深度访谈 | 红杉对话 Factory CEO：聊聊 AI 软件“黑灯工厂”的终局

在全行业都在疯狂拼 ARR 和 Token 消耗量的时代，AI 软件工程平台 Factory 联合创始人兼 CEO Matan 的打法显得有些异类。

红杉资本（Sequoia Capital）近期对话了致力于构建自主软件开发 Agents的初创公司 Factory 的联合创始人兼 CEO Matan Grinberg。对话深入探讨了 AI 编程的演进、企业如何进行大模型的“成本管理”，以及未来软件“黑灯工厂”的终极愿景。

退还 200 万美元营收

Factory 成立于 2023 年 4 月。彼时，企业市场连 GitHub Copilot 都尚未完全接受，更不用说完全自主的 AI 软件工程代理（Autonomous Agents）了。Matan 形容创业最初的两年是一场在沙漠中的跋涉：技术理念过于超前，工程师还没准备好改变习惯，企业采购团队也充满怀疑。

靠着强悍的企业级销售能力，Factory 在前期硬是签下了近 200 万美元的合同。然而在交付过程中，Matan 却发现了一个危险的信号：开发者并没有对产品真正“上瘾”（Obsessed）。

“在亚马逊，贝佐斯提倡‘客户狂热’（Customer Obsession）。但在我们看来，那只是一个输入指标。就像篮球教练不会在赛前跟队员说‘大家待会儿多流汗’一样。流汗是过程，得分才是结果。你的目标是造出足够好的产品，让客户反过来对你狂热。”

如果产品体验没达到极致，继续履约就像坐在一颗随时会引爆的定时炸弹上。Factory 做出了一个让团队和投资人震惊的决定：主动全额退还这 200 万美元营收，全面收缩并潜心打磨产品。

经历艰难的闭关与产品重构，直到 2025 年 9 月——模型基础能力演进与开发者使用习惯彻底匹配时，Factory 才带着真正成熟的 Droid CLI 重新杀回市场，一举完成了从无人问津到爆款的逆袭。

拒绝“大厂锁定”：多模型 Harness 的反直觉优势

重回赛道的 Factory，精准击中了大型企业在 AI 时代最深层的恐惧：被单一模型供应商（如 OpenAI 或 Anthropic）深度绑定。

大部分大型企业在云计算时代都留下了深厚的“伤疤”。当年 AWS 或 Azure 经常用低价补贴吸引企业签下三年长约，等企业把数据和业务迁移过去、形成数据重力（Data Gravity）后，续约时价格动辄翻倍甚至涨价 10 倍。如今大厂 Lab 内部内斗频繁、与政府争议不断，没有哪家企业愿意把自己的核心工程生命线押在单一家厂商上。

企业强烈要求代码代理平台必须是模块化且模型不可知（Model-agnostic）的，能够随新模型的推出进行无缝热插拔（Hot-swapping）。

这里存在一个极具颠覆性的工程结论：支持多模型的通用线束（Harness），实际表现反而优于大厂为自家模型深度定制的 Harness。

这与早期机器学习的逻辑完全一致：用全网数据训练的模型，效果远好于仅用个人数据训练的模型。将 Harness 暴露给不同的模型，能有效避免对单一模型的缺点发生过拟合（Overfitting）：

• Opus：像个性格随和、善于自我调适但容易偏离路线的同事；
• GPT 5.6：则像个强迫症且极其严谨的特工。

只有同时让 Harness 适应各种不同性格的模型，它在上下文压缩、工具调用和长任务调度上才能表现出更强的鲁棒性。

从“Token 狂热”走向“智能路由”

过去一段时间，许多企业经历过一段盲目的Token 狂热期（Token Maxing）。为了推动 AI 落地，高管们甚至把 Token 消耗量纳入绩效排名，导致员工连查天气、询问基础 Python 语法都在无脑调用最贵的顶尖模型（如 Opus），许多银行每月为此白白浪费数十万美元。

这种狂热退潮后，企业必然走向成本理性化（Cost Rationalization）。Factory 打造的智能路由器（Factory Router），能够根据自然语言指令或内部基准测试，实现动态分发：

• 日常查询与基础代码：路由给极速且廉价的模型；
• 老旧遗留系统（如 COBOL 代码库）：路由给专门微调过的特定模型；
• 高风险核心重构：由 OpenAI 生成代码、Anthropic 进行测试、Gemini 交叉审查。

在这个过程中，以 GLM 5.2 为代表的开源权重模型（Open Weights Models）展现出了惊人的性价比。开源模型通常只比最前沿大厂慢半代（Frontier - 1），但成本和速度优势极其明显。在 Factory 的平台消耗中，开源模型的 Token 占比已从年初的不到 1% 快速冲进双位数。

“如果请个高中生就能把初中代数教好，你完全没必要非请爱因斯坦来当家教。”

开源模型的崛起，让企业可以把宝贵的算力预算用在真正高杠杆的刀刃上。

迈向“黑灯工厂”：异步 AI 代理的爆发

今天的 AI 代码工具大多还是同步（Synchronous）的，本质上依然处于 Copilot 模式——人类给出一个 Prompt，AI 随之给出一个回应。

Matan 预测，在未来 12 到 24 个月内，超过 90% 的 Token 消耗将是异步（Asynchronous）发生的。

这正是 Factory 名称的终极含义：源自埃隆·马斯克对特斯拉“黑灯工厂”（Dark Factory）的设定——车间里关着灯，无数机械臂在暗光中自主运转，无需人工干预。

未来的软件工程也是如此：不再需要工程师手忙脚乱地在聊天框里给 Agent 发指令，而是在你睡觉时，背景里的 Droid 已经自主捕获到了客户反馈、定位了系统漏洞、跑通了测试，并提交了第一个修复版本的 PR，人类只需要负责最终的验收与架构审阅。

文章来自于微信公众号 “GD梯度下降”，作者 “GD梯度下降”