Andrew亲口说，同一个功能在OpenAI内部可能同时有90个未经协调的团队在做原型。这不是管理混乱，而是实现成本趋近于零后的必然结果。以前写文档→做原型→实现的瀑布流程，建立在「原型便宜实现贵」的假设上；现在任何人都能直接用Codex生成可跑的东西，瓶颈反而成了整合筛选的判断力。这就是他说「昂贵的是品味」的真实语境——品味不是抽象审美，而是面对90个方案时，选哪个、怎么融、为什么要这么做。

Codex的Computer Use功能本质上是一层GUI自动化层，区别于CLI和API调用。它通过macOS的屏幕录制权限「看」界面，借助辅助功能权限操作鼠标键盘——点击按钮、填写表单、打开菜单。原理不是AI凭空知道屏幕布局，而是截图后让模型识别视觉元素，再映射到坐标点执行操作。阿里云AgentSecCore给类似的自主执行加了「执行前预防、执行中检测、底层兜底」三层安全兜底，说明了行业对这一能力的信任边界还在探索中。

Andrew说角色在「坍塌」——设计师写代码、工程师做设计、PM也写代码。就在他发言的同时，Lovart创始人陈冕已在自己的公司里取消产品经理岗位。Keith Rabois则在Lenny播客直言「PM这个角色在未来没有意义」。这不是少数人焦虑，而是硅谷和中国的产品从业者同时面对的一轮结构性重构：当AI抹平了文档、原型和实现之间的成本沟壑，靠信息传递和需求翻译吃饭的岗位，护城河还剩多少？

从2025年的2860万到2030年的22.16亿，IDC给AI Agent画的是一条76倍增长曲线，背后对应的是开发者角色从「写代码的执行者」转向「编排AI工作流的指挥者」。一个AI原生团队已在2026数字中国大赛中验证：两人两周输出130万行代码。但拐点不在Agent能做多少，而在人类审查的瓶颈如何破——当前Agent在中等复杂度需求中仍有约20%的失败率，误删28745行正常代码的事故警示着信任边界的脆弱。Codex从编程工具向「最好的桌面应用」演进的路线，和微信、支付宝同时内测AI Agent的动作在同一时间轴上。

Reddit上有人算过账：贡献者用AI生成一个PR只需7分钟，维护者审查它却要85分钟。这不是效率提升降低审查成本，而是代码通胀时代的信任通缩。中国电信锐鉴平台扫描2700万行代码揪出9468个漏洞，印证了AI代码「看起来完美，跑起来崩坏」的铁律。真正该追问的不是「AI能不能替代程序员」，而是：当AI让代码产量暴增，人类审查者的瓶颈从哪里破？