Alexander Embiricos 谈 Codex、编程智能体与创造的未来

Harry Stebbings 问 OpenAI 的 Codex 产品负责人 Alexander Embiricos，他更受获胜还是避免失败驱动。Embiricos 回忆此前创业时一段专注避免损失的困难时期，并说为人们构建有用的东西更能激励他。他当前的产品和竞争观点反映其在 OpenAI 的角色。

被问及编程是否会大规模自动化时，Embiricos 说语言模型在编程方面已经有用，但他质疑一个职业自动化究竟意味着什么。他将这一变化与高级编程语言相比：一些任务改变了，而软件需求也增长了。这一历史类比不能确定未来就业情况。

Embiricos 预测，尽管角色会变化，未来五年将有更多人构建软件。他描述了人才技能栈的压缩，工程师会更广泛地处理前端和后端任务。这是他的预测，不是经过测量的就业预估，也不是对个人工作的保证。

他开玩笑说可能不需要产品经理，随后解释这一角色很难定义，能力强的工程或设计领导者也能承担。产品经理可以退一步观察、预判问题、与市场团队协调并提高质量。他说这一角色可能有用，尤其是团队壮大之后。

Stebbings 问及人类打字和验证是高级 AI 瓶颈的说法。Embiricos 澄清瓶颈不止一个，并说这种表述有意引发讨论。他的意思是，人们必须决定询问什么、提供上下文并评估工作，而这些本身需要时间。

他说一些工程师让智能体持续运行，并描述 Codex 的使用频率为每天数十次。他设想 AI 最终会更频繁地提供帮助，但受计算预算限制。使用情况是他的公司叙述，远高于此的未来数字是愿景，并非经过测量的结果。

Embiricos 希望 AI 辅助能减少不热衷编写提示词的人所需付出的精力。他设想系统理解上下文并提供帮助，无需用户不断识别每个机会。这是一项产品愿景；访谈没有证明当前系统拥有足够的上下文、可靠性或权限来实现它。

他区分有针对性的企业工作流自动化，与向个人提供可探索的灵活工具。他说自己正在招聘前向部署工程师，但认为单靠自上而下的项目可能错过一线员工了解的机会。他的立场反映 OpenAI 的产品策略，也没有排除专业部署支持。

Embiricos 称赞 Claude Code 早期让人们在终端试验，并在不同情境中使用通用工具的方式。他认为，在公司将特定工作流产品化之前，这种开放探索阶段可以揭示有用应用。他的竞争评价是个人观点，并非独立的产品质量比较。

Stebbings 指出，开放式工具仍要求用户决定要做什么。Embiricos 提出三个阶段：编程智能体、愿意试验的人更广泛地使用计算机，以及开箱即用的封装功能。他预计数月内快速推进，但这些阶段和时间是预测，而非经过核实的路线图。

Stebbings 以企业安全、权限和集成为由质疑个人优先方式。Embiricos 同意，大型端到端自动化项目可能需要前向部署工程师，也必须跨越真实的安全和合规障碍。他认为，同时给员工提供工具可以帮助他们理解并影响自动化的使用方式。

他对比了一名没有 AI 经验就遇到自动化的客服人员，与一名已经使用过助手的人。在他看来，后者可能更有条件理解和影响变化。这是关于赋权的假设，不能证明每次部署都会提高员工控制权或工作保障。

Embiricos 说工作最终通过浏览器或本地应用到达用户，并将 OpenAI 对浏览器的兴趣描述为智能体辅助的一条可能路径。他说公司旨在为企业提供安全的智能体浏览。访谈没有提供独立安全评估，也没有证明本地访问能免除权限和数据保护要求。

被问及推理速度和 Cerebras 合作时，Embiricos 说响应速度对开发者很重要。他预计竞争压力会带来多种选择，而非推理垄断，并提到即将公布合作消息，但没有给出条款。他对市场的看法是观点，不是对特定部署的确认。

他说模型效率和推理调整提高了速度，引用近期变化后 API 服务约快 40%、Codex 服务约快 25% 的数字。这些来自 OpenAI 的叙述，访谈没有提供工作负载、基线或独立基准。实际延迟可能因模型和任务而异。

Stebbings 提出推理支出可能替代销售和营销。Embiricos 不同意这些职能会消失：随着更多软件争夺注意力，理解客户、建立关系和触达用户可能更困难。这是他的商业判断，并非有行业数据支持的人员预测。

被问及多少内部代码由 Codex 生成时，Embiricos 说他没有百分比，但认为自己认识的团队成员大多已不再经常打开编辑器，且大量代码由 AI 编写。这些是 OpenAI 产品负责人的观察，并非经过审计的全公司测量。

