原视频链接：【我们所熟知的编码时代即将终结 OpenAI Codex负责人】https://mr.baidu.com/r/1S0NXtBHKjm?f=cp&rs=2480932243&ruk=QQ5FpguV1-bpIrZN8lPQEw&u=326a471b010c478b

特别感谢：web3天空之城

2月5日，Codex 5.3（闭源）上线。

尽管我很羞耻我没用过它，但我的许多资金充足的朋友们，给了我许多用后感：特别适用于企业级agent综合建设、swarm群体智能基础提升以及大型代码库的系统性重构。在常规复杂流程的开发上，基于我三年来对GPT3.0~5.2的LLM训练机理的学习认知，也应该不逊于我们在用的cursor。

因为Cursor相比之下虽然有了源生的composer，但毕竟曾早期委身于claude 3.5 sonnet——护城河（moat）还不够深。

在agentic模型大行其道的2026年，大模型牛到一定阶段的时候，肯定会挤占套壳产品的空间，甚至夺舍了产品，这是业内的一种潜规则。由此，美国市场一些人预测，Claude干掉Cursor、特别是sonnnet4.6价格1M 上下文并开启平民化1/5的价格折让后，是迟早的事。

这次有幸看到对于codex的产品经理Alex（ Alexander Embiricos）的采访，金句不断，笔者总结了一些个人心得。全视频一个多小时，很抱歉我忽略掉了前4分半钟的一些客套话、以及后10分钟对于dropbox的片汤儿话。

聚焦在四个字上：产品思维。

由于原视频语速较快且内容抽象，又为了原汁原味重现硅谷人的语境，所以故意在中文文字上补充了很多英文原文以方便道友们的文字核对（还在括号内赘述了一些个人心得）。道友们的批评和修正是我分享的动力。

正如Alex所说，our job is the distribution of intellligence。

第零 关于驱动力

主持人：作为PM，你打磨产品的驱动力motivation，你想，你仔细想想，你内心的第一优先，究竟是害怕失败呢、还是期待成功？

已经在顶级大公司的Alex开始凡尔赛：我是最大化主义者maximalist，所以肯定我一有成功的好点子就会很想去做，而不是因为害怕失败。

但是，我曾经做过一个初创公司，那时我真是一直在苦思冥想着避免失败，后来才明白为什么我那时不开心了。创业而不开心、不会打成功鸡血，这可能是我的初创公司搞不好的原因（但产品经理其实，骨子里要乐观，现实上要悲观，尤其是当下。）

第一 关于分工

支持人：AI来了，程序员会越多还是越少？

Alex：我们肯定会发现builder越来越多（不一定是会写代码的程序员），而且一说到工程师，肯定是全栈了full stack。以后，传统产品经理PM会成为老登，前端和后端分工不再，谁都可以是PM、可以当团队最棒的拉拉队长和质量提升者cheerleader and quality raiser。而FDE（frontier deployment engineer），即AI前端部署工程师，正在成为一个火热的职业。这类人需要既懂AI又要懂业务，能够从需求场景出发，利用LLM逆向工程，让项目落地。

第二 关于代码能力

主持人：你说过，谁打字速度快以及谁验证能力强human writing and validation，谁就更会写代码，而跟具体会不会Java关系不大。但以上两点，恰恰会成为AI能大行其道的bottleneck。为什么？

Alex：现在正常的程序员或其他用户每日会用30次AI工具、且希望AI工具在一天20-24小时内都有输出。预测，未来的程序员和其他用户（基于更流行的skills和MCP），其实对于LLM的调用会高达每日上万次。所以，人和人打字速度和验证能力的不同，一定是要分出高下了。（也就是说，其实写代码好的人，还是少数）因此，AI未来的世界最好是，干什么事都首先想到去找AI，而AI一定能帮到你。那时，打字速度和验证能力就不重要了。（这是AGI，离此还很远。）

第三 关于泛化能力

Alex：Codex正在让agentic模型不要太局限于某个特定目的，而是更泛化。为此：

1）要致力于让agent把写代码和代码工程的基本功保持好——而恰好LLMs作为agent的底座，就善于为写好代码服务agents work very well on software for coding and engineering because LLMs happen to good at it.

