公司战略与产品发布 - 苹果公司在其旗舰编码工具Xcode中引入智能体编码功能 支持Anthropic的Claude Agent和OpenAI的Codex [1] - 公司宣布Xcode 26.3现已推出测试版 供注册开发者使用 最终将在App Store发布 [5] - 此次更新扩展了与智能体编码工具的关系 此前夏季更新已支持OpenAI的ChatGPT和Claude [2] 产品功能与集成 - 新的智能体编码工具使Xcode能够代表开发者处理复杂的多步骤任务 [2] - 智能体将能够构建和测试项目 搜索苹果文档并修复问题 [2] - 用户需通过API密钥将其OpenAI或Anthropic账户连接到Xcode [4] - 公司采用开放标准 使程序员除内置的Anthropic和OpenAI集成外 还能使用其他兼容的智能体和AI工具 [4] 行业趋势与市场反应 - 智能体编码是硅谷最热门的趋势之一 程序员利用人工智能软件独立编写代码 [1] - 个体程序员和公司已接纳智能体编码作为一种更快的软件开发方式 通过被称为“氛围编码”的实践 即人类提示AI并审查其生成的代码 [3] - 在苹果的消费者AI套件“Apple Intelligence”面临延迟和管理层变动之际 AI编码在iPhone开发者中获得了关注 [3] - OpenAI于周一发布了其Mac版智能体编码应用Codex [5]

公司产品发布与核心能力 - 摩尔线程于2月3日正式推出AI Coding Plan智能编程服务，这是首个基于国产全功能GPU算力底座构建的智能开发解决方案 [3] - 该服务以公司MTT S5000 GPU的全精度计算能力为核心驱动 [3] - 服务融合了硅基流动推理加速引擎，并集成了智谱AI的GLM-4.7顶尖代码模型 [3] 技术合作与模型优势 - 该服务由摩尔线程与硅基流动联合开发，通过高效算子融合及框架极致优化，在确保代码生成质量的同时显著降低了响应延迟 [1] - 系统选用的核心模型是智谱AI的GLM-4.7，该模型在Code Arena（全球百万用户参与盲测的专业评估系统）中位列开源及国产第一 [1] - GLM-4.7模型在函数补全、漏洞检测等场景的表现超越同级，甚至优于GPT-5.2 [1] 产品生态与应用适配 - 摩尔线程AI Coding Plan服务已实现与Claude Code、Cursor、OpenCode等多款主流编程工具的即插即用适配 [1] - 开发者可在不同开发环境中无缝切换使用该服务 [1] 行业意义与突破 - 该服务的推出实现了国产芯片与国产大模型在AI Coding领域的关键突破 [3]

公司产品发布 - 公司于2月3日晚间通过官方微信公众号正式推出AI Coding Plan智能编程服务 [1] - 该服务是首个基于国产全功能GPU算力底座构建的智能开发解决方案 [1] - 服务以MTT S5000的全精度计算能力为核心，融合硅基流动推理加速引擎，并集成GLM-4顶尖代码模型 [1] 技术与行业意义 - 该服务实现了国产芯片与国产大模型在AI Coding领域的关键突破 [1] - 标志着国产算力在AI核心生产力工具领域打破瓶颈，具备了支撑高复杂度应用开发的实战能力 [1]

OpenAI发布Codex桌面应用：AI编程进入多智能体指挥时代 - OpenAI正式发布独立的Codex桌面应用，标志着AI编程从“对话助手”进化为“指挥中心”，旨在重塑开发者与代码的交互逻辑 [1][8][10] - 该应用定位为AI智能体的“指挥中心”，允许开发者指挥多个AI智能体并行工作，贯穿软件设计、构建、发布和维护的全生命周期 [4][13][15] - 自2025年4月发布Codex以来，开发者与AI的协作方式已发生根本转变，现有模型可端到端处理复杂长流程任务 [15] 核心功能：多智能体并行与任务管理 - Codex应用为多AI智能体并行工作构建了专注空间，AI在按项目组织的独立线程中运行，确保用户可无缝切换任务而不丢失上下文 [16] - 应用内置对Git worktree的支持，允许多个AI在同一个代码仓库上同时开工且互不冲突，每个AI在代码的隔离副本上工作 [16] - 