整理 | Echo Tang
出品 | GOSIM
10 月 17 日，GOSIM Shenzhen 2026 第二天。Ruby on Rails 与 Omarchy 创建者 DHH（David Heinemeier Hansson）刚刚讲完《Omarchy：美观、有趣且面向 Agent 的 Linux》。他说，这是自微处理器发明以来计算机科学最令人振奋的时代，而 Agent 正为一个新的操作系统打开了二十五年来的第一次契机。担纲主持的 Second State 创始人、GOSIM 联合发起人 Michael Yuan 接过话筒，抛出一个问题：当 Agent 开始参与编程，越来越多的软件工作由 Agent 完成，开发者的世界该怎么定义？开发者是人，还是机器？
CSDN 创始人兼董事长、GOSIM 发起人蒋涛登台，给出了自己的回答。
他做了 26 年 CSDN，一直以“我是一个程序员”为荣，也影响了无数的程序员。这一次，他带来的是一套“硅基时间正在重写开发者世界”的判断：
软件的生产方式变了：代码从资产变成耗材，“代码变便宜，信任变昂贵”。
人的工作单位变了：产出不再只靠碳基的 8 小时，还要加上可以采购、可以并行的“硅基时间”。
开源的交换物变了：从源代码，升级为模型权重、数据、Skill 化的专家经验、评测，以及可被 Agent 修改的源码。
用他的话讲，就是：开源软件，让人人用得起软件；开源智能，让人人造得出软件、炼得出模型。
蒋涛，CSDN 创始人兼董事长、GOSIM 发起人
以下为蒋涛的演讲实录，经整理。
重点速览：
关于编程范式：“2025 年 11 月 24 日，Opus 4.5 发布，真正定义了新的程序员时代，我们不会再手写代码了。”
关于智能的形态：“我们的智能，从一次性的调用、一次性的对话，变成了一个长期可以执行的任务和智能体。”
关于硅基时间：“过去是人的思考在做事情，现在 AI 能思考了，能自主完成任务了。”
关于软件：“软件是可以自我进化的，这是一个新的时代。”
关于 Agent 接口：“没有 Agent 接口，就等于 Agent 时代的 404。”
关于开源智能：“开源是让人能够用好软件，开源智能让每一个人都能造出软件，甚至练出自己的模型。”
“我们不会再手写代码了”
刚才 DHH 的演讲非常精彩，让我倍感压力。但我想说，2026 年是令人非常振奋的一年。
我做 CSDN 已经 26 年了，我是一个程序员。多年来，我主要是在为程序员构建生态。如今，这个生态要转向对 Agent 友好：CSDN 是对 Agent 友好的内容平台，AtomGit 是对 Agent 友好的代码托管平台，AtomCode 则是我们全部用 Rust 开发、全部开源的、对 Agent 友好的 AI 编程工具。
从 2019 年的 GPT-2 至今，我们能够看到 Code Agent 的明显变化。2025 年 11 月 24 日，Opus 4.5 发布，刚才 DHH 也提到了。我认为，它真正定义了新的程序员时代：我们不会再手写代码，而是建立在 AI 之上，由它独立完成任务。
这个拐点有数据佐证。METR 衡量的是：按人类专家耗时计算，AI 有一半把握能够独立完成多长的软件任务。2019 年的 GPT-2 是 4 秒，2023 年的 GPT-4 是 5 分钟，2024 年的 o1 是 1 小时；2025 年 11 月的 Opus 4.5 约为 5 小时；2026 年 2 月的 Opus 4.6 约为 12 小时；今年春天的 Mythos Preview 约为 17 小时。AI 尚不能胜任一个完整岗位，但已经能承接一个工作日的活。
