AI编码：程序员的危机还是机遇？
“程序员创造的AI，最先替代的是程序员。” 这句话并非玩笑，而是正在发生的现实。
阿里云通义灵码负责人丁宇表示，“大模型的编码能力，现在已经达到高阶程序员的水平（月薪数万元）。” 这意味着AI不再仅仅是辅助工具，而是具备了独立完成复杂任务的能力。
AI代码工具并非横空出世，早在上一波人工智能浪潮中已初见端倪。如今，商汤科技小浣熊家族技术负责人张涛指出：“AI代码产品已从辅助工具发展为可执行复杂项目、进行长上下文本编辑、并独立完成简单代码任务的工程级‘协同’编码工具。”
这种进化推动企业利用AI代码工具降低开发成本、提升效率。更甚者，AI有可能在2025年后取代部分中级程序员。
Meta创始人扎克伯格也表示：“2025年，AI将达到中级软件工程师的编程水平。” Meta计划在2025年开始实现中级软件工程师工作自动化，并最终将应用程序的所有编程工作外包给AI。
这一趋势并非空穴来风。当前，AI生成的代码在企业中的渗透率已达到惊人的水平。谷歌超过25%的新代码由AI生成；科大讯飞内部AI生成代码采纳率从2023年10月的30%飙升至2024年6月的52%，单元测试行覆盖率也从30%提升至50%。
丁宇认为，“AI Coding（人工智能编程）是大模型应用落地中最高频刚需、最具确定性的场景，是经过PMF（产品市场匹配度）验证的领域。” 这也是AI编码赛道成为大模型应用最热门赛道的原因。
微软、谷歌、AWS、阿里、百度等领先科技公司纷纷布局AI编码赛道。然而，大量同质化产品的出现也带来了激烈的竞争。未来，如何成功突围并实现大规模商业化落地是关键。
AI助手进化：从“打辅助”到“协同作战”
2024年8月，Cloudflare副总裁Ricky Robinett的8岁女儿仅用45分钟就开发出一款聊天机器人，引发广泛关注。她使用的AI代码编辑器Cursor也随之爆红，再次将AI编码推向风口浪尖。
PitchBook数据显示，全球约有250家初创公司推出了AI编码助手。国内，阿里巴巴、百度、腾讯、字节跳动等互联网巨头，科大讯飞、商汤科技等独角兽企业，以及智谱AI等AI大模型创业公司也纷纷推出相关产品。
大模型的发展为AI代码工具带来了实质性的进化。早期AI代码工具仅能执行简单的代码补全和错误提示等任务。
但随着大模型能力的提升，AI代码工具能够解决的问题越来越多。例如，能够基于存量工程进行维护升级工作，“已经能够自主实现某些研发任务了。”丁宇说道。
大语言模型能够以自然语言理解人类指令，并根据工程上下文，自动完成复杂编码任务，包括同时修改前后端多个文件、执行脚本、编写测试、部署代码等。
丁宇介绍，通义灵码最初以编码助手的形态出现，主要提供代码自动补全。 2024年底，通义灵码升级到2.0的AI程序员形态，成为协同编码助手，能够与人类程序员协同工作，感知整个工程，并根据场景任务进行批量文件修改，实现能力的跃迁。
从AI代码工具助手升级为AI程序员，意味着代码生成的主力从人转向AI，人类则主要负责监测和确认。
张涛表示：“此前主要由人写代码，AI辅助完成一些简单的、可预测性强的、重复性的工作。现在，则可以通过需求描述，让AI理解并帮助程序员完成一些中等难度的代码开发工作。”
多模态大模型和深度推理大模型的进化也在不断完善AI代码工具的能力。
商汤小浣熊家族的“办公小浣熊”产品不仅可以进行基于大模型的数据处理、数据分析和文档创作，还能够支持生成数据图片和PPT文件，体现了多模态能力输出。
多模态输入同样重要。张涛认为，仅通过语言描述交互很难准确实现需求，因为文本描述存在信息损失。同时，大模型自身在语义理解能力上的不足和幻觉问题也限制了AI代码工具的能力边界。直接以图像或视频等视觉方式输入至大模型，能够更高效地完成任务。
