ARTICLE · 1021320
【50亿美元估值】AI原生软件开发平台 Factory 完成2亿美元融资,推进「多智能体协同执行+系统持续自我优化」的模式
【50亿美元估值】AI原生软件开发平台 Factory 完成2亿美元融资,推进「多智能体协同执行+系统持续自我优化」的模式
AI 原生软件开发平台 Factory 今日宣布完成2 亿美元新一轮融资，公司估值达到50 亿美元。本轮融资投资方阵容十分豪华，包括Blackstone、Khosla Ventures、Sequoia Capital、Insight Partners、Evantic Capital、Sound Ventures、NEA、Mantis VC、Clearlake，以及Nico Rosberg、Brad Gerstner、Marc Benioff等知名天使投资人。 本轮融资完成后，Factory 的累计融资总额已突破4 亿美元。值得关注的是，Factory 在今年 4 月的估值约为15 亿美元，而此次新融资后估值升至 50 亿美元，短短数月内估值增长超过三倍，成为 AI 原生软件开发赛道中最受资本关注的公司之一。 Factory 由Matan Grinberg与Eno Reyes于 2023 年共同创立，总部位于旧金山。公司致力于将自主智能引入软件工程领域，构建一个软件能够被 AI 自主构建、维护并持续优化的未来图景。除了本轮投资方外，Factory 的投资方还包括Nvidia和J.P. Morgan等重量级机构。 过去两年，AI 编程工具快速普及，开发者已经习惯使用 AI 辅助完成代码补全、函数生成、Bug 修复和测试编写。但 Factory 的目标并不只是成为一个更强大的 AI 编程助手，而是希望将企业软件开发从“人主导、AI 辅助”的模式，推进到“AI 智能体协同执行、系统持续自我优化”的软件工厂模式。 
Factory 提供的是一套能够自动化完成复杂编程任务的平台。开发者只需输入高层级任务描述，例如“将某个应用迁移到新的编程语言”“重构一组遗留服务”“为现有系统补充测试覆盖”或“修复某类安全漏洞”，平台便会自动将任务拆解为多个子步骤，并分配给一组 AI 智能体协同完成。 这意味着，Factory 试图覆盖的不再是单一开发环节，而是整个软件开发生命周期。从任务理解、代码分析、执行规划、模型选择、基础设施配置，到代码生成、质量检测、文档更新、运行监控和持续优化，Factory 希望把这些流程统一到一个可治理、可观测、可扩展的平台中。 与市场上许多碎片化工具和孤立智能体不同，Factory 的核心定位是为企业团队提供一套覆盖整个软件开发生命周期的统一治理系统。 
对于大型企业而言，AI 编程工具能否真正落地，关键并不只是模型能力有多强，而是能否满足企业在安全、合规、权限、可控性、可观测性和部署灵活性上的要求。开发者个人可以快速试用一个 AI 编码工具，但大型企业要把 AI 引入核心研发流程，需要解决的是更复杂的组织和治理问题。 Factory 提出的一个重要概念是“主权智能”（Sovereign Intelligence）。这意味着企业可以自主掌控软件工厂的学习机制、模型选择和部署环境。客户既可以选择 Factory 托管云，也可以部署在自有基础设施中，甚至支持完全隔离的气隙环境（air-gapped environment）。 这一点对金融、政府、网络安全、医疗、能源和大型制造等行业尤为重要。对于这些企业来说，代码资产和研发流程本身就是核心竞争力，任何 AI 工具都必须在数据安全、模型调用、权限控制和审计机制上提供足够高的保障。 Factory 的平台还提供对系统就绪状态、效能表现和投资回报的全面可视化，帮助企业判断 AI 软件工厂是否真正提升了研发效率，并确保系统始终与业务目标保持一致。 Factory 平台背后的关键能力之一，是将复杂软件工程任务拆解并分配给多个 AI 智能体。 
