Qodo狂揽7000万：AI月产数十亿行代码，没人敢信自己写的了

AI coding工具每月产出数十亿行代码，但一个尴尬的事实是：95%的开发者不信任这些代码，却只有48%会认真检查。信任危机正在吞噬效率红利，而Qodo赌的就是这个裂缝。

从Mellanox到Alibaba：一个工程师的两次顿悟

Itamar Friedman的履历像一份技术并购编年史。他在Mellanox做过硬件验证自动化，这家公司后来被Nvidia收购；他创办的Visualead被阿里巴巴收入囊中，他在阿里达摩院继续带机器视觉团队。

但真正的转折点发生在两个看似无关的时刻。Friedman向TechCrunch回忆，在Mellanox时他意识到「生成系统和验证系统是完全不同的物种——工具不同，思维方式也不同」。后来在达摩院，他看着AI从模式匹配进化到能对人类语言进行推理。2021到2022年间，GPT-3.5还没发布，他已经断定AI将接管内容生产，尤其是代码。

「代码生成和代码验证需要根本不同的系统」，这个判断让他在ChatGPT问世前几个月创办了Qodo。

7000万美元押注：验证层成为新战场

Qodo刚刚完成7000万美元B轮融资，由Qumra Capital领投，总融资额达到1.2亿美元。投资人名单里有两个名字值得注意：Peter Welinder来自OpenAI，Clara Shih来自Meta。当AI模型的制造者都开始投资验证工具，说明问题已经迫在眉睫。

这笔钱的投向很明确：做AI代码的「质检层」。不是简单看看改了什么，而是追踪代码变更如何在整个系统中传导，把组织标准、历史上下文、风险容忍度全部纳入计算。

企业正在加速采用OpenClaw、Claude Code这类工具，却发现一个反直觉的困境：代码产出越快，可靠性反而越难把控。Qodo的定位是帮企业在「快」和「稳」之间找到可量化的平衡点。

95% vs 48%：知道危险和采取行动之间的鸿沟

一组数据暴露了行业的集体麻痹。调查显示，几乎所有开发者都承认对AI代码心存疑虑，但真正做到每次都人工复核的不到一半。这种「明知故犯」背后是高强度交付压力——检查代码的时间被压缩，信任只能建立在侥幸之上。

Qodo的解法是用AI agent（智能体）来监督AI生成的代码。听起来像用魔法对抗魔法，但Friedman的逻辑很实在：既然生成和验证是两种能力，就让专门的系统做专门的事。代码审查、测试生成、合规治理，这些原本分散的环节被整合成连续的验证流水线。

这与传统代码审查工具的区别在于视角。大多数工具盯着「这次改了什么」，Qodo追问「这次改动会让整个系统发生什么」。这种系统级视角在AI大规模介入后变得关键——人类写代码时心里有全局，AI没有。

纽约总部的全球化赌局

Qodo把总部设在纽约，但团队背景高度国际化。Friedman本人是以色列连续创业者，投资方横跨美国、以色列、澳大利亚（Square Peg）。这种配置本身就在回应一个问题：代码验证的需求是全球性的，但落地方式必须适配不同监管环境和工程文化。

本轮跟投的还包括Maor Ventures、Phoenix Venture Partners、S Ventures、Susa Ventures、TLV Partners、Vine Ventures等机构。资本密度反映出共识正在形成——AI coding的下一个竞争维度不是谁能写更多代码，而是谁能证明这些代码不会在生产环境里炸掉。

Qodo的客户名单尚未公开，但从其产品设计可以推断目标画像：正在大规模部署AI coding工具、有严格合规要求、代码库复杂到单个人类无法全盘掌握的中大型企业。金融、医疗、自动驾驶——任何一次故障代价高昂的领域都是天然战场。

当AI coding从尝鲜变成基础设施，验证层会不会成为比生成层更值钱的生意？Friedman没有直接回答，但Qodo的融资节奏已经替他表态：2022年创立，两年半内拿到1.2亿美元，下一轮的门槛只会更高。

那个95%不信任AI代码却仍在使用的开发者群体，是Qodo的基本盘，也是整个行业的缩影。他们需要的不是被说服AI很安全，而是一套能让他们睡个好觉的验证机制。问题是，当验证本身也依赖AI时，信任的锚点最终要落在哪里？