范凯说 AI · 周日晚聊 第13期 - AI 公司的自我加速——当 AI 开始给自己写代码
主题：AI 公司的自我加速——当 AI 开始给自己写代码
日期：2026年3月29日
开场
大家好，这里是《范凯说 AI · 周日晚聊》，今天是第13期。
上周我们聊了一个话题：AI 编程智能体是新一代操作系统之争。这周发生了一连串的事情，让我更加确信这个判断。而且我想到了一个更深层的问题——为什么编程智能体是所有 AI 能力中最关键的那一个？
今天聊三件事：
第一，OpenAI 关闭 Sora，砍掉一切”副业”，全力押注编程和企业应用；第二，Anthropic 双重暴击——Claude 可以接管你的电脑了，还泄露了一个比 Opus 强一个量级的新模型；第三，也是本周最想聊的——当 AI 开始给自己写代码，AI 公司正在进入”递归加速”的临界点。
在正式开始之前，先补充一下上周的话题。我这周用了一下 Claude Code 的 Channel 功能，体验非常好。过去用 OpenClaw（小龙虾）的时候，如果通过 Telegram 给它下任务，它在执行长程任务时，你不知道中间发生了什么，有可能执行很长时间最后告诉你失败了。像我这种工程师出身的人，就特别希望能够监控过程、中间能够干预。而 Claude Code 的 Channel 功能恰好解决了这个问题——我既可以用 Telegram 远程下命令，又可以通过远程终端连上去看到所有详细信息。两种交互方式兼得，非常不错。
第一部分：本周 AI 新闻
新闻一：OpenAI 关闭 Sora——副业全砍，聚焦编程和企业
本周最大的新闻：3月24号，OpenAI 正式宣布关闭 Sora App。
Sora 是去年最火的 AI 视频生成工具，上线5天下载量破百万，比 ChatGPT 还快。迪士尼砸了10亿美元投资 OpenAI，把授权的漫画角色全部开放给 Sora 使用。结果半年多时间，OpenAI 自己把它关了。
Sora 为什么留不住人？
第一，版权问题。一开始用户可以随意使用任何风格做视频，后来因为版权限制越来越多，用户能做出的惊艳视频大幅减少，兴趣直线下滑。其实 Seedance（字节跳动的视频生成模型）也碰到了同样的问题——刚出来的时候特别惊艳，各种武打动作换脸视频刷屏，但这些背后都是训练了有版权的电影数据，后来被各个电影公司起诉，加上算力不足，体验也平淡了很多。
第二，太烧算力。每生成一条视频消耗的 GPU 资源是文本对话的几十倍甚至上百倍。OpenAI 自己的说法是：”每一块用在 Sora 上的 GPU，都是从编程和企业业务那边抢过来的。”编程智能体那边在快速增长，这边烧一块 GPU 就少一块，从经济上不划算。
第三，Sora 的累计收入只有140万美元。对一家估值7000多亿美元的公司来说，这个数字约等于零。
但 Sora 之死只是表面，真正的信号是 OpenAI 整体战略的大转向。
这周不止砍了 Sora，还有一连串动作：
第一，整合桌面超级 App。 把 ChatGPT、Codex 编程工具、Atlas 浏览器统一合并成一个桌面应用，不再维护分散的产品线。
第二，退出电商。 ChatGPT 里之前嵌入的购物支付功能现在完全放弃，不自己做交易，只做产品推荐。这是非常明确的 C 端战略收缩。
第三，产品部门改名为”AGI Deployment”。 目标非常明确地冲着 AGI 方向发展。
第四，全力聚焦编程智能体。 包括2月份以招聘方式收购了 OpenClaw（小龙虾）的作者 Peter Stanberger 加入 OpenAI，本质上是一次并购。
把这些信号拼在一起，结论很清楚：OpenAI 过去一年四处出击——C 端、B 端各个方向。现在它发现 Claude 已经跑到前面去了，终于意识到在 Agent 领域如果再不加把劲，很有可能会被超越。
为什么 Claude 能跑到前面？因为如果你是编程智能体的重度用户，毫无疑问最想用的是 Claude 模型。我自己的体感是：Opus 排第一，Sonnet 有一些差距但也还不错，都在水平线之上。切到 GPT 5.4 之后感觉直线下降，必须用提示词强行约束，而且上下文一长就开始变弱。所以在智能体领域，Claude 模型遥遥领先，GPT 勉强可以接受，其他的只能作为备胎。
新闻二：Anthropic 双重暴击——接管你的电脑 + 泄露下一代超级模型
