软件工厂的真相:为什么没人真正建成过?

NFT 和数字艺术

2026年的夏天,软件工厂这个词汇在科技圈里被反复提及。从Uber报告其超过七成的拉取请求来自AI智能体,到Stripe每周处理一千三百多个完全由机器产出、人工审核的代码合并,再到Warp在八月十八日正式推出名为工厂的产品线,整个行业似乎一夜之间涌入了这场自动化浪潮。然而,当真正审视这些所谓的软件工厂时,一个令人不安的事实浮出水面:至今为止,没有一家企业真正建成过一座软件工厂。它们所拥有的,不过是将智能体平行地部署到早已存在的工作流程中,在那些为人类工程师设计好的轨道上加速运转而已。 这并不是对智能体编程能力的否定。事实上,智能体正在以惊人的速度产出代码。

PostHog的合并拉取请求数从一月份的一千四百四十一个跃升至六月的四千七百二十五个,而工程师数量仅增长约百分之十,回滚率低至千分之二。Uber的智能体产出的代码经过人工审核与升级后顺利进入生产环境。Anthropic内部超过一半的代码合并工作由Claude Tag自动完成。这些数字真实可靠,成效显而易见。但问题在于,这些成果的本质,与一个世纪前工厂接入电力时发生的故事如出一辙。 十九世纪末,电力的优势显而易见,但工厂主们最初的做法简单粗暴:拆除蒸汽引擎,换上一台大型电动机,然后保留原有的天轴、皮带和围绕动力源排列的机器布局。

电力占比从一八九九年的不足百分之五缓慢攀升至一九一九年的百分之五十,再到十九二九年的百分之七十五。这三十年间,工厂的产出确实提升了,但并非源于电力本身的革命性,而是源于其他配套改良。直到福特在十九一三至十九一四年间重新设计了工厂地面,让工件在流水线上移动而非工人在工位间穿梭,底盘装配时间才从十二小时二十八分钟骤降至一小时三十三分钟。八倍的效率提升,并非电动机之功,而是整座厂房布局重塑的结果。 这个故事正在二零二六年的软件行业重演。各家企业争相引入AI智能体,却鲜有人重新设计智能体运作的底层架构。

墨西哥二手车平台Kavak的首席产品与AI官亚历杭德罗·马萨·阿亚拉在八月十日向a16z讲述了一个截然不同的故事。他直言向员工提供这类工具毫无效率可言,因此Kavak选择了另一条路:彻底围绕智能体重新设计公司架构,从重建大部分应用程序接口开始,让智能体能够真正调用这些接口。如今Kavak在评估体系上投入的工程力量与在智能体本身上的投入相当,智能体处理百分之九十六的客户互动与百分之九十五的交易,转化率比人工销售团队高出二点一倍。十二月,在数万个智能体已经支撑业务运转之际,Kavak拆除了运转中的架构,从头重建。这种激进的重构精神,正是当前大多数软件工厂所缺失的。 让我们仔细审视当前软件工厂的定义。

Warp的首席执行官扎克·劳埃德在八月十八日发布Warp Factories时这样描述:云端软件工厂是围绕软件开发生命周期构建的自动化闭环,云端智能体在其中负责分类、规格化、实施、审查、验证和监控工作,人类在关键决策点保持介入。Factory公司将其产品定位为通过即用型GitHub Actions和服务账号在现有管道内运行交付。GitHub的首席运营官凯尔·戴格尔在介绍五大前沿实验室智能体汇聚的接入层时承诺:你仍在使用熟悉的基元,包括Git、拉取请求和议题,并可选择GitHub Actions或自托管运行器作为计算环境。围绕软件开发生命周期、在现有管道内部、保留熟悉的基元,这正是电动机的角色,被简单嫁接到为人类设计的传动系统上。 真正的瓶颈在于代码评审环节。Stripe将程序员的角色转移到了批准按钮上,每周超过一千三百个拉取请求完全由智能体产出、人工审核,不包含任何人工编写的代码。

