Inside OpenAI：2026是智能体元年，AI最大的瓶颈不是算力，而是人类自己

嘉宾：Alexander Imbricios（@nbrico）｜ Codex产品负责人｜ OpenAI

背景与引子

2025年，AI代码工具正在经历一场前所未有的爆发。

GPT-5发布后，一个产品悄然创造了20倍的增长神话——它不是聊天机器人，不是文档助手，而是一个能真正替你写代码、改Bug、甚至帮你优化整个训练流程的智能体：OpenAI Codex。

Sora的Android应用从零到上线只用了28天，其中18天就完成了员工内测版本；Atlas浏览器从”两到三位工程师需要两三周”，变成”一位工程师一周搞定”。这些数字不再是PPT上的愿景，而是OpenAI内部每天都在发生的现实。

那么，2026年AI领域最大的机会在哪里？瓶颈是什么？人类和AI的关系正在如何重塑？

OpenAI Codex产品负责人Alexander Imbricios最近在一期播客中分享了大量一手信息，揭示了这家AI巨头内部的产品思考和技术判断。

一、嘉宾是谁

Alexander Imbricios，OpenAI Codex产品负责人。

在加入OpenAI之前，他曾创办一家屏幕共享编程创业公司5年，更早之前在Dropbox担任产品经理。他说自己来到OpenAI后最强烈的感受只有两个字：速度。

“我以前觉得自己的创业公司已经很快了，人才密度也很高，但到了OpenAI才发现，那种速度感和雄心是完全不同的量级。”

OpenAI内部对他的评价极高。ChatGPT负责人Nick Turley曾说Alex是他合作过的最出色的人之一；CPO Kevin Weil则干脆形容他是”最棒的”。

而他本人最引以为豪的，是亲眼见证了Codex在不到一年内从零成长为OpenAI最核心的产品之一——服务数万亿tokens周调用量，增速超过20倍。

二、核心观点TOP10

2026年将是智能体的元年。 行业正在从”AI辅助”向”AI自主执行”跨越，而代码是智能体操作电脑的最佳方式。
代码是AI使用电脑的最优解。 相比点击界面、调用无障碍API，直接写代码执行任务更精确、更可控、更可组合。
AI最大的瓶颈是人类的打字和审查速度。 模型能力已经不是问题，问题是人类跟不上AI产出的速度。
Codex不只是IDE插件，它是软件工程师的队友。 最终目标是让它像真正的同事一样：理解上下文、主动工作、跨生命周期参与。
20倍增长背后的关键解锁：让用户先上手再说。 第一版Cloud产品理念太超前，用户难以上手；回退到本地集成，反而引爆了增长。
产品经理正在用Codex写代码、设计原型、甚至做数据分析。 “人才栈压缩”正在发生，角色边界正在模糊。
想建一个超级助手？先建一个代码智能体。 这是OpenAI的核心判断——所有AI Agent的底层能力都应该是代码能力。
创意不再值钱，执行力才是护城河。 AI让构建成本趋近于零，分布、设计、商业化重新成为决定胜负的关键。
AI帮人类review代码将是下一个大课题。 写代码变得容易，review代码反而成了瓶颈——这是产品团队正在重点突破的方向。
垂直AI创业公司仍有巨大机会。 如果你真正理解某类用户的痛点，你比那些只会写代码的人有巨大优势。

三、关键洞察

洞察一：Codex已经成为OpenAI内部最重要的基础设施

不只是Sora团队用Codex开发了Android应用，Atlas浏览器也重度依赖它；研究团队甚至让Codex”on call”——负责监控自己的训练运行，当训练出现异常时自动诊断和修复。

这意味着什么？AI正在开始闭环：Codex写代码，代码支撑模型训练，模型变得更强，再让Codex做更多的事。这是一个自我增强的飞轮。

洞察二：AI Agent的终极形态是通过代码来理解世界

Alex分享了一个反直觉的判断：如果你想构建任何类型的AI Agent，底层很可能都应该是一个”代码智能体”。因为代码是精确的、可验证的、可组合的——相比让AI直接点击界面操作电脑，写代码能减少大量不可预测性。

未来，当你和一个超级助手对话让它帮你分析数据时，它的底层逻辑可能是在帮你写Python脚本。

洞察三：2026年的瓶颈不是模型能力，而是人类的验证能力

Alex说了一句让很多人深思的话：“目前被严重低估的瓶颈，恰恰是人类敲键盘的速度。”

