image.png
最近我在通勤路上听了一期Lenny's Podcast，嘉宾是OpenAI Codex的产品负责人Alexander Embiricos。说实话，听完这期节目，我有一种久违的兴奋感，甚至可以说是头皮发麻。我们每天都在聊AI编程，聊Cursor，聊GitHub Copilot，但Alexander在节目里描绘的图景，让我意识到我们可能还是把这件事想小了。
他不仅仅是在谈论一个代码补全工具，而是在向我们展示OpenAI对于2026年的愿景——一个AI不再是工具，而是“队友”的时代。
今天我就把这期长达一个多小时的深度访谈，结合我自己的观察，揉碎了讲给大家听。特别是对于开发者和关注AI落地的朋友来说，这里面有几个观点，可能会彻底改变你对未来两三年软件开发的认知。
Codex的野蛮生长与Sora的18天奇迹
首先让我感到震惊的是Codex的增长速度。Alexander透露，Codex自去年8月以来增长了20倍，现在每周处理数万亿个token。这个数据背后，不仅仅是用户数量的增加，更是使用深度的质变。
为了证明这种质变，他抛出了一个非常硬核的案例：Sora的安卓应用，是OpenAI团队在短短18天内构建完成的。
大家如果是做移动端开发的就知道，从零开始构建一个像Sora这样复杂的视频生成应用，涉及到大量的UI交互、底层网络处理、性能优化，通常需要一个成熟的团队几个月的时间。但他们只用了18天。这靠的不是堆人头，而是Codex的高强度参与。
这其实揭示了一个很重要的信号：AI编程工具已经从“写写脚本、补补函数”的玩具阶段，正式进入了“构建复杂生产级应用”的深水区。
Alexander提到，他们内部现在的开发模式，已经不再是工程师对着屏幕苦思冥想每一行代码，而是大量依赖Codex生成的代码进行组装和调试。这种生产力的释放，直接导致了产品迭代周期的极度压缩。
真正的瓶颈：人类那双敲键盘的手
这期播客里最让我深思，甚至觉得有点“反直觉”的观点，是关于AGI（通用人工智能）生产力瓶颈的讨论。
过去我们总觉得，AI不够聪明、上下文窗口不够大、推理能力不够强，这些是阻碍AI写出完美代码的瓶颈。但Alexander给出了一个完全不同的视角：阻碍AGI级别生产力的真正瓶颈，其实是人类的打字速度。
这个观点乍一听有点荒谬，但仔细琢磨一下，逻辑非常通顺。
现在的模型能力已经非常强了，它生成代码的速度远超我们阅读和理解的速度，更别提我们那每分钟几十个单词的打字速度了。当AI能够在一秒钟内生成几百行高质量代码时，人类通过键盘输入指令、修改代码的物理交互方式，就成了整个系统中效率最低的一环。
这就好比你开着一辆法拉利，但只能用脚蹬的方式来加速，引擎的动力完全被浪费了。
所以，OpenAI现在的思路非常清晰：要解决这个瓶颈，必须改变人机交互的模式。未来的编程，不应该是我们告诉AI“写个for循环”，而是我们告诉AI“帮我实现这个功能模块”，然后AI去执行、去调试、去运行，我们只需要在关键节点进行确认。
从“工具”到“队友”的范式转移
这就引出了Alexander反复强调的一个概念：Software Engineering Teammate（软件工程队友）。
目前的AI编程工具，无论是Copilot还是Cursor，本质上还是“工具”。你需要给它明确的指令（Prompt），它才会动。它像是一个听话但被动的实习生，你不踢它一下，它就不动一下。
但OpenAI眼中的2026年，AI将变成一个积极主动的队友。
想象一下，你有一个人类队友。当你去吃饭的时候，他可能会自己去修复一个Bug；当你在这个模块写代码的时候，他可能会提醒你“嘿，你这个改动会影响到隔壁模块的逻辑”；甚至他会主动提出重构建议，并直接把代码改好等你Review。
