编程终结？不，是需求大爆炸
OpenAI Codex产品负责人Alexander Embiricos近日接受访谈时，正面回应了马斯克关于“编程将被大规模自动化”的论断。他的回答出人意料：完全同意，但结论却与直觉相反。
Embiricos用历史做注脚：当年从汇编语言转向高级语言时，没人说编程被自动化了，结果代码需求激增，软件工程师反而供不应求。“Computer”这个词最初指的是布莱切利园里那些手动计算的人类，后来才变成机器。每一次自动化，都让最终产出的需求爆炸式增长。他据此预测：五年后我们会有更多工程师，而不是更少。
这个观点看似反直觉，实则暗合技术演进的规律。当工具变得更强大，人类对复杂系统的野心也会同步膨胀。编程的“终结”只是意味着重复性编码工作的退场，而更高层次的系统设计、需求定义和创造性解决问题，将成为工程师的新战场。笔者认为，与其说编程终结，不如说编程正在“民主化”——门槛降低后，参与者的基数反而会急剧扩大。
OpenAI内部剧变：从结对编程到任务委托
Embiricos透露，GPT-5.2 Codex发布后，OpenAI内部的工作模式发生了根本性转变。此前工程师使用AI的方式主要是Tab补全或结对编程，而现在则是直接委派整个任务：和AI一起制定计划，确认规范，然后让AI自己去执行。他直言：“我认识的大多数人基本上已经不再打开编辑器了，绝大多数代码由AI编写。”
这种转变也意味着传统IDE的地位岌岌可危。Codex应用刻意不内置编辑功能，就是为了明确新的工作重心——不是编辑代码，而是计划审查和自动化代码审查。Codex的“计划模式”会先提出执行方案，像新员工提交设计文档一样与人类确认关键决策。同时，OpenAI内部几乎所有的代码提交都会由Codex自动审查，以对抗“AI Slop”带来的低质量代码泛滥。
这里有一个值得玩味的细节：人们常让Codex去审查另一个模型生成的代码，结果往往是被Codex的表现折服，转而直接用Codex写代码。这种“以战养战”的策略，既提升了模型质量，又成为了最有效的获客手段。
AGI的真正瓶颈：人类的懒惰与想象力
当话题转向AGI时，Embiricos抛出了一个颠覆性观点：通往AGI的最大瓶颈不是算力或模型架构，而是人类的打字速度、懒惰以及想象力的匮乏。他现场互动时指出，人们一天用AI的次数可能只有几十次，但如果成本为零，AI理论上可以每天帮助我们成千上万次。
问题在于，大多数人懒得输入那么多提示词，也想不出AI还能帮自己做什么。Embiricos认为，AI应该毫不费力地融入人类的工作流，主动连接上下文并适时提供帮助，而不是让用户绞尽脑汁设计完美提示词。
为了跨越这个瓶颈，他提出了三阶段路径：第一阶段让智能体精通软件工程；第二阶段开放给非编码的“探索者”自由使用，发现新场景；第三阶段将验证有效的用法产品化，让普通用户零成本受益。他预测未来几个月内就会跑完这三个阶段。这一路径的巧妙之处在于，它没有试图一步到位构建宏大的自动化系统，而是让个体用户成为AI能力的“探针”，再反向封装成产品。
开放护城河与SaaS的新生存法则
面对AI工具层出不穷、用户随时可切换的竞争格局，Embiricos坦言OpenAI采取了反直觉的开放策略。他们开源了Codex核心框架，甚至创立了名为agents.md的开放标准，而非私有的codex.md，就是为了让所有智能体都能使用。更激进的是，OpenAI把最先进的模型提供给直接竞争对手——因为他们的终极目标是“智能的分发”，而不是守住某个封闭的编码工具。
Embiricos用自己在Dropbox的经历解释“引力中心”效应：即便在文档内评论更高效，用户还是习惯去Slack里讨论。未来的AI智能体领域也会如此，不会存在12种不同的智能体让用户选择，而是少数几个超级助理成为所有交互的引力中心。
对于SaaS公司的未来，他给出了清晰的判断框架：如果SaaS与终端用户建立了直接关系，或者掌握了某个核心记录系统，那么它不仅不会消亡，反而更有价值。反之，如果只是作为胶水层存在，既不拥有用户关系也不掌握记录系统，那就要小心了。笔者认为，这一判断同样适用于所有AI时代的创业者——工具会快速迭代，但“关系”和“记录”才是穿越周期的锚点。OpenAI的开放策略看似资敌，实则是在重新定义游戏规则：当所有人都用你的标准来交互时，护城河反而比任何封闭生态都更深。