全球首位AI工程師「Devin」誕生!5分鐘做出網站,還能debug,背後10人團隊揭秘
全球首位AI工程師「Devin」誕生!5分鐘做出網站,還能debug,背後10人團隊揭秘

世上首位虛擬的AI工程師誕生了!而且不是出自微軟、OpenAI、Google等科技巨頭,而是由僅僅成立2個月的新創公司「Cognition」所打造的Devin AI,懂得寫軟體、架網站,能夠熟練運用各種工程工具,繳出遠超其他AI模型的程式能力。

「來認識Devin,這是世界上第一個完全自主的AI軟體工程師。」Cognition在官網上表示,「Devin是一位從不會疲倦、技術熟練的隊友,準備好和你一起完成工作,或者獨自完成任務供你檢查。」

首位AI工程師Devin有多厲害?能自主架網站、寫程式

根據《彭博社》報導,Devin AI類似由微軟推出的AI助手Copilot,但能力更上一層樓,它不單可以做到提供編寫程式的建議、完成部分任務,還能獨自承擔一整個軟體或網站開發專案,好比說若要它「建立一個搜羅雪梨所有義大利餐廳的網站」,Devin會自動搜集餐廳電話、地址等資訊,建立羅列這些資訊的網站。

而根據Cognition的官網, Devin甚至擁有「成長」的能力,它可以藉由閱讀文章,學習原先不懂的技術,還會自主尋找程式碼中是否存在錯誤,並且進行修正。 另外,Devin還能夠訓練及微調自己的AI模型,而需要的僅僅是提供它GitHub上儲存庫連結。

Cognition指出, 他們利用SWE-bench測試Devin解決程式問題的能力,並成功解決13.86%的問題,遠遠超過由Claude 2締造的1.96%技術 。即使是有人從旁協助的情況下,過去AI模型最多也只解決4.8%的問題。

SWE-bench是測試系統自動化解決現實問題能力的資料庫,從12個領域搜集多達2,294個問題。

devin.jpg
Devin自主解決問題的能力遠超當前其他模型。
圖/ Cognition

目前Devin還未完全對外開放使用,想搶先體驗者需要在官網遞交申請書,進入等待清單中排隊。不過根據外界實際測試的感想,Devin可以在5到10分鐘之內從零到有建立一個網站,並且可以在同樣的時間裡建立網頁版的《乓》──史上第一款電子遊戲,雖然仍需要多次輸入提示改善,成果已經讓人滿意。

電腦科學家阿爾伯蒂(Silas Alberti)指出,Devin給人感覺不像只是一個能夠編寫程式的AI助手,更像是一個可以獨立作業的真正員工,「這感覺非常不一樣,因為它是一個真正可以幫你做事的自主系統。」

Cognition指出,有了Devin後工程師可以專注在更有趣的難題、團隊能夠實現更具野心的目標──某種程度來說,是委婉表示Devin並不是為取代工程師,而是協助工程師而生的AI助手。

延伸閱讀:微軟聯手OpenAI,員工爆反彈:像IT部門!高層不幹、Azure變陪玩的⋯發生什麼事?

Devin背後10人團隊揭秘:Cognition人才濟濟,曾奪10面奧林匹亞金牌

短短時間打造出Devin的Cognition究竟是何方神聖?許多人勢必都沒聽過這間公司,因為才成立短短2個月,直到發布Devin前而且行事非常低調。不過Cognition目前已獲得知名創投家彼得.提爾(Peter Thiel)旗下Founder Fund領投2,100萬美元,其他投資者還包括前推特高管艾拉德.吉爾(Elad Gil)。

Cognition是由27歲的執行長史考特.吳(Scott Wu)、技術長史蒂芬.郝(Steven Hao)及產品長瓦爾登.嚴(Walden Yan)三人共同創立,目前團隊僅僅10人──不過個個是人才,聲稱他們已從國際奧林匹亞資訊競賽獲得多達10面金牌,並且曾在DeepMind、Scale AI、Waymo等眾多企業從事AI相關工作。

PayPal創辦人Peter Thiel.jpg
彼得.泰爾領投了Cognition的2,100萬美元融資,認為他們有著與OpenAI、DeepMind匹敵的能力。

技術長史蒂芬.郝先前是AI標註公司Scale AI的頂尖工程師、而技術長瓦爾登.嚴則直到前陣子還是哈佛學生──還沒告訴父母輟學的事。史考特.吳和同在公司的兄弟尼爾.吳(Neal Wu)從青少年時就是國際程式比賽的常勝軍,還是國家隊選手。

「我在9歲時開始學習寫程式,那時我就愛上這種能讓點子成真的能力。」史考特.吳曾在X上提到。

值得一提的是,Cognition亮相後網路上也瘋傳一部據稱是2010年史考特.吳參加Raytheon Mathcounts數學比賽的影片,他以極快的速度解出考題按鈴搶答,甚至出題者還未唸完整道題目,他就已經在心中計算出正確答案。

史考特.吳指出,教導AI成為工程師很像他們過去參加比賽一直在做的事,不過現在有機會在到AI系統當中編寫程式。對於他們究竟如何打造出Devin,他僅聲稱團隊找到了將大型語言模型與強化學習(Reinforcement learning)結合的獨到辦法,沒有透露技術細節。

彼得.泰爾在聲明中表示,他的創投並不常投資AI公司,但他認為Cognition有著足以與DeepMind、OpenAI、Scale AI等當紅AI公司比肩的實力。

延伸閱讀:有Open,才有AI!簡立峰:AI打到中國的「阿基里斯腱」

資料來源:Bloomberg(1)Bloomberg(2)Cognition

責任編輯:林美欣

關鍵字: #AI
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