Deep Dive
Shownotes Transcript
Hello 大家好我是金教欢迎大家来到第九季的 What's Next 科技早知道和全球创新第一时间同步
大家好 欢迎大家来到 What's Next 科技早知道 我是雅贤近两年来 AI Coding 赛道迎来了井喷式的发展从微软的 GitHub Copilot 收入持续增长到 2024 年 Cursor 的横空出世估值快速飙升至 100 亿美元再到上个月 OpenAI 宣布想要以 30 亿美元收购硅谷的 AI Coding 初创公司 WindServe 那今天早上刚刚看到路透社的新闻说苹果将与大模型公司 Anthropic 合作共同开发 AI 编程平台
大家对人工智能落地场景仍然处于探索阶段的今天 AI 编程已经成为了少数的大家已经达成了共识并且找到了 PMF 的领域不仅在硅谷咱们国内无论是大厂还是初创公司也都在赛道上发力推出了不少 AI coding 的产品竞争十分激烈我们今天就想来聊一聊这个领域究竟为什么这么火 AI coding 的未来是什么以及赛道究竟还有哪些非共识和机会
那我们今天一起聊天的呢还有我们的主播 DianeHello 大家好这期话题我和雅仙也策划了蛮久啊然后分别也是可能从节前假期之前就跟嘉宾在沟通了那终于今天可以正式开录参与聊天的呢还有丰瑞资本的投资合伙人陈时陈时总好
大家好我是陈时现在在 Foreign 资本主要看 AI 软件和出海其实我之前因为有一个比较长的做程序员的经历写了很长时间代码但后来又有 20 年没有去碰代码所以今天又回到 AI coding 这个领域里觉得还是特别高兴跟大家做后面的分享谢谢
欢迎欢迎那还有呢就是我们来自字节跳动旗下 AI coding 产品 Trey 的全球增长负责人 AmberAmber 好 Hello 大家好我是 Amber 我也是现在在 Trey 负责整体的全球的增长以前我其实自己本身是 CS 毕业然后也是当过程序员的后来去转行做了产品经理所以我觉得也是一路走来然后看到 AI coding 发展到现在也是有很多想跟大家分享的感谢邀请
今天是两个有 coding background 的然后我和雅仙两个人我们算是小白对到时候我们会有多个视角小白的视角以及这个专业的 professional developer 的视角一起来聊聊 AI coding 这个话题对其实 AI coding 这个领域发展时间其实蛮长的但是是最近这两年才火出圈的所以其实我挺想问问陈总就是 AI coding 它整个的演进路径是什么呢现在又有哪些比较突出的形态或者产品
其实 AI coding 其实它真正的起源是 2021 年在 2021 年之前在我们编程的过程里头其实会用到一个思路叫做结对编程就是说两个程序员在一台电脑上写程序
一个人是叫驾驶员他直接敲代码专注于实现细节另一个是叫导航员他是观察代码思考整体的方向或者提出建议或者问题在 2021 年之前是有些像 Type9 这样的公司在尝试用机器学习的方法去做这样的事情但是坦率讲做得不够好那时候模型不太行所以到了 2021 年的时候是微软和 OpenAI 一起做了这个叫 GitHub Copilot
这个才是真正的第一次在开发上有一个比较雏形的一个产品突破那么他定位是相当于是绝对编程里头的另一个人而且往往是那个就是具体写程序的人那么人类就作为导航员来去做这个事情那么现在他当时的定位主要是代码补全但是呢当时这个模型还不够好 9GBT3 所以当时的能力是不强的所以其实
也仅仅是在小范围里头做少量的一种试用那么我觉得真正的突破是 2023 年就是特别 2022 年年底就是我们的 GP3.5 发布之后这个时候 AI coding 才有了真正的实用性的进展那么这个进展它其实分两条线一条线是我们叫 Copilot 的助手就所谓的人主导
AI 辅助这是一类另外一类叫 agent 智能体那就是 AI 主动执行人类监督是两种类型的 AI coding 的应用那么第一种 copilot 就是包括 GitHubcopilot 包括 CursorCursor 其实是一个非常出圈的产品过后我们也可以介绍然后还有包括 WinServe 包括 Tree
就是这类是 Copilot 它已经进入到实用阶段了我觉得 AI 这个应用落地领域在 AI coding 上只有 Copilot 现在已经有一些实际的规模化的用户和收入了这条线是叫 agent 是吧智能体那么这个时候呢其实当前智能体
是希望它能够独立完成一个完整的编程任务当前看起来智能体这个方向其实还没有形成没有找到 PMF 它其实包括就是说它像 Diamond 这种它希望就全自主的 AI 软件工程师当然也包括我们投资的一些公司它做单元测试等锤类的 agent 当然这个领域大家都还在探索所以大概是这个是我观察到的这个 AI coding 的眼睛路径
我想补充一个就是其实还有一个技术突破也是导致了整体这个 AR coding 这个领域突然一下子出现了这种大型的用户开始买单 Cloud 以及 Optchai GPT 一侧就是模型的能力上面能够已经去完成一些高难度有复杂度的一些代码补全了之后那其实像 CursorTrayWindServe 一类的产品也能够去进行更深度的一个 Copilot 对
然后目前的话就是除了像 Cursor, Tray, Windsurf 这样子的 AI 编程工具来说的话还有另外一类就是我们基于 web 端去进行整体的全站网页生成像比如说 Lavable, Replit 和 Bolt
都是这样另外一个基于网页的一个 coding 生成的工具其实刚才程总说到这个 AI coding 工具有两个类型一个叫 copilot 一个是 agent 我感觉是不是有点像 copilot 更像是一个工具然后 agent 更像是一个人就是 agent 是可以从头到尾的然后理解你的意思然后从上面做一些设计最后给你 deliver 出来一个结果而不需要中间太多的人为干涉对
对的对的其实这 agent 这个难度是非常大后面也可以展开来讲就是因为它核心的难度是说一个模型能力你要足够的好然后特别是上下文要足够的长现在我觉得像 20 万 token 或者是 100 万 token 是不够的另外一个呢就说在
