摘要

软件持续100年的瓶颈已经转移。 Jacob 的核心框架是：产品工作 → 写代码 → 评审；过去“限速器是写代码的速度，而现在这已经变得极其便宜”。在 Legora，Claude 和 Cursor 是生成代码的前两大来源，二者相差约2个百分点，远远领先下一位工程师，并“远高于50%”。因此，新的约束变成了评审和产品综合能力，组织也应围绕这两点重构。
他给创业公司的明确建议，是做评审工具。 现有工具逼着人逐行盯代码，但真正重要的是代码对系统架构、稳定性和安全边界的影响：“如果你要创业，请做一个解决评审问题的东西。”同样的逻辑也会淘汰编辑器：“现在这种 IDE 形态会消失”——下一代 IDE 可能是图形化的，在系统层做规划，由智能体执行。
Token Maxing 不是正确的企业指标。 用排行榜和 Token 用量做绩效考核，只会让“人们为了看起来表现好而疯狂烧 Token——这是做任何事情都非常愚蠢的方式”。应该用黑客日和 Demo 来奖励产出。不过，他自己的 AI 预算主要由机会成本驱动：“我不想说是无限，但……不做这件事的成本极高，几乎压过了任何 Token 成本。”
Cursor 被收购后的中立性成为问题。 它存在的理由原本是做第三方 Token 优化：路由到便宜的开源模型、设置使用上限；但 Harry 认为，如今 Cursor 与 X 绑定后，这件事更难做。Harry 认为与模型无关的 Cognition 和 Factory “会表现得非常好”；Jacob 则“有点惊讶，也有点难过”：“这个行业以这种方式垂直整合，实在可惜。”
浅层 SaaS 正处于冲击半径内。 Legora 正在用 vibe coding 自建内部 HR、ATS 和薪资相关工具，因为现成软件“基本上总是不真正好用”；一家上市公司 CEO 的 chief of staff 花了3周时间做出替代 Kooper（可能是 Coupa）的工具。规则是：表层简单但定制需求重，就自己做；底层复杂，就不要自建。他预计企业内部会出现一个新岗位——内部 AI 系统团队，并从 IT 部门中成长出来。
Vibe coding 克隆产品无法抹平护城河。 “做到看起来一样的90%非常快……真正困难的是另外的90%”——边缘案例、审计日志、规模化 RBAC。模型依赖也被高估了：“假设你拿走 Legora 的一个模型，用户仍然会选择 Legora。” Legora 运行约10个模型，优先按性能和延迟选择，而不是成本——“如果结果更好，律师大概可以多等1小时。”
规模化成绩单正在刷新。 Harry 在开场提到，Legora 用18个月做到1亿美元 ARR；年末收入将“高于250”，Harry 押注272；目前80名工程师预计到2027年底增至270人——这发生在 Jacob 那张著名的“300斯巴达人”幻灯片将团队上限设为20人之后。若能独占一个模型6个月，他“肯定”会选更优秀的工程师，而不是更优秀的模型：模型本来就会进步，优秀工程师则能“构建一个指数级改进的系统”。

精读

1. 代码变便宜了——瓶颈转向评审和产品工作

Jacob 对软件3个阶段的定义是：产品工作——把“用户痛点、用户梦想和噩梦转化成具体东西”；写代码；以及评审和合并。第二阶段“过去100年来一直是主要瓶颈”。AI 压缩了这一环节：“限速器是写代码的速度，而现在这已经变得极其便宜。”从组织设计、招聘到工具选择，所有后续判断都应回到一个问题：什么在限制我们的速度？然后直接攻击这个瓶颈。
内部数据非常清晰：Claude 和 Cursor 位居 Legora 生成代码统计的前两位，二者相差约2个百分点，并“远远领先下一位工程师”——贡献“远高于全部代码的50%”。两种工具并存：Cursor harness 做得相当不错；一些工程师不用 Claude Code，是因为它的 harness “有时很烦人”。
流程也在压缩：现在发生事故后，会直接把“事故智能体”放到日志和遥测数据上运行——“效果好得出奇……事后复盘基本上几乎可以自动写出来”。工程师仍然会在半夜被叫醒，但他们拥有了更好的装备。

