摘要

“自动化”意味着更多工程师，而不是更少。 OpenAI Codex 产品负责人 Alexander Embiricos 认同 Elon 的判断：编码是 LLM 真正表现出色的第一个领域，但他不接受“编码被自动化”的说法——汇编语言让位于高级语言时，“我们说编码被自动化了吗？其实没有”，代码需求反而爆发，工程师数量随之增长。他预计5年后会有更多建设者，人才结构则压缩为全栈通才；PM 往往有用，但在团队做大前未必需要，“我不认为你需要他们”。
Alex 早先的判断是，人的打字速度和验证工作才是 AGI 的关键瓶颈，而不是模型算力或架构。 他同时承认瓶颈不止一个。Harry 每天使用 AI 30多次，Alex 认为，在算力预算允许的情况下，AI“应该每天帮助我们数万次”；但即便是他自己，也“懒得输入那么多提示词，也没创意去想出 AI 能帮我的所有方式”。终局是：AI “了解你、连接你的上下文，并主动提供帮助”，用户无需费力提示。
“所有 agent 实际上都是编码 agent，因为编码正是 agent 使用电脑的最佳方式。” 他设想的3个阶段是：编码 agent；面向喜欢折腾的人开放的通用电脑操作工具；以及开箱即用的产品化功能，而这一过程将在“未来几个月内速通”。建设者已经在用 Codex app 处理非编码任务。
在 OpenAI 内部，Alex 认识的大多数人基本已经不打开编辑器了。 转折点是12月的 GPT 5.2 Codex：人们可以完整委托任务，“先让它做计划……然后就让它自己运行”，绝大多数代码由 AI 编写，几乎所有代码都由 Codex 自动审查。代码生成“基本已经变得不值一提”，真正投入不足的瓶颈变成了审查和信任——目标是让 agent 能够在无需人工审查的情况下，独立负责整个微服务。
战略现在开放，之后才形成粘性，利润率可以等一等。 编码任务目前“相当封闭、具有阶段性”，AGENTS.md 和开源 harness 也保持厂商中立；但一旦把 agent 接入 Sentry 或 Google Docs，“决定让 agent 连接这个系统会形成粘性”，企业不会重复做出这种决定。“我把今年看作一场竞赛”，为了赢得连接层，应该“接受短期利润率受损”。
“我们的工作是分发智能。” OpenAI 将模型提供给竞争对手，Alex 认为这是理性的长期策略；Codex 真正的优势在于 ChatGPT 的分发能力，以及为自己的 harness 训练模型、同时让 harness 适配新模型。北极星指标是活跃用户而非收入；自8月以来增长“差不多20倍”，12月到当时又进一步增长，随后上线 Codex app、投放 Super Bowl 广告，并向免费 ChatGPT 用户开放。
终端市场会走向“更少的供应商捕获大量价值”。 一个超级助手会成为类似 Slack 的工作重心，而不是12个专业 agent 并存。对投资者而言，拥有用户关系或系统记录的 SaaS 能活下来，“可能比以往任何时候都更重要”；胶水层面临风险。Harry 补充说，实体基础设施和复杂 fintech 更安全，而客户支持不在其中。

精读

1. 自动化意味着更多工程师——人才结构被压缩

被问及 Elon 所说的“编码将是最先被大规模自动化的职业之一”是否正确时，Alex 重新定义了问题：编码是 LLM 真正擅长的第一个领域，但“自动化”是“一个有点沉重的说法”。他的类比是：当人类停止编写汇编语言时，“我们说编码被自动化了吗？其实没有……我们只是能够写出更多代码，结果是对代码的需求大幅增加，需要的软件工程师也更多了”。“计算机”一词也是如此——最初指的是 Bletchley Park 里负责打孔卡片的人；每当任务被自动化，产出的需求就会“爆发式增长”。
所以，5年后工程师会更多，而不是更少，但人才结构会被压缩。Codex 团队的后端与前端分工已经在淡化，“工程师”将意味着更强的全栈能力。他关于不需要 PM 的玩笑也有前提：这个角色“定义本来就不明确”，他所做的一切“一个非常强的工程负责人或设计师都能完成”；不过他随后澄清，产品人员仍然需要，只是必须是完美匹配的人选，因为糟糕的产品经理“可能弊大于利”。
他给计算机科学学生的建议是：“现在其实是成为工程师的最佳时代。”当构建变得容易，稀缺的会是“主动性、品味和质量”。要去做东西、分享东西；“一个有趣的项目，比一份普通简历更能吸引我的注意”。与此同时，人才争夺“异常激烈”，连 OpenAI 也要“投入大量精力来争取候选人”。

