AI Coding：2024最火热的AI应用赛道
2024年底，AI代码工具公司Cursor以26亿美元估值完成1亿美元融资，令人瞩目的是，短短四个月内其估值飙升了6.5倍。无独有偶，另一家AI程序员公司Devin，在产品尚未面世的情况下，仅凭宣传片就获得了20亿美元的估值和1.75亿美元的融资。
过去一年，AI在代码领域的应用层出不穷，如Github Copilot、Claude 3.5 Artifacts、Bolt.new、Windsurf、Replit和Vercel等。AI Coding，为何能成为最炙手可热的AI应用赛道？
多位独立开发者表示，Cursor让他们摆脱了大厂的束缚，成为自己的老板。如今，Cursor已能协助完成高达50%的代码编写工作。随着大模型从预训练转向推理，AI编写代码的能力正在显著增强。
这些现象都表明，在AI应用爆发前夜，“AI辅助人类编写代码”已是为数不多实现产品市场匹配（PMF）的场景，甚至被视为实现通用人工智能（AGI）和完全自动化的关键赛道。更重要的是，当AI能直接将想法转化为软件时，市场空间将迎来爆发式增长。
Cursor 的成功：厚积薄发，PMF超出预期
在极客公园的“今夜科技谈”直播中，极客公园创始人张鹏与AIGCode创始人宿文、豆包MarsCode产品负责人石扬，深入探讨了AI Coding赛道的现状与机遇。
张鹏：Cursor估值在四个月内暴涨6.5倍，海外AI Coding赛道涌现大量高估值创业公司。这一现象背后的原因是什么？
石扬：大模型赛道目前处于早期探索阶段，大家都在寻找PMF。代码领域已被证实具有巨大潜力，且已在一定程度上实现了PMF。Cursor的成功，得益于基础模型的突破，如Claude 3.5 Sonnet的出现，放大了其原有优势，更重要的是，Cursor并非横空出世，而是在该领域深耕多年，终获成功。
张鹏：Cursor的成功，哪些得益于模型升级，哪些源于自身积累？
石扬：AI Coding市场经历了两次PMF。第一次是Copilot的代码补全功能，基于ChatGPT的Transformer算法，由于代码的结构化特性，预测难度较低，很快找到了PMF。第二次是Claude 3.5的出现，通过对话理解用户需求，生成更优质的代码。除了模型能力，工具层的封装也很重要。Cursor 成功地结合了模型、工程和产品三方面。此外，Cursor真正理解了用户需求，并将其融入产品中，比如“Fast Apply”功能，能在正确的时间、正确的位置生成正确的代码。
宿文：Cursor的创业模式十分精准，在巨头车轮前“抢钱”。它抓住用户痛点并解决问题，带来了真正的ARR增长。Cursor在9个月内ARR达到7000万美元，Bolt.new 3个月内达到1200万美元。
张鹏：开发者表示AI工具已能帮助完成一半的代码工作。目前代码类AI产品处于什么阶段？
石扬：一旦使用后就很难离开。代码补全提高了程序员的效率，而Chat类代码应用能快速实现过去需要数天才能完成的任务。代码补全提升了大厂员工的愉悦感，而从0到1创建小应用则让开发者惊讶于AI的强大。AI从0到1的实现速度远超以往，依靠的是智能生产力。
张鹏：海外赛道火热对国内有何影响？
石扬：AI的加成让软件赛道从工具扩散至整个软件生产行业，市场空间巨大。MarsCode希望成为参与者，帮助开发者生产更多软件。
宿文：代码类产品可分为两类，一类是服务于专业程序员的工具，解决片段式代码生成问题，另一类是将代码消费能力释放给大众，让更多人具备使用代码的能力。AIGCode正在探索后者，但尚未看到大规模的PMF。
张鹏：AIGCode目前处于什么阶段？下一步要印证什么？
宿文：技术和商业化对于成功公司缺一不可。要思考技术的边界，如何创新并融合技术，最终通过产品解决用户问题。我们通过自研大模型，减少幻觉，提高思维能力。同时，考虑到生成时代的软件架构与传统软件业务架构不同，我们从模型和软件工程角度开发产品。我们的产品即将大规模开放体验。
张鹏：自研模型要解决什么问题？
宿文：大模型是驱动行业变革的关键。代码生成的核心是准确率。网络结构优化能带来收益。同时，为了匹配更好的产品，在预训练过程中加入特殊和稀疏样本。此外，长上下文也是重要问题。Cursor也收购了Supermaven来解决上下文问题。
