全世界只有 5000 人见过的 AI 群控，会把软件公司的差距拉到一百倍

核心要点

• 写代码正在经历四个时代：人工 → 人 + AI 助手 → AI 自动化 → AI 群控。目前只有漏斗顶端约 5,000 人见过第四层。
• 群控不是"多开几个 agent"，而是成百上千台机器、成千上万个 agent 共用一条代码主线、同一套编译和测试设施。
• 真正的瓶颈不是模型，而是协同：分工、交接、出问题立刻发现。
• 作者用 60 个真实编程任务做实验：单 agent 8'52"，5 agent 加锁 6'24"，5 agent 分支合并 3'52"，5 agent 群控 3'23"。
• 下半场比的是工业化：算力、token、协同群控三样凑齐，就是一座软件工厂——而且是重资产。

Karpathy 的漏斗与 Anthropic 的数据

10 月 11 日，Karpathy 在 X 上画了一个人类接触 AI 的漏斗：

• 约 60 亿人很少接触大模型
• 10-20 亿人偶尔用免费聊天机器人查资料、改文案
• 约 2,000 万人每天用 AI 写代码、做研究，过去几周的项目现在一句话交给 agent
• 最顶端约 5,000 人，能用到前沿实验室内部的系统

这 5,000 人看到了什么？Karpathy 写道：

It looks like swarms of thousands of agents collaborating over weeks on software mega projects. 成千上万个 agent 组成一个群体，连续几周协作，完成超大型的软件项目。

听起来像科幻，但 Anthropic 同月公开的数据刚好对上：今年 5 月他们每天合并约 2,500 个代码改动，到 9 月每天超过 30,000 个，四个月涨了十多倍。原有的版本控制工具扛不住，他们干脆自己重写了一套。

每天几万次合并的背后，瓶颈已经不是模型，而是"为人类规模设计的整套开发基础设施：版本控制、构建和 CI"。Anthropic 每天光是 CI 检出就要约 2,500 万次，这还没算开发环境、agent 沙箱和研究任务。

写代码的四个时代

1. 人工时代：程序员一行一行敲，产出取决于手速和精力。
2. 人 + AI 助手：AI 帮忙补全、回答问题，主角还是人。Karpathy 说就在一年前，他还在"一个字符一个字符地手敲代码，偶尔按一下 Tab 补全一小段"。
3. AI 自动化：人提需求、做验收，一个 agent 把一件事从头做到尾。漏斗里那 2,000 万人大多在这一层。
4. AI 群控：成千上万个 agent 跑在成百上千台机器上，连续干几周。每个 agent 有自己的工作环境，要编译、跑测试、过 CI——这些都是实打实的算力。人管的不再是一行行代码或单个 agent，而是一整片机器组成的系统。

每往上走一层，瓶颈就换个地方：前两层卡在人身上；第三层卡在单个 agent——它一次只能做一件事，活越多、上下文越长，越走越慢；第四层的瓶颈是协同：几千个 agent 怎么分工、怎么交接、出问题怎么马上发现。

汽车工业一百年前就走过一遍

作者用汽车工业的四步做了非常贴切的类比：

1. 手工打造：二十世纪初，一辆车停在一个工位上，一组技工围着它从底盘装到车身。零件尺寸各有偏差，总装靠钳工拿锉刀修。汽车又慢又贵，是有钱人的玩具。
2. 人 + 机器：1913 年福特搞出移动装配线，每个工位只做一件事。T 型车底盘装配时间从约 12.5 小时压到 1.5 小时，售价从 850 美元掉到 300 美元以下。人和机器都没换，只是组织方式变了，产量直接翻一个数量级。

1. 自动化：1961 年第一台工业机器人 Unimate 进入通用汽车工厂，接手又热又危险的压铸件搬运。
2. 群控：今天的汽车工厂有上百上千台机器人，最狠的是能关灯生产的"黑灯工厂"。到这一步，竞争的重心变成了整座工厂的调度系统。

