文 | 光锥智能，作者｜白鸽，编辑｜王一粟
你知道吗？程序员们创造的AI，最开始竟然是来替代他们自己的工作。
阿里云的丁宇告诉光锥智能：“现在的大模型编码能力，已经能达到高阶程序员的水平，月薪几万的那种。”
说实话，AI代码工具并不是什么新鲜玩意儿，早在前几波人工智能浪潮中，它就已经开始被应用了。
不过以前的AI代码产品，基本上只是个小帮手，现在可不一样了！它们不仅能处理复杂项目，还能编辑长文本，甚至独立完成一些简单的代码任务。商汤科技的小浣熊家族技术负责人张涛告诉光锥智能。
从一开始的辅助角色，到如今能独立写代码，AI代码工具已经进化成一个工程级的“协同”编码助手。
因此，越来越多的公司开始借助这些AI工具来降低开发成本和提高效率，而到2025年，AI甚至可能会取代中级程序员。
Meta的创始人扎克伯格最近说：“到2025年，AI将具备中级软件工程师的编程能力。”他们计划从2025年起实现中级软件工程师工作的自动化，最终让AI来处理所有的编程任务。
这可不是危言耸听，AI生成的代码在企业中的应用已经达到一个惊人的程度。
比如，谷歌的新代码中有超过25%是AI生成的；科大讯飞的AI生成代码采纳率从2023年10月的30%提高到2024年6月的52%，单元测试覆盖率也从30%提升到了50%。
AI编码领域之所以如此火热，是因为“AI Coding（人工智能编程）是大模型应用中需求最为频繁、最具确定性的场景，经过产品市场匹配度（PMF）验证的领域。”丁宇对光锥智能说道。
正因如此，越来越多的公司开始布局AI编码领域，像微软、谷歌、AWS、阿里、百度等科技巨头走在了前列。但同类产品如此众多，竞争也变得同质化，未来如何脱颖而出？如何实现真正的大规模商业化？
2024年8月，在美国一位8岁的小女孩，仅用45分钟就开发了一款聊天机器人，吸引了180万网友的关注。
她用的AI代码编辑器Cursor，瞬间走红。这让AI编码领域再次成为大家热议的焦点。
在全球范围内，根据PitchBook的数据，约有250家初创公司推出了AI编码助手。在国内，像阿里巴巴、百度、腾讯、字节跳动等互联网巨头，科大讯飞、商汤科技这些独角兽企业，以及AI大模型创业公司智谱AI等都纷纷推出类似的产品。
AI代码产品的涌现，标志着大模型为AI代码工具的能力带来了实质性的升级。
早期的AI工具主要是用来执行一些简单的任务，比如根据程序员的注释自动补全代码，提供错误提示等。
但随着大模型能力的提升，AI工具能够解决的问题也越来越多，甚至能基于现有的工程进行维护和升级，丁宇说：“它们已经能够自主完成某些研发任务了。”
例如，大语言模型能够理解人类的自然语言指令，根据上下文自动完成复杂的编码任务，包括同时修改多个前后端文件、执行脚本、编写测试和部署代码等等。
丁宇提到：“最初通义灵码是作为编码助手出现，主要是帮助程序员根据上下文自动补全代码。”他说，“到2024年底，通义灵码将升级到2.0版本，成为协同编码助手，能够与程序员共同工作，感知整个工程，根据场景任务进行批量文件修改，能力得到飞跃。”
从AI代码工具助手到AI程序员的转变，前者主要依赖人类生成代码，而后者则逐渐转向以AI为主导，人类的作用更多是监测和确认。
张涛也表示：“之前主要是人来写代码，AI辅助做一些简单、可预测性强的工作，而现在可以通过需求描述，让AI理解并帮助程序员处理一些中等难度的代码开发任务。”
而随着多模态大模型和深度推理大模型的进步，AI代码工具的能力也在持续完善。
商汤的小浣熊家族的“办公小浣熊”产品，不仅能进行大模型的数据处理、分析和文档创作，还能生成数据图片和PPT文件，体现了多模态能力的综合输出。
多模态输入同样重要，张涛指出：“很多工具产品如果仅通过语言描述进行交互，很难准确实现需求，因为用文字描述时会有信息损失。而大模型本身对语义的理解能力也有限，幻觉问题等限制了AI代码工具的能力边界。直接用图像或视频输入至大模型，可以更高效地完成任务。”
