模型（雖然我對模型不感冒，但不得不承認(rèn)比過去的操作強(qiáng)多了）。那么你認(rèn)為你的職責(zé)是否就是將提示詞和人工操作產(chǎn)品化，從而消除這一瓶頸？

　　Alexander：沒錯，這正是我們要做的——既要確保模型具備卓越能力，最終更要讓 AI 高度產(chǎn)品化，可能是神奇的對話框、語音輸入，甚至直接加入群聊就能自動提供幫助。

　　不過中間階段其實(shí)藏著更深的門道，我認(rèn)為當(dāng)前最大的價值恰恰就藏在這個過渡期。具體來說，你可以嘗試針對特定市場將 AI 的某個功能產(chǎn)品化，雖然很多公司都在這么做，但真正找準(zhǔn)有效形態(tài)并不容易。之前你播客有位嘉賓說得特別在理：企業(yè)沒有付費(fèi)門檻根本沒法落地 AI。

　　主持人：對，就是 Invisible AI 的 Matt Fitzpatrick 提到的這個觀點(diǎn)。

　　Alexander：確實(shí)，從財(cái)務(wù)角度看是這樣，但我其實(shí)完全不同意企業(yè)級優(yōu)先的自動化路徑。

　　我認(rèn)為當(dāng)前最重要的是為真實(shí)用戶打造工具。正如 Matt 在播客中提到的，通過全職員工構(gòu)建自動化流程當(dāng)然可行，但這會受制于自上而下的視角局限和人力配置的邊界。

　　而我憧憬的 AI 未來，是讓每個人都成為被 AI 賦能的超級個體。要實(shí)現(xiàn)這個愿景，我們需要打造面向個人用戶、能讓所有人輕松上手的工具。當(dāng)前最有趣的階段，恰恰是為那些熱衷于探索 AI 應(yīng)用場景的先行者構(gòu)建工具。回想 Cognition 的 Code 工具初次發(fā)布時的精妙之處，正是提供了一個能在終端中無縫使用的開放工具，激發(fā)用戶自發(fā)探索應(yīng)用場景。這啟示我們，在將 AI 拓展到編程之外的工作領(lǐng)域時，最重要的不是過度定制垂直場景工具，而是打造足夠開放的創(chuàng)作平臺，讓用戶能針對任何任務(wù)進(jìn)行創(chuàng)造性應(yīng)用。

　　智能體開發(fā)的三個階段

　　主持人：但這不就把責(zé)任和精力又推回給用戶了嗎？這恰恰回到了你之前說的“人類行動瓶頸”問題——如果連任務(wù)都不定義，等于把定義權(quán)完全交給了人類，而人類既缺乏這種定義能力，也缺少這樣做的意愿。

　　Alexander：是的，我是這么認(rèn)為的，這也是我覺得它是瓶頸所在的原因。

　　在我看來，整個過程基本分為三個階段：首先，先讓智能體在軟件工程和編碼領(lǐng)域做到足夠出色，因?yàn)榇笳Z言模型本身就擅長這方面；其次，我們會意識到，要讓智能體在更廣泛的場景中發(fā)揮作用，讓它能夠操作計(jì)算機(jī)是非常有價值的，同時我們也會發(fā)現(xiàn)，所有智能體本質(zhì)上其實(shí)都是編碼智能體，因?yàn)榫幋a是智能體使用計(jì)算機(jī)的最佳方式。

　　所以我們可以沿用這個極具靈活性的思路，把它開放給所有樂于探索和嘗試的人，我們已經(jīng)看到有人開始通過類似 Codex 這類應(yīng)用這么做了，這類應(yīng)用原本是為開發(fā)者設(shè)計(jì)的，但開發(fā)者們卻用它來完成各種非編碼類的任務(wù)；最后，等我們驗(yàn)證出有效的方案后，就進(jìn)行你所說的產(chǎn)品化，打造出功能高度專一、用戶能夠開箱即用的產(chǎn)品。我認(rèn)為我們會在未來幾個月里快速走完這一整個過程。

　　主持人：你剛才提到的關(guān)于企業(yè)內(nèi)全職員工部署和實(shí)施的問題，關(guān)鍵還在于數(shù)據(jù)安全敏感性、權(quán)限配置和訪問條款——這些實(shí)際操作難如登天，而大多數(shù)人其實(shí)并沒有我們想象的那么聰明和自信。尤其是在大型企業(yè)環(huán)境中更是如此。我認(rèn)為確實(shí)需要全職員工深入介入，為各種橫向解決方案進(jìn)行定制化適配才能落地運(yùn)行。我錯了嗎？

　　Alexander：我覺得你的判斷是對的。如果你一開始就試圖從零直接跳到一，腦子里又有一個宏大的愿景——比如構(gòu)建一個覆蓋所有流程的終極自動化系統(tǒng)——那確實(shí)會立刻撞上大量現(xiàn)實(shí)障礙。

