OpenAI Codex 產品負責人：代碼不再由人類編寫，但我們會有更多構建者

Alexander Embiricos 是 OpenAI Codex 的產品負責人。在加入 OpenAI 之前，他在 Dropbox 做過產品經理，后來創辦了協作工具 Multi（前身為 Remotion），做了五年結對編程方向的創業，2024年被 OpenAI 收購。他親歷了 AI 編程工具從“輔助補全”到“全權委托”的轉變。Codex 自2025年8月以來增長了20倍，剛在2026年2月的一周內密集發布了 macOS 獨立應用、GPT-5.3模型、超級碗廣告，并向免費用戶開放。

這期訪談覆蓋了幾個核心話題：AI 編碼的現狀與工程師的未來、人類為什么是 AGI 的真正瓶頸、OpenAI 內部怎么用 Codex、開放標準與競爭策略，以及 SaaS 行業和 Agent 市場的終局。

來源：20VC with Harry Stebbings，2026年2月21日原始視頻：

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

要點速覽

• OpenAI 內部大多數人已不再打開 IDE，代碼的絕大部分由 AI 編寫，拐點發生在 GPT-5.2 Codex
• AI 應該每天幫助人類數萬次，但當前即使是重度用戶也只用幾十次，瓶頸不在模型而在人機交互
• “所有 Agent 本質上都是編碼 Agent”，因為代碼是 Agent 操作計算機的最佳方式
• OpenAI 自認工作不是“Codex 的成功”而是 “智能的分發”，訓練模型然后服務給競爭對手
• 通用 Agent 會打敗垂直 Agent，未來可能只有少數幾家 Agent 提供商捕獲大部分價值

【1】編碼不會消亡，但編碼的含義會改變

馬斯克說編碼是最先被大規模自動化的職業之一。你身處前線，同意這個判斷嗎？

Embiricos 同意 LLM 在編碼領域確實很強，但 “自動化”是個很重的說法。他舉了幾個歷史類比：當我們從匯編語言轉向高級語言時，沒人說“編碼被自動化了”，我們只是能寫更多代碼，結果是對代碼的需求反而爆炸了，需要更多軟件工程師。

他又提到了”computer”一詞的起源。在 Bletchley Park（二戰時期英國的密碼破譯中心），有大量人力負責打孔卡、做制表運算。最早的電子表格軟件也脫胎于類似場景：一間辦公室里，桌子按網格排列，每個人做一部分計算，然后把工作表傳給下一個人。這些具體任務都被自動化了，但每次自動化之后，對產出的需求都出現爆炸式增長。

【注：Embiricos 對“computer”一詞起源的描述不完全準確——“computer”作為人類職位的稱呼早于 Bletchley Park，最早可追溯到17世紀，后來 NASA 的女性數學計算員也被稱為 computers。】

• “You still need software engineers today. You still need designers. I'm a PM. Do you need PMs? I don't think you need them.”（你現在仍然需要軟件工程師、設計師。我是 PM。你需要 PM 嗎？我覺得不需要。）

五年后會有更多工程師還是更少？Embiricos 說會有更多“構建者”。但他觀察到一個趨勢：人才棧在壓縮。幾年前前端和后端還是兩種人，現在至少在 Codex 團隊內部，工程師越來越全棧化。

至于 PM 這個自嘲式的判斷，他解釋說 PM 的角色本質上是“顯式未定義的”，目標是適應團隊或業務的任何需要。但這些功能也可以由一個思考產品的工程負責人或設計師來承擔。所以 PM 有用，但在團隊很大之前，你可能不需要太多。

【2】AI 的瓶頸是人類打字速度，不是模型

你說過人類打字速度和驗證工作是 AGI 的關鍵瓶頸，能展開說說嗎？

Embiricos 沒有直接回答，而是反問。他先問 Harry 每天用 AI 多少次，答案是30多次。然后問如果零成本使用，AI 每天能幫你多少次？答案是無限。

• “I think AI should be helping us tens of thousands of times per day.”（我認為 AI 應該每天幫助我們數萬次。）

他說在 OpenAI 內部，工程師已經到了“Codex 一直開著，如果開會時它沒在跑任務，就覺得浪費了時間”的狀態。但管理這些 Agent、確保它們一直在干活，本身就是大量工作。