应用可自动从Codex CLI和IDE扩展中同步会话历史和配置，便于用户在现有项目中立即使用 [19] 核心功能：Skills（技能）系统扩展AI能力边界 - Codex通过Skills系统从代码生成AI进化为能用代码在电脑上实际解决问题的AI，Skills是打包好的指令、资源和脚本 [20] - Skills让Codex能可靠连接工具、运行工作流，并按照团队习惯完成任务，能力扩展至信息收集整合、问题解决、写作等非纯代码生成任务 [20] - 应用提供专门界面创建和管理Skills，用户可明确要求Codex使用特定Skill或让其根据任务自动调用 [20] - OpenAI在GitHub开源了Skills库，该仓库已获得2.4k星标和153个分支，涵盖内部流行的工具和工作流 [34] 核心功能：自动化与个性化 - Codex可设置Automations（自动化），按计划在后台自动执行任务，将指令与可选Skills结合，结果会进入审查队列 [35] - OpenAI内部团队使用Automations处理每日Issue分类、总结CI失败原因、生成发布简报等重复性重要任务 [37] - Codex允许开发者在两种AI个性间切换：简洁务实风格与更具对话感和同理心的风格，两者能力相同 [39] 性能展示与用例 - OpenAI演示了Codex仅凭一个用户提示词，独立消耗超过700万个Token，制作出一款功能完整的3D体素卡丁车赛车游戏 [6][20] - 游戏开发过程展示了Codex从粗糙原型（消耗6万Token）到可玩版本（消耗80万Token），最终到精致版本（消耗700万Token）的迭代能力 [21][22][23][24] - Codex内置Skills库包含多个实用技能，如：从Figma设计生成生产级UI代码、使用Linear管理项目、将Web应用部署到主流云平台、使用GPT Image生成图像等 [26][27][28][29] 安全设计与采用数据 - Codex应用采用原生、开源且可配置的系统级沙箱，默认情况下AI智能体只能编辑当前工作文件夹的文件并使用缓存的网页搜索 [41] - 如需更高权限命令（如联网访问），Codex会先请求用户许可，用户可为项目或团队配置规则允许特定命令自动以提升权限运行 [41] - 自12月中旬发布GPT-5.2-Codex以来，Codex总使用量翻了一番，过去一个月内有超过100万开发者使用Codex [42] 发布计划与未来路线图 - Codex桌面应用目前已在macOS上线，Windows版本即将推出 [12] - OpenAI提供“限时福利”，ChatGPT免费用户和Go版本也可使用Codex，而Plus、Pro、Business、Enterprise和Edu计划用户速率直接翻倍 [12] - 团队未来计划包括：上线Windows版应用、持续突破模型能力边界、实现更快的推理速度，以及为Automations开发基于云端的触发器支持 [42][43]

以下文章来源于脑洞航海家 ，作者Bo & Rita 脑洞航海家 . 关心 XR、AI、文娱游戏、消费科技，一起探索「Smart, Rich, & Fun」的脑洞漩涡。FA 业务可联系：melyanor 「Jinqiu Spotlight」 追踪锦秋基金与被投企业的每一个光点与动态， 为创业者传递一线行业风向。 "当执行成本归零，意图就是新的源代码；最终胜出的公司，将是那些能最好地捕捉并普及组织知识的公司。" 这是 Isoform 创始人 Bo 对未来软件开发的判断。 Bo 正在打造新一代软件协作平台 Yansu（严肃）——一个能够主动捕捉团队意图、沉淀组织知识，并将其转化 为可执行软件成果的平台。作为 MLOps 和 分布式 系统领域的资深工程师，Bo 曾联合创立了知名 大模型 应用 开源平台 BentoML， 也完成了千万美元级融资。在看到意图识别赋能ai coding可带来的巨大价值后，Bo 再度 出发，创立了 Isoform。 锦秋基金于 2024 年底完成了对 Isoform 的投资。 当时，锦秋在美国组织了一场"小饭桌"，在与现场三家公司 的创始人深度交流后，锦秋迅速决定对这三家公司同时进行投资，I ...

