OpenAI Codex产品负责人Alexander Embiricos的经历颇为特殊：他曾在Dropbox负责产品，后来创办了结对编程工具Multi，直到2024年公司被OpenAI收购。从“帮程序员补全代码”到“让AI独立完成任务”，他恰好站在这一轮AI编程浪潮的最前沿。Codex自2025年8月以来使用量增长20倍，并在2026年2月的一周内接连推出macOS独立应用、GPT-5.3模型、超级碗广告，同时向免费用户开放。这些动作背后，藏着他对AI编码未来的一套清晰判断。
编码不会消失，但“编码”的定义正在被改写
马斯克曾预言编码是最先被大规模自动化的职业之一。Embiricos并不完全认同“自动化”这个说法。他认为LLM在编码上确实很强，但历史反复证明：每当工具让写代码变得更便宜，社会对代码的需求就会爆发式增长。从汇编语言到高级语言，程序员数量不降反升；二战时Bletchley Park里那些被称作“computer”的人，以及早期电子表格软件中按网格分工、手工传递工作表的工作方式，都说明具体任务被机器取代后，产出的需求反而被放大了。
换句话说，被自动化的往往是“写代码”这个动作，而不是“用代码解决问题”这件事。真正的变化在于，编码的门槛正在降低，未来的工程师可能不再逐行敲代码，而是把更多精力放在定义问题、审查结果和系统设计上。
这种视角值得玩味：它没有否认岗位被替代的可能性，而是把注意力转移到“需求侧”。如果AI让软件的生产成本趋近于零，那么能被软件化的场景会急剧增加，最终市场需要的是更多能驾驭这种生产力的人，而不仅仅是更多码农。
瓶颈不在模型，而在人类每天只敢“麻烦”AI几十次
Embiricos在访谈中抛出一个反直觉的观点：AGI的瓶颈不是模型能力，而是人类打字速度和验证工作的速度。他问主持人每天用AI多少次，答案是30多次；他又追问，如果完全免费、没有限制，AI每天能帮你多少次？答案可能是无数次。他直言，AI应该每天帮助人类“数万次”。
OpenAI内部已经出现一种“浪费焦虑”：工程师们让Codex一直开着，如果开会时没有任务在跑，就会觉得时间被浪费了。但Embiricos也承认，管理这些Agent、确保它们持续产出，本身就很费精力；即便是他本人，也常常“懒”得去想AI还能做什么，每天的使用次数和普通人差不多。
他给出的解法是一个三阶段路线图：第一阶段，让Agent在软件工程领域做到足够好，因为这是LLM最擅长的场景；第二阶段，让Agent学会操作计算机，而代码恰恰是Agent与计算机交互的最佳方式——所以“所有Agent本质上都是编码Agent”；第三阶段，基于前两阶段的观察，把高频场景产品化，让用户不需要学习prompt，AI就能在合适的时机主动介入。他预计未来几个月会快速跑完这三个阶段。
这里其实藏着一个产品哲学转变：过去我们强调“人机协作”，现在OpenAI想做的可能是“AI主动服务”。当AI不再等待指令，而是自动理解上下文并采取行动，人类的核心能力就从“下达指令”变成了“设定目标和判断结果”。
企业AI部署：先让员工用起来，再谈自动化
针对企业市场，Embiricos的观点同样鲜明。他承认，从零开始搭建一套完整的workflow自动化系统，确实需要实施工程师处理安全合规和数据系统集成。但他担心的是，自上而下的部署往往会严重低估AI在一家公司的潜力。
他打了一个比方：如果客服人员的工作正在被AI自动化，而这位员工自己却从未用过ChatGPT，他面对自动化只会感到无力；反过来，如果员工在日常工作中已经大量使用AI，他反而能理解AI的能力边界，也更容易接受变化。因此，企业AI部署的关键不是先买一套系统，而是先让每个员工手里都有一把“AI工具”。
至于企业最关心的数据安全，Embiricos认为，任何工具和工作流最终都会落在某个员工的浏览器或本地文件系统里。这正是OpenAI正在构建Atlas浏览器的原因——如果浏览器成为AI与企业数据交互的核心入口，安全问题就需要在入口层解决，而不是事后补救。
访谈最后还留下几个值得追踪的信号：Codex免费策略能否持续，云端产品是否会回归，Atlas浏览器能否成为企业AI落地的关键入口，AI代码审查和质量控制能否跟上生成速度，以及agents.md这类开放标准能否形成行业共识——目前Claude Code仍是最大的缺席者。SaaS与Agent市场的终局，也许就藏在这些信号里。