Codex 突破千万周活的背后：当代码变成隐形燃料，AI 的终局是消解“程序员”
OpenAI 核心产品工程负责人 Akshay Nathan 在 Latent Space 播客中透露了一个耐人寻味的数据：自 2026 年 7 月 9 日正式发布 ChatGPT Work 并将 Codex 的底层能力全面融通以来，整个系统在极短时间内冲破了 1000 万 Weekly Active Users（周活跃用户）大关。
真正令团队震惊的，不是增长曲线本身的陡峭程度，而是用户画像的剧烈偏移——在这 1000 万周活用户中，增长最迅猛、最直呼“获得了 Superpower（超能力）”的群体，竟然不是天天写代码的 Software Engineer，而是市场营销、财务分析、运营和产品经理。
这一事实彻底打碎了过去科技界对“AI 编程工具”的狭隘认知。
撕掉角色标签：统一的 Shared Agent Harness
Section titled “撕掉角色标签：统一的 Shared Agent Harness”长期以来，行业习惯于把 AI 产品做严格的岗位隔离：给程序员用 IDE 插件和终端 CLI，给普通办公人员用 Chat 聊天框和文档生成器。然而，OpenAI 这一次做出的关键工程抉择，是彻底放弃这种基于旧时代职业分工的割裂架构。
在 ChatGPT Work 的底层，OpenAI 部署了一套统一的 Shared Agent Harness（共享智能体运行框架）。无论你是想重构一段 Rust 后端代码，还是想把一份杂乱的 Excel 转换成自动刷新的交互式仪表盘，后台调用的都是同一种代码解释环境、同一种持久化沙盒与同一种多智能体调度逻辑。
正如我们在 当法务开始写代码——OpenAI 这篇 Codex 数据报告，藏着比 AI 替代人更深的信号 中讨论过的现象：当非程序员通过自然语言触发代码逻辑时，他们本质上是在调用计算机最原生、最精确的计算能力，而不需要去背诵 Syntax（语法）。
这种架构统一带来的直接结果，是“开发”与“办公”边界的迅速模糊。非程序员不再需要向 IT 部门提交繁琐的工单去等一个内部工具，他们可以直接用 Prompt 让 Agent 现场写一段 Python 脚本处理异构数据，或者用全新发布的 Sites 功能直接生成一个部署在云端的交互式网页。
从静态容器到动态系统：Sites 与 OpenClaw 的启示
Section titled “从静态容器到动态系统：Sites 与 OpenClaw 的启示”在过去的办公范式中，信息的终点是“静态容器”——一张 Excel 表格、一份 PPT 幻灯片，或者一篇 PDF 报告。但在 Agent 时代，这种静态展现正在变得过时。
Akshay 提到了 OpenAI 内部工作流的变化：团队之间不再互相发送带有图表的静态演示文稿，而是直接分享一个由 Agent 实时构建和托管的 Site（交互式站点）。这个 Site 内部运行着逻辑代码，随时拉取最新的数据库 API，并根据访问者的提问动态调整视图。
这种转变的背后，离不开 OpenAI 此前对 Peter Steinberger 创建的 OpenClaw 开源 Agent 框架的吸收。OpenClaw 在处理跨平台操作、持久化会话和系统级 Memory（记忆）方面的工程探索，被融入到了 ChatGPT Work 的设计中。
如我们在 Loop Engineering：Agent 真正的战场不是 prompt，而是回路 中所分析的那样，真正决定 Agent 实用价值的，从来不是单次 Prompt 的惊艳程度，而是系统能否在持久化的沙盒回路中不断执行、反馈、修正并保留状态。当 Agent 拥有了长期记忆与实时渲染环境，交付物就从“一堆文字”变成了“一个活生生的微应用”。
软件实现成本归零：真正的瓶颈是 Ideas 与 Taste
Section titled “软件实现成本归零：真正的瓶颈是 Ideas 与 Taste”能用代码的人数，比能手写代码的人数大出至少 100 倍（100x TAM）。当 Agent Interface（智能体交互界面）成功撬动这 100 倍的非程序员群体时，整个软件世界的竞争法则被重新定义了。
Akshay 在访谈中提出了一个极为深刻的判断：当生成“Just Works（能跑通）”的代码成本急剧下降并趋近于零时，软件开发的生产力瓶颈不再是“如何实现（How to build）”，而是“想做什么（Ideas）”与“如何评判好坏（Taste）”。
在传统模式下，大量的工程精力消耗在解决语法错误、配置环境、调通 API 和搭建 boilerplate（样板代码）上。而现在，Agent 承担了所有脏活累活。
当每个人都能在 5 分钟内捏出一个微型 SaaS、一个数据分析看板或一个工作流自动化脚本时，劣质与平庸的想法会被瞬间淹没。真正稀缺的能力演化为：
- Ideas（洞察与立意）：你能否敏锐地发现未被满足的真实业务需求？你能否把复杂的现实问题抽象成高价值的代理任务？
- Taste（品味与鉴赏力）：在 Agent 给出的十种解决方案中，你能否准确判断哪一种体验最优雅、哪一种逻辑无漏洞、哪一种真正符合用户心理？
代码没有消失，它只是像电力一样退居幕后，成为了无处不在的隐形燃料。
你在日常工作中有没有尝试过用 Agent 来代替繁琐的表格或内部工具搭建？你认为缺乏编程背景但具备强业务洞察的人，会在未来的 AI 时代获得更大的杠杆吗？欢迎在评论区分享你的看法。