Codex：OpenAI 如何把“代碼補全”變成 AI 軟件工程帝國
先把對象界定清楚：下文所說的 Codex，指的是 OpenAI 的 Codex 產品譜系，而不是古籍學裏的 codex。公開資料顯示，這個名字至少對應兩代東西：一代是 2021 年的代碼大模型 Codex；另一代是 2025 年以後擴展成 CLI、Web、桌面端、移動端、Slack、SDK、企業部署的一整套軟件工程代理產品。如果不先區分這兩代，幾乎所有“歷史”“創始人”“商業模式”的結論都會混在一起。
因此，Codex 並不是一個獨立創業公司，也沒有像普通初創企業那樣清晰、單一、法律意義上的“唯一創始人”。更準確的說法是：它是 OpenAI 內部孵化出來的研究與產品線。如果強行追問“Codex 的唯一創始人是誰”，最穩妥的表述只能是：公開資料有限 / 說法不一 / 暫無法確認。
但如果把“創始人”理解爲“誰最核心地把 Codex 做出來”，公開資料裏最重要的幾類人物是非常清楚的。機構層面的奠基者，是 OpenAI 的創始班底，特別是 Greg Brockman、Wojciech Zaremba，以及更宏觀層面上的 Sam Altman；技術層面的直接創建者，則是 2021 年 Codex 論文署名團隊，其中公開資料最明確點名的是 Mark Chen 領導了 Codex 的開發。
如果只看結果，Codex 真正改變的不是“寫幾行代碼”這麼簡單。2021 年那一代 Codex，把“代碼”變成了大模型能力最醒目的落地場景之一，並直接推動了 GitHub Copilot 這類產品的爆發；2025 年後的新一代 Codex，則把定位從“代碼生成模型”推向“可並行執行任務的軟件工程代理”，這也是它今天仍然重要的根本原因。
中文關鍵創建者與人物脈絡
Mark Chen 是理解 Codex 起源時最該先看的名字。根據 Arm 的訪談和 EmTech MIT 的公開簡介，他出生在美國東海岸，父母都在 Bell Labs 工作，家庭長期遷徙，後來在加州生活過，又回到臺灣讀了部分中學和高中。Mark Chen 自述自己從小就偏愛數學和科學，但並不是很早就走上“實用編程”路線；他在 MIT 讀的是 mathematics with computer science，甚至把自己形容成對編程“開竅較晚”的那類人。
Mark Chen 的早期職業也很不典型。他大學後先去了金融行業，在 Jane Street 以及其他量化交易公司工作，做過量化交易與機器學習建模；他後來回看這段經歷時，強調它訓練了自己對 嚴謹實驗、硬指標評估、真實結果檢驗 的執念。公開資料同時顯示，他後來在 OpenAI 先後領導過 DALL·E、GPT-4 視覺能力相關工作，而 Codex 的開發也由他領導。這意味着他在 Codex 歷史裏的位置，不只是“研究員”，而是那種能把前沿研究變成正式產品方向的人。
Wojciech Zaremba 則更像是 Codex 背後的“機構級技術創始人”。NYU Courant 的校友訪談顯示，他在波蘭成長，早年就強烈偏向數學與計算機科學，本科與碩士階段先後在 University of Warsaw 和 École Polytechnique 學習，2013 年進入 NYU Courant 攻讀博士，師從 Rob Fergus。訪談同時說明，他在 Google 和 Facebook 做過實習，在 2015 年 OpenAI 誕生時還是博士生，但已經被列爲 founding member，並且爲了 OpenAI 放棄了科技巨頭給出的高薪機會。到 2026 年，OpenAI 官方仍明確把他稱作 OpenAI co-founder。
Greg Brockman 更像 Codex 的“制度性搭建者”和“產品化基礎設施奠基人”。他自己的文章寫得非常清楚：他先在 Harvard，後轉去 MIT，最終退學加入 Stripe；他把 Stripe 從極早期一路帶到數百人規模，之後因爲想把主要精力投入“安全的人類級 AI”而離開。OpenAI 2015 年的 founding post 也明確寫明，他是 OpenAI 的 CTO、創始班底之一。換句話說，Greg Brockman 不是 2021 年論文語境裏最直接的 Codex 模型發明者，但如果沒有他把 OpenAI 搭起來、把頂尖研究班底招齊、把基礎設施路線定下來，Codex 這條產品線很難出現。
Sam Altman、Elon Musk、Microsoft 也都必須寫進 Codex 的“創始背景”裏，但要寫準他們的角色。Sam Altman 在 OpenAI 成立時是 co-chair、籌資與組織設計的關鍵人物；Elon Musk 是早期共同發起和承諾資金的重要角色，但並不是 Codex 的具體技術創建者；Microsoft 則不是創始人，而是 2019 年之後最關鍵的資本與算力夥伴，它通過 Azure 超算和之後的部署網絡，決定性地放大了 OpenAI 訓練和商業化 Codex 這類產品的能力。