今天LLM已经能写出高质量代码，但人类仍然是唯一负责审查、验证、判断正确性的人。如果一个人每天能review的代码量是有限的，那AI写得再快也没有意义。

所以2026年的关键战场，不是让模型更强，而是构建能让AI自我验证、自我迭代的系统，让人类从”每行代码都要看”中解放出来。

四、精彩金句

“你想让AI使用电脑，最好的方式就是让它写代码。”

解读：这不只是一个技术选择，更是一种哲学——代码是精确的意图表达，AI学会写代码就等于学会了精确地做事。

“现在的AI产品其实很难用，因为你要时刻想着什么时候应该调用它。如果你能让AI在没被提示的情况下主动帮助你，那才是真正的 teammate。”

解读：当前的AI工具都是”被动响应”模式，但真正的 teammate 是主动的——知道你下一步要做什么，在你开口之前就出手。

“我们仍然低估了人类打字速度的限制性。”

解读：在AI能力爆炸的年代，最稀缺的资源可能不是GPU，而是人类的注意力带宽和验证能力。

“创意不再值钱，执行力才是。”

解读：AI大幅降低了构建成本，但_distribution、设计、商业化、用户理解这些”非工程”能力的价值正在飙升。

五、实战案例

案例一：Sora Android应用——28天从零到App Store第一名

Sora团队用Codex构建了一个完整的Android应用。整个过程：

18天完成员工内测版本
28天公开发布
团队规模：2-3位工程师
结果：登顶App Store排行榜

为什么这么快？核心原因是Codex可以同时”看”iOS代码库和Android代码库，自动完成跨平台移植工作。工程师只需要确认计划、分派任务，Codex负责执行。

“想象一下，一个App Store第一名应用，用几个工程师几周时间就做出来了。“Alex说。

案例二：Atlas浏览器的重构效率提升10倍

Atlas团队在构建Windows版浏览器时，使用Codex后的效率对比：

之前：2-3位工程师需要2-3周
现在：1位工程师，一周完成

这还是第一次有模型能够原生理解PowerShell——Windows的原生Shell语言。

案例三：OpenAI工程师用Codex帮自己训练模型看护（babysitting）

在模型训练过程中，Codex会持续监控训练曲线图表，识别异常、自动告警甚至执行修复。这让研究人员能够同时跑更多实验，大幅加速模型迭代。

六、行动建议

建议一：用AI解决你最难的问题，而不是最简单的

“测试Codex最好的方式，是给它一个你目前遇到的最棘手的Bug。“Alex建议。如果你只测试简单任务，可能会低估它的能力。

建议二：把Codex当新人培养，而不是工具使用

不要一上来就让AI帮你做完整项目。先让它了解代码库，再和它一起制定计划，然后再逐步放手。“就像带新人——先给上下文，再给任务，最后才信任它独立工作。”

建议三：提升产品设计和distribution能力，而非编程能力

AI正在让”会写代码”这件事变得不再稀缺。如果你想在未来保持竞争力，重点培养对用户的深度理解、跨团队协作、以及商业化能力。

建议四：把review工作交给AI，自己专注决策

代码写出来了，谁来review？Alex透露他们正在构建更智能的代码审查功能，让AI帮助你置信AI写的代码，减少人类的审查负担。

建议五：如果你是创业者，垂直赛道比通用工具更有机会

“如果你真的理解某一类用户的痛点，你比那些只会写代码的团队有巨大优势。“OpenAI等大公司做通用能力，具体场景和深度用户理解才是创业公司的护城河。

七、我的总结

Alex Imbricios分享的核心信息其实很清晰：AI正在从”被动工具”进化为”主动队友”，而代码是让AI精准操作世界的最佳语言。

2026年，AI Agent将真正爆发。但瓶颈不再是模型能力——而是人类能否建立起让AI自主工作、但人类仍然保持控制的新型协作模式。

如果你还在犹豫AI能帮你做什么，答案也许就是：先用它解决那个你拖了一周还没解决的Bug——然后你会发现，你已经回不去了。

📺 播客信息

发布时间：2025-12-14
时长：1小时25分钟13秒
播放量：29264 次观看
原版视频：『YouTube』