文｜光錐智能 白鴿

程序員創(chuàng)造的AI，最先替代的是程序員。

“大模型的編碼能力，現(xiàn)在已經(jīng)具備高階程序員（月薪幾萬元）的水平了。”阿里云云原生應(yīng)用平臺負責(zé)人、通義靈碼負責(zé)人丁宇對光錐智能說道。

事實上，AI代碼工具并不是新生事物，早在上一波人工智能浪潮中就已經(jīng)開始落地應(yīng)用。

但此前，“AI代碼產(chǎn)品原本只是輔助工具，現(xiàn)如今可執(zhí)行復(fù)雜項目、長上下文本編輯，及獨立做簡單代碼任務(wù)等。”商湯科技旗下AI代碼產(chǎn)品小浣熊家族的技術(shù)負責(zé)人張濤對光錐智能說道。

從輔助到獨立寫代碼，AI代碼已經(jīng)進化為一個工程級“協(xié)同”編碼工具。

基于此，不僅有越來越多的企業(yè)開始通過AI代碼工具來實現(xiàn)程序開發(fā)的降本增效，2025年之后，AI甚至有可能將取代中級程序員。

meta創(chuàng)始人扎克伯格日前表示：“2025年，AI將達到中級軟件工程師的編程水平。”meta將在2025年開始實現(xiàn)中級軟件工程師工作自動化，最終會將其應(yīng)用程序所有編程工作外包給AI。

這并不是危言聳聽，當(dāng)前AI生成的代碼在企業(yè)中的滲透率已經(jīng)達到了一個驚人的水平。

如谷歌有超過25%的新代碼是由人工智能生成；科大訊飛內(nèi)部AI生成代碼采納率已從2023年10月份的30%，至2024年6月份漲到了52%，單元測試行覆蓋率從30%提到50%。

AI編碼賽道之所以成為大模型應(yīng)用最火熱的賽道之一，是因為“AI Coding（人工智能編程）是大模型應(yīng)用落地中最高頻剛需、最具確定性的場景，是經(jīng)過PMF（產(chǎn)品市場匹配度）驗證的領(lǐng)域。”丁宇如此對光錐智能說道。

也正因此，越來越多的企業(yè)開始布局AI編碼賽道，領(lǐng)先的科技公司如微軟、谷歌、AWS、阿里、百度等走在前列。但如此多同類型產(chǎn)品，卻也造成了同質(zhì)化的競爭，未來該如何成功突圍？如何實現(xiàn)真正的大規(guī)模地商業(yè)化落地？

從打輔助到協(xié)同作戰(zhàn)，AI真成了你的程序員同事

2024年8月，美國知名企業(yè)Cloudflare副總裁Ricky Robinett的女兒，一個僅8歲小女孩，用時45分鐘就開發(fā)了一款聊天機器人，引發(fā)180萬網(wǎng)友在線關(guān)注。

她使用的AI代碼編輯器Cursor，也一夜爆火。這也讓AI編碼賽道再次成為行業(yè)關(guān)注的焦點。

在全球范圍內(nèi)，據(jù) PitchBook 數(shù)據(jù)顯示，大約有 250 家初創(chuàng)公司推出了 AI 編碼助手。在國內(nèi)，包括阿里巴巴、百度、騰訊、字節(jié)跳動等互聯(lián)網(wǎng)大廠，科大訊飛、商湯科技等獨角獸企業(yè)，甚至AI大模型創(chuàng)業(yè)公司智譜AI等都紛紛推出相關(guān)產(chǎn)品。

AI代碼產(chǎn)品如雨后春筍般露出，是大模型給AI代碼工具能力帶來實質(zhì)性的進化。

早期AI代碼工具主要能夠執(zhí)行簡單任務(wù)，比如根據(jù)程序員的注釋，自動補全代碼，在程序員寫代碼過程中，提供代碼錯誤提示等。

隨著大模型能力的升級，AI代碼工具能夠解決的問題越來越多，比如能夠基于存量工程進行維護升級工作，“已經(jīng)能夠自主實現(xiàn)某些研發(fā)任務(wù)了。”丁宇說道。

比如，大語言模型能夠以自然語言理解人類指令，并根據(jù)工程上下文，自動完成復(fù)雜編碼任務(wù)，包括同時修改前后端多個文件，執(zhí)行腳本、編寫測試、部署代碼等。

“最開始通義靈碼是以編碼助手的形態(tài)出現(xiàn)，主要是給程序員打輔助，根據(jù)代碼上下文，幫助程序員在研發(fā)時自動補全代碼。”丁宇說道，“2024年年底通義靈碼升級到2.0的AI程序員形態(tài)，成為協(xié)同編碼助手，能夠和人類程序員協(xié)同工作，感知整個工程，根據(jù)場景任務(wù)做批量文件修改，實現(xiàn)能力的躍遷。”