说完 OpenAI 的收缩，再说 Anthropic 的扩张。这周 Anthropic 放了两个大招。
第一个大招：Claude Dispatch + Computer Use——AI 可以直接控制你的电脑了。
Claude 的桌面版应用 Cowork 新增了 Computer Use 功能，配合 Dispatch，你可以在手机上给 Claude 下命令，它就能操控你桌面上的电脑——打开浏览器、发帖、登录邮箱、打开桌面软件，所有操作全部可以完成。配置方法也非常简单，拿手机扫一下桌面上的码就行了。
我自己亲自试过。我让它打开我 Mac Studio 上的浏览器，登录 YouTube 后台。前几天我发了一个视频播放量不好，就在手机上跟它说：”你看一看我最近发的 YouTube 视频播放量怎么样。”它说播放量不好。我说那为什么不好，你给我分析一下。它一通分析后建议我改标题，说标题应该告诉读者看了这个内容能获得什么。我说好，那你直接帮我改了。它就真的打开 YouTube 后台把标题改了，然后重新提交。
这意味着什么？以前 AI 只是在聊天框里帮你，你问问题它给答案，然后你自己去执行。现在它可以直接上手干活了。这是 AI 从”顾问”变成”员工”的分水岭。当然，目前 Computer Use 的缺点是比较消耗 Token，速度也不快，但能力已经实实在在地具备了。
第二个大招：Claude Mythos 泄露——下一代超级模型意外曝光。
3月27号，Fortune 独家报道：Anthropic 官网出现了配置失误，大量内部文件被公开暴露。其中最劲爆的是一篇未发布的博客文章草稿，提到了一个新模型——Claude Mythos。
这个模型比现在的 Claude Opus 4.6 还要高一个等级，在编程、学术推理和网络安全测试上的分数大幅超越所有现有模型。据说已经有部分 Claude Code 的尝鲜用户能够使用这个模型了。
Anthropic 被问到这件事后没有否认，官方回应是：”我们正在开发一个通用模型，在推理、编程和网络安全方面有显著进步。我们认为这是我们迄今为止最强的模型。”
之所以还没有正式发布，是因为这个模型在网络安全方面的能力太强了，强到 Anthropic 自己都觉得需要谨慎。它可能帮助人们发现大量软件漏洞，被利用发起网络攻击。所以 Anthropic 计划先小范围测试，然后逐步开放，不会一次性全量上线。
把 Anthropic 这两件事放在一起看——Computer Use + Mythos——你会发现一个清晰的战略闭环：
更强的模型带来更强的编程工具，更强的编程工具产出更多更好的产品，更好的产品反过来加速自身迭代，甚至加速训练更好的模型。这是一个正向循环。
第二部分：个人感想——当 AI 开始给自己写代码
一、Anthropic 的迭代速度突然变了
有人统计了 Anthropic 的产品发布节奏，数据非常震撼：从2月1号到3月23号，短短52天，Anthropic 推出了73个产品级发布，平均一天1.4个。
举几个例子感受一下这个密度：
3月9号：Claude Code 多代理上线，一个主 Agent 可以同时指挥几个子 Agent 并行干活。
3月11号：Cowork 打通了 Excel 和 PowerPoint，桌面办公无缝对接。打通的当天，微软股票大跌。
3月12号：Voice Mode 同时在桌面端和 Cowork 上线，可以语音交互了（目前只支持英文）。
3月17到23号：Dispatch、Channel、Loop 循环拉长到7天、Computer Use 研究预览……
一周之内发了这么多东西，而且不是小修小补，每一个都是产品级的功能。回忆一下去年的节奏，大版本更新之间通常隔几周甚至一两个月。但从今年2月开始，节奏完全变了——从按月更新变成按周更新，再变成按天更新。
整个美股 B2B 软件板块因此受到冲击——2月份美国 B2B 软件板块整体下跌了8.3%。市场在重新评估：如果 AI 公司以这种速度迭代，传统软件公司还有活路吗？
那问题来了：为什么 Anthropic 突然变这么快？
二、我的判断：编程智能体的递归加速效应
我的判断是：Anthropic 的迭代加速，很可能是因为它自己的编程智能体 Claude Code 已经在深度参与 Anthropic 内部的产品开发了。 据说 Anthropic 整个公司全部都在用 Claude Code，整体提效至少在50%以上。
