?  孫立彬

近期，人工智能（AI）編程成為該領域最受追捧的賽道之一。繼OpenAI推出編程智能體Codex后，微軟、谷歌、Anthropic等企業先后對外披露新模型在AI編程方面的技術與產品進展。在我國，包括百度、騰訊、抖音、美團在內的眾多企業也在該領域進行布局。

從代碼補全到智能體自主開發，從低代碼平臺到全流程自動化編程，這場“代碼革命”的技術邊界正在不斷被突破，其商業價值也日益凸顯。

看得見的未來

大模型能力的整體提升和AI編程市場需求的明確存在，正在推動AI編程走向規模化應用落地。

國際數據公司IDC中國高級分析師李浩然表示，AI編程可以被視為另一種語言大模型。相比多模態大模型，AI編程在代碼上已有很好的應用效果。開發者對代碼的采納率在30%左右，雖然仍需要進一步調優，但也可以提高程序員的工作效率，目前很多企業在內部孵化和落地AI Coding項目。

AI編程的應用確實在日益普及，此前微軟首席執行官（CEO）薩蒂亞·納德拉曾透露，微軟公司內部代碼庫中，有20%-30%的代碼由AI生成。去年11月，谷歌CEO桑達爾·皮查伊也曾表示，該企業超過25%的代碼由AI編寫，再由工程師進行驗證。

賽迪顧問人工智能與大數據研究中心常務副總經理鄒德寶介紹說，AI編程可以提升開發效率與代碼質量，包括AI編程工具可自動生成核心邏輯代碼，減少重復勞動；AI的靜態代碼分析能力可識別多步驟任務中的邏輯漏洞，并提供修復建議；AI編程可以加速復雜系統集成，包括AI編程簡化多智能體系統的通信與協調代碼開發，能自動化生成API調用代碼，快速接入外部工具，彌補垂直領域能力短板。此外，AI編程還降低了開發門檻與成本，可以通過AI編程優化模型推理成本，使其更適合大規模部署。

鄒德寶表示，眾多企業熱衷于該賽道的核心邏輯在于搶占未來AI產業生態入口與商業應用制高點，智能體被視為繼大模型之后“第二波確定性浪潮”，被認為是未來人機交互的核心入口，其具備自主規劃、工具調用、多任務協作等能力，能夠將大模型的潛力轉化為實際生產力，各大廠間通過布局通用或垂類智能體，爭奪用戶與生態控制權。而AI編程智能體通過自動化、效率提升與成本優化，顯著降低了開發門檻，應用前景廣闊。

市場研究機構ResearchAndMarkets發布的調研報告顯示，2024年全球生成式AI編程助手市場規模約2590萬美元，預計到2030年將達到9790萬美元，6年復合年增長率為24.8%，其中中國市場的復合年增長率將達到23.5%。

好用但要慎用

就目前AI編程的應用看，李浩然將其總結為兩種方式，一是面向企業和個人開發者，利用獨立IDE（集成開發環境）和插件幫助自己提升代碼開發效率，加快應用迭代和上線速度，并將單元測試等基礎工作自動化，允許開發者將更多時間投入到應用創新上來。二是面向廣泛的非研發人員，可以利用Manus、百度秒搭、騰訊Codebuddy等產品自動生成所需要的網頁、應用，例如輸入案例和所需要的MCP（模型上下文協議）接口，即可生成定制化旅游應用程序或小游戲。

雖然AI編程已經在很多場景可以進行應用，但就目前的情況看，AI編程在處理復雜邏輯、系統架構設計和需求分析等方面仍需人類程序員參與。OpenAI也提醒用戶，AI生成的代碼需開發者進行審核和測試，以確保其正確性和安全性。

鄒德寶認為，當前AI編程工具以代碼補全、錯誤檢測為主，是作為開發者的“副駕駛”存在。未來，AI將具備自主規劃、多任務協作能力，成為“主駕駛員”，如獨立完成代碼生成、測試編寫、漏洞修復等任務，甚至能理解項目上下文并異步執行復雜操作。

李浩然表示，AI編程目前存在的問題主要是落地實現的穩定性，這就需要相關廠商以應用開發思維鏈方式優化AI編程工具。他建議，對于編程工具，需要進一步細化應用場景，面向不同語言、不同業務和開發需求，可以推出對應的工具和應用商店。

對于目前AI編程發展存在的主要障礙，鄒德寶分析稱，主要包括技術瓶頸、商業落地難題和自身局限性等3個方面。

“在技術方面，當前智能體依賴的大模型在長鏈推理中易出現邏輯斷裂，需結合人工規則補充，AI編程尚無法完全自行解決，不同廠商的API接口標準不一，AI生成的適配代碼仍需大量人工調試，生態整合成本高。在商業落地方面，一些AI編程應用成本較高，難以向中小企業普及，AI編程雖優化局部效率，但無法解決全局成本問題。在自身方面，AI生成的代碼可能缺乏創新性且難以理解復雜業務邏輯，需要開發者深度介入，若開發者過度依賴AI編程工具，可能導致自身技能退化，反而不利于系統的持續優化。”鄒德寶說。