隨著AI編程逐漸融入開發者日常，代碼生成效率與規模大幅提升的同時，支撐AI運轉的開發工具與基礎設施正成為新瓶頸。近期，舊金山AI編碼基礎設施初創公司Relace宣布完成2300萬美元A輪融資，由硅谷知名風投機構Andreessen Horowitz（a16z）領投，Matrix Partners與Y Combinator跟投。這家僅8人的團隊，正瞄準這一被忽視的市場空白。

Relace的兩位聯合創始人Preston Zhou與Eitan Borgnia的履歷頗具硅谷特色：二人均畢業于加州理工學院，Zhou在哈佛大學攻讀物理學博士期間，于Mitrano Lab從事超快量子物質動力學研究；Borgnia則在馬里蘭大學College Park跟隨機器學習領域學者Tom Goldstein，后進入芝加哥大學師從Ben Zhao攻讀機器學習博士。三年前，他們從各自的博士項目退學，投身創業，經歷了6次業務轉型后，于2023年通過Y Combinator孵化器正式成立Relace，當時團隊不足5人。

短短兩年間，Relace已服務超過40家客戶，其中不乏Lovable、Figma、Magic Patterns等明星AI應用公司。在兩位創始人看來，軟件開發正經歷根本性變革——過去代碼由工程師逐行編寫，所有工具圍繞人類工作流程設計；如今，代碼越來越多由AI智能體自動生成，它們需要的不是圖形界面，而是高頻讀寫、快速合并、智能檢索的底層能力。傳統開發工具雖功能強大，但設計邏輯仍基于人類開發者：UI界面復雜、代碼倉庫數量限制、每小時操作次數有限，這些配置在AI智能體并發運行時顯得捉襟見肘。

Relace的核心產品圍繞三種專用模型展開。首先是Apply模型，它能將AI生成的代碼編輯無縫合并回主代碼庫，無需重寫周圍代碼塊——這是通用大語言模型常遇到的難題。據Zhou透露，Apply模型的合并速度超過每秒1萬個tokens，比使用GPT-4o mini快至少50倍，語義層面的代碼合并可在700毫秒內完成。其次是Embedding模型與Reranking模型，二者形成雙階段檢索機制：前者從龐大代碼庫中快速定位相關文件，后者進一步篩選排序，確保AI智能體獲取最準確的上下文信息。測試顯示，這套組合能在1至2秒內完成檢索，且在實驗中占據AI智能體執行鏈路超過50%的token消耗，優化后不僅速度提升，成本也大幅降低。

成本問題已成為AI編程行業的痛點。近兩年，AI編程工具快速普及，但許多公司雖產品受歡迎，毛利率卻慘淡。推理模型雖提升了代碼生成能力，卻也帶來更高推理成本，擠壓利潤空間。例如，AI編程助手Replit在2025年的毛利率一度陷入負14%至負36%的區間，高昂的模型調用成本是主因。Relace的策略是“小型專用模型+優化基礎設施”，針對特定任務訓練更小的模型，再通過基礎設施協同優化提升效率，而非依賴最昂貴的通用大模型。

除三大模型外，Relace還在構建完整的開發生命周期基礎設施，涵蓋版本控制、部署、代碼庫狀態管理等環節。此次融資同步推出的Relace Repos，是其首個重量級產品。Repos是專為AI智能體設計的源代碼控制系統，完全兼容git協議，但架構上做了針對性改造：支持極高頻次的git操作、允許組織創建遠超傳統限制的倉庫數量、為短生命周期沙盒容器分配細粒度訪問權限。Repos還深度集成了Relace的Embedding與Reranking模型，使代碼檢索和上下文加載成為原生能力。

Relace的長期目標是成為企業搭建AI編程智能體的“一站式平臺”。未來幾個月，他們計劃發布Relace代理，針對端到端任務訓練，例如快速遍歷代碼庫、自動合并沖突、智能重構代碼庫。a16z在領投博文中指出，過去代碼由人類手工編寫，如今代碼正成為生成式AI的基礎，每個新功能、自動化操作背后都是代碼的生成與執行。當這一轉變發生時，瓶頸從“如何寫代碼”變為“如何運行代碼”。他們認為，未來突破點不在于更大基礎模型，而在于更小、更專的模型配合優化基礎設施——這正是Relace的路徑。

當前，“提示詞生成應用”平臺快速增長，傳統SaaS廠商也將編碼Agent嵌入產品，AI自動生成的代碼量持續攀升。但問題在于，幾乎每家想做AI編碼的公司都在重復造輪子——搭建自己的工具鏈、沙盒環境、源代碼管理系統。這些本應成為“商品化服務”的基礎組件，如今卻被當作競爭優勢，效率低下。類比Web開發演進，數據庫、部署流程等早已外包給專業服務商，Relace的賭注是AI編碼領域也會走向標準化，而他們希望成為提供基礎設施的玩家。