前面就是说人类的这个上下文的收集上也要足够的强就是说你要了解你的用户他的个人的上下文或者企业的上下文这些都需要去收集上来否则的话其实因为你都 get 不到他的需求是吧他的需求如果太复杂比如说今天你给我写个抖音
这个抖音软件那这个需求是非常复杂的人类都没法表达它可能有很多产品文档或者最好当然还是看代码是吧但这个都很难所以就是我说两方面的制约所以就是说今天反导师 Copilot 的这种人类的助手比较容易我先打开市场
其实刚才陈总也提到 Devon 这个产品其实 Devon 这个产品在刚刚发布的时候是引起蛮大轰动的然后网上也有一些测评就是用 Devon 和 Cursor 然后 Devon 明显会有一些可能 planning 以及 reasoning 的能力但是为什么到现在好像 Devon 可能它还是能融到很多钱但是好像还是一个不能太落地的产品呢
对我觉得这就我们可以展开来讲就是说你要说像 Devin 他是一个全能的就一站式的写完你一个复杂软件其实复杂软件其实是什么复杂呢我觉得第一个复杂是说他的代码量比如说举个例子像 Google 的 Chrome 是吧这个浏览器
它是 300 万行代码如果每行代码你没有说一行代码你可能有 10 个 token 可能是有的其实装不下比如说像你一个现在我们 cursor 是 20 万的上下文长度就是说 cursor 调用的模型的脑容量是 20 万 token 你进都进不去
装不进去所以这就是一个核心问题我觉得这类情况还挺多的包括你据说像 Facebook 或者 Netflix 这种分布式的系统或者是应用它甚至有上亿行的代码所以就刚开始脑容量就不够你没有一个完整脑容量其实你很难去理解它的全局架构所以谈不上系统设计
所以这一类的话我觉得就是一个问题我其实有个类比啊不是你写一行代码那么简单你其实要理解一本书甚至你要把整座图书管理的所有的书都看一遍理解它中间的每一本书和书之间的逻辑关系有学完这么多的图书你才可以比较好的做到这个 AI coding 所以就说今天我觉得 Devian 这种定位方法我觉得是一个呃
挺不错的有雄心的定义方法但是它只能做到一个中间阶段就是有些简单的代码或者中等规模的代码是可以写的但是复杂代码它肯定是做不到的所以这个时候人类的作用还是要在我们要不要把 AI coding landscape 那个图给大家展示下可能更有一个全局观
这张图的 title 叫 AI Coding Landscape 所以这个相当于是把我们今天可能会聊到的一些产品总结了一下稍后可以放在 show notes 里头大家可以看它其实是画了一个横轴和纵轴然后这个纵轴呢其实就是跟自动驾驶一样就是 AI Coding 现在也把它分成 LE 到 L5 根据自动化的程度不同来分成了五个阶段
像 Amber 刚才提到就是 web 端有一个就 web developer 然后包括这些 lovable 然后 bolt 然后 replicate 这些都是在 web 上自动化做的相当好已经其实到了 L4 的这个阶段的这么一些产品就是像刚才陈总提到像 GitHub Copilot
包括像 cursor windsurf 相当于一个通用的工具自动化程度现在其实还没有那么高 devin 现在可能他们的理想应该是能做到 l 4 的程度就是像他们应该是整个的 ai 的 engineer 就是不是 task base 也不是那种 project base 是一个更高层的这么一种自主化的阶段
就是刚才说到为什么 Divon 当时其实讨论度很高但是其实从产品以及用户上还并没有说真正被采纳的因为我觉得可能就是刚才是我们说的相对还是一个比较理想化的状态但是从程序员的开发习惯上来说我觉得很多东西是需要循序渐进的就是我们其实看到是从 Copilot
再到 AI coding 就是 AI assisted coding 再到可能后面像一些比较成熟化的比如说网页全站网页生成这一些可以现在完全交由 agent 来做所以我觉得这个事情是在于从目前的形态来说更能够让程序员一步步去采纳的一个方式是程序员先作为 AI
code 的 reviewer 一步步再更交给他完成更自主的任务就有点其实我如果打一个比方其实就像你去招了一个 intern 你刚开始的话你可能不信任他从头到尾完成一个任务然后你需要给他 break down 一些具体的工作但他完成了不断的能够完成小任务之后那他可能能够去完成一个更大的人我觉得这个是企业和程序员个人来说更能够采纳的一个思路
我来补充一下其实就是今天有很多的测试人员或者说用来出学者他往往会说用无论 Crosshairs Tree 或者其他的 agent 也好编程工具他会想一些比较简单的比如说你给我写一个什么俄罗斯方块或者写一个什么贪吃蛇游戏这些游戏其实是非常简单的所以就算是比较差的模型也是可以当下就完成了所以
其实是看不出来你觉得他很厉害但是因为他是一个已经被实现了很多次在各种地方都有开源代码的所以其实是看不出来你真的让他做一些就不一样的代码那个时候就会看出来就是说你到底到了 LG 我觉得其实现在 Task 这个程度上来说能做的都已经不错了而且还谈不上就是 Project 了就是所以当前比较实用的其实还应该是在
我觉得在 copilot 以及锤类的一些需求的 agent 上我觉得可能还有机会变得更成熟就是市场能够接受陈总的锤类需求是指什么
你 agent 你可能希望本来就是说 Diamond 希望他变成一个能力很强的全站的 AI 的软件工程师是吧但是呢比如说有些人说我不做这个我就只做一个 agent 他只负责单元测试或者有些专门做代码 review 就是类似于这样的锤类的功能
它可能未必是完整的代码的权占的就是端到端的代码生成但是它相对来说就比较接近当前技术可以实现的这个地步但这都做不到百分之百的准确率我觉得百分之七十可能就差不多所以就你想想就是一个简单的需求都要成功概率只有百分之七十那你这个你一个很复杂的代码那当然是做不到的
