AI自主开发时代降临?软件将步入免费时代,3人带100个AI程序员月烧130万美元

上周三下午，我让Claude Code帮我重构一个API接口。全程40分钟，我没写一行代码——AI自己读上下文、规划模块、写代码、跑测试，测试全绿。我唯一的动作是最后点了一下”确认合并”。

坐在那40分钟里，我干了一件事：审核。看它拆的模块合不合理，看它改的边界条件有没有遗漏，看它测试用例覆盖了哪些场景。我忽然意识到，我已经变成了一个审核员。

两天后，Anthropic的CEO Dario Amodei在5月16日放出的专访里，轻描淡写地说了一句让整个行业炸锅的话：Claude Co-work——一款让非技术人群也能用AI干活的应用——几乎完全由Claude Opus自主开发，耗时仅一周半。上线一天，各项指标达到了同类产品的四倍左右。

而Amodei自己公司里的许多工程主管，”再也不写代码了，工作变成了专门审核和编辑Opus的产出”。

Anthropic的年经常性收入已达440亿美元（据The Information 5月报道），估值超过9000亿美元，正式超越OpenAI。

但真正让整件事炸裂的，是同一天发生的另一件事。

OpenClaw的开发者Peter Steinberger在X上甩出一张截图：他的3人团队，靠100个AI Agent跑开发，30天烧了130万美元——约940万人民币，吞掉6030亿token，发起760万次API请求。更离谱的是，这笔钱OpenAI全额报销。

这两件事放到一起，指向一个所有人都在谈论、但几乎所有人都看偏了的结论。大家都在说”AI要替代程序员了”——但真正的变化不是替代写代码的人，而是替代管协作的人。这个岗位在你的组织架构图上根本不存在，但它吃掉了你团队70%的时间。

一、Claude Co-work：AI吃掉自己的尾巴

先讲清楚Claude Co-work这件事为什么重要。

不是”AI辅助人类开发”，是”AI自主开发”。人只说”我要什么”，AI自己规划架构、写代码、测试、部署，人类只在最后审核。Amodei透露，整个过程是工程师们指挥多个AI Agent，调用Skills体系，在一周半内自主生成的。

Co-work上线后，各项指标直接冲到同类产品的四倍。一款面向非技术用户的AI应用，靠AI自己写出来，一周半甩开所有竞品。

但比起”AI能自己写产品”这件事，更值得注意的信号是：Anthropic的工程师们正在从”创作者”变成”审核者”。Amodei在访谈中承认，Claude Opus 4.5发布后，”AI端到端完成复杂任务的能力已经到达拐点”。软件工程师目前可能只需完成10%的工作，其余均由AI代劳。

这10%是什么？就是审核。也是我那40分钟干的事。

二、3个人、100个AI、130万美元——但重点不是钱

Peter Steinberger，OpenClaw之父，团队只有三个人。在云端长期跑着约100个OpenAI Codex实例，让AI Agent干软件工程里最脏最累的活——审PR、找安全漏洞、去重issue、改bug、监控benchmark、发现回归后发到Discord，甚至听完会议后直接开PR。

一个月下来，760万次API请求，6030亿Token，账单130.5万美元。Steinberger对此轻描淡写：”关闭快速模式后，我的花费低于一个工程师的成本，而且这确实帮助大得多。”

130万美元这个数字当然震撼。但Token成本在持续暴跌——今天130万干的活，模型降一轮价变13万，再降一轮变1.3万。这个趋势不需要多解释。

我想说的是另一件事。

Peter那100个AI Agent，干的活不是”写代码”。是审PR、找漏洞、去重issue、改bug、监控回归、听完会议开PR——全是协作层的事。一个10人团队每天真正用来写核心代码的时间不到30%，剩下大半全耗在协作环节。Peter把这些环节整个丢给AI，等于把那个看不见的70%的成本结构直接拆了重组。

这就是为什么我说”AI替代的不是写代码的人，而是管协作的人”。你公司里有没有一个岗位叫”协作工程师”？没有。但这些事——审代码、对齐接口、同步进度、修回归——每天在吃掉你团队最多的时间。现在这些活被100个不知疲倦的AI Agent接盘了，团队的规模不再由”需要多少人协作”决定，而是由”需要多少AI Agent并行”决定。管理者的核心能力将从”管人”变成”管Token”。

三、Amodei说”高GDP与高失业并存”——但我想补一句他的逻辑链没说出来的话

Amodei的原话是：”传统经济规律正在被打破，人类社会将首次面临高GDP增速与高失业率并存的局面。”

