# 策展 · X (Twitter) 🔥🔥🔥

> 作者：𝗿𝗮𝗺𝗮𝗸𝗿𝘂𝘀𝗵𝗻𝗮— 𝗲/𝗮𝗰𝗰 (@techwith_ram) · 平台：X (Twitter) · 日期：2026-05-13

> 原始來源：https://x.com/techwith_ram/status/2054175657165545546

## 中文摘要

# Harness 正在打造企業級 AI 技術堆疊

## 這家以 CI/CD 平台起家的公司剛完成了 2.4 億美元的融資，估值達到 55 億美元，並悄然成為每位企業工程師不可或缺的基礎設施層。

AI 程式開發工具已將軟體開發轉變為即時的創作過程。隨著 Cursor、GitHub Copilot 和 Anthropic Claude Code 等工具能在幾秒鐘內產生生產環境等級的程式碼，軟體開發的瓶頸已不再是撰寫程式碼本身。

真正的挑戰在於程式碼產生之後。

測試、安全性、部署、合規性、可觀測性、雲端成本控制以及生產環境的可靠性，仍然依賴於分散在數十種企業工具中、拼湊而成的作業流程。雖然 AI 加速了開發者的「內循環」（inner loop），但圍繞在軟體交付周圍的營運層仍然極度依賴人工。

這正是 Harness 致力於解決的缺口：打造一個 AI 原生的企業級軟體交付堆疊，其設計目的不僅是為了產生程式碼，更是為了大規模地執行、保護、優化並管理這些程式碼。

# AI 速度悖論 (AI Velocity Paradox)

AI 極大地加速了程式碼的產生。但程式碼撰寫完成後所發生的一切——例如測試、安全檢查、部署、合規審核以及雲端成本管理——仍然高度依賴手動流程與斷裂的工具。

因此，儘管開發者現在交付程式碼的速度比以往任何時候都快，但軟體管線（pipeline）的其他部分卻難以跟上。

當系統中只有一部分變快時，你並不會獲得更快的軟體交付速度。你只是創造了更多等待審核、安全檢查、部署與管理的積壓工作。

問題在於：內循環（撰寫程式碼）的速度提升了 10 倍。而外循環（程式碼之後的一切）卻停留在 2020 年的水準。

解決方案：誰能自動化外循環，誰就掌握了企業的 AI 預算。這是一個比大多數人想像中還要龐大的市場類別。

Harness.io 的共同創辦人兼執行長 Jyoti Bansal 對每位工程主管目前默默面對的問題有一個稱呼。他稱之為「AI 速度悖論」。他說：

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778639185770-iaHIDlaTvawAEfTn5jpg.jpg)

這並非一個微小或理論上的問題。大多數工程團隊在程式碼周邊事務上花費的時間，早已超過撰寫程式碼本身的時間，這些事務包括部署、安全檢查、修復事故、管理基礎設施以及控制雲端成本。

而 AI 程式開發工具並不會減少這些工作負載。

事實上，隨著 Cursor 和 GitHub Copilot 等工具協助開發者更快地產生程式碼，軟體管線其他部分的壓力只會隨之增加。更多的程式碼意味著需要測試、保護、部署、監控與優化的系統也更多。

這就是 Harness 試圖解決的問題。

他們不是透過為開發者打造另一個 AI 聊天機器人來解決，而是透過自動化軟體團隊每天依賴的基礎設施與營運層來達成。

# 2.4 億美元在企業級 AI 中能買到什麼？

2025 年 12 月，高盛（Goldman Sachs）領投了 Harness 的 2.4 億美元 E 輪融資，使該公司估值達到 55 億美元。這比 2022 年 D 輪融資時的 37 億美元估值成長了 49%。此輪融資包括 IVP、Menlo Ventures 和 Unusual Ventures，外加 4,000 萬美元的收購要約（tender offer），旨在為長期員工提供流動性。

這筆融資背後的數字清楚說明了一切：2025 年年度經常性收入（ARR）有望超過 2.5 億美元。年成長率超過 50%。支援了 1.28 億次部署。8,100 萬次建置。保護了 1.2 兆次 API 呼叫。優化了 19 億美元的雲端支出。服務範圍涵蓋北美、EMEA（歐洲、中東與非洲）及 APAC（亞太地區）超過 1,000 個企業工程團隊。

這些不是新創公司的指標，而是基礎設施公司的指標。

# 沒人在談論的平台

大多數關於企業級 AI 的對話都集中在模型本身。這家公司是用 OpenAI 還是 Anthropic？是 GPT-4、Gemini 還是 Opus？

但這正逐漸成為較不重要的問題。

更大的問題在於模型周圍的配置。是什麼系統、資料、權限與工作流程，讓 AI 在企業環境中運作時擁有真正的「記憶」與背景資訊？

Harness 認為答案在於其「軟體交付知識圖譜」（Software Delivery Knowledge Graph）。

從基礎層面來看，現代軟體交付是深度連結的。部署管線、雲端基礎設施、服務、相依性、安全政策與建置系統，彼此之間都會互相影響。但這些資訊通常散落在數十種不同的工具中，導致 AI Agent 很難完全理解工程環境內部正在發生什麼。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778639185857-iaHIHkwRBbwAAks56jpg.jpg)