就还是咱们的基座大模型还没有到达这个能力但这个我们也是慢慢在提升的所以可能在现在的程序员最稳健最安全的用法就还是这个 Copilot 你帮我兼补全也是大家付费意愿最强的一块对吗对的对的对的这个群体其实相对来说是比较确定性因为程序员其实这个行业收入还是比较高的或者成本比较高所以他如果能够提高效率他其实无论是企业或者个人他是愿意出钱的但这个
那这个会不会就是有一些在产品上面我不知道因为刚刚我们看了嘛就是有很多的竞争对手那比如可能从 Trey 的角度来看的话就是你们现在切入的这个角度是为什么是这样子然后为什么是从免费的先开始切
先回答第一个问题就是我们为什么选择这样一个产品形态首先的话我们还是觉得 coding tools 是 built 给程序员了所以程序员的话他们日常开发最常用的东西还是 IDE 所以我们还是决定去做一个比较 AI 原生的 IDE 来去实现 AI coding 的产品形态
另外的话就是为什么免费我觉得这个事情是其实就是有很多人好奇从整体的 vision 和愿望上来说我觉得 AI coding 不应该是一个只给能付得起每月 20 刀
订阅费的人来用的事情一部分它是改变了生产力节省了成本然后也让程序员的效率提高了然后另外一部分它也释放了生产力其实有了这个 tool 之后从把一个想法 build 出来的这个门槛会变得比以前更低这个其实也能够从另一个角度上能够让更多的人去参与到去做 AI 应用层也好去做更多的有创造性的事情的一个机会里面去
这个听起来很官方啊有没有没那么官方的答案这个真的要说话公司有钱不是因为你们很有钱
我来说一个猜测不太关我但是我自己在猜因为我自己完整经历了移动互联网的时代因为我自己当时创业嘛就是参与创业做一家工厂被大厂收购了然后我是觉得这里头的逻辑我今天越来想得越来越清楚了就在 AI 时代我其实去年的时候去年特别去年上半年我还在想就是说包括我们写文章也在说 AI 时代的
特别是大模型时代的能力如果大家都集中在模型这一侧的时候那你做 AI 应用到底你的价值在哪里是吧大模型捎带手就把你给做了这个是这个行业大家都特别纠结的事情但是我觉得去年下半年开始我就慢慢想通了这个事情
其实 AI 这个行业当然现在终局不太好猜测但是我觉得未来的价值或者它的壁垒或者技术的积累它都会集中在云端两侧云这侧不用说那肯定是大模型是吧或者云服务就是这部分的能力因为基本上可以说我们所有的 AI 应用的智力
创造力什么规划这些能力都是从大模型过来的端测干什么呢端测今天的需求很明确端测就要拿下用户的上下文什么叫上下文我觉得是这样的如果从个人用户来说上下文就是说它可能是用户的一些习惯或者它的一个背景
或者他使用各种产品的各类应用的一些选择是吧等等这是一个他的背景包括他的一些偏好然后呢企业的话他可能有企业的比如说从 AI coding 来说有企业的代码库有他的行业的领域知识是吧有他的企业的一些内部的数据和一些知识库或者文档等等这是一类
我觉得其实还有一个更进一步的我们叫新的上下文什么意思就是说其实因为我们也投资了一家就做数据标注的公司就是 AI 数据标注公司
你在看就是说比如说我在用 Cursor 或者我在用 Tree 我其实在做任务的时候我其实在随时的给我自己做标注我比如说我今天我让他写这个东西明天写那个东西让我提出我的修改我一直在给自己做标注而且这个标注如果被 Cursor 或者 Tree 这样的公司拿下来
它是非常有用的而且不仅仅这样因为今天有些所谓的 MCP 这样的或者 agent to agent 这样的协议就是说你在客户端你其实是可以调用任何其他的应用的服务如果我在 Cursor 或者 Trade 上我订一个美团外卖说不定也是可以的啊
所以你的上下文在各个应用场景里头都可以被收集上来所以我觉得就是说未来的应用很可能就是得上下文者得天下所以我猜就是我觉得张一鸣这样的特别有思考力的领导者我觉得他可能也猜到了一种可能性就是说他觉得还是把这个上下文拿下来
可能是今天 AI 应用的最大的价值所以从这个角度来说当前的一些商业收入其实就跟我们看到它当年那个抖音或者那个推广的时候的样子这是我的一个猜测不太准确
其实我想补充一个点我其实很相信一句话包括我觉得也是自己一直想在做的一个事情就是当代大家很多的生产力就来自于两个东西一个是 code 一个是 mediamedia 产生内容 code 更多的产生的是你现在每天在用的这些软件所以我觉得
对到现在其实 AI 后面有应用层模型模型能力出来之后现在有这么多的应用其实还是离不开生产内容和生产代码这个才是目前现在来看的话大家去生产更多的更高层次的东西的关键的突破口和入口我觉得这个也是为什么在 OpenAI 这样的公司它是一个模型公司现在然后它愿意花这么大的价钱也去收购一家 AI coding 公司
这是一个我自然个个人的一个观察对的对的所以就是说如果延展开来讲就是说因为上次其实也聊到一个话题就是说为什么大模型公司愿意自己做口袋是吧直达用户像 OpenAI 它在这方面其实还下了一些功夫就是我觉得可能原因就是说互联网上的数据已经被用的差不多了我们今天看就拿来做预训练的其实都差不多了但是有一类的数据拿来做预训练
那就是说它其实这类的数据是以前互联网上没有的数据
这个话题我还跟一个强化学习的一个高手专家聊过一次我说这一类的数据它怎么存是吧你大量的对话你可能很多都是一个大文件扔上去他说其实他想到的有可能就是存一个 KV cache 就 Transformer 里头的 KV cache 无论以什么方式存这样的话如果大模型愿意向应用端发布
反回一些 KVCash 但我觉得这是一个商业交易那么如果你存了足够多的 KVCash 就基本上拼接成了你这个人说不定比你自己还更了解你自己如果这样的话那真的还挺有意思的
对我觉得这个也是这个为什么大家在不断的增加像 Chad GP 不是最近又增加了他的记忆功能吗这个也是为什么护城河会慢慢产生的原因因为我其实是一个 Chad GP 的重度用户我没有办法再去转到其他的 AI 模型上面去就是因为我所有的日常的生活衣食住行基本上我都跟他随便聊两句所以我就可能就回到了陈时总的