在传统开发流程中，一个复杂任务往往需要开发者手动分析代码库、理解依赖关系、规划修改路径、编写代码、运行测试、修复错误并更新文档。Factory 则试图让 AI 智能体接管其中大量重复且流程化的工作。 平台会为每个智能体自动配置所需基础设施，并处理智能体之间的任务协调，避免不同智能体在同一代码库中相互干扰。与此同时，Factory 配备实时监控仪表盘，让开发者和工程管理者能够随时掌握项目进度、任务状态和系统表现。 换句话说，Factory 并不是简单地让一个 AI 模型生成代码，而是构建了一套多智能体协作的软件生产系统。在这个系统中，不同智能体可以承担不同职责，例如代码理解、任务规划、代码生成、测试执行、安全检查、文档生成和故障排查等。 这也是 Factory 被称为“软件工厂”的原因。它不是一个单点工具，而更像是一条由 AI 智能体驱动的软件生产线。 Factory 引入了一项名为Readiness Report的斜杠命令，作为项目启动入口。该命令会首先检测代码仓库是否具备“智能体友好性”。 
所谓“智能体友好性”，主要包括几个方面：代码结构是否清晰，技术文档是否完整，依赖关系是否明确，测试体系是否健全，以及是否设置了防止智能体引入安全漏洞的护栏机制。 这一设计非常关键。AI 编程智能体并不是在任何代码库中都能稳定发挥作用。如果企业的代码结构混乱、文档缺失、测试覆盖不足、部署流程高度依赖人工经验，那么即便模型本身能力很强，也可能在执行复杂任务时产生错误，甚至引入新的安全风险。 Factory 通过 Readiness Report 先对代码库进行评估，本质上是在帮助企业判断：当前研发环境是否已经准备好被 AI 智能体深度参与。如果尚未准备好，企业也可以据此补齐文档、测试、权限和安全护栏，为后续规模化使用 AI 开发平台打基础。 在通过代码库审核后，Factory 平台会根据成本效益原则，为每个任务步骤自动匹配最合适的大语言模型。 
这意味着，Factory 并不依赖单一模型完成所有任务，而是会根据任务类型、复杂度、成本和性能需求进行动态选择。例如，一些简单的代码修改或文档生成任务可能使用成本更低的模型，而复杂架构理解、安全分析或跨语言迁移任务，则可能调用能力更强的大模型。 如果某个大语言模型出现技术故障，系统还会自动切换至备用模型，确保任务不中断。这种多模型调度和容错机制，是企业级 AI 平台的重要能力。因为在真实生产环境中，模型服务稳定性、调用成本和响应延迟，都会直接影响企业是否愿意把关键研发流程交给 AI 系统。 代码生成完成后，Factory 会对其进行一系列质量与安全检测，确保生成结果不仅能运行，还符合企业的工程标准和安全要求。 
其中，Factory 的AutoWiki功能可以自动生成代码文档，并在每次代码更新后实时刷新。对于大型企业来说，文档维护长期是软件工程中的痛点。代码在快速迭代，但文档往往滞后，导致新成员上手困难、系统知识沉淀不足，也增加了维护成本。 AutoWiki 的价值在于，它让文档成为研发流程中的自动产物，而不是需要人工额外维护的负担。当代码发生变化时，相关文档也能随之更新，从而提升团队协作效率和系统可理解性。 
此外，开发者还可以配置专属 AI 智能体，持续监控代码运行状态并生成故障排查建议。这让 Factory 不只是参与代码生成阶段，也开始向运维、监控和持续改进环节延伸。 Factory 的智能体运行于名为Droid Computers的虚拟环境中。该环境可以部署在云端，也可以部署在客户自有基础设施中。 
