本字幕由TME AI技术生成 哇 hello 大家好 这里是山泉水有点甜的第二十期播客 我是一建 距离上一次博客过去了一个季度 在这个季度里经历了非常多的事情 从AI的职业准备 到个人的项目尝试 AI一天 人间一年 这个赛道里越来越高的信息密度 单屏同步也需要耗费大量的时间 但在这过程当中 有一件事情 或者说AI赛道 让我真真实实的被震撼到 它就是AIcoding 都说编程是软硬件连接的桥梁 而程序员在这里面是核心要素 在过去二十年 从PC互联网到移动互联网 再到如今的AI 很多的想法 产品 应用 都是团队各司其职 程序员他负责的是底层代码的构造 UI设计 交互流程界面 产品占位用户的需求 强调分工合作 其中程序员的专业代码技术更是无法替代 但是AIcoding的出现 打破了这一个专业分工的界限 产品可以去做程序员的代码技术 以前所谓的精品项目 爆管应用 现在可以由一个人来完成 准确的来说 是更接近用户需求端的产品经理 可以通过AIcoding来自然实现 代码平权带来的是个人生产力革命 像最熟知的赵纯祥的未知书 陌生的闹钟 陈云飞的小猫补光灯 未来我也相信还将会有更多的产品涌现 在二零二四年 AI界经历了很多天翻地覆的变化 caracterAI的母态落幕 取而代之的是可林 sara等AI视频的商业变现崛起 同时AIgolden的展展 我们意识识到AI编程能力已经提升到了一个临界点 其中以cursorcloud三点五为为核心 并且随着o文的强化学习范式和深度思考的特点 AIcoding的技术进步还将存在着非常强的确定性 在刚过去的二零二四年底 科瑟以二十六亿美元的估值 完成了一亿美元的融资 四个月内估值涨了六点五倍 更早之前 另一家主打AI程序员的创业公司david 在还没有产品推出 只有宣传片的情况下 就以二十亿美金的估值 筹集了一点七亿美元 这样的案例在过去一年还有很多 引用石阳老师的观点 AIcoding这个市场在过去经历了两轮的PMF 第一次PMF是一年前的copilot 主要体现在代码补全工具方面 那第二次的BMF是基于cloud三零五的出现 现在可以通过chat形式与AI进行对话 理解需求 直接生成更好的代码 还是延用回陆奇博士的观点 人类历史上的几次工业革命 都是围绕信息和能量展开的 要么提升生产交易效率 要么降低成本 要么改善用户体验 像之前软件开发的从业者 从来都是专业的技术人员 这部分人数全球加总起来可能也不过几千万人 当AIcoding出现 个人生产者能够更好的参与到行业赛道里 只要要有好贴贴合场场需求的idea 每个人都能做出类似的甚至更好的产品 生产力工具一下子从几千万的基数 扩展到了几个亿的用户 这里面一定会产生一些不一样的东西 说回airgoding这个事情 我作为一个代码非专业选手 仅仅用了十多分钟 我就能通过自然语言的交流 做出框架型的贪吃蛇星座运势预测的小程序 在成品展示的那一刻 我真的进入了卧槽的表情包 如果说互联网的底层是代码都一期而成的 那我相信aicodeding会彻底改变这个行业或者这个市场 定制化 个性化 小众赛道 以前工业化生产标准制件 只满足了大众需求的产品 就可以被揉碎再造 大厂兼顾不到的行业 投入产出比低的行业 也一定能在AIcoding的加持一下焕然一新 软件的制造成本会随着AIcoding带来大幅下降 但用户不一定需要理解代码是如何操作并执行的 只需要明白软件运行的逻辑和规则 那未来用户不一定要懂得需求是如何落地的 而是去知道具体的需求即可 换言之 用户在未来的过程当中 其实是自己需求的PM 回顾AIcoding赛道的发展史 可以简单囊括为几个重要的阶段和里程碑 首先是在二零幺零年之前 这是对于AIcoding的起源以及早期的探索 早期的开发者工具主要集中在代码编辑器和集成开发环境上 这些工具它主要提供语法高亮 代码格视化 调试等基础的功能 虽然有一些工具开始尝试自动化代码生成 但是受限于技术能力 正当的代码质量一般都偏低 拥有的场景相对有限 那在二零一零年到二零一八年之间 bird模型发布 显著的提升了自然语言处理的性能 那随着机器学习和自然语言处理技术的进步 开发者的工具开始引入了AI的能力 例如catchattape nenight等公司推出了基于机器学习的代码补全工具 同时gipup等开源平台的兴起 为AIcoding的技术提供了海量的代码数据 也推动了AI模型的训练以及优化 那在这之后 也就是二零一八年之后 大模型的时代 openAI的GPT三以及code等等大语言模型的推出 也标志着desaicoding技术的重大突破 