感谢 Turing Post 和 AI Breakdown 的报道！Twitter 上也有讨论。感谢 Niko 关注了Agent Lab 论点——该内容随后已在 Latent Space 上更新！

开门见山地说：我将加入 Cognition，这家公司打造了 AI 软件工程师 Devin，如今也拥有了智能体 IDE Windsurf。Smol AI 的大部分成员也将随此次交易一同加入 Cognition，而我会继续独立于 Cognition 运营 AI Engineer 和 Latent Space（作为重组的一部分，我很高兴Lia 将升任 AI Engineer 的总经理）。

说明：我一直公开表示曾为多家公司担任顾问，最近一家是 Fireworks，虽然我会坚决捍卫 AIE 和 LS 的中立性与独立性，但显然这次与 Cognition 的合作规模远超以往，因此借着这次融资的机会，我想分享一下做出这一选择的思考，既是写给未来的自己，也是给关注此事的人看。

2024 年 4 月我第一次试用Devin时，因为持偏积极的态度没少挨骂，当时大家只想讨论那个Upwork 视频。但私下里我其实没少给他们挑毛病——顺便说一句，这才是得体的处事方式。两年后的今天，Cognition 宣布在两年内从零做到 100 亿美元的 C 轮估值，而我也基本上打包加入了他们 [1]。

我想解释一下，为什么尽管估值已经出现了历史性的大幅飙升，我还是基本上把 Smol 的全部筹码都押在了 Cognition 上：

1. 非技术层面的判断：代码周期短，AGI 周期长
2. 智能体层面的判断：Agent Lab 的崛起
3. 工程师层面的判断：掌控同步/异步全光谱
4. 商业模式：面向企业按用量计费，面向个人提供低价席位
5. 团队：顶尖工程师 + 已经跑通的 GTM

这五点，基本上就是让我一路推演、最终决定加入 Cognition 的思路。接下来逐一展开。

代码周期短，AGI 周期长

说 AI 领域并非所有方向都同等值得投入，这话听起来像是老生常谈，但我们的行动往往暴露出一种虚假的安逸与等同。要把一个巨大的高维空间拆解、抓住最关键的主成分，就得思考最重要的两个维度的投影：起飞速度和达到理想状态时的经济价值：

我当时的核心顿悟是：实现代码领域的 AGI，只需要实现完整 AGI 所需时间的 20%，却能捕获 AGI 80% 的价值。 AGI 的帕累托法则很简单——现在就去做代码 AI，而不是以后。

包括 OpenAI、Anthropic、GDM、Xai，甚至DeepSeek 和 Reflection 在内的许多模型实验室，如今都将“代码 AGI”视为通往 AGI 的关键路径。这在两三年前对圈内人来说已不是秘密，毕竟大家都知道加入代码能力能提升 LLM 的推理能力，当然，两年前我也曾对让 Code Interpreter 进入循环感到非常兴奋。但随着 OpenAI 将Codex作为 A-SWE 的一部分来打造，Anthropic 推出 3.5+ Sonnet 和 Claude Code，以及 GDM 直接打包挖走 Windsurf 的管理层，我觉得行动终于跟上了认知。

大家都指出，代码是一个可验证的领域，因此比不可验证的领域进展更快，但当然，投身代码 AI 的另一个好处是，它是唯一[0]一个能够递归式自我提升的领域——打造代码 AI 的人可以直接用它来满足自身需求。无需多言。

当初加入时，我绞尽脑汁想找出不加入的理由，还问了 Scott 关于 TAM（潜在市场规模）的问题。他笑了。我觉得自己有点蠢。我知道这是个蠢问题，但当你要以 50 倍销售额加入一家创业公司时，确实得评估一下潜在回报。基本的逻辑是，自 Ada Lovelace 以来，我们在软件历史的每一个阶段都低估了软件的 TAM——这位第一位程序员曾公开质疑巴贝奇的分析机是否真能造出会思考的机器。如今开发者一年要花掉 10 万到 30 万美元，有太多软件仅仅因为投入太大而根本没被造出来。

