技术热点透视20261031：思科押上 98% 家底，赌一个 27 岁的人和无限的 token
原创 · 约 23 分钟阅读 · 阅读 --

技术热点透视20261031：思科押上 98% 家底，赌一个 27 岁的人和无限的 token

作者: Alex Xiang

人工智能工程实践

本文完全由 WorkBuddy 独立收集资料、调试代码并完成文章写作。

扫码注册 WorkBuddy 即可获取 2000 积分

我是 Alex Xiang，前百度/微博工程师，现在专注于 AI 工程与工具产品。更多文章欢迎关注微信公众号「字与码」。

思科总裁兼首席产品官 Jeetu Patel 做了一个在大企业里几乎批不下来的决定：把公司最不敢动的资产，跑了几十年的遗留代码，整体交给一个 27 岁的年轻人，外加一个采购流程里原本不存在的资源项，无限 token 配额。

这个年轻人是 Padmanabhan Krishnamurthy，同事叫他 Paddy。他 2023 年联合创办实时翻译公司 EzDubs，2025 年随公司被收购进入思科。他给的方案是两个人、24 个月、重写 98% 的遗留代码。Patel 的判断是，即便最懂 AI 的人也没有这样思考过。

先摆三条其他动态，正文只谈思科。

  • 具身智能进入交卷期：宇树前三季营收 18.17 亿元、归母净利 3.87 亿元，但单季扣非净利同比下滑 17.4%，智元上半年收入近 20 亿元、出货 9700 台。
  • 微软研究院与 UC 伯克利开源 TokenEconomizer，给 Claude Code、Codex、Copilot CLI 这类编码 agent 外挂成本控制器，SWE-Bench 上五组设置平均降本 18.4% 到 30.9%。
  • OpenAI 承诺把 robots.txt 当作 AI 训练退出的通用信号，站长用一个标准文件就能向多家厂商表达训练偏好。

先把事实摆整齐

骨架能塞进一条推文：Patel 在一次内部交流里发现，公司有个 27 岁的工程师被放在比自己低五级的岗位上，做着缺乏战略性的工作；这个工程师说，两个人、24 个月，能重写 98% 的遗留代码。没有立项书，Patel 直接开放无限词元配额，理由是这件事的本质是代码重构，并要求先用四周做概念验证。

几个含糊之处值得拎出来。98% 没有口径说明，是按代码行、按模块，还是按被 AI 触及的比例，差别巨大。两人团队是核心推动者，还是把验收与运维都算进去，也没说清。无限 token 是财务上不设上限，还是工程上免审批，同样含糊。这三处不澄清，后面的赞叹与嘲讽都建在沙上。

人物或角色在事件中的位置关键数字
Jeetu Patel思科总裁兼首席产品官，决策者一句授权，无限 token
Paddy Krishnamurthy27 岁工程师，遗留代码重构负责人2 人、24 个月、98%
EzDubs他 2023 年联合创办的实时翻译公司2025 年随收购并入思科
概念验证阶段项目唯一的验收闸门4 周
思科遗留代码库被重写对象98% 的覆盖面

没有立项书的决策链路：从发现人到批下无限 token

他批的不是预算，是配额

正常企业批的是人头、预算、排期。Patel 批的是 token 配额，一个财务科目里原本不存在的项。这比项目本身更有信息量：算力从 IT 采购变成了研发生产资料，可以像给实验室通水电一样，对一个人单独开口子。供给端也在跟着变，GitHub 为承接 AI 编程需求新增了 400 万个 CPU 核心和 160PB 存储——平台方比谁都清楚，agent 吞吐代码库的时代已经开票了。

但配额不是资源，是许可。它解决你能不能用，不解决你用得好不好。真正决定项目生死的，是配额之外没人愿意签字的东西：谁能判定重写正确，谁为误判担责，哪套环境能承载新旧双跑。没有那张验收单，无限 token 只是一句更好听的加班许可。

98% 是口号，24 个月和 2 个人是约束

算一笔不谈钱只谈人的账。思科这种体量的遗留代码库，用传统方式做等价重写，通常按年、按百人规模计。两个人 24 个月，意味着绝大部分代码的产生必须由 agent 完成，人只剩三件事：定义目标、判定一致、承担后果。

这不是把 AI 当助手，是把 AI 当承包方，人退位成甲方。这个角色重排才是被低估的部分：多数团队今天是让人写、AI 补，这个项目反过来，是 AI 写、人验。同一套模型，两种用法，风险结构完全不同——前者出错是补丁级，后者出错是版本级。

