GitHub CEO本周官宣離職創業：AI Coding 進入紅海，但開發者工具領域不會只有唯一贏家，未來會是多元共存

在最新一期 Decoder 節目中，主持人 Alex Heath 對話 GitHub CEO Thomas Dohmke，這場對話發生在一個微妙的節點：Dohmke 宣佈將在年底離職創業，而 GitHub 則併入微軟新組建的 CoreAI 團隊。在 AI 編程賽道競爭白熱化之際，這不僅是一場高層變動，更是一種戰略重排，意味着 GitHub 不再只是「開發者社區業務」，而要成為微軟 AI 工具鏈的底座。

面對行業內卷，Dohmke 在節目中給出了一系列激進且頗具爭議的判斷。他直言未來兩年內 90% 的代碼都可能由 AI 自動生成。當 AI 真能寫出絕大多數代碼時，程序員是否還必要存在？他的回答是：開發者不會消失，但會發生分化——有人轉型為「提示語導演」，掌控 Agent；有人則堅守寫代碼的身份，成為「手藝人」。他甚至承認，這種分化本身就是一種新的「職業階層化」。

更進一步，他提出一個引發熱議的觀點：AI 編程是通向超級智能的關鍵路徑。如果 AI 能夠自己寫代碼並優化自身，就意味着它具備了自我進化的能力，而這正是智能爆炸的前夜。在他看來，贏得 AI 編程賽道的公司，很可能率先掌握超級智能的門票。這一表態在行業內被視為既是雄心宣言，也是隱憂信號。

Dohmke 還抨擊了圍繞「AI 寫了多少代碼」的 KPI 遊戲。他直言，這些百分比數據帶有營銷意味，真正的問題是：AI 生成的代碼是否足夠可靠、安全，能否在生產系統中大規模使用。他説未來開發者很可能會被「AI Agent 海嘯」淹沒——數萬個 Agent 同時生成、提交代碼，迫使人類開發者從寫代碼轉向審覈、治理。

他同樣沒有迴避 Copilot 的競爭壓力。Cursor、Anthropic 等對手正在重新定義「AI 原生工作流」，並迅速贏得早期開發者心智。Dohmke 承認這種衝擊真實存在，但堅持認為 GitHub 的平臺優勢和微軟生態協同，纔是決定長期格局的關鍵。他把競爭比作 F1 賽車——不是每場都能贏，但真正的總冠軍要看誰能堅持到賽季最后。

最終，這場對話把一個更尖鋭的問題擺在檯面上：AI 編程究竟是在解放人類，還是在重寫人類在技術世界中的地位？ 當 GitHub 的領導人選擇在這個時間點抽身離開，留給行業的不只是 Copilot 的未來命題，更是關於開發者身份、智能邊界與權力歸屬的巨大爭議。

AI編程崛起與挑戰：GitHub CEO談未來兩年內代碼全自動生成的可能性

主持人：歡迎來到Decoder！我是Alex Heath，你們周四節目的特邀主持人，也是The Verge的副主編。本周是Decoder的AI編程專題周。你剛剛聽到了我的朋友Casey Newton採訪Cursor CEO Michael Trell的內容，而接下來，我將帶來與GitHub CEO Thomas Dunka的對話。在很多方面，GitHub Copilot可以説是引爆了我們如今所處的AI編程熱潮。

但自從Thomas一年前上過節目以來，AI編程的興起已經讓關注點轉向了像Cursor和Windsurfing這樣更新的平臺。正如你們將在我們的對話中聽到的，Thomas正在深入思考競爭形勢以及GitHub和軟件開發的未來。現在正是進行這場對話的好時機。Thomas對行業的走向有着鳥瞰視角。我想了解他如何看待AI對軟件工程師角色的持續變化，以及他自己什麼時候會覺得可以放心地進行AI編程。畢竟這是Decoder，我不能不問他如今作為一個獨立於微軟內部的公司，運營GitHub的生活是怎樣的。好了，GitHub CEO Thomas Dunka，開始吧。

Thomas，非常感謝你來參加節目。自從你一年前和Nile一起上Decoder以來，我有很多事情想和你聊。自去年以來，最大的變化就是我們在The Verge和Decoder上不斷討論的AI編程的興起。作為一個從未寫過任何軟件的人，當我想到AI編程時，覺得那將是我能夠完全不用懂代碼就能創建一個應用或網站的時刻。對我來説這非常令人興奮，但感覺我們還沒完全到那個階段。行業大概什麼時候能達到那種程度，讓像我這樣的人可以從零開始用AI編程創建東西？

Thomas Dohmke：這完全取決於你想要做什麼。對於一些小項目，我們已經達到了那個階段。我挑戰你去試試GitHub Spark或者Lovable，你很可能能做出像貪吃蛇、乒乓球或者一些小型的專用應用。我們現在已經到了那個水平。

隨着複雜度的增加，你就需要具備一定的系統理解，比如架構設計、數據庫等等。我們越來越接近這樣一個階段，越來越多的基礎功能——我們稱之為primitives——被這些AI編程平臺所支持。舉個例子，像GitHub Spark，當我們去年十月在GitHub Universe發佈它時，它只能創建運行在瀏覽器里的前端應用，使用的是JavaScript語言，可以做一些瀏覽器端的操作，並帶有一點后端存儲功能。而現在新版的GitHub Spark實際上可以生成一個完整的全棧應用，包含后端和數據庫，還能連接AI模型等功能。大約九個月的時間，它變得越來越複雜。我相信我們會看到這些AI編程平臺生成能力的指數級提升。

挑戰在於，從零開始創建東西是一回事，而去修改一個已有的軟件系統、弄清楚代碼庫中哪個功能對應哪個測試用例則是完全不同的事情。大多數軟件應用隨着時間推移會變得越來越龐大和複雜，可能有成百上千的工程師參與開發。AI要能解決所有這些由系統專家才能應對的用例，離我們還很遙遠。