上周我和一位20年前的合作伙伴通了电话，他是我合作过的能力最强的程序员。过去几年他每年在 GitHub 上提交代码大约1200到1700次，平均一天4-5次。最近几个月他完全不再手写代码了，全部用编程工具。我看了一下他的 GitHub，从今年2月到3月，不到两个月的时间，他的提交次数已经接近1000次——也就是说不到两个月的工作量已经达到了他过去一整年的80%。效率提升了3-4倍。
而这个顶尖的程序员，我觉得他本身至少相当于4-5个普通程序员的水平。再乘以3-4倍的效率提升，一个人顶15个普通程序员是没有问题的。
如果 Anthropic 内部从2月开始大规模使用 Claude Code 来辅助自身产品开发，而且他们可以用上自己内部最新最强的模型，那它的产出能力理论上可以翻几倍。而这些产出反过来又在改进 Claude Code 本身——让它更强，然后再用更强的 Claude Code 来做下一版产品。
这是一个正反馈循环：AI 帮自己写代码 → 产品迭代加速 → AI 变得更强 → AI 更高效地帮自己写代码 → 产品迭代进一步加速……
这就是”递归加速”。Claude Mythos 的泄露恰好印证了这一点——Anthropic 怎么可能在这么短的时间内训练出一个比 Opus 强一个量级的模型？除了算力和数据，最重要的原因就是它的工程效率在飞速提升。用一个形象的说法——左脚踩右脚在飞升。
这就解释了为什么编程智能体是 AI 竞争的制高点。
不是因为编程工具的市场规模最大，也不是因为程序员付费意愿最高，而是因为——编程智能体是唯一一个能让 AI 公司自己变强的能力。
你做一个 AI 视频工具，它不会让你的公司迭代更快；你做一个 AI 搜索引擎，它不会让你的工程团队效率翻倍。但你做一个 AI 编程智能体，它会直接加速你自己公司所有的产出。
所以 OpenAI 砍 Sora 全力做 Codex，Anthropic 从一开始就 all-in Claude Code。这不只是一个产品线的选择，这是关于谁能先进入指数增长的竞赛。
三、临界点之后会发生什么
如果 AI 公司正在进入递归加速，那接下来会怎样？我认为有三个趋势。
第一，AI 公司之间的差距会急剧拉大。
以前大家觉得大模型之间差距在缩小——DeepSeek 追上来了，Kimi 也不错，开源模型也能用了。但递归加速意味着：一旦某家公司的编程智能体突破了临界点，它的迭代速度会和竞争对手拉开指数级的差距。就像 Anthropic 现在按天更新，别的公司还在按月更新。这个差距只会越来越大。
目前最领先的编程智能体产品就那么几个：Claude Code（加上 Claude Cowork 的整个体系）排第一；其次是 OpenClaw（小龙虾）；然后是 OpenAI 的 Codex，在长程任务和 Code Review 上表现也不错。再往后面几乎看不到竞争对手了——Google 的 Gemini CLI 还差得很远，微软的 GitHub Copilot 更是差距巨大。至于国内，我认为最有希望的是字节。
第二，AI 产品的更新速度会超过用户的学习速度。
很多人说还在学提示词呢，MCP 就出来了；MCP 还没学完，就说不行了要用智能体了；智能体还没学呢，又有新东西出来了。
对普通用户来说，最重要的忠告是：不要试图掌握每一个功能，不要追每一个热点概念，而是掌握你自己的核心工作流。 结合你擅长的事情，用 AI 把你的工作流效率提升上去。比如你做内容创业，就思考怎么让 AI 帮你做选题、做数据分析；你做软件开发，就让编程智能体帮你写代码、自动发布；你做跨境电商，就让 AI 帮你选品、上架、做结算。先定义出你的工作流，再拿合适的工具去提升它。天天追工具不落地，就像前面挂着胡萝卜的拉磨驴，永远吃不到。
第三，传统软件公司会加速失去护城河。
如果 AI 公司一天能迭代一个新特性，传统 SaaS 公司按季度发版的节奏就完全跟不上了。
一个很直观的数据：微软今年股价已经暴跌21%，是2008年金融危机以来最差的开局，从去年高点跌了超过25%。 为什么？因为 Anthropic 的 Cowork 推出后可以直接操控 Word、Excel、PowerPoint，正在侵蚀微软最核心的盈利产品——Office 365 和企业软件套件。
有人开玩笑说：”Anthropic 每发布一个新功能，微软的股价就跌一点。”数据印证了这一点——3月24号 Anthropic 发布 Computer Use 当天，微软当天跌了2.6%，整个软件板块 ETF 跌了4%。