2. 评审已经失灵——创业公司的呼吁，以及 IDE 的消亡

Legora 运行 AI 评审机器人，包括安全评审机器人和专业领域评审机器人，与写代码的 AI 反复协作：“智能体彼此对抗，直到达成结果。”但这仍然不够：“我在各种活动上一直告诉大家……如果你要创业，请做一个解决评审问题的东西。”
评审真正应该检查的是：“没人想把所有代码行都看一遍。”真正的问题是对系统架构、稳定性和安全边界的影响。如果没有战略层面的取舍，“也许根本不需要评审，直接放开智能体就行。”
工程师的工作会上移一个抽象层级：系统应该长什么样，我们在押注什么，哪些东西可以复用；同时还会出现一门新的纪律——他称之为 meta-engineering。智能体赋能团队会很快在 Legora 成为明确岗位，负责设置护栏和数据闭环，让团队可以“放开智能体，然后说：把我的电商店铺转化率提高”。
由此推导出的结论是：“现在这种 IDE 形态会消失”……工程师不再阅读代码行，也许下一代 IDE 会是图形化的。人类在架构层评审和规划，智能体在后台执行。Jacob 对法律行业的一个自称疯狂的判断也遵循同一逻辑：“最终律师不会再纠结合同措辞的细枝末节，而是会上移一层——我们的谈判立场是什么，我们愿意承担哪些风险。”他也保留了判断：“我不确定这是否正确，但这是我的直觉。”

3. 安全是 AI 生成代码迟早要支付的账单

尽管行业沉迷速度，Legora 仍然“因为必须确保安全”而对每一个 PR 做人工评审。Jacob 认为这效率不高，希望改用风险评分，但承认 Harry 的担忧成立：“现在威胁行为者的效率极高……我们需要同样强的防御，而我不确定我们已经做到了。”
这不是假设情景：录制前一天发生的一起供应商安全事件，迫使 Legora 轮换凭证；他强调没有影响客户。“我认为类似事件会越来越多。”

4. 当任何人都能 Vibe code 你的克隆产品，护城河在哪里

如今人们正在用 vibe coding 做 Legora、Salesforce 和 DocuSign 的克隆，这没有改变他的产品策略：“做到看起来一样的90%非常快……真正困难的是另外的90%”——边缘案例、非理想路径、审计日志、RBAC，以及“在某种规模下最终会遇到的奇怪场景”。
面对同质化，品味本身就是防线：“如果你没有品味，就会让 AI 垃圾内容收敛成灰色一片……如果你只是让 AI 放手去做，最后看起来会和所有人一样。”设计会在单个功能之上继续存在：设计语言、层级关系，以及“我们是谁的、带有明确立场的判断”。这些东西目前存放在 Figma 里，Harry 调侃说 Figma 如今不过是“一个存储功能”；Jacob 也承认，“它可以是别的东西”。
客户速度问题来自3种不同的速度：AI、产品和人。Legora 的业务，是“把 AI 的巨大开发速度转化成一个历史上服务不足的用户群”。因此，在企业法律场景中，前线部署工程师仍然不可或缺——“站在最前沿就要付出这个代价”，不过“5年后也许完全不需要了”。
真正可能杀死 Legora 的不是 Harvey，而是“我们失去持续反应、调整和重塑自己的能力”。对于面对巨头的创业者，他的建议是：“只要比这个800磅的大猩猩更努力地工作……800磅大猩猩内部没有人真正对在那里工作感到极度兴奋。”