2）要意识到让agent更泛化，就要化繁为简——agents始终实质上是个能编程的agent而不是别的什么高大上。所以一个agent使用计算机的最佳方式，就是写好代码coding is the best way for an agent to use computer.

3）把agent的基本能力做好了，就可以把具体的应用更泛化，让无穷多想创新和试错的碳基人去创造和定制化take this super flexible idea，but to anyone who is excited to explore and tinker。

第四 关于企业级数据安全

主持人：对于一个大企业来说，Data Access security是绝对关键的、从而会成为限制企业从头起步强推AI的障碍（huddles）。这时候需要一个FDE来做架构，对的。因为，没哪个企业敢于让openclaw这样的agent随便去改来改去。

Alex：不要自上而下地去做（top down），可以自下而上地、把agent交给具体干活儿的人，AI会开启一个AI如何助人的脑洞计划，并同时嵌入到工作流中 give agent to people actually doing the work，AI can start to get a mental model for how AI can help，and then AI can start pulling AI into their workflows at the same time。（在美国，这样的平替速度会非常快。在国内，民营企业也会快；体制内，其实难。）

第五 关于工作流

Alex：归根结底，every tools，every feature，every workflow are for people who is somewhere，这都是给人用的（企业过去给许多人发工资是必要的支出。但AI来了，这些人要么被AI平替，要么劳动生产率大幅度提高），而对于这一堆软件、一堆浏览器和一堆workflow而言，AI显然可以把这一堆目标明确、流程固定、人执行不完美的玩意儿逐渐优化到成本最低。为此，CODEX准备了atlas，为企业提供一种safetest agentic browsing的用户体验。

这其实是一个tightly controlled end-to-end browser。（可以预测，随着Peter Steinberger加盟openai，在agent直接访问操作系统、访问跨平台账户的步子上，会迈得更快。）

第六 Delegating model来了

主持人：写代码的速度究竟有多么重要？

Alex：太重要了the simple answer is it's super important。gpt 5.3 codex来了：instead of pairing with AI where AIs do minor things (人和AI结对编程，人为主AI为辅)，在Delegating model下，人把规则（plan）和规格（spec）写好，其他AI都代理了！

最近发布的新app，就是一种符合人类工程学（ergonomic）的设计，可以去同时delegating multiple agent at once。codex本身就是一个开发环境（IDE），review代码也行，甚至text editting（文本编辑器）也被去掉了！（Alex其实在暗示，Codex拥有inference monopoly的能力，比如在最近的一次APP优化上，inference被提速了40%。提速的关键是基于三个基本点：hardware，how you do inference，and model level。而未来只有少数LLM实际上拥有这个能力）

第七 关于销售团队

主持人：美国AI公司有一个认同，未来什么样的AI公司（我理解是企业级应用）赚钱？答案是能给企业卖推理的公司（能自动化做销售策略）。企业级用户甲方会因为你的AI能推理而优化掉很多的sales和marketing人员，因为他们会付推理的钱而不是继续负担庞大的销售团队——而你作为乙方就能赚大钱，这是一个新的PLG（产品驱动型增长），对此Alex怎么看？

Alex：既然以后人人都能build自己的agent，则和客户搞好关系并理解他们具体要什么，对于销售人员来说就比以前，难太多太多了。因为，每个公司都在提供类似的AI，你选哪个稳赢？这时，做一个好产品building the right thing and having the real high quality thing、比把销售团队运营好，更重要。

第八 如何review代码

主持人：AI负责内部代码审核吗is AI responsible for internal coding reviews？

Alex：

1）首先，重视spec和plan，你要把需求的规格和计划都搞清楚the spec and the plan you wanna do is MORE important than ever. 所以，Codex最近ship（ship这个词儿，相对于navigation，cool）了一个 plan mode,会事先审查你的计划review of the plan（trae会和你聊天，而qoder会interview你），如同一个新的同事来和你聊“曾经是你写的、但他从未看过的代码”；

