Vibe Coding時代，AI寫的程式誰把關？CodeAnt用「AI審AI」打進YC，拿下逾6千萬募資！|數位時代 BusinessNext

Vibe Coding時代，AI寫的程式誰把關？CodeAnt用「AI審AI」打進YC，拿下逾6千萬募資！

AI寫程式變快了，但錯誤也更容易被忽略。CodeAnt專攻AI程式碼審查，幫開發團隊守住品質關鍵，從YC拒絕到募資成功。

用AI生成程式碼的「Vibe coding」興起後，工程師們的工作變輕鬆了嗎？那可不一定—— 這些AI寫出來的程式碼，到底誰來負責審核跟確認？

「現在最大的瓶頸，不是寫程式，而是審程式碼。」CodeAnt AI共同創辦人Amartya Jha這麼說。他們選擇不加入寫程式AI的紅海競爭，而是反其道而行，專做一套幫你審AI寫出來的程式碼的工具。

這個切入點，讓CodeAnt在2024年初入選矽谷加速器Y Combinator，並拿下200萬美元（約新台幣6,072萬元）種子輪募資。

AI寫程式讓工作變快了，卻也讓錯誤更難發現

現在許多工程師已經習慣與AI「協作」寫程式，這種模式在工程圈被戲稱為「Vibe Coding」。開發者只需輸入一段需求描述，AI便能自動生成數十甚至上百行程式碼。整個過程中，工程師不一定需要深入設計邏輯，反而更像是在旁協助、或充當AI的審查員。

CodeAnt觀察，現在開發者大約有20～30%的時間都花在Code Review（程式碼審查）上，但大多只是快速瀏覽。Amartya Jha坦言，「很多時候就是一句Looks good, just merge it，沒有真的看進去。」

而這樣的審查流程其實充滿漏洞。AI產生的程式碼看似無誤、語法正確，但裡頭可能藏有尚未檢查的資安風險、使用了已淘汰的函式庫，甚至邏輯設計本身就有問題，只是乍看之下「能跑就好」。

隨著AI產出的程式碼比例不斷上升，Code Review不再只是交付流程中的例行步驟，而是決定產品品質與穩定度的最後一道防線。也因此，「誰來審、怎麼審、審得夠不夠快」，成了每個開發團隊不得不面對的新難題，而這正是CodeAnt決定投入的核心問題。

CodeAnt的護城河：用AI審核AI，以及3萬筆自建資料

為了解決開發團隊在程式碼審查上的難題，CodeAnt打造了一套能真正「看懂」程式邏輯的AI審查平台。這不只是單純的語法檢查（Linter），而是進一步透過AST（抽象語法樹，Abstract Syntax Tree）技術，把整份程式碼拆解成邏輯結構，讓AI理解各段程式之間的關係，並能判斷邏輯錯誤、安全漏洞或命名方式是否合理。

而真正讓CodeAnt有別於其他競品的，是它背後那套超過3萬筆的自建規則資料庫，涵蓋各種可能的代碼提交（code commit）場景。這些不是從開源社群截取來的，而是團隊自己開發、驗證過的實戰經驗。「這是我們的原生IP。」Amartya Jha表示，「我們寫了自己的演算法，理解代碼的流程與風險區域，然後針對每種情況提出建議。」

這樣的能力，讓CodeAnt不只是指出錯誤，還能提供一鍵修復（one-click fix）選項，幫助開發者省下來回討論、改錯的時間，點一下就能直接修改好。整個流程也整合在GitHub、GitLab等主流開發平台上，當工程師送出修改（Pull Request，即請求合併到主程式碼）時，CodeAnt就會即時跳出協助審查，讓錯誤在上線前就被攔下來。

此外，CodeAnt也支援企業建立自己的客製化規則。像印度最大線上藥局Tata 1mg，就在平台上設定了自家Python開發標準，讓AI每次在審查時都能自動對照這些內規進行檢查。這代表CodeAnt不只是「看得懂」程式碼，還能「照你家的方式來審」。

與其他AI審查工具相比，例如主打全自動判斷的CodeRabbit，或較傳統的靜態分析工具SonarSource，CodeAnt的技術核心在於它不只倚賴AI的直覺推論。許多競品會出現hallucination（AI幻覺錯誤）或大量誤報，CodeAnt則結合了AI與deterministic rules（確定性規則），先定好明確的審查底線，再交給AI視情境調整，大幅減少錯判與干擾。

也因為這些底層能力，CodeAnt不再只是個「工具」，而成為開發流程中可嵌入、可信賴的品質守門員。Amartya Jha說得坦白：「工程師現在需要的不是更多AI幫忙寫程式，而是有一套能幫他們守住品質底線的審查員。」

從被拒絕到打入企業市場，正面迎戰AI的下一波挑戰

CodeAnt能走到今天，其實經歷過不少轉折。Amartya Jha與Chinmay Bharti在2023年於Entrepreneur First結識並創業，初次申請Y Combinator還被拒絕。他們沒有放棄，而是錄了一支45分鐘的影片詳細講解產品邏輯，最終獲得再次面試機會，並成功入選。

產品上線後，迅速打入企業市場。他們在2024年初就簽下Tata 1mg與Cipla（印度製藥巨頭）兩家付費客戶，證明這不只是demo產品，而是能被真正導入的工具。目前CodeAnt每月掃描超過5,000萬行程式碼、修復50萬個錯誤問題，已為開發團隊節省超過10萬小時的人工審查時間。

不過，下一步的挑戰也已在眼前。

隨著GitHub Copilot、Cursor等AI寫程式工具功能愈來愈完整，未來勢必會內建自己的Code Review（程式碼審查）功能。如果這些寫程式的AI開始自己「驗自己寫的東西」，外部審查平台如CodeAnt會不會被邊緣化？

對此Amartya Jha表示，他們已經開始進一步擴充平台定位，不只是審查錯誤，也進一步支援Security（資安）、Compliance（合規）、Audit（稽核）等多面向功能，朝企業級DevSecOps工具邁進。「我們不是為了補Copilot的缺，而是希望在開發流程中扮演『品質總管』的角色，真正保障可交付性。」Amartya Jha解釋。

延伸閱讀：面試趣創辦人再出擊！一篇Threads貼文燃起百人創業夢：為何想做「租屋版Google Map」？
物流業不換腦，十年後恐無路可退？專家：從基層到高層都需「強制升級」

參考資料：《AI Thority》、《Entrepreneur India》、《GlobeNewswire》、《Unite AI》、《AIM》、Codeant AI、Y Combinator

本文授權轉載自：創業小聚，作者詹蕙瑜

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。