2. AGI 的关键瓶颈：人的投入

Alex 用苏格拉底式的方式展开：Harry 每天使用 AI 30多次，Codex 的使用频率处于“数十次”水平；“我认为，在算力预算允许的情况下，AI 应该每天帮助我们数万次”。差距来自人的投入——“我懒得输入那么多提示词，也没有创意去想出 AI 能帮我的所有方式”。
重度用户的模式已经显现。OpenAI 工程师告诉他：“我一直开着 Codex，从不合上笔记本；如果开会时它没在运行，我就觉得自己在浪费时间。”但持续给 agent 提供任务本身也是工作，管理开销正是瓶颈。
终点是完全不需要提示的 AI——“它就是了解你，连接你的上下文，并主动提供帮助”。大多数人不应该需要投入努力或发挥创造力，才能享受到 AGI 的好处。

3. Agent 的3个阶段——所有 agent 都是编码 agent

他脑中的路线图是：第一阶段，先让 agent 在软件工程中表现出色，“因为 LLM 恰好擅长这件事”；第二阶段，意识到“所有 agent 实际上都是编码 agent，因为编码正是 agent 使用电脑的最佳方式”，把同样灵活的工具交给所有喜欢折腾的人。建设者已经在用 Codex app 做任务分流、监控部署以及其他非编码工作；第三阶段，把验证过的能力产品化为“开箱即用、立即生效”的功能。他的判断是：“未来几个月内，我们会速通整个1-2-3阶段。”
他认为，竞争对手带来的设计启发是：“Claude Code 首次发布时的天才之处”在于，它是一个开放式工具，容易适配任何场景，并且就在终端里，让用户自己发现使用方式。应避免的错误，是在还没确定正确形态之前，就过早垂直化——比如把“AI 能力”限定为“只服务金融”。

4. FDE 之争：企业里自下而上胜过自上而下

Invisible AI 的 Matt Fitzpatrick 曾在上一期 20VC 中表示，企业无法在没有 FDE 的情况下采用 AI。Alex 的回应是：“虽然我确实在招聘 FDE，但我实际上完全不同意这个观点。”自上而下的工作流自动化“严重低估了” AI 的价值；更好的方式是把 AI 交给真正做这项工作的人，让他们形成直觉，再把自动化拉进自己的工作流。这种方式更具赋能感，而不是让自动化作为一种完整且削弱个人能力的干预降临。
Harry 的反驳也值得保留：数据安全、权限管理和访问配置“真的非常难”，企业用户“远没有我们想象中那么聪明和自信”，因此需要 FDE 为横向工具做定制适配。Alex 承认，对于从0到1搭建完整工作流系统，这一点成立；但他的反问是，每条工作流最终都会落到员工的浏览器或文件系统上——“一切最终都会抵达一个在本地电脑上运行的 agent 能够操作的界面”。
这也是 OpenAI 构建 Atlas 浏览器的重要原因：通过端到端地严格控制浏览器，他们可以提供“面向企业的安全 agent 式浏览”，让 agent 能够访问那些 FDE 尚未接通的系统。

5. OpenAI 内部：没人再打开编辑器

转折点是12月的 GPT 5.2 Codex。在此之前，AI 编程意味着补全代码，或与 AI 结对编程、双手仍放在键盘上；之后则变成：“我会把这个任务完全委托出去……先让它做计划，确认规格没问题，然后就让它自己运行。”如今，“我认识的大多数人基本已经不再打开编辑器”，绝大多数代码由 AI 编写，“代码本身已经不再由人类编写”；人类保留的是模块接口和计划。Codex app 刻意不提供文本编辑功能，让用户明确自己是在委托，而不是结对编程。
审查正在上移到更高层。计划审查——agent 提出一份长计划并提出问题，像新员工提交 RFC——“正在变得更加重要”。至于实际代码审查，Codex 明确针对这一任务训练，能够做到“很少产生无根据的批评”；OpenAI 几乎所有代码都由 Codex 自动审查。这个漏斗效应是：人们让 Codex 审查另一个模型写的代码，然后得出结论：“糟糕，我可能应该直接用 Codex。”
速度“极其重要”，但尽管 OpenAI 与 Cerebras 合作，Alex 认为不会形成推理能力垄断——竞争压力意味着市场会出现“多个答案”。同时，GPT 5.3 Codex 的效率显著提升，推理侧的改动让 API 服务速度提升约40%，Codex 速度提升约25%。
如果可以重新投入，他会把更多资源放在不同的地方：“写代码已经基本变得不值一提”，但审查和信任瓶颈仍被低估、投入不足。目标是打造一个“解除瓶颈”的 agent，让它能够被信任、独立负责整个微服务，完成完整的迭代闭环，包括吸收用户反馈，无需人工审查。这既是智能问题，也同样是安全和控制问题。