98% 因此反而不重要，它像内部动员用的整数，把渐进改良这个默认选项一次性排除掉。真正的约束是 24 个月与 2 个人：流程必须重新设计，而不是被加速。

真正的第一条新闻是「敢交」

媒体抓的是 98%，我认为真正的新闻是前面那个动词：敢交。

遗留系统在企业里的地位很特殊，它是现金流，也是权力。谁维护它，谁就掌握解释权；谁能解释一段诡异的兼容逻辑，谁就不可替代。把遗留系统整体交给 agent，等于把解释权交给一个不会开会、不会争功、也不会在评审会上替你说话的对象。这在技术上是一次重构，在政治上是一次交权。

顺序更值得注意：多数企业先证明再承诺，这次是先给出一个近乎荒诞的目标，再倒推验证方法。工程上不理性，组织上极其有效——它把没人愿意碰的议题，变成了有截止日期、有负责人、有预算口子的项目。

遗留代码是知识的墓地，也恰好是 agent 的猎场

为什么遗留代码看起来最不该交给 AI，实际却可能是最合适的标的？四个条件它全占。

存量明确，代码不会中途改需求。规格外置，网络软件有协议文档、命令行行为、配置语义可逐条对照。结果可测，吞吐、时延、路由收敛、故障切换能量化。失败可退，可以在灰度环境做新旧双跑，出事切回旧路径。四条凑齐，等于给 agent 发了一份带标准答案的考卷。

对比从零做新功能：需求模糊、没有参考答案、失败往往不可回滚。同样是无限 token，后者风险高一个数量级。所以我判断 agent 最先出成果的地方不是新产品，而是存量系统的等价替换——不性感，但符合机器擅长的一切条件。

为什么先啃遗留代码：两种任务的适配度对比

无限的从来不是 token

「无限 token」有一种暴发户式的吸引力，但它把成本结构说反了。

重构项目里，生成代码消耗的 token 是零头。真正烧钱的是三样：把旧行为描述清楚的人力，判断新旧是否等价的人力，以及为对比搭建的双跑环境。让模型多吐几十万行代码，反而是账单上最温和的一行。

所以那句放手去做听着豪迈，给的其实是最便宜的东西。真正稀缺、Patel 没说 unlimited 的，是能判断对错的人。

验收标准必须先于生成存在

讨论 AI 重构，很容易滑进模型行不行的争论。方向错了。成败不取决于模型能不能写出更干净的实现，而取决于组织能不能事先回答：怎么知道新的和旧的一样。

一致性至少三层。接口一致，同样的输入给同样的输出。行为一致，边界条件、错误码、超时重试、日志格式都一样。语义一致，真实拓扑下的收敛、故障恢复、拥塞表现都一样。第一层靠 diff 和单测，第二层靠回归用例，第三层只能靠仿真与现网灰度。

翻车几乎都发生在第二层和第三层，而这两层恰好是 AI 帮不上忙的地方。它读不懂十年前为某款网卡打的绕行补丁，也不知道那个看起来多余的重试次数是为哪家客户的现网抖动加的。这些知识不在代码里，在老员工的记忆里。所以验收基线不是文档，是一群愿意被反复打扰的人。

四周 PoC 是唯一被认真设计过的闸门

整件事里，24 个月和 98% 都是口号，只有那四周是工程。

四周证明不了 98%，也不需要。一个设计得当的 PoC 要证明的是闭环：从代码库挑一条真实链路，让 agent 重写，跑新旧双跑对比，对差异做归因，由领域专家裁决哪些差异可接受，最后完整验证一次回滚。闭环跑通一次，剩下的是放大样本量；跑不通，再多 token 也只是把垃圾堆高。

所以四周之后该看的不是重写了多少，而是沉淀了什么：一套可复用的行为基线，一套差异归因方法，一份哪些模块不能碰的黑名单。代码会被重写，方法论能留二十年。

PoC 要证明的验收闭环与回滚出口

一个被埋在五级之下的人

这个故事被讲成 AI 故事，另一半其实是人才故事。

信息量在于：一家几十万人的公司，一个能提出 98% 重写方案的年轻人，正常流程下几乎不可能被听见——判断先被两级主管过滤成不成熟，再被预算流程稀释成先做个小试点。他被听见，靠的是某个高管愿意让一个低五级的人把话说完。

更值得抄的是后续动作。团队大致三等分：思科资深运营者、外部系统思考者、创业公司创始人与 AI 原生工程师；实习生不只做杂活，而是当反向导师用。他承认这制造了 Gen Z 与老员工的紧张，判断是「tension is good」。

