GitLab押注19世纪经济理论，以此开启AI智能体时代新篇章

作为现代开发者工具领域的重要参与者，GitLab几乎不需要过多介绍。这家公司帮助推广了软件开发全生命周期单一平台的理念，将源代码管理、CI/CD、安全扫描、协作与部署整合在同一套系统之中。

然而如今，GitLab正在为一种全新的发展范式重构自身：AI智能体将大幅提升软件的生产规模，开发者则将把时间花在监督、审查和协调机器生成的代码上，而不再亲自编写每一行代码。

现任CEO比尔·斯台普斯于2024年接替联合创始人西德·赛伯兰迪吉出任该职位，本周他宣布了一系列重大变革，包括裁员、高管调整、产品整合，以及将重心转向AI驱动的软件开发。

这场大规模调整发生在GitLab的艰难时期。过去15个月间，该公司市值已下跌约66%，降至约37亿美元，投资者对AI将如何重塑软件开发及开发工具市场持观望态度。

斯台普斯认为，他有应对这一颓势的答案。他在周一发布的一封公开信中指出，AI不会压缩软件行业的规模，反而会使其扩张。他的逻辑是：软件生产成本的降低，只会催生出对更多软件的需求。经济学家将这一现象称为"杰文斯悖论"——这一源自19世纪的经济理论，得名于蒸汽机效率提升后反而推动煤炭消耗量上升而非下降的历史现象。GitLab正以此理论押注自己的未来。

"随着软件生产成本的崩塌，对软件的需求将持续扩张。"

斯台普斯在信中写道："在过去二十年里，软件几乎是每一次商业变革背后的核心推动力。制约因素在于软件生产与管理的成本和时间。而这一制约正在瓦解。随着软件生产成本的崩塌，对软件的需求将持续扩张。"

深入解读这封信的内容，斯台普斯提出了若干围绕GitLab所称"智能体时代"软件开发而进行的重大架构与组织布局。

"软件将由机器构建，由人来主导，"斯台普斯写道，"智能体将负责规划、编码、审查、部署和修复。"

斯台普斯特别强调，这并不会削弱工程师的重要性，但确实改变了工程师的价值所在。开发者将专注于更高层次的系统设计、架构规划、治理决策、故障排查，以及协调在软件生命周期中并发运行的AI系统群。

这一定位也解释了GitLab为何如此重视编排能力。在斯台普斯看来，新的核心挑战在于协调大量智能体同时在代码仓库、流水线、审批流程、部署系统和企业策略体系中并发运作。

"企业需要的不是智能体活动本身，而是能够推动业务前进的可运行软件。编排层正是实现这一目标的关键所在。"

为支撑这一转变，GitLab正在对其底层平台的大部分内容进行重构，以满足所谓"机器级规模"的需求。斯台普斯认为，现有开发者基础设施大多是围绕人类节奏的工作流程设计的——开发者以相对可预测的频率提交Pull Request、触发流水线、推送代码。而AI智能体彻底改变了这一动态。

"智能体并行开启合并请求、全天候触发流水线、以任何人类团队都无法企及的速度推送代码，"斯台普斯写道。

GitLab已经在为这一新方向夯实基础，包括今年1月发布的Duo智能体平台。今年2月，斯台普斯在接受The New Stack采访时表示，编码本身从来都不是瓶颈——开发者每天只有10%到20%的时间用于编写代码，其余时间都消耗在代码审查、流水线运行、安全扫描和合规检查上。"代码生成得再快，也只是堵在编码环节之后的队列中，"他说。Duo智能体平台正是GitLab尝试对整个开发生命周期进行自动化改造的产物，而不仅仅是编码环节。

公司的重大押注还包括：将GitLab重构为更具API优先、可组合的服务架构，开发面向智能体的专用API，以及重新设计能够在整个开发生命周期中协调自主智能体的编排系统。

但GitLab同样认为，自己在AI时代的最大优势，可能来自于一项更为深厚的既有资产：已经在其平台上沉淀多年的海量企业上下文数据。

"每家开发工具厂商都在向相似的代码生成能力靠拢。真正无法被商品化的，是模型所能调用的独特上下文数据——这一数据模型将规划、代码、审查、安全、部署和运维跨越每个项目与代码仓库紧密连接，是团队多年工作的积累。"