好吧，所以你决定做代码了。那去哪儿做呢？

Agent Lab 对阵 Model Lab

注：你可能会不满我在这里回避给“Agent Lab”下一个正式定义。更多内容见这篇文章……

从 2015 年（OpenAI 成立）到 2025 年，正确的工作地点显然是在模型实验室，见证了预训练、扩展和推理这三大范式。如今 OpenAI 估值 5000 亿美元，一年烧掉高达 450 亿美元，Anthropic 估值 2000 亿美元，GDM、Xai 以及中国的多家实验室都在不断加码、推出有竞争力的模型，模型多样性已成为现实，为应用层构建者提供了新的优化空间。虽然利用最优模型在理论上对 Agent Lab 是利好，但 Agent Lab 的商业逻辑很简单：“我跟不上这么多 AI 新东西了，还是雇几个整天钻研这个的人来帮我们保持领先吧。”这大概就是 AI 钟形曲线底端 90% 人群所能理解的抽象层次。

在 2025 年至 ? 的智能体十年里，非共识的观点或许是，在“Agent Lab”工作反而会有更高的相对超额收益。

• 模型实验室产品为后，Agent Lab 产品为先：2023 年 AI 创业公司的标准操作是融一大笔钱去买自己的 GPU 集群、自己造模型，然后想办法赚钱。Inflection、Stability、Magic.dev 都属于这类，很快就烧光了，游戏规则也随之改变。2025 年又涌现出一波新的模型实验室，虽然结果尚待观察，但它们依然是产品为后——从 Poolside 到 Thinking Machines。Safe Superintelligence 甚至自豪地宣称，在造出最后一个产品之前不会发布任何产品。很酷，但与此同时客户还在等着呢。Agent Lab 则是先发布产品，然后随着数据、收入、信念以及对问题领域的深刻理解，逐步向下深挖。但这并不意味着 Agent Lab 与模型实验室是对立的，因为……
• 模型实验室打造前沿模型，Agent Lab 则将其适配到前沿模型尚未完全解决的领域：未来已来，只是分布不均。以两种截然相反的方式，Agent Lab 要么是将前沿能力“分发”到尚未触达的市场，要么是“提前”把未来拉到现在——要么是靠烧 VC 的钱抢在每 1.5 年智能单价下降 1000 倍的普遍趋势之前，要么是给你的 Agent 合理定价，从而用自洽性（self-consistency）等技巧从现有模型中榨取更多能力，模拟拥有未来模型的效果。由于实质上是“厚重的 GPT 套壳”，Agent Lab 更有动力去嗅探模型实验室尚未关注的高价值前沿，并在模型实验室醒悟之前保持领先（就像 Cognition 所经历的那样）
• 智能体工程将经受住“苦涩教训”的考验：我显然是 Agent Engineering 的支持者，但那些信奉“苦涩教训”的人很难把Hyung Won 的归纳偏置图从脑中抹去。
  • 但你可以通过工程手段超越苦涩教训，而且 harnesses（编排框架）甚至可以在推理范式切换后依然存活：

（要非常明确地说，这并非普遍情况，大多数 harnesses 都会倒在苦涩教训之下，但优秀的智能体团队会让你轻松写出下一个 harness，并乘着性能提升的东风前进）。

我觉得这部分论证不如其他几部分有说服力，这也是我还没准备好发布完整版“为什么选择 Agent Lab？”文章的主要原因，因为我们对“如果 OpenAI 也来做这个怎么办？”还没有很好的答案。我曾草拟过一个小节叫……

细节之处见 Devin

• “出奇有效”的“LLM 循环”这种过度简化的说法，与 Devin 和 Cascade 这类智能体之间的差距，就在于开发者们长期低估的“最后 10%”。
• 打造最顶尖的 AI 编程智能体和 IDE 需要大量的集成工作，每个月都有数十项改进，都记录在我们的版本发布说明中，从我们的MCP 市场（包括官方的 Datadog、Sentry、Figma、Supabase、Vercel、Stripe、Playwright MCP）到 UI 改进，再到从 Linear、Slack 到 Azure DevOps 和自托管 GitLab 等极长尾的企业集成打磨。
• 发布 10 个月后，Windsurf 如今已被数十万开发者积极使用（你看过那些线下聚会吗？！？），我们正在极其积极地投入，进一步打磨、集成和创新我们在同步与异步智能体编程两端的产品，以满足从最小团队到全球最大企业在集成、合规/安全/隐私/可观测性/部署/可扩展性等方面的需求，这些都是久经考验的。