标注上面就他了解了我日常意识住行的所有东西但我就不可能再去再换到去 cloud 了因为我还得重新跟他再熟悉一遍这个没有太多办法所以我觉得可能从 AI coding 的角度也是一样的但是我又有一个问题那会不会这个可能会有一部分的在比如说是一些中厂大厂他们内部的一些
规章制度 coding 它可能跟个人的意识住行这个心情还不一样我个人这个同意了就 OK 了但是有一些你的 coding 你是需要有上下文的你不是一个很小的 project 或者你只是一个这个补齐那这个会不会是一个潜在的对于中厂大厂来说的一个问题
是的所以就今天你可以看到比如说 Cursor 其实它更像面向个人的独立开发者的所以它其实应该说还是比较相对来说还好是吧就是个人大概贡献一些给自己做标注大概没问题但是你比如说 WindsurfWindsurf 其实更偏重于
企业就说他要进到企业里头在企业里头呢他就需要遵循企业的一些比如说保护是吧我觉得应该他跟企业的那些合作应该会有这样的一些保护协议那如果这样他就采集不到我觉得这当然是一个这个现状了就是每一家企业但是也有些企业可能也就不太在乎比如说我可能是中小企业
我现在就是要因为你如果不把代码库把你的 know how 给他他其实没办法给你提供那么好的服务所以我猜中间可能会出现一些像那种什么隐私计算或者联邦学习之类的方法去规避这样的东西当然现在都还太早期最终怎么样不知道但是确实你说的这问题存在就是说可能这种采集也不是随便想采就能采的
对 而且我觉得我们也观察到过就是像 Cursor 和包括 Trey 其实最容易被采纳的团体是那种小团队或者个人开发者为主
更多的大企业的话包括我现在其实 GoogleMeta 也有包括 AWS 也有他们自己的这个可拍的工具所以我觉得大企业上面的话可能目前只有两条路一条路的话是你在完成了一定的隐私安全的基建之后你去做大企业上下文的 tailor solution 你是专门为他们定做一个 solution 然后这个也是 WinServe 目前在走的一条道路
下一个的话就是大企业也会自己做自己的代码补全来完成他们自己上下文的这个构建说到这里我有一个疑问啊那这么说其实 Cursor 更加是一个 2C 的生意然后 Windsurf 像是个 2B 的生意那我不知道就是在 AI coding 这个领域就是大家对 2C 还是 2B 这个有一个什么样的共识吗
对如果从我的角度来说我觉得其实因为我去年还写了一篇文章我觉得其实现在最早成熟的是 2P 就 professional2C 呢
显然我觉得小白他其实用这些 AI 工具还是蛮难的比如说今天 ChangeBT 我觉得真正付费的用户才有可能够得上是 professional 或者是一个专业用户或者愿意真正使用它的但是你如果大部分人就凑个热闹是吧其实他其实也不太会用而且因为他学习门槛还是有的而且他经常出错是吧你用几次你觉得哎呀
怎么出错了所以他就有可能大部分的小白其实挺难去适应这样的场景所以我觉得做专业用户可能还是一个挺好的路径包括这用户我自己在想这用户可能有扩大化一点就两类就是一类是就专业的开发人员
那他本来就是从事开发那么他其实用这个这种 AI coding 的工具其实比较顺手还有一类我觉得我叫非程序员的专业或者非程序背景的专业人员我觉得这一类像比如说产品经理是吧包括像我们这种已经 20 年不写程序的
老程序员那我现在只能算是非程序员的专业人士就是我有一些这种潜质能够指导 AI 写出好的程序但是呢坦率讲我其实自己动手一些编码能力现在是很差了所以我觉得这一类的人他可能就是有一个群体我不知道这群体有多大
可能就是因为现在大概程序员大概全球加起来就是 5000 万大概以上吧可以叫程序员如果加上那些群体我估计应该有几亿人可能可以用就是所以这一类的人可能今天就是最大的愿意付费的用户所以今天 Cursor 或者 AI Coding 的目标其实首先是这一类人
我觉得 AI Coding 这件事情其实是让所谓的程序员的群体会变得越来越大然后这个里面也包括了陈总刚才说的专业程序员也就是他们上班每天的工作就是写代码的程序员以及一些我们可能叫他 citizen developer 或者是 hobby developer 泛开发者然后泛开发者的现在的数量可能是开发就是有人预测到 2025 年的时候可能是专业开发者的 4 倍
然后像我现在自己应该也算是放开发者了因为我也不是就是靠写代码来赚钱了我觉得这一番更多的是改可能这种文章 code 的工具能够改变他们工作上的一些流程就比如说从一个以前他可能过去他只是一个产品经理他不会写代码他就是说我必须要这个程序员出现我才能完成我这个项目那现在如果他能够自己简单的搭建一些 prototype 搭建一些前端的话
那他可能需要的就是一个更懂架构的一个程序员来配合所以就是像这样子的人他可能也有这个付费的意愿再扩大的话到比如说 data scientistdata engineer 或者说其他的一些 engineer 那是不是我们也能够去触及到那些人我觉得这个都是有可能的这个市场应该还是比我们想象的空间要更大
对我补出一个特别有意思就是我认识的一些产品经理或者一些设计师特别高兴他跟我讲说终于不用看你们这些程序员的脸色了我自己就上来做我发现他的接受意愿甚至比那些程序员还要高
我为了 V0 付费的时候就是因为我当时在写一个 PRD 然后我没有前端程序员然后很着急需要把这个需求把这个 feature launch 出去所以我就然后我那个 token 已经用完了所以我直接一下子直接点击付费赶紧把这个东西搭起来我觉得这种其实这种需求应该不是只有我一个人存在对
对雅仙你说一下咱们内部上次你跟涛老师讨论的他们俩花了几个小时的时间其实在 tree 上面搭了一个东西开始很兴奋我先表达一下我的观点我是对所谓的小白有写代码的需求这个命题我是觉得它是伪命题的我当时是想让他写一个关于科技早知道的这么一个网页然后呢我同时呢还用 manus 就是那个 agent 就是那个 AI agentmanus 我跟他说了同样一个需求
Manus 非常快的就给我搭出来了一个至少是网页至于里头能不能点什么的那些是自要的因为我的 credit 很快就用完了但是 Trey 他是我能看见他在给我写代码说他在他要 access 这个文件 access 那个文件然后他一会儿就给我报错说我这个库没有装一会儿给我报错说我那个环境没有然后我就按照他指示装了这个库装了那个环境到最后还是不行这