2）其次，在实际的代码review阶段，要防止开源AI-slop（垃圾），因为people will just be submitting PRs（提交代码）to open source repos and, they are trash. 所以，Codex要自己review自己的PR和change。在这方面，Codex下了真功夫来训练这个model，让他擅长此术。训练上，codex确保creating high signal feedback，and will have few false positives of criticism （这是openAI首先提出PPO之后，在SSRL上继续针对value function的评价算法做了提升，swarm agent）

3）所有的openAI的代码，都是Codex来review的。甚至许多用户，用Codex来review其他竞品公司的LLM。

第九 如何关于客户的留存率和黏性？

Alex：通过反直觉方式（counterintuition），开放式地建立用户体验，让用户很方便地切换。（一切都是不要给用户设置限制，让用户在不写代码、而是调用其他工具时，非常中性非常方便。所以，用户至上、一切让用户方便，就是提高用户粘性的前提。）

1）首先，Codex的核心框架（core harness）是开源的；

2）其次，总是让用户在不同model下的切换，变得更容易make it easier for customers to switch；

3）再次，做了很多中性化的工作。比如开源时写了一个中性的约定（convention）叫做agent.md，而没有叫codex.md，用于推动skills（standard for giving instructions and scripts）的发展的文件也被放在中性化的目录里。codex自己去codex化！一切都是为了make it easier for people to try different things。

4）再次，如果agent开始做非代码工作、或者更通用的工作，尤其是和不同的系统进行接口对接，那就具备了sticky的特质了。因为，这些链接的决定，都是sticky decision。

Alex强调：让一个企业，真正信任一个具有secure guardrail、sandbox和控制措施的agent，那是非常重要的。因为Codex意识到了，一旦企业信任你了，就会all-in你，就这一次（而不会是多次）。所以，为了安全起见我们使用了最保守的沙箱机制，有点像a set of controls、并且是OS-level的controls，用于规范agent能做什么不能做什么。

第十 如何看待竞争？

Alex：的确我们是在经营一家企业，但更重要的是，我们的使命是safely deliver the benefit of AGI to all humanity，所以大多数观众可能不容易理解：我们构建大模型、哪怕是我们的竞争对手来用都行。

主持人怼：这对于我一个投资人来说，是太不理解了。

Alex：openAI是一个看长远的公司，如果能从竞争对手那里学到东西，值。 if competitions gets better, we learn. It's actually helpful. 比如最近发现一个竞争对手说，希望搞一个agent working in the cloud at the same time working locally，这对于对手的我而言就非常inspiring。这说明，我们都殊途同归、达成相同的结论，然后一起building things out。重要的是，我们pushing open standard for everybody.（这使命够大、胸襟够高啊。是君子要有和而不同的大心灵，要有山海寻梦、不觉其远的毅力）。

第十一 什么是致胜因素？

主持人：GTM（go-to-market），incredible brand, product execution, just Codex being an awesome product, or compute, inference, speed, actual compute advantage, 哪一个是defining winner呢？

Alex：

1）从公司角度看，是compute advantage in having the best models. in order to achieve that, we need to build business models to generate revenue. （用最好的大模型产生算力优势，然后用这个优势建立商业模式去赚钱）。公司内还要引入交叉团队，互相给大模型施加压力，加速大模型越来越好。

2）从产品经理角度上说，仍然是做最好的客户愿意用的产品。这一点，Alex建议反直觉的产品思维，就是把产品给直接c端用户、让c端用户推动b的工作流改变——而不是直接给b，让b影响c。

3）从商业角度看，是GTM。openAI有惨痛的教训，就是到一个企业去说，用我们的软件吧用我们的软件吧feel free to use，这行不通，因为需要进行大量的教育工作、大量的configuration支持工作、大量的针对更大团队的教育，这种模式像是上门推销，行不通。

第十二 成功指标是什么？

主持人：what is the metric that you use as the defining North Star for your progression?

