OpenAI Codex 产品负责人：AI 时代，真正稀缺的是「品味」

OpenAI 旗下 AI 编程工具 Codex 的产品与工程负责人 Andrew Ambrosino 近期在 Lenny 播客中披露了一系列关键数据：Codex 近半年使用量增长 6 倍，周活跃用户突破 500 万；OpenAI 内部约 90% 员工每周使用这款工具，覆盖工程、市场、财务、法务等岗位。这次访谈的核心并不在数字本身，而在于他对「AI 时代产品到底怎么做」这个问题的系统回答。

数据：Codex 已成 OpenAI 内部最普及的工具之一

Andrew 透露，过去半年 Codex 的使用量增长了 6 倍，周活跃用户超过 500 万。在 OpenAI 内部，这款工具的使用范围远超工程团队——市场、财务、法务、法务等岗位的同事也都在高频使用。这意味着 Codex 已从单纯的「AI 编程工具」扩展为跨职能的通用工作入口。

Codex 的产品愿景也不止于开发者工具。Andrew 明确表示，目标是把它做成「有史以来最好的桌面应用」，能写代码、整理文件、做数据分析、读邮件、操作浏览器——一个应用覆盖所有知识工作。这一定位与 OpenAI 将模型能力封装为通用生产力入口的策略一致。

产品开发流程倒置：实现不再昂贵，「品味」才是稀缺品

访谈中最核心的观点是：产品开发流程已经被倒转。Andrew 描述，以往团队遵循「写文档 → 研究 → 原型 → 实现」的瀑布式流程，根本原因是实现成本高，必须用前置环节去风险化；而现在大模型把实现成本压到接近零，「任何人都能做出任何东西」，于是流程变成了：

• 同一个需求可能有 90 个团队各自做出原型；
• 产品团队的主要工作变成「筛选与整合」，而不是实现本身；
• 文档与原型不再有固定出场顺序，而是按问题类型选择合适的媒介。

在这种环境下，Andrew 认为真正稀缺的能力变成了**「品味」**——知道做什么、如何组织系统、用什么媒介表达产品形态，哪些功能该合并、开关应该有几档、用户真正需要什么。他同时强调：「我不认为 PRD 已死，原型为王」，关键是为具体观点选择合适的格式。

AI 为什么做不好设计？三个结构性原因

当被问及为什么前沿模型在设计上仍普遍表现糟糕时，Andrew 给出了三个原因：

• 评分机制缺失：代码可以靠「能否编译、能否运行」自动评估，而设计的质量判断高度依赖人类审美，反馈回路难以构建；
• 训练飞轮不对称：早期模型优先攻克编码，是因为「模型能写正确代码」直接加速 AI 研究本身，设计并不在这个自我加速的循环中；
• 新颖性要求：软件工程偏向复用已知模式，而设计需要随机性与新颖性——历史上每个新出的网站都像 Linear 复刻，这恰恰说明模型擅长学已有范式，而非创造新范式。

Andrew 也补充了一个更深层的限制：设计中存在抽象层——「这边角落的组件应该在代码库中与下面的那个共享某些样式与语义」。这种抽象层的处理能力，他认为「在目前的技术下还有点遥不可及」。

角色正在「坍塌」：按你做的事定义你

访谈最后落到了团队形态问题。Andrew 表示 OpenAI 不设固定角色标签，团队成员按「技术成员」划分，「你的角色就是你花时间做的那些事」。设计师会写代码、PM 会写代码、工程师会做产品设计。在实现成本归零之后，职能边界变得模糊。

当被问及这是否会演变成「每个人都成为全能选手」时，Andrew 表达了他的担忧：很多公司宣布取消产品岗、让每个人都成为「构建者」，但他并不认为这是终局。他自己的创业经历也是佐证——在 Codex 之前，他经历了 10 到 15 年的失败，最终才找到成功。他给从业者的建议是：「不要固守你的流程，固守你能交付的结果。」

启示：AI 编程工具的下一战场

Codex 数据背后真正值得关注的信号有两层：一是 AI 编程工具正从「开发者专用」扩展为全员生产工具；二是产品研发的组织形态——流程、角色、核心能力——都在围绕「实现成本趋零」重新组合。对于正在用 AI 重构工作流的产品和研发团队而言，「品味」「筛选」「抽象层」这些被反复强调的词，或许比任何新模型发布都更值得琢磨。