Harry Stebbings终于忍不住了。
他坐在20VC的录制间里，对面是OpenAI Codex的产品负责人Alexander Embiricos。整场对话他一直在克制，但听到这句话时，作为一个投资人的本能让他直接打断：
「你们花了那么大力气训练模型，然后把这些模型提供给你们的竞争对手？」
Alexander点头。
Harry继续追问：「这对我来说太难理解了。」
但Alexander一脸平静：
「我完全知道这听起来多不合理。在OpenAI工作就是这样一个很特别的地方。」
一个说「PM不需要」的产品经理
Alexander的职业路线很难用一条直线概括。他在Dropbox做过协作工具，联合创办过一家叫Multi的创业公司并成功退出，现在掌管OpenAI最炙手可热的产品线——Codex。
访谈刚开始，Harry问他是害怕失败还是渴望赢。Alexander的回答很诚实：他曾经在创业最低谷的时候发现自己花了好几个月在「避免输」，而不是在「争取赢」。意识到这件事的那一刻，他同时也明白了公司为什么走不动。
这种自我诊断的能力，在后面的对话中反复出现。
比如当Harry问他「PM（产品经理）在AI时代还有用吗」的时候，他笑着说：
「我就是PM。但我觉得你可能不需要PM。」
他解释说，PM的角色本身就是模糊的——适应团队需要什么就做什么。而一个足够强的工程负责人或者关注产品的设计师，完全可以做PM在做的事。他的建议是：团队不大的时候，别急着招PM。
这不是凡尔赛。这是一个每天在AI编程最前线的人，对「人才栈压缩」的切身体感。
编程被自动化了？不，是需求爆炸了
Elon Musk说过编程将是最先被大规模自动化的职业之一。Harry拿这个问题开场。
Alexander没有否认LLM在编程领域表现突出。但他紧接着反问：你知道「computer」这个词最初是什么意思吗？
在布莱切利园，曾经有一群人手工打孔卡、做制表运算——他们就是最早的「计算机」。后来机器取代了那些具体操作，但对计算的需求反而指数级膨胀，最终催生了整个软件行业。
「每一次某个具体任务被自动化，输出的需求都会爆炸式增长。所以5年后工程师的数量不会少，只是『工程师』这个词的含义会变。」
他观察到一个正在发生的现象——「人才栈压缩」。以前前端工程师、后端工程师、设计师、产品经理是分开的角色。现在在Codex团队内部，几乎所有人都是全栈的。角色的边界在模糊，但人的数量并没有减少。
三个阶段，一条路线图
Alexander把AI代理的演进画成三步：
第一步，让代理在编程领域真正好用。因为LLM恰好在这个领域能力最强。
第二步，发现一个规律：所有代理本质上都是编程代理。因为写代码是代理操作计算机最有效的方式。
第三步，一旦人们习惯了这个工具，再把自动化层叠加上去——不是一开始就推「企业级工作流自动化」，而是先让每个个体变成超人。
这个顺序非常关键。他从Dropbox时代学到一个教训：当年Dropbox试图在文档上做协作功能，从技术角度看比在Slack里讨论文档更高效。但结果是什么？人们就是喜欢在Slack里聊。
「如果你建一个纯粹的工作流自动化系统，永远都要拉着人用。但如果你建一个人们真心喜欢的工具，他们自己会把自动化拽进来。」
为什么给竞争对手提供模型
这是整场对话最反直觉的部分。
OpenAI训练模型，然后通过API把这些模型卖给Cursor、Claude Code等直接竞争对手。Harry反复追问这个逻辑。
Alexander的解释是：
「我们的工作不是Codex的成功。我们的工作是分配智能。」
分配智能，而非独占智能——这是OpenAI与所有传统科技公司最本质的区别。
但这不意味着Codex没有竞争优势。他列了三张牌：
**第一，ChatGPT的分发优势。**上周他们把Codex推给了免费版ChatGPT用户——这是其他竞争对手做不到的规模。
**第二，自研模型的能力优势。**Codex团队能在新模型发布前就针对自己的产品做优化，其他人拿到模型的时候，他们已经跑了一轮了。
**第三，开放标准的生态优势。**他们推动了agents.md这个开放标准——一个让所有AI编程工具都能共用的配置文件。这个标准的起源很有趣：Sourcegraph旗下的AMP团队（Alexander在访谈中特别点名尊敬的竞争对手）提出把agents和skills放在一个厂商中立的文件夹里，「除了某个老对手之外，所有人都跟进了」。
开放标准短期看像在帮对手，长期看是在建立引力场。
GPT 5.2那天，一切都变了
Alexander说他团队里大多数人已经不打开编辑器了。
转折点是去年12月发布的GPT 5.2 Codex。
在那之前，AI写代码还停留在「结对编程」阶段——你坐在电脑前，AI帮你补全代码，你需要全程在场。
5.2之后，模式变成了「委托」。你跟代理讨论一个方案，确认方向，然后放手让它自己去做。你可以同时委托好几个代理做不同的事情。
从「结对」到「委托」，不只是效率提升，而是开发者角色的彻底重构。
「OpenAI内部几乎所有代码都由AI自动审查。」
而且他们专门训练了Codex在代码审查上的能力——低误报率，高信号反馈。一个有趣的现象是：很多用户发现让Codex审查其他模型写的代码时，会恍然大悟：「那我是不是直接让Codex写就好了？」
从8月到现在，Codex用户增长了20倍。12月到2月又翻了一倍。
SaaS没死，但某些品类要小心了
Harry问了一个投资人最关心的问题：SaaS是不是死了？
Alexander的回答比市场情绪冷静得多。
**他的判断框架只有两个问题：这家SaaS公司是否拥有跟人的关系？是否拥有关键的系统记录？如果都有，大概率没事。**Salesforce、ServiceNow下跌20%到40%，他认为被夸大了。Monday.com这样的项目管理工具？用户真的会去自己用AI写一个待办清单吗？可以，但算上定制和维护成本，不划算。
但有一个领域他明确说了「不想待在里面」。
客服。
而对于投资人的出路，他的思路是：找有物理基础设施的生意（OpenAI不会去做能源供应），或者找那些需要「跟500家东南亚银行建立关系」的复杂金融产品——模型公司不会干这种脏活累活。
十年后最兴奋的事
整场对话最后，Harry问他看十年后最期待什么。
Alexander说了一个非常具体的画面：有一天，他会把一个AI代理加进家庭WhatsApp群，然后这个代理就自动开始帮家里人解决各种事情——不需要任何人学习怎么用AI，不需要任何人打开ChatGPT输入提示词。
「我奶奶应该跟我一样从AI中受益。」
这大概就是他口中「分配智能」的终极形态。