这些模型能够理解自然语言 并且能生成高质量的代码 也极待的扩展了AIcoding的应用场景 特别是giayhelp copililer deepcode等商业化产品的推出 这也是AIcoding领域的一个重要时刻 工程师开始使用giayhelpcopilacship代码 市场上也出现了大量的AIcoding项目 使得它的的技术从实验室开始走向市场 吸引了大量开发者和企业的关注 同时AI功能的技术也开始向金融 医疗 游戏等垂直的领域渗透 针对特定的行业的定制化工具也开始逐步显现 那从二零二四年的十二月开始 gap号宣布推出了giayhok拍拍怎么免费版订阅计划 那这也标志着AI辅助编程工具开始进入了全民普及化阶段 AIcoding是七大模型之后 最先跑出来的热门赛道 究竟是什么促使AIcoding成为了各大厂的兵家必争之地呢 一方面是来自于市场的旺盛需求 另一方面基础设施也在日益完善 GDP五的断更也使得市场上的模型差距在逐步的缩小 首先编程这些工程任务其实非常适合AI增强或者替代它 编码的本质上是要求工程师将每一个问题都分解的更小 更容易管理 那同时它也会有大量的训练组合任务 是需要判断力和基于规则的工作组合 那第二整体的市场潜力巨大 我就拿其中几家玩家的数据来看 首先是githup扣拍了 它是至今为止最广泛采用的AI开发工具 自全面推出仅两年多的时间以来 已经超过了七万多家的组织采用 同比也增长了百分之一百八以上 那目前giayup的年收入运行率已经达到了二十亿美元 扣拍了占了它今年年收入增长了百分之四十以上上 它的业务规模已经比微软当初收购githhop的整个业务规模还要大 那现在的扣拍了 其实已经有了一百三十万的付费用户 环比增长也超过了百分之三十 同时它的企业商用版的用户也已经超过了五万 那还有一个比较重量的玩家 叫cursr 到二四年的十一月 他的年化收入已经达到了六千五百万美元 较二零二三年同比增长了百分之六千四百 同时他背后的母公司恩斯佩尔也宣布完善了一亿美元的b轮融资 那目前的估值达到了二十六亿美元 第三 基础设施在不断的完善 模型的迭代 数据的反哺 AI勾顶领域的投资机会在于底层推理引擎的持续进步 以及市场空间的变化 coding的能力其实就是大语言模型加上二l范式下能力进化化最快的方向 也有可能成为LOM从抠拍的走向agent的一一领领域 其中也意味着技术的进步将成为投资带来新的机会 目前AIcoding赛道的玩家最主要的盈利模式也包括了订阅制 API接口调用 个性化定制等 其中订阅制收费是目前最常见而且收效甚好的盈利模式 比如gihhoppililotARR大概是在三亿美元 那cursor在二零二四年的十一月 他的AR也达到了六千五百万美元 用户或者企业通过支付一定的年费或者月费来获得AIcoding工具的使用权限 来享受其提供的代码补全 生成 审查等各类的功能 结合之前海外独角兽文章里面提到的对AI扣点赛道的产业图谱划分 那目前其实初步可以将赛道的玩家划分成这几大类 首先是copilotforpro 它是根据开发工作流 将整一个AIcoding分为了codingtesting codereview还有codesearch 其中最核心的价值还是集中在入过端的coding部分 那第二趴就是agentforpoor 在这个领域里面 大概是有两类的公司 一类是专门做codingagent的 还有一类是做codingmodel的 他们之间最大的差异是是否从头去开发整一个coding的模型 那前者是基于顶尖的LM基础之上去建立工作流和agentacodingmodel这类的公司 它是自己从头去开始训练codingspecive模型 但是呢 目前行业内通常都不看好后一类 因为这个和LM的公司的主营业务冲突了 那第三类就是agentforcitizen 这一类的信誉的公司目前还没有明显的收敛 那我们大概也可以分为三类 第一类是touchengine 是为用户去完成目标 实现bototype的touchengine公司 那第二类是前端的网页生成 那第三类就是低代码 使用类似于乐高式的组件来答应应用的产品 但这些类的公司 它的目标其实都是一致的 都是希望可以做到taskengine 只是现在大家选择了不同的路线进行投入罢了 在这个赛道里面的玩家 有几家公司不得不提 首先就是cursor 他背后的初创公司anesphere其实是由四位麻省理工的学生在二零二二年创建的 他们最初的愿景是创造一种能够编写世界上所有软件的智能工具 在openAI加速器计划的支持之下 