程序员的未来：AI是否会取代高收入月薪族？

文｜光锥智能 白鸽

你知道吗？最早被人工智能替代的，竟然是程序员自己！

阿里云云原生应用平台的丁宇透露：“现在的大模型在编码方面，已经能达到高级程序员的水平，薪水可达几万元。”

其实，AI代码工具并不是新鲜玩意儿，早在前几波的人工智能浪潮中就已经开始应用了。

不过之前这些“AI代码产品”主要是辅助性质，现在却能处理复杂项目，进行长文本编辑，甚至独立完成简单的编码任务。商汤科技的小浣熊家族的技术负责人张涛这样跟光锥智能分享。

AI代码的角色已经从简单的辅助工具，变成了一个可以独立协同编码的“工程级”工具。

因此，越来越多的企业开始利用AI代码工具来降低开发成本，提高效率。到2025年，AI甚至可能会取代中级程序员哦。

Meta的创始人扎克伯格也表示：“2025年，AI的编程能力将达到中级软件工程师的水平。”他们计划从2025年起，自动化中级软件工程师的工作，把所有编程任务交给AI。

这可不是危言耸听，现在AI生成的代码在企业中的应用已经达到了惊人的水平。

比如说，谷歌的新代码中有超过25%是由AI生成的；科大讯飞的AI生成代码的采纳率也从2023年10月的30%上升到2024年6月的52%，而单元测试的覆盖率则从30%提升到50%。

AI编码这条赛道之所以这么火，正是因为“AI Coding（人工智能编程）是大模型应用中最常见、最有确定性的场景。”丁宇这样告诉光锥智能。

所以，越来越多的公司开始在AI编码领域布局，像微软、谷歌、AWS、阿里、百度等科技巨头都在前面跑。但随着同类产品的增加，竞争也变得激烈，未来该如何在这片红海中突围呢？真正实现大规模的商业化又该如何进行？

从最初的辅助到现在的协同，AI已经成为你身边的程序员同事。

在2024年8月，一个仅8岁的小女孩，Cloudflare的副总裁Ricky Robinett的女儿，用不到45分钟就开发了一款聊天机器人，吸引了180万网友的关注。

她使用的AI代码编辑器Cursor因此一夜成名，这也让AI编码再次成为行业的热议话题。

从全球来看，PitchBook的数据显示，大约有250家初创公司推出了AI编码助手。在国内，阿里、百度、腾讯、字节跳动等互联网巨头，以及科大讯飞、商汤科技等独角兽企业，甚至智谱AI等创业公司都纷纷推出相关产品。

AI代码产品如雨后春笋般涌现，正是大模型技术使得AI代码工具能力得到了实质性提升。

早期的AI代码工具主要处理简单的任务，比如根据程序员的注释自动补全代码，提供错误提示等。

如今，随着大模型的进步，AI代码工具能解决的问题越来越多，甚至可以基于已有工程进行维护和升级。“现在，它们已经能够独立完成某些研发任务。”丁宇表示。

例如，大语言模型能理解人类的自然语言指令，然后根据项目上下文，自动完成复杂的编码任务，甚至能够同时修改多个文件，执行脚本、编写测试和部署代码等。

丁宇还提到：“通义灵码最初是作为编码助手出现，主要是支持程序员自动补全代码。到2024年底，它将升级到2.0版本，成为一个协同编码助手，能够与人类程序员一起工作，感知整个项目，根据任务场景进行批量修改，能力实现了质的飞跃。”

升级后的AI程序员，代码生成的主力已经逐渐转向AI，而人类的角色主要是监督和确认。

张涛同样表示：“之前主要是人写代码，AI只负责一些简单、可预测的重复工作，而如今通过需求描述，AI能够帮助程序员完成一些中等难度的开发任务。”

而且，伴随着多模态大模型和深度推理大模型的进化，AI代码工具的能力也在不断增强。

例如，商汤的小浣熊家族的“办公小浣熊”产品，不仅支持基于大模型的数据处理和分析，还能生成数据图像和PPT，这体现了多模态能力的综合输出。

多模态输入同样至关重要。“很多工具如果仅通过文字描述来交互，往往难以准确实现需求。因为描述成文本时，信息会有损失。而且，大模型自身在语义理解上存在欠缺，像幻觉问题也限制了AI工具的能力。直接使用图像或视频等视觉方式输入到大模型中，能够更有效地完成任务。”张涛补充道。