行业与公司 * **行业**：人工智能（AI）特别是Agentic Coding（智能体编码）、软件行业、算力基础设施（包括存储、CPU、数据中心等）[1] * **公司**： * **AI Coding/软件**：卓易信息、Minimax、智谱[4] * **AI基础设施**：深信服、优刻得、青云科技、金山云、网宿科技[4] * **CPU**：Intel、AMD、Rambus、海光信息、中国长城、龙芯中科[4] * **存储**：MU（美光）、SNDK（西部数据/闪迪）[4] * **互联**：AVGO（博通）[4] 核心观点与论据 * **AI Agent发展预测**：2025年是Agent元年，2026年将是Agent爆发的年份，体现在Agentic Coding迭代速度大幅加快，以及国内外大厂争夺个人Agent助手超级入口，这将成为下一轮token加速的重要推手[1] * **对算力基础设施的全面影响**：AI Agent的爆发不仅会带来算力需求数量级的提升，也会带来存储和CPU新的结构性需求[1] 当前算力通胀的链条正从存储、先进封装、CPU，向云服务和数据中心传导[1] * **软件行业面临重构**：Agentic Coding的快速迭代会加速软件行业的重构，软件开发成本面临“杰文斯悖论”，即未来个性化的、由AI生成的软件会爆发，但单体软件的价值会剧烈下降[1] * **软件公司未来路径**：未来的软件公司只有两条路，要么足够“轻”成为被AI随时调用的原子化API，要么足够“重”成为承载企业核心数据和合规的底座[2] 因此，具备“行业knowhow+专有数据”的深度垂直SaaS公司、基础设施底座平台公司未来机会会扩大，而简单的、缺乏行业深度的工具型软件将受损[2] * **AI Coding市场与进展**：AI Coding是发展最快的垂类AI应用，全球Coding市场空间约为2万亿美元[3] 目前AIcoding正在从代码补全向自主执行任务的Agentic Coding进行范式跃迁[3] * **代表性产品与特点**：Anthropic基于Claude Opus 4.5大模型升级的Claude Code 2.1和Cowork是代表性产品，其特点包括200K tokens的超长上下文，以及Agentic工作流具备多工具、多Agent的调用能力[3] 这些特点指向了存储需求的增加（从HBM外溢到DRAM、NAND），并提升了CPU在动态批处理、吞吐率优化、Agent调度、工具编排等环节的重要性[3] * **技术迭代速度极快**：2025年年中AI Coding仅能自主实现1000行左右代码的简单程序，现在1-2w行代码的中型系统的自动化率可以达到80%-90%[4] 预计未来两年中型系统可实现完全自主生成，五年后大型生产级系统的自主生成将成为可能[4] 其他重要内容 * **市场影响**：年初以来AIcoding产品在海外媒体爆火，造成了美股存储/CPU等加速上涨和美股软件股的加速下跌的分裂走势[3] * **Cowork产品细节**：Cowork需要加知识库来永久性的存储用户资料，这进一步指向了存储需求的增加[3]

