Cognition公司CEO吴思齐本周再次成为头条新闻,这家成立仅两年的AI编程智能体初创公司以260亿美元估值融资10亿美元。Cognition是Devin的开发者,Devin是最早也是最成功的AI编程智能体之一。这位CEO表示,Devin"能够自然地端到端完成任务"。
事实上,在宣布这轮融资的博客文章中,Cognition描绘了一个愿景:"我们正在转向自动驾驶式软件开发的世界。"
那么,Devin能否取代一位中级L4程序员呢?吴思齐告诉TechCrunch,答案是既能又不能。"我们从未想过要取代人类。我知道有人会这样说,但这从来不是我们的观点。"
在2026年这个疯狂的年份,几乎每天都有科技公司CEO以用AI取代员工的名义宣布裁员,但吴思齐表示他尤其不希望程序员失去工作。"我们自己都是程序员,"他解释道,"我九岁就开始编程了。"
事实上,根据Colossus最近的一篇报道,吴思齐被称为有史以来最杰出的少年竞赛程序员之一。作为一名二年级学生,吴思齐赢得了面向七年级学生的全国数学竞赛,这开启了他充满数学和编程竞赛的童年。这也让他结识了其他神童,他们后来创办了其他AI科技初创公司,比如Scale AI的创始人王亚历山大。
因此,他告诉TechCrunch,从来没有想过要让人类程序员过时。
"当我们开始构建Devin时,这有点有趣,"他沉思道,"但我们真的只是把它想象成:这是帮助你构建更多东西的伙伴。"事实上,他展示了一个抱着电脑的小毛绒玩具,这是他放在办公桌上的Devin泰迪熊。他把它看作是Devin AI编程助手的实体象征——"这是帮助你构建更多东西的伙伴。"
吴思齐不希望AI智能体夺走人们编程的乐趣。
"这不是秘密,大多数软件工程师都热爱构建软件,对吧?"他说,"如果你问他们为什么,他们基本上会告诉你:'嗯,就像我可以从无到有地构建东西。我可以把我的整个想法变成产品,变成一种体验。'"
就像可视化开发环境将软件创建从机器指令中抽象出来一样,他将智能体视为构想软件产品和生产软件产品之间的另一层抽象。
然而,Cognition表示,Devin在公司内部的角色是交付几乎所有软件。该公司表示,其工程师提交的代码中有89%是由Devin提交的,其余部分由去年收购的AI编程竞品Windsurf中的本地智能体提交。
吴思齐解释说,他的智能体的角色主要是完成许多程序员本来就不喜欢做的长尾维护任务:更新旧软件;将应用程序从一个平台迁移到另一个平台。智能体将使程序员"从大量繁重工作中解放出来,这样他们就可以做更多创造性的工作,"他承诺道。
因此,吴思齐对Devin"取代"人类程序员的说法感到不满。虽然他说Devin可以独立工作,但根据手头的任务,它的工作水平"介于初级和中级工程师之间"。
至于自动驾驶软件的概念,即智能体学习并自我改进,以便有一天能够在更高水平上工作("递归"是当今AI领域的最新流行词),吴思齐说:"我认为我们将迎来一段疯狂的旅程。"
他看到智能体进入其他领域,从客户服务到医疗,它们将学习各种任务,但希望目标也是增强这些领域的人类工作者。
"代码和软件是第一个发生变化的领域,但我们会看到这种情况在所有其他行业发生,"他预测道,"从一开始我们就很清楚的一点是,应该始终由人类决定做什么……你在软件工程中真正看到了这一点,但我认为在所有其他职业中也是如此。"
Q&A
Q1:Devin是什么?它能做什么?
A:Devin是由Cognition公司开发的AI编程智能体,是最早也是最成功的AI编程智能体之一。它能够端到端完成编程任务,主要负责长尾维护工作,比如更新旧软件、迁移应用程序等。在Cognition公司内部,89%的代码提交都是由Devin完成的。
Q2:Devin会取代人类程序员吗?
A:Cognition的CEO吴思齐明确表示,从未想过要让Devin取代人类程序员。他认为Devin是程序员的"伙伴",目的是将程序员从繁重的维护工作中解放出来,让他们能够专注于更有创造性的工作。Devin的工作水平介于初级和中级工程师之间,具体取决于任务类型。
Q3:吴思齐如何看待AI智能体的未来发展?
A:吴思齐认为AI智能体将进入客户服务、医疗等其他领域,学习各种任务。但他强调,目标应该是增强人类工作者的能力,而不是取代他们。他坚持认为应该始终由人类决定做什么,AI智能体只是帮助人类更好地完成工作的工具。
好文章,需要你的鼓励
随着制造商面临提升生产力、质量和韧性的压力,自动化正成为现代工厂运营的核心。全球最大合同制造商之一Flex近期扩大了与Teradyne Robotics的合作,将在自有工厂部署机器人解决方案并为客户制造关键机器人组件。该公司运营卓越与转型总裁分享了从试点项目到大规模实施的经验,探讨协作机器人、自主移动机器人如何平衡灵活性与标准化,以及物理AI在工厂环境中的实际应用前景。
研究揭示多源视觉融合并非总有益,提出MARS框架通过单源锚点量化信息增益,动态调节多源融合优势,在多个视觉推理任务上实现显著性能提升。
仓储自动化已进入新阶段,技术挑战从单一任务验证转向规模化部署。Plus One Robotics运营副总裁Christina Gomez-Terry分享了该公司累计完成20亿次拣选后的经验:硬件故障往往在大规模部署后才显现,可维护性和可靠性比峰值性能更重要,人机协作将是长期运营模式,而系统集成可能成为仓储自动化的下一个主要瓶颈。
MiniMax发布M2系列混合专家大模型,总参数2299亿但每次仅激活98亿,通过专项数据流水线、Forge强化学习系统和自进化机制,在代理编程、深度搜索等任务上达到顶级闭源模型水平。