这整个调试的门槛还是有点高对就是我觉得我是就是我他是对你的整个 system 的思维还是有要求的然后但是 Madness 就显然更小白我只需要跟他讲说我这个我需要一个什么然后他可能会问我一些问题说
你需要什么风格然后你需要一个什么样的组件什么的然后我告诉他然后他就给我搭出来然后但是在 Tree 的话我感觉还不能是纯自然语言我还是需要再把我的需求再具体一点但是我又不知道如何让我的需求变得更加具体所以我
我感觉我还是觉得就是所谓的小白血程序我还是觉得他这个命题还是不是一个真实的需求我很理解你说的意思然后这个也不是第一次听到我觉得是这样子的就是大家对小白的概念不一样就是我刚才刚开始头也说了这么 tree 其实 build 就是 build for developers
并没有说要给完全不会写代码的人来用然后有一些软件比如说 Manus 或者比如 Loveable 他们自己声称就是说我们是让所有人都可以用当然你可以再去试一试 Loveable 能不能跟你拼出来你想要的东西我觉得每一个目前其实我们还没有对这种所谓的泛开发者和编程小白去做特别明显的区分
后续我觉得随着产品越来越多的时候大家对这个应该也会有更多自己的一个区分然后我觉得对我来说就现在有一个很火的词叫 Vibe Coding 前两天在 X 上还发了一句就是我觉得 Vibe Coders are Engineers 就是如果你能够真正掌握像 Trey Cursor 这样的工具并且用它真的能 Build 出来很宣阔的东西其实现在要求的是你本身是一个懂技术然后知道自己你本身是一个 Engineer 背景的人
这个是有一点点闷看的我觉得如果我有时间我真的还能写一些复杂的软件通过 Cursor 或者 Tree 这样的就回到那个小白这个话题小白这个话题我觉得我也觉得不太成立就是说因为大部分的小白他其实就没有这个需求
我觉得他的需求就是说就按照我们那个备投公司的 CEO 说这些小白连跟程序员对话都嫌啰嗦都嫌麻烦所以他其实是吧他就过来玩一下能成就成不成拉倒反正他就试一下他就走了所以我觉得小白就适合用 office 我觉得未来可能会有一档就是
Office 就新型 Office 包括你看现在大模型不是内置了一些吗像 Canvas 或者叫 OpenAI 就 Canvas 那个叫 Artifact 那就是给小白用的 Office 我觉得 Office 可能还可以用对像我们内部有一些数据其实就是直接是拿飞书然后有一些多维表格其实就满足了我们最基本的一些数据要求对那个就是低代码和无代码工具我觉得可能会升级就是用自然语言能写功能更强大但是它本质上就是 Office
节目中间插播一则招募信息科技早知道正在招募内容志愿者如果你是我们的忠实听众也是半导体先进制造 AI 生物医药等前沿科技行业的从业者或科研工作者欢迎与我们联系你将有机会参与到我们节目的制作当中贡献你在行业内的观察与见解报名方式可以在本期节目的 show notes 中找到期待你的参与
要不然我们再给大家介绍一下刚刚 Amber 讲的这个 Vibe Coding 也是最近好火的一个词但是你看下来其实她也就是专门给她找了一个 term 然后给她冠了一个新的名字我可以先给大家来介绍一下什么是 Vibe CodingVibe Coding 它其实是这个 AI 专家 Andrew Capacity 他提出了一种新的编程范式那他指的就是不用传统的程序员一行一行往里头敲代码而是用自然语言描述的方法让大语言模型来生成代码但是我觉得最牛的是就是
他的这种范式转移是说你程序员你不需要再去看这些代码的细节你就只做一些指导或者 review 的功能然后因为中国翻译叫氛围编程所以你只需要关注这个氛围编程的氛围以及做一些高层次的指导然后让他来实现你的需求对其实陈总和那个 Amber 刚才都提到了这一点
对我其实就是说我觉得因为我以前写程序那么我写的最底层的程序是汇编汇编语言它对应的就是机器码可能是一对一或者多对一但主要是机器码所以在那个就叫低级语言然后后来才开始写这种 C 可能是中级语言后来就高级语言就是 Python 什么 TypeScriptJava 这些 C++可能也算高级一点高级语言
就是你会发现其实都会这个语言的进步都会慢慢的越来越抽象失去对底层的控制我觉得这是不见得是坏事情因为你如果今天大家都学会编语言我估计不会有这么多好用的软件出现
你最终等到那一层比如说编译器也好这些工具能够非常准确的把你这个高级语言映射到低级语言的时候你其实人就自然应该往高级往抽象那个方向去做所以我觉得 Android Capacity 就是 OpenAI 的 Android Capacity 它其实
当时提了一个最好的编程语言以后可能就是自然语言另外一个这个 vibe coding 就是氛围变码也是他在今年的 2 月份提出来的他的意思就是说用文本甚至他就用说话的语音的方式就跟他的模型对话然后就让他去改他的程序他中间就忘掉了
他需要写代码就忘掉了代码我觉得这个就是当然这个东西我觉得现在还有各种各样的问题就是他可能做比如说早期的一些预演的比如说 demo 版本或者是一些用户不太大的并发不太多的那些这个还比较有好处一点但是就是说我是觉得我看到了就是因为我们作为投资人我先看到了这个东西我自己作为一个老程序让我思考一下我觉得其实是挺有价值的
那我其实还在 Tree 上做了一次试验刚才那个亚仙讲到的出问题我也出一个问题就我让他给我写一个本来是写一个那个一个程序然后我让他我说你用图形化给我输出
然后他用图形化给我输出然后呢因为你也知道这个开发环境是很复杂的就是他输出呢他说我用某一种框架去给你写 OK 这框架是出错出错了我让他改改了半天他说可能版本兼容改半天改不出来然后我就跟他说你换个框架我不要这个框架然后换了个框架马上就好了
这就是老程序员的价值就是说因为我知道他大概出在什么问题上因为你不提醒他他还在这个框架里头绕来绕去这个版本不行化那个版本就是几十次对话他都这个样子的时候你知道他已经误入歧途
