OpenAI、Perplexity都在改「内脏」，AI 公司进入深水区

OpenAI、Perplexity都在改「内脏」，AI 公司进入深水区

事情是这样的。

前两天我刷到一条消息，第一反应不是震惊，是有点恍惚。

Perplexity 的 Aravind 说，他们用两名工程师，加上几百个持久化 AI agents，在两个月里做出了一个替代 AWS DynamoDB 的系统，名字叫 CobbleDB，预计一年能省下上亿美元[Aravind Srinivas on X。

我看到这句话的时候，脑子嗡了一下。

不是因为省钱这件事本身有多夸张。

而是因为它让我突然意识到，我们可能已经悄悄走到了 AI 竞争的下一个阶段。

以前大家比的，是谁模型更强，谁榜单更高，谁发布会更会讲故事。后来比的是谁产品做得更顺手，谁增长更猛，谁能更快把用户圈进来。可现在，越来越多信号都在指向同一件事，真正拉开差距的公司，开始重写自己的系统，重写自己的组织，甚至重写自己的边界。

这就不是在表面抹一层 AI 了。

这是在动内脏。

我一直觉得，判断一轮技术浪潮是不是进入深水区，有个特别朴素的标准。

不是看它能不能做出炫酷 demo，也不是看它能不能在社交媒体上刷屏。

而是看它有没有开始改那些最不性感、最核心、最不适合讲故事的东西。

数据库算不算。

研发流水线算不算。

用户数据和人工审核的边界，算不算。

如果这些地方都开始动了，那就说明，事情已经不在外面了。

已经进身体里了。

先说 CobbleDB 这件事。

很多朋友看到这种新闻，第一反应可能是，哦，又是一家公司做了个自研基础设施，老生常谈。

我非常理解这种感觉。

因为过去十几年，互联网公司自己搞数据库、搞中间件、搞存储，根本不新鲜。大厂为了性能、成本和控制权，迟早都要往这条路上走。你如果只看这层，CobbleDB 确实像一条很普通的 infra 新闻。

但这次有意思的地方，不在于 Perplexity 替换了 DynamoDB。

而在于它替换 DynamoDB 的方式。

两名工程师。

几百个持久化 AI agents。

两个月。

这三个信息放在一起，味道就完全变了[Aravind Srinivas on X。

以前我们说 AI 提效，很多时候还是停留在外围。

写个脚本，补点测试，生成个文档，顺手查点资料。你会觉得它当然有用，但那种有用，更像是给成熟工业体系拧了几个更顺手的把手。

CobbleDB 不是。

CobbleDB 传递出来的信号是，AI 已经开始被拉进最核心的系统重构里，去做那种原本只有资深基础设施团队才敢碰的脏活累活。

这就很要命了。

因为一旦 AI 进入系统内脏层，变化就不只是快一点，省一点，而是整个工程组织的边界都松动了。过去你要做这种事，首先要有一支很能打的 infra 团队，要有长时间的人力投入，要能承受反复试错，还要有足够稳定的组织耐心。现在呢，少数关键工程师开始像带项目经理一样带 agents，很多以前因为成本太高而永远不会立项的事，突然就能算账了。

不是说人不重要了。

反而是人更重要了。

只不过重要的位置变了。

以后最值钱的工程师，可能不再只是那个亲手把每一行核心代码敲出来的人，而是那个知道该让 agents 去哪里挖、哪里试、哪里回滚、哪里收口的人。你想想看，这不就是一种新的系统导演吗。

说到这里，我会想起工业革命早期一个很经典的变化。

真正改变世界的，不是有人发明了一台漂亮的新机器，而是整套生产组织被机器重新编排了。机器一进工厂，工序、分工、调度、成本、培训、监督，全部都要跟着改。AI 现在也有点这个味道。它刚进来的时候大家拿它写摘要、修文案，像是办公室里多了个很勤快的实习生。可一旦它开始参与数据库、代码库、测试链路和运维闭环，它就不再是实习生了。

它开始像新的机床。

顺着上面的再聊聊 OpenAI。

我前阵子看 Pragmatic Engineer 那篇文章，里面用了一个词，我觉得特别准，叫 agentic software factory，也就是一种越来越像智能体工厂的软件生产方式[Inside OpenAI’s agentic software factory。

