月入幾萬的程序員，要被 AI 取代了？

圖片來源：由無界AI生成

程序員創造的AI，最先替代的是程序員。

事實上，AI代碼工具並不是新生事物，早在上一波人工智能浪潮中就已經開始落地應用。

但此前，“AI代碼產品原本只是輔助工具，現如今可執行複雜項目、長上下文本編輯，及獨立做簡單代碼任務等。”商湯科技旗下AI代碼產品小浣熊家族的技術負責人 張濤對光錐智能說道。

基於此，不僅有越來越多的企業開始通過AI代碼工具來實現程序開發的降本增效，

Meta創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年開始實現中級軟件工程師工作自動化，最終會將其應用程序所有編程工作 外包給AI。

如穀歌有超過25%的新代碼是由人工智能生成；科大訊飛內部AI生成代碼採納率已從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%。

也正因此，越來越多的企業開始佈局AI編碼賽道，領先的科技公司如微軟、谷歌、AWS、阿里、百度等走在前列。 但如此多同類型產品，卻也造成了同質化的競爭，未來該如何成功突圍？ 如何實現真正的大規模地商業化落地？

從打輔助到協同作戰，AI真成了你的程序員同事

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

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關注的焦點。

在全球範圍內，據 PitchBook 數據顯示，大約有 250 家初創公司推出了 AI 編碼助手。 在國內，包括阿里巴巴、百度、騰訊、字節跳動等互聯網大廠，科大訊飛、商湯科技等獨角獸企業，甚至AI大模型創業公司智譜AI等都紛紛推出相關產品。

早期AI代碼工具主要能夠執行簡單任務，比如根據程序員的註釋，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。

比如，大語言模型能夠以自然語言理解人類指令，並根據工程上下文，自動完成複雜編碼任務，包括同時修改前後端多個文件，執行腳本、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出現，主要是給程序員打輔助，根據代碼上下文，幫助程序員在研發時自動補全代碼。”丁宇說道，“2024年年底 通義靈碼升級到2.0的AI程序員形態，成為協同編碼助手，能夠和人類程序員協同工作，感知整個工程，根據場景任務做批量文件修改，實現能力的躍遷。”

“此前主要是由人寫代碼，AI輔助做一些簡單的、可預測性強的、重複性的工作，而現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 的代碼開發工作。”張濤也如此說道。

商湯小浣熊家族的“辦公小浣熊”產品，除了可以進行基於大模型的數據處理、數據分析和文檔創作外，還能夠支持生成數據圖片和PPT文件，這是一個多模態能力 輸出的綜合體現。

多模態輸入同樣重要，“很多工具類產品，如果僅通過語言描述來交互，很難準確地實現需求，因為當我們把內容描述成文本時，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。” 張濤說道。

以網站設計為例，設計師可以通過文生圖的方式設計出前端視覺稿之後，可以直接給到Coding大模型，把視覺稿翻譯成前端界面，再根據前端界面功能大模型自動生成後 端代碼。

“目前，AI編碼已經可以完成複雜任務，消除知識技能的不對稱，比如從前端到後端可以一體化生成，打破了以前前端、後端人員和能力的分離協作模式，大幅提效 。”丁宇說道，“並且在生成之後，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果。”

不過，雖說AI已經能夠自主生成一些代碼，但在實際過程中，AI所生成的代碼並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AI方向在讀博士生陳榮（化名）對光錐智能表示：“複雜點的代碼都會有Bug，基本上很難一遍過，從技術邏輯上來說，可以理解為模型其實 把coding當作翻譯任務一樣來做，輸出的是一串代碼序列，可能沒考慮好代碼的運行環境等。”

就像人類程序員需要反復修改測試代碼一樣，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編碼並不是一次性生成最終結果，而是跟大模型有多輪交互迭代完成，在跟大模型聯合編碼過程中，有持續思考和推理探索的過程，在多 輪交互修改結果正確後，還可以自主進行測試驗證，並對代碼進行部署使用，全生命週期完成任務。”

儘管當前AI代碼工具產品仍存在一些問題，但有越來越多的企業開始引入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 了企業的降本增效。

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能夠獨立實現自主編程的場景主要有三類：

一類是小產品，比如個人生活類的APP助手；

一類是以內容為主的網站，其代碼量和難度適中，AI能夠自主實現；

一類是辦公產品，比如Excel表格編輯、數據匯總等。

從實際應用來看，這些場景整體的代碼量並不高，且實際開發難度並不大，對於開發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，並可以自主開發一些產品功能。

