Factory 的 Matan Grinberg 和 Eno Reyes：将机器人军团释放到软件开发领域 | Training Data
摘要
Matan Grinberg 和 Eno Reyes 是 Factory 的联合创始人。Factory 正在构建自主软件工程 Agent——他们称之为"Droids（机器人）"——能够自动化从文档维护到代码编写的整个软件开发生命周期。本期对话从两位创始人的独特背景切入：Matan 从弦理论物理转向 AI，通过一封冷邮件（cold email）联系到红杉资本合伙人 Shaun Maguire，后者鼓励他辍学创业；Eno 则有着墨西哥移民家庭的创业基因，曾在 Hugging Face 和微软工作。Factory 的核心理念是将 AI 代码生成视为"复合杠杆"——AI 是撬动软件的杠杆，而软件本身是撬动世界的杠杆。他们选择不训练基础模型，而是建立在不断进步的基础模型层之上，专注于应用层的自主化。Factory 在 SWE-bench 基准测试上取得了领先业界的最新成果。创始人们强调，他们不是在构建"酷炫的演示"，而是在打造对当今企业工程师有实际价值的工具。
正文
一、Matan：从弦理论到 AI 创业
Matan Grinberg 的故事始于普林斯顿大学，他在那里学习弦理论。当时，弦理论领域最负盛名的学者 Juan Maldacena 在普林斯顿高等研究院（IAS）工作——IAS 的特别之处在于，那里的教授没有带研究生或本科生的义务。但 Matan 决定打破这一惯例。
他给 Maldacena 发了一封冷邮件请求见面。Maldacena 以独特的方式"面试"学生：在约两小时的黑板讨论中，他会巧妙地将一个需要 24 小时内解决的核心问题嵌入对话——答出者方能成为他的正式学生。幸运的是，Matan 被提前告知了这一"入门仪式"，他全神贯注地捕捉每一个暗示，最终成功找到了问题、彻夜解决，并成为了 Maldacena 的学生，共同发表了一篇论文。
然而，当 Matan 进入伯克利攻读物理学博士约一年后，他有了一个"颠覆性的"自我认知："我之所以做理论物理和弦理论，仅仅因为它很难——而不是因为我真正热爱它。"这个觉醒让他在三条路径中做出选择：量化金融、大科技公司、或创业。此时他的研究已经逐渐从纯物理转向 ML+物理，再到更多 ML，最终几乎完全是 AI。
他通过一段 Shaun Maguire 的视频发现了这位从弦理论转向投资界的"异类"——一个真正的弦理论家，却能创办公司、投资顶级企业、加入红杉。这让他看到了与自己背景相似的可能性。他发了一封冷邮件，原定 30 分钟的散步变成了 3 小时的长谈。Shaun 给他的建议是：要么加入 Twitter（当时 Elon 刚刚接管），要么加入 Shaun 的 Foundry 公司，要么自己创业。
二、Eno：移民精神与 AI 信念
Eno Reyes 的故事从另一个维度补充了 Factory 的精神内核。他的祖父母在 1960 年代末从墨西哥移民到旧金山，在 Los Altos 开了一家墨西哥餐厅——这是典型的旧金山移民故事。后来全家搬到佐治亚州，Eno 在那里长大。
Eno 认为，祖父母为给父亲创造更好生活而展现的驱动力，通过父亲和母亲传递给了他。这种"在美国白手起家"的精神，与他今天回到旧金山"为每个人创造更美好世界"的使命一脉相承。
在普林斯顿获得计算机科学学位后，Eno 在 Hugging Face 担任机器学习工程师，正是在那里他看到了开源社区正在"用 LLM 模拟人类认知"的趋势——LLM 只是整个系统中的一环，而链式调用（Chains）、认知架构（Cognitive Architecture）等概念正在兴起。
三、复合杠杆：Factory 的核心理念
两位创始人在一次 LangChain 黑客马拉松上重新建立联系——他们在普林斯顿时期虽然共享大量共同好友，却从未有过一对一对话（Eno 称之为"智力上的一见钟情"）。在黑客马拉松后的第二天，他们从中午喝咖啡开始，此后几乎每一个小时都在讨论代码生成和后来的 Factory。
对于"为什么选择应用层而非训练基础模型"的问题，Matan 的回答体现了他从数学和物理学训练中获得的审美：
"在多年的数学和物理学训练中，我学会被吸引到那些'根本性'的事物上。而代码是机器智能的根本——这一点在 AI 研究中变得越来越清晰。"
Eno 补充了"复合杠杆"的概念：
- 阿基米德说："给我一个足够长的杠杆，我可以撬动地球。"
- 软件工程界将这一比喻引申为"软件是撬动世界的杠杆"。
- Factory 的视角更进一步：AI，特别是 AI 代码生成，是撬动软件的杠杆——其影响是复合的、指数级的。
四、Factory 的产品定位
Matan 将 Factory 定义为：
"一家前沿 AI 初创公司。我们的使命是将自主性带入软件工程。"
具体而言，Factory 自动化软件开发生命周期中的以下任务：
- 代码审查（Code Review）
- 文档编写（Documentation）
- 测试（Testing）
- 调试（Debugging）
- 重构（Refactoring）
Matan 刻意强调，这些正是"工程师们不太享受做的任务"——Factory 在解放工程师，让他们专注于创造性工作。
创始人对"Agent 即不可靠"的行业现状有清醒认识。Eno 直言："13 个月过去了，Agent 仍然与'不可靠'、'随机性'、'演示软件'、'雾件'这些标签同义。对我们来说，重要的是构建的不是'未来的酷炫示例'，而是'今天具有实际价值的系统'——而且不只是对黑客的副项目有价值，而是对企业的工程师有价值。"
五、SWE-bench 基准测试的突破
在节目录制当周，Factory 宣布了在关键 AI 编码基准测试 SWE-bench 上的惊艳成绩——以显著优势超越了此前的最先进水平。这标志着 Factory 不仅在产品理念上领先，在技术实力上同样站在前沿。
值得注意的是，Factory 刻意选择不训练自己的基础模型，而是充分受益于基础模型层的持续进步。这一策略决策意味着他们可以专注在应用层的差异化——构建复杂的 Agent 编排系统，而不是与 OpenAI、Anthropic 等在模型训练上竞争。
Factory 代表了 AI 应用层创业的一个引人注目的范式：深厚的学术背景、清晰的产品聚焦、对"构建真实价值而非演示"的坚定承诺，以及在技术选择上的战略务实。