　　我這里并不是貶義地說“宏大”，而是說這類項(xiàng)目不可避免地要處理安全、合規(guī)等問題，而這些問題都是真實(shí)存在的。你還需要打通各種數(shù)據(jù)系統(tǒng)、系統(tǒng)記錄、執(zhí)行系統(tǒng)等等。要完成這些，你基本上需要一個完整的、企業(yè)級的 IT 或數(shù)據(jù)基礎(chǔ)設(shè)施團(tuán)隊(duì)來支撐。

　　但我們觀察到，如果完全采用這種自上而下（top-down）的方式，結(jié)果往往是：嚴(yán)重低估、甚至浪費(fèi)了 AI 在幫助企業(yè)中的潛力。

　　相比之下，更好的方式可能是并行推進(jìn)。一方面繼續(xù)解決系統(tǒng)層面的難題，另一方面，把 AI 先交到真正干活的人手里——那些每天在一線工作的員工。

　　當(dāng)員工開始實(shí)際使用 AI，他們會逐漸建立起一種“心理模型”，理解 AI 能幫自己做什么、不能做什么。然后，他們會自然地把 AI 拉進(jìn)自己的工作流中。

　　我舉個例子：假設(shè)你在做客服工作，公司開始用 AI 自動化你工作中一些重要環(huán)節(jié)，但你自己從來沒用過 ChatGPT，甚至被禁止使用。那么在這種情況下，你對“AI 到底是什么”是沒有直覺的。

　　但如果是在另一種世界里，你一邊日常使用 ChatGPT 工作，一邊看到 LLM 正在自動化你的一部分任務(wù)，那你對 AI 的理解會深刻得多。你會覺得自己是被“加速”的，是有控制權(quán)的，甚至能影響自動化往哪個方向發(fā)展，而不是被一個“從天而降的黑箱系統(tǒng)”所取代。后者其實(shí)是非常令人無力的。

　　所以回到你提的問題：你提到的數(shù)據(jù)控制問題確實(shí)存在，也非?，F(xiàn)實(shí)。但歸根結(jié)底，每一個工具、每一個功能、每一個工作流，最終都是服務(wù)于某個具體的人——某個員工。而這些員工，最終都是通過瀏覽器、文件系統(tǒng)等接口在使用工具。換句話說，一切最終都會收斂到一個“界面”，而這個界面是可以被運(yùn)行在本地計(jì)算機(jī)上的智能體（agent）所操作的。這也是為什么 OpenAI 會去做一件在外界看來有點(diǎn)“反?！钡氖隆?strong>我們在構(gòu)建自己的瀏覽器（Atlas）。

　　你可能會問為什么要這么做，原因有很多，但其中一個關(guān)鍵原因是：當(dāng)我們從端到端嚴(yán)格控制瀏覽器時，就能為企業(yè)構(gòu)建安全的、可控的智能體式瀏覽體驗(yàn)。

　　這樣，智能體就可以“代理式”地訪問那些企業(yè)還沒有通過 API 或 FD（功能部門）完全開放的系統(tǒng)和流程。

　　GPT-5.3 Codex效率大幅提升，

　　我們?nèi)绾巫龅降模?/strong>

　　主持人：你之前提到，有些工程師甚至不愿意合上電腦，因?yàn)樗麄儾幌胫袛嘤?Codex 構(gòu)建的效率。你們和 Cerebras 建立了合作，而 Cerebras 目前被認(rèn)為是推理速度最快的算力提供方之一。這是一次非常漂亮的合作。那么，推理速度對使用 Codex 的開發(fā)者到底有多重要？

　　Alexander：簡單來說：非常重要。

　　主持人：那這會不會形成一種“推理能力的壟斷”？比如你們現(xiàn)在有了，競爭對手沒有。

　　Alexander：這只是我的個人看法，但我不認(rèn)為最終會走向一種壟斷式的格局。市場上的競爭壓力非常大，未來一定會出現(xiàn)多種不同的解決方案。

　　不過我可以透露的是：關(guān)于這次合作，我們很快會有新消息公布，而且我對此非常興奮。這些東西一旦上線，會非常棒。

　　即便不談硬件合作，僅從模型本身來看，比如 GPT-5.3 Codex，相比之前的模型，在效率上已經(jīng)有了顯著提升。我們收到的反饋是：開發(fā)者明顯感覺到它比以前快得多，而且是“有競爭力的快”。此外，你還可以在多個層面做優(yōu)化：模型本身的效率以及推理方式的改進(jìn)。

　　舉個具體的例子：我們最近在 API 層面做了一次更新，相關(guān)模型的響應(yīng)速度提升了大約40%；而在 Codex 產(chǎn)品里，速度也提升了大約25%。所以，速度真的很重要，我們基本是在硬件、推理方式、模型層三個方向同時推進(jìn)。

　　主持人：你剛才提到把 AI 交到用戶手里，這讓我想到推理成本的問題。我有位朋友 Jason Lemkin（來自 SaaStr）提出一個觀點(diǎn)：“推理就是新的銷售和市場”。意思是說，與其養(yǎng)龐大的銷售和市場團(tuán)隊(duì)，不如把錢花在推理上，讓用戶更快上手、看到價值，最終甚至不再需要傳統(tǒng)的銷售和市場團(tuán)隊(duì)。這有點(diǎn)像下一代的 PLG（產(chǎn)品驅(qū)動增長）。你怎么看？

