Cognition创始人：写代码的时代正在结束，年轻人的优势，在于过去的经验的失效

一直行走

#模型时代# Cognition创始人：写代码的时代正在结束，年轻人的优势，在于过去的经验的失效


最近看到好多"Cursor已死"的说法。原因就是模型公司开始干产品了，比如Anthropic的Claude Code，OpenAI的Codex也是同步发力。

所以看到Cognition的两位联合创始人Scott Wu和Russell Kaplan在Joe Lonsdale的播客采访，我就蛮好奇，想知道它们怎么样。没想到活的还挺好，因为Connition现在的生意主要靠ToB和ToG，所以基本不受影响。而且，他们干的正好是原来大家觉得AI Coding不擅长的场景，主攻老系统，老代码。

对了，还有一点，他们说：Cognition有一支叫Special Projects Engineers的团队，每个人都是前创始人。所以，接下来能帮AI落地的人才可能会变得很贵。

下边是播客主要观点记录。

一、为什么编程天才扎堆创业，而且集中在AI

Scott提到一个惊人的巧合：他参加USACO集训营那一届，也就是美国计算奥林匹克选拔国家队的训练营，大约20个人里走出了一批AI领域的标志性创业者。

1、同一届集训营的创业者名单

Alexander Wang创办了Scale AI，Demi Guo创办了Pika，Daniel Ziegler是RLHF的共同发明者之一，这套用人类反馈来训练AI模型的方法现在是几乎所有大模型的标配训练流程，Alex Wei现在负责OpenAI的推理方向，Johnny Ho联合创办了Perplexity。加上Scott自己和Cognition的联合创始人Steven、Andrew，这批人几乎全从同一个20人的圈子里冒出来。

Scott把这归因于两点：一是创业的传染性，Alexander Wang大一退学创办Scale并取得成功，给其他人打了样；二是AI领域对纯技术执行力的要求特别高，不像某些行业的核心壁垒在物流、关键词分发或上瘾循环设计，AI公司的胜负更多取决于能不能持续推出别人做不到的技术突破。

2、年轻人在AI时代有没有特殊优势

Russell的回答比Scott更直接：有。原因不是年轻人更聪明，而是AI工具每三个月就更新一轮，所有人的"经验"都在不断被清零。没有预设观念的人反而能全力拥抱新的工作方式。

Russell在Tesla学到的一条原则很适合理解这个逻辑。Elon Musk反复强调"everyone is chief engineer"，要求Autopilot团队每个人都理解全栈。这在AI时代格外重要，因为AI允许端到端优化，传统团队之间的抽象边界正在被打破。过去感知组、规划组、控制组各管各的，现在如果你想做端到端优化，就必须对每一层都有准确的心智模型。年轻人从零开始建立这种全栈理解，反而比需要"忘掉旧方法"的老手更顺畅。

3、工程团队平均年龄25岁

Cognition工程团队有17岁、18岁还在读高中的成员，他们的共同特点不是年龄，而是已经自己动手搭过智能体、训过模型。Scott说"we'll take anyone at any age as long as they're ready to grind"，年龄不设限，只要准备好全力投入。但他也承认最让他兴奋的人才画像确实是这类年轻构建者。

二、Cognition的增长轨迹和产品逻辑

1、2026年头两个多月用量已超2025全年

Scott在播客录制当天（2026年3月9日）给出了一个数据点：Cognition在企业客户中的Devin会话数，2026年至今已经超过2025年全年总量。也就是说不到70天的用量超过了过去一整年。他还提到，Devin在企业客户中的使用量从2026年初到录制时大约翻了三倍。

2、从"勉强能用"到大规模部署的演进

Russell回忆了Devin的成长时间线：2024年3月发布时是"刚好处在可能的边缘"，可靠性远不够。到2024年夏天，Devin才成为自己代码库的头号贡献者，这是第一个里程碑。到2024年底，才真正在大型企业中规模化部署。

在这个过程中团队学到一课：2024年的技术水平还不足以让AI成为大多数任务的主要编程力量，人和AI之间仍需要更紧的反馈循环。他们找到的第一个有产品市场契合度的场景，是大型遗留代码库的批量重构，比如跨上万个服务做架构迁移。这些改动太复杂，不能用正则一键替换，但又没复杂到AI搞不定。

3、收购Windsurf的战略意义

2025年7月Cognition收购Windsurf，获得了IDE产品线、品牌、8200万美元年化收入和350多家企业客户。Scott在播客中提到收购发生在"七八个月前"，现在两个产品的工程师不做区分，同一个人既做Devin也做Windsurf。这意味着Cognition同时拥有了全自主智能体Devin和交互式开发环境Windsurf，覆盖了编程工作流的两个极端。

4、新瓶颈：代码审查，而非代码生成

Russell提到一个新产品Devin Review。逻辑是：AI写代码的速度远超人类审查的速度，工程师审查代码合并请求的环节已经取代代码生成成为新的瓶颈。对于跑着关键系统的大型企业来说，"vibe code然后盲目合并"不可接受。用Russell的话说，财政部不应该被vibe code。Devin Review不只是让AI在每个合并请求下面评论好不好，而是给人类提供工具，帮助深度理解大量AI生成的代码。

三、"软件丰裕"到底意味着什么

1、Cognition的工程师已经不打字写代码了

Scott说这个转变发生在过去3到6个月内。工程师的工作方式已经从写代码变成了用英文告诉智能体你想要什么。过去的介质是代码，现在越来越多变成了自然语言。

"You used to maybe work with punch cards... and now in many ways the medium has shifted away from code and a lot more of it has become basically English."