企业集成的庞大覆盖面正是 Windsurf 的 Anshul 在 LS 上写过的内容，虽然模型实验室当然也关心服务企业，但这类事情在他们的优先级列表上并不高：

好吧，所以要在 Agent Lab 做代码。选哪一家呢？

掌控同步/异步全光谱

该聚焦 AI 编程的哪个环节，同样至关重要。选错了就会原地打转。来选一个思维框架：

• AI 软件开发生命周期（SDLC，甚至 ADLC）：这是我的框架——如果选它，你最终会去做测试、评估，或者做一个网关。很酷，当然，也有价值。
• 软件角色画像：有：
  • 非技术的氛围编程者
  • 专业的软件工程师/架构师
  • 专业的软件工程师/执行者
  • 半技术的工程经理/产品经理/设计师
  • SRE/值班运维
  • 数据/业务分析师
  • 等等。它们都很棒，每个人都会赚得盆满钵满，但当我思考谁拥有最多预算、最高质量的收入时，基本上会走上和我一样的路径。
• 自主程度：Karpathy 的自主性滑块——太低则无趣，太高则失败。

在这里，Cognition 再次通过在版图上选对落点、并以超快速度收购 Windsurf，给我留下了深刻印象：

像 Greg Brockman 这样的人已经谈论了一段时间智能体编程在本地与云端之间无缝流转，而凭借在光谱两端都已建立的产品，Cognition 有潜力在这方面做得很好，尽管它还需要真正兑现这一潜力，因为目前这些编程习惯和 UX 范式尚未被发明出来。

我对光谱的异步一端有特别的偏好。我认为“Slack 就是杀手级的智能体界面”，因为归根结底，这就是我们与远程协作、甚至从未谋面的人类同事的工作方式——@ 他们，等待工作完成，并在过程中与他们沟通：

Devin 在这方面做得最久，是这一形态/集成的默认品类王者，当然，这种形态/集成很容易被复制，因此需要大量其他功能和优势来守住位置。到目前为止的商业数据（见下文）表明，尽管早期存在一些质量问题，它的表现还不错。

另一方面的质疑是“哎呀，IDE 要完蛋了，VSCode 分支就是个大宗商品，看看我那哥们用 Claude Code 多爽”。对此我想说，当人们管理一堆 Claude Code 时，第一件事就是想做个 UI 来管理它们。然后是文件浏览器，然后，然后……

好吧，所以要在既有异步又有同步能力的 Agent Lab 做代码。剩下可选的没几家了……而且其中任何一家都能做出其他家的东西……

面向企业按用量计费，面向个人提供低价席位

在这里我要摘下 AIE 的帽子，戴上 CFA 的帽子。让我摘录一下最终博文中披露的一些信息：

• 在收购 Windsurf 之前，Cognition 的 Devin 的 ARR 从 2024 年 9 月的 100 万美元增长到 2025 年 6 月的 7300 万美元，使用量呈指数级增长。整个增长过程始终保持高效，公司历史上累计净消耗不到 2000 万美元。

未来一个月还会有更多信息披露，但我认为仅这几句话就有大量信息值得解读。我只想强调一点：收入基础的绝大部分都是正毛利的，我们认为这对于构建一个工程师和企业可以据此规划有价值工作的可持续商业模式至关重要，同时仍能从智能体中获得数个数量级以上的价值回报。

因此，与行业中传言的巨额负毛利不同，Cognition 竟然打造出了一个异常高效的商业模式，这意味着它很可能会长期存在，定价也是可持续的。这源于一开始就设定了每月 500 美元订阅（用于分配基础容量）的正确初始条件，但按智能体计算单元（Agent Compute Units）计费——不按席位收费！这意味着业务与客户高度一致——用量增长，你就增长。先为企业建立起这样健康、正毛利的业务，然后就可以无限期地为个人开发者提供 20 美元的自助低价席位，包括在一个周末内承接 Windsurf 的全部用户群。反过来做的企业则要脆弱得多。定价具有向上的黏性，当你起步定价过低时，很难再往上提，你往往会受制于最初因一种价值主张而来的用户群，而现在却要向他们推另一种主张。