而且即使是他自己這種天天做這個的人，也“太懶”去想出 AI 能幫忙的所有方式，最后每天的使用次數跟普通人差不多。當他用 AI 做了什么新鮮事（比如準備這次播客），還會覺得“挺自豪的”。

那理想的未來是什么？不需要學會怎么 prompt，不需要自己發現 AI 能幫你的場景，AI 自動連接你的上下文，在合適的時機介入。

Harry 追問：那 productize（產品化）這些 prompt 和人類動作來移除瓶頸，是你們的工作嗎？

Embiricos 認為是，但不是馬上就做到。他給出了一個三階段路線圖：

第一階段，讓 Agent 在軟件工程和編碼領域先做好，因為 LLM 恰好擅長這個。

第二階段，意識到 Agent 要更廣泛地有用，就需要能操作計算機，而代碼恰恰是 Agent 操作計算機的最佳方式。

• “All agents are actually coding agents because coding is just the best way for an agent to use a computer.”（所有 Agent 本質上都是編碼 Agent，因為代碼是 Agent 操作計算機的最佳方式。）

第三階段，觀察什么有效后，做高度產品化的功能。他說“我們會在接下來幾個月內快速跑完這三個階段”。

他特別提到 Claude Code 最初推出時做對了一件事：**給你一個終端里的超簡單工具，讓用戶自己去探索各種使用場景。**他認為 OpenAI 也應該優先做這種開放式工具，而不是只為特定行業做定制化產品。

Harry 指出了矛盾：如果你做開放工具而不是垂直產品，不就是把責任推回給用戶了嗎？這正好回到了“人類是瓶頸”的原點。Embiricos 承認這確實是瓶頸，所以三個階段的設計就是漸進式地降低門檻。

【注：Claude Code 是 Anthropic 于2025年2月推出的命令行 AI 編程工具，在開發者群體中迅速走紅。他也提到 Claude 的產品化做得好，比如 Claude for Legal、Claude in Excel，這些是 Anthropic 推出的垂直場景應用，讓特定行業用戶可以不寫 prompt 就使用 AI。】

【3】先給人工具，再談自動化——企業 AI 部署的路徑之爭

企業 AI 部署的數據安全、權限配置問題很難，不需要實施工程師嗎？

Embiricos 承認如果要從零到一部署一個完整的 workflow 自動化系統，確實需要實施工程師來打通安全合規和各種數據系統。但他的核心觀點是：自上而下部署的結果往往是“嚴重低估了 AI 在這家公司的潛力”。

他打了個比方：想象你是客服人員，AI 正在自動化你的大部分工作，但你自己從來沒用過 ChatGPT。在這種情況下你對 AI 完全沒有直覺，面對自動化只會感到無力。但如果你同時在用 ChatGPT 處理日常工作，你會對 AI 的能力有理解，也更有掌控感。

那數據安全問題怎么辦？他指出，每個工具、每個 workflow 最終都落到某個員工的瀏覽器或本地文件系統上。這就是為什么 OpenAI 在建 Atlas 瀏覽器。

【注：ChatGPT Atlas 是 OpenAI 于2025年10月推出的瀏覽器，基于 Chromium 構建，內置 ChatGPT 功能。它可以理解用戶正在瀏覽的網頁內容，并支持 Agent 模式在瀏覽器中直接執行任務。】

通過自建瀏覽器并端到端控制，OpenAI 可以為企業構建安全的 Agent 瀏覽體驗，讓 Agent 訪問那些尚未被實施工程師打通的系統。

• “For me the most exciting future with AI is one where everyone just feels like a superhuman, just like empowered by AI.”（對我來說，AI 最令人興奮的未來是每個人都覺得自己像個超人，被 AI 賦予了力量。）

【4】從配對編程到委托——OpenAI 內部的工作方式變革

OpenAI 內部有多少代碼是由 Codex 生成的？

Embiricos 沒給具體百分比，但說大多數他認識的人已經不再打開編輯器。

• “The code itself is not being written by humans anymore.”（代碼本身已經不再由人類來寫了。）
• “The vast majority of code is written by AI and I would say that now probably most people are not even opening IDEs.”（代碼的絕大部分由 AI 編寫，而且我認為現在大多數人甚至不打開 IDE 了。）