他描述了 GPT-5.2 Codex 前后从短时交互辅助转向委派更长任务的变化。按他的说法，人可以先确认计划或需求说明，再让智能体工作，自己去处理其他事。他说 Codex 应用旨在让管理多个此类任务更容易；访谈没有独立测试任务成功率。

谈到集成开发环境是否会继续存在，Embiricos 说这个术语范围很广，但他将传统 IDE 描述为强大的编辑器。他说当时 Codex 应用有意强调委派和审查，而非内置文本编辑。这是录制时的产品描述，并非对未来功能的保证。

随着更多代码工作被委派，Embiricos 认为需求说明和计划变得更重要。他介绍一种计划模式：智能体提出方案并征求意见，类似新员工提交征求意见稿。实施前审查意图可以更早发现分歧，但不能替代验证。

他提出维护者必须审查低质量 AI 生成拉取请求的问题。Embiricos 说 Codex 可以审查自己的改动，OpenAI 的大量代码也会由 Codex 自动审查。他称模型经过训练以提供高信号反馈，但没有提供独立验证的误报、漏报或安全错误率。

Stebbings 问用户可以更换供应商时，编程工具有多大的黏性。Embiricos 说 OpenAI 将核心框架开源，并支持以 AGENTS.md 作为项目指令约定。他认为共同约定可以使切换更容易；访谈没有独立核实他对其他供应商采用情况的说法。

他还讨论共享技能，以及存放指令和脚本的中立位置。他的类比是：编程任务可以从供应商中立的指令开始，以 Git 中的补丁结束，因此相对可移植。具体工具是否支持约定以及工作流的可移植程度可能不同；他的叙述反映录制时期。

Embiricos 预测，智能体连接问题跟踪、文档和其他系统后会更具黏性。他说企业在授予此类访问权限前需要控制和沙箱。这些是他预期集成重要的原因，不是特定沙箱能够完全保护或转换成本必然上升的证据。

Stebbings 追问留存，以及 OpenAI 为何向竞争对手提供模型。Embiricos 说公司使命和长期策略包括分发模型能力，同时 Codex 团队也希望构建成功产品。他认为即使竞争对手代码封闭，观察其想法仍有帮助；这是他对 OpenAI 策略的理解。

Embiricos 认为 ChatGPT 的分销、获得 OpenAI 模型的能力以及共同开发模型和产品的能力是优势。在公司层面，他认为计算资源和模型能力重要；在产品层面，他强调执行及创造人们愿意使用的产品。这些是竞争市场参与者的说法。

他说个人熟练使用可以支持采用，但企业市场拓展仍需要教育、配置及与开发者体验负责人协调。他的观点结合了自下而上的使用与有组织的部署。这不能证明任何一种方式能免除控制、培训或持续评估。

被问及北极星指标时，Embiricos 说团队主要追踪每周活跃用户，在此定义为提交一次对话轮次的人。Stebbings 质疑每日使用是否更合适，Embiricos 同意日活跃度可能成为更好的指标。单靠活跃度无法衡量任务质量或客户收益。

谈到 AI 界面，Embiricos 预计通过文字或语音对话会成为常见入口。他也认为高级用户需要专业图形界面，以直接检查或编辑工作。这是他的设计预测，不是单一界面适合每项任务或每个人的证据。

被问及智能体与智能体交互时，他说对人清晰的界面通常也有助于智能体。他以测试输出为例：突出失败测试，而非让日志淹没用户，可以同时帮助双方。这是设计观察，并非智能体之间的工作流不需要人工监督的证明。

谈到训练数据，Embiricos 说他的印象是 OpenAI 拥有足够的编程数据来构建强模型，并将详细问题交由研究团队回答。他认为知识工作轨迹更难获取，并提出付费模拟或其他来源作为可能方法。这些是研究想法，并非披露特定收购或数据使用做法。

他说大规模数据收集可能需要外部供应商，因为内部组织需要时间。对话没有披露个别供应商合同、数据来源、同意安排或支出。他的叙述解释了运营取舍，并不能确定任何特定数据集的质量或合法性。

被问及 Codex 是否会与消费级构建工具竞争时，Embiricos 说当时产品并非在所有方面都直接竞争，但随着技术经验较少的人构建简单项目，他预计会有重叠。他提到免费或较低价格的 ChatGPT 方案可获得部分 Codex 访问。这是针对当时产品的说法和竞争预测，不是当前功能保证。

Embiricos 说团队感受到市场势头的变化。他将早期云智能体发布描述为有吸引力但不如后续版本好用的想法，随后团队转向交互式编程。他引用近似增长数字和对后续发布的正面反馈；这些是 OpenAI 的说法，没有独立留存或使用数据。