主持人：這正好引出了你最近發表的一篇博客文章，你採訪了一些開發者。我很想知道他們是什麼類型的開發者。你採訪了一批開發者，瞭解他們對AI編程現狀的看法、他們目前的狀況以及他們對未來的預期。你都採訪了什麼樣的開發者？這些人不全是你們團隊內部的。他們是外部的開發者？

Thomas Dohmke：是的，都是外部開發者，是真正在寫代碼的人。七年前我第一次接觸GitHub時，感觸很深，因為GitHub品牌和它在業界的廣泛知名度，讓我們很容易找到願意參與30分鍾訪談、回答問題的人。所以我採訪的開發者有一定比例是與GitHub有聯繫或者對給我們反饋感興趣的，但總體來説，採訪對象是非常多樣化的。

主持人：你收到的最主要反饋是什麼？我想把這個和軟件工程師的角色變化聯繫起來，想了解你從大家那里聽到的關於工程師角色現在如何變化，以及如果可以的話，他們認為未來一年這個角色會怎樣演變。

Thomas Dohmke：有人很快地説，AI已經來了，而且會長期存在。我們採訪的大多數開發者以及整個行業的大部分開發者，都已經意識到軟件開發這個職業正在發生變化，尤其是那些使用AI的開發者，這種變化已經在進行中了。因此，大多數人都在調整自己的工作方式。今年早些時候我寫過另一篇博客，稱這為「開發者的奧德賽(the Odyssey of developer)"（ZP注：「開發者的奧德賽」借用古希臘史詩《奧德賽》的意象，形象地描述了軟件工程師在AI時代面對技術變革時，經歷不斷適應、探索與成長的漫長且充滿挑戰的歷程。）

我們經歷了從穿孔卡和大型主機，到個人電腦的變遷，這極大地改變了開發的內循環速度。以前我得預約主機時間，我記得去我媽媽辦公室時，她桌上堆着穿孔卡，而突然之間，每個人的桌上都有了個人電腦，至少護士們開始用電腦編程。接着，我們經歷了從匯編語言、Basic和Pascal到Python、Go和Ruby的演變，從沒有互聯網到擁有數百萬個開源庫，能直接從自己的服務器或雲端拉取到應用中。技術一直在不斷提升抽象層次。

如今，開發完整全棧應用的工程師很可能並不真正瞭解運行該應用的CPU型號、內存大小、主頻等具體硬件參數。除非是遊戲開發者，他們通常也不會寫匯編代碼。技術堆棧自然在不斷向上發展，因為我們管理的代碼量在過去50年呈指數級增長，未來也會繼續這樣增長，人類已經處在指數曲線上非常陡峭的階段。因此，我們需要這些工具來「拉平」這條曲線，雖然不能讓它完全平坦，但至少讓它不那麼陡峭，這樣我們才能繼續應對如今擁有數十億行代碼的複雜應用。

主持人：你採訪的開發者中有一半表示，他們相信在兩年內，90%的代碼將由AI完成。這也是我從其他人那里聽到的觀點。Anthropic的CEO Dario Amodei甚至給出了更激進的時間表，他認為三到六個月內就能實現。我很想知道你怎麼看這個問題？實現一個幾乎所有生產環境代碼都至少部分或完全由AI生成的世界，大概需要多長時間？

Thomas Dohmke：每當談到這個話題，我首先想到的是，我們現在技術棧中90%的代碼其實已經是別人寫好的，也就是全球數百萬開源開發者的貢獻。無論是前端網頁還是后端，我敢肯定90%都是開源的。按代碼行數算，90%來自開源庫、開源操作系統、編程語言和各種依賴，而工程團隊只負責剩下的10%。GitHub和微軟的情況也是如此。我們已經處在一個世界里，專注於定義業務核心的那層薄薄的上層代碼，同時藉助全球開發者的力量來加速創新和安全保障。AI也會做到類似，寫出90%的代碼，而我仍然可以專注於自己8小時的工作，寫好那10%的代碼。這並不意味着我停止寫代碼，而是意味着我現在能擁有十倍於自己單獨完成的代碼量、功能和特性。

主持人：這就像開源推動技術進步一樣，AI也是對開發效率的巨大放大器。

Thomas Dohmke：我們會看到各種團隊和公司的廣泛差異，這不僅取決於他們是否願意使用AI，還取決於他們如何設計公司、軟件和基礎設施，使AI Agent能夠充分利用這些資源。舉個例子，如果他們有設計系統，當你讓Agent添加功能時，它不會隨意創造新的層疊樣式表，而是使用已有的組件。這樣Agent構建的所有功能都能與產品的設計語言保持一致。可以想象，一種全新的應用架構方式將出現，讓Agent像搭樂高積木一樣更容易組合新功能。這將極大地影響公司達到90%代碼由AI編寫這一目標的速度，反過來也會影響AI的應用。

顯然，仍有許多公司運行着基於大型主機的老舊代碼，使用PHP、Perl等遺留的「意大利麪條式」代碼庫。以GitHub為例，我們有一個和GitHub年齡一樣大的Ruby on Rails單體應用。作為CEO，我不能簡單地決定去拆分這個單體架構，更別提這往往不僅是工程問題，更是哲學層面的討論。擺脫這些遺留系統，經歷雲轉型、數字化轉型，現在還有AI轉型，對於這些組織來説所需的時間遠遠超過那些能夠站在技術前沿、讓90%以上代碼由AI生成的公司。

主持人：所以聽起來你還沒有具體的時間線。

Thomas Dohmke：比如現在，很多人在他們的博客里已經在記錄這件事了。如果你知道自己在做什麼，並且從零開始用類似Claud code這樣的工具，你可以讓100%的代碼都由AI生成。而你唯一需要做的，就是修改這些用自然語言寫成的指令文件，來指導Claud code構建應用。所以這個應用從定義上來説，100%的代碼都是AI寫的，而作者真正寫的只是指令規範。如果生成的源代碼不能正常運行，你當然可以進去手動修改，或者你也可以選擇不去修改，因為那樣可能會破壞系統，而是思考如何調整你的指令文件，讓Claud code繼續幫你寫出所有代碼。