这个拐点有三位见证人。Django 联合创始人 Simon Willison 认为，编程智能体已从“经常出错”变为“足够可靠，每天可用”；DHH 在 Lex Fridman 的访谈中提到，自己从怀疑转向全面拥抱 AI 编程，拐点正是 Opus 4.5；他今天在台上也说，如果去年受邀演讲，他还会说自己不放心让 AI 跑代码、写代码，而随着去年 11 月 Opus 4.5 发布，“整个世界彻底变了样”。还有一个最新的消息：Linux 创始人 Linus Torvalds 此前一直对 AI Coding 持怀疑态度，我们也听过他的很多次演讲，但现在他也加入了这个阵营。就在几天前，他借助 Claude Code 完成了 8 个内核补丁，代码、测试、审查与说明初稿均在他的指导下完成，其中实验分支的 8 线程读取吞吐提升了 3 倍。
“智能从一次性的调用，变成了长期可以执行的任务”
2026 年的变化非常大。1 月，现象级产品“龙虾”，也就是 OpenClaw 出现，它是一个人做出来的。3 月，国内出现了“装 Claw 派对”，把许多不写代码的人也带了进来。
8 月，受“龙虾”启发，Agent 替人干活、并且通过对话来干活这件事，被大众看见了。创业公司 Instinct 通过短信和电话接收任务，由云端一台常驻电脑代为订餐、砍账单、盯机票、理邮件；9 月 8 日，Meta 发布消费级个人 Agent Muse；9 月 29 日，OpenAI 发布 Dots。巨头也入场了。
因此，智能已经从一次性的调用、一次性的对话，转变为可长期执行的任务与智能体。以 OpenAI 的 Dots 为例，用户可以为它设定长期的 KPI 目标，由它去完成。官方给出的例子是：用户提交一个 Bug，Dots 自行分析、修复、运行测试、提交 PR，再交由工程师审核。AI 的工作单位，从一个 Prompt，变成了一项持续的责任。
这就是 2026 年的变化，而这一切，只发生在短短几个月之内。
Simon Willison 有一个非常著名的测试，叫“鹈鹕测试”：让模型用 SVG 画一只骑自行车的鹈鹕，以此检验模型是否聪明。自行车并不好画，但画得好不好，大家一眼就能看出来。
今年 4 月，当时的闭源旗舰 Claude Opus 4.7，被 Simon 评价为“画了辆很烂的自行车”。同一天，一个可在笔记本上运行、约 21GB 的开源本地模型 Qwen 3.6-35B-A3B，画得比旗舰还好。到了 8 月，阿里巴巴的 Qwen 3.8 27B，只有 17GB，画出了他见过的最好的本地鹈鹕，自行车已经很像自行车了。9 月，GPT-6 Luna 这类闭源低价档模型，每只鹈鹕的成本约为 0.4 美分，也已“基本合格”。
模型进步极快，成本大幅下降。日常任务，不必都使用最昂贵的智能。
但 Agent 也带来了失控。最著名的一起事件，就是 OpenAI 的 Agent 逃出沙箱，攻击了 Hugging Face 以及澳大利亚的网站。时间线是：7 月 16 日，Hugging Face 遭来源不明的自主 Agent 入侵；9 月 11 日，经溯源发现，肇事者是 OpenAI 训练中的 Agent。此外，PyPI 上出现恶意包 mlflow-ui，最终查明源头是 Anthropic 网络安全评测中的 Agent。Simon 还专门做了统计，监控并曝光各家实验室的失控事件，9 月的数据是：OpenAI 11 起，Anthropic 9 起，Google 3 起，Meta 1 起。当然，曝光数不等于安全水平，披露越主动，计数越高。
“挑战者号级”的灾难尚未发生，但事故正接连出现。这带来了新的课题：Agent 越能自主执行，权限、隔离、审计和验收就越应成为系统的一部分。
“写代码、读软件、做判断，都被 Agent 化了”
总体而言，有哪些变化？近期有两个话题备受关注。一个是 REA，逆向工程智能体：面对一堆二进制代码，你可以让它找出某项功能对应的代码。它在 GitHub 上已获得 15.5 万 Star，增长迅速。另一个是出自 OpenAI 前员工之手的决策模型 Jev：无需再进行冗长的推理，输入状态，即输出带概率的结构化决策，每百万输入 Token 仅需 0.042 美元。