多模态大模型能够让AI代码工具实现从文生图到生代码的端到端全栈功能。例如，设计师可以通过文生图的方式设计前端视觉稿，然后直接交给Coding大模型，将视觉稿翻译成前端界面，并由大模型根据前端界面功能自动生成后端代码。
丁宇表示：“目前，AI编码可以完成复杂任务，消除知识技能的不对称，比如从前端到后端一体化生成，打破了以前前端、后端人员和能力的分离协作模式，大幅提效。” AI编码还可以在生成代码后自动生成测试，并返回修改后的结果。
尽管AI能够自主生成一些代码，但实际运行中仍可能存在bug。浙江大学AI方向在读博士生陈荣表示：“复杂点的代码都会有Bug，基本上很难一遍过，从技术逻辑上来说，模型其实把coding当作翻译任务一样来做，输出的是一串代码序列，可能没考虑好代码的运行环境等。”
这主要是因为：一方面，人类很难准确描述实际需求；另一方面，大模型自身在语义理解能力上存在不足，并存在幻觉问题，限制了AI代码工具的能力边界。张涛认为，“在模型上下文窗口允许的范围，大模型可达到万行级代码的理解，但AI代码的能力边界仍然较难界定。”
就像人类程序员需要反复修改测试代码一样，AI生成代码过程中也可以通过多轮交互来减少代码bug的存在。
丁宇表示：“AI编码并非一次性生成最终结果，而是与大模型进行多轮交互迭代。在联合编码过程中，存在持续思考和推理探索的过程。在多轮交互修改结果正确后，还可以自主进行测试验证，并对代码进行部署使用，全生命周期完成任务。”
尽管当前AI代码工具产品仍存在一些问题，但越来越多的企业开始引入，利用其“便宜活儿好”的优势提高程序员编程效率，并实现降本增效。
AI是“螺丝钉”，为程序员提效10%以上
大模型给AI代码工具带来的进化降低了编程门槛。
目前，AI能够独立实现自主编程的场景主要有三类：小产品（如个人生活类APP助手）；以内容为主的网站（代码量和难度适中）；办公产品（如Excel表格编辑、数据汇总）。
这些场景的代码量不高，开发难度不大，对编程知识要求也不高。AI代码工具降低了编程门槛，让更多无代码能力的人能够接触代码编程，并自主开发一些产品功能。
但是，AI代码工具在降低编程门槛的同时，也需要程序员提升自身编程能力的上限，尤其是在更复杂的软件开发和大型企业级系统软件开发中。
金融科技行业的程序员肖肖表示：“对于一个公司的工程化项目，很难直接全盘交给AI，工程化项目要求的流程多，也需要多部门协作，而AI没办法看到全局。”
AI更多地承担“脏活累活”，全局性和创新性的工作仍需人类程序员完成。张涛认为，“程序员的工作并不仅仅只是生成一个小型项目，其面对的生产代码，整个项目文件上下文非常复杂，代码关系也很繁杂，而程序员也对代码质量有自己的要求。”
这意味着AI代码工具更多是辅助性角色，但也间接拉高了程序员工作能力的下限，毕竟简单重复性的工作AI基本已经能够搞定。
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，它目前肯定是做不到的。” 在企业大型项目中，AI编码通常从小任务入手，如实现一个功能模块，或在百万工程代码中寻找安全漏洞，AI能够做得非常准确且快速。
对于大型企业项目来说，最怕出现系统的不确定性，系统bug可能带来巨大的资源和经济损失。
因此，丁宇认为：“大型工程仍需要人类程序员来掌握软件开发过程中的不确定性，比如架构设计、领域建模等，把已经确定性的内容拆解开来，比如模块开发、找安全漏洞、补充测试用例等，并交付给AI，让其根据人类的指令做这些确定性的工作。”