而從AI代碼工具助手升級為AI程序員，前者代碼生成的主力還是人，而后者則逐漸轉(zhuǎn)向以AI為主，人類在其中主要起到監(jiān)測和確認的作用。

“此前主要是由人寫代碼，AI輔助做一些簡單的、可預(yù)測性強的、重復(fù)性的工作，而現(xiàn)在則可以通過需求描述，讓AI來理解和幫助程序員完成一些中等難度的代碼開發(fā)工作。”張濤也如此說道。

另外，隨著多模態(tài)大模型、深度推理大模型的進化，AI代碼工具的能力也在不斷完善。

商湯小浣熊家族的“辦公小浣熊”產(chǎn)品，除了可以進行基于大模型的數(shù)據(jù)處理、數(shù)據(jù)分析和文檔創(chuàng)作外，還能夠支持生成數(shù)據(jù)圖片和 PPT文件，這是一個多模態(tài)能力輸出的綜合體現(xiàn)。

多模態(tài)輸入同樣重要，“很多工具類產(chǎn)品，如果僅通過語言描述來交互，很難準確地實現(xiàn)需求，因為當(dāng)我們把內(nèi)容描述成文本時，存在語言表達上的信息損失。同時，大模型當(dāng)前自身存在的語義理解能力上的欠缺，幻覺問題等，也限制了AI代碼工具的能力邊界。直接以圖像或視頻等視覺方式輸入至大模型，則能夠更高效地完成任務(wù)。”張濤說道。

同時，多模態(tài)大模型能夠讓AI代碼工具實現(xiàn)從文生圖，到生代碼的端到端全棧功能的實現(xiàn)。

以網(wǎng)站設(shè)計為例，設(shè)計師可以通過文生圖的方式設(shè)計出前端視覺稿之后，可以直接給到Coding大模型，把視覺稿翻譯成前端界面，再根據(jù)前端界面功能大模型自動生成后端代碼。

“目前，AI編碼已經(jīng)可以完成復(fù)雜任務(wù)，消除知識技能的不對稱，比如從前端到后端可以一體化生成，打破了以前前端、后端人員和能力的分離協(xié)作模式，大幅提效。”丁宇說道，“并且在生成之后，AI編碼還可以幫助程序員自動生成測試，最終返回測試修改好的結(jié)果。”

不過，雖說AI已經(jīng)能夠自主生成一些代碼，但在實際過程中，AI所生成的代碼并不能夠一次性運行起來，其中也存在著諸多bug。

一位浙江大學(xué)AI方向在讀博士生陳榮（化名）對光錐智能表示：“復(fù)雜點的代碼都會有Bug，基本上很難一遍過，從技術(shù)邏輯上來說，可以理解為模型其實把coding當(dāng)作翻譯任務(wù)一樣來做，輸出的是一串代碼序列，可能沒考慮好代碼的運行環(huán)境等。”

這背后的原因主要有兩方面，一方面是大多數(shù)人類很難準確地描述出自己的實際需求，甚至很多資深程序員在寫代碼過程中也是需要反復(fù)修改。

另一方面，則在于大模型當(dāng)前自身理解語義能力上的欠缺，包括存在的幻覺問題，也限制了AI代碼工具的能力邊界。因此，雖然“在模型上下文窗口允許的范圍，大模型可達到萬行級代碼的理解，但AI代碼的能力邊界仍然較難界定。”張濤如此說道。

就像人類程序員需要反復(fù)修改測試代碼一樣，在AI生成代碼過程中，也可以通過與其多輪交互，來減少代碼bug的存在。

丁宇表示：“AI編碼并不是一次性生成最終結(jié)果，而是跟大模型有多輪交互迭代完成，在跟大模型聯(lián)合編碼過程中，有持續(xù)思考和推理探索的過程，在多輪交互修改結(jié)果正確后，還可以自主進行測試驗證，并對代碼進行部署使用，全生命周期完成任務(wù)。”

盡管當(dāng)前AI代碼工具產(chǎn)品仍存在一些問題，但有越來越多的企業(yè)開始引入AI代碼類工具，“便宜活兒好”的AI代碼工具不僅提高了程序員的編程效率，也實現(xiàn)了企業(yè)的降本增效。