主持人：説實話，我有點懊惱自己居然問了你這個問題，因為有些CEO説「我們代碼中有多少百分比是AI寫的」這種説法，實際上讓我很煩躁。你的老闆Satya Nadella曾表示，微軟大約有20%到30%的代碼是由AI編寫的，你也知道，Sundar Pichai也發佈過相關數據。

AI編程工具普及與質量挑戰下開發者的疑慮與角色轉變

主持人：Marc Benioff發佈過相關數據，Mark Zuckerberg也有類似説法。但我一直在想，這些代碼到底質量如何？

這是那種你希望隨着時間推移不斷增加使用比例的代碼嗎？我看到最近Stack Overflow做的一項調查，採訪了很多開發者，我相信你也看過。很有趣的是，絕大多數開發者表示他們已經在使用或計劃在明年內使用AI工具，比例超過80%。但更有意思的是，大約一半的受訪者表示他們對這些AI編程工具的準確性持懷疑態度，而他們最大的挫敗感——調查中約66%的人提到——是AI生成的代碼常常不夠準確，導致他們不得不花大量時間調試。

而且AI編程實際上花費的時間比帶來的生產力提升還多。我想知道你在GitHub的各項工作中，包括GitHub內部，是否也看到類似情況？還是這只是個別現象？這看起來是個很大的問題——雖然AI生成的代碼越來越多，但質量可能並不理想。

Thomas Dohmke：你説得沒錯，不過我沒給出具體的百分比。

主持人：説實話，我有點懊惱自己竟然只是問你這些百分比問題，因為我翻看筆記時發現，其實很多人對這些百分比數據持懷疑態度，我們是不是用錯了討論的角度？確實，AI生成的代碼量在各家公司不斷上升，CEO們也拿這個來炫耀他們的成果，但我們是不是該更多關注代碼的質量？我很想聽聽你對這場討論的看法。

Thomas Dohmke：從我角度看，這兩者其實是相輔相成的。這些百分比多少帶點營銷成分，具體是90%、80%還是95%其實沒那麼重要。重要的是，我們必須清楚軟件開發這個職業正在發生變化，技術堆棧在不斷提升。我們正在從理解每一行代碼，轉向更多地在規格説明之間切換。

人類語言本質上是非確定性的。我們倆可能説同一句話，但意思卻不同，更別說不同語言在描述事物時用的結構也不一樣。編程語言其實是對處理器——無論是CPU還是GPU——的一種抽象，本質上就是描述晶體管如何自動切換從0變到1的過程。這兩者都會共存，因為機器依然運行在CPU上，這一點不會變，但我們是用人類語言在思考。

所以問題其實是，你想寫更多的人類語言，還是想寫更多的代碼？這不是AI幫你決定的，而是你作為開發者自己做的選擇。這正是作為開發者的創造自由——你可以説「我現在知道自己在做什麼，我想寫代碼」，或者「我想用AI Agent幫忙」。事實上，關於Agent，最關鍵的問題是，用Agent更快，還是自己動手更快？如果我知道自己三秒鍾就能搞定，那用Agent反而是浪費時間、精力和資源。就像我希望用ChatGPT幫我回復短信一樣。

主持人：我用消費者級Agent的時候也有類似感受，比如你確實能幫我訂酒店什麼的，但花了一個小時，而且結果也不太對頭，最后我還是得自己動手做，自己做反而更高效。

Thomas Dohmke：就拿Outlook里的通知摘要來説，至少對我而言，它通常沒有直接閲讀郵件的前三行內容來得實用。

接下來第二個問題是，好，AI寫了這麼多代碼。如果AI寫了90%的代碼，也就是寫的代碼量是我自己的九倍，那麼我是不是要審查這些代碼的質量、安全性和編碼規範？還是説，我會尋找AI來幫我做這些工作？因為最終，我們人類開發者將被大量Agent「淹沒」，這里説的「淹沒」是分佈式拒絕服務攻擊（DDoS）的意思——這些Agent不會休息、不會周末放假，而且可以同時運行。

你看OpenAI的codecs，它們已經會為你給出的每個任務生成四個不同的版本，然后你通過選擇自己最喜歡的版本，實際上在幫助它們進行強化學習。但不僅僅是生成四個版本，它們完全可以生成40個甚至400個版本。接着，你還可以用另一個Agent來評估這些代碼的質量，給出評分，形成一個Agent之間相互反饋的閉環。

實際上，我們正逐漸達到一個階段，AI Agent生成的代碼質量會持續超越人類，因為它們可以在無限規模上運行，找到那些人類因時間有限而無法發現的所有漏洞。但挑戰仍然存在，那就是我們是否信任這些代碼。説到這點，其實GitHub的誕生正是爲了促進人類之間的協作。

GitHub的核心就是我有一個開源項目，你可以fork這個項目，如果你喜歡或想添加功能，就給我發一個叫做pull request的請求，然后這代碼不會直接合併到我的代碼庫里。相反，我會審覈這段代碼，給你反饋，比如説：「嘿，Alex，這個挺不錯，但你能不能改寫一下這部分？」有時候語氣甚至會更嚴厲。最終，我們會決定，「好，這挺不錯，合併吧。」這其實就是人類之間協作的質量控制。當然，你也可以用同樣的流程來實現人類和Agent的協作，但如果你有成千上萬個Agent，那就得重新思考這個流程了。這將是開發者工具最大的差異點——誰能搞清楚如何讓Agent生成比人類多得多的代碼，同時又讓人類保持控制權，確保投入生產、處理客户數據、計費流程等的代碼真正可用、質量過關且沒有安全漏洞。這纔是未來幾年的挑戰，不是Agent寫多少代碼，而是我們能接受多少Agent寫的代碼進入生產系統。

主持人：聽起來你的意思是，未來的開發者更多是在全天監控這些Agent的表現，接受或拒絕pull request，審查代碼，但不再親自寫代碼，可能只給出非常高層次的指令，實際上是在從編碼的具體過程里退出來。這將成為普遍的趨勢嗎？