這個變化是階躍式的。拐點發生在2025年12月的 GPT-5.2 Codex：模型在長時間運行、端到端處理任務、管理上下文和遵循指令方面有了巨大提升。

【注：GPT-5.2 Codex 于2025年12月發布。2026年2月5日，OpenAI 又發布了 GPT-5.3 Codex，號稱是“迄今為止最強的 Agent 編碼模型”，比前代快25%，也是第一個被用來參與自身訓練和部署的模型。】

在 GPT-5.2之前，AI 編碼輔助主要是 tab 補全或配對編程，你得坐在電腦前，手放在鍵盤上。GPT-5.2之后，工作方式變成了：跟 Agent 討論一個計劃，確認 spec（規格），然后“let it cook”（放手讓它干）。

這也是為什么他們做了 Codex App，一個專門為“委托而非配對”設計的界面。App 有管理多個 Agent 的工具、審查變更的功能、突出的 Skills（開放標準的 Agent 能力擴展），但有意沒有文本編輯功能。

【注：Codex App 于2026年2月2日發布 macOS 版，支持多 Agent 并行工作。同一周 OpenAI 還在超級碗投放了廣告（標語：“You can just build things”），并臨時向免費和 Go 用戶開放 Codex 功能。】

談到代碼審查，Embiricos 說計劃審查（plan review）變得比以往更重要。

Codex 有一個 Plan Mode：Agent 先以只讀方式研究代碼庫，提出一個詳細方案，問你是否同意再開始執行。這就像新員工在動手前先給團隊提 RFC（Request for Comments，征求意見稿）。

至于代碼本身的審查，他說 OpenAI 幾乎所有代碼在推送到 repo 時都會被 Codex 自動審查。Codex 被專門訓練為低誤報率的審查者，它給出的批評大多有價值，所以你可以信任它的反饋。他還提到：有人讓 Codex 審查其他模型生成的代碼，然后意識到“我可能應該直接用 Codex 來寫代碼”。

【5】開放標準——“除了 Claude，所有家都采用了agents.md ”

用戶在不同編碼工具間切換很容易，你怎么看粘性？

Embiricos 說他們反而刻意讓用戶更容易切換。Codex 的核心 harness（運行框架）是開源的。去年 Codex 首發時，他們建立了agents.md 這個約定，一個任何 Agent 都能讀取的配置文件，故意沒叫 codex.md 。上周他們又推動把 Skills（Agent 的能力擴展腳本）存放在名為 agents/ 的中性文件夾里，而不是 codex/ 之類的。

“所有人都跟進了——除了那家。”他沒點名，但顯然在說 Anthropic 的 Claude Code，它使用自己的 格式。

【注： agents.md 是一個跨工具的 AI Agent 配置標準。OpenAI 推出了 agents.md （復數），Amp/Sourcegraph 推出了 agents.md （單數），后來 Quinn Slack 在社交媒體上提出統一命名，促成了行業標準化。到2025年底已有超過6萬個開源項目采用，GitHub Copilot 也宣布支持。該標準已由 Linux 基金會旗下的 Agentic AI Foundation 管理。Claude Code 則使用自有的 CLAUDE.md 格式。】

但他也指出，這種容易切換的狀態是暫時的。當前的編碼任務是“單集式”（episodic）的：你有一個通用的 agents 文件，任何 Agent 都能讀；Agent 寫代碼，產出一個 patch（補丁），進入 git。任務的兩端都是廠商中性的。

一旦 Agent 開始對接外部系統，比如跟 Sentry（錯誤監控服務）對話或操作 Google Docs，粘性就會大幅增加。讓企業信任一個 Agent 有權訪問這些系統、同時確保有安全的沙箱和控制措施，這是一個不想重復做的決定。

Embiricos 說他們正是基于這個預判來構建 Codex 的。Codex 采用了最保守的沙箱機制，用 OS 級別的控制來限定 Agent 能做什么。

【6】“我們的工作不是 Codex 的成功，而是智能的分發”