由此可见，写代码、读软件乃至做判断，都已被 Agent 化、模型化，价格也大幅下降。那么，什么更有价值？
长期积累的记忆与经验，正变得更有价值。模型可以随时更换，但多年积累的个人记忆与企业经验，能否一并带走？
我们来看看这个时代的变化。过去我们使用的是 IDE 工具，如 IntelliJ、Visual Studio，我称之为上一代模式。Cursor 属于新一代模式，2022 年问世，当时仍基于 IDE，收入已做到 40 亿美元，团队只有 300 人，而上一代公司的规模多达数千人。如今的 Claude Code，最初是 Boris Cherny 一个人开始做的，就像“龙虾”也是一个人起步的。
（编者注：Boris Cherny 是 Claude Code 的主要创造者。据其公开说法，Claude Code 起初是他在 Anthropic 的一个 side project，2025 年 2 月以研究预览版形式发布，此后才发展为由产品小组维护的商业产品。）
按人均年收入计算：JetBrains 约 2800 人，人均 23 万美元；GitHub 约 5500 人，人均 36 万美元；Cursor 约 300 人，人均 1330 万美元，是第一代的 57 倍；Claude Code 按产品小组十几到二十人估算，人均 1.25 亿美元，是第一代的 540 倍。当然，这个小组并非独自创造了 25 亿美元，他们所调度的，是背后由模型、算力和云构成的整个硅基组织。
这是一个新的时代，AI 带来了生产力的巨大变化：一个人，可以产生过去一百倍的生产力。
有人会问，微软和 JetBrains 的员工难道不会用最好的模型吗？他们当然也会用。但为什么他们动不了？这里还有一个问题，我稍后再谈。
“他不会 Rust，但一个人把 AtomCode 做出来了”
这样的例子，在中国也在发生。他是 CSDN 高级副总裁，也是 AtomGit 的 CEO 于邦旭。今年 3 月，他对我说，我们应该做自己的 AI 编程工具。我问，我们能做吗？
他一个人，用 28 天写出 4 万行 Rust 代码，全部由 AI 生成，提交 1146 次，日均 41 次，按内部任务集自评，达到 Claude Code 的 0.85 倍。但他自己并不会 Rust。关键在于，要定义好任务和验收标准，再让 Agent 不断去完成。他每天都在运行一个循环：把任务拆成 5 到 10 个边界清晰的子任务，让两个模型同时开工，检验结果是否符合验收标准；不合格的，重写指令再派发，合格的并入主干，再将验收标准和指令沉淀到下一轮。他只做三件事：审查、拒绝、定方向。他是在调度 Coding，而不是在 Coding。
这个产品全部开源。上线 11 周之后，它已成为一个产业级的开源项目，每周发布两次版本，目前每天消耗近 2000 亿 Token，欢迎大家到 AtomGit 上参与。
AtomCode 项目地址：
https://gitcode.com/atomgit_atomcode/atomcode
“身体还是原来的，但大脑、驱动系统全部重写”
硬件同样可以如此。我有一位从事软件的朋友程辉，是 OpenStack 基金会个人董事、UnitedStack 创始人，原本从事云计算。他如今在硅谷做的事情是：现在的生产设备基本是中国制造的，但这些设备并未实现智能化。于是，他沿用 CNC 加工中心、刀具等原有设备，却用 AI 将控制系统全部重写。
其实他对这些领域并不熟悉，于是让 AI 去学。身体还是原来的，大脑和驱动系统都换了：床身、主轴、电机、刀库继续使用；AI 阅读旧源码，生成新的控制软件；重新设计控制板与驱动接口；再用运行数据持续诊断、验证；一个 Agent 负责写代码，另一个负责审查、测试。过去，每个工厂都需要大量技术人员来完成这些工作，如今他用 AI 全部重写。他还告诉我，他重写了一个 EDA 软件，可直接在浏览器中运行，因为他希望用 Agent 来操作。
