Factory's Matan Grinberg: The Coming ‘Dark Factory’ Where Software Builds Itself

Factory 创始人 Matan 自述：公司曾因产品不好主动退还所有客户收入，靠"创造痴迷客户"而非"客户痴迷"的信念活下来，现在用模型路由帮企业把 90% 的 token 花在便宜的开源模型上。

• Factory 成立于 2023 年 4 月，比市场早了两三年。当时企业连 GitHub Copilot 都没准备好接受，更别说全自主代理。创始人 Matan 说那两年是"在沙漠里走"，团队 20 个最聪明的人跟着他，但客户一个接一个说"不需要"。
• 最艰难的决定：公司靠销售能力签了近 200 万美元合同，但产品根本不好用。Matan 意识到这是定时炸弹——开发者用脚投票，不喜欢就是不喜欢。于是他们主动把所有客户的钱退了，收入直接归零。
• 为什么退钱：他们的运营原则是"创造痴迷客户"（create obsessed customers），不是"客户痴迷"（customer obsession）。Matan 打了个比方：你痴迷客户，客户可能反过来给你申请限制令；你的任务是做出好到让客户反过来痴迷你的东西。产品没做到，就退钱。
• 团队怎么没散：Matan 说唯一原因是招聘时只招真正痴迷使命的人——"把自主权带给软件工程"。而且他们坦诚面对有多糟："看那些竞争对手，收入疯涨，我们却要退钱，这太烂了。"这种坦诚反而让团队绑得更紧。

• 之前的问题：全自主代理要求开发者完全改变工作习惯，但当时连 Copilot 都没普及，步子太大。Matan 说："早了两年就是错了。"
• Droid CLI 的关键：它在开发者现有的工作流里接住他们，而不是逼他们跳进新世界。同时它是模型无关的，能用所有模型。
• 行为变化比模型进步更重要：到 2025 年底，大多数工程师已经用自动补全工具，很多人开始用聊天界面让代理改代码。Andrej Karpathy 开始发推夸代理，也改变了工程师的态度——"你信任的人说行，你就愿意试试。"
• 模型进步不是最关键的：Matan 说如果用现在的代理工具跑旧模型，效果依然不错。真正变的是开发者放下了戒备，愿意给代理设护栏、试错。

• 反直觉的结论：很多人以为模型和代理一起训练会更好，但 Matan 说事实相反——支持多种模型的代理反而更强。类比：10 年前你想训练一个只认识你的 AI，结果发现训练它读整个互联网反而对你更好。模型对代理来说，就像数据对模型——暴露的模型越多，代理越不会过拟合某个模型的怪癖。
• 具体例子：Opus 像"超级友好的同事"，你说 20 个任务，它说"5 个不用做，我搞定了，去喝杯啤酒吧"；GPT-5.6 像"强迫症"，20 个任务一个不落，不睡觉也要做完。同一个代理不能偏袒任何一种风格，必须让用户无论换哪个模型都有一样的体验。
• 代理的核心能力：缓存（token 成本降到十分之一）、压缩（长会话超上下文窗口时怎么保留关键信息）、工具调用——这些跟模型本身无关，是代理的"手艺"。

• 三个阶段：第一阶段没人信 AI；第二阶段 CEO 被董事会逼问"AI 战略"，CTO 把 AI 使用量放进绩效排名逼大家用；第三阶段所有人疯狂用 AI 做任何事——有银行每月花几十万美元让人问"旧金山天气怎么样"。
• Factory 的解法：模型路由。根据任务动态分配模型：简单任务用便宜的 Gemini Flash，关键代码用 Opus，测试用 Anthropic，审查用 Gemini。路由规则甚至可以用自然语言写："Pat 那家伙，给他用 Flash 就行。"
• 开源模型正在崛起：2025 年初不到 1% 的 token 来自开源模型，第一季度到个位数，现在已到两位数百分比。Matan 预测最终绝大多数 token 会流向开源模型，因为更便宜、更快、性能足够——"你不需要 Albert Einstein 教你女儿代数，找个高中生就行。"
• 但前沿模型永远有价值：1% 的 token 可能决定最关键的事，比如系统架构决策。目标是把工程师从低杠杆工作（写文档）中解放出来，让他们有更多时间做高杠杆思考。

• 现在按 token 用量收费，因为企业还没准备好接受按结果付费。Matan 说他们从"沙漠两年"学到的教训是不再强推超前的东西。
• 2030 年代可能转向按结果付费：想象一个市场——模型提供商对任务投标，说"这个任务我 X 美元搞定"，验证通过才付钱。用户为了省钱，会把验证条件写得非常详细（否则代理可能直接删掉你的代码）。
• 软件工厂的终极愿景：现在大公司有几百上千人参与一个功能发布，没人能画清楚流程图。未来这些"部落知识"会被编码成自动化流水线，每个 token 的投入都能追踪到业务产出——就像会计让商业从"凭感觉"变成"看数字"。

"如果你痴迷客户，客户可能反过来给你申请限制令。我们的工作是做出好到让客户反过来痴迷我们的东西。"

• 做 AI 产品的，别急着绑死一个模型：支持多种模型的代理反而更强，因为不会过拟合某个模型的怪癖。这给所有做 AI 中间层的公司一个明确方向——模型无关性是护城河。
• "早了两年就是错了"：创业时机比技术领先更重要。如果市场没准备好，再好的 vision 也是错的。Factory 的经验是：先做开发者现有工作流里能接住的东西，别逼他们一步跳到全自主。
• 成本理性化是下一个大机会：企业从"token 最大化"转向"成本理性化"，意味着模型路由和智能分配会成为刚需。做企业 AI 工具的，现在就该帮客户回答"每个增量 token 花在哪"这个问题。