软件工程的重定义与 GPT-5.3-Codex

[最佳拍档]: 大家好，这里是最佳拍档。软件工程的未来到底会是什么样子呢？2026年2月初，OpenAI 正式发布了 GPT-5.3-Codex，这是 OpenAI 在 AI 编程领域的最新旗舰模型，也标志着 Agent 在成为人类实际协作者的道路上完成了一次关键升级。

而近日，OpenAI Codex 的产品负责人 亚历山大·恩比里科斯（Alexander Embiricos）与 20VC 的一场深度访谈，更是向我们揭开了这款模型的背后，以及 OpenAI 内部已经发生的、堪称革命性的工作模式变化。作为 OpenAI Codex 的产品负责人，亚历山大在加入 OpenAI 之前，曾经联合创立协作工具公司 Multi 并成功退出。长期以来，他关注的并不是技术的极限，而是工具是否能被人们全天候的使用，以及是否能够真正改变人的工作方式。

这也让这场访谈没有陷入对参数规模、基准测试的枯燥讨论，而是始终围绕着一个核心问题：当工程师开始把完整任务交给 AI，软件工程这件事正在发生什么样的变化呢？在访谈中，亚历山大首先否定了 AI 会减少工程师数量的主流判断。他认为，未来五年，软件工程师和创造者的数量只会更多，而不是更少。回顾科技发展史，"计算机程序员"这些词汇的内涵本身就被多次重定义，而如今，软件工程师正站在下一次重定义的门槛上。

人才栈压缩与分工的模糊化

[最佳拍档]: 亚历山大认为，真正发生变化的并不是工程师的数量，而是人才栈的压缩（Talent Stack Compression）。在 OpenAI 的 Codex 团队内部，传统的前端、后端、基础设施等明确的分工正在迅速模糊。团队中的每个人都被要求具备更强的全栈能力，甚至需要同时参与到产品设计与判断中。

在这样的背景下，工程师的角色不再只是简单的代码执行者，而更像是问题的定义者与结果的把关者。亚历山大甚至半开玩笑地表示，在这样的工作模式下，某些情况下，产品经理（Product Manager）这个角色是否仍然必要，都是一个值得重新讨论的问题。他的判断是，AI 带来的分工压缩并不会削弱人类作为创造者的核心地位，反而会让人类的创造力聚焦在更有价值的环节。

从辅助工具到全任务委托

[最佳拍档]: 如果说对未来的判断还带有一定的主观色彩，那么亚历山大所描述的 OpenAI 内部的工作变化，则是已经发生的事实。他在访谈中反复提到一个关键的节点：GPT-5.2-Codex 的发布。在它发布之前，AI 在编程工作中更多扮演的是辅助工具的角色，比如代码的自动补全、与工程师进行结对编程等等。在这个阶段，人类工程师仍然需要坐在编辑器前，主导整个开发过程，AI 只是起到辅助的作用。

但是从 GPT-5.2-Codex 开始，这种工作方式发生了本质的变化。工程师不再和 AI 一起写代码，而是把整个任务直接委托给 AI。如今在 OpenAI 内部，许多工程师几乎不再打开传统的 IDE，而是全天候运行 Codex。甚至在开会期间，如果没有让 Codex 同步处理相关任务，反而会被认为是在浪费时间。亚历山大更是明确表示，现在 OpenAI 内部的绝大多数代码，都是由 AI 写出来的。

当然，这不意味着工程师变得无事可做，而是他们的工作重心发生了转移：从原本的代码实现细节，转移到了任务拆解、计划评估和结果审查上。人类工程师的价值，更多体现在"做正确的事"，而不是"把事做正确"。

产品经理角色的未来

[最佳拍档]: 而当主持人追问亚历山大，为什么认为产品经理的角色可能不再必要时，亚历山大也给出了详细的解释。他表示，产品经理这个角色本身就极难定义，它本质上是一个没有固定范式的岗位，核心目标是灵活适配团队或业务的需求。比如当团队全力冲刺开发时，产品经理的价值在于后退一步，用前瞻性的视野预判产品方向，协调各方资源推进市场落地，同时担任团队的啦啦队长和质量把关人。

但是仔细思考就会发现，这些工作完全可以由一位兼具产品思维的资深技术负责人或设计师来完成。所以产品经理的角色并非毫无价值，而是在团队规模真正变得庞大之前，可能并不需要配置太多这样的岗位。尤其是在 AI 让工程师的全栈能力和产品思维都得到提升的背景下，这个角色的部分职能正在被融合和替代。

