Cognition联合创始人：AI Agents如何创造 12 倍的生产力提升丨Joe Lonsdale
输入“/”快速插入内容
Cognition联合创始人：AI Agents如何创造 12 倍的生产力提升丨Joe Lonsdale
Cognition联合创始人：AI Agents如何创造 12 倍的生产力提升丨Joe Lonsdale
用户4242用户42423月29日修改
原创 Capihom Capihom 晚点再听LaterCast2026年3月28日 21:46 北京
我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3500 字，如果你现在没有时间，试试转成播客稍后再听
"我们 Cognition 的工程师现在已经不打代码了。"
"管理 Devon 一小时，抵得上自己干六到十二小时。"
"你现在几乎就是一支 Agent 军团的 CTO，你定义问题域，它们去执行。"
Cognition 的联合创始人 Scott Wu 和 Russell Kaplan 正领导着一家发展迅猛、人才济济的人工智能公司。他们的使命是：让专业的软件工程无处不在。软件资源丰富的世界会是什么样子？Cognition 是如何帮助一些最大的公司和组织大幅提升生产力的？人工智能最终能否让价值 1000 亿美元的政府 IT 系统摆脱困境？我们与 Scott 和 Russell 探讨了这些以及其他热门话题。如果你是工程师、产品经理、技术管理者，或者任何正在思考如何与 AI 协作的人，这期对话的密度值得认真读完。
工程师的「输入媒介」每隔几十年就换一次
很多人以为 AI 辅助编程是渐进式演化，但 Scott 的判断更加激进。 「我们 Cognition 的工程师现在已经不打代码了——这就是现实，而且这个转变发生在最近三到六个月内。」 每一代编程范式都是人类指令媒介的迁移——从打孔卡到汇编语言，从高级语言到今天——这一次，介质从代码变成了英语。工程师的工作流已经变成：想清楚自己要什么，用自然语言告诉 Agent，等待执行，审查结果。以前工程师需要理解冲孔卡的逻辑，现在很多工作已经变成了纯英语指令的组合。Russell 补充，新人入职时，直接用 Devon 询问代码库的历史背景和设计决策，而不再等老员工手把手讲解——这本身就是新工作方式渗透日常的一个侧面。理解代码依然有价值，但主动生产代码的工作，正在快速向自然语言迁移。这种迁移不是渐进的——它正在以几个月为单位发生，而不是几年。
"你用英语描述你想做什么，Agent 就去构建——不再是你亲手敲出每一行代码，而是你在主导决策，它来执行。"
一小时管理等于十二小时亲自干：这个数字从哪里来的
Cognition 最早找到产品市场契合点，是在企业大型遗留代码库的现代化改造项目中。这类工程通常涉及数万个服务、数十年的技术债，按传统方式估算工期，往往以年计算。到 2024 年末，Scott 开始在真实部署中测量到系统性的生产力提升——花旗银行、桑坦德银行等客户的数据显示， 「管理 Devon 一小时，抵得上工程师自己干六到十二小时」 ，一个原本需要两年的现代化项目，时间预期大幅压缩。安全漏洞修复是另一个典型案例：一家大型受监管金融机构，把 SonarQube、Veracode、Snyk 等漏洞扫描工具的告警直接接入 Devon，目前已能自动处理其中 70% 的漏洞修复任务，从「被动救火」变为「主动防御」。截至 2026 年 3 月，Cognition 客户今年前两个月的 Devon 使用量，已超过 2025 年全年总量——这意味着生产力拐点不在遥远的未来，而是过去几个月里已经悄然发生。
"到 2024 年末，我们测量到了 6 到 12 倍的生产力增益——管理 Devon 一小时，相当于自己完成同样工作六到十二小时。"
工程师工作的 90% 将被自动化，剩下那 10% 的价值放大十倍
Russell 提出了一个让人清醒的框架：传统软件工程，10% 是纯粹的创意工作——设计架构、权衡方案、决定「我们到底要构建什么」；另外 90% 是把决策落地的执行工作——写样板代码、处理历史债务、覆盖所有边界情况、修复客户报告的各种 bug。现在， 最优秀的工程师开始把十倍精力投入那个 10%，因为 90% 的执行工作已经由 Agent 承担。 这不是缩减工程师的职能，而是把价值密度提升了一个数量级。随之而来的是角色边界的松动——「工程师、设计师、产品经理互相看着说：我现在不需要你们了，因为我自己就能做所有事情。」这种高主动性、自主推进方向的能力，正在成为 AI 时代最核心的个人竞争力。Cognition 内部把公司定位为「推理实验室」，最看重的两种品质就是 agency（主动性）和 reason（推理能力）——能主动定义问题、做出判断的人，将在这个时代获得不成比例的红利。值得注意的是，Scott 认为这个变化对初级工程师的影响并非都是负面的：没有先入为主的做法预设，反而更容易全身心拥抱全新的工作方式。
"最好的工程师现在做了十倍多的创意工作，因为那 90% 的脏活已经不需要他们亲自动手了。"
别让你的 Devon 空转：机器学习研究员的思维模式现在人人都需要