怎么確保用戶留在 Codex 而不是跑去 Cursor 或 Claude Code？

Harry 用 Hamilton Helmer《七種力量》的框架追問如何建立競爭壁壘。Embiricos 說 OpenAI 的使命是“確保安全地將 AGI 的好處帶給全人類”，Codex 團隊的工作本質上不是 Codex 的成功，而是 “智能的分發”。

• “We put all this effort into training these models and then we serve these models to our competitors.”（我們投入巨大精力訓練這些模型，然后把模型提供給我們的競爭對手。）

Harry 直接說：“這對我作為風險投資人來說太難理解了。”

Embiricos 解釋說這是長期博弈。競爭對手變好，OpenAI 也能學習。即使競爭對手是閉源的（暗指 Anthropic），也能從競品的產品設計和創意中獲得靈感。他舉例說自己當天早上還在推特上轉發了 Warp（一款終端工具）的新功能，里面有關于“Agent 同時在云端和本地工作”的好想法。整個行業“都在不可避免地達到相同的結論”。

那 Codex 的真正優勢是什么？他列了幾個：ChatGPT 的巨大分發優勢、自研模型在自家 harness 中的能力優勢（沒人能提前拿到他們的新模型），以及模型和產品的協同優化。

從公司層面看，最重要的是計算優勢和最好的模型，為此需要建商業來產生收入，而且有趣的是，Codex 這種產品團隊反過來也在加速模型改進。從產品層面看，最重要的是做出個人用戶喜歡的產品。

他也承認了企業側的教訓：不能只是“我們來了，隨便用吧”，需要大量教育、配置支持、跟開發者體驗負責人對接。

【7】速度、指標與產品起伏

推理速度對開發者有多重要？

Embiricos 說“非常重要”。他們跟 Cerebras 合作正是為了解決延遲問題。他暗示合作方面很快會有新消息。

【注：2026年2月12日，OpenAI 發布了 GPT-5.3-Codex-Spark，這是與 Cerebras 合作的首個成果。Spark 是 GPT-5.3 Codex 的輕量版，運行在 Cerebras 的 Wafer Scale Engine 3芯片上，推理速度超過1000 tokens/秒，目標是實現近乎即時的編碼交互。】

不過他不認為推理會形成壟斷，競爭壓力會催生多種方案。GPT-5.3 Codex 本身就比前代模型高效得多。他們還在 API 層面做了優化，模型推理速度快了40%，Codex 用戶端快了25%。

Harry 轉述了 Jason Lemkin（SaaStr 創始人）的一個判斷：”AI 算力是新的銷售和營銷”。這句話的意思是：過去企業花錢雇銷售團隊、投廣告來獲客；未來企業花錢買 AI 算力（inference，即運行模型的計算成本），讓用戶上手就能體驗到產品價值，自己就轉化了——本質上是 PLG（Product-Led Growth，產品驅動增長）的 AI 版本，銷售團隊可能不再需要。

Embiricos 不太認同。他說在一個人人都能構建產品的世界里，市場上的選擇只會更多，跟客戶保持良好關系、真正理解他們需要什么，反而比以前更難了。銷售和營銷解決的正是這個問題，不會被取代。

你們的核心指標是什么？

主要是周活躍用戶（WAU），不是收入。Harry 追問：如果 Codex 真的在替代 IDE，不應該看日活嗎？Embiricos 當場認可了這個批評：“你說得對，我們可能應該轉向日活。”

他說目標是讓用戶的第一反應變成 “有任何事都先問 Agent”，就像 Google 搜索對信息的作用、ChatGPT 對知識的作用一樣，下一階段應該是“任何任務都先找 Agent”。

去年首發的云端 Agent 想法很好，給 Agent 自己的云端電腦、可以并行處理多個任務，但“說實話效果不如后來發布的版本”。2025年8月 GPT-5之后他們轉向交互式編碼，進入了競爭最激烈的市場，增長了20倍。2025年12月 GPT-5.2 Codex 上線成為又一個轉折點，“12月到現在又翻了一倍”。

然后是2026年2月的集中爆發：GPT-5.3 Codex 鞏固了模型智能的領先；Codex App 發布（首周超百萬下載）解決了用戶體驗的短板；超級碗廣告做了品牌宣傳；向免費用戶開放擴大了覆蓋。