这套调度系统加上厂房、产线和设备，构成了一门重资产生意。汽车工业后来的赢家，都是能把整座工厂建起来、跑起来的公司。

机器本身不是瓶颈——工人会造车、机器人会焊接、大模型会写代码，这些都不缺。真正决定产能的，是把它们凑到一起之后怎么协同。

我们现在站在哪里

写代码正处在第三步和第四步之间。不少团队同时开几个 agent，一般就是一台电脑上开几个终端——这更像车间里多摆几台机器人，还是第三个时代的延伸。真正的群控是成百上千台机器、成千上万个 agent，共用一条代码主线、同一套编译和测试设施。

规模一旦冲出单台机器，今天大家管多个 agent 的办法（基本都是从人类团队搬过来的）都会暴露问题：

• 一个 agent 从头写到尾：活少顺手，活一多上下文越积越长，速度越来越慢。
• 多个 agent 给共享文件加锁：这里有个和人类团队很不一样的地方——agent 拿着锁的时候它在思考。程序里的锁一般只占几微秒，agent 拿一次锁要跑好几轮模型调用，几秒到几十秒，其他人只能在门口干等。
• 每个 agent 各开一个分支、最后合并：跟手工时代总装一样——每个零件单独看都合格，装到一起才发现对不上。中途谁改了公共接口，其他 agent 要到最后合并才知道，然后再派人去"锉"。

第四个时代需要的组织方式，更像工厂的调度系统，作者管它叫 agent 群控：所有 agent 共用一条主线，谁做完一块就马上推上去，推上去立刻检验；出了问题，相关 agent 当场收到通知自己修，其他人不停。

Anthropic 新控制系统的第一条设计原则就是这个方向："提交必须便宜、增量、无锁。"他们还把测试从合并之前挪到了合并之后——理由很直接：并发改动确实可能冲突，但 Claude 修冲突的速度，通常比人发现冲突还快。

一个 60 任务的对比实验

作者让 AI agent 完成 60 个真实编程任务，模型和工具都一样，只换组织方式，每种跑 3 轮取中位数：

• 一个 agent 从头写：8 分 52 秒
• 5 个 agent 加锁：6 分 24 秒
• 5 个 agent 各开分支、最后合并：3 分 52 秒（其中 47 秒花在解决合并冲突上）
• 5 个 agent 群控（共用主线、做完就放上去）：3 分 23 秒

两个值得记住的发现：

第一是锁的代价。 同样 5 个 agent，加锁以后时间几乎翻倍。把每次提交的时间点画出来：加锁时相邻两次提交最短也隔了 6 秒多，这 6 秒就是一个 agent 拿着锁在思考。只要有一个大家都要改的文件（比如更新日志），5 个 agent 就排起队来。

第二是分支的盲区。 作者又搭了一个更接近真实工作的场景：一个 agent 中途改了公共接口，另外几个 agent 同时在写依赖这个接口的代码。

• 各开分支：每个分支自己的测试都是绿的，合起来以后 3 轮全部测出问题，事后再派 agent 修，每轮要花 40 秒到 4 分钟。
• 群控，每次提交都检验：接口一改测试当场报错，相关 agent 在半分钟到一分钟内自己修好，3 轮全部在运行过程中解决。

当然，群控也不是万能的：活很少时一个 agent 最快；任务彼此独立时各开分支、处理好更新日志合并，速度跟群控差不多。任务越多、依赖越深，群控的优势才越大——就是 Karpathy 说的那种场景：几千个 agent，连续几周，一个超大型项目。

5 个 agent 加一把锁，时间就接近翻倍。规模到了几千个 agent，组织方式带来的差距只会更大。

下半场比的是工业化

作者的判断：AI 写代码还非常早期。大多数人还在第二个时代，一部分进了第三个，第四个时代目前只有那 5,000 人见过。

现在大家聊 AI，焦点基本都在模型上：谁更聪明、谁跑分更高。这有点像比谁家的机器人更好。但模型会越来越强、越来越普及，最后会像工厂里的机器人一样，谁都能买。真正拉开差距的，是模型之外的那套生产体系——而且注定是重资产。

一块是算力。群控除了训练和推理模型的算力，还缺另一大块：agent 干活用的机器。写完代码要编译、跑测试、过 CI，几千个 agent 同时跑，就要几千个沙箱、成片的构建机和测试机。Anthropic 每天 2,500 万次 CI 检出就是这部分的缩影。