与此同时，多模态大模型使得AI代码工具可以实现从文本生成图像，再到生成代码的全栈功能。

举个例子，设计师可以通过文字生成图像的方式设计前端视觉稿，然后直接交给Coding大模型，让它把视觉稿转化成前端界面，再根据界面功能自动生成后端代码。

丁宇强调：“目前，AI编码已经可以完成复杂的任务，消除知识技能的不对称。例如，前端和后端的代码可以一体化生成，打破了之前前后端人员的分离协作模式，大幅提升了效率。”同时，生成代码后，AI还能够自动生成测试，并返回修改好的结果。

不过，虽然AI已经能独立生成一些代码，但在实际应用中，这些代码往往不能一次性运行，仍然会存在很多bug。

浙江大学的一位AI方向在读博士生陈荣（化名）对光锥智能表示：“复杂的代码基本上都容易出现bug，很难一次性成功。从技术逻辑来看，可以理解为模型把编码当作翻译任务来处理，输出的是一串代码序列，可能没有考虑到运行环境等因素。”

造成这种情况的原因主要有两个：一是大多数人很难准确描述自己的实际需求，即使是资深程序员在编码时也常常需要反复修改；二是大模型在理解语义上存在不足，如幻觉问题等，这也限制了AI代码工具的能力范围。虽然在模型上下文允许的范围内，大模型能够理解万行级代码，但AI代码的能力边界依然很难确定。”张涛如是说。

AI编码工具：程序员的得力助手，让编程变得更简单

咱们都知道，程序员在写代码的时候总是要反复修改，而用AI生成代码的时候，其实也可以通过多次互动来减少bug的出现。

丁宇提到：“AI编码并不是一次性搞定所有，而是通过与大模型反复沟通和迭代，完成一个个小目标。在这个过程中，需要不断思考和探索。一旦通过多轮交互得到了正确的结果，AI还能自己进行测试和验证，最后把代码部署出去，真的是一条龙服务。”

虽然现在的AI代码工具还有些不足，但越来越多的公司开始尝试引入这类工具。毕竟，“便宜又好”的AI工具不仅提高了程序员的工作效率，还帮助企业节省了成本。

在大型项目中，AI的作用明显，能让程序员的效率提升超过10%呢。

大模型的进步让AI编码变得更简单，现在AI能够独立完成的编程场景主要有三类：

第一类是小型产品，比如一些日常生活中的APP助手；

第二类是内容为主的网站，代码量和难度中等，AI可以轻松搞定；

第三类是办公软件，比如Excel表格编辑和数据汇总等。

从实际应用来看，这些场景的代码量并不大，开发难度也不高，对开发者的编程知识要求也不算太严格。

总的来说，AI代码工具确实降低了编程的门槛，让很多不懂代码的人也能接触并尝试开发一些功能。

不过，虽然AI让编程变得容易了，程序员自己还是得提升能力，特别是在复杂的软件开发和大型企业系统中。

一位金融科技行业的程序员肖肖（化名）对光锥智能表示：“像公司的工程化项目，还是很难完全交给AI。因为这些项目流程复杂，需要多部门配合，而AI无法全面把控。”

所以在企业中，AI更多是在处理一些琐碎的工作，而真正的创新和全局把控还是得靠人类程序员。

张涛也说：“程序员的工作远不止生成一个小项目，面对的生产代码上下文极其复杂，代码关系也错综复杂，程序员对代码质量有自己的标准。”

这就意味着，在企业里，AI代码工具更多是个辅助角色，但也让程序员的基本能力有所提升，毕竟那些简单重复的任务，AI基本上都能搞定。

丁宇坦言：“如果让AI直接生成一家银行所有业务的10万个代码文件，它目前是办不到的。不过在大型项目中，AI通常从小任务开始，比如实现某个功能模块，或者在百万行的代码中寻找安全漏洞，做得非常快且准确。”

