21CTO导读：Anaconda 收购 KiloCode，整合能力打造跨 IDE、模型、厂商一体化企业 AI 管控平台：依托 KiloCode 多智能体编排、500 + 模型路由网关，搭配 Anaconda 包 / 环境 / 模型分发体系，可减少 30%-50% Token 消耗。该交易对标 OpenAI 等闭源厂商，坚守开源路线，补齐 AI 开发治理与智能体工程全链路能力。

Anaconda 于7月15日收购了 Kilo Code，后者是一款开源、模型无关的平台，可以将 AI 代理嵌入开发人员用于构建软件的工具中。

该交易将 Kilo 的超过 300 万开发人员社区带入 Anaconda 的不断扩大的企业 AI 平台，扩展该公司从 Python 包和生产编排到集成开发环境和命令行工作流的范围。 

但是这家公司的公告没有披露财务与相关条款。

Kilo 将继续独立运营，而不会立即更改其现有产品、定价计划或客户支持。Anaconda 表示，将在稍后宣布有关两个平台如何集成的更多详细信息。

将 AI 代理引入开发环境

Kilo Code 专为公司所谓的“代理工程”而设计，在此种情况下，AI 系统不仅仅建议单个代码行。其代理可以检查存储库、规划功能、修改文件、调查错误和执行多步骤开发任务。

该平台可跨 Visual Studio Code、JetBrains 集成开发环境、命令行界面和基于云的代理工作。它提供了多种操作模式，包括用于编写和重构软件的编码模式、用于规划复杂项目的架构模式和用于检查错误和跟踪代码库中潜在问题的调试模式。Kilo 还扩展到了自动代码审查、远程代理和与 Slack 等协作工具的集成。

这给 Anaconda 提供了一个直接的存在点，即开发人员在构建应用程序时首次与 AI 交互的位置。Anaconda 不再仅仅在团队组装 Python 环境或准备部署工作负载时进入工作流，而是现在将在代码和 AI 生成的工件创建的环境中嵌入技术。

模型无关的 AI 编码方法

Kilo 的一个更重要的特性是其拒绝将平台围绕单个 AI 模型提供商构建。其网关通过统一接口提供了超过 500 个模型的访问，涵盖了商业前沿系统、开源模型和专用替代品。

开发者可以直接选择模型或使用自动路由将不同的模型与不同的工作负载匹配。Kilo 的路由选项包括专注于模型能力、降低成本、平衡性能或免费模型的策略。因此，平台可以将更能干的模型分配给复杂的架构工作，同时使用较便宜的模型执行常规的工程任务。

Kilo 还支持从同一平台的多个开发表面，包括本地集成开发环境、移动应用程序、云代理和托管代理部署。这种更广泛的范围使其与仅限于单个编辑器中的自动完成或聊天的编码助手有所区别。

模型灵活性变得越来越重要，因为组织通过软件开发代理消费了大量的令牌。Kilo 表示，它现在每月编排近 10 万亿个令牌。在这种规模下，能够根据任务复杂性、价格和组织政策路由请求可以对成本和运营依赖产生重大影响。

扩展 Anaconda 的企业 AI 战略

该收购是 Anaconda 将自己重新定位为更广泛的 AI 本地软件开发基础的最新步骤。

Anaconda 以其 Python 分发 和包管理生态系统而闻名，该生态系统帮助开发人员安装库、解析依赖项和创建可复现的环境。其企业平台添加了对包的验证、扫描安全漏洞和管理进入开发环境的开源组件的控制。

该公司越来越多地超出了包管理范围。Anaconda 平台现在将其 Python 基础与受治理的环境和用于构建和操作生产 AI 工作流的工具相结合。其 AI 编排层提供了工作流执行、可观察性、可追溯性和基础设施支持，以帮助团队将模型从实验转移到部署的应用程序中。

Kilo 填补了该生命周期的另一个部分。Anaconda 现在可以将开发环境（其中代理接收其第一个提示）与用于运行生成的工作负载的包、模型、基础设施和编排系统连接起来。