• “Even our biggest critics are converted.”（連我們最大的批評者都轉變了。）

他還不忘調侃競爭對手：有個模型比我們早發布了大約20分鐘——“說這話可能有點毒舌，但它只當了20分鐘的 SOTA（state of the art，最先進水平）。”

【注：2026年2月5日 GPT-5.3 Codex 發布時，Anthropic 幾乎同時發布了 Claude Opus 4.6。2月8日超級碗期間，OpenAI 和 Anthropic 各自播出了廣告，OpenAI 的口號是“You Can Just Build Things”，Anthropic 則諷刺 OpenAI 在 ChatGPT 中植入廣告。兩家公司在社交媒體上公開交鋒。】

最想做不同的事情有兩件。第一，重新回到云端產品。 之前從云端轉到本地交互是因為時機不對，如果用戶還沒熟悉你的工具就直接做工作流自動化，等于搭了空中樓閣。但現在用戶基礎已經建立起來了，該把云端和本地產品緊密整合了。

第二，投入更多精力解決代碼審查和質量控制這類“被低估的瓶頸”。代碼生成已經“基本上變得不值一提了”，但怎么知道代碼質量好不好、方向對不對，這才是難題。目標是讓 Agent 擁有完整的迭代能力，包括收集用戶反饋并自行改進，不再需要人類審查。

【8】聊天是萬能入口，但需要搭配專業 GUI

聊天會是 AI 的持久界面嗎？

Harry 引用了 a16z 合伙人 Anish Akarya 的反對觀點：聊天界面是 Sam Altman 和 Elon Musk 這類高效人士設計的產物，但地球上大多數人其實更想要瀏覽器式的、可以點擊發現的圖形界面。

Embiricos 的回答是”是，但要分兩層看”。他說科幻電影是很好的未來預測器——科幻里的 AI 通常很簡單，就是一個你可以隨便聊天的實體，不需要切換到”編碼 AI”再切換到”銷售 AI”。科幻之所以是好預測器，恰恰因為它是講故事的，而簡單的東西通常是對的。

所以第一層是：聊天或語音作為通用入口，你可以跟它聊任何事，也可以把它加到任何群聊里，讓它自己發現怎么幫你。

但第二層同樣重要：專業用戶不想所有事都通過跟另一個”人”對話來完成。他打了個比方——想象你有個行政助理，但你只能通過跟他對話來工作，不能自己看文件、自己編輯。這太煩了，有時候你就是想直接打開文檔自己改。

所以未來的模式是：聊天做通用入口，搭配針對特定領域的功能性 GUI。他自己用聊天做播客準備，但看代碼還是要打開 Codex App 深入研究。營銷人員用聊天問產品問題，但看廣告數據要用專門的分析界面——他們不會為了問個產品問題去下載 Codex App。

他還提到一個有意思的發現：在構建 Codex 的過程中，他們發現對 Agent 最好用的界面，往往也是對人類最好用的界面。比如測試框架默認會輸出所有測試結果，人類要在成千上萬行里找到失敗的那一個，很痛苦；AI 也一樣痛苦。但如果你只輸出失敗的測試，對人和 Agent 都更好。這意味著 Agent 和人類之間的交接點可以共用同一套界面設計。

【9】Agent 市場終局——少數通用 Agent 會贏

這個市場最終是雙頭壟斷還是三分天下？

Harry 用投資人的視角問了這個問題：Agent 市場的終局，是像 Uber 和 Lyft 那樣兩家瓜分（Codex 拿大頭），還是像 AWS、Azure、Google Cloud 那樣三分天下？

Embiricos 認為最終只有少數提供商會捕獲大部分價值。他的邏輯鏈是這樣的：

回看過去一年，去年很多人以為 Agent 會在多個領域找到 PMF（Product Market Fit，產品市場契合），但實際上只有編碼 Agent 真正跑通了，客戶支持等其他領域還很初期。不過這是暫時的，未來 Agent 能做任何事。

到了那個時候，你不會想在公司里配12個 Agent，讓員工自己去找對的那個——因為他們不會對任何一個達到”熟練”狀態。不熟練就不會主動把自動化拉入自己的工作流。 但如果只有一個 Agent，入職培訓就是”有任何問題找它”，人們會形成肌肉記憶，它會成為工作的重心。團隊之間會分享使用技巧、辦黑客馬拉松來探索新用法，整個組織圍繞它運轉。