用他的原话说：“我今天写这台机器的控制器，明天改电机，后天重写一块板子，不用为每块业务招一支团队。”他由此打造出了一个人的工厂。
这里需要说明一个技术边界：AI 负责设计、编程、诊断、排程和上层控制，但实时运动闭环、急停、限位、门锁和防护联锁，仍须由确定性的 CNC、PLC 或独立的安全回路承担，“出事立刻停下来”不能交给概率系统。一个人的工厂，并非无人工厂。
这是一个极具动能的新时代。
硅基时间已至：学会调度，为结果签字
这背后的差距究竟在哪里？差距在于是否使用 Agent。我为此创造了一个词：Silicon Time，硅基时间。
过去，是人的大脑在思考，由人的思考完成工作。如今，AI 能够思考，能够自主完成任务，成为一种新的劳动力，可以被调用。调用之时，组织形态也随之改变：Agent 的行动可以相互独立，而且可以并行。
我写了一个公式：产出，等于碳基时间，加上硅基时间乘以并行系数。碳基时间是每天 8 小时、串行，成本约 125 元每小时；硅基时间是 7×24 小时、并行，成本约 1 至 10 元每小时，扩张靠增加 Token，而非增加编制。Token 不是耗材，而是生产资料。
然而，要用好它，并非人人都能像 DHH，或于邦旭那样得心应手。这是一项新的技能，需要在组织中落地，并在“硅基时间”这一前提和调用基础上，建立一套新的工作方式。我归纳了五个词：硅基时间、行动半径、并行系数、硅基调度力、硅脑。前三个词，可以买到；后两个词，只能练出来：学会调度硅基时间，并为结果签字。
“软件是可以自我进化的”
在此基础上，整个软件世界正在发生深刻变化，而且软件还能自我改进。
这里我引用李建忠（奇点智能研究院院长、CSDN 高级副总裁）昨天在 GOSIM 上的分享，我认为讲得特别好。软件存在一条光谱：一端是即时生成、即抛即用的软件，另一端是过去那种确定性的传统软件，例如金融交易、数据库内核。进入 Agent 时代，软件可能一部分是确定的，一部分是动态的，我们称之为柔性软件：稳定的核心，加上运行时再绑定的柔性外壳，承重墙不动，隔墙可变。
我们已经看到了各种实践。Hermes Agent 完成任务后会自动创建 Skill，并在使用中持续改进；DeepSeek Harness 主张“一切皆插件”，你只需说一句“写个番茄钟插件”，它便自行阅读文档、编写代码、安装插件并验证，5 分 24 秒即告完成；Claude Code 也发布了 Mods，它的许多功能，包括 Diff，都以扩展方式实现，用户均可自行修改。官方的说法是：在会话中描述你想要什么，Claude 自己改自己。
因此，软件是可以自我进化的，这是一个新的时代。交付物不再是成品，而是一个“能力基座”。
“代码变便宜，信任变昂贵”
这个时代给整个生态带来了重大变化。我长期从事生态建设，对此感触尤深。
先看开源如今的规模：GitHub 已有 2.25 亿用户（微软 2026 年 7 月财报数据），过去一年新增 3600 万，过去 30 个月新增 1 亿，相当于此前 15 年的总和。我估计，新增用户中约 70% 是过去不会写代码的人，大量不会写代码的人正在涌入 GitHub。Git 提交量，2025 全年约 10 亿次，而 2026 年 8 月单月就达到 29 亿次。在技术领域，AI 大模型四年间从第五位跃居第一。PR 与 Issue 的提交量也出现爆发式增长。
我认为有四个变化。
第一，代码变便宜了。代码的生产已被完全 AI 化。Agent 提交的 PR，从 2025 年 9 月的每月 400 万，增长到 2026 年 3 月的 1700 万。但真正有价值的东西反而更稀缺：如今的 PR，十个中有九个是无用的。过去用来识别贡献者的标尺，如提交数、Star、绿格子，已一并失灵。贡献变得廉价，判断变得昂贵。