AGI 发展的核心瓶颈：人类输入效率

[最佳拍档]: 在这场访谈中，亚历山大还抛出了一个颇具颠覆性的观点：制约通用人工智能（AGI）发展的核心瓶颈，并不是模型的算力或架构本身，而是人类验证工作的速度和输入效率。为了解释这个观点，他与主持人进行了一场苏格拉底式的问答。他问主持人每天使用 AI 的频率，主持人给出的答案是 30 多次，而他则表示，如果抛开所有精力消耗，AI 本应每天为我们提供上万次的帮助。

只要算力允许，这个目标终会实现。但是现实情况是，即便像他这样专门研究 AI 领域的人，明知道应该用 AI 处理所有事务，却也会因为懒得敲太多的提示词（Prompt），或者缺乏创意发掘 AI 的应用场景，而让 AI 的使用频率停留在较低的水平。如今，很多人在解锁 AI 的新用法时会感到得意，但是这对于普通用户来说，意味着极高的学习成本。而普通用户不可能为了享受 AGI 的红利，付出大量的时间和精力去研究提示词技巧。

因此，在他看来，AGI 的理想状态应该是无感使用的，用户无需琢磨提示词，使用方式简单到不费吹灰之力，甚至无需意识到自己需要 AI 的帮助，AI 就能理解用户的处境，适时提供贴心的协助。而要消除这个瓶颈，核心就是将提示词和人工操作产品化，这也是 OpenAI 在 Codex 上的核心发力方向。

亚历山大表示，OpenAI 既要确保模型具备卓越的能力，最终更要让 AI 高度产品化。这种产品化可能是一个神奇的对话框、一种语音输入方式，甚至是 AI 能够直接加入群聊，自动为用户提供帮助。但是他也强调，在实现最终的产品化之前，过渡期的价值尤为重要。针对特定市场将 AI 的某个功能产品化，是很多公司正在做的事，但是真正找准有效的产品形态，其实并不容易。

Agent 开发的三个阶段与 Atlas 浏览器

[最佳拍档]: 有观点认为，企业没有付费门槛根本没法落地 AI。但是亚历山大并不同意这种企业级优先的自动化路径。他认为当前最重要的，是为真实的个人用户打造工具，让每个人都成为被 AI 赋能的超级个体。就像 Cognition 的 Code 工具初次发布时，凭借着在终端中无缝使用的开放特性，激发了用户自发探索应用场景的热情。这也给了 OpenAI 一个重要的启示，那就是将 AI 拓展到编程之外的工作领域时，最重要的不是过度定制垂直场景的工具，而是打造足够开放的创作平台，让用户能针对任何任务进行创造性的应用。

基于这个思路，亚历山大也提出了 Agent 开发的三个阶段：

1. 第一阶段：先让 Agent 在软件工程和编码领域做到足够出色，因为大语言模型本身就对代码具备天然的理解优势，这也是当前 Codex 的核心发力阶段。
2. 第二阶段：让 Agent 具备操作计算机的能力，从而在更广泛的场景中发挥作用。而在这个过程中会发现，所有 Agent 本质上都是编码 Agent，因为编码是 Agent 使用计算机的最佳方式，编程 Agent 的能力可以被迁移到其他领域。如今已经有开发者将 Codex 这款为编程设计的工具，用来完成各种非编码类的任务，这正是第二阶段的雏形。
3. 第三阶段：在验证出有效的应用方案后，进行深度的产品化，打造出功能高度专一、用户能够开箱即用的产品。而在他看来，OpenAI 会在未来几个月里，快速走完这一整个过程。

针对企业落地 AI 的难题，主持人提出，企业内的数据安全敏感性、权限配置和访问条款等问题，让 AI 的落地难如登天。亚历山大认可了这个判断，他表示如果一开始就试图构建覆盖所有流程的终极自动化系统，必然会撞上安全、合规等现实障碍。

所以，更好的方式是并行推进：一方面继续解决系统层面的难题，另一方面把 AI 先交到一线员工的手里。当员工开始实际使用 AI，逐渐建立起对 AI 的心理模型，自然地把 AI 拉进自己的工作流中。他举了客服的例子，如果员工日常就使用 ChatGPT 工作，看着 AI 自动化自己的部分任务，就会更加深刻理解 AI 的价值。这也是 OpenAI 着手构建自己的浏览器 Atlas 的核心原因。当 OpenAI 能从端到端严格控制浏览器后，就能为企业构建安全、可控的 Agent 浏览体验，让 Agent 可以访问那些企业还没有通过 API 开放的系统，而这正是解决企业 AI 落地的关键一环。