所以你这时候给它只挑名录所以这就是老程序员的经验在这里头起到了作用所以我就觉得 webcoding 是可以做到的未来但是呢就是看做到的程度但是确实是一个很有意思因为自然语言我觉得它的好处是它通用性好
它更抽象比这个 Python 和 TypeScript 更抽象举个例子来说我跟他说你给我做一个抖音这样的程序那他就自己去玩一下抖音把所有功能试一遍他大概知道需求是什么样了是吧那你用 Python 怎么写呢你怎么写这个需求我就写不出来太复杂了所以就是
通用语言它抽象了有它的好处虽然它不准确有可能会奇异但是它表达效率很高如果通用语言加上一些别的工具就是比如说一些形式化的像语言比如说像编程工具编程这个语言或者说像一些其他的数学公式啊什么之类的就配上一些精确的工具说不定就可以做出复杂的应用
大家觉得这个会过几年这个能更加成熟就完全自然语言那就看他你要希望他做到什么程度比如说五年之内中小规模的软件应该是可以做的因为今天的模型发展很快但是你要说特别大的可能我觉得比较理想的方式是说他还是留了一个人类的帮助的接口
就还是有一个老程序员老法师在看着然后慢慢的去进步所以他这个人在改的这个过程指导他的过程同时也在标注所以标注这个一个数据所以能让这个模型会学得更好
对,我是非常赞同刚才陈总说的这个,因为我自己作为程序员和产品经理也是深有同感。然后我觉得 vive coding,就首先 Andrew Caparcy 会说他自己可以 vive coding,是因为他也是一个程序员,他其实是知道自己要去 build 什么的。不管是用 Trey 还是用什么,我自己也 run into problem 过,是因为后来我去反思了一下,而是因为我的刚开始的 PE 给了一个问题。
所以你怎么给 prompt 然后你希望 AI 做什么为目前现在的工具来说你要给出非常明确的指示比如说我要用什么框架用什么语言用什么样的 library 之后它才能 web 起来我觉得可能后面来说的话 web coding 如果这个事情真的后面慢慢越来越普及越来越成立的话其实反而是你更需要技术 technical knowledge 了
因为你对架构对你需要用什么框架就是你对系统设计的要求和你对你真正 build 产品的品位就会变得更加的重要就系统性思维和横向的这种思维可能更加重要但是你怎么样去 debug 一个很细节的东西可能未来就不太需要了
我有位程序员朋友他也是老程序员了他跟我说 AI 辅助工具你如果想从 0 到 1 搭建一个工程非常的容易很快就能给你一个 demo 但是如果你想要修改要 debug 或者给你一些比较冗长的工程让他去修改的话
非常非常差比它一行一行敲还要效率满但是我发现通过 Vipe Coding 其实你可能没有必要再去做 debug 包括陈总跟我发的那个播客 YC 的那个孵化器他们做了一个圆桌就是他们采访了一些自己写代码的一些那个 founder 他们就说我如果有 bug 的话我直接就跳过去我就说那你干我重写一个就像刚才陈总说的我换一个架构重新重写因为用 AI 这个编程工具已经可以把你重写的这个效率提高非常非常多了你不再需要一行一行敲了
所以可能我就不需要 debug 如果出现了 bug 我重新重写一个是不是就可以了
是的其实我尝试过程也是重写他每次都重写我觉得这一点呢有好处就是他推导重来你只要给他指个思路他重新写一遍其实这是好处但是也有些问题就是说因为你每次重写是不一样的就跟你比如说你用 Diffusion Model 的那些模型去生成一张图你其实觉得这张图挺好你想修改个细节然后他重新生成把那些好的那个细节改过来了但是那个好的东西又没了就他又不确定性
所以就这个其实是一个问题包括我们今天的 AI 模型其实是有这个问题比如说你今天我们每一次预训练都是从头开始训练或者就是说在现有的基础上训练你不能说单点的把一个知识做修改做不到所以这个其实也不好就是因为你历史上的一些遗产或者说一些遗留下来的东西是挺好的但是你不想失去
但是你重写呢它就容易失去所以现在我觉得这个是它最终要真正商用可能也是需要去解决如果它每次都重写而且写出来每次都不太一样的时候
你看到把这个 bug 写好了那个 bug 又出来了所以这个也还有点觉得有点问题吧没办法用就跟我们现在可能要写个长文章写个几万字的文章它肯定是让我一块一块的分块来写这一块写好了你满意了然后我们过然后我们再写下一块就没办法它也生不出来那么多就又回到了我们刚刚说的这个上下文然后它的记忆它的 token 没有那么长的这样子一个问题里了
而且作为从团队开发的角度上来说你也不能每次遇到 bug 都让它重写从一个 teamwork 来说这个也是一个不太现实的事情只能说他提出的这个是一个很好的方向实现还得有点时间
那我们下面要不要聊一聊这个初创公司跟大厂来做 AI coding 这件事情其实你看像美国的很多出圈的这个 coding 公司比如说像 Devon Cursor 都是一些初创公司但是你说国内其实也有一些产品包括像自己的 Trey 现在像有通一灵马然后像阿里也有他们的 coding 的产品听起来好像是大厂会反映的更快一点我不知道两位怎么看初创公司和大厂在 AI coding 赛道上这种发展陈总先说吧因为我自己在大厂待了五年
大厂其实是这样的他基本上如果立项做一个事情他基本上会需要看得见的或者最好是 PMF 得到的初步验证的产品所以他倾向于选择有共识的赛道我觉得这不是一个不好的
选择反倒是个好的选择因为大厂没必要把每一个末端的新的东西都尝试一遍因为交给创业公司尝试也好它后面要么收购或者它后面可以继续它也可以做进来我觉得包括今天 GitHub Co-Pilot 也在学习 Cursor 我觉得这个是很正常的
所以这个就反倒给小公司留下了一些机会我觉得小公司特点我觉得有几点第一点小公司的创新速度是比较快因为小公司很少所以它更敏捷一点而且我觉得非常重要一点它愿意尝试激进的一些
非共识的想法国购会讲一下非共识我觉得特别重要刚好跟我们今天谈到的两家公司有关系第二个是说我觉得技术密度其实创业公司虽说人比较少但是他的人才密度是很高的而且工作起来很高效没有大公司里头的那些流程是吧