Thomas Dohmke：你要做的只是寫一個提示語。這在圖像生成模型中也已經開始出現了。比如你用ChatGPT生成一張吉卜力風格的圖像，你並沒有寫生成圖像的代碼，只是給出指令，然后模型幫你完成。實際上，有個技巧是你可以上傳一張已有的圖像，讓它分解成JSON格式的數據結構，然后你修改這個數據結構，再用它作為提示語去生成修改過或刪除了某部分的圖像。所以你有點像在做開發，但並不寫代碼，而是讓模型幫你完成。未來會有一類開發者，專門使用模型和Agent來構建並驗證系統。

還會有一類開發者依然熱愛寫代碼，他們會將部分工作交給AI Agent來完成，比如寫測試用例、文檔等那些他們不喜歡做的事情，從而騰出時間去做自己真正熱愛的事。問題是，你一天八小時的工作時間應該如何安排？什麼樣的工作能激發你的創造力，推動創新，還是更注重把事情做完？這兩者需要結合起來。

如今，無論大公司還是小公司，大多數開發者每天可能只寫四個小時代碼，有時甚至更少。剩下的時間則花在開會、寫郵件、審查他人代碼、更新服務等各種事務上。開發者還得做很多其他工作。他們大多數人會保留一定時間，用來寫代碼或者寫指令生成代碼，這會讓他們感覺自己依然在編程。

事實上，打個比方，我們是從匯編語言發展到更高級的AI編程語言和開源庫的。我沒見過有人説自己再也不用寫匯編了，並不是匯編不再存在，而是我們有了編譯器，把高級編程語言編譯成匯編代碼。現在，你可以把AI模型看作是一個編譯器，它把人類語言的指令編譯成編程語言，然后真正的編譯器再把編程語言轉成匯編代碼。你的代碼其實就是人類語言了。你可能再也不用看編程語言了。但問題是，目前的模型仍然會出現幻覺，寫出的代碼不一定完全符合你的預期。

或者説，我可能會讓AI重複生成十次，每次的代碼版本都不一樣。你看過有人在現場用vibe coding演示玩貪吃蛇遊戲嗎？每次生成的遊戲代碼都不一樣。所以我們還不夠信任人類語言轉換成編程語言這一層，無法直接跳過它。但我們已經成功跳過了匯編語言那一層，對這點很有把握。我認為只要這兩層依然存在，我們就會繼續寫代碼、學習編程，在確定性和非確定性層面之間來回切換。

主持人：因為LLMs本質上是非確定性的，它們會「編造」內容，這其實是它們架構上的一個特性，而不是bug，是故意設計成會產生幻覺的。那麼，是否會有那麼一天，像我這樣完全不懂編程、分不清各種語言的人，也能可靠地通過自然語言構建需要訪問各種API、數據庫、網頁等功能的應用？如果真的能做到，那將是個巨大突破，對世界產生深遠影響。但正如你説的，也許這項技術本質上就達不到那個境界。

Thomas Dohmke：只要範圍受限，是能夠實現的。而且這個範圍會逐漸擴大。

你將能夠完成一些特定的任務，比如你現在跟AI Agent對話，讓它幫你生成一張圖表。實際上，它是在幫你寫一段Python腳本，然后用這段腳本來生成圖表。而你可以讓ChatGPT把這段Python腳本展示給你看。不過大多數用户根本不需要去理解這段Python代碼，只要看圖表就行了。所以這類用例會快速增長。

但我們所認為的專業軟件系統，也就是專業軟件開發者開發的產品，將變得更加複雜。因為現在專業開發者能夠在同樣時間內構建更多功能，而過去可能只是寫一個Python腳本來生成合理的圖表。今天我們所稱之為「最先進」的軟件，將遠比我們能想象的人類開發者寫出的複雜得多。事實上，這一直都是如此，比如現在我的iPhone，功能遠遠強於1990年代初的Commodore 64。當年為Commodore 64開發的程序員看到如今的iPhone應用，會覺得這簡直是魔法，就像我們看待AI一樣。如果這樣想，我們終會達到那個點，同時專業開發者依然會像魔法師一樣，因為他們能寫出如此精簡且功能強大的應用。

GitHub Copilot與AI編程領域的激烈競爭與未來展望

主持人：我們來聊聊競爭吧。你剛纔在對話中已經提到了幾個GitHub Copilot的競爭對手，這説明你願意談這個話題。編程可以説是目前AI領域競爭最激烈的部分，至少這是我的看法。現在有很多交易在進行，初創公司被收購，實際上，一些歷史上增長最快的公司正是AI編程公司。比如Cursor、Lovable，還有我們剛纔談到的Vibe coding應用。

GitHub Copilot確實是最早進入AI編程助手領域的產品，現在依然非常強大，但我好奇的是，特別是過去這一年自你上次在Decoder出現以來，你是否認同這樣一種看法——GitHub Copilot似乎在一定程度上失去了市場關注度，至少在那個對這類技術痴迷、每天都在討論的硅谷小圈子里。我相信你們仍然有大量用户，但我想知道你是否也有這種感覺，是否覺得這對你們推動產品更快迭代帶來了壓力？另外，你怎麼看今年競爭格局的變化？

Thomas Dohmke：整個人工智能、大型語言模型以及這些模型能實現的可能性正以非常快的速度發展。在科技領域，我從未見過這樣的局面，我也在這個領域待了很久。你説得沒錯，AI代碼生成正站在這場創新浪潮的最前沿。邏輯上講，因為所有這些公司都僱傭開發者，所以大家都有內在的動力讓編程變得更容易，因為這意味着我可以更快地創新。如果我有一款能讓我的開發者比競爭對手快5%的編程工具，我肯定會用。自從我上次在Decoder亮相以來，這個市場已經加速發展。我對此持非常開放的態度。