每个 Droid Computer 都会保存智能体所需的软件库、配置文件和其他技术资产。开发者无需在每次会话前反复安装依赖或配置运行环境，从而显著降低操作复杂度。 这一设计看似底层，但非常重要。对于 AI 软件开发平台而言，模型能力只是其中一部分。真正让智能体稳定完成工程任务，还需要可靠的运行环境、清晰的上下文管理、持久化的工具链配置，以及与企业代码库和研发流程的深度集成。 Droid Computers 可以理解为 AI 智能体的“工作站”。每个智能体不是在一个孤立的聊天窗口中回答问题，而是在一个具备上下文、工具、依赖和执行能力的环境中完成任务。这也是从“AI 聊天助手”走向“AI 工程执行者”的关键基础设施。 今年 1 月，Factory 披露其正在利用大语言模型对平台智能体进行自动化迭代优化。平台会基于来自数千次每日会话的匿名使用信号，持续提升智能体能力，实现产品层面的“自我进化”。 
这正是 Factory 所强调的自优化软件开发平台的核心所在。传统 SaaS 产品通常依靠产品团队收集反馈、分析需求、规划版本，再由工程团队开发和上线。而 Factory 希望让平台本身形成一个持续学习和优化的闭环。 当数十万名开发者和大量企业客户在平台上执行真实任务时，Factory 可以不断积累哪些智能体策略有效、哪些任务拆解方式更稳定、哪些模型适合特定场景、哪些代码库结构更容易被 AI 处理等信号。随后，这些信号又可以反过来优化平台的智能体能力和执行流程。 这意味着 Factory 的护城河可能不只是模型调用能力，而是来自真实软件工程场景中的任务数据、执行反馈和智能体优化飞轮。 目前，Factory 已被全球数十万名开发者采用，企业客户包括Nvidia、Blackstone、加拿大皇家银行 RBC、Palo Alto Networks、Adobe等全球顶尖企业。 
这些客户的共同点是：软件工程复杂度高、开发团队规模大、代码库庞大，并且对效率、安全和治理都有较高要求。Factory 能够进入这些企业，说明市场对“软件工厂”模式的需求已经不再停留在概念层面，而是在企业级场景中获得验证。 Factory 联合创始人兼 CEO Matan Grinberg 表示：“在全球最大型企业中，我们正在见证一场从单一编程智能体向软件工厂的深刻转变——软件工厂正在成为整个软件公司运营的核心基础设施。客户的采用情况与实际成果，充分验证了重构整个软件开发体系这一机遇的巨大潜力，而我们才刚刚迈出第一步。” 这句话可以看作 Factory 的核心融资叙事：未来的软件公司，不只是使用 AI 编程工具，而是会围绕 AI 软件工厂重构整个研发体系。 Factory 此轮估值达到 50 亿美元，背后有几个明显原因。 
首先，AI 编程是当前 AI 应用层最具确定性的高频场景之一。开发者愿意为效率提升付费，企业也愿意为研发效率、代码质量和工程治理投入预算。相比许多仍在寻找商业化路径的 AI 应用，软件开发场景的 ROI 更容易量化。 其次，Factory 切入的是企业级软件工程的深水区，而不是个人开发者工具市场。企业客户一旦将代码库、工作流、权限体系和治理机制接入平台，迁移成本会逐步提升，长期留存和扩展空间也更大。 第三，Factory 的定位不是“AI Coding Copilot”，而是AI Software Factory。这让它拥有更大的市场想象空间。Copilot 更多是开发者个人效率工具，而软件工厂则有机会成为企业研发组织的核心基础设施。 第四，Factory 强调自优化能力。如果平台能够通过真实使用数据持续提升智能体能力，它将形成类似数据网络效应的复利：使用越多，系统越聪明；系统越聪明，越能吸引更多企业采用。 最后，Factory 的投资方阵容也强化了市场信心。Blackstone、Khosla Ventures、Sequoia、Insight Partners、NEA、Nvidia、J.P. Morgan，以及 Marc Benioff 等机构和个人的参与，说明 Factory 同时获得了 AI、企业软件、金融资本和产业生态多方面认可。 