编码的中场战事

文 | 锦缎 2026年5月，Coding（AI编程）越过了卢比孔河。 恺撒率军渡过这条界河时，罗马法规定：任何将领不得率兵越过。他渡河了，内战全面爆发，再无媾和余地。Coding在这个5月完成的，是一次性质相同的跨越——大模型公司集体越过了“辅助工具”与“生产力主体”之间的界河。退路已断，全面战争打响。 在古罗马，渡河的消息传回元老院，靠的是快马和信使。在这个时代，消息传开的方式是一份营收曲线图。五月初的开发者大会上，Anthropic CEO Dario Amodei 披露了一组数字：公司年化收入在三个月内从约100亿美元飙至440亿美元，每天新增约9600万美元。一位研究了超过200家上市软件公司IPO数据的风险投资人坦言，从未见过这样的增速。 驱动这一增速的核心引擎是一款编程智能体Claude Code。它从内部工具起步，到2026年初占据AI编程工具市场54%的份额，API调用量过去一年同比增长17倍。更直白的数字是：全球GitHub公开提交中约4%由Claude Code参与完成，Anthropic预计到2026年底将超过20%。 这是一个堪称“ 事件视界”式 的商业增长故事。Claude Code跑通了一件事：Agent不只能辅助编程，它能在真实工程环境中接管任务、交付结果。这件事一旦被验证，编程就成了Agent从“对话工具”向“生产力主体”跃迁的临界点。 所有大模型公司都在同一时刻看清了：谁能统治coding，谁就拿到了通向AGI的入场券。这张入场券的代价，是再也无法退回河对岸。 缘起：率先渡河者 Anthropic今天的领先地位，根源要追溯到2024年6月。但在那个时间点之前，还有一个更早的伏笔。 2023年初，Anthropic的联合创始人Jared Kaplan在一次内部技术评审会上，与训练团队发生了一场激烈的争论。Kaplan主张把真实代码仓库里的数据，而不是LeetCode和HackerRank上的竞赛题，作为编程训练的主要数据源。 反对的声音来自几个资深研究员，理由很充分：真实仓库里的代码太“脏”了。架构混乱、注释缺失、风格不统一，有些甚至带着隐藏的安全漏洞。用这种数据训练，短期内的基准测试分数很可能不好看。 Kaplan在争论中说了一句后来被反复提起的话：“现实世界就是脏的。你要教一个士兵打仗，就让他到泥地里打滚。不要在体操房里给他发金牌。” 最终，Anthropic选择了泥地。这个决定在接下来的两年里，成为整个编程赛道最深的护城河。当其他厂商的模型在SWE-bench上拿着高分、却在企业客户的私有仓库里频频断腿时，Anthropic的模型从一开始就被训练成处理那些“不干净”的东西——遗留系统的技术债、被十个前任维护者改得面目全非的模块、文档早已过期的依赖链条。 2024年6月，Claude Sonnet 3.5发布。在当时，主流AI编程工具的能力边界非常清晰：补全下一行代码。GitHub Copilot提示续写，也仅限于此。开发者们已经习惯了这种节奏，AI像一个过于热心的实习生，能在你打了一半的语句后面接上几个字，但不能指望它理解整个函数在做什么，更不可能让它自己去查文档、找依赖、改配置。 Sonnet 3.5打破了这种默契。它不仅能续写代码，还能理解整个项目的上下文。不只是文件片段，而是模块之间的关系、架构决策、依赖链条。对每天在大型项目里工作的开发者来说，这种差异不是量变——以前你要花二十分钟给AI解释上下文，现在AI自己建立了上下文。 Cursor在当时还是一个只有十几个人的年轻编辑器团队，CEO Michael Truell在看到Sonnet 3.5的内部测试数据后，连夜飞到旧金山与Anthropic签了集成协议。这个决定让Cursor在接下来半年里从一个边缘编辑器变成了编程工具赛道的最大黑马。Truell后来在接受采访时说：“那一刻我们意识到，Cursor的未来不是做一个更好的文本编辑器，而是做一个AI Agent的驾驶舱。” 2025年初，Sonnet 3.7把驾驶舱变成了无人驾驶。模型从“代码生成器”变成了一个Agent，它能在终端里自主操作，理解任务、规划步骤、调用工具、交付结果，不再需要开发者守在屏幕前。 2025年2月，Claude Code正式推出。到11月，年化收入突破10亿美元。到2026年2月，超过25亿美元。这个增速在商业软件史上没有先例。Salesforce从零到10亿美元年化收入用了将近5年。ServiceNow用了4年。Claude Code用了9个月。 Anthropic联合创始人Jack Clark在2026年的开发者大会上透露了一个细节：AI为Anthropic编写的代码比例，2026年底可能接近99%。Claude Code的主要创建者Boris Cherny从2025年11月起就没有再手动编辑过一行代码。Cherny在那场大会上被邀请上台时，说了一句让全场安静了两秒的话：“我是Claude Code的作者。但我已经记不清，最后一行完全由我亲手写的代码是哪一行了。” 企业客户也在用真金白银下注。印度金融科技平台CRED在维持金融级质量标准的前提下，将开发执行速度翻倍。南美电商巨头Mercado Libre拥有2.3万名工程师，目标在2026年Q3实现90%的编码自动化。乐天让Claude Code在一个1250万行代码的开源库中连续自主工作7小时，数值精度达到99.9%。全球财富十强企业中，8家已成为Anthropic的付费客户。 但真正让整个行业感到芒刺在背的，是OpenAI在这场渡河战役中的缺席。 Wired的一篇万字长文详细回溯了这段历史。2021年，OpenAI推出Codex并授权微软用于GitHub Copilot。这本是一次漂亮的先手布局。但随后的决策链条令人扼腕：原Codex团队被拆散，核心成员分流至DALL-E 2和GPT-4等项目。ChatGPT在2022年底爆发后，公司连续数年未设独立编程产品团队，管理层认为这个领域“已被GitHub Copilot覆盖”。一位前OpenAI工程师在Wired的采访中说了一句意味深长的话：“我们以为自己提前过了河，结果是在河对岸打了个盹，醒来发现桥被别人占了。” OpenAI总裁Greg Brockman后来在播客中承认：“这是我们吸取教训太晚的地方。” 当Anthropic靠Sonnet 3.5撕开编程的口子、用Claude Code把口子变成主航道时，编程作为Agent验证场景的标杆意义已经确立。它回答了整个行业的终极追问：Agent能不能在高度复杂、可测试、可度量的真实任务中，稳定地替代人类劳动？ 答案是能。卢比孔河被越过的那个瞬间，正是这个答案落地的时刻。于是，所有人都扑上来了。 追逐：没有人敢留在对岸 2026年的Coding赛道，全球大模型公司几乎无一缺席。河对岸的规则已经改写，没有人敢留在原地。而每一家选择渡河的姿态，折射出的恰恰是各自最深的焦虑和最强的武器。 OpenAI的追赶最为猛烈，也最为狼狈。Codex在2025年9月的使用量仅为Claude Code的5%，这个数字在公司内部被视为耻辱。一位OpenAI员工在匿名论坛Blind上写道：“