6. 留存：现在开放，之后形成粘性——今年是一场竞赛

Codex 的构建方式“非常开放”：核心 harness 开源，OpenAI 还刻意把指令文件命名为 AGENTS.md，而不是 CODEX.md——“除了 Claude 以外，几乎所有 agent 都使用 AGENTS.md”。skills 也放在中立的 .agents 文件夹里：“除了那个惯常的对手，所有人都跟进了。”
为什么主动放弃锁定？因为编码任务“相当封闭，具有阶段性”：放入一个 AGENTS.md 文件，输出一个 git patch，两端都与厂商无关，所以今天切换本来就很容易。粘性会在 agent 开始接触 Sentry、Google Docs 和系统记录时出现：“决定让 agent 连接这个系统会形成粘性”，企业不会重复做出这个决定。因此 OpenAI 采用“最保守的沙箱方案”，也是“基本唯一一家在乎操作系统级沙箱的公司”，并以开源方式构建 Windows 版本。
对于 Harry 关于软件利润率的担忧，Alex 的回答是，成本会显著下降；但“如果今年是 agent 在工作场景广泛部署的一年，我把今年看作一场竞赛。你要赢下这场竞赛，应该接受这段时间利润率受到一些影响”。

7. “我们的工作是分发智能”——Codex 如何取胜

Harry 说，这一点“作为一名风险投资人，我很难理解”：OpenAI 训练前沿模型，然后把模型提供给竞争对手。Alex 的逻辑是：“我们在玩一场非常长期的游戏……如果竞争对手变强，我们也能学习。”就在采访当天早上，他还转发了 Warp 的发布消息——“我们最终都会不可避免地一起得出相同的结论”。Codex 真正的优势包括 ChatGPT 的分发能力，以及训练适配自身 harness 的模型，同时构建能够适配新模型的 harness，并拥有其他公司无法获得的早期访问权。
当被追问取胜的决定性因素时，公司层面的答案是“超出我的职级范围”，但包括算力优势和最好的模型。成功的产品一部分用于创造收入，另一部分用于更快地压力测试模型。产品层面的答案则是：先为个人用户构建产品，让他们熟练使用，再让他们把自动化拉进工作流程；同时还需要真正的企业 GTM，因为没有教育和配置，仅仅说“随便用这些东西”并不起作用。
北极星指标是活跃用户，而不是收入，具体来说是周活跃用户。Harry 质疑：如果 Codex 正在取代 IDE，为什么不应该看日活？Alex 承认：“日活很快会变得更好……我确实同意这个批评。”这条阶梯是：Google 用于导航，ChatGPT 用于获取信息，而今年开始，“我需要完成任何任务时，都会来到这个文本框，然后发生一些能帮助我的事情”。
动能是真实存在、也能切身感受到的：最初的云端 agent 发布效果“不如后来交付的产品”；自8月 GPT-5 的交互式推广以来，“我们的增长差不多是20倍”，他还提到从12月到当时又翻了一倍，但忘了确切数字。GPT 5.3 Codex “坐实了”最智能模型的说法——一个竞品模型比它早20分钟发布，“当了20分钟的 SOTA……这可能有点刺激”。随后是 app、Super Bowl 广告（“你可以直接构建东西”）以及向免费 ChatGPT 套餐开放 Codex。他的另一项遗憾是：现在用户已经足够熟练，是时候“回到云端”了。