Factory 的融资，也反映出 AI 原生开发工具市场正在进入新的阶段。 第一阶段是代码补全。代表性产品帮助开发者更快写代码，提高局部开发效率。 第二阶段是AI 编程助手。工具开始理解更长上下文，可以完成代码解释、Bug 修复、测试生成和简单功能开发。 第三阶段是AI 编程智能体。系统可以接受更复杂任务，并尝试自主执行多步骤开发流程。 而 Factory 所代表的第四阶段，则是软件工厂：多个智能体在统一治理系统中协同工作，平台自动管理基础设施、模型选择、安全检测和持续优化，最终成为企业研发体系的一部分。 这意味着，AI 开发工具的竞争焦点正在从“谁能生成更好的代码”，转向“谁能重构更完整的软件生产流程”。 Factory 的此次融资，标志着企业 AI 软件开发正在从“单点工具”时代迈向“软件工厂”时代。这一跃迁不仅是技术升级，更是企业软件生产范式的根本性重构。 过去，AI 编程工具的主要价值是提升个体开发者效率。但 Factory 所代表的新方向，是将 AI 引入软件工程的组织层和系统层。它不只是帮助开发者写代码，而是试图重新定义企业如何规划、构建、测试、部署、监控和持续优化软件。 这对中国云计算、SaaS 和 AI 开发工具创业者有非常重要的启发：未来的竞争壁垒，可能不再是单一 AI 编程智能体能力，而是谁能构建出一套可治理、可部署、可观测、可自优化的完整软件工程操作系统。 对于中国市场而言，AI 编程工具已经出现大量创业项目，但多数仍停留在代码生成、IDE 插件、研发知识库或测试自动化等单点场景。Factory 的模式提醒我们，下一阶段更大的机会，可能来自企业级研发流程的系统性重构。 尤其是在金融、政企、制造、能源、电信和大型互联网公司中，真正的需求并不是一个“会写代码的聊天机器人”，而是一套能够满足私有化部署、安全审计、权限控制、多模型调度、工程治理和 ROI 可视化的企业级 AI 研发平台。 从融资叙事角度看，Factory 也提供了一个清晰参照：AI Agent 编排 + 企业级治理 + 自我优化飞轮 + 软件工程基础设施，正在成为下一代 AI 原生开发平台的核心故事线。 对于创业者来说，复制一个通用版 Factory 未必是最佳路径。更实际的机会可能在于垂直场景切入，例如面向金融核心系统的代码迁移智能体、面向大型制造企业的工业软件开发工厂、面向政企客户的私有化 AI 研发平台，或面向云厂商生态的多智能体 DevOps 自动化系统。 Factory 的 50 亿美元估值，本质上说明资本市场已经开始相信：AI 不只是提升软件开发效率，而是有机会重构整个软件生产体系。未来的软件公司，可能不再只是“人写软件，AI 辅助”，而是“人定义目标，AI 工厂持续构建和优化”。 如果说过去十年 SaaS 的核心是把业务流程云端化，那么未来十年 AI 原生软件平台的核心，可能是把知识工作流程智能体化。Factory 正站在这一趋势的前沿。 #Factory#AI智能体#软件工厂#AI编程#自优化软件开发#企业AI#SaaS基础设施#AI融资#开发者工具#云计算
从“AI 编程助手”到“软件工厂”
统一治理系统：企业级采用的关键
AI 智能体如何协同完成复杂开发任务？
Readiness Report：先判断代码库是否适合 AI 接管
自动模型选择与故障切换
代码质量、安全检测与 AutoWiki
Droid Computers：为 AI 智能体准备的虚拟工作环境
自我优化：Factory 最具想象力的部分
顶级客户采用：验证企业级场景需求
为什么资本愿意给 Factory 50 亿美元估值？
AI 开发工具正在进入新阶段
Saasverse Insights
End