推理速度与 agents.md 的开放标准

[最佳拍档]: GPT-5.3-Codex 的效率提升，背后离不开 OpenAI 在硬件、模型、推理方式等多方面的布局。主持人问到了与 Cerebras 的合作，亚历山大直言推理速度对开发者来说非常重要。他透露，OpenAI 与 Cerebras 的合作很快会有新消息公布。即便抛开硬件合作，GPT-5.3-Codex 本身也在效率上实现了显著提升，API 层面的一次更新让响应速度提升了大约 40%，而在 Codex 产品中，整体速度也提升了大约 25%。

在用户留存方面，针对 Cursor、Claude Code、Codex 等代码 Agent 之间的竞争，亚历山大表示 OpenAI 采取了一种反直觉的策略：把产品做得尽可能开放。去年发布时，OpenAI 确立了一个名为 agents.md 的文件约定，用户可以在这个文件里写给 Agent 的指令。OpenAI 刻意没有将它命名为 codex.md，就是希望它成为所有 Agent 都能使用的通用约定。

虽然目前代码生成任务是高度封闭的，但从读取 agents 文件、使用 skills 到生成补丁，全流程都是厂商中立的，切换成本极低。但是未来这个情况会改变，当 Agent 开始接入 Sentry、操作 Google Docs 或者连接企业内部系统时，连接系统本身就会成为高粘性的决策。这也是 Codex 采用操作系统级别沙箱策略的原因，提前为这个阶段做好准备。

商业博弈与 SaaS 的未来

[最佳拍档]: 从商业角度看，亚历山大表示 OpenAI 的使命是安全地把 AGI 的收益带给全人类，所以公司会花巨大的精力来训练模型，然后提供给竞争对手使用。OpenAI 在玩一场极其长期的博弈：竞争对手变强，能让 OpenAI 学到更多东西。当然，OpenAI 也拥有自己的核心优势：ChatGPT 带来的巨大分发优势、自研模型与自有执行框架的深度耦合，以及用户对新模型的提前访问权。

关于 AI 与人类交互的长期主界面，亚历山大的答案是对话界面加专用界面的组合。通用入口（聊天或语音）保证易用性，专用界面提升专业效率。而对于 AI Agent 市场的最终形态，他认为最终会是更少的玩家捕获更多的价值。长期来看，Agent 会变成什么都能帮你做的超级助手。公司不会希望有 12 个不同的 Agent，相反，一个能处理所有问题的超级 Agent 会成为工作的重力中心。

针对“SaaS 已死”的观点，亚历山大认为判断一家 SaaS 公司是否会被颠覆，关键看两个问题：一、这家公司是否真正拥有与人的关系？二、是否掌握了极其关键的系统记录（System of Record）？如果答案是肯定的，那么公司不会轻易消失。他认为 Salesforce、ServiceNow 等公司的股价下跌反应被严重夸大。像 Monday 这样满足稳定简单需求的工具，用户并不需要反复用 AI 定制。不过他也坦言，客服领域会成为被 AI 强烈冲击的赛道。

给未来工程师的建议

[最佳拍档]: 这场访谈的最后，一位来自顶尖高校的 CS 学生提问：如何在未来 5 年内成为 AI 生态中有价值的工程师？亚历山大给出了非常乐观的答案：从未有过比现在当工程师更好的时代。AI 能把过去几天的研究工作压缩到几个小时，理解复杂系统和代码库的成本被大幅压缩。

但是，正因为构建变得容易，真正稀缺的能力反而更加清晰，比如：主动性、审美，以及对质量的执念。他给这位学生的建议只有一句话：那就是去构建高质量的东西。在 AI 时代，一个有思想、有完成度的实际项目，比任何标准化的简历都更有说服力。

好了，以上就是这期访谈的主要内容了。在亚历山大眼中，OpenAI 正在用实际行动定义着 AI 编程的未来。AI 让写代码变得廉价，但是也让真正的创造力变得更加珍贵。对于我们身处科技行业的每一个人来说，这场变革已经开始，如何适应变化、提升自己的核心能力，才是我们需要思考的核心问题。感谢收看本期视频，我们下期再见。