　　Alexander：說實(shí)話，我對這個觀點(diǎn)是有些保留的。在這樣一個“人人都能構(gòu)建產(chǎn)品、構(gòu)建門檻越來越低”的世界里，真正困難的事情并沒有消失。什么是難的？是與客戶建立真正良好的關(guān)系 并理解他們真正需要什么。

　　而且我認(rèn)為，這些事情甚至比以前更難了，因?yàn)槭袌錾系倪x擇變得更多、軟件數(shù)量爆炸式增長。

　　另外，構(gòu)建“正確的東西”和“高質(zhì)量的東西”依然非常難。

　　所以回到銷售和市場這個問題，我并不認(rèn)為它們會消失。相反，隨著市場競爭加劇，它們的難度其實(shí)是在上升的，而不是下降。

　　在 OpenAI，

　　很多人不再打開 IDE 了

　　主持人：能不能聊點(diǎn)更具體的？比如在 OpenAI 內(nèi)部，現(xiàn)在有多少代碼是由 Codex 生成的？我記得之前 Claude for Work 的負(fù)責(zé)人 Boris 說他們內(nèi)部幾乎 100% 都是 AI 寫代碼。

　　Alexander：我先說我個人的感受，再說團(tuán)隊(duì)整體情況?；旧希艺J(rèn)識的大多數(shù)人現(xiàn)在已經(jīng)很少再打開傳統(tǒng)代碼編輯器了。

　　這種變化是逐步發(fā)生的，但一個非常明顯的“拐點(diǎn)”出現(xiàn)在GPT-5.2 Codex發(fā)布之后。那一代模型突然在以下幾個方面變得非常強(qiáng)：

　　能持續(xù)運(yùn)行更長時間

　　能端到端完成任務(wù)

　　能管理上下文

　　能更好地遵循指令

　　這也是我們后來決定做 Codex App 的重要原因之一。在 GPT-5.2 Codex 之前，我們更多是在用 AI 做自動補(bǔ)全 或者“結(jié)對編程”（pair programming）。 那時候，你仍然需要坐在電腦前，手放在鍵盤上，AI 可能幫你做一點(diǎn)點(diǎn)事情，但整體節(jié)奏還是你在“開車”。

　　而從 2024 年 12 月 GPT-5.2 Codex 開始，我們切換到了一種完全不同的工作方式：我不再和 AI 一起寫代碼，而是把整個任務(wù)直接委托給它。流程變成了一起制定計(jì)劃、確認(rèn)規(guī)格、然后我就“放手讓它跑”

　　這是一次非常本質(zhì)的轉(zhuǎn)變。

　　這也是為什么我們在上周發(fā)布了 Codex App——我們想打造一種更適合“委托（delegation）”而不是“結(jié)對”的產(chǎn)品形態(tài)，讓你可以同時把任務(wù)分配給多個智能體。

　　即便在 OpenAI 內(nèi)部，這種變化也非常劇烈。我沒有一個精確的百分比數(shù)據(jù)，但可以說：絕大多數(shù)代碼現(xiàn)在都是由 AI 寫的。很多人甚至不再打開 IDE。即便打開，更多也是為了設(shè)計(jì)模塊之間的接口 或協(xié)助規(guī)劃方案， 真正的代碼實(shí)現(xiàn)，已經(jīng)不再由人類直接完成了。

　　Codex App 為什么

　　不是一個傳統(tǒng) IDE？

　　主持人：那你覺得 24 個月后，IDE 還會是開發(fā)棧的一部分嗎？

　　Alexander：這要看你怎么定義 IDE?！凹砷_發(fā)環(huán)境”這個詞本身就非常模糊，幾乎什么都能算 IDE。如果按這個定義，那你甚至可以說 Codex App 也是 IDE。但我個人并不這么看。在我心里，IDE 是一個極其強(qiáng)大的編輯器。而我們在設(shè)計(jì) Codex App 時，刻意沒有加入文本編輯功能，就是為了讓使用方式足夠清晰。

　　Codex App 的核心能力在于：管理多個智能體、委托任務(wù)以及審查變更。它還有一個非常顯眼的“Skills”系統(tǒng)，這是一個開放標(biāo)準(zhǔn)，能支持大量非編碼任務(wù)，比如：任務(wù)分流和部署監(jiān)控。但它沒有文本編輯器，這是我們有意為之的設(shè)計(jì)選擇。

　　主持人：如果大量代碼都是由 Codex 生成的，那你們內(nèi)部現(xiàn)在是怎么做代碼審查的？AI 會參與內(nèi)部的代碼審查嗎？

　　Alexander：這里其實(shí)有幾個層面。首先，你想做什么這件事的“規(guī)格說明（spec）”或“計(jì)劃（plan）”，變得前所未有地重要。你需要從架構(gòu)層面去思考：這段代碼應(yīng)該如何工作。最近我們上線了一個非常重要的“計(jì)劃模式（Plan Mode）”。它的工作方式和其他系統(tǒng)不太一樣：智能體會先獨(dú)立提出一個完整的執(zhí)行方案，通常是一個相當(dāng)長、相當(dāng)詳細(xì)的計(jì)劃，然后再回來問你：