Alex：revenue is not the primary, the primary is Active Users. 

第十三 如何衡量活跃用户，DAU吗？

Alex：是用WAU（周活跃），当周是否用户在Codex里完成了一个操作actually do a turn in our product，比如 did he send a prompt？

主持人：WAU是一个足够频繁的指标吗？比如要是取代IDE，难道DAU不是更好吗？

Alex：的确应该接受批评，用DAU会更好，而今年就能看到的下一阶段：一有需求first instinct就和ChatGPT聊，something will happen that helps you，而不仅仅是DAU了。即使是一个不完整的任务、即使是任务的一小部分，大模型都会有求必应。

第十四 关于入口

主持人：你提到了chat interface，因为这对于大忙人来说，显然是incredibly effcient input function。所以，有人说这种入口是给奥特曼和马斯克的，因为他们就是忙人。但对于地球上大多数人而言，他们要的是brower-based discovery interactions. 你认为聊天会是下一波的持久入口吗？

Alex：显然是，因为simple is usually right。

1）对于大众而言，科幻小说讲过，一个好的沟通方式是一个你可以随心所欲、无所顾忌地和她交流的entity，所以chat and voice are the pillar for everthing；

2）对于power user而言，他喜欢自己搞定任何事情，不想被别人打断。这时候，要将chat和适合这些人群的定制化工具比如图形界面，配对在一起（对许多agent产品而言，chat和定制化工具捆绑一起，是个好主意啊）

第十五 关于agent to agent 以及如何设计其中的用户体验，比如大企业里，冗长而昂贵的审批流。

Alex：the best interfaces for Codex to do work are also tend to be the best inferfaces for humans. 如果有人问：我的代码库如何能让agent更高效地使用？答案是，你自己看过你的代码库吗？你和别人都会觉得好用吗？how can I make my code base more efficient for the agent to work with? the answer is: have you looked at it and is it easy for a human to work with? 所以，agent-to-agent交互点可能在于，if there was a human in the loop，and that's nice because it means you can atomically replace individual systems（先想想真人的感受、能不能成为一个交互闭环；如果是，你就可以原子化地、一点一点地替换单个系统了。）

第十六 如何看待代码数据模式coding data mode（让AI自己写代码，作为训练数据）

Alex：我们目前已拥有足够的数据来构建特别棒的编程模型。关于knowledge work tasks（不能从互联网上获取的data），诸如雇人来写代码以重现写代码的轨迹（trajectories）、或者收购已经停业的有大量data的公司，这些data的确对于大模型进行brainstorming有帮助，能让大模型学习到更多，但这些都比让大模型自己写代码，贵。也就是说，要创建data that do not actually exist（这也是2025年SSRL以及群体智能模式逐渐盛行之后，各LLM的一项重要的工作）

第十七 如何看待数据提供商

主持人：是花大钱去找比如MCcores（？）、图灵Turing、隐形Invisibles......还是自己获取？

不差钱的Alex：我们思考这类问题的方式总是，how do we move as quickly as possible？所以，如果setting this things in-house is expensive because we are a small team，那就把自己的公司做小，然后把这类工作花钱去外包给别人（这一点，选择尽可能少的人自己做核心的、而尽可能把非核心的都外包出去——能把这个尺度把握好，这绝对值得很多初创团队学习啊）。

第十八 市场定位

主持人：Codex会考虑在一两年间，在低端消费者市场，与Lovable（最著名的vibe coding倡导者）和Rapid竞争吗？

Alex：虽然目前没有直接的大冲突，但你看到了我们在super bowl上的广告了吧（you can just  build things，你尽管放手去创造），我们意识到很多没有代码背景的用户people who are less-technical也开始有想法了start to build things，所以，我们开始在免费ChaGPT套餐里提供通俗版Codex代码能力了bring hello-wordy availability to everyone 。这样，肯定会有重叠竞争了。

原图来自新浪科技（ID:techsina）致谢郑峻

第十九 关于2.5日发布后的成功和遗憾

Alex回忆：过去几周，很精彩啊......