5. 用 Vibe coding 重做后台——浅层 SaaS 的坏消息

Legora 的内部赋能团队正在从第一性原理重构公司：员工从200人增长到1,000人时，“我们能不能直接用 vibe coding 做 HR 系统？人才招聘系统？薪资系统？”现成工具“基本上总是不真正好用”，而如今自建“太便宜了”。他举的例子是：Ryan 用一天时间为一名即将加入团队的员工做出了加拿大到瑞典的搬迁应用；一家上市公司 CEO 的 chief of staff 花了3周时间做出替代 Kooper（可能是 Coupa）的工具——“它能用，而且非常出色。”
他的自建还是采购规则有两个轴：表层面积和深度。浅层应用加重度定制，“自己做可能才是正确选择”；深层应用如果隐藏着真正的复杂性，就不要自己做，“要构建的东西实在太多”。
由此产生的岗位，是他认为5年后会普遍出现的工作：内部 IT 将迎来“开花时刻”，发展成一个内部 AI 系统团队，负责构建定制工具。“如果企业不创造这个岗位，我会非常生气。”

6. PM 不会消失——正因为产品工作成了新瓶颈

针对“产品和工程正在融合”的共识，他的反驳是：在 Legora，“瓶颈已经不再是写代码，这意味着瓶颈变成了产品工作”。如果 PM 把50%的时间花在写代码上，“我们就错过了大量产品工作”，这纯粹是机会成本。例外是开发者工具和消费产品，因为工程师本来就是自己的客户——在 AI 之前，这些领域也不一定需要 PM。
细节在于：PM 应该用 vibe coding 做原型。高保真产物可以消灭交接成本，PM 还能在工程介入前先和用户迭代。在斯德哥尔摩，产品经理、设计师和工程师同处一地，也是同样的逻辑：“几乎可以完全没有交接”。想要远程工作的优秀工程师，“可能也想做非常孤立的问题……这目前不适合我们”。
他给一名计算机科学专业应届毕业生的建议是：“最重要的是，你需要学会如何学习……如果你能比其他所有人学得都快，那么长期来看你就会赢。”

7. 模型层：约10个模型，性能和延迟优先于成本，开源迎来窗口期

Legora 在不同任务中运行大约10个模型，在 OpenAI 和 Anthropic 之间切换，因为“最佳模型几乎每周都在变”。选择优先考虑性能和延迟，“不太考虑成本”——“如果你是律师，结果更好，那你大概可以多等1小时”。他认为模型依赖“远低于大多数人的想象”：价值在于法律原语、企业功能和最优路由——“拿走 Legora 的一个模型，用户仍然会选择 Legora”。
开源正处于“很好的时刻”：本地模型让他可以在飞机上离线写代码，转录可以直接在 iPhone 上运行；他认为自己心目中最被低估的 AI 公司 Whisper Flow 应该“直接转向本地化”。他的担忧是，欧洲和美国的开源模型一直不够强——“从博弈论角度看，如果模型最终形成双寡头或垄断，我们不会走到一个好结果。”欧洲在模型竞赛中的位置是：“应该有，但现在还没有。”
关于效率前沿：录制前2天出现了一个次二次复杂度、超大上下文的模型，“非常令人兴奋……但我还不知道是否相信这个基准测试”；也许“当前的 LLM 架构并不是带我们走到最后的那一个”。

8. Token Maxing 不是正确指标——以及 Cursor 被收购后的中立性问题

对于询问 Token Maxing 的上市公司董事会，他的建议是：把排行榜和 Token 用量放进绩效考核，只会让“人们为了看起来表现好而疯狂烧 Token。这是做任何事情都非常愚蠢的方式”。应该举办黑客日和 Demo，奖励员工高效、高产，而不是奖励他们一定要使用 AI。
当被问及工具支出应占开发者薪资的多少时，他对自己的预算回答是：“我不想说是无限，但对我来说，这是一个机会成本问题……不做这件事的成本极高，几乎压过了任何 Token 成本。”不过，机会成本更低的公司，答案也应不同。
Jacob 认为 Cursor 存在的理由，是中立地做第三方 Token 优化：路由到便宜的开源模型，并在不同供应商之间设置上限。Harry 则认为与模型无关的 Cognition 和 Factory “会表现得非常好”。Jacob 追问他是否担心 Cursor 与 X 绑定，Harry 回答“100%”。Jacob 对此“有点惊讶，也有点难过”：“我只是觉得这个行业以这种方式垂直整合，实在可惜。”