同时，多模态大模型让AI代码工具能够实现从文字生成图像，再到生成代码的全栈功能。
比如在网站设计中，设计师可以通过文字描述设计出前端视觉稿，然后直接交给Coding大模型，将视觉稿转化为前端界面，再根据前端功能自动生成后端代码。
丁宇说：“目前，AI编码已经能完成复杂任务，打破了知识技能的不对称，比如前端和后端可以一体化生成，解决了以前前端与后端人力资源的分离协作模式，极大地提升了效率。”他补充道：“而在生成之后，AI编码还可以自动生成测试，并返回修改后的测试结果。”
当然，尽管AI现在能独立生成一些代码，但在实际操作中，这些代码往往不能一次就运行成功，仍然存在许多bug。
浙江大学一位正在攻读AI方向的博士生陈荣（化名）对光锥智能表示：“复杂的代码通常都有bug，很难一次性通过。从技术逻辑上看，模型其实是把编码当作翻译任务来完成，输出的是一串代码序列，可能没有考虑到代码的运行环境等。”
造成这种情况的原因主要有两个方面，一是大多数人很难准确描述自己的实际需求，甚至很多资深程序员在写代码时也需要反复修改。
另一方面，大模型自身对语义的理解能力尚有欠缺，幻觉问题等限制了AI代码工具的能力，因此虽然在模型的上下文窗口允许的范围内，大模型可理解万行级代码，但AI代码的能力边界依然很难界定。”张涛说道。
就像人类程序员在测试代码时需要不断修改一样，AI生成代码的过程也可以通过与它进行多轮交互，来减少bug的出现。
丁宇表示：“AI编码并不是一次性生成最终结果，而是通过与大模型多轮交互迭代完成。在这个过程中，有持续的思考和推理探索，经过多次交互确认结果的正确后，AI还可以进行自主测试验证，并对代码进行部署，完成任务的全生命周期。”
尽管目前AI代码工具仍存在一些问题，但越来越多的企业开始引入这类工具。“便宜又好”的AI代码工具不仅提升了程序员的编程效率，也让企业实现了降本增效。
大型项目中的“螺丝钉”，AI为程序员提效超10%
大模型的进化让AI代码工具的门槛变得更低。
现在，AI能够独立编程的场景主要有三种：
- 一种是小型产品，比如个人生活类APP助手；
- 一种是以内容为主的网站，代码量和难度适中，AI能够自主实现；
- 另一种是办公产品，比如Excel表格编辑、数据汇总等。
从实际应用来看，这些场景整体代码量并不是很大，开发难度也不高，对开发者的编程知识要求也相对较低。
可以说，AI代码工具的确降低了编程的门槛，让更多没有编程能力的人也能接触到编程，并自主开发一些产品功能。
AI代码工具：程序员的好帮手，但仍需人类智慧
虽然AI代码工具让编程变得简单了不少，但在更复杂的软件开发和大型企业项目中，程序员的技能水平还是得不断提升。比如，金融科技行业的程序员肖肖（化名）就提到：“对于公司的工程项目，光靠AI可不行，工程需要很多流程和部门的配合，而AI很难全面理解这些。”
从实际情况来看，企业里的大模型往往负责那些繁琐的工作，而涉及全局和创新的任务，还是得由人来完成。
张涛也表示：“程序员的工作可不仅仅是生成一个小项目，面对的生产代码和项目文件间的关系非常复杂，他们对代码质量也有着严格的要求。”
这就意味着，在企业环境中，AI代码工具更多是个助手，虽然它能提高程序员的工作效率，但真正的技术挑战仍然需要人类来面对。毕竟，AI已经能够处理那些简单重复的任务了。
丁宇也坦诚：“如果让AI一口气生成一家银行的10万个代码文件，它肯定做不到。现在在大型项目中，AI的编码任务还是得从小处着手，比如实现某个功能模块，或者在百万行代码中找安全漏洞，这些AI能做得很快且准确。”
另外，大家都知道，大型企业项目最怕的就是系统的不确定性，出现bug可就要损失惨重了。
所以，丁宇认为：“大型工程还是得有程序员来把控开发过程中的不确定性，比如架构设计和领域建模等，把已经确定的部分分解开来，像模块开发、找安全漏洞、补充测试用例这些，就可以交给AI去做。”
