在19世纪中期的加利福尼亚淘金热中,获益最多的并非那些西行挖掘宝藏的人,而是向他们出售工具的商人。
Coder公司CEO Rob Whiteley认为,他所领导的组织正准备成为2020年代AI热潮中的"镐头和铲子"公司。
在拉斯维加斯AWS re:Invent大会上录制的The New Stack Makers节目中,Whiteley与TNS发行人Alex Williams讨论了AI和开发工具的演进格局,以及他们公司新推出的开源贡献项目Mux。
作为技术行业25年的资深人士,Whiteley称当前的AI时刻是他见过的最疯狂的,特别是在变化速度方面。
"唯一不变的是:开发者总是在采用新工具,"他指出,"我看到的是这些新平台团队面临的压力,需要快速认可这些工具并将其纳入技术栈。"
他说,给平台团队增加压力的是:"对开发者说'不'的日子已经过去了。"
他表示,急于采用基于AI的工具,让人想起向云原生的转型,当时公司试图将旧的工作负载和做事方式"直接迁移"到新的云平台上。正如云原生公司的出现一样,Whiteley说,AI原生实体也可能会出现。
"我担心的是,那些获得价值的公司和那些没有获得价值的公司之间的差距正在以惊人的速度扩大,所以我们最终会出现富者和贫者的分化,许多公司会举手投降说,'我不知道如何从AI中获得价值,'"他说。
"这让我有点害怕,因为你会看到这些公司在能力上大幅跃进。每当有破坏性技术出现时,总是会出现技能差距。"
AI智能体并行化的兴起
作为技术历史的研究者,Whiteley说,他担心公司目前在帮助员工构建AI相关技能方面投资不够。
他说,拥有平台工程团队可以帮助组织从AI工具中获得收益。但他表示,即使这样也还不够。
"你必须考虑两件事,"他说。"开发者自然而然地、有机地会在他们的工作流程中使用[AI工具]。然后会有后端公司可以允许或不允许。在很多情况下,他们只是开始阻止工具。"
例如,他说Cursor经常被公司直接阻止:"这里有改变软件开发方式的潜力,但我们不会让你使用它,因为它不安全,或者无法被治理。"
这都是在企业中实现AI并行化这一日益严重问题的一部分:弄清楚为什么以及如何安全、安全地大规模运行多个AI编码智能体。
"我看到我最先进的客户正在出现一种新趋势,他们会启动10个智能体实例——Claude Code、Cursor、后台智能体,"Whiteley说。"它们都在自己的隔离环境中,但彼此完全相同,所以我们只是启动10个相同的东西,然后我们给它们输入相同的提示。"
在这些情况下,智能体将创建10个独特的解决方案;客户将选择他们想要的一个,然后丢弃其余的。
Whiteley说,按照智能体AI的发展速度和从中获得价值的压力,这种做法将在一年内成为主流。因此,他指出,"并行化和整个维护智能体状态将可能成为我们在2026年面临的前五大问题之一。"
他说,在使用智能体AI的组织中,个人开发者实际上是团队经理,构建和跟踪几个甚至数百个智能体。公司还没有完全理解这一点。
"在急于让技术运行起来的过程中,许多公司正在绕过他们为人类开发者建立的那些久经考验的东西,"Whiteley说。"他们没有为其智能体等价物建立相应的机制。"
Mux:开源智能体管理解决方案
为了帮助开发者维护多个AI智能体,Coder宣布了Mux,一个开源桌面编码智能体多路复用器。
Mux"实际上是基于这样的想法:对于许多开发者来说,重心正在从传统的代码编辑器转向更多的聊天界面,我只是要让我的虚拟团队保持活跃,"Whiteley说。"我只是希望他们不断地生产。现在,一旦它产生代码,我就会在编辑器中打开它并检查工作。"
他补充说,新平台可以作为开发者IDE的补充而不是替代:"我们需要一个单独的界面来管理智能体输出,而不是实际检查该智能体的工作。它们是两个不同的工具。"
他说,他团队的一位成员称Mux为铲子,而不是挖掘机。"仅仅因为你有一台可以移动大量土方的挖掘机,并不意味着你能够用它在你的后院工作。就像你不想用一把小手铲来清理整个田地一样。它们只是两个不同级别的工作。
"智能体挖掘代码。它们产生大量代码,然后你必须将其带入精炼区域,在那里你用更像铲子的工具来处理它。"
Q&A
Q1:什么是AI并行化,为什么它会成为2026年的重大挑战?
A:AI并行化是指在企业中安全、安全地大规模运行多个AI编码智能体。先进客户正在同时启动10个智能体实例处理相同任务,然后从10个不同解决方案中选择最佳的。随着智能体AI快速发展,这种做法将在一年内成为主流,因此并行化和智能体状态维护将成为2026年的前五大技术难题。
Q2:Mux是什么工具,它如何帮助开发者管理AI智能体?
A:Mux是Coder公司推出的开源桌面编码智能体多路复用器。它提供聊天界面来管理虚拟开发团队,让开发者能够维护多个AI智能体并跟踪它们的输出。Mux作为IDE的补充工具,专门用于管理智能体输出,而IDE则用于检查智能体的工作成果。
Q3:为什么说当前AI采用存在"富者和贫者"分化的风险?
A:因为能够从AI中获得价值的公司和无法获得价值的公司之间的差距正在快速扩大。许多公司在急于采用AI工具时,绕过了为人类开发者建立的治理机制,同时在帮助员工构建AI相关技能方面投资不足。这导致一些公司在AI能力上大幅跃进,而另一些公司则可能举手投降。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。