而且，大家都知道，对于大型企业项目来说，最怕的就是系统的不确定性，万一出现bug，那可就得不偿失了。

所以，丁宇认为：“大型工程仍然需要人类程序员来掌控软件开发过程中那些不确定的因素，比如架构设计和领域建模，把明确的内容拆分开来，比如模块开发、找漏洞、补充测试用例等，再交给AI去执行。”

尽管AI只是个辅助，但它确实为开发者和企业带来了实实在在的效率提升。

就拿阿里云来说，现在所有技术人员都在使用通义灵码，月活跃用户占比超过82%，每天AI生成的代码占总提交量的30%以上。根据这些数据，AI为开发者提升的效率大约在17.5%左右，打个折也在10%-15%之间。

丁宇说：“所以每次见到企业负责人，我都会强调通义灵码能让工程师团队提升10%以上的效率。换句话说，如果一家企业有100个工程师在用通义灵码，相当于额外增加了10个工程师的产能。”

当然，程序员的工作都有分类，比如前端和后端，如果想让一个后端程序员去做前端的工作，那得给他进行不少培训。不过现在有了AI代码工具，程序员只要问问AI，就能快速学习各种语言和平台的知识，轻松上手。“以前做一个项目可能要花两三周，现在两三天就能搞定，让员工能力提升了好几倍。”丁宇说。

而且，AI还可以帮助程序员处理更多的重复性工作，比如很多开发者都不喜欢写测试代码，这种工作会被看作是没创意的，但又不得不做。

AI代码工具能根据程序员的代码提供提示，自动生成单元测试，真正解放了开发者，让他们有更多时间去做创造性的工作。

此外，AI代码工具不仅能提高项目的显性价值，还能帮助企业维护软件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，提升质量同时还能缩短交付周期。

更有趣的是，现在AI的编码能力在借助外部工具后，已经逐渐超过中级程序员。商汤的小浣熊底层模型强化了代码解释能力，让模型能够实现自主调试和迭代。

张涛指出：“在复杂项目中，单纯依靠大模型生成代码，一次通过率不高，一般不超过20%。而办公小浣熊基于代码解释器的方案，在日常图表等任务上的通过率已经接近80%。”

AI编码的市场开始出现分化，细分场景的创新将成为成败的关键。

AI编码已成为一个经过市场验证的方向，这吸引了不少玩家进入这个领域，导致出现了许多同质化的产品。

在中国市场，各种企业，包括互联网大厂和中小企业，以及大模型创业公司，都推出了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代码产品相对较多，但各家的功能差异并不明显。“目前市场上同质化比较严重，实际上功能差不多，毕竟编程产品的目标都是解决用户的问题。”张涛表示。

不过，随着大模型技术的不断升级，AI编码赛道也正在进入“分化”的中期阶段。“从现在的AI代码赛道来看，已经开始分化出不同的实施方式。”张涛说道。

比如像Cursor这样的产品，能够基于改造后的开源IDE完成完整的编程任务；而像Bolt.new这样的产品，则以在线工具形式提供服务，用户描述需求后，AI完成网页开发，但它只能处理前端相关的技术内容。

目前，明显能看到各个产品开始寻找不同的细分场景，构建自己的产品优势，实现差异化发展——有些更擅长网页开发，有些则专注于现有项目的代码修改，还有一些则能开发小工具或者低代码应用等。

丁宇认为：“软件研发的场景非常丰富，有很多细分领域，企业可以从不同角度切入，进行场景创新或产品创新。”

而各家AI代码工具在功能上的细分，也会为它们带来商业上的不同，商业化的侧重点也各有不同。

比如商汤科技的小浣熊家族中的办公小浣熊，主要聚焦于办公工具领域，在实际商业化中，C端和B端同步推进。其中C端主要是付费订阅，B端则是企业私有化部署，目前私有化部署的客户接近40家，包括一些大型互联网公司。

不过，张涛对C端的市场潜力也持乐观态度，当前C端产品的推广超出预期。

从功能场景到商业化方向，AI编码赛道已经开始出现分化，但这并不是AI代码行业发展的终局。随着大模型技术能力不断迭代，未来AI编码将实现“自主编程”，不仅仅是辅助程序员开发项目，而是能够独立接受需求，完成完整的项目任务。

丁宇表示：“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。”