　　你是否同意這種實(shí)現(xiàn)方式？ 是否希望對某些部分提出修改意見？

　　這其實(shí)非常像現(xiàn)實(shí)中的場景：假設(shè)你招了一個剛加入團(tuán)隊(duì)、對代碼庫還不熟的新工程師。在正式開始寫代碼之前，他需要先向團(tuán)隊(duì)提交一份類似 RFC（Request for Comments）的方案，征求大家的意見。所以，即便這還不是傳統(tǒng)意義上的代碼審查，但“對計(jì)劃的審查”正在變得越來越重要。這是因?yàn)槲覀円呀?jīng)進(jìn)入了一個更偏向“委托（delegation）”而不是“協(xié)作編寫”的工作階段。

　　這一點(diǎn)往往被低估了。接下來才是更傳統(tǒng)意義上的代碼審查。我聽到的一個非常常見的問題，尤其是在開源社區(qū)，是所謂的“AI 垃圾代碼（AI slop）”。很多人直接把 AI 生成的代碼提交成 PR，這些 PR 質(zhì)量很差，提交者可能根本沒有測試過，甚至沒有真正審過代碼。這是一個真實(shí)存在的問題。

　　因此，在使用 Codex 時，一個非常常見的做法是：讓 Codex 審查它自己生成的 PR 或代碼改動。而 Codex 在這方面表現(xiàn)得非常好。我們是明確訓(xùn)練過模型去做代碼審查的。訓(xùn)練目標(biāo)包括：給出高信噪比的反饋、盡量減少“誤報式批評”（false positives）。這意味著：當(dāng) Codex 提出修改意見時，你是可以高度信任它的。

　　所以在 OpenAI 內(nèi)部，以及我們推薦給外部用戶的做法是：主動讓 Codex 做代碼審查，甚至可以設(shè)置為自動審查。

　　事實(shí)上，在 OpenAI，幾乎所有代碼在推送到主倉庫時，都會自動經(jīng)過 Codex 的審查。一個挺有意思的現(xiàn)象是：有些人為了“測試模型有多強(qiáng)”，會讓 Codex 去審查其他模型寫的代碼。結(jié)果往往是：“好吧，那我可能干脆直接用 Codex 寫代碼算了?！?/strong>

　　主持人：你剛才提到，對于那些還沒用過 Codex，或者很久沒回來用的用戶，你怎么看“留存”這件事？我記得 YC 合伙人 Tom Blomfield 之前發(fā)過一條推文，提到不同代碼智能體之間的切換成本——不管是 Cursor、Claude Code 還是 Codex。在這種情況下，用戶到底有多“黏”？你們是如何思考留存的？

　　Alexander：我們在 Codex 上采取了一種相當(dāng)反直覺的策略：把它做得盡可能開放。比如 Codex 的核心執(zhí)行框架（harness）是開源的，我們一直在努力降低用戶在不同工具之間切換的成本。舉個例子：去年我們剛發(fā)布 Codex 時，做了一件很簡單的事——我們只是“確立”了一個約定，而不是強(qiáng)推一個品牌化標(biāo)準(zhǔn)。這個約定叫agents.md。它是一個文件，你可以在里面寫給智能體的指令。

　　我們刻意沒有叫它codex.md，而是希望它成為一個所有智能體都能用的通用約定?，F(xiàn)在，幾乎所有智能體都在使用agents.md，這其實(shí)是一件很棒的事情。就在上周，我們還推動了另一件事：把Skills（技能）——也就是給智能體用的腳本和指令——放進(jìn)一個中性的目錄里，叫agents/，而不是放進(jìn)codex/這樣的私有命名空間。

　　同樣，除了“那個熟悉的例外”，大家基本都跟進(jìn)了。從開發(fā)者角度來說，這意味著：選擇更多 并且試錯成本更低。當(dāng)然，目前來看，代碼生成這類任務(wù)本身是高度“封閉”的（hermetic）。你可以把它理解成美劇里的“單元劇”：智能體讀取一個通用的 agents 文件、使用通用的 skills、生成一個補(bǔ)丁、補(bǔ)丁提交進(jìn) Git。

　　從輸入到輸出，都是高度廠商中立的，所以切換成本很低。但未來會發(fā)生變化。當(dāng)智能體不再只是寫代碼，而是開始接入 Sentry、操作 Google Docs 或連接企業(yè)內(nèi)部系統(tǒng)，這時，“連接某個系統(tǒng)”本身就變成了一次高度粘性的決策。尤其在企業(yè)場景下，你必須信任：智能體能訪問這些系統(tǒng)，同時又有足夠嚴(yán)格的安全護(hù)欄、沙箱和權(quán)限控制。而這些事情，你是不愿意反復(fù)做很多次的。

