言创万物创始人对话摘要

核心思想：AI Coding 是“垒砖”，AI SWE 是“盖房子”

这是一个交互式摘要。点击标题展开查看详细内容。摘要中高亮了 [事实] 和 [观点] 以便区分。

核心论点：AI SWE > AI Coding

• [观点] 当前火热的 AI Coding 只是软件工程 (SWE) 的一个子环节。真正的巨大机会在于AI SWE，即利用AI重构软件生产的全链路。
• [事实] 创始人陈志杰引用数据指出，工程师日常工作中，纯写代码(Coding)的时间占比通常不超过30%-35%。
• [观点] 类比：AI Coding 像“垒砖”，而 AI SWE 像“盖大楼”。盖楼需要结构设计、材料选型、施工流程等系统性工程，远不止垒砖那么简单。
• [观点] Vibe Coding（氛围编程）对于严肃的、复杂的开发场景是不够的，不能小看专业工程师的才智和严肃场景的复杂度。

公司与团队：言创万物

• [事实] **公司定位**：致力于以 Agent 技术重构软件研发的 AI 初创公司。
• [事实] **成立与融资**：成立于2025年初，已完成近千万美元天使轮融资。
• [事实] **创始人背景**：陈志杰（CEO）曾是前 TikTok 算法负责人；刘晓春（COO）曾在百度凤巢、搜索等部门负责技术与产品。两人是多年老搭档。

市场机会：为何是 AI SWE，以及创业公司的机会

为什么选择生产力（B端）而非泛娱乐（C端）赛道？

• [观点] **陈志杰**：此波AI浪潮的本质是生产力提升。ToC娱乐产品DAU增长困难，而生产力工具（如Cursor, Harvey.ai等）价值明确，增长显著。
• [观点] **刘晓春**：AI在C端缺少“非用不可”的产品形态，但在B端效率提升的价值“看得见，摸得着”。
• [观点] **投资人李一豪**：目前AI是文本based的智能，在娱乐领域还无法与高质量的上一代内容生产工具竞争。

创业公司相较大厂的机会在哪里？

• [观点] **市场足够大**：AI SWE 场景广泛复杂，不会被一两家公司垄断，未来可能出现十几家有价值的公司。
• [观点] **大厂推进未必快**：GitHub Copilot 体验不如后起之秀 Cursor。大厂投入资源有限（一个项目可能就几十人），且存在组织效率问题。
• [观点] **用户挑剔，利于新玩家**：用户会因一个点不好用而迅速流失，转向更好的新产品，这给了新玩家进入的机会。
• [观点] **技术快速迭代**：模型能力的快速演进会不断打破现有优势，给了新公司追赶和超越的机会。
• [观点] **资源优势有限**：在此领域，人多钱多不一定能形成碾压性优势。Cursor早期仅30人就取得了很高的市值。

产品思考与未来演进

AI SWE 的演进阶段与产品形态

• [观点] **一阶影响**：AI/Agent 成为研发流程的 Controller 和 Planner，渗透到写代码、查bug、测试、部署等各个环节。
• [观点] **二阶影响**：出现 AI-native 的软硬件基础设施，以适配 Agent 的运行。
• [观点] **现有IDE形态是暂时的**：Cursor、Copilot 等依托于 VS Code 等传统IDE，但IDE是为“人”设计的。未来当 Agent 具备长时间自主运行时，产品形态将不再是IDE，而可能是统一调度多个Agent的工作控制台。

言创万物的产品哲学：目标导向 + 工具协同

• [观点] **目标导向**：不是为了写代码而写代码，而是要对齐工程师和产品经理的任务目标，让AI参与到“把事情做成”的整个过程。
• [观点] **工具协同**：AI不仅要会写代码，更要能理解、调用和选择合适的工具、平台与服务来完成复杂任务。

对标 Cursor：优势与掣肘

• [观点] **Cursor的成功与包袱**：它的成功（用户基数、品牌）也成为了它的“包袱”。它需要兼顾习惯手动控制的传统工程师，其订阅模式受算力成本制约，且在专业用户和小白用户之间摇摆。
• [观点] **言创万物的机会**：作为创业公司没有“存量包袱”，可以更纯粹、更彻底地围绕“大粒度任务自主完成”这一核心目标来设计产品和技术。

AI如何解决《人月神话》中的难题？

• [事实] 软件开发有两类困难：“固有困难”（无法消除的本质复杂性）和“人为困难”（由工具、组织方式不完善导致）。
• [观点] AI Agent能大幅缓解“人为困难”。例如，Agent比人更遵循规范（避免代码屎山），Agent间的“沟通”成本远低于人际沟通成本，从而打破“增加人力反而降低效率”的魔咒。

未来展望：工程师与AI的新关系

AI SWE 能力分级 (L0-L5)

• [观点] 类比自动驾驶，AI SWE可分为：
  • L0-L1: 人工或AI辅助补全 (当前Copilot形态)
  • L2: 局部任务自动化 (当前行业所处阶段)
  • L3: 模块级自动化 (初级程序员水平)
  • L4: 系统级实施 (高阶程序员水平，能做技术/架构设计)
  • L5: SWE AGI (人类提需求，AI交付结果)
• [观点] AI SWE 与自动驾驶有本质区别：AI SWE 每个阶段都能交付价值，且试错成本低（可回滚），技术路线是连贯的。

未来工程师的角色转变

• [观点] **人机协同**：短期内，AI离不开人的结果验收和需求澄清。AI将承担脏活累活，让工程师聚焦于更有创造性的工作。
• [观点] **工程师成为Agent的指挥官**：未来优秀的工程师，其价值不再是带多少人，而是能同时“带100个Agent干活”，核心能力是解决问题的能力和系统设计能力，而非敲代码。
• [观点] **第一性原则的改变**：过去的软件设计原则（如函数、面向对象）都是为了降低“人”的认知负担。以Agent为中心的开发模式，可能会彻底颠覆这些软件工程的底层原则。

创业感受与团队文化

• [观点] **创业感受**：陈志杰感觉“特别爽”，因为会议急剧减少，效率极高，获得了想要的自由。
• [观点] **AI原生组织**：团队自身就是AI的重度用户，每个人都在用多种AI工具提效，产出效率是大厂时期的2-5倍。
• [事实] **团队构成**：团队约30人，绝大部分是工程师，组织非常精干。