主持人提示：我对你说过去几周，感同受身啊。团队是否感受到了市场势头的风向转变——既有从好到坏的转变也有从坏到好的变化呢？does the team feel the changing winds of momentum, both in positive and negative cycles?

Alex：太对了，我们对此非常警觉。

1）去年我们给了用户第一个惊喜，就是agent能在云端有自己的计算机了hey，we are gonna give the agent its own computer in cloud（sandbox in cloud，后被Manus用出了精彩），你便可以让云端一大批agent并行地为你同时工作。这是个super good idea，但它的效果不如我们后来发布的版本。

2）第二就是到了八月，随着GPT5的推出，我们开始强推交互式coding，而这时市场上竞争最激烈的领域。（interactive coding，其实就是pairing coding，也叫结对编程。只是不同LLM特点在交互细节上，此前的问答式流程占据全部，而后来有了interview或者plan或者各种基于代码可验证可review的交互设计和记忆能力）Codex8月份到12月份，取得了20-40倍的增长率。

3）但是上周我们发布了5.3之后，我们曾觉得我们特别NB，但结果我们收到的反馈却是速度变慢了、编程不再好玩儿了、工作中的沟通也不灵光了......我们随后解决了这些问题反馈。甚至还有，其他大模型（当然是anthropic的Claude Opus 4.6了。Claude Opus 4.6 发布的时间是：2月5日晚上 6:40 PM（美国时间）。GPT-5.3 Codex 发布的时间是：晚上 7:00 PM。正好20 分钟）当时比我们居然早了20分钟发布，让我们感觉他们比我们早了20分钟的SOTA（世界领先），这可真刺激。

目前看，我们让用户最满意的设计是IDE扩展，而我们的CLI（即命令行界面）则打磨得不够，但这些仍让市场反响热烈，然后我们就投了超级碗广告，然后加挂免费套餐。

所以，我最想做的第一件事还是关于云，去年我们把战略从构建云生态、让用户用云agent写代码，转到了交互式办公（interactive coding）。原因很简单，如果你在最终用户对工具还不熟悉、且无法简单搞定它之前就过度地深入到工作流自动化，那么就会出现体验脱节，这样的脱节，对于power user来说还过得去，但对于大多数用户来说，用户体验就很差了。

所以，先让用户在交互式编程中，熟悉配置提高用户体验，那再跨一步上一个台阶到云，这个步子就不是很大一步了。

所以，现在到了重新考虑建立云上agent、并使其与本地产品紧密集成的时候了（claude在这个产品思维点上，是所有LLM里最早实现agent本地化优先战略的公司，而那时大多数LLM都是先考虑云。也许这个原因就是claude最先在企业级应用里独占鳌头的原因之一吧。）

我想做的第二件事是对于瓶颈的思考，比如现在从0到1写代码已经很容易，但如何review代码？如何知道我们写的代码是正确的?

这些就是瓶颈，并且至今还没有得到足够的重视和投入under appreciated and under invested in。

我希望看到一个代理无瓶颈的世界，你可以信任整个微系统或者其内部工具或其他看不见的东东，并能在无人审核的情况下独立完成“代码-提交-反馈”的闭环full iterative loop including feedback from users without having to go through human review（但这个世界如果没有强有力的guardrail，那就是一个可怕的天网了）

第二十 关于LLM基准测试和评估，主持人问你信多少how much weight should be put on benchmark and evals？

Alex：我会给你一个恼人的答案。基准测试和评估，貌似能在很大程度上很好地评价LLM的智商如何，所以你就信了基准测试和评估、尤其是在评估参数饱和之前especially before evals are saturated（也就是数据一直在改善或者变差，而不是几乎不动），会让你觉得非常有帮助。

但后面，你就必须把这种自嗨、和真正客户的使用感觉放在一起看了。而这下子，就成了vibe things了（仁者见仁智者见智了）。比如我自己，无论是内部讨论还是和用户交流，我总是惊讶于我说我的评价、客户说客户的感受，全是跟着感觉走了 i am always surprised by how vibe-based the evaluation of how it feels to work with the model is 。

第二十一 关于分食市场

主持人：终极状态下，大部分是像Uber和Lyft全垄断吗？或者是大部分市场由Codex和claude code双雄瓜分？还是像AWS（亚马逊）、Azure（微软）和google cloud三足鼎立呢？

Alex预测：最终是更少数的LLM提供者占有大量有价值客户（程序员或者想写代码的非程序员）end up with fewer providers that are capturing a lot of value.