這跟他在 Dropbox 看到的一模一樣。Slack 崛起之前，Dropbox 的文檔協作功能其實更高效——你可以在視頻的精確時間戳上留言，在文檔的特定段落上標注。但人們就是涌向 Slack。沒人想去文檔上寫評論，大家只想在 Slack 里直接 @ 你。效率更低，但引力效應更強。 Agent 市場會重演同樣的故事。

他認為 ChatGPT 做這件事有天然優勢，它已經是很多人的通用 AI 入口。

【10】數據護城河在哪里：編程數據夠了，知識工作數據才稀缺

編程數據護城河在誰手里？Anthropic 是不是已經拿到所有數據了？

這個問題來自 Harry 在 LinkedIn 上征集的讀者提問。Harry 用”伏地魔”來形容提問者所在的公司——“'那個不能說名字的公司'的一位優秀投資人”，然后補了一句”我不想讓 Sam 殺了我”。大概率是 Anthropic 的投資人在問：你們的編碼數據護城河到底在不在？

Embiricos 的回答很直接：編程數據已經夠了。他們”有足夠多的數據來構建非常好的編碼模型”，這不是瓶頸。

真正有意思的數據缺口在知識工作領域。為什么？

因為編碼有一個天然的數據寶庫，GitHub 上海量的開源代碼，代碼怎么寫、怎么改、怎么審查，全都有跡可循。但知識工作完全不同：沒有人把自己怎么處理一封郵件、怎么準備一場會議、怎么做一個決策的完整過程記錄下來放到網上。這類數據在互聯網上幾乎不存在，而且知識工作任務的分布比編碼復雜得多，編碼任務相對標準化，但知識工作千人千面。

獲取這類數據的路徑需要創新。Embiricos 提了兩個思路：一是付錢請人模擬做任務，記錄完整的操作軌跡作為訓練數據；二是收購一些不再運營但積累了大量工作流數據的創業公司，他舉的例子是”比如某個 Slack 類的產品”，這些產品里存著大量真實的團隊協作、決策溝通的記錄。

Harry 問到跟外部數據公司（Turing、Invisible 等）的合作會不會加大投入。Embiricos 說他們追求的是盡快推進，自建數據采集團隊對小團隊來說太耗時間，大規模數據采集通常會找外部公司合作。

【11】SaaS 不會死，但"中間商"公司有麻煩

有人說大型 SaaS 公司的收入可持續性為零，SaaS 已死。你怎么看？

Embiricos 說關鍵問題是：這家 SaaS 公司到底擁有什么？

他給出了兩個判斷標準：

1. 第一，它是否擁有跟人類的關系——用戶離不開它，是因為習慣了跟它打交道。
2. 第二，它是否擁有重要的記錄系統（system of record）——企業的核心數據存在它那里。

如果占了其中一樣，它可能不會消亡，甚至這兩樣東西在 AI 時代比以往更重要。

但如果一家 SaaS 公司只是個 "glue layer"（膠水層），夾在用戶和數據之間做連接和搬運，既不擁有客戶關系也不擁有核心數據，那就比較危險了。這類公司本質上是"中間商"，而 AI Agent 天然擅長的就是打通系統、搬運數據，正好替代它們的核心功能。

Harry 做了更具體的推演：Salesforce、ServiceNow 股價大跌但被過度恐慌了；Dropbox 確實處境艱難； 這種給大量中小企業用的待辦工具，用戶理論上可以用 vibe coding（憑感覺編程）做一個，但考慮到定制和維護成本，大多數人還是會繼續用。他認為客戶支持類別最危險。

Embiricos 補充了一個關于創始人類型的判斷：之前有一段時間，投資“會做好產品的人”就夠了，因為做好產品太難了。但現在做產品變容易了，你應該回到投資 “懂分發、有行業經驗、想清楚客戶是誰”的創始人。

