GitHub前CEO親手拆台!AI Agent開發平台重畫兆美元軟體版圖

Q: 這個新平台跟 GitHub Copilot 有什麼本質差別?

Copilot 是在人類主導的既有流程上加一層 AI 提示,主角還是人;新平台則從底層就以 AI Agent 為第一開發者來設計,讓代理能原生讀取、編寫、測試與部署,並留下可稽核的操作軌跡。

Q: 對一般開發者的職涯有什麼影響?

被淘汰的不是會寫程式的人,而是只會照規格敲指令的人。價值會往架構判斷、風險決策與代理監督移動。

AI Agent開發平台是這篇文章討論的核心

GitHub 前 CEO 親手拆台!Nat Friedman 造「AI Agent 原生開發平台」,兆美元軟體版圖要重畫了

Nat Friedman 這回不是要幫人類寫 code,而是想讓 AI Agent 直接住在程式庫裡。Photo by Markus Spiske on Pexels

⚡ 30 秒抓重點

💡 核心結論:Nat Friedman 與 Daniel Gross 推出的新平台,是把 AI Agent 當「第一開發者」來設計,而非繼續當人類的補字外掛。GitHub 以人為中心的版本控制邏輯,第一次遇到真正針對機器人 workflow 打造的對手。

📊 關鍵數據:Gartner 預估全球 Agentic AI 軟體支出 2030 年將衝上約 9,850 億美元,2025 至 2030 年複合成長率約 62.7%;AI 總體支出則上看 5.95 兆美元 量級。市場早就為「自主代理」騰出兆元級的空間。

🛠️ 行動指南:別再把 AI 當 IDE 裡的便條紙。先盤點團隊的重複性任務、把測試與部署流程「可觀測化」,才是接得住代理浪潮的姿勢。

⚠️ 風險預警:當 AI 能自主提交與部署,「誰簽核、誰負責」會變成天大的問題。缺乏稽核軌跡的團隊,等於把生產環境交給一個沒打卡紀錄的同事。

當我看到 Nat Friedman 與 Daniel Gross 的這個新動作時,腦中浮現的畫面有點戲劇化:一個親手把大樓蓋起來的人,回頭在隔壁蓋了一棟專門給機器人住的房子。

這不是什麼煽情比喻。Friedman 就是 2018 到 2021 年間 GitHub 的執行長,任內把 GitHub Copilot 推上技術預覽,讓全球開發者第一次體驗「AI 幫我補完下一行程式」。而他和 Daniel Gross 這對老搭檔,過去幾年透過 NFDG 與 AI Grant 投出了一整個 AI 星系——Perplexity、Character.AI、Safe Superintelligence 都在名單上,還自建了擁有 4,000 張 GPU 的 Andromeda 叢集。

如今這兩人端出的平台,邏輯非常直白:它是為了讓 AI Agent 能更順地讀取、編寫、測試、部署程式碼而從底層重造,把整個程式庫變成 AI 可以「原生操作」的環境,而不是讓 AI 繼續當人類的陽春插件。簡單講,範式從「AI 輔助編碼」被推向「AI 自主開發」。我認為,這是 2026 年軟體業最值得盯緊的一條裂縫。

為什麼「AI 編碼代理」不是把 Copilot 塞進舊流程就好?

這裡有個很容易被忽略的盲點。過去兩年大家習慣的做法,是在現有的 IDE、現有的 Git 流程上外掛一層 AI 提示——你打字、它補字,你按 Enter、它算完成。整套管線的主角還是人,AI 只是加速器。

問題是,當 Agent 開始能「自己完成一整張 ticket」時,舊流程的骨架就撐不住了。傳統版本控制是為人類協作設計的:commit message 給人看、branch 給人管、code review 給人簽。可是一個 24 小時不休息、一次能開十條分支、每秒改動數千行的代理,塞進這套為人腦節奏設計的系統,只會產生一坨沒人能追蹤的混亂。

Friedman 的判斷很犀利:與其把 AI 硬塞進人類的舊水管,不如重新鋪一條給 AI 走的路。這就像你不會讓自駕車繼續沿用手排車的離合器踏板——底層邏輯不同,整台車就得重設計。

👨‍💻 Pro Tip|專家見解

「AI 原生」不是行銷詞,而是一個架構選擇題。判斷一個工具是不是真為 Agent 而生,看三件事:它能不能讓 AI 直接讀懂整個 repo 的上下文、能不能產生機器可稽核的操作紀錄、能不能在不經人手的情況下安全回滾。三題都答不出來,那它就只是包了 AI 皮的舊工具。

新平台到底解決什麼痛點?為何「可觀測性」成了生死線?

