AI代码过剩后，给代码“冲厕所”的公司贵了十倍

文 | 字母AI 经常拿AI写代码的人都知道，写出能跑的程序不难，但你稍不留神，文件就莫名大了好几倍。 我曾经心血来潮让AI帮我写个网站，虽然用几句话就生成了，但打眼一看，它硬生生给我写了两千多行屎山。 在AI编程普及之前，写代码是最耗时的事情，但AI现在太厉害了，以前需要几个小时甚至几天才能完成的代码，现在分分钟就能整出来。 但问题是，代码是堆起来了，那些屎里淘金的脏活也堆了起来。 AI可以一分钟写出几百行代码，但公司不可能因为它勉强能跑，就把这些代码直接扔给几百万用户。 一家给AI生成的代码“冲厕所”的公司，因此贵了近十倍。 8月12日，据TechCrunch报道，为GitHub Actions提供持续集成（Continuous Integration，CI）基础设施的Blacksmith完成4500万美元B轮融资，估值达到5.5亿美元。而不到一年前，它的估值还只有约6000万美元。 Blacksmith没有发明更聪明的AI，也不负责帮程序员写代码。它做的是AI把代码写出来以后剩下的事情：跑测试、做构建，确认这些AI生成的代码，到底能不能安全地进入真正的软件。 让它身价暴涨的不是测试本身，是那些需要处理的代码，正在变得越来越多。 AI写的代码，人类已经看不过来了 Blacksmith很早就发现，代码变得有点太多了。 2025年9月，公司在宣布A轮融资时披露，过去一年，在排除开发者人数增长的影响后，其现有客户运行的持续集成任务量，平均每个季度增长60%。 Blacksmith把这种变化归因于AI编程工具的爆发——毕竟人一天只有24个小时，能够生产的代码有限，后面的测试、构建和代码审查自然也有一个上限。 但Coding Agent的爆发改变了这个局面。 现在的多数编程Agent都可以读取代码库、修改多个文件、运行测试，再把结果交给人类，而不只是帮程序员补几行代码。更为重要的是，Agent不仅不需要下班，不需要睡觉，还可以调度多个Subagent，把一个复杂任务拆开，同时处理多个不同工作。 于是，代码生产开始摆脱“有多少程序员，就有多少双手”的限制，从手工作坊迈向工业时代。 Claude Code负责人Boris Cherny的工作方式，已经有点像一座小型代码工厂。 今年6月，Boris Cherny在Fortune Brainstorm Tech大会上说，自己已经8个月没有手写过一行代码。 取而代之的是，他开始管理一支越来越庞大的Agent队伍。Boris表示，大会当天早上，他同时管理着“几百个”Agent；有些时候，这个数字会变成几千，甚至几万个。 这种变化到底能把代码生产推到什么程度，OpenAI也做过一个颇为极端的实验。 2025年8月底，OpenAI一个最初只有3名工程师的团队，从一个空白代码库开始，用Codex开发一款内部软件。 规则很简单：人类不直接写代码，应用逻辑、测试、CI配置、文档、可观测性和内部工具，全部由Codex生成。 五个月后，这个代码库已经膨胀到约100万行，期间完成了约1500个代码合并请求（Pull Request，PR）。OpenAI估算，同样的工作，如果全部由人类手写代码，大约需要十倍的时间。 有意思的是，OpenAI称，他们经常看到单次Codex任务连续工作超过6个小时，很多时候，人已经睡了，Agent还在继续干活。 代码生产的上限，就这样开始脱离人类的工作时间。 但很快，新的问题出现了：代码写得太快，人开始看不过来了。 OpenAI在这次实验中直接写道：随着代码吞吐量增加，他们遇到的新瓶颈变成了“人类QA能力”。 因为不管Agent能写多少代码，人类的时间和精力毕竟是有限的。 这个团队每周五都要拿出整整一天，专门清理所谓的“AI slop”，也就是AI写出的那些屎山代码。它们通常来自Agent在快速生成代码时带来的副作用：比如重复或错误的实现模式、不一致的代码风格，以及在系统中不断累积的技术债。 但很快，这事儿也有点干不过来了。 于是OpenAI又把“擦屁股”的工作交给了Agent：让后台Codex任务定期扫描代码库，发现问题，自动提交重构PR。甚至连大量代码Review，也开始交给Agent之间互相检查，人类只在需要判断的时候介入。 也就是说，AI开始同时出现在生产线两端：一边疯狂生产代码，另一边帮人寻找这些代码里的问题。 但中间那些必须实际跑完的测试、构建和CI任务，并没有消失。 Blacksmith写了一句很直白的话： 如果每一次代码修改仍然需要一个小时才能测试完，那么一个比人类快100倍的Coding Agent，也没有太大意义。 AI没有消灭软件开发的瓶颈。 它只是把瓶颈，从“这个代码到底怎么写”，推到了“这么多代码到底怎么验”。 AI代码过剩后，给代码“冲厕所”的公司贵了十倍 要理解Blacksmith为什么能在不到一年的时间里从6000万美元涨到5.5亿美元，得先弄清楚这家公司的主要业务。 一段代码从程序员手里写出来，到真正出现在用户手机或者电脑上，中间还有很长一段路。 比如你给一个购物网站增加了新的支付按钮，代码写完以后，首先得确认它能不能正常编译；然后跑一遍自动测试，看看按钮能不能用；再跑更多测试，确认这次修改没有顺手把登录、购物车或者退款功能搞坏。 这些事情通常会被组织成一套自动流水线：程序员每提交一次代码，机器就自动把代码拉下来，重新构建软件、运行测试、检查结果。发现问题就打回去，全部通过以后，代码才有资格继续往下走。 而这个流水线，就叫作持续集成（Continuous Integration，CI）。 GitHub自己的GitHub Actions，就是最常见的CI工具之一。 而Blacksmith真正做的，是这套流水线下面的“执行层”。 GitHub Actions负责规定“要跑哪些测试、按什么顺序跑”，Blacksmith则提供真正执行这些任务的计算环境。 换句话说，Blacksmith并不帮你写测试规则，而是提供机器，把构建、测试和部署这些任务真正跑完。 它最初的卖点也很直接：让GitHub Actions跑得更快、更便宜。 按照Blacksmith的说法，它使用高单核性能CPU、本地缓存和NVMe存储来运行这些任务，大部分CI任务速度可以达到GitHub托管服务器的约2倍；一些Docker构建在缓存生效后可以获得更大的加速。对于开发者来说，迁移可能只需要修改一行GitHub Actions配置。 Blacksmith创始人后来形容，CI本质上就是“开发者的管道工程”。他们甚至开玩笑说，想让CI“至少这一次变得性感一点”。 但AI编程恰好把它最不起眼的地方，变成了优势：过去程序员一天提交几次代码，CI就跑几次；现在Agent可以持续改代码、反复尝试，还能并行调用Subagent，每一次修改都会触发新一轮构建、测试和验证。 Blacksmith在A轮融资时就提到，随着AI代码生成工具的发展，代码数量的快速增加正在把CI推向新的瓶颈。为此，Blacksmith没有简单依赖通用云计算资源，而是针对CI任务优化自己的硬件和软件栈，提供更快的执行速度、更高的并发能力，以及更适合测试流程的计算环境。 AI越会写代码，Blacksm