为什么人类是 AI 最大的瓶颈（以及 2026 年将发生什么）| Alexander Embiricos（OpenAI Codex 产品负责人）
Why humans are AI’s biggest bottleneck (and what’s coming in 2026) | Alexander Embiricos (OpenAI Codex Product Lead)
嘉宾：Alexander Embiricos
收听本集00:00 / 1:25:13
精读 · 按主题梳理核心观点、论证与案例。
§01Codex 作为主动型队友
Codex 被描述为软件工程队友的起点，而不只是自动补全工具。它能够写代码、使用计算机，最终还会参与规划、测试、部署和维护。Sora Android 应用在 18 天后交给员工使用，十天后面向公众发布。Embiricos 认为，难点不只是让模型更聪明，而是让它在整个软件生命周期中承担真正有用的工作。
§02从编码工具到工作队友
Codex 被描述为一种编码智能体，可以安装在 IDE 或终端中，与开发者共同完成软件生命周期中的工作。设想中的未来队友会理解上下文、分派工作，并逐渐帮助规划、验证、部署和维护。这个方向要求系统能主动行动，同时让人继续掌握目标和边界。
§03从更好的模型到集成式 AI 队友
Embiricos 认为，进步的有用单位不再只是模型。OpenAI 的 Codex-Max 将推理模型、API 和决定模型如何工作的执行框架结合起来。他以压缩上下文为例：模型运行一整夜或一天后可能超出上下文窗口，因此模型要知道何时准备进入新的上下文，API 要支持转换，执行框架也要准备下一次输入。这个功能必须跨三个层面共同开发和调优。
同样的集成选择也影响 Codex 的工具。不同编码产品给模型提供了不同工作方式，而 Codex 针对 shell 优化，并用沙箱让终端操作更安全。Embiricos 认为，专注于一个连贯环境，比同时训练模型适应所有可能的执行框架更快。这是产品聚焦的判断，并不能证明某一种界面适合所有用户。