9. 招聘：300斯巴达人的错误、80到270名工程师，以及过滤自我意识

对 Harvey 做得更好的地方，Jacob 的诚实回答是：“他们招聘得更激进。”约18个月前，他向全公司展示了一张300斯巴达人对抗波斯人的幻灯片，预测 Legora 最终会“封顶20名工程师”——“我完全错了”。如今 Legora 约有80名工程师，“仍然远远不够小”；代价不是速度变慢，而是功能没有被做出来。他公开押注：到2027年底有270名工程师——“我要说一个偏低的数字”；同时必须守住一条纪律：“我宁愿错过目标、拥有 A 级人才，也不愿完成目标、却只有 B 级人才。”
过去12个月他最大的观念变化是招聘：“只要新增一个人的净贡献为正，我们就应该加人。”收购式招聘是最快路径：一个优秀创始人能吸引5名 A 级人才，“一周内就能得到5个人”；被收购公司的代码通常会被重建进 Legora。只要招到“自我意识低”的人，整合“出乎意料地容易”。而自我意识会在薪资和职级谈判中暴露：“优秀的人想要更多钱，但不太在意头衔。”
他对招聘失误的自我反思是：面对非常资深的人，他“不太有信心说一个见识比自己更多的人错了”，结果入职2到6周后问题开始暴露。他在第2周给出的反馈是：“如果你不改变这一点，你不会留下来。”截至目前还没有人扭转这个结果。今天最难招的岗位是技术工程经理，因为“见过规模化的人通常已经不再写代码”；Legora 的 EM 大部分时间仍在编码，同时要为6人团队的健康负责，而这些团队“自己决定路线图”。
欧洲和美国之间，美国候选人“风险厌恶程度更低”，但“更交易化”；欧洲人需要更长时间说服，“但一旦被说服，就真的会留下来”。瑞典和欧洲仍然需要解释股权：“他们会说，等等，你要给我50万……不是字面意义上的现在，而是未来的50万。”这是一笔生态成本，希望下一家斯德哥尔摩创业公司不必再承担。

10. “每3个月就被扇一巴掌”——为100倍规模构建

他提到的两个遗憾是低估增长，以及太晚配置开发者体验团队。3人的 DevEx 团队仍然“太少”，本应“在 Opus 4.5 发布时”就存在。他形容工程师生产力提升了“10倍，假设是这样”，因此如果能让每个人再提高20%的效率，收益会更大。他们构建了后台编码智能体，让每名工程师同时拥有约10个智能体；还做了定制评审智能体、在所有检查变绿后才提交人工评审的 CI 流程，以及由 README 驱动的入职流程，新工程师“直接问自己的 Claude Code”即可。
规模化规则已经改变：“我过去说10倍，但那还不够。所以现在一切都要扩展到100倍的使用量。”他举的例子是表格视图批量提取：处理100,000个单元格时，系统会相对10,000个单元格瞬间失速；他们用公平排队解决了问题。处理100,000个单元格的用户“可以去喝杯咖啡”，处理10个单元格的任务仍然保持高速。
如果能独占一个模型6个月，他“肯定”会选更优秀的工程师，而不是更优秀的模型。模型会自行变好，但优秀工程师“构建一个指数级改进的系统”，这价值高得多。
关于收入交换，Jacob 说“高于250”；Harry 押注272，并表示认为最终还会高于这个数字；Jacob 随后后撤：“我不知道数字……David 很快就要打电话把我骂一顿了。”Harry 在开场时给出的基准是：18个月做到1亿美元 ARR，成为“历史上增长最快的企业公司”。

AI in the AM——第1周要点（2026年6月）硅谷坐标 x 璞林资本Kenny Zhang：Neocloud崛起背后的供需博弈与AI基建重构