一位金融科技行業的程序員肖肖（化名）對光錐智能表示：“對於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 多部門協作，而AI沒辦法看到全局。”

“程序員的工作並不僅僅只是生成一個小型項目，其面對的生產代碼，整個項目文件上下文非常複雜，代碼關係也很繁雜，而程序員也對代碼質量有自己的要求。” 張濤說道。

“如果讓AI直接生成一家銀行所有業務的10萬個代碼文件，它目前肯定是做不到的。”丁宇坦言，“目前在企業大型項目中，AI編碼肯定是從小任務開始， 找到一個切面，如實現一個功能模塊，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，業內皆知，對於大型企業項目來說，最怕存在的問題就是系統的不確定性，如果出現系統bug，就可能會帶來資源和經濟上的巨額損失。

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過程中的不確定性，比如架構設計、領域建模等，把已經確定性的內容拆解開來， 比如模塊開發、找安全漏洞、補充測試用例等，並交付給AI，讓其根據人類的指令做這些確定性的工作。”

以阿里雲為例，目前所有技術全員都在使用通義靈碼，月活佔比超82%，每天AI生成的代碼佔總提交代碼量30%以上。

“因此，我每次見企業的負責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，如果一家企業有100個工程師在使用通 義靈碼，就能額外產出10個工程師的產能。”

另外，人類程序員都是有細分分類的，比如前端、後端等，如果想要讓一個後端去做前端，那可能就需要給後端工程師做大量的培訓學習，其並 不能立馬就接手前端程序員的工作。

但有了AI代碼工具後，程序員只需要問問AI，就可以輕鬆學習各種語言平台的研發知識，快速上手。 “以前做一個項目可能花兩三週預研，現在兩三天就能完成任務，讓員工實現1-N的能力增長。”丁宇說道。

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

此外，對於企業來說，除顯性價值提升外，存在的隱性價值在於，AI代碼工具能夠讓企業更容易保持軟件系統的高質量且長期穩定，其不僅能夠做單元測試的補 全，還能夠自主發現安全漏洞並給出修復建議，提升質量的同時，還能縮短項目交付週期。

更為有趣的是，現階段AI的編碼能力，借助外部工具使用，已經逐漸赶超中級程序員，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， 讓模型能夠實現自主代碼調試迭代。

AI編碼賽道開始分化，細化場景的創新決定成敗

AI編碼已經是一個通過PMF驗證的落地方向，這也導致眾多玩家切入這一賽道，出現眾多同質化類型的產品。

目前，在中國市場中眾多企業，包括互聯網大廠、中小企業，及大模型創業公司，都紛紛推出了AI代碼產品，比如阿里雲的通義靈碼、百度的文心快碼、 字節跳動的豆包MarsCode、騰訊雲AI代碼助手、智譜AI的CodeGeeX等等。

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

“從當前AI代碼賽道來講，已經開始分化出不同的實現方式。”張濤說道。

像Cursor這樣的產品，能夠基於自己改造的開源IDE，做完整的任務編程；也有像Bolt.new這樣的產品，以線上工具的形式使用，用戶描述需求，AI完成網頁開發，但 它只能實現前端技術棧相關內容等。

現階段可以明顯看到，各個產品已經開始找到不同的細分場景並構建自己的產品優勢，實現差異化發展——有的更擅長做網頁開發，有的則更擅長做已有項目 的一些代碼修改任務，還有的可以做一些小工具的開發，或低代碼工作等。

丁宇也認為：“軟件研發存在非常多場景，有很多細分領域，企業可以從不同的切入點切入，做細分場景的創新或產品形態的創新。”

比如商湯科技小浣熊家族中辦公小浣熊產品主要聚焦在辦公工具類賽道，在實際的商業化落地中，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網廠商等。”

不過，張濤同樣看好C端賽道的市場潛力，現階段C端產品的推廣超預期。

從場景功能，到商業化落地方向，AI編碼賽道都已經開始出現分化，但這並不是AI代碼行業發展的終局形態。

隨著大模型技術能力的持續迭代，即不僅僅輔助程序員開發項目，而是能夠自主接受獨立的需求，完成 完整的項目任務。