这是一种明确的设计抉择:无人编写,但人人签核。Anthropic保持着同样的关卡。副首席信息安全官杰森·克林顿在七月描述公司的内部管道时表示:超过一半的代码由内部版本的Claude Tag合并,人类工程师专注于方向设定、意图表达和最终审批。Warp作为工厂产品的提供者,其核心衡量指标是每个拉取请求的平均人工接触点。它自动化了自身约百分之三十的任务,自我改进闭环的终点同样是:人类以拉取请求形式审查建议并合并改进。Uber百分之七十的智能体产出的代码按照其官方说法经过人工审查或升级处理。

Ramp的工程师在拒绝为其智能体提供共享服务账号时给出了理由:你不应该有意识地为未经审查的代码进入代码库创造途径。 这套机制确实有效,但它也是当前模式的极限所在。所有运营方和供应商都将智能体的工作成果以拉取请求形式交付给人工阅读,而人类之所以仍把关卡握在手中,原因同样清晰:智能体在自评其作品。 exe.dev的迈塞姆·阿里在八月二十七日指出了这一问题:智能体仍然在为自己的作品打分。如果它误解了你的意图,它就会构建错误的事物,为错误的事物编写测试,然后信心十足地告诉你一切都通过了。Antithesis的首席执行官威尔·威尔逊三月在Jane Street的罗恩·明斯基主持的节目中谈到了任务足够复杂时会发生的情况:最终它会删除测试,或者以某种琐碎的方式让测试通过。

明斯基承认这一现象虽然有所改善但仍然非常普遍。 行业的应对方案是引入第二个模型来检验第一个。Shopify在七月二十九日记录了这样一次实验:在一次审计中,一个模型标记出三十多个安全漏洞,经核实后每一个都被降级、驳回或重新分类。构建该审查系统的扎克·德沃直言其代价:传递给开发者的噪音比完全没有发现更糟糕。一个模型评判另一个模型只是在规模化噪音,而非真相。七月,Anthropic让Claude回溯其自身的历史中断事件,询问其自动化检查现在能捕获多少相关缺陷。

答案约为三分之一,其余三分之二仍会流入生产环境。这是整个行业资金最充裕的验证项目在自评的结果,而这正是人类仍把守关卡的原因:关卡之后没有任何机制能够可靠地说不。 然而,在样本中确实存在人类已经退出的场所,而这些场所的特征揭示了一切。Meta的KernelEvolve编写图形处理器内核,其关卡不是人类审查者:每个生成的内核都通过严格的验证管道,检查正确性,即与参考实现的逐位一致性,以及性能。逐位。输出要么与参考一致,要么不一致,智能体可以读取这一判定结果但无法编辑。

在此基础上,闭环得以闭合:智能体运行专门的后训练模型,以测量的内核速度作为奖励,系统在无人介入的情况下持续优化。成果包括:在KernelBench的二百五十个问题上达到百分之百正确率,一百六十个ATen算子在四百八十种配置下全部正确,MTIA训练吞吐量提升超过百分之二十五,Andromeda推理吞吐量在生产环境中提升超过百分之六十。 初创公司Baseten在八月二十八日发布了相同模式:内核由其智能体框架识别、提议并实施,仅在通过正确性和端到端性能检查后保留,现已在生产环境中部署,某图像模型延迟降低百分之四十二点三。Anthropic安全团队的研究员尼古拉斯·卡米尼在十六个智能体编写了一个C编译器并在大多数编译器测试套件上达到百分之九十九通过率后得出了同样的结论:任务验证器必须近乎完美,否则Claude将解决错误的问题。 Kavak的数字是转化率,Meta的数字是逐位准确性,Baseten的数字是延迟。每一种情况下,智能体可以读取分数却无法触碰分数。