如果把用戶原始提綱裏“家庭背景”“教育背景”“工作經歷”“創業經歷”這些維度強行套到 Codex 身上，最合理的做法不是虛構一個“Codex 創始人畫像”，而是承認：Codex 的誕生本質上是 OpenAI 組織能力、研究能力、資本能力疊加的團隊結果。所以，Mark Chen、Wojciech Zaremba、Greg Brockman 三個人合起來，才比較接近“Codex 從念頭、研究、機構到產品化”的完整人物鏈條。
歷史演進與關鍵轉折
第一關鍵年份是 2015 年。 OpenAI 正式成立時被定義爲一家非營利 AI 研究機構，目標是“以最可能造福全人類的方式推進數字智能”，創始班底名單裏包括 Greg Brockman、Wojciech Zaremba、Ilya Sutskever 等，Sam Altman 與 Elon Musk 任 co-chairs，支持方包括 Reid Hoffman、Peter Thiel、AWS、Infosys、YC Research 等，總承諾額寫到 10 億美元。這是 Codex 的真正制度起點，因爲 Codex 從來不是單飛項目，而是 OpenAI 組織的產物。
第二關鍵年份是 2019 年。 OpenAI 官宣 Microsoft 投資 10 億美元，並且雙方將共建 Azure 上的硬件與軟件平臺，Microsoft 成爲其獨家雲提供方。到 2023 年，OpenAI 又明確表示，自己與 Microsoft 的合作已經擴展到通過 API 和 Azure OpenAI Service 向開發者與企業部署 GPT、DALL·E、Codex，並且把技術做進了 GitHub Copilot。這一步非常關鍵，因爲 Codex 從一開始就不是孤立研究，而是被放進了“Azure 訓練—微軟分發—GitHub 開發生態”這條大通路。
第三關鍵年份是 2021 年。 OpenAI 在論文《Evaluating Large Language Models Trained on Code》中正式介紹 Codex。論文摘要寫得很直接：Codex 是一個基於 GPT、再用公開代碼微調出來的語言模型；在 HumanEval 這類 Python 編程任務上，它首次採樣就解決了 28.8% 的問題，在 100 次採樣時能解決 70.2%，並且有 37.2% 的樣本與參考實現完全一致。歷史上，這是 Codex 第一次以正式研究成果的身份被清楚定義出來。
2021 年的外部爆點不是論文本身，而是 GitHub Copilot。 GitHub 在技術預覽發佈時明確寫明，Copilot 由 OpenAI Codex 提供能力。這件事的重要性在於：Codex 不再只是“研究論文裏的代碼模型”，而是被放進數百萬開發者可能每天都會接觸到的產品入口。很多人後來記住的其實不是“Codex 論文”，而是“Copilot 背後的 Codex”。
接下來的真正轉折是 OpenAI 對資本需求的重新判斷。 OpenAI 在 2024 年回顧與 Elon Musk 的分歧時公開承認：到 2017 年初，團隊已經意識到構建 AGI 需要海量算力和每年數十億美元級別的資本，這遠遠超出單純非營利結構最初的設想；2023 年官方又強調，自己仍由非營利機構治理，但需要 capped-profit 結構來籌集資本。對 Codex 來說，這意味着它後來的每一輪升級，本質上都建立在 OpenAI 更重資本、更重算力、更重商業部署的組織轉向之上。
2025 年是 Codex 品牌“第二次出生”的一年。 OpenAI 2025 年 9 月的升級公告回溯寫到，Codex CLI 在 2025 年 4 月先推出，Codex Web/Cloud agent 在 2025 年 5 月進入 research preview；10 月的 GA 公告又寫明，Codex 在 5 月研究預覽後逐漸擴展，並在 2025 年 9 月發佈 GPT-5-Codex，到 10 月正式加入 Slack integration、Codex SDK、admin tools，日使用量自 8 月初以來增長超過 10 倍，GPT-5-Codex 上線三週就處理了超過 40 萬億 tokens。這表明 2025 年後的 Codex 已經不是單一模型，而是“模型 + agent loop + 多端入口 + 企業管控”的完整平臺。