过去用打孔卡，现在介质已经从代码转向了英语。

Russell补充了这在管理层面的含义：过去软件开发生命周期的每一步都围绕着"别浪费工程师写代码的宝贵时间"来设计，现在突然有了从想法到代码的过剩产能。企业可以更大胆，不需要在A方案和B方案之间选一个，两个都试。不需要花三周做设计再交给工程团队，因为工程已经快到可以和设计同步迭代了。

一个具体的例子：Cognition内部的产品经理最先用Devin做的事，是不再打扰工程师问问题。新员工不好意思问同事"这个缩写什么意思""这段代码为什么这么写"，直接问Devin，Devin会引用源代码回答，不会judge你。Scott自己也这么干，"我是老板，我应该知道这些，但有时候确实不知道，直接问就好了"。

2、软件产品的"阶梯论"

Scott用一个对数尺度来解释软件丰裕。最顶端是YouTube、Instagram、TikTok这类有数十亿用户的产品，背后是数万工程师的打磨，体验完美无缺。往下一层是Uber、银行App这类有几亿用户的产品，质量已经明显差一个档次。再往下到你孩子学校的网站，可能停留在2001年的水平，一张过时照片加不了别的信息。

软件丰裕的意义就是让这个阶梯上的每一层，都有能力向上攀升，做出接近顶级产品质量的东西。

3、"不要在Devin闲着的时候去睡觉"

Russell把这和Tesla的工程文化做了类比。在Tesla Autopilot团队，信条是"永远不要让GPU在你睡觉时空转"，睡前踢一批实验，醒来就有新数据。现在这个逻辑适用于所有软件开发：为什么要在智能体闲着的时候去睡觉？你可以同时让一堆Devin在并行工作。

Scott补充说，优秀工程师的工作方式已经变了。过去编程10%是有趣的纯问题求解，想架构、做决策；90%是脏活，实现、修bug、写前端、跑迁移。现在那90%交给智能体，工程师可以把10倍多的时间花在那10%的创造性部分上。

四、6-12倍生产力增益是怎么来的

1、最早的甜蜜点：大型遗留代码库重构

Russell解释了最早产生强烈产品市场契合度的场景。在那些有上万个服务的巨型企业里，你定义好新架构，然后需要手动实现几千个改动。每个改动足够复杂不能用自动脚本，但又在AI能力范围内。Cognition在这类场景中最早站稳了脚跟，这也是为什么他们现在的客户集中在全球最大、最复杂的机构，包括顶级健康保险商、零售商、银行、政府部门。

这些机构的老架构已经运行了几十年，上面跑着海量代码，恰好是Devin最能发挥价值的地方。

2、量化数据：1小时人力管理 = 6到12小时人力执行

Russell给出了具体指标：在大型现代化项目中，一小时人类时间花在管理Devin上，相当于6到12小时人类自己动手做。这个数据来自2024年底的实际部署。

3、从被动修复到主动工程的转变

Russell类比了互联网早期：最初大部分网络数据包都是人类点击触发的，后来完全翻转，变成机器对机器通信为主。软件开发正在经历类似的翻转，决定写什么代码的过程，过去完全由人主导，现在越来越多由事件驱动自动启动。

一个真实案例：一家全球最大的受监管金融机构，把安全漏洞扫描工具（SonarQube、Veracode、Snyk等）的告警全部接入Devin，让它做第一轮分类和修复。结果是70%的安全漏洞现在在生产环境中被自动修复。对人类工程师来说，每天被这些告警淹没不是工作中愉快的部分，让智能体先过一轮，把精力留给真正需要人判断的。

五、美国政府IT现代化：1000亿美元的年度黑洞

Russell指出美国政府每年在IT现代化上花费约1000亿美元，大量系统仍然用COBOL这种上个世纪的编程语言编写，维护这些系统的人已经离开或者已经不理解代码怎么运作了。

Russell讲了一个有趣的历史：美国政府其实是技术创新的推动者。1880年代的人口普查靠手工统计花了七年，到了1890年，按同样速度算下来会超过十年，而普查是每十年一次。政府没辙了，公开征集技术方案。一个叫Hollerith的工程师发明了打孔卡制表机，1890年的普查按时完成并且低于预算。这台机器后来催生了现代计算产业。Russell还提到DARPA大挑战对自动驾驶革命的推动、硅谷生态最初靠政府国防投资催生。

1、COBOL反而不是最难的

Scott说Cognition在"代码库智能"方面做了大量投入，能处理极其复杂的自定义语言。他举了个例子：Goldman Sachs自己发明了编程语言，Devin可以调优到能理解和处理这些内部语言。相比之下COBOL其实还算"简单"的那个。

2、IP所有权困局的"绕路解法"

Russell分析了美国政府采购软件贵且慢的一个不太为人知的原因：政府往往要求拥有所使用软件的知识产权。这和SaaS模式天然矛盾，也就是企业按月付费使用软件而不拥有它的订阅模式。一家做排程软件的SaaS公司不会愿意把IP让给政府，政府也不愿意用许可证模式，结果只能找系统集成商从零定制，成本爆炸。

Cognition的策略是绕过这个问题："Devon can just write this thing for you." 直接帮你写。既然AI智能体可以快速从头构建软件，政府就能拥有自己的IP。

3、自动驾驶的教训同样适用于美国政府

Russell用Tesla的经历做了一个类比。当年很多人问：为什么不让车和车之间互相通信？如果所有车都联网，自动驾驶会容易得多。问题是在所有车联网之前，你还是得解决预测人类驾驶行为这个更难的科学问题。美国政府IT也一样，你可以去游说改变采购政策，但实际操作中更快的路径是直接用技术绕过制度障碍。就像那个经典的XKCD漫画：我们有十几个标准，太乱了，需要统一成一个。现在我们有十三个标准了。

六、竞争格局与人才策略

1、和大模型实验室是合作而非竞争