　　所以我們在構(gòu)建 Codex 時，其實(shí)已經(jīng)提前預(yù)判了這一階段的到來。這也是為什么我們采用了極其保守的沙箱策略——本質(zhì)上是操作系統(tǒng)級別的控制。我個人很喜歡一本書叫《Seven Powers》，講的是企業(yè)構(gòu)建長期價值和可持續(xù)性的七種方式，其中之一就是“留存與黏性”。但對我們來說，這件事的優(yōu)先級其實(shí)有點(diǎn)不一樣。

　　“贏”的決定性因素：

　　算力優(yōu)勢 + 最好的模型

　　主持人：但如果從商業(yè)角度看，你們肯定還是會關(guān)心：如何讓用戶留在 Codex，而不是在 Cursor 或 Claude Code 出現(xiàn)更好模型時立刻切走？

　　Alexander：這是個很好的問題。當(dāng)然，我們是在經(jīng)營一家公司，但從根本上說，我們的使命是“安全地把 AGI 的收益帶給全人類”。所以對很多人來說很反直覺的一點(diǎn)是：我們花了巨大的精力訓(xùn)練模型，然后把這些模型提供給競爭對手使用。我知道，從風(fēng)險投資的視角來看，這幾乎是難以理解的。

　　主持人：這在 VC 視角里確實(shí)非常反常。

　　Alexander：是的，但這正是 OpenAI 非常獨(dú)特的地方。我們在玩一場極其長期的博弈。當(dāng)競爭對手變強(qiáng)時，我們是能學(xué)到東西的，這反而對我們有幫助。如果他們是封閉的、黑箱式地進(jìn)步，我們反而學(xué)不到。

　　舉個例子：今天早上我還轉(zhuǎn)推了 Warp 的一個新發(fā)布。我和他們沒有任何商業(yè)關(guān)系，但他們在“云端 + 本地智能體協(xié)作”這件事上的一些設(shè)計(jì)思路，真的很有啟發(fā)性。這個領(lǐng)域有意思的地方就在于：大家在不同公司、不同路徑上，正在同時得出相似的結(jié)論，然后把它們實(shí)現(xiàn)出來。

　　當(dāng)然，從現(xiàn)實(shí)角度講，我們也并不是沒有優(yōu)勢：ChatGPT 帶來的巨大分發(fā)優(yōu)勢、自研模型與自有執(zhí)行框架的深度耦合、對新模型的提前訪問權(quán)。所以我們確實(shí)是在“為了贏而競爭”，而且我們有很多優(yōu)勢。但與此同時，我們也在堅(jiān)持把模型服務(wù)提供給整個生態(tài)，同時推動開放標(biāo)準(zhǔn)。

　　主持人：如果一定要用投資語言來問一句：最終決定勝負(fù)的關(guān)鍵是什么？是 GTM？是品牌？是產(chǎn)品執(zhí)行？還是算力和推理速度？

　　Alexander：如果從公司整體角度說——當(dāng)然這已經(jīng)遠(yuǎn)遠(yuǎn)超出我的職級了——我會說是：算力優(yōu)勢 + 最好的模型。

　　為了實(shí)現(xiàn)這一點(diǎn)，我們需要成功的商業(yè)模式來支撐持續(xù)投入。而 Codex 這種“研究 + 產(chǎn)品”高度融合的團(tuán)隊(duì)，其實(shí)會反過來倒逼模型進(jìn)步得更快。但如果從產(chǎn)品層面來說，我認(rèn)為最重要的一點(diǎn)只有一個：做出一個真正好用、讓人愿意用的產(chǎn)品。我們一直強(qiáng)調(diào)先服務(wù)好個人，讓人真正“熟練”地使用這些工具，再自然地把自動化引入工作流。這條路徑看起來有點(diǎn)反直覺，但我認(rèn)為它的長期影響力會更大。至于企業(yè)市場，GTM 非常重要。我學(xué)到的一個慘痛教訓(xùn)是：你不能只是對企業(yè)說一句“你們隨便用吧”。

　　你需要做大量教育、支持復(fù)雜配置、和負(fù)責(zé)人（比如開發(fā)者體驗(yàn)負(fù)責(zé)人）一起設(shè)計(jì)工作方式，再把這種工作方式復(fù)制到整個組織中。

　　主持人：那你們內(nèi)部衡量成功的核心指標(biāo)是什么？是收入嗎？

　　Alexander：不是。最核心的指標(biāo)是活躍用戶數(shù)。

　　主持人：具體是 DAU 還是 WAU？

　　Alexander：目前我們主要看 WAU（周活躍用戶）。標(biāo)準(zhǔn)是：這個人是否真的在產(chǎn)品里完成過一次交互，比如發(fā)送過一個 prompt。

　　主持人：如果 Codex 是要替代 IDE 的，DAU 會不會更合理？

　　Alexander：我同意。DAU 很快會更合理。我們現(xiàn)在用 WAU，更多是歷史原因。我理想中的狀態(tài)是：任何一個任務(wù)，你的第一反應(yīng)都是“讓一個智能體來幫我”。

