Unconventional AI CEO Naveen Rao称agentic coding作为市场类别被高估且不宜投资
Naveen Rao表示，agentic coding作为市场类别被高估。他认为价值主要来自模型提供方，而非harness或IDE，用户在这些工具间切换较为顺畅，粘性不足。除模型提供方外，他目前不会投资该类别。
Rao为Unconventional AI首席执行官，曾任MosaicML与Nervana首席执行官。上述观点出现在与Harry Stebbings的讨论中。他同时指出，纯软件投资者面临挑战，机器人市场将远大于coding agents，推理市场未来十年或达10万亿美元规模。
原始来源：
标题：Harry Stebbings相关X帖及讨论摘要 发布者：Harry Stebbings (@HarryStebbings) 发布日期：2026-10-25 URL：https://x.com/HarryStebbings/status/2114523656546316565 来源性质：社交媒体帖文 核验情况：本次读取公开内容 支持内容：直接引用Rao关于agentic coding市场判断的发言
标题：Naveen Rao相关背景与观点 发布者：公开个人简介与转述 发布日期：2026年 URL：https://x.com/NaveenGRao 来源性质：个人公开信息 核验情况：本次读取 支持内容：Rao身份、过往公司经历及对机器人与推理市场的相关表述
ABAB AI 解读
Rao的判断将agentic coding工具层与底层模型能力分离。模型提供方通过持续训练与推理规模获取主要定价权，而独立harness或IDE需依赖特定工作流锁定用户，当前切换成本较低。
该观点与近期市场观察一致：部分开发者报告agent在复杂任务上仍需大量人工验证，验证成本可能抵消自动化收益。Rao此前公司经历涉及硬件与训练基础设施出售，其立场侧重基础设施与模型层的价值捕获，而非应用层工具。
若模型能力继续快速提升，独立coding agent工具的差异化空间可能进一步收窄，资本配置或更多流向模型训练、推理基础设施与机器人硬件。这一判断目前为个人投资观点，尚未反映大规模资本退出或产品失败的公开数据。
ABAB News · 认知定律
agentic coding工具层的粘性取决于工作流锁定，而非模型能力本身。
模型提供方捕获主要价值时，独立工具类别的投资回报预期下降。
验证成本上升可能限制agent自动化的净效率收益。