大型項目中的“螺絲釘”，AI為程序員提效超10%

大模型給AI代碼工具帶來的進化，讓編程的門檻變得更低。

目前，AI能夠獨立實現(xiàn)自主編程的場景主要有三類：

一類是小產(chǎn)品，比如個人生活類的APP助手；

一類是以內(nèi)容為主的網(wǎng)站，其代碼量和難度適中，AI能夠自主實現(xiàn)；

一類是辦公產(chǎn)品，比如Excel表格編輯、數(shù)據(jù)匯總等。

從實際應(yīng)用來看，這些場景整體的代碼量并不高，且實際開發(fā)難度并不大，對于開發(fā)者的編程知識要求也不高。

可以說，AI代碼工具確實降低了編程的門檻，讓更多無代碼能力的人能夠接觸到代碼編程，并可以自主開發(fā)一些產(chǎn)品功能。

但是，盡管AI代碼工具降低了編程的門檻，卻需要程序員提升自身編程能力的上限，尤其是在更加復(fù)雜的軟件開發(fā)以及大型企業(yè)級系統(tǒng)軟件開發(fā)中。

一位金融科技行業(yè)的程序員肖肖（化名）對光錐智能表示：“對于一個公司的工程化項目，還是很難直接全盤交給AI，工程化項目要求的流程多，也需要多部門協(xié)作，而AI沒辦法看到全局。”

可以明顯看到，在企業(yè)中大模型做的更多地還是臟活累活，全局性及創(chuàng)新的活兒還是需要人類程序員來做。

“程序員的工作并不僅僅只是生成一個小型項目，其面對的生產(chǎn)代碼，整個項目文件上下文非常復(fù)雜，代碼關(guān)系也很繁雜，而程序員也對代碼質(zhì)量有自己的要求。”張濤說道。

這也就意味著，于企業(yè)中的程序員而言，AI代碼工具更多還是輔助性角色，但也間接地拉高了程序員工作能力的下限，畢竟簡單重復(fù)性的工作，AI基本已經(jīng)能夠搞定。

“如果讓AI直接生成一家銀行所有業(yè)務(wù)的10萬個代碼文件，它目前肯定是做不到的。”丁宇坦言，“目前在企業(yè)大型項目中，AI編碼肯定是從小任務(wù)開始，找到一個切面，如實現(xiàn)一個功能模塊，或者在一個百萬工程代碼中找安全漏洞，AI能夠做得非常準確且快速。”

另外，業(yè)內(nèi)皆知，對于大型企業(yè)項目來說，最怕存在的問題就是系統(tǒng)的不確定性，如果出現(xiàn)系統(tǒng)bug，就可能會帶來資源和經(jīng)濟上的巨額損失。

因此，在丁宇看來：“大型工程仍需要人類程序員來掌握軟件開發(fā)過程中的不確定性，比如架構(gòu)設(shè)計、領(lǐng)域建模等，把已經(jīng)確定性的內(nèi)容拆解開來，比如模塊開發(fā)、找安全漏洞、補充測試用例等，并交付給AI，讓其根據(jù)人類的指令做這些確定性的工作。”

盡管只是打輔助，AI代碼工具卻也給開發(fā)者和企業(yè)帶來了實打?qū)嵉男侍嵘?/p>

以阿里云為例，目前所有技術(shù)全員都在使用通義靈碼，月活占比超82%，每天AI生成的代碼占總提交代碼量30%以上。基于這個數(shù)據(jù)大致能夠算出來，AI對開發(fā)者提升效率大概是17.5%，打個折扣也會在10%-15%之間。

“因此，我每次見企業(yè)的負責(zé)人都會講通義靈碼能夠給工程師團隊提效10%以上。”丁宇說道，“也就是說，如果一家企業(yè)有100個工程師在使用通義靈碼，就能額外產(chǎn)出10個工程師的產(chǎn)能。”

另外，人類程序員都是有細分分類的，比如前端、后端等，如果想要讓一個后端去做前端，那可能就需要給后端工程師做大量的培訓(xùn)學(xué)習(xí)，其并不能立馬就接手前端程序員的工作。

但有了AI代碼工具后，程序員只需要問問AI，就可以輕松學(xué)習(xí)各種語言平臺的研發(fā)知識，快速上手。“以前做一個項目可能花兩三周預(yù)研，現(xiàn)在兩三天就能完成任務(wù)，讓員工實現(xiàn)1-N的能力增長。”丁宇說道。

當(dāng)然，對于AI來說，還可以幫助人類程序員做更多重復(fù)性的工作，比如很多開發(fā)者都不愿意寫測試代碼，這些在程序員角度來看屬于沒有創(chuàng)造性的工作，但卻又不得不做。

而AI代碼工具可以根據(jù)程序員的代碼作為提示詞，自動生成單元測試，真正地解放了開發(fā)者，讓開發(fā)者把精力花在更具有創(chuàng)造性的工作上。