另一块是群控的调度系统，让撒在这么多机器上的 agent 协同起来。这一层才刚起步。Anthropic 那支 7 个人的团队，5 个月里除了版本控制系统，还做了代码评审、代码搜索、权限系统等五六个配套系统——他们在做的，就是给自己的 agent 建一座工厂。

这样一座工厂，至少要给 agent 配齐三样东西：

1. 一份共享的工作记录：让每个 agent 都知道别人发现了什么、在哪失败过、做过什么决定
2. 每次改动都带清楚的来历：谁做的、为哪个任务、看过哪些文件——系统才能把消息准确送到该知道的 agent 手里
3. 一套能直接调用的接口，让 agent 用程序的方式协作

软件公司的终局是一座工厂

先讲三件明天就能上手的小事：

1. 活多的时候多开几个 agent：60 个任务，5 个 agent 比 1 个快 2.6 倍；但几个小任务，一个 agent 最省事。
2. 大家都要改的文件（比如更新日志）在 .gitattributes 里加一行 merge=union，大部分冲突当场消失。
3. 尽早合并，每次合并都跑测试，问题出来几秒就被看到，agent 当场修。

这三件事是从作坊走向工厂的第一步。再往后看，作者有五个判断：

• 一是软件产品会越来越像。 大家用同样几家的模型、同样的 agent 工具，一个好点子今天上线，过几天就有功能差不多的版本。功能趋同，界面趋同，连代码都可能出自同一个模型。
• 二是软件会从手艺生意变成产能生意，而且是重资产。 产能比三样东西：算力（每个 agent 编译、测试、跑 CI 都要机器）、token（决定能同时开多少 agent、让它们连续干多久）、协同群控（决定前两样投进去能变成多少产出）。前两样花钱就能买，第三样得一点点搭。三样凑齐，就是一座软件工厂。
• 三是工厂和作坊的速度会差出十几倍，甚至上百倍。 单台机器上 5 个 agent 已经比 1 个快 2.6 倍；放到上千台机器、上万个 agent 上，差距会拉到十几倍甚至上百倍。速度差十倍，就是对手一个季度做完的产品你一周做完，对手还在验证第一个想法你已经试完了十个。先到的人先拿到用户、数据和反馈，再拿这些继续加速，领先会越滚越大。
• 四是未来最值钱的工程师，是能指挥一万个 agent 的人。 写代码的手艺会越来越便宜，把成千上万个 agent 组织成一条产线的能力会越来越贵。
• 第五，时间是唯一的护城河。 模型人人能用，算力和 token 花钱能买，工厂迟早也会有人建出来。唯独时间，用掉一天就少一天。

造车从手工打造走到黑灯工厂，用了一百年。写代码从手敲走到 AI 群控，可能只要三五年。这三五年里，有人还在比谁的模型分数更高，有人已经开始建工厂。等黑灯工厂里上万个 agent 日夜转起来的时候，差距早就拉开了。

附：作者的开源 demo Trellis

作者参考 Anthropic 公开的设计思路，用 Rust 写了一个 agent 群控的协同层 demo，叫 Trellis（英文意思是园艺用的"藤架"，让很多枝条沿着同一个架子生长）：

• agent 在各自的工作区里修改，做完就提交到共用的主线上，由服务端自动合并，整个过程只在移动主线指针的一瞬间做一次原子操作，几毫秒完成
• 系统记录每个 agent 读过哪些文件，一旦这些文件被别人修改就通知它，由它自己判断是否跟进
• 每次提交后自动跑测试，失败时自动生成修复任务，空闲的 agent 可以领走
• Claude Code、Codex 等 agent 通过命令行或 MCP 即可接入

它目前还是一条"试验线"：服务端可以监听网络地址，各台机器上的 agent 都能连到同一个服务；文中的实验在单台机器上完成，最多 5 个 agent。把编译和 CI 分发到多台机器是下一步。

代码、设计文档、实验脚本和每一次运行的完整记录都已开源：https://github.com/askuy/multi-agent-collaborate

---

本文含两个视频（介绍群控原理及全文视频版），此处从略。原载于 InfoQ 微信公众号，作者彭友顺。