拆開來看,這個平台的殺手級賣點不是「AI 寫得更快」,而是讓代理式開發變得可觀測、可稽核、可管理。這三個詞聽起來很無聊,但它們決定了企業敢不敢把生產環境的鑰匙交出去。

想像一下:一個 Agent 在凌晨三點自主重構了結帳模組,順手改了三個服務的介面,還把測試全跑綠燈後直接部署。如果沒有完整的軌跡——它為什麼這樣改、改了哪些依賴、誰授權它 merge——那這家公司等於在玩俄羅斯輪盤。這正是傳統 Git 平台的短板:它們記錄「人類做了什麼」,但沒設計來記錄「機器為什麼這樣做」。

數據佐證也很清楚。Gartner 在 2026 年的預測指出,Agentic AI 軟體支出將以年複合成長率 62.7% 的速度狂飆,2030 年達到約 9,850 億美元;同時該機構把全球 AI 支出總額的 2030 年預測上修至 5.95 兆美元量級,並明確點出「成長動能將從聊天機器人轉向代理式 AI」。換句話說,市場不是問「要不要用代理」,而是問「誰能提供夠安全、夠透明的那一層地基」。

你可能會問,那 GitHub 不是也有 Copilot Workspace、也有 agent 功能嗎?對,但差別在「起點」。GitHub 是從人類協作的平台往上長 AI,而新玩家是從 AI 的操作需求往下長平台。方向相反,天花板也就不同。

從 AI 輔助到 AI 自主,2027 年後的軟體產業長什麼樣?

我把時間軸拉遠一點看,個人推演會出現三層變化。

第一層,工具的重新洗牌。當代理成為主要開發者,「程式碼編輯器」的重要性會下降,取而代之的是「任務編排層」與「上下文管理層」。誰能把 repo 的語意餵得最準、把代理的產出控得最穩,誰就站上新入口。

第二層,人力結構的位移。Gartner 預估代理式 workflow 會在 2030 年前帶動生成式 AI 模型近半的營收。這意味著企業對「寫程式的人」需求會從大量初階,轉向少數能駕馭代理架構的高階人力。中階工程師的位置最危險——不夠底層、也不夠會管 AI。

第三層,責任歸屬的制度化。這是最被低估的一塊。當程式碼是 AI 自主產出,保險、法遵、審計都會逼出一套新標準。「這段程式是誰寫的」將不再是修辭,而是需要機器簽章的技術問題。

開發者會被取代嗎?企業現在該怎麼卡位?

先說結論:被取代的不是「會寫程式的人」,而是「只會照規格敲指令的人」。Friedman 自己在打造 Copilot 時就明白,AI 不是來搶工作,而是來改變工作內容的比重。

但現實層面,企業的焦慮非常具體。當代理能自主提交程式碼,資安邊界瞬間被撐大:一個被提示注入(prompt injection)操控的代理,可能在你沒注意時把金鑰往外送。這也是為什麼新平台的「可觀測性」設計格外關鍵——它本質上是在替企業補上代理時代的煞車與行車紀錄器。

我建議企業從三個動作開始卡位。其一,先盤點再導入:把重複性最高、風險最低的自動化任務(例如依賴升級、樣板生成)優先交給代理。其二,建立稽核軌跡:任何 AI 產出的變更都要有可回溯的紀錄與人類簽核節點。其三,重訓團隊定位:把工程師從「寫」推向「設計與監督」,讓人的價值集中在架構判斷與風險決策。

👨‍💻 Pro Tip|專家見解

代理越多,瓶頸就越集中在「審核」。真正拉開差距的團隊,不是導入最多 AI 的,而是把 review 流程重新設計成「機器先篩、人類決策」的那一群人。把人類的時間留給真正需要判斷的 5%,這才是效率的槓桿點。