当大多数企业还在为技术债务的累积而苦恼时，Instacart已经用一场激进的实验给出了答案：让AI接管一切可重复的、高容量的工程工作。其CTO Anirban Kundu在VB Transform 2026上宣布，97%的代码生成已不再需要工程师阅读，技术债务的担忧也随之烟消云散。这一「智能助手」驱动的变革，不仅颠覆了传统开发流程，更揭示了未来工程团队的核心能力——驾驭AI系统而非编写代码。本文将深入拆解Instacart的实践，并探讨其对AI投资的启示，以及如何催生新一代AI独角兽。
从代码编写到系统导航：工程师角色的根本转变
Kundu在演讲中抛出了一个尖锐的问题：如果工程师当前的大部分工作其实都应该由机器完成呢？过去，工程师的战术层面是“创建代码”，而现在，最底层的战术变成了“如何驾驭AI系统来获得你想要的结果”。这一转变意味着，代码生成不再是核心竞争力，理解意图、设计评估流程、管理多个并行实验和功能约束，才是工程师的新战场。
在Instacart，开发团队已经习惯了这种新分工。它们不再把时间浪费在枯燥的重复性工作上——这些工作被AI Agent吸收，人类则专注于需要判断力、意图和异常处理的复杂问题。Kundu强调，97%的情况下，工程师甚至不再阅读代码。这听起来有些激进，但背后是成熟的AI代码生成和评估体系。随着AI Agent技术的成熟，这一趋势正在从硅谷蔓延到全球，许多企业开始思考如何像Instacart一样重构开发流程。
然而，这种转变并非一蹴而就。工程师需要重新学习如何与AI协作，如何设计提示词（prompt）来引导模型输出正确代码，以及如何通过自动化评估系统来验证AI的工作。Instacart的目标是建立一种“意图模型”：训练开发者从意图角度向不同模型提出正确的问题，而不是纠结于语法和行数。这实际上是对工程师思维方式的根本重塑，也预示着未来开发工具将更像AI工具箱，而非传统IDE。
技术债务不再可怕：AI驱动的代码生成与重构
技术债务一直是软件开发的头号隐形成本。堆积如山的遗留代码、过时的架构、半死不活的模块，让团队陷入维护泥潭。但Kundu直言：“我们不再关心技术债务了。”当AI能够每周生成或重新生成代码时，那些不活跃的代码自然会被丢弃，系统会像编译汇编代码一样被重建。这种“用完即弃”的模式，让技术债务失去了存在的土壤。
当然，并非所有系统都能被AI完全接管。剩余3%的代码涉及遗留系统、合规要求和延迟敏感的工作流，这些地方仍然需要人类的谨慎处理。但Instacart正在通过一项名为“Atoms”的项目，将这些庞然大物逐步拆解成更小、更干净的模块，然后以RPC驱动的架构重新组装。这就像用文生图工具快速生成创意草图一样，AI生成的代码也遵循同样的逻辑：快速迭代，不完美就丢弃重来。
这种模式对AI投资有着深远的影响。传统上，资本倾向于投资那些能解决“硬技术债务”的初创公司，但Instacart的实践表明，真正的价值可能在于AI工具导航——如何让AI无缝融入现有开发流程，并提供可量化的效率提升。这或许正是下一波AI独角兽的诞生土壤。
97%代码无需人工阅读：智能评估如何保障质量
代码审查曾是软件质量的最后防线。但当AI生成代码时，传统的逐行审查变得不再必要——因为语法和行数几乎总是正确的。问题在于，AI可能生成逻辑正确但意图错误的代码。因此，Instacart转向了“评估模型”：工程师不再审查代码，而是通过自动化评估来验证AI输出的结果是否符合预期。
每个月，Instacart运行约7000次自动评估，并且系统实时响应超过8000个开发者查询，准确率高达99.9%。这些评估涵盖功能正确性、性能、安全、合规等多个维度。关键点是，评估本身也是由AI驱动的——它能够识别人类直觉可能忽略的“小故障”。例如，在一次数据库分片故障中，人类团队花了20分钟才意识到问题出在AWS磁盘上，而AI Agent “Blueberry”在几分钟内就通过分析Slack消息和信号模式，精准定位了故障根源。