• 收购后增长进一步加速：收购 Windsurf 后的七周内，Cognition 合并后的企业 ARR 增长超过 30%。收购前我们在企业客户上的重叠不到 5%，而将 Devin 的快速普及与 Windsurf 的 IDE 产品及规模化的 GTM 机器结合，带来了巨大的解锁效应。Devin 和 Windsurf 如今服务于包括高盛、花旗、戴尔、思科、Ramp、Palantir、Nubank 和 Mercado Libre 在内的标杆客户。

在 CogSurf（我对合并后实体的偏爱昵称）上的交叉销售机会仍然巨大，如果你在奥斯汀和山景城见过 Windsurf 的 GTM 团队，你就会知道这是一支极其强悍的团队，就算你给他们一个配额和一张竞品卡，让他们去卖该死的 Apple Siri，他们也能卖到爆。当然还有交叉构建——首先是 Cog 的工程师们把 Windsurf 过去一年不错的牵引力进一步升级，让它更具吸引力（更多消息很快公布），然后是 Windsurf-Devin 的集成，让它们成为更无缝的智能体编程工具箱。

这部分的第二点，涉及那些大牌客户的点名，是我在Temporal 的时光中才醒悟到的——我们的第一笔真正意义上的销售是一笔约 400 万美元的交易——在企业销售中，存在对品类灯塔客户的争夺，一旦拿下他们，你就能拿下他们之下的所有人。同样，这部分没有公开发布，但我能看到横跨投资银行、消费银行、金融服务、保险、成熟科技企业、企业 IT、知名科技初创、医疗、零售、系统集成商、政府以及渠道合作伙伴等各个垂直领域的 logo。每达成一笔交易，Cognition 就会了解到关于跨各垂直领域高价值智能体编程用例的重要非公开信息，而且似乎随着客户自身学会使用智能体，他们向 Devin 提出的任务难度和复杂度看不到天花板。这就是为什么上市速度以及把有价值的客户服务好至关重要。

许多人在帮我权衡 Cognition 时提出的一个显著担忧是服务收入占比问题。任何关注我前董事会成员 Chetan Puttagunta 的人都会知道，所有企业销售都伴随着一定的服务，但显然你可以通过做变相咨询在短期内拉高合同金额，是的，CogSurf 也有那个令人称道的前置部署工程师（Forward Deployed Engineer）角色（而且他们真的很酷，工作起来——疯狂——厉害），在这个过程中毛利会很低。

坦率地说，任何真正担心服务占比的人，都没有真正花时间与 Scott、Steven 或 Walden 相处过，因为，不，他们，以及 Peter Thiel，都不会去打造一个以服务为主的业务，再砸一大笔钱去推高估值、为后来接盘的“更大傻瓜”制造 FOMO，这是在浪费所有人的时间，而且当你堆了约 7.5 亿美元的“更大傻瓜”在后面等着时，这招大概也行不通。

另一个反证是可扩展性。这里我要分享一个让我挥之不去的惊人数据。在最初发布后经过大量打磨，2025 年现在很常见到 >5 倍的合同扩张——不是在续约时，而是主动扩张——在成功的 Devin 落地中。我看到的一个银行客户，在一份每年 150 万美元的合同上，决定续约并扩张 >10 倍（！），而且是多年期承诺（！！）。更重要的是，这笔支出仅仅是跟踪了他们过去 8 个月从试验阶段覆盖一小部分员工，到向其余员工全面开放 Devin 的预期用量增长。他们本月才开始这轮推广。

我问起人员配置，Cog 的人只是耸耸肩。试试把——那——当成服务业务来扩展。

顶尖工程师 + 已经跑通的 GTM

那剩下的当然就是团队了。你已经知道 Cog 里有一堆 IOI 金牌得主（比如 tourist）。Scott 曾相当公开地谈论过 AI 领域的IOI 帮派。不带年龄歧视地说，按 Cognition 的标准我算是高龄了……而有时在为企业 Java Beans FactoryFactory 做 Active Directory 同步之类枯燥、棘手、痛苦的企业 B2B SaaS 时，这可能不是好事，还要陪西装革履的人打 18 洞高尔夫、吃牛排大餐。好吧，现在已经不是 2000 年代了，事情实际上已经不是那样运作了，但我认为外界（包括我）担忧的是，搞编程竞赛的人是否真能做好枯燥乏味的企业 B2B SaaS。