那另外一个它也可以充分利用开源的一些外部的生态支持我觉得这一点上来说这个创业公司其实是也是有它的长处的在第三个方面就是说本身来说这个 AI coding 这个市场还是非常大大家都出在早期其实我们看不到终局现在看不清楚终局
所以大厂和创业公司基本上在这个世界上是在一个起跑线上的所以这里头会有很多的机会说到刚才的非共识我再补充几句我觉得非共识今天我们两个案例都非共识一个叫 Cursor 一个叫 DeliCursor 非共识在哪里就是 Cursor 其实先看到了 CopilotGitHub Copilot 那么但 Copilot 它当时是一个插件的形式出现的
它是 VS Code 的 VS Code 是微软的 IDE 或者叫微软的程序编辑软件那么它是一个插件的形式存在因为它没必要为了做一个 AI 功能去因为那个 VS Code 可能是另外一个团队的它不能说我再做一个 VS Code 是吧那其实不太理想
所以他是做了个插件但是 Cursor 是创业公司他反正什么都没有他一上来就说我要做一个完整的一个 IDE 环境或者完整的程序编辑环境所以可以说现在叫 AI native 也好 AI 原生的
编辑环境我觉得这是一个非常非共识的做法而且当然它是基于 VS Code 开源的代码来做的 VS Code 应该是 50 汉代码不算多但是据说是它用 TypeScript 它写的而且是程序据说结构特别好所以它其实密度是很高的所以我觉得改起来不容易
50 万汉代码的程序里头做修改是挺不容易的但是它的好处是因为它完全控制了这个编辑环境所以它就可以把所有的 AI 有关的它想到的产品功能都放进去了所以今天看到比如说我们用 Cursor 用 Copilot 就是用 GitHub Core 是一个完全不一样的体验我自己举一个亲身的案例就是说
我觉得 Cursor 在某种程度上把这个上下文的收集和打包过程都已经做得非常理想了就是说比如说你一个代码出了差错它自动就把你这个代码你的文件格文件大概有那几个代码文件是吧还有包括你的这个调试的这个出错的报的 bug 这些都会打包直接作为上下文发给后面的 Cloud 3.5 或者 Tragibit 因为
所以就是它是一个上下文集成而且第二个是说你如果想修改它修改一个东西比如代码补全它是多个文件长距离的代码补全而且是说它比如说有一些使用上的一些配置它是可以直接帮你去改的我在 Cursor 上一个最大的收获是因为我是用 Mac MacBook 我换了个电脑然后我装了个 VS Code 的
这 VS Code 大家知道是非常不容易装的因为你这种装了 VS Code 的各种配置我觉得有大几百个上千个的配置都是有的而且它有各种开发环境像 Python 的版本或者 C 的版本就是各种复杂的东西
然后经常出错然后我就有一个出错的一个点就是说我要在屏幕上比如说我这程序要输入的时候那么它终端就会跳出来突然就执行完了就是这输入就不能在这个 IDE 里头输入我这个弄了这个
好几星期都没弄出来这个问题然后后来我在用 Cursor 的时候我就用 Cursor 来让他帮忙去解决我就因为他比较方便是吧他都每一次错误比如他就先说他有可能是这个错误然后我就这个错误我就试一下我就点一点然后他说怎么修改那么我就点点他就改了
他要安装什么我点点他就安装了就是很快我就在点点点点了之后呢他改了以后还是不对经过几十次的交互突然就解决了就是说他在 Cursor 在帮我解决了 VS Code 的配置问题这个就很神奇他解决了不是他的范围里头的东西所以因为我觉得他的好处是因为他实在太方便了他不需要我拷贝来拷贝去是吧
所以他拿到拿上下文的这种能力足够的强之后他其实变成一个效率工具他就更有效的办法去解决问题了而且他相当于办法去看了很多这个网上的各种 know-how 是吧出问题怎么解决你看这个就是一个我觉得很重要的一个点就是说他集成了上下文之后他就可以做所以 Cursor 这一点上我觉得是最重要的他为什么打败 Copilot 因为他重构了 IDE
这个是个非共识因为这个是难度太大没有公司会这么做大公司不会这么做小公司又觉得这工作量太大 50 万代码你去修改是吧
Devin 是另外一个非共识 Devin 是定位在做自主软件工程师这个其实描的太高所以反导也有好处他是一个非共识我觉得创业公司就有可能在非共识上去描那么他大厂可能也不愿意追看不到或者不擅长去做那么这个就是一个保护伞我觉得这一点上来说我觉得创业公司寻找非共识的创业机会这是一个很重要的一个特点
刚才我们也提到就是 AI coding 的未来那 Devon 是不是相当于是 AI coding 的一种最终形态呢对它是瞄着终极形态去的就跟现在好像今天好像看到个新闻说有人做了一个 AI 的科学家一样或者科学家工具一样它一定是瞄着最终形态去的但是能不能做到或者怎么做到或者是不是他做到都很难说但其实
起码它这个定位很独特而且它可以一直往这个方向去发展所以如果这个模型或者其他条件具备有说不定它就能做出来因为它一直在往这个方向进这就是小公司的好处大公司不会这么干因为你这个技术路线你这个产品分支对不对都不知道大公司会观望好像美国的大厂没有中国的大厂步伐那么快呀
我觉得其实尤其在美国 AI 这一波吧美国的大厂相对来说的步伐就是相比创业公司是更加保守的然后创业公司就像刚才陈总说的可能更会去做一些非共识的东西就相反我觉得因为 AI
这一波带起来的很多事情不是说你觉得它百分之百对你才去做的是你看到了它的可能性之后你去做一些尝试它这个尝试的过程中不一定所有的决策都是对的但是我觉得大公司来讲的话不管是从架构还是从整体的部分来说它是不那么情愿去做那么多有冒险的事情上
所以美国的创业环境我觉得还挺好的除了大厂比较跟随的速度比较慢其实我觉得这是留下好的一个机会创业公司机会而且其实我觉得还有一点就是说我是今天才想到的你看就因为现在的 AI coding 或者 AI 应用的落地其实还是美国比较领先那么领先的时候所以美国的这些创业公司有机会去找一些原创的定位上去突破
到中国不一样中国是大部分的情况就是原创也是在美国解决了所以中国的创业公司和大厂同时看到了原创的成果所以这个时候你就天然就创业公司天然就失去了在 PMF 发现之前的机会因为你肯定人家比你领先可能起码比如说半年或者一年的我指的市场氛围所以这个时候