虽然AI只是起到辅助作用，但它确实给开发者和企业带来了效率上的提升。
以阿里云为例，所有技术人员都在使用通义灵码，月活跃用户超过82%，而AI生成的代码占总提交量的30%以上。根据这些数据，AI大概能提升开发者约17.5%的效率，算上折扣也在10%-15%之间。
丁宇还表示：“每次我和企业负责人交流时，都会提到通义灵码能为工程师团队带来10%以上的效率提升。换句话说，如果一家公司有100名工程师在使用这个工具，就相当于多出10名工程师的工作量。”
再说到程序员的分类，比如前端和后端，想让一个后端工程师突然转行做前端，那可得付出不少培训的时间，不能立刻接手前端的工作。
但是有了AI代码工具，程序员只需询问AI，就能轻松掌握各种语言和平台的研发知识，快速上手。“以前做一个项目可能需要两三周的预研，现在两三天就能搞定，员工的能力提升可谓是1-N的增长。”丁宇说道。
当然，AI也可以帮助程序员完成那些重复性较高的工作，比如很多开发者不喜欢写测试代码，觉得这没什么创意，但又不得不做。
而AI代码工具能够根据程序员的代码生成单元测试，真正解放了开发者的双手，让他们能把精力放在更具创意的工作上。
此外，对企业来说，AI代码工具的隐性价值在于，能够帮助保持软件系统的高质量和长期稳定，它不仅能补全单元测试，还能自主发现安全漏洞并提出修复建议，这样既提升了质量，也缩短了项目交付周期。
更有趣的是，现阶段AI的编码能力已经逐渐接近中级程序员，通过外部工具的应用，商汤的小浣熊模型在代码解释能力上也有了增强，可以自主进行代码调试和迭代。
张涛提到：“在复杂项目中，单靠大模型推理生成的代码一次性通过率并不高，一般不超过20%。”而办公小浣熊在日常图表等功能上的代码通过率接近80%。
AI编码赛道正在分化，场景创新将决定成败
AI编码已经被验证是一个可行的方向，因此很多企业纷纷进入这一领域，各种同质化的产品层出不穷。
如今，国内的市场上，不少企业，包括互联网巨头、中小企业以及大模型创业公司，都推出了自己的AI代码产品，比如阿里云的通义灵码、百度的文心快码、字节跳动的豆包MarsCode、腾讯云的AI代码助手、智谱AI的CodeGeeX等等。
虽然AI代码产品相当多，但在功能上其实差别不大，“现在市场上的同质化现象比较严重，大家的功能大同小异，毕竟编程产品的目的都是为了帮助用户解决问题。”张涛说。
不过，随着大模型技术的不断更新迭代，AI编码赛道也进入了分化的中期阶段。张涛表示：“现在AI编码的产品已经开始分化出不同的实现方式。”
像Cursor这样的产品，能够基于自改造的开源IDE，完成完整的任务编程；还有Bolt.new这样的产品，作为线上工具使用，用户只需描述需求，AI就能完成网页开发，但它只能处理前端相关的内容。
目前，各个产品已经开始找到不同的细分场景，构建自己的产品优势，形成差异化的发展——有些更擅长网页开发，有些则专注于已有项目的代码修改，还有的可以做一些小工具的开发或低代码工作等。
丁宇指出：“软件研发有很多细分场景，企业可以从不同的切入点入手，进行细分场景的创新或产品形态的创新。”
而各家的AI代码工具在功能上的细分，将给不同的产品带来商业上的差异，各企业的商业化侧重点也不尽相同。
例如，商汤科技的小浣熊家族中，办公小浣熊产品主要集中在办公工具领域，在实际商业化中，既面向C端也兼顾B端。“目前私有化部署的客户已经接近40家，包括一些大型互联网公司。”
不过，张涛也看好C端市场的潜力，现阶段C端产品的推广效果超出了预期。
从场景功能到商业化方向，AI编码赛道的分化已经开始，但这并不是AI代码行业发展的终点。
随着大模型技术能力的持续提升，未来AI编码将实现“自主编程”，不仅仅是辅助程序员完成项目，而是能独立接受需求，完成完整的项目任务。
“未来一定会走向AI自主编程，这将为企业和开发者带来十倍的IT生产力提升。”丁宇说。