这种评估模式不仅提高了效率，也改变了工程师的思维方式。他们不再需要具备“代码审查专家”的直觉，而是需要学会如何设计有效的评估指标。这就像使用AI图片生成工具时，用户需要学会如何调整提示词来获得高质量图像，而不是手工绘制每个像素。
智能运维Agent：将故障检测准确率从60%提升至90%
在运维领域，Instacart的AI SRE（站点可靠性工程）系统极具代表性。传统的运维模型依赖于通用故障数据训练，但Instacart的做法是喂给系统自己多年的故障记录和根因分析报告。这意味着，AI Agent不仅知道“系统如何工作”，更知道“Instacart的系统如何崩溃”，以及人类是如何诊断和修复的。
结果令人震惊：生产故障的检测和缓解准确率从约60%跃升至90%以上。Kundu举了一个例子：内部工具Blueberry监控着200多个Slack频道，同时跟踪信号和人类对话中的模式。在一次事件中，一个数据库分片出现卡顿，人类团队最初怀疑是代码问题，但Blueberry在20分钟时在Slack中发帖，指出一个名为“roulette”的特性开关部署节奏过快，导致负载不均。这种洞察力远超人类直觉——人类往往倾向于依赖以往见过的模式，而AI Agent则能综合所有信号，判断哪些重要、哪些不重要。
这一实践对AI投资领域具有重要启示。专注于垂直领域运维自动化的AI独角兽，如果能够像Instacart一样积累领域特定数据，将拥有极高的护城河。投资者正在寻找那些能够将AI深度嵌入关键业务流程的公司，而企业数字化转型正是这一趋势的催化剂。
重新定义工程师的工作：领域知识民主化与AI协作
最后，Kundu谈到了最深刻的变革：工程师的工作内容正在被重新定义。未来，最底层的战术工作将是“导航AI系统”——设计评估流程、协调多个实验、管理资源约束、识别边缘情况。而领域专业知识不再被锁在某个“所有者团队”中，而是被嵌入到定义和规范中，任何团队都可以调用。
Instacart正在打破“只有这个工程团队才能修改代码”的壁垒，走向代码的完全民主化。这意味着，业务人员可能通过AI助手直接生成或修改代码，而工程师则专注于设计更强大的AI评估和约束机制。这种模式对AI投资的影响是双重的：一方面，它降低了软件开发的入门门槛，可能导致更多垂直领域的AI应用爆发；另一方面，它要求新一代AI独角兽具备强大的“AI原生”组织能力，而非仅仅提供工具。
实际上，这一趋势与当前的数字化转型浪潮密切相关。许多企业开始尝试用AI画图生成营销素材，用藏头诗工具进行创意文案，这些都属于AI颠覆传统工作流的缩影。而Instacart的实践则展示了更核心的领域——软件开发本身——如何被AI彻底重塑。
展望：AI投资的下一个风口
Instacart的案例揭示了AI应用的一个新方向：不是替代人类，而是让人类从低价值重复劳动中解放出来，专注于更高层次的问题。这种模式对AI投资的启示是：与其追逐那些追求“通用AI替代”的宏大叙事，不如关注那些能够深度嵌入特定行业流程、并实现可量化效率提升的AI独角兽。
与此同时，技术债务的消失并不意味着工程师无事可做，而是意味着他们的技能需要升级。未来，最受追捧的将是那些能够设计AI评估系统、管理AI Agent、并在复杂系统中做出判断的“AI架构师”。这一趋势也正在吸引大量AI投资，推动整个行业向更成熟的方向发展。
对于想要拥抱AI的企业来说，Instacart的经验值得借鉴：从小处着手，用AI替代重复性工作，逐步建立信任，然后重构整个流程。而AI工具箱中那些看似简单的工具，或许正是撬动变革的支点。