此外，對于企業(yè)來說，除顯性價值提升外，存在的隱性價值在于，AI代碼工具能夠讓企業(yè)更容易保持軟件系統(tǒng)的高質(zhì)量且長期穩(wěn)定，其不僅能夠做單元測試的補全，還能夠自主發(fā)現(xiàn)安全漏洞并給出修復(fù)建議，提升質(zhì)量的同時，還能縮短項目交付周期。

更為有趣的是，現(xiàn)階段AI的編碼能力，借助外部工具使用，已經(jīng)逐漸趕超中級程序員，商湯小浣熊底層模型特點之一，就是在代碼解釋器能力上做了加強，讓模型能夠?qū)崿F(xiàn)自主代碼調(diào)試迭代。

“在復(fù)雜項目中，單純依靠大模型推理生成代碼，一次性通過率不高，一般不超過20%。”張濤說道，“而辦公小浣熊基于代碼解釋器方案，在日常圖表等能力上，代碼通過率已經(jīng)接近80%。”

AI編碼賽道開始分化，細化場景的創(chuàng)新決定成敗

AI編碼已經(jīng)是一個通過PMF驗證的落地方向，這也導(dǎo)致眾多玩家切入這一賽道，出現(xiàn)眾多同質(zhì)化類型的產(chǎn)品。

目前，在中國市場中眾多企業(yè)，包括互聯(lián)網(wǎng)大廠、中小企業(yè)，及大模型創(chuàng)業(yè)公司，都紛紛推出了AI代碼產(chǎn)品，比如阿里云的通義靈碼、百度的文心快碼、字節(jié)跳動的豆包 MarsCode、騰訊云AI代碼助手、智譜AI的CodeGeeX等等。

盡管AI代碼產(chǎn)品眾多，但各家在提供的功能能力上差別并不是很大，“目前市場中同質(zhì)化比較嚴重，功能實際上差不多，畢竟編程產(chǎn)品希望能夠解決用戶的問題是一樣的。”張濤說道。

不過，隨著大模型技術(shù)的迭代升級，AI編碼賽道也邁入了“分化”的中期階段。“從當(dāng)前AI代碼賽道來講，已經(jīng)開始分化出不同的實現(xiàn)方式。”張濤說道。

像Cursor這樣的產(chǎn)品，能夠基于自己改造的開源IDE，做完整的任務(wù)編程；也有像Bolt.new這樣的產(chǎn)品，以線上工具的形式使用，用戶描述需求，AI完成網(wǎng)頁開發(fā)，但它只能實現(xiàn)前端技術(shù)棧相關(guān)內(nèi)容等。

現(xiàn)階段可以明顯看到，各個產(chǎn)品已經(jīng)開始找到不同的細分場景并構(gòu)建自己的產(chǎn)品優(yōu)勢，實現(xiàn)差異化發(fā)展——有的更擅長做網(wǎng)頁開發(fā)，有的則更擅長做已有項目的一些代碼修改任務(wù)，還有的可以做一些小工具的開發(fā)，或低代碼工作等。

丁宇也認為：“軟件研發(fā)存在非常多場景，有很多細分領(lǐng)域，企業(yè)可以從不同的切入點切入，做細分場景的創(chuàng)新或產(chǎn)品形態(tài)的創(chuàng)新。”

而各家AI代碼工具產(chǎn)品在功能場景上的細分，也會給各家產(chǎn)品帶來商業(yè)上的差異，不同企業(yè)的商業(yè)化側(cè)重點也并不完全相同。

比如商湯科技小浣熊家族中辦公小浣熊產(chǎn)品主要聚焦在辦公工具類賽道，在實際的商業(yè)化落地中，則是C端和B端同步進行。

其中C端主要以付費訂閱為主，B端以企業(yè)進行私有化部署為主，“目前私有化部署客戶接近40家，包含體量比較大的互聯(lián)網(wǎng)廠商等。”

不過，張濤同樣看好C端賽道的市場潛力，現(xiàn)階段C端產(chǎn)品的推廣超預(yù)期。

從場景功能，到商業(yè)化落地方向，AI編碼賽道都已經(jīng)開始出現(xiàn)分化，但這并不是AI代碼行業(yè)發(fā)展的終局形態(tài)。

隨著大模型技術(shù)能力的持續(xù)迭代，下一步AI代碼將實現(xiàn)“自主編程”，即不僅僅輔助程序員開發(fā)項目，而是能夠自主接受獨立的需求，完成完整的項目任務(wù)。

“未來一定會走向AI 自主編程，這也意味著將為企業(yè)和開發(fā)者帶來10倍的IT生產(chǎn)力提升。”丁宇說道。