Harness 正試圖透過建立一個連結所有資料的集中式知識層來解決這個問題。目標是讓 AI 系統對軟體如何被建置、部署、保護與管理，擁有更完整的理解。

這種方法最好的例子就是 2026 年 4 月推出的 Cursor 整合功能。

開發者可以留在 Cursor 內部，使用自然語言直接透過聊天介面觸發部署、執行管線或檢查治理規則。在幕後，系統會連結到一個由知識圖譜驅動、由 Harness 託管的 MCP 伺服器。

由於它使用現有的 RBAC（角色存取控制）權限，企業無需為 AI 工作流程重建存取控制或建立單獨的安全層。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778639185951-diaHIGIsPKbsAAyeRjpg.jpg)

Cursor 理解內循環，即程式碼正在做什麼；Harness 理解外循環，即程式碼如何被測試、保護、部署與管理。這個 plugin 將兩者連結起來。這就是應用於企業規模的「背景資訊工程」（context engineering）。

# 企業級驗證正在到來

一個軟體平台正成為核心基礎設施的最大跡象之一，就是大型企業開始依賴它來處理真實的生產環境工作負載。

這正是 Harness 目前的情況。

2026 年 3 月，Workday 選擇 Harness 來支援企業規模的 Agentic 程式開發軟體交付。一個月後，Infosys 宣布與 Harness 建立策略合作夥伴關係，旨在自動化跨混合雲與多雲環境中，從程式碼到生產環境的完整路徑。

大約在同一時間，Harness 也擴展了與 Google Cloud Developer Connect 的整合，並榮獲 2026 年 Google Cloud 年度技術合作夥伴獎（應用開發與 DevOps 類別）。

客戶名單持續增加。聯合航空（United Airlines）、晨星（Morningstar）和精選國際酒店（Choice Hotels）不僅僅是在測試該平台，他們正在使用 Harness 來執行生產環境中的真實軟體交付作業。

# 大多數團隊忽略的洞察

每一波重大 AI 浪潮中都會出現一個模式。

起初，每個人都關注技術中最顯眼的部分。哪個模型更好？哪個基準測試分數更高？哪個 AI 產生的結果更好？

但隨著時間推移，焦點會轉移。

人們開始意識到，僅有模型是不夠的。真正的價值來自於它周圍的基礎設施。那些提供背景資訊、安全性、治理、可觀測性、合規性與成本控制的系統。

這才是企業採用真正發生的領域。

如今，大多數前沿 AI 模型已經足以應付企業使用。對許多公司而言，在 OpenAI、Anthropic 或 Gemini 之間做選擇，已不再是最大的挑戰。

更大的挑戰在於模型周圍的一切。

你如何安全地將 AI 連結到內部系統？你如何管理部署？監控基礎設施？控制雲端成本？強制執行權限與合規規則？給予 AI 足夠的背景資訊，使其能在生產環境中安全運作？

這正是 Harness 多年來一直在建置的層級。

早在人們開始稱其為「外循環」之前，Harness 就已經專注於自動化軟體交付基礎設施。自 2017 年以來，該公司的業務已遠遠超出 CI/CD，擴展到安全測試、雲端成本優化、功能旗標（feature flagging）、資料庫變更管理、內部開發者入口網站以及治理工具。

所有這些產品都連結到同一個核心概念：最快的工程團隊並非僅僅是使用最好 AI 程式開發助手的團隊，而是那些在幕後擁有自動化、可觀測且治理完善的交付基礎設施的團隊。

AI 並沒有改變這個概念，它反而讓這件事變得更加重要。

現在，隨著 AI 產生的程式碼增加了軟體開發的速度，越來越多企業團隊意識到，他們同樣需要一個能夠管理程式碼撰寫完成後所有事務的基礎設施層。

## 未來 12 個月的展望

這筆 2.4 億美元的新融資將用於推動 Harness 的三大優先事項：改進平台、擴展全球市場，以及持續建置其 AI 軟體交付平台。

該公司目前在全球 14 個辦事處擁有超過 1,200 名員工。近期推出的 MCP 整合、Cursor plugin 以及與 Google Cloud 合作擴展的知識圖譜，都是同一策略的一部分。

Harness 希望成為連結 AI 程式開發工具與真實生產系統的基礎設施層。

執行長 Jyoti Bansal 將這個類別描述為「針對程式碼之後一切事務的 AI」。

而這個市場比傳統的 DevOps 大得多。

隨著 AI 程式開發工具使軟體產生變得更快，各地的公司都面臨同樣的問題：產生程式碼很容易，但要大規模地安全測試、部署、治理與管理這些程式碼仍然很困難。

這為 Harness 創造了巨大的機會。

幾乎每個工程團隊現在都面臨同樣的挑戰：程式碼開發速度正在提升，但軟體交付的速度卻沒有以同樣的節奏加快。那些解決了這個瓶頸的公司，將成為現代 AI 軟體堆疊中至關重要的一環。

Harness 押注的是：基礎設施，而不僅僅是 AI 模型，將定義企業軟體開發的下一個階段。

## 想法

在 2026 年，贏得企業級 AI 市場的公司並非擁有最好模型的公司，而是那些將程式碼撰寫完成後 60-70% 的工程工作自動化的公司。Harness 正是實現這一點的基礎設施層。55 億美元的估值反映出市場正開始意識到這意味著什麼。

追蹤 @techwith_ram 以獲取更多此類文章。

## 標籤

Harness, 產業趨勢, 新產品, 自動化, Deployment, Harness, Cursor, GitHub Copilot, Anthropic