即使只是辅助，AI代码工具也能带来实实在在的效率提升。以阿里云为例，目前所有技术人员都在使用通义灵码，月活占比超82%，每天AI生成的代码占总提交代码量的30%以上。基于这个数据大致能够算出来，AI对开发者提升效率大概是17.5%，打个折扣也会在10%-15%之间。
丁宇表示，通义灵码能够给工程师团队提效10%以上。这意味着，如果一家企业有100个工程师在使用通义灵码，就能额外产出10个工程师的产能。
此外，AI代码工具还能帮助程序员快速学习各种语言平台的研发知识，快速上手。丁宇表示：“以前做一个项目可能花两三周预研，现在两三天就能完成任务，让员工实现1-N的能力增长。”
AI还可以帮助程序员完成更多重复性工作，如编写测试代码。AI代码工具可以根据程序员的代码作为提示词，自动生成单元测试，解放开发者，让他们将精力投入更具创造性的工作。
对于企业来说，AI代码工具除了显性价值提升外，还具有隐性价值，即更容易保持软件系统的高质量和长期稳定，不仅能做单元测试的补全，还能自主发现安全漏洞并给出修复建议，提升质量的同时缩短项目交付周期。
商汤小浣熊底层模型通过加强代码解释器能力，让模型能够实现自主代码调试迭代，现阶段AI的编码能力借助外部工具使用已经逐渐赶超中级程序员。 张涛表示：“在复杂项目中，单纯依靠大模型推理生成代码，一次性通过率不高，一般不超过20%。而办公小浣熊基于代码解释器方案，在日常图表等能力上，代码通过率已经接近80%。”
AI编码赛道分化：细化场景的创新是关键
AI编码已通过PMF验证，众多玩家涌入导致同质化产品层出不穷。 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AI代码助手、智谱AI的CodeGeeX等产品功能差别不大。张涛认为，“目前市场中同质化比较严重，功能实际上差不多，毕竟编程产品希望能够解决用户的问题是一样的。”
但随着大模型技术迭代升级，AI编码赛道已迈入“分化”中期。张涛表示，“从当前AI代码赛道来讲，已经开始分化出不同的实现方式。”
Cursor能够基于自己改造的开源IDE做完整的任务编程；Bolt.new以线上工具的形式使用，用户描述需求，AI完成网页开发，但仅限于前端技术栈。 各个产品已经开始寻找细分场景并构建自己的产品优势，实现差异化发展，例如网页开发、已有项目代码修改、小工具开发或低代码工作等。
丁宇也认为：“软件研发存在非常多场景，有很多细分领域，企业可以从不同的切入点切入，做细分场景的创新或产品形态的创新。”
各家AI代码工具产品在功能场景上的细分也会带来商业上的差异，不同企业的商业化侧重点也不同。 商汤科技小浣熊家族中办公小浣熊产品主要聚焦办公工具类赛道，C端和B端同步进行。C端主要以付费订阅为主，B端以企业进行私有化部署为主，“目前私有化部署客户接近40家，包含体量比较大的互联网厂商等。” 张涛同样看好C端赛道的市场潜力，现阶段C端产品的推广超预期。
从场景功能到商业化落地方向，AI编码赛道已经开始出现分化，但这并非AI代码行业发展的终局。 随着大模型技术能力持续迭代，下一步AI代码将实现“自主编程”，即不仅仅辅助程序员开发项目，而是能够自主接受独立的需求，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，这也意味着将为企业和开发者带来10倍的IT生产力提升。”
更多AI行业最新资讯新闻信息请关注AI人工智能网站--AITOP100平台--AI资讯专区：https://www.aitop100.cn/infomation/index.html