文章核心观点 - AI Coding领域竞争激烈，但新进入者Emergent凭借其独特的多智能体架构和产品能力，在短时间内实现了显著的商业增长，表明该市场仍存在结构性机会[1][4] - 行业正经历从“工具辅助”到“服务替代”的范式转变，AI Agent平台通过取代传统人工服务，为传统SaaS转型和中小企业服务开辟了巨大市场空间[5][6] Emergent公司概况与市场表现 - 公司成立仅数月，在7个月内实现了5000万美元的年度经常性收入[1] - 近期完成了由软银和Khosla Ventures领投的7000万美元B轮融资，投后估值达到3亿美元[1] - 累计用户数量已突破500万[1] - 其快速增长表明，即使在头部玩家ARR已达1亿至10亿美元级别的拥挤市场中，新进入者仍有机会[1][4] Emergent的技术架构与核心优势 - 技术基石采用多智能体架构，模拟完整工程团队[1][2] - 基于Node.js运行时的Neo Agent OS系统，让规划、设计、前端、测试、运维等专门化智能体在持久循环中协同工作[2] - 该架构解决了传统AI编码工具的跨文件推理和上下文理解难题，并声称通过测试智能体的闭环验证，彻底解决了单模型的“幻觉”问题，确保交付“生产级”软件[2] - 拥有100万Token的超大上下文窗口，以应对大型项目中的“记忆消散”问题[3] - 具备“Forkchat”功能，可在项目达到上下文极限时自动总结状态并开启新对话，支持项目的长期持续演进[3] Emergent的产品功能与目标 - 用户通过自然语言描述即可生成完整产品，无需额外配置[4] - 提供真正的后端能力和自动化部署与托管能力，采用托管K8s/云端全自动方式，实现一键推送至生产环境[3] - 核心目标是彻底消除技术门槛[3] - 引入“代理化运维”概念，由Ops代理对已部署应用进行7x24小时实时监控，并在出现崩溃或报错时自动介入调试和打补丁，尝试实现无人工干预的服务恢复[4] 行业趋势与投资逻辑 - 投资者认为，当软件创建门槛快速下降时，行为模式的改变将重塑整个产业，而非仅影响单一产品[4] - AI最大的机会之一是用软件取代服务，这为传统SaaS成功转型提供了经典路径[5] - 有AI Agent平台专为小企业提供“AI员工”，在不到2年时间内实现了1亿美元的ARR，印证了上述趋势[5]

【导读】100%是用Codex写的。还有内部爆料说，Codex让他们仅用三天时间就搭出了服务器，三周就发布了APP。人类程序员，真的要退出历史舞台 了？ 硅谷的空气里再次充满了躁动，而这一次的震源中心，回到了OpenAI。 OpenAI的奇点时刻，也要来了？ 就在刚刚，X被一条爆料彻底刷屏—— Codex，已经正式接管了OpenAI研究员「Roon」100%的代码编写工作！ Roon发出了感慨万千的宣告： 编程一直很痛苦，然而却是必经之路。我很高兴，它终于结束了。 我惊讶于自己竟然这么快就摆脱了编程的阴影，而且一点都不怀念它。甚至我有点遗憾，从前的电脑为什么不是这样的。 早在去年12月，Claude Code之父Boris Cherny就曾投下一枚震撼弹—— 自己对Claude Code的贡献100%都是由Claude Code完成的。 这一「套娃式」的自我进化，直接引爆了硅谷的自动编码狂潮。 面对如此巨大的蛋糕，OpenAI显然不会拱手相让。 如今，反击已经开始。 在刚刚过去的周末，Sam Altman已经公开预告：接下来一个月会发布一堆关于Codex编码模型的新产品。 社区的风向也开始发生微妙的转变。 一 ...

