AI代碼過剩後，給代碼“沖廁所”的公司貴了十倍

字母AI2026.08.18 15:47 · 來自北京全文5288字00:00 / 14:02AI越會寫代碼，Blacksmith需要跑的機器反而越多。文 | 字母AI經常拿AI寫代碼的人都知道，寫出能跑的程序不難，但你稍不留神，文件就莫名大了好幾倍。我曾經心血來潮讓AI幫我寫個網站，雖然用幾句話就生成了，但打眼一看，它硬生生給我寫了兩千多行屎山。在AI編程普及之前，寫代碼是最耗時的事情，但AI現在太厲害了，以前需要幾個小時甚至幾天才能完成的代碼，現在分分鐘就能整出來。但問題是，代碼是堆起來了，那些屎裡淘金的髒活也堆了起來。

AI可以一分鐘寫出幾百行代碼，但公司不可能因為它勉強能跑，就把這些代碼直接扔給幾百萬用戶。一家給AI生成的代碼“沖廁所”的公司，因此貴了近十倍。8月12日，據TechCrunch報道，為GitHub Actions提供持續集成（Continuous Integration，CI）基礎設施的Blacksmith完成4500萬美元B輪融資，估值達到5.5億美元。而不到一年前，它的估值還只有約6000萬美元。Blacksmith沒有發明更聰明的AI，也不負責幫程序員寫代碼。它做的是AI把代碼寫出來以後剩下的事情：跑測試、做構建，確認這些AI生成的代碼，到底能不能安全地進入真正的軟件。

讓它身價暴漲的不是測試本身，是那些需要處理的代碼，正在變得越來越多。AI寫的代碼，人類已經看不過來了Blacksmith很早就發現，代碼變得有點太多了。2025年9月，公司在宣佈A輪融資時披露，過去一年，在排除開發者人數增長的影響後，其現有客戶運行的持續集成任務量，平均每個季度增長60%。Blacksmith把這種變化歸因於AI編程工具的爆發——畢竟人一天只有24個小時，能夠生產的代碼有限，後面的測試、構建和代碼審查自然也有一個上限。但Coding Agent的爆發改變了這個局面。現在的多數編程Agent都可以讀取代碼庫、修改多個文件、運行測試，再把結果交給人類，而不只是幫程序員補幾行代碼。

更為重要的是，Agent不僅不需要下班，不需要睡覺，還可以調度多個Subagent，把一個複雜任務拆開，同時處理多個不同工作。於是，代碼生產開始擺脫“有多少程序員，就有多少雙手”的限制，從手工作坊邁向工業時代。Claude Code負責人Boris Cherny的工作方式，已經有點像一座小型代碼工廠。今年6月，Boris Cherny在Fortune Brainstorm Tech大會上說，自己已經8個月沒有手寫過一行代碼。取而代之的是，他開始管理一支越來越龐大的Agent隊伍。Boris表示，大會當天早上，他同時管理著“幾百個”Agent；有些時候，這個數字會變成幾千，甚至幾萬個。

這種變化到底能把代碼生產推到什麼程度，OpenAI也做過一個頗為極端的實驗。2025年8月底，OpenAI一個最初只有3名工程師的團隊，從一個空白代碼庫開始，用Codex開發一款內部軟件。規則很簡單：人類不直接寫代碼，應用邏輯、測試、CI配置、文檔、可觀測性和內部工具，全部由Codex生成。五個月後，這個代碼庫已經膨脹到約100萬行，期間完成了約1500個代碼合併請求（Pull Request，PR）。OpenAI估算，同樣的工作，如果全部由人類手寫代碼，大約需要十倍的時間。

有意思的是，OpenAI稱，他們經常看到單次Codex任務連續工作超過6個小時，很多時候，人已經睡了，Agent還在繼續幹活。代碼生產的上限，就這樣開始脫離人類的工作時間。但很快，新的問題出現了：代碼寫得太快，人開始看不過來了。OpenAI在這次實驗中直接寫道：隨著代碼吞吐量增加，他們遇到的新瓶頸變成了“人類QA能力”。因為不管Agent能寫多少代碼，人類的時間和精力畢竟是有限的。這個團隊每週五都要拿出整整一天，專門清理所謂的“AI slop”，也就是AI寫出的那些屎山代碼。