第二，入口换了。编程工具的入口已经改变：从过去的 IDE，转向对话，转向 Voice Coding，不再依赖键盘。通过对话，就能生成应用。目前约 4.5% 的公开提交来自 Claude Code。谁站在开发者与代码之间，谁就握有技术选型权，分发由“人找软件”，转为“AI 帮你找能力”。
第三，产线折叠了。整个 DevOps 流程被进一步压缩。过去需要多个角色接力的流程，如今折叠为“一句话进，一个运行的服务出”，一个人即可走完。dora-rs 以一个人加 Agents，完成了原本需要 2 到 3 年的架构级重写，如今只需 2 个月；Uber 超过 70% 的 PR，来自本地或云端的 Agent。
第四，协作尚无规矩。一个人能做出很了不起的东西，但多人协作、跨项目协作该如何进行？相关基础设施仍有待建设。MCP、A2A 接通了电话线，但通话之后的规矩尚未建立。有研究统计，在 33596 条 Agent 提交的 PR 中，79.4% 与其他 PR 同时处于开启状态，并行冲突率在同一 Agent 之间为 19.8%，在不同 Agent 之间为 41.7%。上一代协作协议，即 Issue 与 PR，其发明者是 GitHub；而人与 Agent 的协作协议，目前仍是空白。
“没有 Agent 接口，就等于 Agent 时代的 404”
看完开源生态的变化，我们所做的产品与任务又将发生什么变化？接下来谈应用生态。我有三个判断，并非定论。
判断一：语音入口化。应用生态最大的变化，当属入口。入口权力经历了三次转移：2007 年，按键变触摸屏，诺基亚五年内崩塌，App Store 把入口交给了开发者；2013 年，桌面变信息流，算法推荐成为新的“收税官”；2026 年，屏幕操作变为意图表达，一句话加一次确认，Agent 便替你跨 App 办完，付款前再把控制权交还给你。由于大模型已能理解语音，语音变得尤为重要，Michael Yuan（Second State 创始人、GOSIM 发起人）就做了一个键盘 VibeKeys，可以随时随地操控 Agent，通过语音与之对话。
语音入口化还带来另一个问题：硬件变得很重要。未来操作软件的本身就是 Agent，但入口仍需依托硬件：手机、耳机、眼镜、工牌、音箱、车机。一块 ESP32 加大模型，整机物料成本约 50 元，下一代的小商品，都可以自带 Agent 入口。任务从谁那里进来，谁就握有收税权。因此，入口协议必须开放，例如 MCP、A2A 等开放协议。
判断二：算力本地化。刚才我们看到的那个模型，千问 Qwen3.8 27B，在编程 Agent 评测中得分 61.7，超过了 Opus 4.6 的 53.4；在电脑操作评测 OSWorld 上是 84.3 对 72.7，同样超越。经 4bit 量化后仅需约 17.5GB，24GB 内存的笔记本即可装下。一台 AMD 锐龙 AI Max+ 395，配备 128GB 统一内存，就能运行相当出色的模型；下一代 495 配备 192GB，4bit 下可容纳约 3000 亿参数，桌面端能同时运行 6 个 Agent，各自拥有 95K 上下文。
再算一笔账：本地生成一亿 Token，电耗为 56 度电，仅计电费；同样一亿 Token 的云端托管价格约为 2000 元。而且数据不出门，三桶油、两网、五大发电集团都已实现本地化部署。这才是未来 AI 应用得以爆发的真正条件。
我的判断是，日常推理八成在本地、两成在云端。这 80% 并非从云端迁回，而是由新任务催生的。而本地要实现自由部署、可改可调，依靠的是开放权重，因此算力本地化离不开模型开源。