　　就像查信息打卡 Google，問問題打開 ChatGPT。

　　下一階段是人們做任何事先打開一個輸入框，然后智能體開始行動，哪怕它只幫你完成其中一小步。

　　主持人：你認(rèn)為 Chat 會成為 AI 與人類交互的長期主界面嗎？

　　Alexander：簡短答案是：會。

　　但更準(zhǔn)確地說，是“對話界面 + 專用界面”的組合。如果你看科幻電影，未來的 AI 往往是一個你可以用任何方式、聊任何事的存在。你不應(yīng)該需要區(qū)分這是我的編程 AI 或者這是我的銷售 AI。

　　你只是“跟一個東西說話”，它就會幫你。但對高階用戶來說，只靠聊天會很煩。就像你有一個助理，但你所有事情都必須通過“對話”才能完成，那是低效的。

　　所以最終形態(tài)會是 Chat / 語音作為通用入口，針對不同角色的專用 GUI。比如我：用聊天做播客準(zhǔn)備，用 Codex App 深入看代碼。而一個市場人員用聊天問產(chǎn)品問題，用專門的分析界面看廣告數(shù)據(jù)。

　　構(gòu)建高質(zhì)量代碼模型的

　　數(shù)據(jù)是充足的

　　主持人：我在 LinkedIn 上提到過這檔節(jié)目，有一位來自另一家公司的優(yōu)秀投資人留言說——

　　他用了一個“哈利·波特”的比喻，說某家公司就像伏地魔，“那個不能被提及名字的人”。他說：“你應(yīng)該問問他，代碼數(shù)據(jù)的護(hù)城河到底怎么看？現(xiàn)在是不是 Anthropic 已經(jīng)拿走了所有數(shù)據(jù)？”

　　Alexander：從我們目前看到的情況來看——當(dāng)然，這一點(diǎn)我也會更多地參考我們研究團(tuán)隊(duì)的判斷——我們認(rèn)為用于構(gòu)建高質(zhì)量代碼模型的數(shù)據(jù)是充足的。我反而覺得，現(xiàn)在更有意思、也更困難的數(shù)據(jù)來源，在于知識型工作（knowledge work）任務(wù)。這類數(shù)據(jù)在互聯(lián)網(wǎng)上幾乎不存在，比如戰(zhàn)略分析、復(fù)雜決策、跨角色協(xié)作，實(shí)際業(yè)務(wù)判斷過程。

　　所以你會開始產(chǎn)生一些很有意思的想法，比如：是否需要付費(fèi)讓人去“模擬完成任務(wù)”，從而學(xué)習(xí)這些完整的任務(wù)軌跡，是否應(yīng)該收購一些已經(jīng)倒閉、但沉淀了大量協(xié)作數(shù)據(jù)的公司，比如使用 Slack 的組織。總體來說，知識型工作的任務(wù)分布，比編碼復(fù)雜得多，也稀缺得多。

　　主持人：既然這些數(shù)據(jù)如此稀缺，那你們?nèi)绾慰创蛿?shù)據(jù)服務(wù)商的關(guān)系？比如 McCor、Turing、Invisible、Scale 這類公司。你們會在這方面投入 10 倍資源，還是反而覺得“數(shù)據(jù)太貴了，不如自己做”？

　　Alexander：我們的判斷標(biāo)準(zhǔn)其實(shí)只有一個：哪種方式能讓我們跑得最快。在內(nèi)部搭建完整的數(shù)據(jù)采集體系，時間成本和人力成本都非常高，而我們是一個相對精干的小團(tuán)隊(duì)。所以到目前為止，我的觀察是：一旦我們需要大規(guī)模跑數(shù)據(jù)項(xiàng)目，通常會選擇和這些公司合作，把精力集中在模型和產(chǎn)品本身。

　　Codex 會走向低端消費(fèi)者市場嗎？

　　主持人：在消費(fèi)端，Codex 會不會和 Lovable、Replit 這類工具正面競爭？比如一年或兩年后，是否會下沉到“任何人都能做一個 about me 頁面或小企業(yè)網(wǎng)站”的層級？

　　Alexander：目前來看，我們并不覺得自己在和它們直接競爭。如果你看過我們的超級碗廣告，口號是：“You can just build things.”（你可以直接開始構(gòu)建）。通過這個應(yīng)用，我們注意到：越來越多技術(shù)背景不強(qiáng)的人，也開始用 Codex 來做東西了。他們做的事情通常很“Hello World”級別，但確實(shí)在發(fā)生。而且我們最近有一個很大的變化：開始向免費(fèi) ChatGPT 用戶和 Go 計(jì)劃用戶提供部分 Codex 功能。這在“可用性”層面是一次巨大的擴(kuò)展。所以我確實(shí)預(yù)期，會有一些用戶原本可能會去用專門的低代碼工具，但現(xiàn)在因?yàn)?Codex 就在他們手邊，于是直接用 Codex 做一些簡單的構(gòu)建。

　　主持人：如果讓你說一件“最想做得不一樣、但目前還沒法做的事”，會是什么？

　　Alexander：這是個有意思的問題。老實(shí)說，最近這幾周對我們來說非常好，我對當(dāng)前發(fā)生的一切都挺興奮的。

　　主持人：這種“風(fēng)向變化”的感覺，團(tuán)隊(duì)內(nèi)部能明顯感受到嗎？

　　Alexander：絕對能。我們對這種變化非常敏感。如果回看 Codex 的歷史：去年我們第一個發(fā)布的產(chǎn)品，是一個聽起來非常驚艷的想法——給每個智能體一臺云端電腦，可以并行完成任務(wù)。

