3 月 30 日，以色列程式碼驗證新創公司 Qodo 完成了 7000 萬美元 B 輪融資，總融資額達到 1.2 億美元。
這筆錢是在一個很有意思的時間點拿到的。
為什麼驗證成了問題
現在 AI 程式碼工具的核心問題已經不是能不能生成程式碼，而是生成的程式碼能不能直接合併到生產環境。
Qodo 的判斷是：程式碼生成已經不是瓶頸，信任才是。
在有 AI 程式碼工具之前，合併程式碼的流程通常是：寫程式碼 → PR → code review → merge。每一步都有人盯著，品質控制是自然嵌入其中的。
AI 程式碼工具讓寫程式碼這一步快了 10 倍，但 review 和驗證的速度沒跟上。結果是工程師對 AI 生成的程式碼施加了更嚴格的驗證——反而造成了新的瓶頸。
每月 AI 程式碼工具生成的程式碼量以數十億行計，這些程式碼都需要有人或有系統負責把關。
Qodo 在做什麼
Qodo 不是又一個 AI 程式碼助手，而是一個獨立的驗證層。
技術上，它是一套多 agent 架構：
- Bug 檢測 agent：找出邏輯錯誤和安全漏洞
- 合規檢查 agent：對照企業自訂的程式碼規範
- 架構驗證 agent：評估改動對整個程式碼庫的影響
它做的不是看這個 PR 本身改了什麼，而是分析這個改動在整個依賴圖裡會引發什麼連鎖反應——這是傳統程式碼審查工具做不到的。
最近發佈的 Qodo 2.0 是多 agent 版本，在 Martian 的 Code Review Bench 測試裡排名第一，得分 64.3%。
誰在用
企業客戶名單夠看：NVIDIA、Walmart、Red Hat、Intuit、JFrog、Texas Instruments。
這些不是在做實驗的公司，是在用 AI tools 跑真實生產程式碼的公司。他們在用 Qodo 說明什麼？說明光靠 Claude Code 或者 GitHub Copilot 生成程式碼還不夠，你還需要一道獨立的驗證關卡。
背後的市場邏輯
這個賽道的邏輯和測試行業類似：程式碼越多，bug 的潛在風險越大，驗證的價值越高。
當 AI 把程式碼生產速度提升一個數量級，bug 的絕對數量也會同比增加——除非驗證環節也用 AI 來加速。
Qodo 聯合創辦人 Itamar Friedman 說得很直接：我們在構建的是程式碼品質和信任的系統性記錄，因為企業正在從 AI 實驗走向任務關鍵型自動化。
從實驗到生產，中間那道門叫信任。
參考來源：CocoLoop、Qodo raises $70M for code verification as AI coding scales（TechCrunch）；AI-generated code verification startup Qodo raises $70M（SiliconAngle）