8. 终局：一个超级助手，成为类似 Slack 的工作重心

聊天会继续作为界面存在吗？会。“科幻作品是预测未来应该是什么样子的一个很好的工具……简单通常是正确的。”人们会与一个实体讨论任何事情，而不是分别使用编码 AI 和销售 AI。但重度用户会把它与定制 GUI 配合使用：一个“只能和它聊天”的行政助理“非常恼人”，有时用户就是想自己编辑节目笔记。营销人员可以聊天，建设者则会深入 Codex app。
市场结构会走向集中：“更少的供应商捕获大量价值”。只做编码的 PMF “可能是暂时的”；一旦 agent 泛化，一家公司拥有12个 agent，员工就无法真正熟练掌握任何一个。按照他讲述的 Dropbox 时代类比，在 Dropbox 文档里评论客观上“更优”，但“没人想在文档里评论，我只想直接 Slack 你”。一个几乎什么都能做的单一 agent 会产生同样巨大的吸引力，成为“工作的重心”，最终市场上只会剩下“少数几个这样的产品”。
关于 agent 之间的设计，他认为 Codex 最好的接口“往往也是最适合人类的接口”。例如测试运行器只输出失败的测试，而不是数十万行输出，对人和 agent 都更好。因此，agent 之间的交互点会类似于人类参与其中的交互，让用户能够“原子化地替换单个系统”。

9. 模型供应商无法取代什么——现在该押注谁

他判断 SaaS 能否存活的标准是：公司是否拥有“与某个人的关系，或一个系统记录”？只要拥有其中一项，“它可能不会消失——也许这两者都比以往任何时候更重要”。至于两者都没有、只是胶水层的公司，他说：“我不是这方面的专家，但我对这类公司更担心。”Harry 认为 SaaS 抛售“被大幅夸大”：Monday.com 没问题，因为用 vibe coding 做待办清单并不划算；但“恕我直言，我认为 Dropbox 处境非常困难”，而且“我认为你们会冲击客户支持，我不想处在那个类别里”。
创始人的画像也会变化：过去那种只支持纯产品建设者、忽视其 GTM 判断的时代“是一个异常”。如今，构建好产品相对更容易，应该押注具备分发思维、同时对特定客户拥有领域专长的创始人。
模型供应商不会进入哪些领域？Alex 诚实地回答：“我很想直接说我不知道……现在是投资人很难熬的时期。”Harry 给出了自己的答案：实体基础设施和能源供应，以及复杂 fintech——“我不认为 OpenAI 会去东南亚和500家银行建立关系。”Alex 基本同意：在这些复杂市场里，客户关系和市场知识决定一切，这类公司“看起来仍然很不错”。
关于编码数据护城河——这是一个未具名 VC 提出的问题，“不可说出名字的那个人”——他的回答是：“我们觉得，构建真正优秀的编码模型所需的数据已经足够多。”稀缺的不是代码，而是知识工作轨迹。或许可以付钱让人模拟任务，“也许你应该收购那些已经不再运营的初创公司……比如拿到它们的 Slack”。对于大规模数据采集，OpenAI 会依靠外部数据供应商，而不是全部自己搭建，目标是“尽可能快地推进”。

10. 快问快答：误判多模态、被无限定价反噬、目标是让奶奶也能用

最大的观念转变是：加入 OpenAI 时，他预计一年内人们就会与 agent 共享屏幕、进行语音交流——“这完全错了”。多模态进展比预期慢；相反，“通过代码操作电脑的 agent 才是正确路径”，这彻底改变了他对 AI 如何让普通人受益的理解。
最痛苦的产品决策是 Codex Cloud 实际上接近无限使用。它每多维持一天无限制，之后就越难收回。当他们最终调整限制时，来自“一小部分用户”的反弹污染了各处社交媒体的讨论。惨痛的教训是：“不能让东西无限使用太久。”
最受尊敬的冷门竞争对手是 Sourcegraph 旗下的 Amp——一个“远超自身体量的产品”。他还认可 Quinn 通过发帖表示愿意采用购买域名者的方案，推动了 AGENTS.md 的标准化。至于 Anthropic 的广告，他认同这样的回应：“一家公司的广告对未来相当消极，而另一家公司，也就是我们 OpenAI，对未来非常积极，只是在告诉人们可以构建东西、要敢于梦想。”
5年后，我们会因为手动编辑代码而感到尴尬；“也许更激进一点”，还会因为手动管理部署和监控而感到尴尬。初创公司将建立在一个“目前还不存在的、完全由 AI 管理的技术栈”上：创办公司时先找一个 agent，让它开始构建，再把联合创始人添加到 agent 工具里。10年愿景则是填补非技术用户的能力鸿沟：“总有一天，我们会把一个 agent 加进家庭 WhatsApp，它就会开始对整个家庭有用”，尤其是对他的奶奶这样的人。

与所有人共享智能：MiniMax 的 RL——Olive Song 对谈，来自 AIE NYC 与 Turing Post 的 Inference 第131期｜2025年2月14日