微软AI重写Copilot内核

@shijin1：微软干了件很少有人敢干的事：把 GitHub Copilot 的运行时整个重写了一遍——43 万行 TypeScript 变成 80 万行 Rust，绝大部分是 AI agent 干的。

先把数字摆出来。这次迁移历时 14.5 周，发了 135 个版本，平均每天开 1.3 个移植 PR；核心移植阶段烧掉约 12 万美元 token，加上一名工程师三周的时间。微软杰出工程师 Stephen Toub 的评估是：人工做要数年、数百万美元。用的模型是 GPT-5.6 Sol 和 Claude Opus 4.8——用 Copilot 重写 Copilot。

性能是真的：同样的基准下，TS 版每秒完成 7.55 次单轮会话生命周期，Rust 版 120 次，15.9 倍；内存更夸张，10 个客户端批量任务从 1383MB 降到 126MB。这个运行时不是边角料，VS Code、Visual Studio、Excel、Outlook、PowerPoint 和一堆微软云服务都在用。

但我要泼的第一盆冷水是：这 15.9 倍不是”代码写得好”。团队明确说了，他们只是逐模块对换，压根没动架构，架构优化排在后面。涨的那部分来自砍掉 Node/V8 的启动开销和那个每次补全都要拉起的后台子进程——是运行时开销消失，不是算法变聪明。而且注意代码量：43 万变 80 万，快翻倍了。Rust 更啰嗦、更显式，行数从来不等于复杂度。

真正被改写的是一条二十多年的铁律。Joel Spolsky 2000 年写《你永远不该做的事》，拿 Netscape 重写导致四年发不出版本当反面教材，从此”不要从零重写”成了常识。这条常识的前提是重写 = 数年 + 高风险。现在前提没了——三周、12 万美元。固定成本塌了，铁律自然失效。

失效不等于该干。Toub 自己就警告别据此把大型 TS 项目都搬去 Rust，这次的前提是它确实需要 C ABI 嵌入、低启动开销、可预测资源占用。更实在的教训在过程里：全程出现几十处回归，都是”之前能用现在不能用了”。他那句我建议抄下来——”如果能通过编译就等于正确，那句话只配当笑话。”编译器不知道函数调用顺序对不对、也不知道这次任务的开销能不能接受。Rust 能拦住 agent 写不安全的代码，但拦不住它写正确但错误的程序。

还有个细节跟公众印象完全相反：agent 绝大部分时间根本没在写代码，是在调查。最难啃的是个 3 万行的 session.ts，25 小时的迁移里，56 分钟在读文档、122 次工具调用澄清需求，然后派生 15 个子会话，各自开 worktree 互相通信协调。Toub 原话是”公众对 AI 疯狂喷代码的印象几乎正好相反，这个规模上它更像迭代式调查”。对照组也有：Bun 作者用 Claude 把 53.5 万行 Zig 搬成 Rust，花了 16.5 万美元，99.8% 的测试通过——但 Zig 作者 Andrew Kelley 的评价是”没人 review 过的垃圾”。测试全绿和有人真的理解，是两件事[doge]

同一周还有条新闻，跟这条是一对。法律 AI 公司 Harvey 估值 156 亿美元，今年 3 月 agent 更新后用户量暴涨，token 用量涨了 20 倍，毛利率从年初的 +50% 一路跌到 6 月的 -50%——越受欢迎越亏钱。8 月它改用月之暗面的 Kimi K3 做后训练、推出自研模型，毛利率才转正。Abridge、Decagon（现在 80% 的查询走自有模型）、Ramp 都在跟进，红杉和 General Catalyst 在背后推。

把这两条放一起看，它们其实是同一道算术题的两面：AI 让”做一次”的成本塌了（重写从数年变三周），同时让”调用一次”的成本爆了（Harvey 用量涨 20 倍就打穿毛利）。本质是把成本结构从可变推向固定——”建”的固定成本在崩，”租”的边际成本在涨。所以理性选择变了：凡是能用一次固定成本顶掉的，就别再按次付费。微软换 Rust 是一次性的，Harvey 换自研也是一次性的，两者动机相同。

往后两年该盯的不是模型排行榜，是单位经济学。谁的成本随用量线性上涨，谁的护城河就在漏；谁能把边际成本压成固定成本，谁才有资格谈毛利。但别急着抄 Harvey——固定成本这东西，规模不够就是纯负债，Menlo Ventures 的合伙人说大多数自建是”cosplay”，Anthropic 也点了 Harvey 最难的任务还得靠 Opus。敢自建是因为它量够了，几百个客户的团队跟着自建，多半只是把订阅费换成了工资。

AI 把”买它的一次产出”变得很便宜，把”租它的每一次呼吸”变得很贵。分不清自己买的是哪种，账单迟早会替你分清。