张鹏：做AI Coding产品需要预训练模型吗？
宿文：预训练模型呈现的是AGI能力。垂直模型会损失通用能力。加入代码数据能提升模型能力。代码本身是高质量语言，能激发AGI能力。Poolside和Magic也自研模型，他们认为代码生成与模型开发等价。最终，要把代码端到端写完，与实现AGI无异。
AI Coding 赛道竞争：从Copilot到Autopilot
张鹏：如何定位Cursor、Github Copilot、Claude 3.5 Artifacts、Devin、Bolt.new、Windsurf、Replit、Vercel以及AutoCoder和MarsCode？
（该段落引用了材料中的象限图，此处无法显示）
石扬：横轴定义为任务的复杂程度，左侧为复杂任务，右侧为简单任务。Replit和Bolt.new在同一象限，满足简单任务的端到端实现。MarsCode目前处于二三象限之间偏左的位置，希望服务程序员完成复杂任务。我们的愿景是实现复杂任务的Autopilot。
宿文：大家都在纵轴维度往上发展，从Copilot到Autopilot。横轴区分用户和任务复杂程度，决定了产品价值和形态。AutoCoder致力于实现Autopilot，Bolt.new能生成高质量前端代码，但部署存在问题。Windsurf和Cursor类似。产品迭代速度很快，象限图仅代表当下状态。
张鹏：这些产品中，哪些最受启发？
宿文：目前产品都不成熟。最喜欢Cursor，它解决了程序员的存量市场需求。至于护城河，它会考虑构建的。
石扬：喜欢Cursor和Bolt，代表了两个流派。Cursor基于IDE向Autopilot发展，面向专业开发者，注重用户体验，如“Fast Apply”。Bolt从大模型向Autopilot发展，构建逻辑是模型生成代码，注重聊天式交互，不注重编辑。Bolt看到了Autopilot的未来形态，但仍处于早期。
张鹏：Copilot和Agent（Autopilot）这两条线如何发展？
宿文：Copilot发展超出预期，已深刻改造代码领域。Autopilot则能生成端到端应用。低代码工具曾尝试解决这一问题，但未能成功。大模型能实现端到端生成。Bolt.new或Vercel v0.dev，Claude的Artifacts都围绕Web前端解决问题。但大家在生成质量和交付形态上存在差异。我们团队希望构建从数据库到前后端的完整软件工程体系，目前还未看到类似产品。
国内AI Coding：挑战与机遇并存
张鹏：国内AI Coding领域进展如何？
宿文：国内起步不晚，大厂和创业公司都在入局。我们认为，做大模型和代码生成要面对全球竞争。过去一年，国内产品不够彪悍，2025年或将有所突破。
石扬：开发者工具很少有地域性差异，通常是赢家通吃的市场，如VS Code。微软是最大的竞争对手，长期竞争看成本和渠道。在产品和模型上，存在大量非共识。从我们视角看，模型应该是有本土差异的，AI的加入不仅仅是工具。AI能直接生成不同类型的应用，这带来了新机会。中国市场需求独特，中国程序员更多地服务于人工定制驱动的ToB业务，而海外程序员则做API-Driven的ToB软件。所以，从底层预训练模型到产品取舍，都应有所不同。
石扬：海外没有小程序，而中国ToB需要大量定制，海外产品缺乏经验。AI时代的软件生成存在本地化需求。这是一个重新洗牌的机会。Cursor等能迅速发展，因为巨头的反应总是相对慢的，但也要警惕，当增长放缓时，巨头将展现其强大实力。
宿文：代码市场空间很大，大家用户切割不一样。
石扬：代码生成只是软件链条的一部分。AI让以前不敢想或做不到的事情成为可能，整个链条都有提升空间，但目前仍处于早期阶段。AI写代码或许跑得快一些，但还无法类比互联网的1998年。未来将出现很多不同凡响的事情。
张鹏：字节做这件事的Vision是什么？
石扬：我们的Vision来自于AI释放的新生产力，能帮助开发者生成更多更好的软件，提升效率。我们希望达到象限图的左上角，复杂场景也会覆盖简单场景。
张鹏：SaaS未来是否存在？
宿文：SaaS将长期存在。SaaS客户除了标准工作流需求，还有个性化和非标需求。AI Coding能满足这些需求。SaaS是支持AI Coding满足个性化需求的生态，两者将相互驱动、共同繁荣。
