经常拿AI写代码的人都知道，写出能跑的程序不难，但你稍不留神，文件就莫名大了好几倍。

我曾经心血来潮让AI帮我写个网站，虽然用几句话就生成了，但打眼一看，它硬生生给我写了两千多行屎山。

在AI编程普及之前，写代码是最耗时的事情，但AI现在太厉害了，以前需要几个小时甚至几天才能完成的代码，现在分分钟就能整出来。

但问题是，代码是堆起来了，那些屎里淘金的脏活也堆了起来。

AI可以一分钟写出几百行代码，但公司不可能因为它勉强能跑，就把这些代码直接扔给几百万用户。

一家给AI生成的代码“冲厕所”的公司，因此贵了近十倍。

8月12日，据TechCrunch报道，为GitHub Actions提供持续集成（Continuous Integration，CI）基础设施的Blacksmith完成4500万美元B轮融资，估值达到5.5亿美元。而不到一年前，它的估值还只有约6000万美元。

Blacksmith没有发明更聪明的AI，也不负责帮程序员写代码。它做的是AI把代码写出来以后剩下的事情：跑测试、做构建，确认这些AI生成的代码，到底能不能安全地进入真正的软件。

让它身价暴涨的不是测试本身，是那些需要处理的代码，正在变得越来越多。

01

AI写的代码，人类已经看不过来了

Blacksmith很早就发现，代码变得有点太多了。

2025年9月，公司在宣布A轮融资时披露，过去一年，在排除开发者人数增长的影响后，其现有客户运行的持续集成任务量，平均每个季度增长60%。

Blacksmith把这种变化归因于AI编程工具的爆发——毕竟人一天只有24个小时，能够生产的代码有限，后面的测试、构建和代码审查自然也有一个上限。

但Coding Agent的爆发改变了这个局面。

现在的多数编程Agent都可以读取代码库、修改多个文件、运行测试，再把结果交给人类，而不只是帮程序员补几行代码。更为重要的是，Agent不仅不需要下班，不需要睡觉，还可以调度多个Subagent，把一个复杂任务拆开，同时处理多个不同工作。

于是，代码生产开始摆脱“有多少程序员，就有多少双手”的限制，从手工作坊迈向工业时代。

Claude Code负责人Boris Cherny的工作方式，已经有点像一座小型代码工厂。

今年6月，Boris Cherny在Fortune Brainstorm Tech大会上说，自己已经8个月没有手写过一行代码。

取而代之的是，他开始管理一支越来越庞大的Agent队伍。Boris表示，大会当天早上，他同时管理着“几百个”Agent；有些时候，这个数字会变成几千，甚至几万个。

这种变化到底能把代码生产推到什么程度，OpenAI也做过一个颇为极端的实验。

2025年8月底，OpenAI一个最初只有3名工程师的团队，从一个空白代码库开始，用Codex开发一款内部软件。

规则很简单：人类不直接写代码，应用逻辑、测试、CI配置、文档、可观测性和内部工具，全部由Codex生成。

五个月后，这个代码库已经膨胀到约100万行，期间完成了约1500个代码合并请求（Pull Request，PR）。OpenAI估算，同样的工作，如果全部由人类手写代码，大约需要十倍的时间。

有意思的是，OpenAI称，他们经常看到单次Codex任务连续工作超过6个小时，很多时候，人已经睡了，Agent还在继续干活。

代码生产的上限，就这样开始脱离人类的工作时间。

但很快，新的问题出现了：代码写得太快，人开始看不过来了。

OpenAI在这次实验中直接写道：随着代码吞吐量增加，他们遇到的新瓶颈变成了“人类QA能力”。

因为不管Agent能写多少代码，人类的时间和精力毕竟是有限的。

这个团队每周五都要拿出整整一天，专门清理所谓的“AI slop”，也就是AI写出的那些屎山代码。它们通常来自Agent在快速生成代码时带来的副作用：比如重复或错误的实现模式、不一致的代码风格，以及在系统中不断累积的技术债。

