Anthropic自建源代码控制系统Scion：日处理3万PR背后的性能困局

当一家AI公司的代码提交量达到每天3万个Pull Request时，Git还能撑住吗？Anthropic给出的答案是否定的。据科技媒体The Pulse报道，Anthropic因Git在超大规模协作场景下暴露出严重的性能瓶颈，选择自研了一套名为「Scion」的源代码控制系统，并已在实际业务中投入使用。

Git为何在3万PR/天面前失灵

Anthropic的工程团队向The Pulse透露，当代码库的协作规模攀升至每天约3万个PR时，Git的响应速度和合并效率开始明显下降。对于一个以模型训练和AI产品迭代为核心的团队而言，这种延迟会直接转化为研发节奏的损耗——等待代码合并、分支切换、历史查询的时间被不断放大，最终成为工程效率的系统性瓶颈。

报道没有披露具体的性能指标细节，但从Anthropic愿意为此投入工程资源自研一套全新系统来看，问题显然已无法通过常规的配置调优或流程改造来解决。

Git的性能瓶颈与其底层数据模型和操作方式密切相关。Git 采用内容寻址的文件系统（content-addressable filesystem），每次提交、合并、分支切换都涉及对大量对象（commit、tree、blob）的读写。在超大规模仓库中，历史越长、分支越多，git log、git blame、git merge 等操作需要遍历的对象图就越大，导致耗时呈非线性增长。此外，Git 的合并策略基于三路合并（three-way merge），当并发分支数量激增时，冲突检测和合并的计算开销会显著上升。托管平台层面，PR 的创建、审查、合并还涉及额外的元数据操作和权限校验，这些操作在高并发下同样会放大延迟。因此，当天级别达到数万 PR 时，Git 的响应速度和合并效率下降并非单一环节的问题，而是数据模型、算法和平台架构共同作用的结果。

Scion是什么：一次底层工程能力的延伸

Scion是Anthropic内部研发的新一代源代码控制系统，定位是替代或补充现有Git工作流，以支撑其高频、大规模的代码协作需求。说个细节，Anthropic并未选择将其开源。当被问及这一决定时，团队给出了回应（报道中未展开完整理由），这也意味着Scion短期内不会像Git那样成为公共基础设施。

这一选择本身值得玩味：一家以开放研究著称的AI公司，在基础设施层面选择了闭源路线，说明Scion可能与其内部训练管线、模型研发流程深度耦合，公开后既难以通用化，也可能暴露内部工程细节。

自研代码托管系统的行业信号

Anthropic并非第一家因规模问题而重构开发基础设施的公司，但「自建源代码控制系统」的门槛远高于自建CI/CD或代码审查工具。Git作为分布式版本控制的行业标准已存在多年，替换它意味着要重新解决分支模型、合并策略、权限管理、审计追踪等一系列基础问题。

这也从侧面反映出头部AI公司的代码生产强度：模型迭代、实验分支、多团队并行开发，使得传统的「Git + 托管平台」组合在极端负载下出现裂缝。如果Scion在实践中被验证有效，未来可能会有更多高强度的AI研发团队重新审视自己的版本控制底座。

自建源代码控制系统的技术门槛体现在多个层面。首先是分支模型的设计：需要决定采用集中式还是分布式分支策略，如何高效处理长生命周期分支与短生命周期分支的混合场景。其次是合并策略：除了传统的三路合并，还需考虑基于 CRDT（无冲突复制数据类型）或操作转换（OT）的实时协作合并算法，以降低高并发下的冲突概率。权限管理方面，需要实现细粒度的访问控制（如基于角色的访问控制 RBAC 或属性基加密 ABE），并保证权限变更的即时生效。审计追踪则要求系统能够不可篡改地记录每次操作，通常需要结合日志结构存储和哈希链技术。此外，存储层需要支持高吞吐的对象读写和版本快照，可能涉及分布式文件系统或对象存储的定制开发。这些基础问题的重新解决，意味着自研系统需要一支具备分布式系统、存储和编译原理等多领域知识的工程团队，投入周期往往以年计。

为什么不开源：一个待解的悬念

围绕Scion最大的悬念，是Anthropic为何选择闭源。从工程角度看，源代码控制系统天然具有强耦合性，若内部实现依赖特定的存储层、权限体系或与训练集群的联动机制，开源后的维护成本与安全风险都不可忽视。另一方面，开源也意味着要面对社区对通用性、文档和长期支持的期待，这对一个以模型研发为主业的团队而言是不小的负担。

The Pulse的报道保留了这一问题，但未给出完整答案。可以确定的是，Scion的出现说明AI公司的竞争已经从模型层延伸到工程基础设施层——谁能更高效地组织大规模代码协作，谁就可能在迭代速度上占据优势。

对开发者的启示

对大多数团队而言，日3万PR仍是遥不可及的规模，Scion的细节也难以直接复用。但这一事件提供了一个观察窗口：当协作规模越过某个临界点，通用工具的性能天花板会成为真实的业务约束，自研基础设施由此从「可选项」变为「必选项」。对于正在快速扩张的AI团队，提前评估版本控制系统的承载能力，或许比事后重构更划算。