代码写得更多了，模型却更难拿到：AI 的瓶颈正在往后移

导读

多个编程 Agent 让代码产出增加，团队理解和审查代码的速度却未必跟得上。圆桌嘉宾 Ari Morcos 认为，AI 会改变瓶颈的位置：生成加快后，评审、维护或资源供应可能成为新的限制。Datology 的工程师同时照看多个 Agent，需要不断补上下文、检查结果并决定是否合并；即使用另一个 Agent 审查，人仍要明确哪些改动必须理解、出了问题由谁负责。同样的转移也出现在算力供应：替代芯片增加选择，但如果仍依赖同一批晶圆、内存、封装和电力，就不一定增加总算力。嘉宾还讨论了开放模型的商业取舍：前沿训练成本很高，完全开放权重后，开发者可以自行部署，原团队便难以从推理收费；企业因此也要考虑模型选择、调用成本和容量供应。