這真是令人驚歎，我作為開發者這麼久，從未見過軟件開發工具有如此多的創新。作為GitHub，我們一直明白自己是一個生態系統的一部分，這個生態系統既與行業內的公司競爭，也與它們合作，無論是在AI代碼生成領域，還是在CI/CD、應用構建等方面。我們並不決定你更喜歡哪個開源庫。大多數人不會只用GitHub提供的JavaScript生態系統，如果你想用Python，你會去別處。沒有人願意看只有一支球隊贏球的體育比賽。至於你説我們失去了心智份額，我不同意。我們贏了一些，也失去了一些，有時甚至是周周變化。你會看到有人在他們的社交媒體上發帖説他們又回到VS Code了，因為最新版本、我們每月發佈的90個版本中有他們想要的功能。作為行業，這是值得驕傲的事情。

Copilot在從單模態到多模態的轉變上起步較晚，但我們去年十月終於實現了這一步。我們引入了AIC支持，構建了MCP（模型上下文協議）集成，現在所有這些編程代理都在使用我們與OpenAI合作打造的GitHub MCP服務器。這是一場競賽。我們剛剛在微軟的財報中宣佈，GitHub Copilot現在擁有2000萬用户，環比增長達到75%，在企業使用方面，財富100強中有90家在使用。關於數據統計，我可以一一告訴你。

主持人：關於用户數量，我得問問你這個數據。Thomas，這個用户數量聽起來有點奇怪。這是累計用户數嗎？還是曾經使用過的用户數？還是月活躍用户？或者是日活用户？你能給我更具體一點的細節嗎？

Thomas Dohmke：這是指有2000萬GitHub用户開啟了Copilot功能。這個數字對應的是GitHub總賬户數1.5億的計算方式，測量方法是一樣的。另外，我們在Visual Studio Code上有5500萬用户。所以這些數據可以讓你大致瞭解我們在各種IDE中激活用户的情況。

主持人：你那篇宣佈新用户數統計的帖子里，你寫道，一家公司的真正考驗從來不是在它的炒作浪潮中顯現，而是在壓力測試時展現出來的韌性。然后你還寫了更有意思的一句話，是你説「即使面對各種限制，我們也證明了少許堅韌能贏得比賽」。你在那篇帖子里説的那些限制具體指什麼？因為你是GitHub的CEO，我本以為你們其實並不受限制。你們還是model agnostic（模型無關）的，而微軟其他部分似乎至少目前還和OpenAI緊密聯繫着。但看起來你們能用任何想用的模型，相較微軟其他部門還是比較獨立的。你説的那些限制具體是什麼？

Thomas Dohmke：公司的資源是有限制的。這就是預算的定義。員工人數，或者説人頭數什麼的。你不可能無限制地一直增加人員，因為那會遇到「人月神話」問題（Mythical Man-Month Problem）(ZP注："人月神話"問題指的是在軟件開發中，盲目增加人手並不能線性縮短項目工期，反而因溝通與協作成本上升導致進度放緩的現象，來源於弗雷德里克·布魯克斯1968年出版的《人月神話》。），增加更多人反而會拖慢團隊速度，而不是加快進度。無論你是10人的初創公司，還是3000人的GitHub，甚至是20萬人的微軟，都必須做出取捨。

蘋果公司也著名地説過，每個「Yes」需要1000個「No」。所以其中一個限制是，我們的待辦事項清單中有無窮無盡的條目，而且很多這些待辦項的差距都是源自AI出現之前的時間，比如客户反饋，有人在GitHub Issues或者GitHub Projects里希望有某個功能，你説得出名字的，我們都有。

事實上，有個流傳的笑話是，我們每收到一條客户反饋，實際上早就有一條類似的，可能是幾個月甚至幾年前的，別人早就有了同樣的想法。因為我們的客户羣體是開發者，我們自己也是開發者，總會有人提出之前已經存在的想法，或者告訴我們如何做得更好。然后在X上（推特）就會有一撥人説，「GitHub把這設為默認是個愚蠢的決定」，另一撥人説「這是有史以來最棒的決定」。我們生活在這樣一個信號輸入過多的世界里，而我們的限制就是選擇那些真正能讓你快速前進的關鍵點。

而且沒人真正知道兩三年后AI代碼生成或者AI整體會是什麼樣子。如果我們都誠實面對自己，這是真的。

如果説ChatGPT是2020年代的Netscape時刻，那麼現在就像是1995年，當時有了Amazon和Google，但還沒出現Facebook、Shopee和iPhone。1995年預測這些事物會發生，是非常荒謬的。

而GitHub自成立以來就是這樣一種自信的狀態：它走在時代前沿，比如最早使用Git來構建當時沒人叫DevOps的東西，但現在它成爲了最大的開發者平臺之一。之后一直在尋找下一個重大創新，關注行業內其他人在做什麼，他們更傾向於和誰合作，而不是自己全部打造。通過Copilot，我們很好地駕馭了這一點。也有過戰略決策失誤的時刻，那些決策沒能把我們拉向正確方向贏得市場。但現在，我可以説，到2025年8月，我們依然走在曲線前端，依然是市場領導者。對此我們感到非常自豪和開心，這些都是我們辛勤努力的成果。

主持人：説到合作還是不合作，大家都知道，編碼已經成為影響人們關注的巨大交易，尤其是和AI相關的。我想到Google和Windsurf。Windsurf是一個非常有前途的AI編程工具，他們本來打算賣給OpenAI，但那個交易被叫停了，而這正是微軟介入的地方。我知道你是GitHub的，但這事都相互關聯。我很好奇，這件事的關鍵是，為什麼Google最終選擇招聘了Windsurf團隊，而Windsurf沒能賣給OpenAI，原因是有人擔心Windsurf的知識產權不會被保護免受微軟影響，考慮到微軟和OpenAI的關係，存在競爭動態。

所以我想知道，為什麼這是一個如此重要的問題，以至於直接導致了那筆本可能對AI編程領域乃至整個硅谷都很重要的交易失敗？這本來會是一筆數億美元的大交易。雖然我知道你可能不是這件事的主要推動者，但你能解釋一下為什麼這件事如此關鍵嗎？