原因在于：目前我们处于大模型都特别善于写代码的阶段。而过去曾预测除了写代码、其他领域也会通吃，但其实直到去年，这种乐观预测也没发生。所以，现在只有写代码这一项被市场认可了we only have PMF（Product Market Fit） in coding ，此外只有一些其他非常小众赛道比如customer support也算成功。

但我认为这是暂时的，因为智能体最终会无所不能。就像一个超级助理（her），你的程序员无论跟her聊什么事，都有一个UI界面下面碰巧有他想要的具体功能。

所以，你的程序员肯定不会希望跟一大堆her同时聊天对吧？最后也搞不清谁是谁了，谁也不可能流畅地自动为他做事了won't pull automation into their roles。但如果能和一个her去聊任何事，程序员的入职仪式就是去和her聊大天，就这么简单。if have one thing you can talk about anything，your onboarding is just like go talk to this thing about anything you need.

随着程序员们的互相交换心得，就会形成一种吸引力（gravity），欲罢不能。（所以，一个产品爆款的前提，就是能产生自发的、裂变式分享的gravity）

第二十二 LLM来了，SAAS会死吗 

Alex：事在人为，物为人生things are built for humans，否则人们干嘛呢？所以，既然SAAS也是为人而生，那么这个SAAS公司是否从服务端和另一端的人之间建立了某种紧密关系？如果是，那么猜它就不会死。

或者，这个SAAS公司是否拥有某种重要的记录系统（客户足迹、客户画像、日志、轨迹），那也不会死。the interaction of the human and the system of the record are like more important than ever. （交互数据留下来了，也是数据资产）。

但是，加入这个SAAS公司有只一种客户粘合层（看上去用户用得挺欢），但前两个能力都没有，那我就会替他担心了。

第二十三 站在LLM专家的视角，还有什么领域值得投资

Alex：对于投资人来说现在是个难选时刻，因为市场变化太快so dynamic。

主持人：基础建设如能源，金融产品及银行整合fintech and banking integration，也许是。即：一个领域，这个领域是gnarly complicated market where customer relationships and knowledge of the market are everthing.

第二十四 关于人才争夺

Alex：即便是像OpenAI这样的品牌里，you couldn’t get anyone you want for free. The war for talent is fierce. 但是，在选人上宁缺毋滥，要寻找perfect fit的人，if you don't select someone who is the perfect fit, they might do more harm than good.

第二十五 关于CS年轻人

Alex自嗨道：CS正在最好的时候，因为你现在有难以置信的工具来完成难以置信的工作量Basically there's never been a better time to be an engineer because you have incredible tooling avaiable to you to get an incredible amount done.

你上手一个复杂代码库的能力也从未如此之快、因为你可以去问AI老大一堆具体问题、可以让AI去秒规划以前需要花几天的代码改写方案Your ability to ramp into a complex code base that you might be hired into has never been faster because you can go ask AI like a ton of questions about the code base and you can ask it to plan out changes that would other wise take you days to research。

所以，对CS年轻人来说首先要乐观向上，并对你上岗后的能力乐观向上，然后的问题只是......你如何才能得到这份工作?

要知道现在写代码太容易了，所以稀缺的东西（对考官而言）就是主观能动性、产品品味和质量驾驭能力agency，taste and quality。因此，我会敦促CS年轻人的你们，就去写就去展示，展示你们的自主能力、产品品味和工作质量，然后分享给别人。如果有人给我分享一个他build的有趣的产品链接，我会觉得比分享给我简历，更有意思。