这句话可以商榷，方向我认同。AI 转型的瓶颈很少是模型能力，而是让 AI 原生的人被找到的组织接口；接口不存在，再强的模型也只会在旧流程里空转。

常规流程的人才漏斗与这次发生的旁路

HN 两派吵的其实不是同一件事

Hacker News 的讨论值得细看，它把两种失败方式都点出来了，只是双方各看见一种。

质疑派集中火力在为什么是 98%：没有可移植性目标，没有功能对齐清单，没有性能预算与可维护性定义，说到底是一场 AI 表演。更尖锐的一条是，成熟的网络软件里沉淀着几十年没写进文档的互操作怪癖、现场修复与硬件绕行方案，测试覆盖不到，AI 生成的更干净实现，恰恰可能在真实网络最不容错的地方失败。

乐观派也不是没道理：网络代码有协议规范，有可测量的吞吐与时延，能做新旧行为回归对比，是 agent 化重构里相对理想的标的；模型还在变强，今天做不到 feature complete，明年未必。

但两派在吵两件事。一派问目标是否可验收，一派问技术是否可行。两个都要，顺序不能反：先有验收，可行性才有意义；先谈可行，验收就会被无限推迟。社区落到的共识很朴素——决定成败的是验证、仿真与领域专家，不是 token 数量。

对普通团队，可迁移的只有三条

多数团队没有思科的代码库，也没有一个愿意批无限配额的总裁。但有三条可以抄。

第一条，给 agent 划定存量目标，不要给开放式探索任务。让它对着一个已经跑起来、有参考答案的系统做等价替换，成功率比做新产品高一个数量级。目标越像考卷，agent 越像人。

第二条，先建行为对比基线，再开始生成。基线可以是回归用例、流量录制、影子环境双跑，形式不重要，重要的是它在生成之前就存在。事后补基线，等于事后补法律。

第三条，把回滚当设计输入，而不是应急预案。灰度、开关、可切回的旧路径，决定了你敢让 agent 走多远。回滚能力不是安全垫，是行动半径。

三条加起来，比给它十倍 token 有用得多。

结语：盯四周，别盯 token

我的判断偏冷。24 个月、两个人、98%，这不是工程计划，是组织宣言。它真正的功能是打破遗留代码不能碰的共识，顺便示范一种新的资源分配方式：判断比资历值钱，验证比生成值钱。

但如果那四周的 PoC 能拿出像样的验收基线，哪怕只覆盖一条链路，性质就变了——它会从宣言变成可复制的方法论。到那时，行业该抄的不是无限 token，而是先把怎么验收想清楚，再决定生成多少。

无限 token 是个好标题。验收基线才是那条真正的新闻。

我是前百度/微博工程师，欢迎关注，下期见。

其他动态

具身智能的数据很有看头：宇树前三季营收 18.17 亿元、同比增长 55.71%，归母净利 3.87 亿元、同比增长 270.54%，但第三季度单季扣非净利同比下滑 17.4%、毛利率下降 5.76 个百分点，增收不增利的拐点已经出现。智元披露上半年收入近 20 亿元、出货 9700 台，按 Counterpoint 数据占全球 43% 份额第一，而上半年全球人形出货是 2.2 万台。彭志辉提出新单位 Worken，即有效智能工时，他的说法是万台下线只是制造业的胜利，万台上岗才是物理 AI 的胜利。冷的一面同样明显：10 月赛道融资 33 起共 101 亿元，环比近乎腰斩，上半年全球人形出货六成以上流向舞台、实验室与数据生产。富士康美国工厂内部部署了超过 10 台人形机器人，两款轮式，基于英伟达 GR00T，同时还在与 OpenAI 筹划新合作。

TokenEconomizer 的思路比降本数字更值得看。微软研究院与 UC 伯克利把它开源，做法是从历史 trace 里学每个仓库的策略，包括 micro-skills 微事实、工具裁剪、失败循环干预。在 SWE-Bench 上五组设置平均降本 18.4% 到 30.9%，30 个仓库与设置的组合全部更便宜，Pass@1 在五组里有四组还提升了。许可证是 Apache 2.0，论文编号 arXiv 2610.22732。它的价值不在省了多少，而在把成本控制从少用模型换成了按仓库学策略，这更接近工程而不是节流。

robots.txt 这件事短期看是姿态，长期看是接口。OpenAI 承诺把 robots.txt 作为 AI 训练退出的通用信号，站长用一个标准文件就能向多家厂商表达训练偏好，不必逐家谈判。OpenAI 表示会推动行业采纳。实际效力仍取决于有多少厂商跟进，单方承诺不构成约束。但它至少把训练数据的选择权，从双边商务谈判挪回了站长手里的一行配置。

参考资料

打开原图 ↗