Unconventional AI CEO Naveen Rao稱agentic coding作爲市場類別被高估且不宜投資
Naveen Rao表示，agentic coding作爲市場類別被高估。他認爲價值主要來自模型提供方，而非harness或IDE，用戶在這些工具間切換較爲順暢，粘性不足。除模型提供方外，他目前不會投資該類別。
Rao爲Unconventional AI首席執行官，曾任MosaicML與Nervana首席執行官。上述觀點出現在與Harry Stebbings的討論中。他同時指出，純軟件投資者面臨挑戰，機器人市場將遠大於coding agents，推理市場未來十年或達10萬億美元規模。
原始來源：
標題：Harry Stebbings相關X帖及討論摘要 發佈者：Harry Stebbings (@HarryStebbings) 發佈日期：2026-10-25 URL：https://x.com/HarryStebbings/status/2114523656546316565 來源性質：社交媒體帖文 覈驗情況：本次讀取公開內容 支持內容：直接引用Rao關於agentic coding市場判斷的發言
標題：Naveen Rao相關背景與觀點 發佈者：公開個人簡介與轉述 發佈日期：2026年 URL：https://x.com/NaveenGRao 來源性質：個人公開信息 覈驗情況：本次讀取 支持內容：Rao身份、過往公司經歷及對機器人與推理市場的相關表述
ABAB AI 解讀
Rao的判斷將agentic coding工具層與底層模型能力分離。模型提供方通過持續訓練與推理規模獲取主要定價權，而獨立harness或IDE需依賴特定工作流鎖定用戶，當前切換成本較低。
該觀點與近期市場觀察一致：部分開發者報告agent在複雜任務上仍需大量人工驗證，驗證成本可能抵消自動化收益。Rao此前公司經歷涉及硬件與訓練基礎設施出售，其立場側重基礎設施與模型層的價值捕獲，而非應用層工具。
若模型能力繼續快速提升，獨立coding agent工具的差異化空間可能進一步收窄，資本配置或更多流向模型訓練、推理基礎設施與機器人硬件。這一判斷目前爲個人投資觀點，尚未反映大規模資本退出或產品失敗的公開數據。
ABAB News · 認知定律
agentic coding工具層的粘性取決於工作流鎖定，而非模型能力本身。
模型提供方捕獲主要價值時，獨立工具類別的投資回報預期下降。
驗證成本上升可能限制agent自動化的淨效率收益。