自动化究竟去哪了这是 TypeSafe AI 创始人 Diogo Almeida迭戈·阿尔梅达抛出的核心问题也是他建立整个公司的起点。在 a16z 播客中他与合伙人 Ben Horowitz 和 Martin Casado 的对话让这个问题变得格外尖锐AI 在对话和代码生成上已经令人叹为观止为什么软件本身却纹丝未动这场对话在 2026 年 9 月发布记录了 Diogo 对当下 AI 开发工具热潮的一次逆向思考。他的产品 Jev 以及背后的理念不是让人写代码更快而是要让软件本身变得更聪明——在程序的内部嵌入推理能力让代码可以理解意图、做出概率性判断。1. 自动化到底去哪了——一个被刻意忽视的问题Diogo 喜欢用一个问题来介绍自己的公司自动化到底去哪了他的观察是AI 在语言理解和代码生成上已经非常强大但真正被自动化的工作流少得可怜。他的例子直白OpenAI 从 2020 年就开始尝试用 AI 自动化客服六年过去了大多数公司仍然靠人工处理。问题不在于 AI 不够聪明而在于这些智能没有被放到对的地方。他把现状描述为有钻石但没打磨——AI 的潜力就在那里但还没有被转化成真正可以运转的工作系统。2. Cursor、Claude Code 与 Jev 的本质差异要理解 TypeSafe 在做什么必须先厘清它与 Cursor 或 Claude Code 这类编码智能体的区别。Diogo 给出了一个清晰的区分这些工具做的是即时软件——用自然语言快速生成代码降低了写代码的门槛速度也更快。但生成的代码本质上和十年前的代码没有区别。它还是传统的命令式程序——给定输入输出确定结果不能理解模糊的意图不能在不确定性中做判断。 不管是 Claude Code 写的还是人类工程师写的代码运行的方式是一样的。Diogo 想要的是另一件事不是更快地生成代码而是让软件本身获得以前没有的能力。他把这个方向概括为智能软件——软件不只执行规则而是能够推断意图。3. Jev 是什么程序内部的智能层Jev 是 TypeSafe 推出的第一个模型它的定位是一个可以嵌入代码的原语primitive。开发者把它引入代码库就像引入一个库一样然后用自然语言描述想要的行为再给它一个状态机——Jev 会根据状态带着置信度选择执行哪条分支。这个设计有几个刻意的取舍值得注意。Diogo 说他们的北极星指标是每美元智能量而不是单纯的响应速度。设计接口时把输入字段命名为 state 而非泛化的 input也是有意为之——这个信号告诉开发者Jev 是为程序内部的状态设计的不是为人类交互的对话界面设计的。有人会问Jev 不就是一个分类器吗Diogo 的回答是对而且分类器本来就很有用。传统 ML 里的分类器是为了解决实际问题而设计的而 Jev 做的是让这个能力变得更普及、更易于即时编程——不再需要一个 2019 年的 MLE 团队去收集数据集、搭建流水线开发者在写代码的时候就能把这种能力嵌进去。4. 概率软件一种新的编程范式这一切指向的是一个更大的命题——软件的范式正在发生变化。传统软件是确定性的相同的输入永远产生相同的输出。这是它的力量也是它的边界。Diogo 描述的是一种概率软件程序可以持有置信度可以在模糊的情境下做出判断可以理解你的意思是什么而不只是你说了什么。他把编程定义为极度精确地描述有价值的事情然后无限复制而他的目标是扩展极度精确这个词能覆盖的范围——让意图本身也可以被精确描述和复制。这不是 AI 替代程序员而是扩展程序员能表达的东西。 他把 Jev 比作一个标准库而不是一个开发工具——它住在程序的内部不是在程序的外面帮你写程序。5. Diogo 的来路从数学奥赛到系统思维Diogo 的技术背景本身也值得一提因为它解释了为什么他能从这个角度看问题。他是竞赛数学出身但他坦承自己其实不喜欢数学——那是一条被安排好的路他享受的是大池塘里的大鱼的感觉而不是数学本身。真正吸引他的是计算机科学它和数学一样需要抽象思维但是有用的、有趣的、可以解决真实问题的。他进入 AI 领域的契机是赢得了一场 Kaggle 竞赛但他用的不是精妙的数学而是把问题当作系统工程题来解——更多嵌套循环更多自动化暴力但有效。这种气质在 Jev 的设计里依然可见他优先关心的是能不能在毫秒级延迟里跑起来能不能被工程师当作数据库一样调用而不是构建一个学术意义上更优雅的系统。这种从系统角度看 AI的视角也许正是他能看到别人视而不见的空白的原因AI 研究者忙着让模型更聪明工具开发者忙着让代码写得更快而软件本身的智能边界在很长时间里没有人去推动。TypeSafe 和 Jev 要做的事用 Diogo 自己最简单的话说就是do what I mean——让软件能够可靠地理解你的意思而不只是执行你说的话。如果这个目标能够实现它改变的不只是开发效率而是软件能够处理的问题的边界本身。