AI 编码工具改变了什么，又没改变什么
AI 编码工具把软件开发变成了实时创作过程。Cursor、GitHub Copilot、Anthropic Claude Code 能在几秒内生成生产就绪代码。瓶颈不再是写软件。
真正的挑战在代码生成之后开始。
测试、安全、部署、合规、可观测性、云成本控制、生产可靠性——仍然依赖跨几十个企业工具的碎片化工作流。AI 加速了开发者内循环，但围绕软件交付的运营层仍然痛苦地手动。
这就是 Harness 定位要解决的 gap：构建一个 AI-native 企业软件交付栈，不只是生成代码，而是在规模上运行、保护、优化和治理代码。
AI Velocity Paradox
Harness CEO Jyoti Bansal 给每个工程领导现在悄悄处理的问题起了个名字：AI Velocity Paradox。
内循环（写代码）正在变得快 10 倍。外循环（代码之后的一切）卡在 2020 年的水平。
当只有系统的一部分变快时，你不会得到更快的软件交付。你只是创造了一个更大的 backlog，等待被审查、保护、部署和管理。
大多数工程团队已经在代码周围的事情上花了比写代码本身更多的时间：部署、安全检查、修复事故、管理基础设施、控制云成本。AI 编码工具不会减少那个工作量。
事实上，随着 Cursor 和 GitHub Copilot 帮助开发者更快生成代码，软件管道其余部分的压力只增不减。更多代码意味着更多系统需要测试、保护、部署、监控和优化。
Harness 的解法：不是另一个 AI 聊天机器人
Harness 不是通过为开发者构建另一个 AI 聊天机器人来解决问题，而是通过自动化软件团队每天依赖的基础设施和运营层。
融资与指标
2025 年 12 月，Goldman Sachs 领投 2.4 亿美元 E 轮，估值 55 亿美元——比 2022 年 D 轮的 37 亿美元跳升 49%。包括 IVP、Menlo Ventures、Unusual Ventures，以及 4,000 万美元要约收购给长期员工提供流动性。
数字讲述故事：
- 2025 年 ARR 预计超 2.5 亿美元
- 同比增长 50%+
- 1.28 亿次部署
- 8,100 万次构建
- 1.2 万亿次 API 调用保护
- 19 亿美元云支出优化
- 北美、EMEA、APAC 超过 1,000 家企业工程团队
这些不是 startup 指标。这些是基础设施公司指标。
Software Delivery Knowledge Graph
大多数企业 AI 对话聚焦模型本身：用 OpenAI 还是 Anthropic？GPT-4、Gemini 还是 Opus？
但这个问题正在变得不那么重要。更大的问题是模型周围坐着什么。什么系统、数据、权限和工作流给 AI 在企业环境中操作的真实上下文？
Harness 相信答案是它的 Software Delivery Knowledge Graph。
现代软件交付是深度连接的。部署管道、云基础设施、服务、依赖、安全策略、构建系统都相互影响。但这些信息通常活在几十个独立工具里，让 AI Agent 难以完全理解工程环境内部发生了什么。
Harness 通过创建连接所有这些数据的集中知识层来解决这个问题。目标是给 AI 系统一个更完整的理解：软件如何被构建、部署、保护和管理。
Cursor 集成：内循环 + 外循环
2026 年 4 月推出的 Cursor 集成是最佳示例。
开发者可以留在 Cursor 内，用自然语言触发部署、运行管道或检查治理规则——直接从 chat。背后，系统连接到 Harness 托管的、由 Knowledge Graph 驱动的 MCP server。
因为它使用现有 RBAC 权限，公司不需要重建访问控制或为 AI 工作流创建单独的安全层。
Cursor 理解内循环——代码在做什么。Harness 理解外循环——代码如何被测试、保护、部署和管理。插件连接两者。这就是企业规模上的上下文工程。
企业采用信号
一个软件平台成为核心基础设施的最大标志之一，是大型企业开始依赖它运行真实生产工作负载。
Harness 正在发生这种事：
- 2026 年 3 月：Workday 选择 Harness 支持企业规模的 agentic AI 软件交付
- 2026 年 4 月：Infosys 宣布与 Harness 战略合作，自动化从代码到生产的完整路径，跨混合和多云环境
- 同期：Harness 扩展与 Google Cloud Developer Connect 的集成，获 2026 Google Cloud Technology Partner of the Year Award（应用开发和 DevOps）
- 客户名单持续增长：United Airlines、Morningstar、Choice Hotels——不只是测试平台，而是用 Harness 运行真实生产环境中的软件交付操作
模式：从模型到基础设施
每个主要 AI 浪潮中都出现一个模式。
起初，每个人聚焦技术最可见的部分：哪个模型更好？哪个 benchmark 分数更高？哪个 AI 生成更好结果？
但随着时间，焦点转移。人们开始意识到模型 alone 不够。真正的价值来自围绕它的基础设施：提供上下文、安全、治理、可观测性、合规和成本控制的系统。
那就是企业 adoption 实际发生的地方。
今天，大多数 frontier AI 模型对企业使用已经足够好。对许多公司来说，在 OpenAI、Anthropic 或 Gemini 之间选择不再是最大挑战。
更大的挑战是模型周围的一切：如何安全连接 AI 到内部系统？如何管理部署？监控基础设施？控制云成本？强制执行权限和合规规则？给 AI 足够上下文以在生产环境中安全操作？
这就是 Harness 多年来一直在构建的层。
早在人们开始叫它"外循环"之前，Harness 就已经聚焦自动化软件交付基础设施。自 2017 年以来，公司已从 CI/CD 扩展到安全测试、云成本优化、功能标记、数据库变更管理、内部开发者门户和治理工具。
所有这些产品连接到同一个理念：最快的工程团队不只是使用最好 AI 编码助手的团队。他们是背后有自动化、可观测、良好治理的交付基础设施的团队。
AI 没有改变那个理念。它让它更重要。
未来：基础设施定义下一阶段
新的 2.4 亿美元融资用于推进三个主要优先事项：改进平台、全球扩张、继续构建 AI 软件交付平台。
公司现在在全球 14 个办公室拥有超过 1,200 名员工。最近的 MCP 集成、Cursor 插件、Knowledge Graph 与 Google Cloud 的扩展，都是同一战略的一部分。
Harness 想成为连接 AI 编码工具到真实生产系统的基础设施层。
CEO Jyoti Bansal 把这个类别描述为 "代码之后的一切的 AI"。
这个市场比传统 DevOps 大得多。
随着 AI 编码工具让软件生成更快，各地公司都遇到同样的问题：生成代码容易，但在规模上安全测试、部署、治理和管理代码仍然困难。
这为 Harness 创造了巨大机会。
几乎每个工程团队现在都面临同样挑战：代码速度在增加，但软件交付没有以同样速度加快。解决那个瓶颈的公司将成为现代 AI 软件栈的关键部分。
Harness 打赌基础设施——不只是 AI 模型——将定义企业软件开发的下一阶段。
2026 年赢得企业 AI 的公司不是拥有最好模型的公司。他们是自动化了代码之后 60-70% 工程工作的公司。Harness 是让那成为可能的基础设施层。55 亿美元估值反映了市场开始意识到那意味着什么。