跨国深谈← 返回←Factory CEO Matan:早两年等于错，退款、路由器与软件工厂

Factory CEO Matan:早两年等于错，退款、路由器与软件工厂

关联

人物 Matan Grinberg

公司 Factory · Claude Code · Codex

概念 Droid · 智能体 · harness · 模型独立性 · 路由器 · token · 开源模型 · 软件工厂 · 基于结果的付费

这一集的主角是 Matan，Factory 的联合创始人兼 CEO。Factory 做「droids」——用于软件开发的自主智能体(能自己接活干完、不用人一步步指挥的程序)。

在 Claude Code、Cognition 等玩家已经领先的市场里，他们算黑马。但 Matan 讲的最精彩的部分，不是产品，而是这家公司差点死掉又活过来的那两年——以及他由此得出的一个狠判断：「早了两三年和错了是一样的。」

旷野两年：把到手的钱退回去

Factory 创立于三年半前，做的是完全自主的智能体——但当时的工程师和企业采购都没准备好接受。「旷野中的旅程」就是这么来的：方向是对的，早了两年，所以就是错的。

最难熬的一段：他们企业销售做得越来越好，签了合同，收入接近 200 万美元——但产品本身不好。「如果你很擅长销售，你能签下合同。

但如果开发者不喜欢你的产品，那就像一颗定时炸弹。」于是他们做了一个极罕见的决定：主动把所有客户的钱退回去，并承诺三个月后拿出真东西。理由是他们的一条运营原则：「打造痴迷的客户」——这是对贝索斯「顾客痴迷」的反转：

「你是不是痴迷顾客并不重要。你可以很痴迷顾客，然后他们因为不喜欢你在做的事对你申请限制令。我们的工作是打造出足够好的东西，好到客户自己对我们着迷。」

他的类比：篮球教练不会在球员上场前说「记得流汗」，而是「去得分」——流汗只是副产物。痴迷是输入指标，被痴迷才是输出。

对团队，他坦诚到底：「这很糟糕，我们刚把所有营收退了回去，我们必须振作。」正是这段共同谷底——公司刚创立时估值只有 500 万，从没当过一天独角兽——锻造了团队的韧性，「没有一个人离开」。

什么变了：不是模型，是人

主持人以为「模型变好」是最大的变化，Matan 不同意。方向没错但太激进的交互模式，要求开发者彻底改变行为——在大家连 Copilot 都没用熟时就让人开箱即用全自主智能体，步子跨太大。

转机出现在 2025 年晚些时候：他们推出 Droid CLI，「在开发者所在之处与他们相遇」——这时大多数工程师已经用惯自动补全、开始接受聊天式智能体交互。加上 Karpathy 等意见领袖发推背书，行为的水位到了，产品才浮上来。

反直觉：多模型 harness 反而更强

大家(包括 OpenAI、Anthropic 的人)天真地以为：自己训练模型又自己做 harness,一起会更好。Matan 说事实恰恰相反——支持多个模型的 harness 会更好。

他的类比：数据之于模型，正如模型之于 harness。只用自家数据训练的「个人 AI」不如用整个互联网训练的；同理，向 harness 暴露的模型越多，越能避免 harness 过拟合到某一个模型的细微特性上。结果是：每个新模型发布，它在 TerminalBench 上于 Droid 里的表现比在厂商自家的 Claude Code 或 Codex 里还好。

具体例子：Opus 像那个友善的同事——你说要做 20 个任务，它会告诉你其中 5 个其实不用做；GPT 5.6 则是绝不睡觉、一个不落全做完的偏执型选手。为各自单独构建的 harness,会各自擅长和不擅长不同的事(比如待办清单的保持、长会话压缩时不丢关键信息)，而用户要的是换模型也不变样的体验——这只有多模型 harness 做得到。

这也是企业选他们的核心原因：模型独立性。云时代的教训太深——「签三年便宜合同，续约时十倍涨价，数据引力，拿捏你了」——没人想把命运交给任何一家模型实验室。

Token 要像预算一样分配

行业正从「token maxing」走向成本理性。Matan 描了条演化线：阶段零没人信 AI → 阶段一董事会逼 CEO 表态 → 阶段二把 AI 使用量写进绩效、公开排名 → 阶段三所有人用最贵的模型干所有事——有银行每月花几十万美元，就为了让员工问 Opus「今天天气怎么样」。

Factory 的答案是 router:按任务动态路由到不同模型。vibe coding(让 AI 随手做点东西)的部门用便宜的，COBOL 老代码库用专门微调的模型，关键代码「用 OpenAI 生成、用 Anthropic 测试、用 Gemini 审查」。

路由规则可以用自然语言写。他说 12 个月后每个 CIO 都得回答：「每多一个 token,放在哪？」一刀切的 token 上限毫无道理——写文档的工程师用掉的是极低杠杆的脑力，应该自动化掉，让高杠杆的深度思考从「时刻」变成「一次几个小时」。

关于开源模型：年初流向开源模型的 token 不到 1%,一季度变个位数百分比，现在已破两位数。他的判断是开源模型落后闭源约一代，但「开源模型有没有做到和前沿减一代一样好？答案是毫无疑问的肯定」，最终会渐近地占据绝大部分 token 份额——当然不是价值份额，那最关键的 1% 决策 token 仍属于智能的最前沿。

他甚至展望定价的终局：从按用量付费走向按结果付费——任务加上验证标准，模型提供商竞标，定价对了赚利润、错了负利润。「基于席位付费没有意义；到 2030 年代，事情可能看起来会更像基于结果的。」