他希望团队重新加强云端和本地工作的集成。他的理由是，人们熟练使用交互工具后，可能更容易委派自主工作。这是产品假设，并不能证明每个用户或企业都会遵循同样的采用路径。

Embiricos 说生成代码正变得更容易，但判断是否做了正确的事以及质量是否足够仍然困难。他设想智能体最终负责一个边界明确的系统，并在没有人工审查的情况下完成反馈循环。他明确说这在智能、安全和控制方面都很困难；这是未来目标，并非已展示的保证。

谈到基准和评估，他说它们能提供有关模型能力的有用信息，尤其在测试尚未饱和时，但应结合实际使用模型的体验。他承认这种体验中的主观印象很重要。访谈没有提供基准分数或独立比较。

被问及最终市场结构时，Embiricos 预测少数通用助手可能获取大量价值，并由专业界面补充。他认为人们可能更喜欢在一个地方询问多种需求。这是 OpenAI 产品负责人的预测，该公司在通用助手方面有商业利益。

他以 Dropbox 和 Slack 为例解释参与系统：即使直接在文件上评论可能更精确，人们仍经常在已有对话的地方讨论文档。他预计广泛使用的助手也可能成为工作中心。这是他的经验类比，并非市场将整合的证据。

Stebbings 问 AI 是否威胁成熟软件。Embiricos 说拥有重要客户关系或记录系统的公司可能保持持久性，而他更担心缺乏差异化的连接层。他说自己不是投资专家；他的框架是观点，并非对特定股票的估值或预测。

Embiricos 说产品构建变得容易后，创始人对客户、分销和市场的理解可能更重要。被问及哪些投资不受模型供应商威胁时，他说很难知道。Stebbings 提出实体基础设施和复杂金融关系；Embiricos 同意这类专业领域市场可能仍有吸引力。

谈到招聘，Embiricos 说即使知名公司也面临激烈人才竞争。他重新解释此前关于产品经理的玩笑，澄清仍需要产品人员，但他认为匹配度很重要，不合适可能有害。他的评论是招聘偏好，并非整个劳动力市场的证据。

对于计算机科学学生，他建议构建并分享能展示主动性和判断力的高质量项目。他认为 AI 可以帮助新人更快理解复杂代码库，同时承认获得工作是另一项挑战。他的乐观和职业建议不保证就业，也不能预测每个工程岗位的需求。

Embiricos 说，从 Dropbox 他学到要构建人们自然愿意使用的参与系统。他比较了个人为部分任务采用的助手，与需要大量自上而下设置的部署，同时承认两种方式并不互斥。这一经验来自他的经历，而非受控比较。

被问及 Dropbox 如何重新获得增长时，他建议利用其桌面软件专长，让智能体使用人们已有的工具，随后逐步连接其他系统。这是一名前员工兼 OpenAI 产品负责人提出的主动策略想法，并非 Dropbox 计划或未来结果的证据。

Stebbings 问推理密集型企业是否应优先考虑利润率。Embiricos 预测成本会下降，并认为连接工作系统可能形成黏性，因此他认为一场竞赛中牺牲一些近期利润率可能合理。这些是不确定的预测和商业偏好，并非任何产品将达到可持续利润率的证据。

在快问快答中，Embiricos 说自己曾错误地预期以屏幕共享、视频和音频为主的智能体交互会快得多。他观察到基于编程的计算机交互发展与预期不同。他的事后观点不能确定未来哪种交互方式会占主导。

他称赞 Amp 和 Sourcegraph 贡献者在产品及通用智能体指令方面的工作，并描述了推动标准化的社区互动。他的叙述反映个人参与，并非对生态采用情况的独立调查。他也从雇主视角解读竞争对手广告及 OpenAI 的回应。

Embiricos 回忆 Codex Cloud 曾向付费订阅者提供实际上不限量的使用，后来引入限制引发批评。他说推迟决定使改变用户预期更困难。他对受影响用户和反应规模的描述是个人叙述，并非披露的客户分析。

他预测，五年后某些团队可能会觉得手动编辑代码和管理部分部署很不寻常。他描述了一个具有确定性防护和回滚控制的假设性 AI 管理技术栈，同时明确表示该技术栈尚不存在。不能将预测误认为当前的自主部署能力。

被问及谁应提供防护措施时，Embiricos 预计模型供应商和第三方都会参与。他介绍 OpenAI 在操作系统沙箱和连接器控制方面的工作，同时承认公司提供的措施可能不足以满足每家企业。他与竞争对手的比较是公司说法，并非独立安全认证。

Embiricos 最后希望 AI 工具无需专业知识，也能帮助科技行业之外的人，包括年长家人。他设想智能体在家庭群聊中提供帮助。这是个人产品愿景，访谈没有解决可用性、隐私、安全和实际效用问题。