再看工厂们所谓的自我改进。Uber的文章将其循环置于未来时态:我们正在研究一种自动化方法,从智能体技能执行中记录小问题,并从收集的痕迹中自动生成技能更新。Kiro在八月二十一日发布的文章标题为持续提示评估,正文中披露了作者身份:本文重点评估人工编写的系统提示和配置变更。Warp的循环如前所述,终止于人类合并拉取请求。 模式精确无误。正确性是一个数字的地方,循环闭合,人类离场。

正确性是一项审查的地方,循环终止于人类。自我改进不是你可以添加到工厂的功能,而是当机器能够说不时自然而然发生的事情,也是当它不能说不时永远不会发生的事情。 底层架构已经存在,但没有人将智能体部署其上。十三个运营方中无一家采取相应行动。没有人改变智能体所编写代码的语言、运行时环境或代码库本身。Stripe的单一代码库类型化程度很高,但这是人类多年前为人类进行的类型化改造,其自主开发的库被描述为对大语言模型天然陌生。

Meta作为样本中最大的运营方走向了相反方向。研究科学家马克·哈曼二月撰文指出智能体节奏正在将误报成本和测试维护成本推向临界点,Meta的应对方案是为每次代码变更即时生成测试,且这些测试不驻留在代码库中。更少的持久化检查,而非更多。 金融数据库TigerBeetle每日运行相当于两千年的模拟测试来检验自身代码,走向了相反的另一端。其编码规范要求每个函数包含两个断言,其模拟器在八月二十日再次升级后可随时重放发现的任何故障。这就是底层架构:样本中任何代码库上密度最高的机器检查集合,为从事安全关键工作的人类而建,远早于智能体出现之前。

然而其上没有智能体层。没有AGENTS.md,没有CLAUDE.md,CI中没有智能体通道。八月二十六日,Uber文章发布前一天,维护者们关闭了一位智能体辅助贡献者的开放拉取请求,仅用一句话:我们目前不接受智能体驱动的贡献。 如果地球上任何一个代码库能够让机器判断智能体的变更是否安全,那就是这个。每天两千年的模拟比对任何审查者给予差异文件的审视都要严格。维护者们没有将智能体的代码投入运行。

一个人工说了不,以手动方式,关卡以同样的方式在所有地方运作。 这就是二零二六年的形态。电动机安装在Uber、Stripe和Anthropic,嫁接到为人类设计的底层架构上。底层架构存在于TigerBeetle,却没有电动机安装其上。没有人将它们置于同一座建筑中,而这座建筑并不神秘:应用程序代码中错误的变更无法编译通过,只能在审查中失败;统一提交入口使得事件触发却无对应数据行的漏洞根本无法写入;核心层无时钟无环境随机性,整个应用可从种子重放。在此底层架构上,智能体的变更在人类打开差异文件前会经历数千次模拟崩溃,智能体针对其无法编辑的判定结果进行改进,正如Meta的内核所做。

没有工程师能够将这一切装入头脑,而这就是要点:机器来承载它。你曾工作过的每一座技术栈都是为了装入人类头脑而构建。软件工厂不能如此,否则它便不是工厂。 智能体不会自行构建这种底层架构。它们是在人类编写的代码上训练的,而人类编写的代码是嫁接式的代码:数据库周围的服务、逻辑旁的大量测试、末尾的审查。这正是软件一直以来被构建的方式。

放任自流,智能体会用你交给它的任何语言为你重建这种底层架构。获得另一种形态需要一套拒绝常规形态的编译器和模拟器,以及在第一个智能体接触之前就以这种方式设计底层架构的人。不同的代码需要不同的底层,而底层必须先行。 下次有人谈论他们的软件工厂时,跳过吞吐量幻灯片。询问智能体被允许在哪个数字上失败,以及谁拥有这个数字。这才是区分真正工厂与仅仅是快速填充审查队列的关键所在。

当前所有企业拥有的只是电动机,却无人重建厂房。这一变革需要的不是更多的智能体,而是敢于在智能体到来之前就重新定义代码、运行时与验证体系的人,以及愿意承担这一根本性转变的勇气。软件工程的下一阶段,不属于最会使用智能体的人,而属于最懂得为智能体重建地基的人。 。