Qodo 募資 7000 萬美元盯 AI 程式碼品質

AI 寫 code 的速度很兇。問題也跟著來了。誰來查這些 code？Qodo 認為答案不是再做一個更會寫的模型，而是做一層更會查的系統。它最近拿到 7000 萬美元，想把這件事塞進企業流程。

講白了，現在不是大家不會寫 code。是 code 寫太快。OpenAI、Claude Code 這類工具一直把產出速度往上推。可是一旦產出量暴增，review 也會爆炸。

Qodo 的賭注很直接。生成是第一步。驗證才是進 production 前的門檻。這個方向聽起來不浪漫，但很務實。企業買單的，通常就是這種東西。

Qodo 為什麼押注驗證

Qodo 的核心想法很簡單。寫 code 和查 code，是兩件不同的事。模型可以很快生出一個 function。可是它不會自動知道團隊規範，也不會知道舊系統裡有哪些雷。

這件事在大型 codebase 特別明顯。你改一行，看起來沒事。可它可能會撞到舊模組，或是打破某個內部約定。人類 reviewer 也常漏掉。LLM 只靠上下文窗，更容易漏。

Qodo 的做法是把 AI agent 放進 code review、testing、governance。它不是只看 diff。它想看整體影響。這種思路，比單純抓 syntax error 更接近企業需求。

• 募資金額：7000 萬美元 Series B
• 累計募資：1.2 億美元
• 成立時間：2022 年
• 總部：紐約

創辦人 Itamar Friedman 的背景也很有意思。他之前共同創辦 Visualead，後來被 Alibaba 收購。他也在 Alibaba 管過機器視覺業務。

更早之前，他在 Mellanox 工作。那家公司後來被 Nvidia 收購。Friedman 看過硬體驗證怎麼做，所以他把那套思維搬到軟體世界。這種背景，確實比只做過 SaaS 的創辦人更懂「驗證」這件事。

它想解的，其實是信任問題

現在很多團隊都在用 AI coding 工具。可是信任沒有跟著一起長。這很正常。因為 AI 可以寫得很順，卻不保證它懂你的商業規則。

你可能會想問，既然有 code review，為什麼還需要另一層？原因很簡單。人類 reviewer 會累。AI reviewer 也會累，只是它的累表現成幻覺、漏檢，或是過度自信。

Qodo 想做的是把「公司自己的標準」放進系統。像是歷史決策、命名規則、架構習慣、風險邊界。這些東西不是一般模型訓練資料裡就會有的。

“Generating systems and verifying systems require very different approaches (different tools, different thinking).” — Itamar Friedman

這句話很直接。意思就是，會寫不代表會查。你可以把它理解成：產 code 是創作，驗 code 是審核。兩者用的腦袋本來就不同。

Qodo 也想處理另一個現實問題。AI 工具產出太多了。review 團隊如果被雜訊淹沒，最後只會一路按掉提醒。那樣就失去意義。工具要夠準，工程師才會持續用。

• Martian Code Review Bench：64.3%
• 領先第二名：超過 10 分
• 領先 Claude Code Review：25 分
• Qodo 2.0：多 agent code review 系統

這組數字很重要。benchmark 不是全部，但它至少說明一件事。Qodo 不是只在講故事。它在 code review 這塊，確實打出了可量化的成績。

Qodo 跟其他工具差在哪

現在市場上，AI coding 工具很多。大多數產品都在拼速度。autocomplete 更快。寫 function 更快。補註解更快。這些都很有用，但它們解的是「產出」問題。

Qodo 走的是另一條路。它解的是「准不准進去」的問題。這條路比較慢，也比較難賣。可是如果企業真的在意 production 安全，這條路反而比較值錢。

它的競爭對手不只是一個。像 OpenAI 和 Anthropic 都在往 coding 走。只是它們的重點還是模型能力。Qodo 則是把焦點放在企業驗證流程。

• Qodo 客戶：Nvidia、Walmart、Red Hat
• 其他客戶：Intuit、Texas Instruments、Monday.com、JFrog
• 產品重點：多 agent review
• 風險處理：跨檔案問題、邏輯 bug、組織規則

這種定位有一個好處。它更容易進 enterprise。因為企業不是只想要一個聰明助手。企業想要的是能接進流程、能配合 policy、能留下紀錄的工具。

說得更白一點，AI coding 工具很多都像副駕駛。Qodo 想當 gatekeeper。這兩個角色差很多。副駕駛幫你開快。gatekeeper 決定你能不能上路。

這筆錢代表什麼

這輪 7000 萬美元，不只是 Qodo 自己的事。它也反映 AI coding 市場正在變。第一波大家比誰寫得快。下一波會比誰查得準。

這個轉向很合理。因為 code 量一多，review 成本就會上升。你省下 30 分鐘寫 code，卻花 2 小時查 bug，那就沒什麼好炫耀的。

Friedman 把這件事稱作從 stateless AI 走向 stateful systems。這句話有點學術味，但意思不難懂。企業軟體需要記憶、規則、上下文。不是只會吐字串就夠了。

我自己的看法很直白。接下來 12 到 18 個月，真正值錢的 AI 工具，不會只是會寫。會查、會擋、會記錄，才會進到預算表。

這也會改變工程團隊的工作方式。未來不是每個人都拿 AI 亂生 code。比較像是先產出，再交給驗證層過濾。速度還是重要，但信任會更重要。

台灣團隊可以怎麼看

如果你在台灣做軟體，這件事其實很有感。很多公司已經在用 AI coding。只是 review 流程沒有跟上。結果就是 code 變多，review 壓力也變大。

尤其是金融、電商、製造、SaaS 這些場景。只要碰到權限、金流、資料流，漏一個 bug 都很痛。這時候不是看誰寫得快，而是看誰能把風險壓下來。

所以 Qodo 這種產品，真正的價值不在「更會寫」。而在「幫你少踩雷」。如果它真的能把 review 時間壓下來，同時維持品質，那就會很有市場。

我會盯三件事。第一，benchmark 能不能落地。第二，false positive 會不會太多。第三，能不能真的吃進企業既有流程。這三個過不了，再會講也沒用。

如果你是工程主管，現在就該問一個問題：團隊用 AI 生 code 之後，誰負責驗證？如果答案還是「人工慢慢看」，那你的流程很快就會卡住。這不是危言聳聽，這是現場會發生的事。

Qodo 把 7000 萬美元押在這個洞上。接下來要看的是，它能不能從 benchmark 走進真實 codebase。這才是最硬的考題。