Thomas Dohmke：你問這個問題我可以選擇不回答。説實話，我在這些談判中確實存在利益衝突，所以我沒有任何內部背景信息可以分享給你。但這其實反映了另一點，就是擔心開發者很快會被AI取代的恐懼其實是不成立的。事實恰恰相反。像Windsurf背后的創始團隊和核心成員，或者行業內的其他人，我自己也想到我本人，他們收到的報價已經能和職業籃球運動員媲美，有些人甚至有經紀人幫他們談合同。對此我們應該感到興奮。

至於如何達到這一步，是個好問題，適合有渠道接觸相關文件的人去探討，我沒有那權限。但作為一個開發者，一直在這個行業里，自己也在構建和使用開發工具，這真的是非常令人激動的事情。因為這説明頂尖開發者的市場價值在不斷增長，也希望能激勵那些喜歡玩遊戲、想自己創造東西的青少年，繼續投身這個職業。我堅信，如果事情按我希望的方向發展，我們將比以往任何時候都更需要更多開發者。

主持人：我們具體聊聊Cursor吧，它真的扛起了大旗，至少在硅谷的早期用户羣體中，它是目前最火熱的AI編程工具。他們抓住了什麼關鍵洞察，才讓他們在用户心智認知上迅速領先？我知道GitHub Copilot規模還是更大，但Cursor增長非常快，而且他們的CEO最近在Dakota和Casey Newton的採訪中提到，GitHub是他們創業的靈感來源。那他們到底抓住了什麼是你之前沒看到的？你們現在怎麼應對？

Thomas Dohmke：Cursor抓住的關鍵是認識到，問題不僅僅是把AI加入到傳統的集成開發環境（IDE）里，而是要改變整個IDE本身，設計一種你可以稱之為「AI原生」的工作流。換句話説，就是從根本上思考如果AI是默認配置而非附加功能，開發者將如何工作。他們是第一個基於GPT-3.5版本開發的Copilot產品。

所以他們還走在前沿，意識到應該讓多模型共同發揮作用，給開發者選擇權，讓他們挑選最適合自己的模型，而不是我們替他們做決定——這就是我一年前和Nilay談話時我們的理念。這是兩種不同的思路。我們當時做了大量進化測試，評估各種模型，然后選出我們認為最好的那個。但這不是非黑即白的選擇，因為每種編程語言、每個測試場景，不論是生成功能代碼還是測試代碼，評分標準都不一樣。於是會有不同的評分維度，你必須做出綜合判斷，認為「這個模型總體表現更好」。

不過根據開發者工具的發展歷史，我們GitHub對此非常清楚，給開發者提供選擇權永遠是最好的做法，讓他們自己決定用哪個模型。憑藉經驗，或者説專業直覺，他們會知道怎麼選。這已經改變了今天的市場格局。如果你不提供多模型選擇，不擁有被大多數開發者認可的最佳模型，不允許開發者帶入自己的模型，沒有運行在IDE中的Agent模式，不能將該Agent模式卸載到雲端，像我們稱之為「Coiled Coding Agent」的服務並且集成在GitHub平臺里，你根本無法在AI編程領域競爭。

我很喜歡F1賽車，我總是用這種思維看待世界。有些車隊贏得了整個賽季，下一季卻落后了，他們不會因此認定「我們輸了，永遠不會再贏」，而是把這當作動力去重新思考自己的做法。這就是2024年中晚期Copilot經歷的過程。而到了2025年8月，我們已經能重新贏得比賽了。雖然不是每場都贏，競爭對手也不會每場都輸，但我們確實在AI代碼生成上做出了創新，同時也趕上了讓其他對手更快的關鍵技術。

主持人：這個領域看起來非常動態，正如你提到的，關鍵在於模型本身。無論哪個工具目前在模型領域領先，它們都會用自己的方式來定價模型，而模型領導者經常變化。即使身處其中，也幾乎不可能跟上所有這些模型的發佈節奏。

Llama3是個不錯的模型，Llama4就不那麼出色了；而Anthropic現在似乎是代碼領域的王者。也許情況會變，也許幾個月后OpenAI會重新領先。這會如何影響應用層呢？所以必須理解這個領域變化有多快。現在説你們肯定輸了，或者説Cursor肯定贏了，都為時過早。但説到Anthropic，你們跟他們合作很多，你提到了MCP服務器，顯然通過GitHub Copilot也可以訪問雲端。

我一直在問人，為什麼Anthropic在編碼方面這麼強？他們有什麼「祕密武器」？Dario（Anthropic聯合創始人）最近在Big Technology播客上説，他不想透露他們為什麼這麼厲害。但這大概是一個價值數十億甚至上千億美元的問題——為什麼他們在這個領域有如此領先的模型？作為一個和他們緊密合作的人，我很想知道你怎麼看，為什麼他們在編碼領域取得這麼大領先？

Thomas Dohmke：讓我先回到你問題的第一部分，稍后再談談Anthropic到底強在哪里。

在科技領域，我們常有一種觀念，覺得一個贏了就意味着另一個必輸，但這並未被證明。比如Windows和Mac OS、iPhone和Android，以及許多其他技術，事實證明並非如此。實際上，在開發者工具領域，這種「非此即彼」的情況從未出現過，否則今天也不會有數十種編程語言存在，大家都會轉向所謂最好的那一種。

看看GitHub Copilot的競爭對手，比如Cursor、Lovable、Windsurf、舊版Vercel等等，你會發現使用這些工具的人，其源碼實際上都存儲在GitHub上，他們的Issues和項目管理也在GitHub，CI/CD流程也是在GitHub上運行的，而這些競爭對手很多是在Azure上運行模型推理。作為微軟的一部分，我們是整個生態系統的一部分。

我們一直是平臺公司，GitHub也一直是平臺公司，所以我們既是競爭者，也從這些公司推動整個軟件生態系統規模增長中受益。説實話，軟件開發只會越來越多，不會減少，開發者人數也在增加。看看那些科技公司在股市上的表現，它們經常跑贏大盤。如果我們的競爭對手贏了，我們其實也贏了。在談論這些競爭時，保持這種心態非常重要。