这个词好就好在，它一下把问题从单个工具拉到了组织形态。

很多人现在聊 AI 编程，还是在聊一个人怎么用 Claude、Codex、ChatGPT Work、Cursor 之类的工具变快。这个视角当然没错，我自己也天天在用。但如果只停在这里，你会低估接下来会发生的事。

因为真正大的变化，不是一个工程师配了几个 AI 工具。

而是软件工厂的最小生产单元，正在从「人 + 工具链」，变成「少量关键人 + 一群 agents + 更短的验证闭环」。

这个变化特别像什么呢。

像流水线被重新发明了一遍。

过去一条典型的软件流水线，大概是人提需求，人拆任务，人写代码，人测，人 review，人上线。工具当然很多，但工具是被动的。它们像扳手、像传送带、像测试仪，等着人去用。

现在不一样了。

越来越多环节开始从「等人触发」变成「主动协作」。有的 agent 负责找上下文，有的 agent 负责实现，有的 agent 负责补测试，有的 agent 负责回归，有的 agent 负责盯异常。人还是最后拍板的人，但很多原来得靠人脑不断来回切换的工作，开始被拆给一群不会累、也不会嫌烦的执行体。

这听起来很爽。

也确实很爽。

尤其是你真正在一个项目里把它们串起来的时候，那种感觉太上头了。以前一个脑子里刚冒出来的小想法，你还得先判断值不值得做，做完会不会卡在一堆脏活里，最后经常是还没开始就先放弃。现在如果编排得好，很多想法是可以真的下场跑一遍的。

这会带来一个特别现实的后果。

未来公司的竞争力，可能会越来越取决于内部「想法到验证」这段距离有多短。

谁能把这段距离压到最短，谁就能比别人更快试错，更快重构，更快发现什么值得赌，什么应该砍。

回到 OpenAI 这块，我觉得最值得警惕，也最值得兴奋的，不是他们某个工具是不是又领先了几个月。

而是他们可能已经在内部先活成了下一代软件组织的样子[Inside OpenAI’s agentic software factory。

这件事的冲击力，其实比发布一个新模型还大。

因为模型领先，别人迟早会追。

但如果你连生产模型、生产产品、生产代码、生产实验的组织方式都变了，那差距就不只是一个版本号的差距了。

那是体质差。

不过话说回来，任何一次效率跃迁，都会顺手带出新的代价。

这也是我为什么会把 Project Lily 这条线一起拉进来。

如果你只看前两段，整篇文章会非常像一个热血沸腾的技术故事。两名工程师带着几百个 AI agents 改写数据库，OpenAI 把软件工厂变成智能体工厂，听着就很像那种下一代文明已经在门口敲门的前夜。

可现实从来不会只给你一面。

404 Media 的报道被 IT 之家转述后，里面提到 OpenAI 内部一个叫 Project Lily 的项目，涉及人工审核部分 ChatGPT 用户聊天记录，用来优化模型和产品[OpenAI 内部 Lily 项目曝光：人工审核 ChatGPT 用户聊天记录以优化大模型。

我看到这条的时候，第一反应不是愤怒，也不是惊讶。

而是一声叹息。

因为它太符合这个阶段的行业现实了。

你越想让 AI 好用，越需要真实世界的数据。

你越想让它稳定，越需要人工兜底。

你越想把它嵌进核心流程，越绕不开审查、标注、修正、回看这些「脏环节」。

很多人对 AI 的想象，还是一种特别干净的自动化。

一个按钮按下去，系统自己学会，自己变强，自己把事情做完。可真到产业深水区你就会发现，所谓自动化的背后，往往站着更多的人、更多的规则、更多看不见的边界协调。

这其实挺讽刺的。

一边是 agent 越来越像 autonomous system，一边是真实世界为了让它安全可控，不得不把更多人工干预重新塞回流程里。

于是我们看到的就不是纯自动，也不是纯人工。

而是一种更复杂的人机混编。

这才是现在最真实的画面。

一边在重写数据库。

一边在重写软件工厂。

一边又在重写信任边界。

你说它先进吧，确实先进。

你说它干净吧，也远没有那么干净。

这话听着有点刺耳，但我觉得越早承认这件事越好。因为只有承认了，后面关于隐私、授权、审计、告知这些问题，才有继续往下谈的基础。

不然大家都沉迷在那种「AI 自己成长」的浪漫叙事里，最后最容易被忽略的，恰恰就是人。

而人，才是边界真正要保护的东西。

说真的，我现在越来越觉得，很多公司理解 AI 的方式，从一开始就有点太轻了。

把它当插件。

把它当助手。

把它当一个更会聊天、更会写代码、更会做图的功能增强层。

这些理解都不能说错。

但都还停留在表皮。

真正难，也真正值钱的，是敢不敢让 AI 进入公司的肌肉、血管和神经系统。你敢不敢让它碰数据库，敢不敢让它碰研发流程，敢不敢让它碰知识管理，敢不敢让它碰客服、运营、审核、财务这些以前你觉得「绝不能乱来」的地方。