这家公司也迅速的成长 在二零二四年完成了多轮的融资 估值从四亿的美金飙升到了二十六亿美金 科瑟的核心竞争力在于它集成了AI功能和智能代码补全及生成能力 和传统的ID相比 科瑟它不仅支持代码补全 还能基于某一个代码库来提供智能代码提示 作为开发者 或者说作为我这种小白用户 只需要按下tab键 AI编辑器便能预测并且自动完成代码 它也提大大的提高了开发的效率 curser而且还引入了composer的功能 允许开发者通过自然语言对整一个项目来提出需求 进行跨文档的编辑 也进一步简化了这一个编辑的过程 当然 我并不是吹curso有多么厉害 而是从这个产品的易用性和低门槛 作为一个完全的编程小白 我短时间都可以入手和解决比较基础的编程问题 随着技术和基础设施的更迭 那后续很有可能会出现更多的艺人公司或者小规模的团队来弥补巨头无暇或者说超个性化的需求 包括我自己 其实我一直也在想 科泽的护城河到底是什么 它不仅仅是将不同的模型 不同的模块进行排列组合 在我们初始AI的的过程当中 我们其实对AI赋予了很过高的希望 希望它能够完成我们想要的每一个动作 每一个事情 但是最终的理性还是回归到了用户的实际场景当中 我们怎么把AI的能力和用户的需求相匹配 那科瑟其实在这方面 他做了很多的努力 我虽然不是程序员出身 但是结合日常跟相关程序员打交道的经历 我知道科瑟在很多不怎么留意的地方 其实都下了功夫 好比如代码的应用 代码的修正 赛道里的玩家 还有另外一位也不得不提 david 他是AI初创公司connection开发的全球首个自主研制的AI软件工程师 他具备自主学习新技术 端到端构建和部署应用 自主查找和修复bug 训练和微调AI模型的能力 david和主流的AI代码补全工具它最大的不同就是 它理论上可以不需要人类的参与来自行编写代码 并且完成通常分给人分配给人类开发人员的整个项目 而且用户可以用多个david的agent来并行完成不同的编程项目 在AI的代码领域 cognition其实绝对算得上是一个奇迹 公司成立仅六个月 便收到了硅谷的顶级投资机构的注资 那创始人 他其实是一个华裔 从一四年 从一二年到一四年 他连续三年获得了国际信息奥林匹克竞赛的金牌 那二零二四年三月 公司宣布推出了第一个程序员david 他的整个视频累计观看就突破了三千万 引发了全网的关注 那十二月份 david正式上线 每个月五百美元的订阅价格直接冲顶了同业订阅价格的上限 那作为cognition这家公司 其实他有很多的大客户 包括年收入三亿美金的直属管理公司rap 他们也是用david去编写测试代码 并且清理死代码 那另外客户也是年收入十七亿美元的数据平台mangoDB 他的手机运营官表示 公司也曾经用david去更新了过时的代码架构 又为客户节省了数百万的美元 目前AIgoding所有的商业模式 其实归根到底都是产品能够解决用户的实际问题 对于赛道玩家来说 其中几个关键的核心点在于 一个是技术端 首先强大的底层模型是AIgoding工具的基础 模型的准确性 稳定性以及效率是会直接影响到代码生成的质量和速度 例如soina三点五的模型的出色表现 其实使得了科瑟等产品在代码意图理解方面表现的异常出色 能够更加准确的生成符合用户需求的代码 那除了模型本身 对算法的优化其实也至关重要 通过不断的优化算法 可以提高代码生成的准确率 减少错误还有漏洞 同时也能提升工具的性能和响应速度 为用户提供更好的使用体验 那第二点就是从产品端的出发 良好的用户体验其实是吸引和留住用户的关键 这也包括简洁直观的操作界面 流畅的交互流程 以及及时准确的反馈等 例如咳嗽等产品 它是通过自然语言对话的方式来与用户进行交互 能够更好的融入程序员的工作当中 提高用户的使用便捷性和满意度 那除了基本的代码生成功能之外 而且还需要提供丰富的附加功能来提升产品竞争力 例如代码的审查 测试 文档的生成 架构 评估等等 能够满足开发者在不同开发阶段的需求 来提升开发的效率以及代码的质量 AIcoding的未来 这个谁也说不准 但是基础设施的进步 的确带来了技术平权 我在我身边能特别的感受得到 越来越多的人可以参与到软件开发当中去 只要找准了细分的需求点 小团队甚至一个人就可以下场干了 还是也会也用回很老土的那句话 世界上其实不缺乏美 缺乏的是发现美的眼睛 好了 以上就是本期博客的全部内容 我也一直在关注着AI行业的最新动向 我说的不一定对 也欢迎随时沟通交流 期待真诚的对话 也不搞观点冲突 你的支持是我更新的最大动力 那么 我们下期见了 拜拜 我有我的