Toco AI 的产品定位与核心差异 - 公司核心产品Toco AI旨在将**确定性和工程性**带入AI Coding领域，解决软件工程中的架构和可维护性难题，而不仅仅是提升代码生成能力[2] - 公司认为单纯的代码能力提升不能解决领域内所有问题，因此专门打造了**AI架构师**功能，以解决软件工程的架构难题[2] - 与Cursor、Claude Code等概率性、freestyle工具不同，Toco AI强调软件研发的**工程化属性**，即需要规范、约束和严谨性[11] - 公司通过引入**建模方法论和建模工具**来实现确定性和工程性，并确保这是一个端到端的工具，而非单纯的建模工具，从而完整交付需求[12] 对“AI架构师”与软件架构的理解 - **AI架构师**旨在解决软件架构和复杂性问题，公司将架构分为**技术架构**和**业务架构**[13] - 技术架构可以被内化到引擎中，由AI辅助解决，用户无需过度关心；而业务架构最熟悉的是产品经理和了解业务的人，经过AI和产品的解释反而更容易理解[13][14] - 公司认为**架构是对业务的抽象方法**，并非高不可攀，其目标是将其**普世化、平民化、内嵌化**[14] - 公司强调，软件只要被长期使用就**一定会变得复杂**，因此良好的架构和可维护性是软件**应该必备的特质**，而非仅大型软件专属[23][24] - 业务架构是**对现实世界的精准还原和未来预测**，这部分很难被AI取代，决策权核心仍在人类手中[29][32][33] 目标客户与典型应用场景 - 目标客户主要包括两类：**小型SMB企业**以及需要重构或构建新模块的**中大型系统**[16][17] - 对于SMB企业，Toco AI相当于**内嵌了一个架构师**，能帮助其用业内最佳实践构建架构良好的系统（如电商管理系统）[16] - 对于中大型系统，Toco AI是一个**架构驱动平台**，能帮助维护架构不被劣化、协助团队持续协作，并实现研发过程的**数字化管理**[17] - 公司长远目标是为AI Coding建立**软件开发中的抽象层**，成为像Spring之于Java、K8s之于运维那样的行业标准，前期核心用户将是**资深开发者**[22] - 产品目前最擅长**业务系统的服务端**开发，未来会向前端或BI侧延展，公司将其类比为**封闭赛道的L4级解决方案**[25] 对AI Coding行业趋势的研判 - 公司认为2025年是AI Coding火热的一年，但行业兴奋点将从写代码本身，转向如何让AI Coding**可持续地为软件开发提供长期价值**[28] - 随着AI代码生成能力增强，**模式化的代码将越来越不重要**，编程语言和技术栈之争会慢慢消亡（黑盒化），而**对业务的描述、理解和长期规划**将变得越来越重要[29][40] - 行业内正形成共识：AI Coding需要与**软件工程结合**，代码之上的**架构开始变得越来越重要**[28][29] - AI Coding的实际生产采纳率在大型系统中可能只有**百分之十几**，这促使行业寻找通过抽象来减轻软件复杂度的新出路[49][63] - 人类社会的**数字化进程不会停止**，只要数字化中的确定性部分存在，Coding就会长期存在，AI接管的是非确定性表达部分[51] 产品的技术路径与行业定位 - 公司产品可被视为用**AI-Native的方式重做UML**，在AI时代让业务抽象的方法论焕发新的生命力[52][56] - 与90年代的UML相比，AI时代能更好地把控抽象度（例如只抽象80%的信息），并解决设计与代码不一致的问题，**拓宽了人与AI的通信带宽**[53][54] - 公司选择从**Java**切入，因为其工程化理念与产品更近，且Java开发者群体最大，便于获客和解决问题[59][60] - 公司的发展思路是先成为一家**产品公司**，再成为一种**行业标准公司**，并计划将引擎内核部分开源[61] - 产品更适合**Greenfield（新建）项目**或对Brownfield（遗留）系统中常变更的重要模块进行“最后一次重构”，从而建立新的、设计良好的可维护体系[63][64] 竞争优势与市场观点 - 公司不认为存在绝对的技术壁垒，但建立产品有**时间优势**，可转化为竞争壁垒[49] - 