但很快，这事儿也有点干不过来了。

于是OpenAI又把“擦屁股”的工作交给了Agent：让后台Codex任务定期扫描代码库，发现问题，自动提交重构PR。甚至连大量代码Review，也开始交给Agent之间互相检查，人类只在需要判断的时候介入。

也就是说，AI开始同时出现在生产线两端：一边疯狂生产代码，另一边帮人寻找这些代码里的问题。

但中间那些必须实际跑完的测试、构建和CI任务，并没有消失。

Blacksmith写了一句很直白的话：如果每一次代码修改仍然需要一个小时才能测试完，那么一个比人类快100倍的Coding Agent，也没有太大意义。

AI没有消灭软件开发的瓶颈。

它只是把瓶颈，从“这个代码到底怎么写”，推到了“这么多代码到底怎么验”。

02

AI代码过剩后，给代码“冲厕所”的公司贵了十倍

要理解Blacksmith为什么能在不到一年的时间里从6000万美元涨到5.5亿美元，得先弄清楚这家公司的主要业务。

一段代码从程序员手里写出来，到真正出现在用户手机或者电脑上，中间还有很长一段路。

比如你给一个购物网站增加了新的支付按钮，代码写完以后，首先得确认它能不能正常编译；然后跑一遍自动测试，看看按钮能不能用；再跑更多测试，确认这次修改没有顺手把登录、购物车或者退款功能搞坏。

这些事情通常会被组织成一套自动流水线：程序员每提交一次代码，机器就自动把代码拉下来，重新构建软件、运行测试、检查结果。发现问题就打回去，全部通过以后，代码才有资格继续往下走。

而这个流水线，就叫作持续集成（Continuous Integration，CI）。

GitHub自己的GitHub Actions，就是最常见的CI工具之一。

而Blacksmith真正做的，是这套流水线下面的“执行层”。

GitHub Actions负责规定“要跑哪些测试、按什么顺序跑”，Blacksmith则提供真正执行这些任务的计算环境。

换句话说，Blacksmith并不帮你写测试规则，而是提供机器，把构建、测试和部署这些任务真正跑完。

它最初的卖点也很直接：让GitHub Actions跑得更快、更便宜。

按照Blacksmith的说法，它使用高单核性能CPU、本地缓存和NVMe存储来运行这些任务，大部分CI任务速度可以达到GitHub托管服务器的约2倍；一些Docker构建在缓存生效后可以获得更大的加速。对于开发者来说，迁移可能只需要修改一行GitHub Actions配置。

Blacksmith创始人后来形容，CI本质上就是“开发者的管道工程”。他们甚至开玩笑说，想让CI“至少这一次变得性感一点”。

但AI编程恰好把它最不起眼的地方，变成了优势：过去程序员一天提交几次代码，CI就跑几次；现在Agent可以持续改代码、反复尝试，还能并行调用Subagent，每一次修改都会触发新一轮构建、测试和验证。

Blacksmith在A轮融资时就提到，随着AI代码生成工具的发展，代码数量的快速增加正在把CI推向新的瓶颈。为此，Blacksmith没有简单依赖通用云计算资源，而是针对CI任务优化自己的硬件和软件栈，提供更快的执行速度、更高的并发能力，以及更适合测试流程的计算环境。

AI越会写代码，Blacksmith需要跑的机器反而越多，这门过去藏在软件开发后台的“脏活”，就这样被AI放大了。

2025年9月，Blacksmith已经服务约800家组织；不到一年后，这个数字增长到5000多家。

公司的员工数量从约10人增加到30人左右，年化收入则从1000万美元进入“数千万美元”区间，据TechCrunch报道，一些最大的客户每年在Blacksmith上的支出已经超过100万美元。