它們通常來自Agent在快速生成代碼時帶來的副作用：比如重複或錯誤的實現模式、不一致的代碼風格，以及在系統中不斷累積的技術債。但很快，這事兒也有點幹不過來了。於是OpenAI又把“擦屁股”的工作交給了Agent：讓後臺Codex任務定期掃描代碼庫，發現問題，自動提交重構PR。甚至連大量代碼Review，也開始交給Agent之間互相檢查，人類只在需要判斷的時候介入。也就是說，AI開始同時出現在生產線兩端：一邊瘋狂生產代碼，另一邊幫人尋找這些代碼裡的問題。但中間那些必須實際跑完的測試、構建和CI任務，並沒有消失。

Blacksmith寫了一句很直白的話：如果每一次代碼修改仍然需要一個小時才能測試完，那麼一個比人類快100倍的Coding Agent，也沒有太大意義。AI沒有消滅軟件開發的瓶頸。它只是把瓶頸，從“這個代碼到底怎麼寫”，推到了“這麼多代碼到底怎麼驗”。AI代碼過剩後，給代碼“沖廁所”的公司貴了十倍要理解Blacksmith為什麼能在不到一年的時間裡從6000萬美元漲到5.5億美元，得先弄清楚這家公司的主要業務。一段代碼從程序員手裡寫出來，到真正出現在用戶手機或者電腦上，中間還有很長一段路。

比如你給一個購物網站增加了新的支付按鈕，代碼寫完以後，首先得確認它能不能正常編譯；然後跑一遍自動測試，看看按鈕能不能用；再跑更多測試，確認這次修改沒有順手把登錄、購物車或者退款功能搞壞。這些事情通常會被組織成一套自動流水線：程序員每提交一次代碼，機器就自動把代碼拉下來，重新構建軟件、運行測試、檢查結果。發現問題就打回去，全部通過以後，代碼才有資格繼續往下走。而這個流水線，就叫作持續集成（Continuous Integration，CI）。GitHub自己的GitHub Actions，就是最常見的CI工具之一。而Blacksmith真正做的，是這套流水線下面的“執行層”。

GitHub Actions負責規定“要跑哪些測試、按什麼順序跑”，Blacksmith則提供真正執行這些任務的計算環境。換句話說，Blacksmith並不幫你寫測試規則，而是提供機器，把構建、測試和部署這些任務真正跑完。它最初的賣點也很直接：讓GitHub Actions跑得更快、更便宜。按照Blacksmith的說法，它使用高單核性能CPU、本地緩存和NVMe存儲來運行這些任務，大部分CI任務速度可以達到GitHub託管服務器的約2倍；一些Docker構建在緩存生效後可以獲得更大的加速。對於開發者來說，遷移可能只需要修改一行GitHub Actions配置。

Blacksmith創始人後來形容，CI本質上就是“開發者的管道工程”。他們甚至開玩笑說，想讓CI“至少這一次變得性感一點”。但AI編程恰好把它最不起眼的地方，變成了優勢：過去程序員一天提交幾次代碼，CI就跑幾次；現在Agent可以持續改代碼、反覆嘗試，還能並行調用Subagent，每一次修改都會觸發新一輪構建、測試和驗證。Blacksmith在A輪融資時就提到，隨著AI代碼生成工具的發展，代碼數量的快速增加正在把CI推向新的瓶頸。為此，Blacksmith沒有簡單依賴通用雲計算資源，而是針對CI任務優化自己的硬件和軟件棧，提供更快的執行速度、更高的併發能力，以及更適合測試流程的計算環境。

AI越會寫代碼，Blacksmith需要跑的機器反而越多，這門過去藏在軟件開發後臺的“髒活”，就這樣被AI放大了。2025年9月，Blacksmith已經服務約800家組織；不到一年後，這個數字增長到5000多家。公司的員工數量從約10人增加到30人左右，年化收入則從1000萬美元進入“數千萬美元”區間，據TechCrunch報道，一些最大的客戶每年在Blacksmith上的支出已經超過100萬美元。今天的Blacksmith，已經不滿足於只做一個更快的CI執行層，它也開始把AI能力往上疊。

