月入幾萬的程序員，要被AI取代了？

　　程序員創(chuàng)造的AI，最先替代的是程序員。

　　“大模型的編碼能力，現(xiàn)在已經(jīng)具備高階程序員（月薪幾萬元）的水平了。”阿里云云原生應用平臺負責人、通義靈碼負責人丁宇對光錐智能說道。

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

　　但此前，“AI代碼產(chǎn)品原本只是輔助工具，現(xiàn)如今可執(zhí)行復雜項目、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(chǎn)品小浣熊家族的技術(shù)負責人張濤對光錐智能說道。

　　從輔助到獨立寫代碼，AI代碼已經(jīng)進化為一個工程級“協(xié)同”編碼工具。

　　基于此，不僅有越來越多的企業(yè)開始通過AI代碼工具來實現(xiàn)程序開發(fā)的降本增效，2025年之后，AI甚至有可能將取代中級程序員。

　　Meta創(chuàng)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(xiàn)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。

　　這并不是危言聳聽，當前AI生成的代碼在企業(yè)中的滲透率已經(jīng)達到了一個驚人的水平。

　　如谷歌有超過25%的新代碼是由人工智能生成;科大訊飛內(nèi)部AI生成代碼采納率已從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%。

　　AI編碼賽道之所以成為大模型應用最火熱的賽道之一，是因為“AI Coding（人工智能編程）是大模型應用落地中最高頻剛需、最具確定性的場景，是經(jīng)過PMF(產(chǎn)品市場匹配度)驗證的領(lǐng)域。”丁宇如此對光錐智能說道。

　　也正因此，越來越多的企業(yè)開始布局AI編碼賽道，領(lǐng)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(chǎn)品，卻也造成了同質(zhì)化的競爭，未來該如何成功突圍?如何實現(xiàn)真正的大規(guī)模地商業(yè)化落地?

　　從打輔助到協(xié)同作戰(zhàn)，

　　AI真成了你的程序員同事

　　2024年8月，美國知名企業(yè)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(fā)了一款聊天機器人，引發(fā)180萬網(wǎng)友在線關(guān)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(yè)關(guān)注的焦點。

　　在全球范圍內(nèi)，據(jù) PitchBook 數(shù)據(jù)顯示，大約有250家初創(chuàng)公司推出了 AI 編碼助手。在國內(nèi)，包括阿里巴巴、百度、騰訊、字節(jié)跳動等互聯(lián)網(wǎng)大廠，科大訊飛、商湯科技等獨角獸企業(yè)，甚至AI大模型創(chuàng)業(yè)公司智譜AI等都紛紛推出相關(guān)產(chǎn)品。

　　AI代碼產(chǎn)品如雨后春筍般露出，是大模型給AI代碼工具能力帶來實質(zhì)性的進化。

　　早期AI代碼工具主要能夠執(zhí)行簡單任務，比如根據(jù)程序員的注釋，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。

　　隨著大模型能力的升級，AI代碼工具能夠解決的問題越來越多，比如能夠基于存量工程進行維護升級工作，“已經(jīng)能夠自主實現(xiàn)某些研發(fā)任務了。”丁宇說道。

　　比如，大語言模型能夠以自然語言理解人類指令，并根據(jù)工程上下文，自動完成復雜編碼任務，包括同時修改前后端多個文件，執(zhí)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(tài)出現(xiàn)，主要是給程序員打輔助，根據(jù)代碼上下文，幫助程序員在研發(fā)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(tài)，成為協(xié)同編碼助手，能夠和人類程序員協(xié)同工作，感知整個工程，根據(jù)場景任務做批量文件修改，實現(xiàn)能力的躍遷。”

　　而從AI代碼工具助手升級為AI程序員，前者代碼生成的主力還是人，而后者則逐漸轉(zhuǎn)向以AI為主，人類在其中主要起到監(jiān)測和確認的作用。

　　“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、重復性的工作，而現(xiàn)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(fā)工作。”張濤也如此說道。

　　另外，隨著多模態(tài)大模型、深度推理大模型的進化，AI代碼工具的能力也在不斷完善。

　　商湯小浣熊家族的“辦公小浣熊”產(chǎn)品，除了可以進行基于大模型的數(shù)據(jù)處理、數(shù)據(jù)分析和文檔創(chuàng)作外，還能夠支持生成數(shù)據(jù)圖片和 PPT文件，這是一個多模態(tài)能力輸出的綜合體現(xiàn)。