今天的Blacksmith，已经不满足于只做一个更快的CI执行层，它也开始把AI能力往上叠。

比如Codesmith可以读取代码仓库、修改代码并创建PR，也可以根据CI失败信息辅助定位和修复问题；Test Analytics负责整理测试失败信息；Testboxes则会给Agent临时创建一个虚拟测试环境，让它把刚改完的代码真正跑一遍，如果失败，结果再返回给Agent继续修改。

一条新的软件生产线开始出现：Agent写代码，Blacksmith跑测试；测试失败，AI总结问题；Codesmith修改代码，再扔回Testbox重新测试。

于是，代码生产和代码验证，都开始变得越来越自动化、Agent化。

但这里有一个关键区别。

AI可以自己找Bug、改代码，但最后那句“这段代码真的能用”，不能靠它自己说，必须真跑一遍。

而只要真的运行，就会消耗真实的计算资源。模型可以把写代码的边际成本不断压低，但服务器不会因为代码是AI写的就少跑一次测试，量大再凑个满减。

Blacksmith赚的，本质上是这最后一笔省不掉的钱。

03

AI写代码的终点，是一个更大的验收产业

事实上，过去一年，几乎所有主流AI公司都开始往代码生产线的后半段走。

Codex刚推出时，OpenAI还专门提醒用户：即使Agent已经可以自己修改代码、运行测试，在真正集成和执行之前，AI生成的代码仍然需要人工Review和验证。

但很快，Codex自己也开始做Review。2025年9月，OpenAI披露，Codex已经Review了公司内部绝大多数PR，每天可以发现数百个问题，很多问题甚至在人类开始Review之前就被找出来。

Anthropic也在做类似的事情。

Claude Code在今年3月加入了自动安全审查能力，可以直接检查PR里的SQL注入、跨站脚本攻击（XSS）、身份验证漏洞、不安全的数据处理和依赖漏洞，并通过GitHub Actions自动运行。

但Anthropic同时强调，这套功能并不能取代既有的安全流程和人工Review。

GitHub的动作更加直接。今年7月GitHub Code Quality正式上线时，GitHub在官方公告里甚至用了这样一句话：“AI accelerates code output, and Code Quality helps teams ship code they trust.”

AI正在加速代码产出，而Code Quality负责帮助团队交付“可以信任的代码”。

这套产品会在PR阶段检查代码的可靠性和可维护性问题，并结合Copilot Autofix给出修复建议。GitHub披露，其内部团队会在代码合并前解决67.3%的Code Quality问题。

过去几年，AI编程最激烈的竞争发生在代码生成端：谁能写得更快，谁能处理更大的代码库，谁能完成更复杂的任务。

但当代码真的开始过剩，下一场竞争已经悄悄往后移动。测试、持续集成、代码Review、安全检查，这些过去散落在软件开发流程里的环节，正在被重新拉到台前。

这甚至形成了一种和很多“AI替代软件”的故事完全相反的关系：模型越强，代码生成的成本越低；代码生成的成本越低，代码产量越大；代码产量越大，后面的测试、Review和安全审查需求反而越多。

但Blacksmith和这些AI公司的位置又不太一样。

如果说Code Review是在给AI生成的代码“擦屁股”，Blacksmith做的，就是给AI生成的那些代码“冲厕所”。

OpenAI、Anthropic和GitHub正在争谁更会Review代码，而Blacksmith押注的，是这些判断最终都绕不开的一层基础设施。

Coding Agent可以换，但验证基础设施不能省。不管代码是Codex写的、Claude Code写的，还是人写的；也不管最后是谁负责Review，只要想知道这段代码到底能不能跑，测试就必须真正执行。

这也是Blacksmith最早选择自建CI基础设施的原因，它没有简单地在AWS等公有云上租机器，而是针对编译、构建和测试这些CI任务，自己优化CPU、存储、缓存和虚拟机调度。

Blacksmith可以往上做Agent和测试环境，但它最难替代的资产，仍然是下面那层让所有代码真正跑起来的CI基础设施。

换句话说，别人争的是谁更会看代码，Blacksmith赚的是代码最后必须跑一遍的钱。