当然，不是让它胡来。

而是你有没有能力把这些系统重写成适合 AI 共存的形状。

这就是我最近反复在想的一件事。

未来的 AI 公司，或者更宽一点说，未来所有会被 AI 深刻改造的组织，真正要比的，可能是三种重写能力。

第一种，重写系统。

你能不能把过去为了人而设计的软件系统，改造成一部分为 agents 服务，一部分为 humans 服务，剩下那部分为两者协同服务。

第二种，重写组织。

你能不能重新定义团队规模、岗位分工、协作方式、考核逻辑，让一群人和一群智能体不至于互相拖后腿。

第三种，重写边界。

你能不能在效率、隐私、合规、信任之间，重新画出一条大家愿意接受的线。

这三件事，少一件都不行。

只会重写系统，不会重写边界，最后容易翻车。

只会重写组织，不会重写系统，最后容易悬在半空。

只会谈边界，不敢碰系统和组织，最后又什么都推不动。

所以你看，AI 竞争到这一步，其实已经越来越像一场企业内部的器官移植手术。

模型只是刀。

agents 像新的手术器械。

真正难的是，你得知道该切哪里，换哪里，保留哪里，还得保证病人别死在台上。

这就是为什么我会用「内脏」这个词。

有点重口。

但特别准。

因为表皮重写，看起来热闹。

内脏重写，才决定生死。

如果把视角再放大一点，这其实也不只是 AI 公司的事。

它会慢慢蔓延到每一个知识工作团队。

你可能不是搞数据库的，不是做模型的，也不是 OpenAI、Perplexity 这种站在行业浪尖上的公司。你只是一个普通产品经理，一个工程师，一个内容创作者，一个运营，一个咨询顾问，一个研究员。

我非常理解那种感觉。

会觉得这些离自己很远。

可真没那么远。

因为当软件工厂开始变化，最后变化的不会只是工程师。产品怎么定义，需求怎么拆，信息怎么流转，文档怎么沉淀，知识怎么被调用，决策怎么被记录，复盘怎么被生成，这些东西都会跟着变。

你以为自己是在学一个新工具。

其实你是在被卷进一场生产方式改制。

这也是我为什么对所谓 AI 焦虑，始终有一种很复杂的感受。

一方面我当然理解，很多人会怕，会觉得自己辛辛苦苦积累的东西会不会突然贬值。你不是基础设施工程师，不需要重写数据库。你也不是顶级实验室研究员，不需要操心 agentic software factory。你只是想把眼前工作做好，安稳过日子。这种心情太正常了。

但另一面，我又会觉得，越是在这种时候，越不能只盯着「它会不会替代我」。

更该问的是，它正在重写什么，而我能不能尽早看懂这场重写。

看懂了，你就知道自己该往哪里补位。

看不懂，就很容易被动。

说到这，我想起一句老话。

每一代重大技术革命，最先淘汰的往往不是不会用新工具的人，而是坚持拿旧组织方式去使用新工具的人。

蒸汽机不是装在马车上就算工业化。

电力也不是把煤气灯换个能源就算现代化。

AI 更不是在原有流程上贴几个 chatbot 就算完成转型。

很多时候，真正的门槛不是能力本身。

而是你敢不敢承认，旧秩序已经开始不够用了。

我觉得这可能就是最近这些新闻最打动我的地方。

它们并不是在告诉我们，某家公司又赢了一局。

它们是在提醒我们，AI 这场比赛已经不只是模型竞赛了。它开始往下走，走进系统，走进组织，走进那些过去默认不会被轻易打开的地方。

走得越深，效率越高。

走得越深，代价也越真实。

而接下来最有意思的，恐怕也正是在这里。

谁会最早完成这场内脏级重写。

谁又会因为边界没画好，先把自己划伤。

反正我是真的觉得，未来两三年，最值得看的故事，大概率都在这里了。

---

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

谢谢你看我的文章，我们，下次再见。