软件工厂：给公司做反向传播

为什么叫 Factory?灵感来自 Tesla 工厂和「黑暗工厂」——灯全关着，机械臂自己在干活。

Matan 说今天的每个公司都有软件工厂，只不过效率极低：一万人的公司里，一个功能的发布流程牵扯几百上千人，而且没人画得出这个流程。大量「部落知识」——去问那位干了 30 年的大师、各种审批、没人记得的检查清单——都可以代码化和自动化。

更狠的推论：两年后 CIO 的问题会从「每个 token 放哪」变成「每个增量美元放哪」——投人力还是投 token?「人们拍脑袋决定 token 预算，拍脑袋裁员两万。

裁掉两万人不可能有什么科学依据。」他类比：公司是一个 AGI,你要优化权重、搞清哪些节点承重——「你不会凭感觉对一个模型做反向传播」，但现在公司运营全靠拍脑袋。十年后回望，今天的软件管理就像《广告狂人》时代的营销：全靠创意，不知道什么真正有效。

至于企业怎么上路：他的答案朴素得出人意料——搞全公司黑客马拉松，「留出一天，让所有员工就用 AI 造点东西」，失败也没关系；还有「没有圣牛，先挪开试试，不灵再放回去」；而且变革必须来自内部，来自董事会的基本不顺。他们最大的客户之一是 EY——并不以 AI 前沿著称，但「我们不会在这件事上迟到」。

本集带走

• 「早两年等于错」：方向对但时机不对没有安慰奖，没有加分项——要么做成，要么没做成。据此他甚至退掉全部营收重建信任，换来了此后客户的回头。
• 痴迷是输入，被痴迷才是输出：别衡量「我们对客户多上心」，衡量「客户对我们多上心」——像要求球员得分，而不是要求流汗。
• 多模型 harness 胜过厂商协同设计：暴露给 harness 的模型越多，越不过拟合单一模型的怪癖，每个新模型在你的 harness 里跑得比在它自家产品里还快。
• 别用最贵的模型干所有事：按任务路由——闲聊用便宜的，老代码库用微调模型，关键链路多模型交叉生成、测试、审查；开源模型已追平「前沿减一代」，够用且便宜得多。
• 每个 CIO 很快要回答：每个增量美元投人力还是投 token?公司应像训练模型一样定量地「反向传播」自己，而不是拍脑袋。
• 企业转型最有效的一招出奇朴素：全公司黑客马拉松 + 允许失败 + 敢动「圣牛」，且必须由内部驱动。

【背景】EY 指安永，全球四大会计师事务所之一。Karpathy 指 Andrej Karpathy,前 Tesla AI 总监、OpenAI 创始成员，在工程师群体中影响力极大。

你回应的大意是：谢谢你，但早了两三年和错了是一样的。
And you responded with something along the lines of, thank you, but being two or three years early is the same as being wrong.
—— 嘉宾 · [05:33]

就像你可以痴迷于客户,然后他们因为你做的事对你申请限制令。
Like you could be customer obsessed and they file a restraining order against you because they don’t like what it is that you’re doing.
—— Matan Grinberg · [09:07]

我们的工作是打造出足够好的东西,好到客户自己对我们着迷。
Like our job is to build something so good that our customers themselves become obsessed with us.
—— Matan Grinberg · [09:12]

这让我们如此坚韧、如此强大——往前看,现在情况已经好了很多,但还会有非常糟糕的时期,而我们的 DNA 里有那种韧性,我不确定其他一些公司有没有。
That makes us so resilient and so strong that, you know, going forward, things are going a lot better now, but there are going to be really bad times, but we have that resiliency in our DNA that I’m not sure some of these other companies do.
—— Matan Grinberg · [13:35]

我们的方向没错——我们面向构建的确实是完全自主的智能体,但早了两年,这就使得它错了。
We were right in that what we were building for was fully autonomous agents, but it was two years too early, which makes it wrong.
—— Matan Grinberg · [14:08]

所以这里出现了一种类比:数据之于模型,正如模型之于 harness。
So there’s a sort of analog that emerges where it’s what data is to a model, models are to a harness.
—— Matan Grinberg · [20:06]

现实是,之所以会这样,是因为我们太担心采用率,以至于矫枉过正,变成「不惜一切代价追求采用率」。
And the reality is this happened because we were so worried about adoption that we overcorrected and we’re like adoption by any means necessary.
—— Matan Grinberg · [24:57]

所以每一位 CIO 都需要回答:每多一个 token,我们该把它放在哪里?
So every CIO is going to need to answer, for every incremental token, where do we put it?
—— Matan Grinberg · [26:09]

一个没有智能垄断、而是一座可以随手采撷的「智能花园」的世界,是非常好的世界。
And it is a very good world where there is not like a monopoly on intelligence, but instead kind of a garden of intelligence that you can pick and choose, you know, when you’d like.
—— Matan Grinberg · [28:46]

裁掉两万人这件事,不可能有什么科学依据。
There is no way there is science to laying off 20,000 people.
—— Matan Grinberg · [40:04]

换句话说,如果明天所有人都病倒了,很多 Claude Code 的使用量会直接归零。
In other words, like if everyone woke up sick tomorrow, like a lot of Claude code usage would be zero.
—— Matan Grinberg · [46:27]

「黑暗工厂」——灯都关着,事情就那么发生着——这就是软件开发的方向。
And this idea of a dark factory where the lights are off and things are just happening, that is where software development is going.
—— Matan Grinberg · [47:20]