又一家 AI 编程独角兽冲出来了：Factory 凭什么值 15 亿美元？
AI 写代码这门生意，热得还远没到头
在生成式 AI 的一众应用里，哪个方向最先跑出清晰商业模式？答案到 2026 年看起来已经很明确了：不是聊天机器人，不是 AI 搜索，也不是五花八门的“AI+一切”，而是 AI 写代码。
美国初创公司 Factory 这周宣布完成 1.5 亿美元融资，估值达到 15 亿美元，领投方是 Khosla Ventures，红杉资本、Insight Partners 和黑石也跟投。这个数字本身已经很有信号意味。资本市场对 AI 当然依旧兴奋，但今天的投资人比 2023 年谨慎得多，愿意在这个时间点给一家 AI 编程公司独角兽估值，说明他们不是只在买故事，而是在押一个正在被企业采购验证的市场。
这也不难理解。企业 CIO 和技术负责人可能会对“AI 颠覆工作流”这种宏大叙事保持保留，但如果一个工具能让工程团队更快修 bug、更高效写内部系统、更顺畅维护旧代码，那预算就容易批下来。说白了，AI 写代码不是最浪漫的方向，却可能是最容易算清 ROI 的方向。它不一定让软件工程师消失，但确实在重新定义工程团队的生产函数。
Factory 想卖的，不只是一个“代码补全”工具
从公开信息看，Factory 的定位并不是面向个人开发者的“智能编辑器外挂”，而是给企业工程团队做 AI agent。这个表述非常关键。过去两年，AI 编程产品大体分成两类：一类是大家熟悉的代码助手，比如 GitHub Copilot、Cursor、Claude Code 这类偏个人工具；另一类则试图更进一步，不只给建议，而是接手更完整的软件开发流程，比如读需求、生成代码、写测试、改文档、处理内部仓库。
Factory 显然想站到后者。它盯上的不是一个工程师的一小时，而是一整个组织的软件交付流程。客户名单也很能说明问题：摩根士丹利、安永、Palo Alto Networks。这些名字背后共同指向一件事——大企业并不满足于“帮程序员少敲几行字”，它们想要的是能接入权限体系、代码仓库、内部规范和合规流程的企业级 AI 工具。
Factory 创始人 Matan Grinberg 对外强调，他们的差异化之一，是可以在不同基础模型之间切换，比如 Anthropic 的 Claude，甚至中国公司 DeepSeek 的模型。这个卖点乍看并不惊艳，因为 Cursor 这样的产品也早就不是只依赖单一模型了。但放到企业环境里，它确实有现实意义。大公司不会愿意把关键工程流完全绑死在一家模型供应商上，价格、性能、延迟、数据合规、地域部署，都会影响最终采购决策。谁能做出模型层的“可插拔”，谁就更像企业真正想要的基础设施，而不是一个炫技 Demo。
这笔钱真正押注的，是企业软件开发的新操作系统
过去很长时间里，企业软件开发的核心工具链变化并不快。IDE、代码仓库、CI/CD、工单系统、测试框架，大家都在这些老熟人之间缝缝补补。生成式 AI 的到来，第一次让人看到工程工具链可能被整体重写。
为什么这件事重要？因为如果 AI agent 真的成为工程团队的常驻成员，那么软件开发的最小工作单位就会改变。以前是“一个工程师领取一张 Jira 卡片”；以后可能变成“一个工程师带着多个 agent 管理任务”，人负责审查、拆解和兜底，AI 负责执行大量重复但高频的工作。企业买的不是一个会聊天的模型，而是一套新的工程流水线。
这也是为什么投资人还愿意继续往这个赛道砸钱。Anthropic 自己下场做 Claude Code，Cursor 成为现象级产品，Cognition 也在拼命证明 AI 软件工程师不是伪命题。现在轮到 Factory 抢企业市场。热闹的表面之下，其实是一个更直接的问题：未来的软件公司，到底是“人使用工具写代码”，还是“人管理一群会写代码的系统”？
从这个角度看，Factory 的估值不只是给一家创业公司定价，更像是市场在给“企业工程 agent 平台”这个概念贴标签。15 亿美元不代表胜负已分，只代表一个判断：这个市场值得再容纳一个重量级玩家。
创始人的故事很硅谷，但挑战一点也不浪漫
Factory 的创业故事有一种典型硅谷气质。Grinberg 2023 年还是伯克利的博士生，给红杉合伙人 Shaun Maguire 发了冷邮件，后来两人因为相近的学术背景聊到一起，红杉在种子轮下注，Maguire 又劝他退学创业。这个桥段听起来很像科技版的“天才少年被伯乐发现”，也很适合资本市场传播。
但企业软件这门生意，最终拼的从来不是传奇履历，而是落地能力。尤其在 AI 编程领域，真正难的不是生成一段漂亮代码，而是在大型组织里把工具接进去。权限如何隔离？生成代码出了问题谁来负责？模型幻觉写进生产环境怎么办？金融、咨询、安全公司各自都有复杂的合规要求，采购周期也长得能磨掉创业公司的锐气。
这恰恰是我觉得 Factory 值得观察的地方。它如果能在摩根士丹利、安永这样的客户那里真正跑通，说明它卖的不是“酷炫”，而是“可靠”。而 AI 企业软件赛道接下来最大的分水岭，很可能也不在模型能力，而在可靠性、审计性和组织协同。大家今天都能写代码，明天比的就是谁能在公司法务、信息安全和基础设施团队面前活下来。
接下来会发生什么：赢家未必是代码写得最好的那个
AI 编程赛道现在最容易让人误判的一点是：很多人把它看成单纯的模型竞赛，仿佛谁代码生成效果更好，谁就能通吃市场。现实可能完全不是这样。
企业客户采购这类产品时，看重的往往不是 benchmark 排名，而是更朴素的问题：能不能接入我的 GitHub Enterprise、Jira、Slack、内部文档系统？能不能在本地部署或私有云运行？能不能保留审计日志？能不能按团队、项目和代码库做权限控制？这是一场典型的企业软件战争，而不是消费互联网式的爆款争夺。
所以 Factory 面前既有机会，也有危险。机会在于，大企业对“中立的、多模型的、流程级的 AI 工程平台”确实有需求。危险则在于，这个位置也非常容易被更强的上游模型公司、云厂商或现有开发工具巨头吃掉。Anthropic、Microsoft、GitHub、Google，甚至 Atlassian，都有机会把 AI 深度塞进现有工作流里。一旦客户发现“原来我不用再额外采购一套系统”，独立创业公司的压力就会陡增。
但反过来说，正因为巨头产品往往绑定自家生态，市场也会给中立平台留出生存空间。企业用户并不总想把自己的工程系统彻底交给某一家模型供应商。Factory 如果能把“模型切换能力”做成真正的产品护城河，而不是融资路演里的漂亮口号，它就有可能成为企业 AI 编程领域里那个不那么张扬、但相当赚钱的基础设施玩家。
眼下看，这家公司至少证明了一件事：AI 编程还没卷到终局，资本也并不觉得牌局结束。工程师也许会对“又来一个 AI 写代码独角兽”翻白眼，但财务负责人、CTO 和投资人，显然还在认真下注。毕竟在所有 AI 愿景里，能让企业更快交付软件、同时把人力成本和周期压下来的故事，永远最有说服力。