比如Codesmith可以讀取代碼倉庫、修改代碼並創建PR，也可以根據CI失敗信息輔助定位和修復問題；Test Analytics負責整理測試失敗信息；Testboxes則會給Agent臨時創建一個虛擬測試環境，讓它把剛改完的代碼真正跑一遍，如果失敗，結果再返回給Agent繼續修改。一條新的軟件生產線開始出現：Agent寫代碼，Blacksmith跑測試；測試失敗，AI總結問題；Codesmith修改代碼，再扔回Testbox重新測試。於是，代碼生產和代碼驗證，都開始變得越來越自動化、Agent化。但這裡有一個關鍵區別。

AI可以自己找Bug、改代碼，但最後那句“這段代碼真的能用”，不能靠它自己說，必須真跑一遍。而只要真的運行，就會消耗真實的計算資源。模型可以把寫代碼的邊際成本不斷壓低，但服務器不會因為代碼是AI寫的就少跑一次測試，量大再湊個滿減。Blacksmith賺的，本質上是這最後一筆省不掉的錢。AI寫代碼的終點，是一個更大的驗收產業事實上，過去一年，幾乎所有主流AI公司都開始往代碼生產線的後半段走。Codex剛推出時，OpenAI還專門提醒用戶：即使Agent已經可以自己修改代碼、運行測試，在真正集成和執行之前，AI生成的代碼仍然需要人工Review和驗證。但很快，Codex自己也開始做Review。

2025年9月，OpenAI披露，Codex已經Review了公司內部絕大多數PR，每天可以發現數百個問題，很多問題甚至在人類開始Review之前就被找出來。Anthropic也在做類似的事情。Claude Code在今年3月加入了自動安全審查能力，可以直接檢查PR裡的SQL注入、跨站腳本攻擊（XSS）、身份驗證漏洞、不安全的數據處理和依賴漏洞，並通過GitHub Actions自動運行。但Anthropic同時強調，這套功能並不能取代既有的安全流程和人工Review。GitHub的動作更加直接。

今年7月GitHub Code Quality正式上線時，GitHub在官方公告裡甚至用了這樣一句話：“AI accelerates code output, and Code Quality helps teams ship code they trust.”AI正在加速代碼產出，而Code Quality負責幫助團隊交付“可以信任的代碼”。這套產品會在PR階段檢查代碼的可靠性和可維護性問題，並結合Copilot Autofix給出修復建議。GitHub披露，其內部團隊會在代碼合併前解決67.3%的Code Quality問題。

過去幾年，AI編程最激烈的競爭發生在代碼生成端：誰能寫得更快，誰能處理更大的代碼庫，誰能完成更復雜的任務。但當代碼真的開始過剩，下一場競爭已經悄悄往後移動。測試、持續集成、代碼Review、安全檢查，這些過去散落在軟件開發流程裡的環節，正在被重新拉到臺前。這甚至形成了一種和很多“AI替代軟件”的故事完全相反的關係：模型越強，代碼生成的成本越低；代碼生成的成本越低，代碼產量越大；代碼產量越大，後面的測試、Review和安全審查需求反而越多。但Blacksmith和這些AI公司的位置又不太一樣。

如果說Code Review是在給AI生成的代碼“擦屁股”，Blacksmith做的，就是給AI生成的那些代碼“沖廁所”。OpenAI、Anthropic和GitHub正在爭誰更會Review代碼，而Blacksmith押注的，是這些判斷最終都繞不開的一層基礎設施。Coding Agent可以換，但驗證基礎設施不能省。不管代碼是Codex寫的、Claude Code寫的，還是人寫的；也不管最後是誰負責Review，只要想知道這段代碼到底能不能跑，測試就必須真正執行。

這也是Blacksmith最早選擇自建CI基礎設施的原因，它沒有簡單地在AWS等公有云上租機器，而是針對編譯、構建和測試這些CI任務，自己優化CPU、存儲、緩存和虛擬機調度。Blacksmith可以往上做Agent和測試環境，但它最難替代的資產，仍然是下面那層讓所有代碼真正跑起來的CI基礎設施。換句話說，別人爭的是誰更會看代碼，Blacksmith賺的是代碼最後必須跑一遍的錢。