公司欢迎大厂参与类似产品开发，认为需要更多人一起**做大市场和做好用户教育**，因为“架构很重要”在当前并非大众普遍认知[49] - 与Cursor等工具相比，Toco AI的优势在于能更好地解决**过去无法有效进行的重构问题**，帮助系统变得规整并长期保持，其长期市场想象空间更大[66][67] - 产品在复杂度上没有绝对瓶颈，从很小的会议室管理系统到像**网易云音乐**这样有近千开发人员、十几年的复杂系统（top 0.1%）都可以支持[68][69] - 公司认为工程的意义在于**拉齐协作水平**，而Toco AI正是为了提供更适合大众协作活动的工具，而不仅仅是服务于高水平个体[70][72]

文章核心观点 飞猪对其RTA（实时竞价接口）系统进行了一次系统性优化，旨在提升研发效能和系统性能，以应对业务策略复杂度提升和流量规模持续增长带来的挑战，优化后系统在性能、成本、研发效率和业务价值方面均取得显著成果 [1][5][28][30] 系统架构与挑战 - RTA系统是广告投放的实时决策端，日均处理千亿级请求（百万级QPS），对接了头条、小红书、华为等10+头部广告媒体渠道 [1] - 流量通过阿里妈妈广告交易平台（Tanx平台）统一转发或媒体直连两种方式接入 [2][5] - 系统整体分为网关层和业务逻辑层，需在毫秒级窗口内完成多阶段实时决策 [2] - 早期RTA与多个业务模块共部署，99%的流量由RTA产生，但任何功能迭代都需全量发布，资源投入与业务价值不匹配 [3] 研发效能升级 - **应用架构解耦**：将RTA从原应用中独立拆分，因其流量占比最高、业务逻辑相对独立，优化ROI最显著 [3][7] - **技术栈升级**：采用Java技术栈，升级至JDK21（虚拟线程）、SpringBoot 3.x（比2.x快约10-20%）并进行网络中间件优化 [4] - **发布流程优化**：以“分钟级恢复”为目标，优化发布链路，应用重启时间降低约80%+，发布周期从至少1天缩短至约2小时 [11][18] - **测试提效**：设计流量采集和回放系统，利用线上真实流量作为测试用例，测试周期从3天缩短至1天 [8][18] - **AI Coding应用**：针对RTA多渠道接入场景，通过AI Coding高效完成核心链路代码框架升级，新媒体渠道接入周期从5天缩短至2天 [10][18] - **监控体系精细化**：细化异常码，构建Pipeline实时折损漏斗，问题发现与定位效率提升40% [18] 极致性能优化 - **网络层优化**：通过单元化部署根治跨地域网络延迟，将小红书南通区域流量直连中心机房后，超时率从30%骤降至8%，最终单元化部署使阿里妈妈侧超时率降至0.07%，小红书直连超时率从30%降至0.01% [13][20][23] - **HTTP长连接复用**：启用HTTP长连接复用，节省TCP建连时间（约30ms），RTT次数从2次降为1次，解决首次请求超时难题 [14][16][19] - **网关层深度调优**：优化Tengine配置，启用与后端应用的长连接池，TIME-WAIT连接总量下降99%，集群CPU使用率下降近10个百分点，并在缩容15%服务器后保持健康水位 [20][24] - **应用层优化**：优化日志系统，通过协议精简（日志体积减少50%）、批量聚合、异步刷盘和分层采样，使CPU使用率降低9个百分点，日志文件大小减少60% [21][25][29] - **主动熔断机制**：在核心依赖调用中引入主动超时熔断机制，平滑接口P99延迟波动 [26][27] 业务层优化与成果 - **设备身份治理**：重构召回策略，构建多维身份并行召回引擎，并统一改造8个核心离线表的数据格式，解决了因ID不匹配导致的策略失效问题，提升了参竞效率和投放精准度 [30] - **成本与性能成果**：在整体QPS提升60%+的前提下，服务器数量降低30%，单机CPU水位进一步降低15%，RTA接口平均RT下降20% [18] - **研发效率成果**：测试周期缩短约65%，发布周期压缩超80%，新渠道接入效率提升60%+ [30] - **业务价值成果**：参竞效率显著提升，拉新重复率大幅下降，用户质量明显改善 [30]