主持人：這就是作為超大規模雲服務商的優勢，Thomas——當競爭對手贏了，你們其實也贏了。不是每個人都能這麼説。

Thomas Dohmke：當然，這就是所謂的差異化。具體説到Claude Sonnet，如果你相信YouTuber、博主和專家們，比如Simon Wiles等人，他們認為Claude Sonnet真正勝過其他模型的地方在於「工具使用」——也就是模型為Agent模式的下一步選擇合適工具的能力。這説明，訓練不僅僅侷限於編程語言、代碼等內容，更包括訓練模型像開發者一樣合理使用各種工具。

如果這一步失敗了——你可以在一些其他模型身上看到這種情況，工具使用遠不如Claude Sonnet——那麼你的Agent模式就會崩潰。舉個例子，Agent需要安裝一個JavaScript依賴的NPM包，但安裝失敗了。即使Agent擁有世界上最好的訓練數據集，如果它完成不了這一步，整個流程就無法正常工作。Anthropic正是在這方面早期有洞察力，或者説擁有更好的進化測試手段，從而贏得了領先地位，其他團隊還在努力追趕。但有趣的是，我們現在錄製這段話時，等它發佈時，這個局面可能又發生了變化。

GitHub CEO詳談微軟與OpenAI合作、Copilot盈利現狀及AI未來智能展望

主持人：歡迎回來，休息前我和Thomas聊到了GitHub的競爭情況。這給了我一個很好的機會去問問微軟和OpenAI之間的進展。我們已經幾乎談到了所有主要競爭者。微軟目前正和OpenAI商討雙方未來企業關係的新篇章，因為OpenAI正從非營利轉為營利機構，而微軟顯然是重要的大股東，目前擁有IP的獨家訪問權。作為GitHub的CEO，我很好奇你希望OpenAI和微軟的關係未來如何發展？從你的角度來看，這段關係中最重要的是什麼？你希望看到什麼？

Thomas Dohmke：對於GitHub和所有開發者來説，這段關係始終需要保持健康。雙方的合作方式必須是互惠互利、相互支持的。

最初的Copilot正是OpenAI和微軟合作的產物。OpenAI開發了GPT-3和Codex模型，而微軟不僅擁有超大規模的基礎設施，還有多年在AI擴展和運算方面的經驗。想想當初的Copilot，那真是個傑作，因為每次敲擊鍵盤時，都能即時調用大型語言模型進行推理，這在當時和那樣的規模下是前所未有的——數百萬開發者在極短時間內使用它。正是GitHub、微軟和OpenAI之間的這種創新合作，創造瞭如今這個擁有眾多競爭者的市場，未來還會有更多新競爭者加入。雙方未來的合作將繼續催生新的創新，通過新模型和更高效的模型運行方式實現。關於AI的能耗、成本和利潤率，已經有很多討論。對於GitHub而言，我們始終把開發者放在第一位——這就是我們的核心。GitHub一直強調人對人之間的協作，而現在我們正邁向人與Agent的協作，甚至更可能是Agent與Agent之間的協作。這三層協作模式將逐步疊加起來。

OpenAI現在擁有以ChatGPT為代表的最大AI平臺。與他們合作，確保開發者在ChatGPT中生成的內容，尤其是基於OpenAI Codex的內容，能夠符合相同的安全合規標準——也就是企業級的控制體系，這對開發者採納這些工具並將其整合到工作流程中至關重要。AI領域最終的競爭將是在平臺層展開的。因為如果所有的Agent都異常強大，那麼真正重要的是你如何把它們整合進你的其他業務流程。對我們來説，這顯然就是開發者生命周期管理。

主持人：講得很有道理！那我們就以一些關於GitHub和微軟的具體問題來結束吧。距離你上次公佈年度收入運行率已經過去一年了，我記得當時數字是20億美元。為什麼沒有更新？現在的數字是多少？

Thomas Dohmke：投資者關係團隊決定了哪些信息可以公開，哪些不公開。所以像往常一樣，我只能告訴你財報里寫的內容，這次他們決定不公佈具體數字。

主持人：好的，我猜數字應該比那個高，我猜應該超過20億美元。

Thomas Dohmke：我們還有一些其他令人印象深刻的數據，但我們非常滿意第四季度的業績，真是太棒了。

主持人：Nilay去年曾提過這個問題，我預計你的回答可能差不多。不過，我們有一個關鍵問題：Copilot對GitHub是否盈利？這一點重要嗎？或者説，這是否在決策考量之中？畢竟你們在微軟內部，某種程度上是以一個相對獨立的組織來管理自己的損益表，那麼目前它更像是在創造利潤，還是作為爭奪市場份額的成本中心存在？

Thomas Dohmke：你説得對，GitHub有自己的盈虧表（P&L），我們是根據那個目標來衡量的。一般來説，從微軟整體業務看，各個業務單元肯定希望賺錢，只是時間尺度不同。很多投入很大。更重要的問題是，它能否在客户合同的生命周期內（即LTV）盈利？對此我很有信心，微軟領導層會對GitHub的業務感到滿意。

我們2018年以75億美元收購了GitHub，那時GitHub上一次公開的年收入是2億美元。而你剛纔提到去年是20億美元，七年間收入翻了10倍，可以合理推測這個數字還在增長。你提到Cursor的業務數字，我們對這些數據很公開，我們相信Copilot規模比Cursor還大。你可以根據這些信息去推測我們的數字。所以我們對這筆收購感到非常滿意，我個人認為這是微軟有史以來最重要的三筆收購之一，Satya Nadella和Amy Hood應該也會同意這個看法。

