为人类造的工具，接不住 AI 的产量

日均代码合并四个月涨了 12 倍，最先倒下的不是模型，是 Git。

一、Git 先撑不住了

Anthropic 最近做了一件在工程师圈子里有点炸的事：把内部单体仓库从 Git 迁到了自研的版本控制系统 Scion。

Git 不是什么小众工具。过去二十年，它是整个软件世界的协作底座。但在 Anthropic，它的极限来得很具体：2026 年 5 月公司平均每天合并约 2500 次代码变更，到 9 月这个数字超过 3 万次，四个月涨了 12 倍。

撑不住的地方不在功能，在物理。Anthropic 的单体仓库主分支历史接近 100GB，压缩后的工作副本也超过 25GB。Git 的设计是「每个人手上都有一份完整副本」，这在人写代码的年代很优雅，到了智能体时代就变成浪费：仅 CI 环境每天就要执行约 2500 万次代码检出，不加优化的话，每天会产生超过 600PB 的内部流量。

Anthropic 曾经维护数百台内部 Git 镜像来分流。但快照每次更新后和主线的差距越拉越大，镜像同步的速度，赶不上 Claude 写代码的速度。

一个为「断网人类」设计的系统，被一群「永远在线」的智能体压垮了。

二、不是 Git 不行，是它为人造的

Anthropic 的反思很直接：既然绝大多数访问方都是一直在线的智能体和自动化任务，那 Git 那些适合分布式离线工作的特性，反倒成了仓库扩容的阻碍。

Scion 把这个前提反了过来。既然客户端始终在线，那就没必要把 100GB 的历史下载到本地——谁最后改了这一行、两个版本差在哪，Agent 发一个 API 请求问服务器就行。Scion 支持虚拟化检出：改哪个文件夹就只拉哪个文件夹，甚至只有程序真正去读某一行文件时，数据才从缓存里流式传过去。它还砍掉了本地打包和全局锁，一次提交的耗时只跟改了多少行有关，跟整个仓库有几千个 G 毫无关系。

结果很硬：Scion 的 CPU 和内存占用是原来 Git 镜像集群的 1/200，各级缓存命中率超过 99%，代码检出从几分钟缩短到几秒钟，仅 CI 一项就省下了 25% 的算力。

这个数字值得停一下。25% 的算力不是靠更好的芯片、更强的模型省出来的，是靠换掉一个大家已经用了二十年、默认不会去动的基础工具省出来的。

三、整条研发链路一起换：审查、搜索、CI

更值得注意的不是 Scion 本身，而是它不是一个人上场的。

一个 7 人团队用 5 个月，完成了 Scion、代码审查平台 Antique、代码搜索、身份与访问管理系统，以及六个相关系统的构建和全量迁移。版本控制只是被顶到极限的第一块砖，后面跟着的是审查、检索、权限和构建。

同一时间，Anthropic 也在重做代码审查流程：6 月到 9 月，团队合并的 PR 数量翻了一倍，而被回退的变更占比反而下降 40% 以上。目前 Claude 编写了 Claude Code 自身约 90% 的代码。

这里有一层递归的味道。在 Scion 的开发过程中，Claude 的早期内部版本重写了 Git 到 Scion 的数据导入管道，在没有额外指示的情况下，产出了一个内存占用降到 1/20、速度提升 4 倍的版本。

把这套系统写爆的，和帮忙把它重建起来的，是同一个东西。

四、同一道坎，机器人也走到了

几乎同一周，具身智能在另一个层面撞上了同一道坎。

上海本月启动「加快发展新一代智能制造行动」，明确到 2028 年推动 8000 台人形机器人进工厂、工业机器人密度达 600 台/万人。配套的动作更有意思：10 月 23 日至 25 日的国际具身智能技能大赛，主打的不是比谁跑得快，而是把机器人一身的本事拆成一个个独立可复用的技能包——抓取物体、视觉识别零件、拧紧螺丝、避障行走各自成包，按场景组合调用。

过去行业怎么做？程序是写死的。专门干装配的机器人，要换去做巡检，只能从头开发一套代码。现在本体被当成一台「苹果」，技能包就是 App，按需组合调用：工厂做精密装配，调用「视觉识别+抓取+拧紧螺丝」；换到仓库分拣，调用「行走避障+物品识别+搬运码放」。

这次大赛设 9 大赛道、23 个赛项，覆盖生产制造、检测分析、维修维护、仓储物流、餐饮、零售、医疗康养等场景，延锋汽车、申通快递、百联集团等场景方把真实岗位需求直接搬进赛场。也就是说，技能包不是摆在看台上的概念，是要拿真实产线的活来验的。

