Shopify 的 AI 相变：2026 年使用量激增，无限的 Opus-4.6 Token 预算，Tangle，Tangent，SimGym —— 对话 Shopify CTO Mikhail Parakhin

📌 One-Sentence Summary

Shopify CTO Mikhail Parakhin 详细介绍了公司内部 AI 采用的爆炸式增长，揭示了近乎全员使用 AI 工具、为顶级模型提供无限 Token 预算，以及开发 Tangle、Tangent 和 SimGym 等新颖的内部系统来管理由此产生的规模和复杂性。

📝 Summary

在这次访谈中，Shopify CTO Mikhail Parakhin 深入探讨了一家市值 2000 亿美元的软件公司如何全力投入 AI。他透露，目前近 100% 的 Shopify 员工每天使用 AI 工具，并在 2025 年 12 月出现了一个戏剧性的拐点。公司为 Opus-4.6 和 GPT-5.4 等顶级模型提供无限的 Token 资金。Parakhin 认为，AI 辅助开发中真正的瓶颈不再是代码生成，而是严格的 PR 审查、CI/CD 稳定性和部署管理，因为尽管平均质量更高，但 AI 生成代码的巨大数量仍会增加生产环境中的 Bug。他讨论了三个关键的内部举措：Tangle，一个可复现的 ML/数据工作流引擎；Tangent，一个用于优化的自动研究系统；以及 SimGym，一个利用 Shopify 独特历史数据的客户模拟平台。对话还涵盖了从基于 IDE 到 CLI 风格的 AI 工具的转变，在智能体时代对 Git/CI/CD 新隐喻的需求，以及 Shopify 务实使用 Liquid AI 等非 Transformer 架构来处理低延迟工作负载。

💡 Main Points

1. Shopify 的 AI 工具采用率接近 100%，在 2025 年 12 月发生了明显的相变。 内部数据显示，目前几乎 100% 的员工每天使用 AI 工具。一个关键的拐点出现在 2025 年底，当时模型质量的提升使得 AI 变得不可或缺，而 CLI 风格的工具增长速度超过了传统的基于 IDE 的助手。
2. AI 辅助工程中真正的瓶颈已从代码生成转移到审查和部署稳定性。 虽然 AI 可以生成大量代码，但 PR 数量激增、测试失败和部署回滚已成为新的制约因素。Shopify 大力投资于自动化的、基于模型的高质量 PR 审查，以防止 Bug 随代码量同步增长。
3. Shopify 正在构建新颖的内部系统（Tangle， Tangent， SimGym）来管理 AI 驱动的规模和实验。 Tangle 是一个用于协作的可复现 ML/数据工作流引擎。Tangent 支持对优化任务进行自动研究。SimGym 利用 Shopify 专有的历史数据模拟客户行为，为实验创建了一个可防御的护城河。
4. Token 预算的方向是正确的，但原始 Token 数量是衡量工程产出的一个糟糕指标。 Parakhin 同意 Jensen Huang 关于 Token 预算重要性的观点，但批评了只关注原始消耗的做法。关键在于，在审查阶段为高质量模型的批判性循环投入的资金，应多于并行、低质量的代码生成。

💬 Key Quotes

• 我们实际上为每个人提供无限的 Token……我们基本上会说，‘嘿，请不要使用任何低于 Opus 4.6 的模型。’
• 真正的问题不在于花时间等待 PR。真正的问题是，因为有如此多的代码……至少某些测试失败的概率在上升。
• 我敢断言，如今好的模型平均写出的代码比普通人写的 Bug 更少。但由于它们写的代码量如此之大，会有更多代码进入生产环境。所以你仍然会有更多的 Bug。
• 一旦你开始以机器的速度编写代码，[Git/PR 的全局互斥锁] 就成了瓶颈。那你该怎么办？
• 重要的指标是代码生成阶段花费的预算与……PR 审查阶段花费的预算之比。

📊 Article Meta

Read Full Article