對此我們感到非常滿意。我們以可持續的方式發展了這個平臺，沒有忽視開源。可以説，我們沒搞砸GitHub，GitHub依然是GitHub，依然是開發者生態中最受歡迎的品牌，幾乎所有企業都會用，雖然不是每個企業所有開發者都會用，但大多數企業至少部分開發者使用。而且在AI時代，GitHub也實現了自我革新。正如我們用Git來構建GitHub一樣，我們用大型語言模型和OpenAI的GPT-3共同打造了史上第一個Copilot，領導了這個市場。

主持人：這回答得不錯，我需要好好消化下。那麼，Copilot有沒有一個明確的盈利目標？比如市場達到某個規模，或者和微軟其他產品打包銷售，是什麼讓你們覺得這件事值得投入？

Thomas Dohmke：我們有類似摩爾定律的規律，也許現在應該叫Jensen定律了，就是GPU變得越來越快、越來越便宜。你提到了很多創業公司都在試圖發明更高效的變壓器處理器。我相信規模的力量，你也可以回顧15年前問Jeff Bezos同樣的問題，看看今天超大規模雲服務商的盈利情況。

所以我們會有耐心，會努力提升效率。緩存技術已經在Agent里起了巨大作用。商業模式也會不斷演進。我們的開發者會因AI變得更高效，不僅僅是優化利潤率，而是優化我們內部的軟件開發流程。我堅信那些還在懷疑AI作用的公司，最終會落后於創新。如果你不使用AI，就會有巨大的FOMO（錯失恐懼症），因為你行業里其他競爭者已經在用AI了，他們的開發者也在用。

使用AI的開發者生產效率能提升10%到20%。雖然有人會問為什麼不是30%，但20%已經是巨大的提升了。考慮到軟件開發者的成本，以及培訓、項目切換所需時間，這種效率提升是非常可觀的。

不僅僅是開發者，AI還能提高客户服務、銷售、潛在客户發掘等各環節的效率。那些不擁抱AI的公司，無論盈利與否，最終都會在市場競爭中落敗。

主持人：這讓我想起你們微軟內部一位同事最近寫的一份備忘錄，指示管理層根據員工使用內部AI工具的情況來評估績效，並且明確表示這「已經不再是可選項」，而是每個崗位每個層級的核心內容。我想你能理解大家對此轉變的焦慮感——有些人在職場上已經走得比較遠，感覺自己習慣了原來的工作方式；還有剛入職不久的年輕人，面對各種變化感到不知所措。大家都感到很大壓力。如果你是微軟的一名中級工程師，可能會想：在這場變革中，我會不會被落下？公司能不能真的準確地評估這點？作為GitHub的CEO，微軟管理層真的有一個可衡量的、真實反映AI帶來生產力提升的內部評估體系嗎？員工們能不能真正知道他們的表現是怎麼被衡量的？

Thomas Dohmke：那份備忘錄其實更微妙一些。它講的是我們稱之為「Connect」的過程，就是員工和經理之間的對話。GitHub也有類似的評審流程，員工會總結過去一年的成就，反思哪里可以做得更好以提升影響力，以及他們下一年的計劃和執行路徑。這就是一個框架。到了2025年，完全合理讓大家反思自己對AI的使用情況，比如你用沒用GitHub Copilot，微軟的Copilot，Teams的Copilot去總結會議？如果沒有，為什麼？然后經理會給出反饋，這個過程對經理來説也是一種學習，有時你會發現員工在AI使用上領先你，我自己就有過這種經歷，「讓我看看你是怎麼做的」，才意識到某些功能確實很有效。

這個流程是微軟文化的核心。我們談的所謂「mindset」（心態）其實就是接受自己可以不斷進步，知道自己不是生來就完美的，而是有能力不斷自我提升。如果你把這份備忘錄放在這樣的語境下看，它其實和微軟的哲學完全一致。

另外專門説説GitHub，公司里沒有一個員工可以不使用GitHub。無論你是什麼崗位——不只是開發人員和產品經理，HR、財務、法務、銷售等所有職能都在用GitHub。我絕不會允許有人説「不，我不想用GitHub」。這是我們的企業文化。同理，我們也希望每個人都能用上Copilot和AI工具。這並不意味着我們會看你今天寫了多少代碼、提交了多少pull request或者執行了多少Git命令，因為這些指標很容易被「刷」數據。但這反映了一種心態：你在用我們的工具來構建我們的工具，這跟我們的文化是相符的。

主持人：這是個很好的回答，我想用它來結束這個話題。這是個很重的議題，你可以往任何方向去談。關於AGI（通用人工智能）、超級智能，以及我們怎麼到達那一步，有個觀點我聽過，Zuckerberg也提過，別人也説過，就是AI編程是通往那里的路徑，因為它讓自我監督的AI去構建和維護其他AI。而最終，贏得AI編程賽道的公司，很可能會率先實現超級智能——不管你怎麼定義「超級智能」，如果你有定義的話，我很想聽聽。你同意這個觀點嗎？如果不同意呢？還有，如果你有對超級智能的定義，請跟我們分享，Thomas。

Thomas Dohmke：我自己沒有對超級智能的定義，因為這些定義其實沒那麼重要，除非是合同里規定的，或者就是個很好的營銷工具。你可以上臺説「我們是第一個擁有超級智能的公司」，然后下周別人又會説「不，我們纔是第一個真正有超級智能的」。

這些詞匯很模糊，定義不斷變化。所謂AGI或ASI（人工超級智能）那個決定性的時刻，是AI能夠自我提升，自己讓自己變得更好。也就是説，模型可以從GPT-4直接跳到GPT-5，不再需要人類干預。當AI突然像個小孩子一樣，從會笑一個笑話進步到會講笑話的階段，我們才能真正説AGI出現了。那一刻就是AI可以自我改進、持續進步的時刻。那纔是我們作為人類真正認可的「智能」。不是説你追求某個目標，就説明你是最聰明的，只是説明你能在問題和答案之間建立良好對應關係，但能不斷自我進化和提升，纔是真正的智能。這纔是我們應該用的定義。

主持人：當它表現得像個孩子的時候，我很喜歡這個説法，之前還沒聽過。Thomas，非常感謝你抽出時間接受採訪。（轉載自：Z Fiance）