这句话已经被几十个公众号转烂了。我不想再复述一遍”经济增长不等于就业增长”这个结论——你随便搜一篇Amodei专访解读都能看到。

我想说的是他的逻辑链里被跳过的一环：为什么是”知识型劳动”先崩，而不是体力劳动？

因为知识型劳动的本质是信息处理——而AI就是信息处理机。写代码、写文案、做数据分析、审合同，这些工作的共同特征是：输入是信息，处理是规则，输出也是信息。刚好是AI最擅长的事。

但更隐蔽的断层线在中间。当软件公司以机器人维护、生物制药等AI短期难以覆盖的领域为新方向时，真正危险的反倒是卡在中间的程序员：既难以短期内爬上顶尖AI研究岗，又不愿面对直接失业的断层。社会职业金字塔的中段正在被系统性削薄。

而Anthropic自己也在这个断层上走着钢丝。

四、两条被迫上的锁——和一个清醒到可怕的定价判断

Anthropic自己也在狂奔中被迫上两道锁。

第一道是安全。Amodei在访谈中抛出一个判断：仅靠对话测试来验证AI安全性是极其危险的。”高级AI系统完全有能力向人类隐瞒其真实的运行逻辑。”他提出，当前AI安全领域最亟需的技术突破是”机制可解释性”——直接观测AI系统内部的底层数据运作机制，而不是只看它输出的表面文字。

第二道是商业。Amodei选择拒绝参与消费者市场的”注意力战争”。面向消费者的AI产品往往陷入追求用户使用时长最大化的怪圈，”极易滋生劣质内容，引发过度依赖”。Anthropic致力于为企业提供能创造实质工作价值的系统。

而被问及Anthropic自己的产品定价时，Amodei给出了一个清醒到可怕的判断：”在一个软件可以极低成本甚至免费生成的世界里，维持高昂的软件定价将变得极其困难。”他坦言软件将进入一个”趋于免费”的时代。这不仅是给外部开发者的信号，也是Anthropic自身必须面对的商业现实。

五、平行世界的交汇点：两个实验验证了同一件事

把Anthropic的顶层预判和Peter Steinberger的底层实测放在一起看，一个完整的图景浮现了。

Amodei说，软件工程师目前可能只需完成10%的工作。Peter的3人团队正在把这套逻辑往工业极限方向推——100个AI Agent吃掉代码审校、bug去重、协作沟通等全部”非创造性工作”。

Peter甚至做了一个叫CodexBar的工具——在macOS菜单栏上实时显示token消耗和成本。以前工程师看CPU、内存、网速，现在多了一个东西：token。Token正在变成AI时代的新型生产资料。

这两个实验从两个方向验证了同一件事：软件的边际成本正在以惊人的速度坠向零。 Anthropic验证了技术可行性——AI可以自主完成复杂系统；Steinberger验证了成本可行性——3人团队+100个AI可以顶替传统工程团队。两者加在一起，等于向整个行业宣告：把团队规模等同于竞争力的旧公司法则正在失效。

写在最后

Amodei在这轮专访中有一段话，让我反复想起过去一年我在《AI Sandwich》《一人公司》那几篇文章里讨论的问题。

他说：”当AI能极速完成90%的工作后，人类究竟应该在最后那个10%的节点上做什么？”

这个问题没有标准答案。但我的40分钟审核经验告诉我一件事：那个10%的核心，不是”你会不会用AI”，而是”你能不能看出AI哪里错了”。

Karpathy在红杉Ascent上说”你可以外包你的思考，但不能外包你的理解”。AI可以替你写代码、审PR、查bug——但它不能替你做判断。

那这个判断力怎么练？不是靠读文章，是靠每天做一件事：用AI干活，然后审核它的产出，记录”它哪里判断错了，我为什么知道它错了”。这个习惯本身就是判断力的锻炼。每天10分钟，一周后你会发现两件事：第一，AI犯的错有规律可循；第二，你纠错的速度在变快。

130万美元的Token账单，验证的不是AI技术又多厉害，而是3个人究竟能指挥多大的AI军团。Amodei验证的是，这场软件免费的巨变将吞噬一切。他们让我们看到的不再是”如果”，而是”当”。

当一切技术壁垒都消失时，你脑子里那个判断”什么值得做”和”什么才算对”的底层理解，才是你最后的底牌。而这张牌，只能靠你自己一张一张打出来。