这和 Scion 是同一件事：当产量和场景数同时涨上去，为一整条流程写死的做法就先到极限，必须把能力拆成可组合的单元。

五、2.2 万台里，只有 13% 真的在干活

但拆开不等于跑通。

《具身智能发展报告（2026 年）》给出的数字很实在：2026 年上半年全球人形机器人出货量超过 2.2 万台，同比增长近 300%。可拆开结构看，文娱商演和科教数采合计占比超过 60%，导览导购约 19%，真正落在智能制造的只有约 13%，仓储物流约 5%。

热度另一头是冷意。报告同时指出，2026 年上半年国内融资约 935 亿元，同比提升约 5 倍，百亿估值企业增至 20 家；但未来两至三年将完成首轮行业出清，可持续商业闭环尚未形成。

也有真跑起来的。乐聚智能与兆丰机电联合发布的方案里，15 台人形机器人已经在汽车零部件产线上常态化运行，在多工位交错的狭窄环境里完成 10 余个动作序列，稳定抓取内径 80 至 120 毫米的零件，打通「预备—取料—转运—上料」全流程。

从试点验证到常态化作业，这一步比多卖几万台更关键。

六、评测也失准：同一个模型差 47.7 分

如果连度量工具都开始摇晃，问题就不再是「工具慢」这么简单。

Gemini 4 Argon 在 ARC-AGI-3 上拿到 97.5%，Google 成为继 OpenAI 之后第二家突破 95% 的实验室。但这个分数来自使用厂商特性的 Provider Adapter Harness；换成只允许简单笔记的 Standard Harness，同一个模型只有 49.8%。

同一个模型，两套框架，相差 47.7 分。

在 Epoch AI 的综合指数上，Argon 是 165 分，Fable 5.1 也是 165，GPT-6 Astra 是 166，Opus 5.5 是 167——差距不到两分。前沿模型之间的真实距离，已经小到能被评测框架的选择彻底盖过。

后果比一次争论更严重：当分数可以由配置决定，benchmark 就从尺子变成了可调参数。所以 Anthropic 让 METR 的 6 名研究员进驻公司，配备与内部风险团队相当的访问权限，并且可以不被否决地发布评估结论——因为自家的尺子已经不够用了。

七、反例压轴：换工具不等于提效

走到这里，很容易得出一个乐观结论：工具换掉就好了。

Scion 自己就把这个结论否掉了一半。Anthropic 明确说明，Scion 不是 Git 的通用替代品。它只在超大单体仓库、或者有海量智能体写代码的场景里成立，而且必须依赖配套的定制代码审查、搜索和 CI 工具才能运转。原话是：其他公司很难采用这种操作。

技能包同理。8000 台进工厂的目标立在那儿，可智能制造在出货结构里只占 13%；每个技能包到了具体产线，仍然要为物料偏差、光照变化、零件位置波动重新调。把能力拆成 App 降低了组合成本，没有降低适配成本。

换工具解决的是「能不能扛住量」，解决不了「量里有多少是真活」。 3 万次日均合并反映的是仓库吞吐，不等于 3 万个独立功能。

八、能力是普及的，配套是私有的

把这几件事放在一起，会看到一个不太舒服的结构。

模型是买得到的，智能体是装得上的，开源权重是能下载的。但 Scion 不对外提供通用版，Antique 是内部的，METR 的访问权限是谈出来的，8000 台进工厂的场景清单是地方产业政策和供应链配套堆出来的，那 15 台常态化运行的机器人是在真实产线上磨出来的。

规则层面也在收紧。中国计划限制 23 项 AI 技术出口，覆盖模型权重、源代码，以及算力超过 10 的 26 次方 FLOPs 或参数超过 2 万亿的系统的训练方法，开源发布另走快速登记通道。模型能下载，不代表能带走、能带去哪里，那是另一套规则在管。

AI 的能力正在变成公共品，承接这套能力的配套设施却越来越私有。

这意味着产能红利不会均匀分布。同样用上最强的模型，有配套改造能力的公司能把 CI 算力省下 25%、把合并量拉到 12 倍；没有的那一家，可能在几千次合并时就先撞上自己那套为人类造的工具链。

判断一家公司的 AI 落地到了哪一步，也许不该再问它用了什么模型，该问它为了接住这个模型，重造了几件工具。

结语

二十年前 Git 取代更老的版本控制系统，因为它适配了分布式协作的人类。今天 Scion 出现在 Anthropic 内部，因为它适配了永远在线的智能体。

工具从来不决定方向，但它决定上限。

你所在的团队，为了接住 AI 的产量，已经重造了哪一件工具？欢迎在评论区聊聊。觉得有启发，点个在看。