> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/ja/2026/w13-meituans-q4-earnings-and-why-the-ai-era-needs-a-unified-efficient-toolchain.md).

# W13-美団のQ4決算と、AI時代に統一された効率的なツールチェーンが必要な理由

昨年は毎四半期の決算を読み、公式アカウントの記事も参照して振り返りを書いていた。今年はCoworkのScheduleで、この仕事も自動化できる。今のAIは情報の収集、分析、整理、学城への出力まで独力で行い、その質は私自身が作るよりはるかに高い。今後は四半期ごとによいと思う情報源を補い、Scheduleを手動で実行し、分析の枠組みを安定させる。

決算を分析する重要な目的は、一つの企業を客観的に研究する方法を知ることだ。今の私にとって、美団は最も研究する価値がある。この半年で、その会社の中で会社を研究すると、かえって見えないものがあると感じた。社内にいると市場だけでなく、自分の立場、局所的な雑音、部分を全体へ直線的に延長する傾向に影響される。中にいればよくわかり、多くの内部情報を得られると思いがちだが、実際には重要な情報を外から先に得ることも多い。たとえばLongCat。Codingの出来を見て、以前は簡単に否定していた。しかし私はモデルが専門化する流れに賛成している。LongCatを詳しく理解せず判断したのは、よい研究習慣ではない。こうした点が、投資銀行のアナリストと市井の株式評論家の核心的な違いなのだろう。

***

### なぜAI時代には、統一された効率的なツールチェーンが必要なのか

先週、二つの出来事から、この問いを真剣に考えるべきだと感じた。

一つは、Evan YouがD2で、Rustで書き直した統合フロントエンドツールチェーンを引き続き推進したことだ。中心的な考えは、コードを書くことはもうボトルネックではないというもの。AIは自分のコードを繰り返し検査し、検証する。整理された効率的なツールチェーンを提供できなければ、今後の大きな生産性向上を妨げる。

もう一つは、[OpenAIがAstralの買収を発表](https://openai.com/index/openai-to-acquire-astral/)し、PythonのツールチェーンをCodexへ取り込むことだ。ある面では、[AnthropicによるBunの買収](https://www.anthropic.com/news/anthropic-acquires-bun-as-claude-code-reaches-usd1b-milestone)に似ている。Astralはuv（Pythonパッケージマネージャー）、Ruff（コード検査）、ty（型検査）の開発元だ。

折しも、終わったばかりのGTCでJeff Deanも同じような指摘をした。現在のツールの多くは人間向けに設計されている。人の操作は秒単位なので、Cコンパイラーの起動時間やAPIの応答遅延は、以前は致命的ではなかった。しかしエージェントが人の50倍の速さで動くなら、ミリ秒単位の遅延が支配的な影響を持つ。アムダールの法則（Amdahl's Law）によれば、システム全体の高速化は、速くできない部分に制限される。推論が100ミリ秒でも、ツールチェーンの初期化と呼び出しが2秒かかるなら、モデルの高速化が全体の効率へ与える効果はごく小さい。

同じ論理で、AnthropicがBunを買収する理由も説明できる。鍵は速さそのものではなく、一式の制御可能な実行環境であることだ。Bashなど従来のツールは人向けで、テキスト出力で情報を伝える。AIが必要とするのは、構造化され、雑音が少なく、解析できるフィードバックだ。ツール層自体をAgent向けに設計すれば、コンテキストを合わせ、誤りを直す費用は大きく下がる。

今の私は、これらをまとめてHarness Engineeringと理解している。その本質は、よりよいHarnessを設計することだ。限られたコンテキストとツールの能力の中で、エージェント群と少数の人間を、制御可能で、検証可能で、拡張可能なエンジニアリングシステムにする。

AIはコードを速く生成できるが、一度で正しくは書けない。実際には、依存の導入、コンパイル、lint、型検査、テスト、プログラム実行と、ツールを何度も呼ぶ。この経路が遅く、ばらばらで、予測できなければ、時間の大半は待機と不確実性に消える。

だからAI-readyな開発環境を考えるなら、Agentが継続的に動ける、整理された速く統一されたツールチェーンがあるかを確認したい。