我还没完全想明白是怎么做到的，但不知怎的，它就是奏效了。人们会在深夜为迁移问题激烈争论。他们会为一个小小的 UI bug 修复而庆祝，并投入大量时间去琢磨 Jetbrains 支持和从 Jenkins 迁移到 GitHub Actions，以及处理那永无止境的 MCP 集成清单。这与在更前沿的事情上的投入相平衡，比如Blockdiff、DeepWiki 和 Kevin 32B，以及在《别做多智能体》中未曾揭示的更多前沿探索。按理说这个小而精的团队有各种理由应该——行不通——，但到目前为止它确实行得通。

当然，我还没有完全上手，但我觉得最好这样理解：他们不是“一群搞编程竞赛的人”，而是“具有竞争精神的程序员”，重点在竞争。他们在跑步、攀岩、GTM 销售、扑克、Smash Bros 等一切事情上竞争，并且会为争夺 AI 编程智能体大战的主导权而与你竞争。可以肯定，有很多优秀的 AI 编程团队，而且市场足够大，多个团队都能“获胜”，但我会这样解释这种文化。这个团队的工作方式类似于 Transformer 的洞见——与其设置过多的层级和结构，不如偏向“全连接”——力求让每个人都认识每个人，提问门槛极低，紧迫感极强，对一切保持高度的内部透明，让聪明的个体节点为整体利益自行组织（并经常修剪）。

如果说有什么的话，这种文化比 Cognition 本身的源代码更有价值。

在团队方面还有一些更私人的因素——Prem 是我亲密的电影好友，Lulu 本身就是一股强大的力量，Sarah 和 Brandon 是我们这一代最伟大的投资人中的两位，Russell、Theodor 和 Andrew 对我的决定帮助很大，如果你认识 Zach 和 Peter，你就会明白。“面试过程”本身也非常愉快，我感觉很合拍，甚至还获准列席了一些领导层会议，得以一窥内部运作。

最后但同样重要的是 Scott，他专程来到我家，花了大量时间与我交流，并在我还在犹豫是否要接受一份本没在找的工作时，手写了一封 offer：

好了，我基本上说完了。留下来听一个更安静的额外理由。

一些个人感想

我时不时会和自己玩一个很折磨人的游戏：如果你能从 2023 年给自己寄一张便条，以最大化你在这个 AI 历史时刻活着并投身其中的好运，你会写下什么？（我的尝试在这里）

显然这非常取决于个人处境和技能，但我想带你走一遍我的思考过程。2023 年我发布了 smol developer，它不过是一组提示词加上构建在 Modal 上的弹性工作流（有趣的是，我因此出现在了他们的流量图表上，还因此获得了顾问股份）；但它是最早一批通用软件开发智能体的雏形之一，并因此引发了巨大的兴奋。然而一周后当我用完全相同的端点重试同一个智能体时，它已经无法完成我之前测试的那些任务了。我很快失去了信心，转去折腾其他东西，包括 AINews，它作为一份每个工作日更新的 AI 工程简报存活了下来，99% 的内容由 LLM 策划。

随着 Smol、AIE 和 LS 的推进，我其实从未想过要找工作，但始终意识到自己面临的元创作者天花板（Metacreator Ceiling）。当主动找上门的机会出现、消息传开后，我想，是团队、令人侧目的牵引力，以及最终产品在市场上更优越的定位，一直萦绕在我脑海中。如果我当初有足够的技术/足够坚定的信念，smol developer 本该成为现在这个样子。

当时我没能相信，但这一次我不会再犯同样的错误。

Cognition Labs

所以我现在身兼 AIE、LS 和 Cognition 三重奇怪的角色。我们其实还没说过我的具体职责是什么。我也还没准备好分享。但 Cognition 如今的叙事中存在一些空白，阻碍了招聘、销售甚至产品。我们有很多想说却说不出口的话，因为还无法真正拿出实证。填补这些空白，就能解决下游的许多问题。

Cog definitely 有着“少说多做”的文化。我现在还没有什么可以展示的。所以……敬请关注 Cognition Labs 吧 :)

[0]：嗯，还有一些我喜欢的其他领域，比如销售智能体和客服智能体，它们具有“GTM 递归”，但只有软件智能体才具有“产品递归”。

[1]：我保留 Smol AI 域名及现有代码 IP 和 AINews。