那什么領域不會被模型提供商侵占？

Embiricos 說“我不知道，這是個很難做投資的時期”。

Harry 給了自己的答案：有物理基礎設施的（比如能源供應），以及有復雜金融關系的（比如跟東南亞銀行建立的500個合作關系）。

Embiricos 同意：進入一個關系和行業知識決定一切的復雜市場，仍然是好投資。

【12】工程師的黃金時代——稀缺的是品味和主動性

給 CS 學生什么建議？

Harry 替即將進入職場的 CS 學生問了這個問題：怎么在 AI 時代保持自己的價值？

Embiricos 的回答出乎意料地樂觀。他說從未有比現在更好的時機做工程師。AI 工具讓你能做得更多，上手一個復雜代碼庫的速度前所未有，你可以直接問 AI 關于代碼庫的問題，讓它規劃本來要花你幾天研究的變更。過去新人加入一個大型項目，光是理解現有代碼結構可能就要花幾周，現在這個過程被大幅壓縮了。

但他話鋒一轉：對能力應該樂觀，但真正的問題是怎么拿到那份工作。構建變容易后，稀缺的東西變了。

• “Because it's never been easier to build things, the thing that becomes scarcer is agency, taste, and quality.”（因為構建東西從未如此容易，變得稀缺的是主動性、品味和質量。）

• Agency（主動性）：不是等別人告訴你做什么，而是自己發現問題、主動去解決。
• Taste（品味）：在無數種實現方式中選擇最優雅的那個，知道什么該做什么不該做。
• Quality（質量）：當 AI 能幫所有人寫出80分的代碼，你靠什么脫穎而出？靠那最后20分的打磨

他的具體建議是：構建東西，然后分享出去。OpenAI 收到大量的求職申請，無論是通過官網投遞還是社交媒體私信。但真正能引起他注意的，不是一份漂亮的簡歷，而是有人帶著有趣的想法和一個項目鏈接來找他。這個項目本身就能展示你的主動性、品味和質量，比任何學歷背景都有說服力。

【13】Dropbox 的教訓——人們會涌向他們喜歡使用的工具

從 Dropbox 學到的最大教訓？

Harry 提到 Dropbox 校友群體在硅谷的影響力很大，問 Embiricos 從那段經歷中學到了什么。Embiricos 說這個問題不用想就知道答案。

核心教訓：工具是 ”參與系統”（system of engagement），如果人們不喜歡用你的工具，他們就不會用。

他講了一個親歷的故事。在 Slack 崛起之前，Dropbox 內部一直在討論一個問題：用戶到底應該在 Dropbox 里給文檔寫評論，還是去 Slack 里討論文檔？從效率角度看，答案很明顯：在 Dropbox 里直接評論更優，你可以在視頻的精確時間戳上留言，在文檔的特定段落上標注，信息跟內容綁定在一起，上下文完整。

但現實是：人們就是涌向了 Slack。 沒人想去文檔上寫評論，大家只想在 Slack 里直接 @ 你。效率更低，但 Slack 是人們交流的重心，引力效應太強了。Dropbox 的協作功能就這樣被碾壓了。

他把這個教訓直接應用到了 Codex 的產品策略上：如果 Agent 只做 workflow 自動化（工作流程自動化），推廣就像”拔牙”一樣痛苦，你得雇 Accenture 這樣的咨詢公司進場，部署實施工程師（FTEE），一套流程走下來既慢又貴。

但如果你做出一個人們真心喜歡用的工具，哪怕一開始只用它完成部分任務，用戶會越來越擅長使用它。隨著使用加深，工具會逐漸連接更多系統，自動化就自然而然地被拉入工作流，不是你推給用戶的，是用戶自己拉進來的。這就是”參與系統”和”自上而下部署”的根本區別。

至于 Dropbox 今天怎么做？Embiricos 說 Dropbox 的獨特優勢是桌面軟件，這是他們多年積累的核心能力。所有知識工作最終發生在用戶的電腦上，要么在瀏覽器里，要么在本地應用里。

Agent 帶來的第一波生產力提升，一定是從用戶的電腦端開始，先用用戶手邊已有的東西工作，不需要任何前期部署。如果他是 Dropbox，會利用桌面軟件專長來做生產力 Agent，在用戶的電腦上構建一個協作層。