Russell 在特斯拉时有一条不成文的原则：「永远不要让 GPU 空转过夜。」睡前跑几个实验，醒来就有数据。这个心态如今适用于所有软件工程。 面对「方案 A 还是方案 B」的两难选择，最好的做法是：同时把两种方案交给 Devon 跑，比较结果再决策，而不是提前在脑子里反复权衡。 这背后是一种「拥抱非确定性」的能力——允许过程不完全受控，用端到端的系统表现来验证，而非追求对每一行代码的精确掌控。这种心态曾经是机器学习研究员的专属，因为 ML 的本质就是把实验并行化、从结果中学习。随着 AI Agent 的渗透，这种思维模式正在变成所有软件工程师的标配。与此同时，软件工程的「流量结构」也在翻转：就像互联网早期大多数数据包由人类发起，后来演变为机器对机器的通信，决定「写什么代码」这件事，也正在从纯人工决策走向 Agent 主动响应事件触发的模式。Scott 把这种状态称为「被动工程转向主动工程」——不再等问题找上门，而是让 Agent 持续扫描、自动响应、直接处理。
"为什么要让 Agent 在你睡觉时闲着？你完全可以在睡前启动任务，醒来就拿到结果。"
软件超通缩时代：那张分类通胀图即将被改写
Scott 引用了那张广为流传的分类通胀图——受监管行业（教育学费、医疗费用）的成本一路飙升，而消费电子产品持续走低。他的判断是：这张图即将在更大范围内复现——软件将进入超通缩周期。 这不意味着软件产量减少，恰恰相反，软件产量可能增加千倍。 那些长期「将就着用」的数字体验——医院的挂号系统、银行的登录界面、学校官网十年不更新——将成为第一批被大规模修复的对象。Jevons 悖论在软件领域可能比任何行业都更为真实：越容易生产，需求越旺盛。Scott 甚至提到了「一次性软件」的概念——有些任务只需要做一次，未来完全可以由 AI 为当下这个特定实例实时生成专属 UI，用完即走。对应地，Russell 开了个玩笑：手工打造的代码或许会成为新时代的奢侈品，就像工业革命之后机器制造先是高端象征，后来反而是手工艺品更显珍贵。
"我们将进入软件的超通缩周期——它会变得极其容易构建、极度丰盛。任何能在数字领域解决的问题，都应该被解决掉。"
政府 IT 的千亿美元烂摊子，Devon 能搞定 COBOL 吗
美国政府每年在 IT 现代化上花费约 1000 亿美元，但大量核心系统仍运行在 COBOL 代码上，部分代码的原作者已退休甚至去世，留下的人里没有谁真正理解系统在干什么。这不只是技术陈列，而是每个公民日常感受的痛点：去 DMV 排队、网上报税体验糟糕、等一个许可证需要数月。Russell 提到，1890 年人口普查难题推动了打孔卡的诞生，DARPA 大挑战加速了自动驾驶革命——历史上政府往往是技术创新的重要推手，这一次角色有所颠倒，私营部门正在反过来帮政府补课。 Cognition 已完成 FedRamp 认证，与美国陆军、海军、财政部及 Palantir、Anduril 等国防承包商展开合作，目前有数十个政府端活跃部署。 COBOL 对 Devon 来说并不算最难的场景——高盛内部的自研编程语言才是，而 Devon 已经能处理。更重要的结构性突破是：政府客户要求拥有软件的 IP 所有权，而非接受 SaaS 授权，这在历史上几乎与现代软件采购模式天然不兼容。AI Agent 直接绕开了这个矛盾——Devon 帮你构建，IP 归属你自己，这是过去的系统集成商从未能真正解决的问题。
"因为有了 AI Agent，每家机构都能更容易地拥有自己的 IP——这是我们绕开政府采购历史困局的方式。"
竞争格局：代码市场足够大，Cognition 的护城河在哪里
面对 Cursor、GitHub Copilot 等一众竞争者，Scott 的回答是「市场大到不用打零和游戏——代码和软件工程的赛道实在太大了，有太多不同的工作需要完成」。Cognition 的差异化选择清晰：聚焦企业和政府端的超大型、超复杂代码库。技术护城河叫做「Codebase Intelligence」——最大的企业代码库无法放入单个上下文窗口，Cognition 在模型训练、强化学习和工程架构三个层面同时发力，解决如何在百万行代码中准确理解上下文、如何对接企业自有的测试框架、如何确保 AI 的修改在生产环境中可验证。 Russell 认为，基础模型实验室（Anthropic、OpenAI 等）是合作伙伴而非竞争对手——前者做模型研究，后者做深度企业落地，这种分工将越来越稳固。 Cognition 还在企业客户中配置了「部署工程师团队」，不只交付工具，而是深入到客户的工程组织里，推动真正的结构性变革，这是纯 SaaS 产品难以复制的服务模式。
"我们想成为最有能力的 Agentic 软件工程平台，然后拼命让它对人们真正有用。"
结语
从 2024 年 3 月第一个自主 Agent 上线，到今天 Cognition 两个月的使用量超过 2025 年全年，这个速度提示了一件事：AI 编程 Agent 的生产力拐点不是未来某个模糊的节点，而是正在这几个月里切实发生。Scott 和 Russell 所描述的世界，已经在他们自己的团队里成为日常——工程师不再打代码，Devon 在夜间继续工作，产品经理可以自己解决原本要打扰工程师的问题。对还没有开始深度使用 AI Agent 的团队而言，差距正在以倍数方式扩大，而不是线性拉开。这个时代真正奖励的，是那些愿意重新定义工作方式、敢于把想法直接交给 Agent 去试的人——因为你现在真正受限的，只剩下想象力本身。
"你现在真正受限的，只有你的想法和你的想象力——你可以直接把脑子里的东西变成现实。"
内容来源："How AI Agents Are Creating 12X Productivity Gains"丨American Optimist
如果你喜欢深度好文，可以用「晚点再听 LaterCast 小程序」，将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