这一论点的核心在于：尽管代码生成模型的能力正在全行业趋于同质化，但组织层面的上下文数据却难以复制。GitLab实际上是在押注，运行于其现有生态系统内部的智能体，因为能够调用跨代码仓库、CI/CD流水线、部署记录、审批历史和运维数据的多年客户工作流积累，从而能够做出更优质的决策。

这也解释了为何治理能力在GitLab面向企业客户的定位中占据如此重要的位置。斯台普斯将治理能力定位为企业在生产系统中安全部署大规模自主智能体的核心机制。

"就像一辆赛车，如果你无法保持控制，跑得再快也无济于事，"他写道。

不过，这一变革对GitLab而言或许来得有些时机微妙。这家公司最初以GitHub最具实力的竞争者之一的身份崛起，此后将定位转向更广泛的软件生命周期管理和企业级DevOps工具。然而，尽管近几个月来开发者社区对GitHub的不满情绪持续升温——从稳定性投诉到对微软旗下该平台发展方向的批评——GitLab却并未成为显著的受益者。

一个可能的原因在于迁移成本：深度嵌入GitHub的CI/CD工作流、集成体系和工具链的团队，即便感到不满，也不会轻易迁移平台。颇具讽刺意味的是，这种"平台粘性即竞争护城河"的逻辑，恰恰也是GitLab如今在AI时代押注自身企业客户的核心依据。一位社区用户在X平台上写道："在GitHub接连出状况的当下，GitLab竟然没能趁势做大，实在令人难以置信。"

传统开发工具市场长期以来依赖按开发者席位收费的模式。而AI智能体使这一商业逻辑变得复杂：它们能够完成许多开发者的工作，但自身并不需要席位。

如果软件能够以更大的规模和速度生产，传统开发工具企业如何在这一新格局中实现价值捕获，便成了亟待回答的问题。GitLab给出的答案是：AI对整体软件需求的拉动，将超过其对工程师需求的压缩——而那些能够以机器速度协调智能体的平台，最终将变得更有价值，而非相反。

这是AI圈中并不陌生的论断，Box CEO亚伦·莱维等高管也持有相似立场，认为随着生产成本下降，软件需求将持续扩张。

博主兼开源开发者西蒙·威利森表示，"杰文斯悖论式的AI乐观预期"与他本人的判断大体吻合，但他也提醒，GitLab的立场在一定程度上受其商业利益驱动——尤其是在投资者对AI智能体将如何影响开发工具公司长期经济前景普遍存疑的当下。

"如果你整个商业模式都依赖于软件工程作为一个领域持续增长、并产生更多高价值席位，那么你自然有强烈的动机相信，智能体将带来这一结果，"威利森写道。

对GitLab而言，这场押注的核心在于：杰文斯理论能否在AI智能体时代得到验证——因为另一种结局，实在过于黯淡。

Q&A

Q1：杰文斯悖论是什么？为什么GitLab要用它来解释AI对软件行业的影响？

A：杰文斯悖论是一个19世纪的经济学理论，最初源于蒸汽机效率提升后，煤炭消耗量反而增加而非减少的历史现象。GitLab CEO斯台普斯借用这一理论，认为AI降低了软件生产成本，但这不会压缩行业规模，反而会催生更大的软件需求。换句话说，生产越便宜，需求越旺盛，软件行业整体将持续扩张，而非萎缩。

Q2：GitLab的Duo智能体平台主要解决什么问题？

A：Duo智能体平台旨在对整个软件开发生命周期进行自动化改造，而不仅仅是代码生成环节。GitLab CEO指出，开发者每天只有10%到20%的时间用于编写代码，其余时间消耗在代码审查、流水线运行、安全扫描和合规检查上。Duo智能体平台的目标是打通这些环节，让智能体能够并行处理合并请求、全天候触发流水线，从而解决整个开发流程的效率瓶颈。

Q3：GitLab在AI时代相比其他开发工具厂商的核心竞争优势是什么？

A：GitLab认为自身的核心优势在于多年积累的企业上下文数据。尽管代码生成模型的能力正在全行业趋于同质化，但GitLab平台上已沉淀的跨代码仓库、CI/CD流水线、安全扫描、部署记录和审批历史的完整数据，难以被竞争对手复制。运行在GitLab生态系统内的智能体，可以调用这些丰富的历史数据做出更优质的决策，这被视为其真正难以商品化的差异化优势。