　　坦白說，它并沒有像我們后來發(fā)布的產(chǎn)品那樣成功。從去年 8 月 GPT-5 之后，我們開始全力推進(jìn)交互式編程，而這正是當(dāng)下市場競爭最激烈的方向。公開數(shù)據(jù)上看從 8 月開始，我們大約增長了 20 倍，到年底，又幾乎翻了一倍。但真正的變化發(fā)生在上周。我們一直認(rèn)為自己擁有最智能的模型（Codex 5.3），但用戶反饋是模型偏慢、不夠“好玩” 、在工作過程中溝通感不強(qiáng)

　　我們正面解決了這些問題。

　　即便對比某個在我們之前 20 分鐘發(fā)布、短暫“state-of-the-art”的競品模型，我們也明顯感覺到了變化。

　　同時，我們一直被詬病的一點(diǎn)是：IDE 插件體驗(yàn)很好，但 CLI（命令行）不夠精致。而現(xiàn)在這個 App 的反饋幾乎是一邊倒的正向評價——簡單、直覺，甚至“出乎意料地簡單”。很多曾經(jīng)的批評者也被轉(zhuǎn)化成了用戶。再加上超級碗廣告、免費(fèi)開放策略——所以回到你的問題，我現(xiàn)在最想做的兩件事是：

　　第一，我想重新回到云端智能體（cloud agent）。去年我們從云端轉(zhuǎn)向交互式編程，是一個非常理性的決策：如果用戶還不能流暢地使用工具、還不能簡單地讓它跑起來，就貿(mào)然推進(jìn)自動化工作流，那只會變成“只有極少數(shù)高級用戶能用的空想”。

　　但現(xiàn)在不一樣了。當(dāng)用戶每天都在用、每次使用都會配置得更好，那么讓它獨(dú)立在云端運(yùn)行，就不再是一個巨大跨越。

　　第二，是關(guān)注真正的瓶頸?，F(xiàn)在，寫代碼本身幾乎已經(jīng)變得“廉價”。真正難的是：如何做代碼評審、如何判斷質(zhì)量以及如何確認(rèn)方向是對的。這些問題仍然被嚴(yán)重低估、投入不足。

　　我的目標(biāo)是：最終讓一個你信任的智能體，可以端到端負(fù)責(zé)一個微服務(wù)或內(nèi)部工具，完成完整的迭代閉環(huán)，甚至直接接收用戶反饋，而不需要人類審查。這在智能、在安全、在控制層面，都是極其困難的問題。

　　市場終局：少數(shù)超級智能體，

　　而不是十幾個工具

　　主持人：你認(rèn)為 Benchmark 和評測到底該占多大權(quán)重？

　　Alexander：這是個可能讓你不太滿意的答案：兩者都重要。Benchmark 能很好地衡量“智能水平”，尤其是在評測還沒被刷爆之前，進(jìn)步非常有參考價值。但你必須把它和使用體驗(yàn)結(jié)合起來。而體驗(yàn)，本質(zhì)上是“感覺（vibes）”。不管是內(nèi)部同事還是客戶，我總是驚訝于：人們對模型的評價有多么依賴感覺。人生本來就很“vibes based”。我對孩子說的教訓(xùn)是：人們更愿意和他們喜歡的人一起工作。

　　主持人：投資角度看，你如何判斷這個市場的最終形態(tài)？

　　Alexander：我認(rèn)為，最終會是更少的玩家，捕獲更多的價值。我們現(xiàn)在處在一個“過渡期”：目前真正實(shí)現(xiàn)產(chǎn)品市場匹配的，幾乎只有編碼智能體。但這是暫時的。長期來看，智能體會變成什么都能幫你做的超級助手。

　　在那樣的世界里你不會希望公司里有 12 個不同的智能體，讓員工自己去想“該和誰說話” 。那樣他們就無法形成熟練度，也就無法真正把自動化融入工作。相反，如果你只有一個可以聊任何事情的智能體，員工的 onboarding 就是一句話：“有事就找它。” 它會成為工作的重力中心。

　　我以前在 Dropbox 工作。在 Slack 崛起之前，我們曾討論過：人們是該在文檔里評論，還是去 Slack 里討論？文檔內(nèi)評論更高效，但現(xiàn)實(shí)是：Slack 成了溝通的中心引力場。哪怕效率更低，人們也更愿意在那里交流。我認(rèn)為，未來的智能體，也會發(fā)生同樣的事情。

　　SaaS 是否會被模型公司“吃掉”？

　　主持人：現(xiàn)在的人才爭奪有多激烈？我常對公司說：與其在舊金山，不如在歐洲建團(tuán)隊(duì)，因?yàn)?SF 的人才又貴又難留。我錯了嗎？

　　Alexander：人才戰(zhàn)爭現(xiàn)在非常激烈。即便是在OpenAI，我們品牌很強(qiáng)，也依然要花大量精力去“贏下”心儀的候選人。沒人是“免費(fèi)送上門”的。