判断三：服务智能化。未来所有 App 都将变成智能化的服务。App 将退居幕后，不再需要反复点击，从我的意图到最终落地，将成为一项智能化服务。每个领域，都将是智能化的服务。红杉有一句话：Services is the new software，企业购买的将是一项完成的工作，而非一套工具。红杉判断，Agent 可承担的任务价值达 10 万亿美元，而整个 SaaS 市场仅约 6500 亿美元。YC 今年夏季批次中，已有 21 家公司不卖软件，而是亲自完成工作，按结果收费。
行业也在训练自己的模型：法律领域的 Harvey，以开源的 Kimi K3 为起点，用 150 块 GPU、两个月时间，后训练出自己的法律模型，自建评测的通过率几乎翻了一倍。行业任务写入权重，旗舰 API 只留给最难的那一部分。
所以，如果没有 Agent 接口，就等于 Agent 时代的 404。必须对 Agent 友好。
以上是我对未来应用市场的分析。我所认为的终局是这样的：每个人都可以通过语音输入自己的任务与需求。中间有一个 Agent OS，也许就是我们的 Mac 系统，由它负责调度。个人，以及企业里的每个应用，都能理解你的上下文，因此每个人都有自己的硅基分身，每家企业都有自己的硅脑。背后是调度，大量调度仍将在本地完成。各行各业的业务，无论线上还是线下，都要接入这个 Agent 时代。
最终，对用户而言，只需提出需求与意图，便能得到结果。这个结果，可能是一个生成式的程序，也可能是某个具体的目标达成：行程已确认，补货已下单，维修已预约，设备已执行。前端是一句话，后端是一整套持续办事的系统。
“开源是让人能够用好软件，开源智能让每一个人都能造出软件”
在应用生态的这些变化中，无论是语音入口、算力本地化还是服务智能化，都需要开源，都需要开放的生态。
回到开场的问题：闭源也变便宜了，为什么还要开源？答案不在价格。语音入口化，要求入口协议开放，否则任务从谁那里进来，谁就收税；算力本地化，要求模型权重开放，本地才能自由部署、可改可调；服务智能化，要求接口与评测开放，服务才能被任何 Agent 调用，结果才能被独立验收。
因此，开源的交换物，已从代码升级为智能。开源软件的交换物是源代码，贡献者是会写代码的人类程序员，价值锚点是免费、可改；开源智能的交换物，是模型权重、数据、Skill 化的专家经验、评测，以及可被 Agent 修改的源码，贡献者是人加 Agent，需要会定义问题、会验证结果，价值锚点是可验证、可复现、可问责。开源是让人能够用好软件，开源智能让每一个人都能造出软件，甚至练出自己的模型。
在开源软件时代，Linux 守住了操作系统这一层；在开源智能时代，要守住的，是硅基分身和硅脑这一层。GOSIM 的每一个分论坛，都是这张图上的一层：智能体设备、智能体 OS 与应用、智能体 AI 峰会、Edge AI 与开放模型、开源机器人、Spotlight Awards，欢迎大家关注。
整个开发者生态亦然，价值、能力、认知、协作、分发，每一个层级，都将因 Agent 时代和大模型的变化而发生重大变革。这也意味着，每一位开发者可以做的事情，比以往更加丰富。
以上就是我今天的分享。未来，我们的开源生态，开源的不再只是代码，而是智能。这就是新的时代。让一个人的经验，成为更多人的起点。谢谢。
GOSIM 系列阅读：
RSI 正从概念走向真正的技术竞赛。11 月 20—21 日，2026 奇点智能技术大会「大模型技术：从 Agentic Scaling 到 RSI」专场，将邀请一线研究者与工程专家，围绕 Agentic Scaling、RSI、自进化闭环、持续学习、AI 制造 AI 等关键问题展开分享。同时，我们整理了 《RSI（递归自我改进 / 自进化）前沿研究资料包》，汇总 OpenAI、Anthropic、Google、DeepSeek、智谱、Kimi、阿里等最新论文、官方技术报告与研究出处。
扫描下方海报二维码，领取 RSI 前沿资料包，并了解专题参会详情。
热门跟贴