　　多模態(tài)輸入同樣重要，“很多工具類產(chǎn)品，如果僅通過語言描述來交互，很難準確地實現(xiàn)需求，因為當我們把內(nèi)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。

　　同時，多模態(tài)大模型能夠讓AI代碼工具實現(xiàn)從文生圖，到生代碼的端到端全棧功能的實現(xiàn)。

　　以網(wǎng)站設(shè)計為例，設(shè)計師可以通過文生圖的方式設(shè)計出前端視覺稿之后，可以直接給到Coding大模型，把視覺稿翻譯成前端界面，再根據(jù)前端界面功能大模型自動生成后端代碼。

　　“目前，AI編碼已經(jīng)可以完成復雜任務，消除知識技能的不對稱，比如從前端到后端可以一體化生成，打破了以前前端、后端人員和能力的分離協(xié)作模式，大幅提效。”丁宇說道，“并且在生成之后，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(jié)果。”

　　不過，雖說AI已經(jīng)能夠自主生成一些代碼，但在實際過程中，AI所生成的代碼并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:“復雜點的代碼都會有Bug，基本上很難一遍過，從技術(shù)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(huán)境等。”

　　這背后的原因主要有兩方面，一方面是大多數(shù)人類很難準確地描述出自己的實際需求，甚至很多資深程序員在寫代碼過程中也是需要反復修改。

　　另一方面，則在于大模型當前自身理解語義能力上的欠缺，包括存在的幻覺問題，也限制了AI代碼工具的能力邊界。因此，雖然“在模型上下文窗口允許的范圍，大模型可達到萬行級代碼的理解，但AI代碼的能力邊界仍然較難界定。”張濤如此說道。

　　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編碼并不是一次性生成最終結(jié)果，而是跟大模型有多輪交互迭代完成，在跟大模型聯(lián)合編碼過程中，有持續(xù)思考和推理探索的過程，在多輪交互修改結(jié)果正確后，還可以自主進行測試驗證，并對代碼進行部署使用，全生命周期完成任務。”

　　盡管當前AI代碼工具產(chǎn)品仍存在一些問題，但有越來越多的企業(yè)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(xiàn)了企業(yè)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(xiàn)自主編程的場景主要有三類:

　　一類是小產(chǎn)品，比如個人生活類的APP助手;

　　一類是以內(nèi)容為主的網(wǎng)站，其代碼量和難度適中，AI能夠自主實現(xiàn);

　　一類是辦公產(chǎn)品，比如Excel表格編輯、數(shù)據(jù)匯總等。

　　從實際應用來看，這些場景整體的代碼量并不高，且實際開發(fā)難度并不大，對于開發(fā)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，并可以自主開發(fā)一些產(chǎn)品功能。

　　但是，盡管AI代碼工具降低了編程的門檻，卻需要程序員提升自身編程能力的上限，尤其是在更加復雜的軟件開發(fā)以及大型企業(yè)級系統(tǒng)軟件開發(fā)中。

　　一位金融科技行業(yè)的程序員肖肖(化名)對光錐智能表示:“對于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(xié)作，而AI沒辦法看到全局。”

　　可以明顯看到，在企業(yè)中大模型做的更多地還是臟活累活，全局性及創(chuàng)新的活兒還是需要人類程序員來做。

　　“程序員的工作并不僅僅只是生成一個小型項目，其面對的生產(chǎn)代碼，整個項目文件上下文非常復雜，代碼關(guān)系也很繁雜，而程序員也對代碼質(zhì)量有自己的要求。”張濤說道。

　　這也就意味著，于企業(yè)中的程序員而言，AI代碼工具更多還是輔助性角色，但也間接地拉高了程序員工作能力的下限，畢竟簡單重復性的工作，AI基本已經(jīng)能夠搞定。

　　“如果讓AI直接生成一家銀行所有業(yè)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(yè)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(xiàn)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(yè)內(nèi)皆知，對于大型企業(yè)項目來說，最怕存在的問題就是系統(tǒng)的不確定性，如果出現(xiàn)系統(tǒng)bug，就可能會帶來資源和經(jīng)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(fā)過程中的不確定性，比如架構(gòu)設(shè)計、領(lǐng)域建模等，把已經(jīng)確定性的內(nèi)容拆解開來，比如模塊開發(fā)、找安全漏洞、補充測試用例等，并交付給AI，讓其根據(jù)人類的指令做這些確定性的工作。”

　　盡管只是打輔助，AI代碼工具卻也給開發(fā)者和企業(yè)帶來了實打?qū)嵉男�率提升�?/strong>