　　主持人：在股權(quán)定價下，最頂尖的人才還覺得有吸引力嗎？

　　Alexander：目前沒有人向我表達(dá)過相反的看法

　　主持人：你剛才提到，目前智能體真正大規(guī)模使用的場景，主要還是編碼，少量擴(kuò)展到比如客服。但從投資角度看，我今天在尋找那些能長期積累價值、為客戶持續(xù)提供卓越產(chǎn)品的公司。

　　現(xiàn)在市場上有一種很強(qiáng)的觀點(diǎn)：大型 SaaS 公司的收入耐久性接近于零，SaaS 已死，因?yàn)槟Ｐ吞峁┥蹋銈儭nthropic 等）會“來吃我們的午餐”。 你會如何建議？

　　Alexander：我的第一反應(yīng)其實(shí)非常樸素：所有東西最終都是為人服務(wù)的，否則意義何在？

　　即便是 SaaS，本質(zhì)上也是為人設(shè)計(jì)的。所以我會反問幾個問題：這家公司是否真正擁有與“人”的關(guān)系？ 或者，它是否掌握了一個極其關(guān)鍵的系統(tǒng)記錄（system of record）？

　　如果答案是“是”，那我并不認(rèn)為這家公司會輕易消失。事實(shí)上，在 AI 時代，這兩點(diǎn)——

　　人與系統(tǒng)的交互入口 + 核心記錄系統(tǒng)，可能比以往任何時候都更重要。

　　反過來，如果一家 SaaS 公司只是一個“膠水層”：不直接面對人也不擁有系統(tǒng)級記錄，那我會更謹(jǐn)慎。我不是這方面的終極專家，但這種公司讓我更不安。

　　Alexander：如果基于這種邏輯再看市場，比如Salesforce、ServiceNow股價下跌 20%、30%、甚至 40%，我認(rèn)為這種反應(yīng)被嚴(yán)重夸大了。

　　確實(shí)有一些公司處境艱難。坦率說，我認(rèn)為Dropbox正面臨非常困難的局面。

　　但像Monday.com這樣的公司——對其主要用戶群體（大量中小企業(yè)和消費(fèi)者）來說：你能不能用 AI 臨時“vibe coding”一個待辦清單？可以。

　　但成本是否劃算？并不劃算。

　　一個待辦清單的需求本身非常穩(wěn)定、簡單：添加任務(wù)、完成任務(wù)、查看歷史、分配成員。

　　并不值得反復(fù)用 AI 定制。所以現(xiàn)實(shí)是：大多數(shù)人會繼續(xù)用現(xiàn)成工具。市場的恐慌情緒，更多是條件反射式的過度反應(yīng)。

　　不過我確實(shí)認(rèn)為：客服會成為被強(qiáng)烈沖擊的領(lǐng)域。老實(shí)說，我不太愿意站在那個賽道上。

　　給下一代工程師的建議

　　主持人：最后，請您回答幾個網(wǎng)友的提問。有位學(xué)生提問是這樣的我是 CS 學(xué)生，在斯坦福 / 劍橋 / ETH。如果我想在未來 5 年成為 AI 生態(tài)中有價值的工程師，你會怎么建議？

　　Alexander：說實(shí)話，從未有過比現(xiàn)在更好的時代來當(dāng)工程師。你擁有前所未有強(qiáng)大的工具能快速理解復(fù)雜代碼庫、能讓 AI 幫你規(guī)劃改動，甚至能把過去幾天的研究壓縮到幾個小時。所以首先，你應(yīng)該非常樂觀。

　　但問題變成：既然構(gòu)建變得容易，什么變得稀缺？我給出的答案是：主動性（agency）、審美（taste）和質(zhì)量（quality）。

　　我的建議只有一句話：去構(gòu)建東西，而且是高質(zhì)量的東西。當(dāng)有人帶著有思想的項(xiàng)目來找我，那比一份標(biāo)準(zhǔn)簡歷有吸引力得多。

　　https://www.youtube.com/watch?v=S1rQngjpUdI

　　聲明：本文為 AI 前線整理，不代表平臺觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。

　　會議推薦

　　InfoQ 2026 全年會議規(guī)劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產(chǎn)業(yè)落地，從技術(shù)前沿到行業(yè)應(yīng)用，全面覆蓋 AI 與軟件開發(fā)核心賽道！集結(jié)全球技術(shù)先鋒，拆解真實(shí)生產(chǎn)案例、深挖技術(shù)與產(chǎn)業(yè)落地痛點(diǎn)，探索前沿領(lǐng)域、聚焦產(chǎn)業(yè)賦能，獲取實(shí)戰(zhàn)落地方案與前瞻產(chǎn)業(yè)洞察，高效實(shí)現(xiàn)技術(shù)價值轉(zhuǎn)化。把握行業(yè)變革關(guān)鍵節(jié)點(diǎn)，搶占 2026 智能升級發(fā)展先機(jī)！