张鹏：SaaS的特性决定了，个性化需求与SaaS的标准化相悖，但个性化需求又普遍存在，AI Coding能弥补SaaS的延展侧空间。比如，次抛型软件。
宿文：用后即焚。
张鹏：石扬如何看待SaaS未来的变化？
石扬：AI Coding和SaaS并非互斥取代关系。SaaS要分中美市场。在中国，SaaS更多强调ToB，而ToC产品只需一两个杀手级功能，就能满足大部分需求。ToB产品则需要满足更多个性化需求。美国SaaS用户可以接受约定，但中国用户希望软件更符合自身需求。所以AI Coding对中国ToB市场反而是利好，能让SaaS更能满足中国用户需求。在美国，个性化需求也存在，只是实现成本高，所以妥协。
张鹏：AI让SaaS从“软件即服务”变成“服务即软件”。如果大规模个性化定制可以低成本实现，将进一步激发需求，中国未来或将真正拥有SaaS。
AI Coding的未来展望
张鹏：AI热潮让人们既兴奋又失望。AI Coding应用会被大模型覆盖吗？
宿文：当AGI到来时，代码实现也将平权化。但目前还未达到。从技术上看，当前的大模型还不能完美解决代码生成问题。初创公司可以通过其他路径实现。2024年底层模型进展不大，AI Coding应用与大模型进化是相互成就的关系。大模型能通过考试，但无法代替外包公司程序员解决泛化任务。
石扬：我希望模型能吞噬一切，期待AGI的到来。大模型和AI Coding的关系更像大脑和工具。大模型是不断提升智能的大脑，但仍需工具来体现智能。在特定场景下释放智能才是AI Coding的使命。
张鹏：同意，如果模型实现AGI，人类就自由了。但科技是一个像素点一个像素点的填充。要做好AI Coding的Copilot，并向Autopilot进化，关键点是什么？
石扬：行业在预训练上会越来越收敛，但仍有独家秘方。当它收敛到AI Coding产品时，还有很多工作。训练模型需要理解需求，包括技术栈、框架和UI渲染。训练方向不同，需进行大量后训练、强化学习和微调，才能让模型和工具更像程序员。
张鹏：如何实现无限供给的程序员或无限提升的编程生产力？
宿文：目前还很早期。未来的商业和分发形态，要看代码生成核心指标的完成度：效率、质量和成本。当AI推理成本降为电力成本时，将出现新形态，如端到端的应用，常用的就几个，个性化需求会收敛到一个入口。
张鹏：大厂和创业公司做AI Coding的心态有何不同？
宿文：大家赚钱概率差不多，都是小概率事件。创业更聚焦于项目，需要考虑很多，如技术边界和商业化问题。技术世界“菜是原罪”，要拼尽全力。
石扬：字节的创新业务允许试错。创业要考虑资金来源，大厂资源相对充足。
张鹏：MarsCode在探索复杂任务编程自动化时，面临哪些挑战？
石扬：面临无数挑战。AI和大模型本身就很难。其次是认知，如何获取并处理信息。第三是用户验证想法，如何洞察用户需求。最后是速度，如何加快试错速度和学习能力。
张鹏：预测2025年AI Coding领域会有什么变化？
石扬：期待更好的模型能力释放，将模型能力转化为生产力。期待更多人加入代码生成行业，在竞争中共同进步。对手越强大，才能找到真正用户和打动用户的需求。
张鹏：对MarsCode在2025年有什么期待？
石扬：去年发布了编程助手插件和云版本IDE，2025年每季度都有新产品能力释放。希望MarsCode能满足更多用户需求。期待老用户继续喜欢我们，新用户看到我们的进步。
张鹏：宿文，你认为2025年行业会有什么亮点？
宿文：目前模型和代码应用发展可能稍有异步，期待明年有较大进展。我们更愿意将模型和代码生成等同起来。现在可能还没有达到类似手机时代的iPhone时刻，但这个不确定的时期是更有价值的。
张鹏：AutoCoder接下来有什么进展？
宿文：一是准确率，软件能准确识别用户意图。软件架构上会提升准确率。二是灵活性，让产品经理也能直接使用。三是完善度，首次在AutoCoder中实现从数据库到前后端的一体化生成，提供更流畅的体验。我们要做严肃的产品，让大家体验更好。
AI的终极目标是让普通人也能享受编程乐趣，让不会代码的人也能通过AI实现需求。只是大家的起点和面对的用户人群和场景不同，选择了不同的切入点。