2026 年則是 Codex 從軟件工程走向更廣義代理平臺的一年。 2 月 OpenAI 發佈 Codex 桌面端，先上 macOS，3 月更新到 Windows；4 月又把 Codex 從“寫代碼”擴展到電腦操作、瀏覽器、圖片生成、長期自動化、90 多個插件和跨工具上下文；OpenAI 4 月 8 日說 Codex 周活達到 300 萬，4 月 21 日又說兩週後超過 400 萬；到 5 月，Codex 進入 ChatGPT 移動端預覽，並與 Dell 推出混合式和本地化企業環境的合作。換句話說，Codex 到 2026 年已經從編程工具，向“企業級長期代理系統”移動。
商業結構、爭議與現實位置
Codex 沒有獨立 cap table，它的商業模式完全嵌在 OpenAI 裏。 公開資料顯示，它的收入和價值實現主要來自幾條線：一是 ChatGPT Plus、Pro、Business、Edu、Enterprise 等訂閱；二是團隊與企業的按量計費和 seat 模式；三是 API 入口、Codex SDK、GitHub Actions、Hooks 等可嵌入式工程能力；四是由銷售團隊推動的企業部署。它賺的不是“賣一個模型”的錢，而是“佔住軟件開發工作流入口”的錢。
它背後的資本與合作網絡也非常清楚。 早期是 OpenAI 的捐贈人體系；中期是 Microsoft/Azure 的算力與分發體系；產品分發上有 GitHub Copilot；2026 年又開始延伸到 GSIs、Codex Labs，以及 Dell 的 hybrid / on-prem 企業場景。也就是說，Codex 的“真正資產”不是一個孤立網站，而是它在 OpenAI、Azure、GitHub、企業 IT 基礎設施之間形成的位置。這個位置既是技術資產，也是渠道資產。
從客戶案例看，Codex 已經不只是演示品。 OpenAI 官方寫到，Cisco 用 Codex 把複雜 PR 的 review time 壓到最高 50%；Rakuten 說它把事故恢復時間 MTTR 壓低了大約 50%，並把本來一個季度的項目壓縮到幾周；Ramp 說過去要等幾小時的第一輪代碼審查，現在 Codex 能在幾分鐘內給到“substantive feedback”。這些案例當然都是官方客戶故事，帶有營銷目的，但它們至少說明：Codex 正在進入真實生產流程，而不只是停留在編程演示。
Codex 最成功的地方，是它把“代碼能力”先做成了大模型時代最容易被看見的產品入口，再把這個入口升級成代理入口。 2021 年時，它證明自然語言到代碼的映射可以非常強；GitHub Copilot 讓這種能力進入主流開發者工作流；2025 到 2026 年的新 Codex 又把價值從 autocomplete 推到並行任務、代碼審查、CI/CD、遠程環境、長期自動化和跨工具協作。外界之所以記住 Codex，不是因爲它第一個生成代碼，而是因爲它代表了 “從代碼補全到軟件工程代理” 這條路線。
主要爭議並不集中在“醜聞”，而集中在三類高強度問題。 第一類是 版權與開源許可爭議：開發者陣營對 GitHub、Microsoft、OpenAI 發起訴訟，核心指控就是使用受版權保護的代碼來創建 Codex 和 Copilot，這類案件到 2026 年仍被視爲 AI 法律戰的重要組成部分。第二類是 OpenAI 組織使命與商業化衝突：Musk 起訴 OpenAI 偏離最初使命，但 2026 年 5 月陪審團已裁定 OpenAI 對 Musk 不承擔責任，Musk 計劃繼續上訴。第三類是 安全與可靠性問題：Codex/Copilot 能提高效率，但法律與技術上都還沒有徹底“無爭議化”。
技術層面的批評也很具體。 2021 年 NYU Tandon 的研究在 89 個安全相關場景裏讓 Copilot 生成了 1,692 個程序，結論是大約 40% 的輸出包含可被攻擊者利用的 bug 或設計缺陷；2024 年另一項基於 GitHub 項目的實證研究又發現，Copilot 生成代碼裏 32.8% 的 Python 片段、24.5% 的 JavaScript 片段 存在安全問題。把這些研究放回 Codex 歷史裏看，結論很直白：它從來都更像“加速器”，而不是“可以徹底替你負責的自動駕駛”。
截至 2026 年 5 月 21 日，Codex 的現實位置已經很高。 OpenAI 官方把它稱爲自己增長最快的企業產品之一，周活開發者超過 400 萬；它已經覆蓋 CLI、IDE、Web、桌面端、手機端，並開始進入本地合規、醫療合規、混合雲和本地部署場景。最重要的是，Codex 今天留下的現實痕跡已經不是“一個會寫代碼的模型”，而是：它把軟件開發變成了大模型最成熟、商業化最清晰、企業採購意願最強的落地戰場之一。