这就是Alexander所说的“主动性”。未来的AI代理（Agent），将参与到软件开发的整个生命周期中，而不仅仅是编码这一个环节。
这也解释了为什么OpenAI在做浏览器（Atlas）。很多人可能不理解，OpenAI好好的做模型，做什么浏览器？但在Alexander的逻辑里，这非常顺理成章。如果AI要成为一个全能队友，它就需要一个原生的环境去浏览网页、去查阅文档、去测试Web应用。浏览器是AI代理接触互联网世界的窗口，掌握了这个窗口，AI才能真正具备独立工作的能力。
编程：AI代理的核心语言
还有一个观点我觉得特别有意思，Alexander说：编程将是每个AI代理的核心能力，因为写代码是代理使用计算机的最佳方式。
我们人类使用计算机，是靠鼠标点点点，靠眼睛看图形界面。但这对于AI来说效率太低了。AI最擅长的是处理文本和逻辑，而代码正是计算机能理解的最高效的文本逻辑。
所以，未来的AI代理，哪怕是帮你订机票、做客服、处理Excel表格，它在后台的运作方式，很可能都是通过实时编写和执行代码来完成的。代码，将成为AI与数字世界交互的通用语言。
这意味着，Codex不仅仅是给程序员用的，它其实是所有AI代理的“底层驱动”。
瓶颈转移：从Building到Reviewing
随着AI写代码的能力越来越强，我们的工作重心将不可避免地发生转移。Alexander在播客中提到，瓶颈将从“构建”（Building）转移到“审查”（Reviewing）。
这其实也是我最近使用AI编程工具时的切身感受。以前我80%的时间在写代码，20%的时间在思考架构和Review。现在情况反过来了，AI能在几分钟内帮我把架子搭好，把逻辑填满，但我需要花大量的时间去Review它生成的代码对不对，有没有安全隐患，架构是否合理。
这并不意味着程序员要失业了，而是程序员的技能树要重点了。
以前我们以“手速快”、“API记得熟”为荣。以后，这些硬技能的价值会迅速贬值。取而代之的，是你对系统架构的理解能力、你Review代码的敏锐度、以及你指挥AI队友协作的软技能。
我们正在从“搬砖工”变成“包工头”，甚至是“架构师”。这对于资深开发者来说是利好，因为你的经验能让你更快地判断AI生成内容的质量；但对于初学者来说，门槛其实变高了，因为你失去了通过大量基础练习来积累经验的机会。
个人思考与展望
听完这期播客，我最大的感受是：变化比我们想象的要快得多。
OpenAI提到的2026年愿景，其实距离我们只有一步之遥。Sora安卓应用18天开发完成，这已经不是科幻故事，而是正在发生的现实。
作为开发者，或者说作为在这个AI时代工作的知识工作者，我们必须克服一种本能的抗拒。我知道，很多人看到AI写的代码不完美，或者看到它偶尔犯蠢，就会觉得“这东西也就那样”。但请记住Alexander提到的那个增长曲线——20倍的增长，万亿级的token。这种进化速度是指数级的。
我们现在要做的，不是去挑剔AI现在的毛病，而是去适应这种“与AI结对编程”的新工作流。
试着把你的AI工具当成一个刚入职的、极其聪明但偶尔粗心的队友。你要学会怎么给它派活，怎么检查它的产出，怎么在它卡住的时候给它一点提示。这种“人机协作”的能力，将是未来几年最核心的竞争力。
最后，我想引用Alexander在节目里隐含的一种态度：不要等待完美的AGI到来，现在就开始用它构建未来。那个Sora App就是最好的证明，哪怕现在的工具还不完美，但只要你用得好，它已经能创造奇迹了。
希望这篇文章能带给你一些启发。如果你也在用AI编程，或者对OpenAI的这个愿景有什么看法，欢迎在评论区和我聊聊。我们下期见。
减少内边距 (原32px) / text-align: center; min-width: 240px; box-shadow: none; ">
免费体验，你也可以做内容IP
www.01agent.net
)