护城河不是一天被攻破的，是被每天一个小突破慢慢填平的。
四、对普通人意味着什么
说了这么多行业分析，落到每个人身上，我认为有三点：
第一，现在开始用 AI 编程工具，比以后再用好得多。
不管你是不是程序员。哪怕你只是用 AI 来处理 Excel、写脚本、做自动化，这个能力的价值只会越来越高。AI 编程工具本身在加速进化，今天你花时间学会了基本逻辑和工作流，三个月后工具升级了你就能立刻享受到红利。
选哪几个？小龙虾、Claude Code、Codex，就这三个。如果你喜欢折腾开源工具，还可以加上一个 Open Code。
第二，选一个主力生态，深扎进去。
不差钱的、能解决访问问题的，可以直接用 Claude Code。GPT 生态更友好——不封号、量给得足。你不需要两个都精通，选一个适合你的，把你的工作流建起来——内容创作工作流、产品设计工作流、软件开发工作流、市场营销工作流，都可以。
第三，关注递归加速的信号。
当你发现某个 AI 产品的更新速度突然加快，某个 AI 公司的功能发布变得密集——大概率它的编程智能体已经在帮它自己干活了。这种公司的产品和生态值得优先投入。因为它的进化速度会越来越快，你跟着它，等于搭上了一辆加速的列车。
用一句话总结：在一个 AI 自我加速的世界里，最聪明的策略不是追赶每一个新功能，而是站在加速最快的那个生态上。
第三部分：观众互动
问：很多程序员一直只是写代码完成公司任务，要做 OPC（一人公司）完全不知道做什么产品，束手无策，该怎么办？
很简单，从你能想到的最简单的产品开始做出来。你会说这产品肯定没人用、肯定失败。我告诉你，100%失败，但不重要。因为你在做这个失败产品的过程中会学习、会积累经验。第一个失败了，再做第二个、第三个、第四个。你连续做10个失败的产品，在这个过程中一定会产生想法。
重要的不是怎么想，而是有没有去做。在做的过程中才有想法，不做永远没想法，做得越多想法越多。
有人说程序员就是需求承接方，不是需求的产生方。你不也生活在社会上吗？你不也是消费者、也在用软件吗？不要把自己定义成一颗螺丝钉。我觉得很多国内从小刷题教育长大的人，最可怕的就是自觉自愿地把自己定位成一颗螺丝钉。你先把自己从螺丝钉变成一个活生生的人——打打游戏、出去旅游、跟别人多交谈，慢慢需求就产生了。放松，不放松你哪有需求。
问：AI 可以完成90%的开发，但最后10%会要你的命，有好的解决办法吗？
说得对，现在 AI 编程还没有完全解决最后一公里的问题——本质上是验收的问题。但按照当前 AI 智能体的迭代速度，我认为一到两年内验收环节就能解决。你其实不需要管智能体开发出来的代码是不是屎山，重要的是把验收的测试用例写得足够好，你愿意烧足够多的 Token，它最后一定会交给你一个满意的结果。
这跟下围棋是一个道理。人脑能量有限，只能基于经验和灵感找到自认为最合适的下法。但 AI 不管这些——所有路径全部试一遍，然后找到最好的。就像《复联4》里奇异博士用时间宝石回溯了1400多万次，找到了唯一打败灭霸的方法。这是一种暴力破解法。
问：Minimax 的模型怎么样？GLM 5.1 和 Kimi K2.5 呢？
Minimax 的模型实际上是蒸馏 Claude 蒸馏得最狠的，所以跑起来最像 Claude。但它毕竟是蒸馏模型，基座不强。如果你执行的任务比较浅、两三个回合就完事，它会让你感觉很好。但如果执行一个很复杂的长程任务，就会暴露原形了。
国内这几个模型最大的问题是算力不足。我自己把 GLM 和 Kimi 都用过，当作备用模型放在后台跑量大管饱的任务，基本上都会碰到 API 限流的问题。所以我现在倾向于用自己本地的模型来跑，不存在被限流的问题。
如果硬要排序的话：GLM 5.1 最好，Kimi K2.5 中间，Minimax 最差但也最便宜、速度最快。当然，跟海外的模型相比差距还是很大的。
关于本地模型： 我在 Mac Studio（128G 内存）上跑了两个模型——千问 3.5（35B，多模态，需要处理图片时用）和千问3 Code Next（80B 专家模型，推理时只用3B，用于编程和文本处理）。4比特量化就可以跑，速度跟调云端模型差不多，相当不错。
收尾
今天的内容就到这里。每周周日晚上，《范凯说 AI · 周日晚聊》，跟大家分享本周 AI 行业新闻、个人思考，然后和大家交流互动。晚安，下周见。