OpenClaw创始人Peter Steinberger：AI编程的瓶颈已从推理速度转移到算力
OpenClaw创始人Peter Steinberger发帖称："My main velocity limitation lately isn't token speed anymore, it's compute. Running tests in parallel is taxing; can't wait for better cloud worker integration." 这一判断来自一个以极端并行agent工作流著称的开发者——据The Pragmatic Engineer报道，Steinberger同时运行5到10个AI coding agent并行开发，曾在一天内完成600次commit。
Steinberger的背景使这一判断格外有分量。他2011年在等待美国签证期间创建了PSPDFKit，用13年将其打造为覆盖超10亿台设备的PDF框架，客户包括Apple和Dropbox，后以超1亿欧元出售给Insight Partners。据Fortune报道，退休四年后他重返编程，用一小时vibe-coded出的开源项目OpenClaw（原名Clawdbot/Moltbot）在24小时内获得9000颗GitHub星标，两天达到10万，十周超过15万——比React快数倍，比Linux快12倍。OpenAI CEO Sam Altman随即将其招入麾下，负责"bring agents to everyone"。Altman称其愿景是"extremely multi-agent"的未来。
来源：公开信息
ABAB AI Insight
Steinberger这句话标记了AI辅助编程产业的一个关键拐点：瓶颈迁移。第一阶段的瓶颈是模型智能（模型能不能写出正确的代码），第二阶段是token生成速度（模型写代码够不够快），而现在进入第三阶段——本地和云端算力能不能支撑大规模并行agent同时编码、编译、测试。当一个开发者同时启动5到10个agent，每个agent都在独立的沙箱中写代码、跑测试、调试修复，真正吃紧的不再是API返回速度，而是CI/CD管线的并发处理能力、容器编排的弹性扩展、以及测试执行的资源调度。瓶颈从模型侧迁移到了基础设施侧。
这一迁移正在催生一个全新的基础设施市场：AI编程沙箱。E2B用Firecracker微虚拟机提供300毫秒启动的隔离执行环境，Modal为GPU密集型工作负载提供容器级沙箱，Docker推出了专用的AI Sandbox产品，Northflank用Kata Containers处理每月超200万个隔离工作负载。这些平台的共同逻辑是：当agent成为代码的主要生产者，每一次代码执行都必须在隔离环境中运行——不是因为效率，而是因为安全。AI生成的代码可能包含幻觉、注入漏洞或无意的破坏性操作，Sonar Summit的数据显示45%的AI生成代码未通过安全测试，Java代码的失败率接近72%。并行agent + 隔离沙箱 + 自动化测试，正在成为AI编程时代的标配基础设施栈。
从更宏观的产业演化视角看，Steinberger的体验揭示了一个反直觉的趋势：AI让代码生成变得极其廉价，但让代码验证变得极其昂贵。据Sonar Summit数据，AI驱动的代码产出增长76%，但代码审查时间增长91%。当一个人可以在一天内产出600次commit，真正的成本不在于写，而在于确保这些代码是安全的、正确的、可维护的。瓶颈从"生产"迁移到"验证"，从"token"迁移到"compute"——这与半导体产业的历史路径再次同构：芯片设计的成本越来越低（EDA工具普及），但验证和流片的成本越来越高（先进制程的掩模成本已超1亿美元）。AI编程正在复刻这一分化轨迹。