在 Outerbounds 收购的基础上建设

Kilo 交易遵循 Anaconda 2026 年 4 月收购 Outerbounds，即最初由 Netflix 创建的开源 Metaflow 框架背后的公司。

Outerbounds 添加了生产工作流编排、工件跟踪、实验管理和可扩展计算到 Anaconda 平台。其技术旨在让数据科学家和机器学习工程师在不采用完全新的开发模型的情况下跨云、数据平台和混合基础设施移动工作负载。

通过 Outerbounds，Anaconda 获得了更多执行和观察生产 AI 系统所需的基础设施。Kilo 在开发过程的另一端添加了面向开发人员的代理层。两次收购共同为 Anaconda 提供了从初始 AI 辅助编码会话到包和模型选择、环境管理、工作流编排和生产部署的技术。

这并不意味着所有这些组件都已经作为单个产品运行。Anaconda 明确地表示，Kilo 和其受治理的包、模型和环境之间的更深层次连接是一个方向，而不是一个完全可用的功能。

治理更接近第一个提示

该收购的企业理由主要集中在可见性和控制方面。

随着开发人员通过个人帐户、单独的应用程序编程接口密钥和多个模型提供商采用 AI 编码代理，公司可能难以确定哪些模型正在使用、在哪里发送专有代码以及各个团队花费了多少钱。

Anaconda 的现有安全工具在包、模型和依赖项进入生产环境之前扫描它们。该平台还支持策略执行、审计跟踪、漏洞监控和软件和 AI 物料清单的生成，这些物料清单记录了项目中包含的组件。

将这些控制与 Kilo 连接起来，最终可以让组织在开发过程中更早地应用模型和包策略。例如，公司可以限制对未经批准的模型的访问、维护 AI 辅助开发活动的记录或将敏感工作负载定向到自托管系统。

实际价值将取决于平台集成的深度。企业治理很容易成为另一个层次的摩擦，特别是如果政策执行不佳，尤其是如果控制措施干扰了吸引开发人员使用 Kilo 的灵活性。

该收购对 Kilo 用户意味着什么

对于现有的 Kilo 用户，立即不会发生太多变化。

编码代理仍可在 VS Code、JetBrains、命令行和云环境中使用，并继续支持多个模型和提供商。

收购可为 Kilo 提供进入 Anaconda 企业分发、安全专长和与大型组织关系的途径。Anaconda 表示，其生态系统覆盖了超过 5200 万用户，并被 95% 的财富 500 强公司使用，为 Kilo 提供了进入可能以前不愿意批准独立 AI 开发工具的公司的途径。

同时，Anaconda 需要保留驱动 Kilo 采用的质量，特别是其开源根源和模型无关架构。企业集成如果限制模型选择或使产品对个人开发人员更难使用，将会破坏收购的战略逻辑的一部分。

未来的影响

该收购反映了正在发生的 AI 软件开发整合。编码代理、模型网关、包安全、工作流编排和生产治理通常作为单独的产品类别出现。Anaconda 正在尝试将这些层次结合到一个共同的平台中。

其战略现在涵盖了 AI 本地开发的三个主要阶段：Kilo 提供代理工程环境、Anaconda Core 管理包和可复现环境、Outerbounds 提供生产编排。

机会在于创建从初始提示到受治理的生产部署的更连续的路径。挑战将是将一系列收购和现有技术转变为一个连贯的平台，而不会降低开发人员的选择或引入过多的复杂性。

Kilo 的产品将在集成进行期间保持独立。

为此，本次收购的长期重要性将取决于 Anaconda 是否能够在不损害任何一方的情况下将开发人员友好的 AI 代理连接到企业安全和生产基础设施之上。

作者：聆听音乐的鱼

参考：

https://www.unite.ai/zh-cn/anaconda-acquires-kilo-code-to-expand-into-agentic-software-development