【14】快問快答

人才競爭有多激烈？ Embiricos 說極其激烈。OpenAI 品牌強大，能吸引很多人才，但即使如此也要花大力氣說服心儀的候選人加入。對于 PM 崗位，他們極度挑剔，如果不是完美匹配，可能弊大于利。

利潤率重要嗎？ Embiricos 認為推理成本會顯著下降，但今年是 Agent 大規模接入企業系統的關鍵年，一旦連接建立就很有粘性。所以今年是一場競賽，為了贏這場競賽，可以接受一定的利潤率損失。

過去12個月最大的認知轉變： 加入 OpenAI 時以為很快就會有基于視頻和音頻的多模態 Agent，大家可以跟電腦屏幕共享式協作。結果多模態模型進展比預期慢，通過代碼操作計算機才是正道。這是他對“如何把 AI 的好處帶給普通人”的思路的徹底重構。

最尊敬的競爭對手： Amp，來自 Sourcegraph。不只是因為產品口碑超出體量，更因為他們發起了 agents.md 標準化。Amp 的 Quinn Slack 發了條推特說“你們買了 agents.md 這個域名的話，我們就統一到你們的命名”，這個看似微小的舉動啟動了整個行業的標準化。

【注：Amp 是 Sourcegraph 孵化的編碼 Agent 工具，2026年初已從 Sourcegraph 分拆為獨立公司。聯合創始人是 Quinn Slack 和 Beyang Liu。】

對 Anthropic 廣告的回應： 一家公司對未來很悲觀，另一家，“也就是我們 OpenAI”，在告訴人們你可以構建東西、去追夢。他認為這個回應“很精彩”。

【注：2026年超級碗廣告季，Anthropic 投放了一支廣告，被認為在批評 OpenAI 在 ChatGPT 免費版中引入廣告的做法。OpenAI 的 Codex 廣告標語是“You can just build things”（你就是可以構建東西）。】

最痛苦的產品決策： Codex Cloud 一度提供無限使用（只需要 ChatGPT 訂閱就行），后來改為有限額度，引發了激烈的用戶反彈。雖然是很小一部分用戶在抱怨，但社交媒體上的噪音影響了所有地方。教訓：不能讓東西免費太久。

5年后回看會覺得荒謬的事： 手動編輯代碼。還有手動管理部署和監控。未來創業的方式可能是：先找一個 Agent，讓它構建東西，再加更多 Agent，然后才加入聯合創始人。你的主要溝通工具可能就是 Agent 溝通工具，而不是手動管理 CI（持續集成）和部署流程。

• “The way you start a company is you start by getting an agent and just asking it to build things.”（創業的方式是先找一個 Agent，讓它開始構建。）

10年內最期待的事（他說可能用不了10年）：讓 AI 幫到所有人，不只是科技圈的人。他說加入 OpenAI 時就覺得模型的能力遠超產品化的程度，像他這樣的人比他奶奶從 AI 中獲益多得多。他的愿景是把 Agent 加入家庭 WhatsApp 群，它就自然而然地開始幫忙，不需要任何人多想。

Embiricos 在這場訪談中展現了一個相對完整的產品世界觀，三個核心判斷貫穿始終：

第一，編程 Agent 只是起點，通用 Agent 才是終局。 AI 編碼的瓶頸已經從模型轉向人機交互，產品化和降低使用門檻是當前最重要的工作。

第二，自下而上賦予個人用戶 AI 能力，比自上而下的企業部署更有價值。 先讓人們用上工具、建立直覺，再談自動化。

第三，開放標準短期降低粘性，但長期建立生態信任。 OpenAI 的策略是開放標準加最強模型加最大分發的組合，服務于成為通用 Agent 入口的目標。

值得持續關注的幾個信號：

• Codex 免費開放策略是否可持續（他們已經吃過一次“無限變限量”的虧）
• Codex 云端產品的回歸進度（Embiricos 說想重新做好這塊）
• Atlas 瀏覽器能否成為企業 AI 落地的關鍵入口
• AI 代碼審查和質量控制的進展（他認為這是當前被低估的瓶頸）
• “所有 Agent 都是編碼 Agent”這個判斷在非技術領域是否成立
• agents.md 等開放標準能否真正成為行業共識，目前 Claude Code 仍然是最大的缺席者