AI编码已达L3自主，但基础设施仍卡在L1

为什么AI基础设施在AI应用层飞速发展的背景下仍然落后？这个问题一直困扰着我，尤其是当整个行业以惊人的速度增长时。我们实际上是在用AI应用程序（相当于一级方程式赛车）在AI基础设施层（相当于泥土路）上行驶。要理解为什么我称基础设施为泥土路，我们需要快速回顾一下当前AI应用层的现状。

最令人兴奋的例子之一是“氛围编码”（Vibe Coding）。这个术语由OpenAI联合创始人、前特斯拉AI负责人Andrej Karpathy于2025年2月提出。理念非常简单：你用自然语言描述你想要的东西，AI就会写出代码。没有语法，没有堆栈溢出的深究，只有意图到输出的直接转换。这不再是一个玩具。Y Combinator 2025年冬季班中，有25%的初创公司的代码库是95%由AI生成的。谷歌CEO表示，谷歌超过25%的代码现在由AI生成。微软的Satya Nadella证实，他们30%的代码由AI编写。据报道，Spotify最优秀的开发人员自2025年12月以来没有编写过一行代码，而是使用AI编码工作流交付了50多个功能。Anthropic的Claude Code负责人本人已经超过两个月没有亲自编写过代码。Anthropic 70-90%的代码现在由AI生成。

像Claude Code和Cursor这样的平台已经变得如此出色，以至于没有编程经验的人也可以创建想法原型、进行测试、迭代并发布产品。构建软件的门槛实际上已降至零。正如微软的David Fowler所说：“任何人都能做到。”但是，有一个话题没人愿意谈论——背后的基础设施并不成熟。

让我们用自动驾驶的类比来完美说明这一点：L0（无自动化）对应手动编码，无AI辅助；L1（基本辅助）对应代码自动补全；L2（部分自动化）对应AI结对编程；L3（条件自动化）对应氛围编码，AI处理整个功能，人类审核；L4（高度自动化）对应自主编码智能体，如Claude Code运行30小时以上的会话。Claude Code和Cursor已经稳定在L3，并向L4迈进。Claude Code现在可以自主运行30小时以上处理复杂任务，同时部署多智能体团队处理项目的不同部分，甚至可以使用沙箱安全运行而无需频繁请求权限。这不再是自动补全，而是具有真正自主能力的系统。

然而，AI基础设施停留在L1-L2。你仍然需要手动配置集群、处理脆弱的扩展性，以及面对互不连接的孤立系统。Salesforce 2026年连接性报告发现，50%已部署的AI智能体完全孤立运行，无法共享上下文、协调甚至看到相邻智能体的操作。96%的组织报告在将数据用于AI时遇到障碍，其中40%直接指向过时的IT架构。数据决策系统（DDN）2026年AI基础设施状况报告发现，44%的IT领导者认为基础设施限制是扩展AI的首要障碍，而高达65%的AI基础设施处于闲置状态却仍在消耗电力。美国行动论坛直言不讳地指出，向2026年的转型“将基础设施和监管置于AI议程的核心”。

我们需要的不是对遗留工具的拼凑，也不是另一个带有营销包装的Kubernetes外壳，而是一个全新的、AI原生的分布式操作系统——专为运行计算集群而非单台PC而构建。甚至连我们的PC操作系统，如Windows和macOS，在AI时代也已过时。它们是为鼠标、键盘和文件夹时代设计的，代表着一种迅速变得无关的计算范式。

Aranya正在构建第一个AI原生分布式操作系统。它不是一个覆盖在遗留基础设施之上的额外层，而是一个从根本上为集群设计的操作系统。它可以在几分钟内部署超过1000个节点的GPU集群，使用ClusterdOS——一个可移植的Kubernetes操作系统——实现真正的多租户和联邦架构。它可以从单个仪表板管理数百个集群，并自动回收未使用的计算资源，将成本降低高达30%。这不是另一个临时修补方案，而是真正的出路。

AI革命已经拥有了应用层和模型层，但缺少的正是能够以所需规模实际运行的基础设施。现有的解决方案也许能工作，但对我来说还不够。现在是时候做出改变了。