你可能所以其实我后来就说我的背头公司有一些做 AI 应用的我都鼓励他们出海我觉得美国的环境你先去试一下那说不定有更多的机会你再出口转内销所以就这个我觉得是一个是一个不太一样的点但是我觉得中国未来会进化到
自己做独自的独特的创造我觉得这一天我觉得应该在不久的将来应该是可以做到就跟我们移动互联网时代一样就是我们可能刚开始从美国学过来但是我后来我们做出了更好的商业产品和商业模式反倒可以去向美国去出口向欧美去出口
陈总那你的意思是说现在在中国创业没有真正的 0 到 1 是吗在 AI 领域主要是发展阶段它比我们在前面一点所以相对来说 0 到 1 可能还需要点时间但是我觉得中国 0 到 1 的能力是很强你看现在
无论是字节还是我们出海的 2P 的少数 2B 的包括 2C 的其实中国的团队或者中国出海的团队或者当地的华人团队都很厉害特别是 2C 我觉得中国的 2C 其实是无敌的因为你看美国这上一个 2C 的应用应该是 Instagram 也是好多年之前的产品了就是 2C 的产品经理和 2C 的产品的 sense 是
或者技术人员是比较差的所以其实中国大量的 AI 应用的出海其实也证明了说其实中国的能力是在的但是环境是一个另外一个因素它环境要具备的时候它可以再回来在这个环境里创造出新的物种那我还要想深挖一下为什么美国有从 0 到 1 的环境中国没有呢这个环境具体指的是什么呢
如果从中美的对比来说我觉得美国事实相对是比较对创业公司比较友好的我其实前阵子我们有些美国回来朋友交流说美国的 AI 的应用首先拿融资很容易小的融资它刚开始只要出来一般都能拿到然后拿客户也比较容易总能找一两个客户然后找到几个客户以后它自己就生存下来没问题了
然后大厂又比较迟缓是吧而且如果做起来大厂还是容易去收购所以的话这个方面我觉得是它是一个整体的社会环境因为那个地方我觉得有各种原因一个是说它我们叫就是说一个是说它工程师的成本高所以它就是那些软件创业公司的软件就是说我如果一个厂是大厂或者中厂我自己工程师做还不如在外头买一个是吧这个是一个机会另外一个呢我觉得
也是说他们相对来说我觉得美国的这个环境里头大家
我们有个说法就是说他们卷是卷在 PMF 之前所以相对来说呢没找到 PMF 之前呢其实大家很多人在卷但是他找到 PMF 之后呢他就稳定了他就有一个机会所以你就创业公司就赶紧去找 PMF 所以就是我觉得所以这是跟他的发展的这个阶段是有关系的但是 2C 的应用呢就其实中国是历史上移动互联网时代中国的 2C 其实是无敌的
欧美那边就说有一些机会是中国的创业公司可以出海去做的如果咱们从投资的角度来看的话咱们 AI coding 其实是一个还是比较火热的赛道因为它是 PMF 可能跑的是最前面的然后也是商业化最好的一个赛道吧那我不知道现在这个机会窗口不管是在中国和美国是不是已经慢慢开始关上了因为感觉好像玩家呀然后头部的其实已经慢慢形成了不知道可能从投资的角度您会怎么看
我觉得 Co-Pilot 大概就是在中国大厂的事情我觉得为什么自己要做因为大家已经看得比较清楚了就是我觉得中国很难在 Cursor 出来之后其实就比较难就创业公司我们其实鼓励创业公司要做一些艰难的选择就是要找一些非共识的比如说你可以预判下一个模型或者下下个模型它会具备什么能力假设现在已经具备这个能力你想把它落地到那些场景里头去
或者是吧这是一类还有一类呢你就钻到一些生物啊或者一些其他的领域里头你去做深入的去做一些锤类的应用我觉得这些都是一些挺好的机会
这个是从应用上交代来说我觉得 coding 的来说还有一个我其实反倒建议大家去做 agent 就是创业公司他要选择难的技术路线然后这样的话你就可以利用一些这种大家的反正大家都一个起跑线然后我就堵一条线路是吧然后我如果做出来那么我就首先实现了 PMF 我觉得所以就是 agent 方向就是说你如果想做我觉得其实还有大把的机会
coding 的 agent 现在在全球范围内没有一个算是成功的所以这里头就是有大量的机会这边还有一个想补充的就是我觉得 AI coding 就是写代码本身这件事情其实是非常依靠数据和算力的
这个的成本也非常的高然后目前这些公司不管是大厂还是像 Curriculum with Surf 其实是拿了大笔的钱的基本上是在收这个钱来去做这些算力所以但是我觉得机会其实在整个这个 AI 编程的这个赛道里面还是有很多的因为如果我们想得远一点就是以后如果大家的程序员或者工程团队里面都有一个 AI Engineer 或者说都有一个像 Dyman 一样的人
那我们要怎么样去管理这些人然后怎么去 monitor 他们的 performance 甚至说从 customer support 上面来说那面对这些 AI engineer 那怎么去做我觉得就是围绕着这一个生态围绕着 AI coding agent 其实后面还有很多事情然后这个可能是需要一些就是所谓的非公式然后需要一些更多的想象力去想有了这些 coding agent 之后
整个编程整个软件开发的生态里面还会需要什么样的产品的存在对我还有一个疑问就是不知道两位会觉得以后 AI coding 这个蛋糕是会被不同的玩家来分呢还是说它可能最后会是一个赢者通吃的状态嗯
我觉得这一点本身其实如果没有 AI coding 这件事情本身 IDE 里面就是一个多玩家的状态就比如说 Xcode 写 iOS app 那可能之前现在主要的 IDE 是 Xcode
然后后来有了 go 之后呢 Jay Brain 其实出了 goland 然后出了 pycharm 照样要写 python 然后其实 VS code 的人群也是主要是针对 C 和 C++所以我觉得本身啊这个市场里面就是有很多个玩家的哦从我的概念上来说我觉得不存在一个 winner take all 对
对我觉得这个格局其实中局其实大家看不见看不清楚就是说它有各种各样的变化其实我最近在思考的就是说你那个未来的编程的语言会怎么样就是说它既然如果是一自然语言的话它显然虽说它通用性好但是显然它不够精确所以这个交互包括这个载体都在变化就是这里头其实看不见这个是一个挺大的问题然后模型的进展
他能做到什么程度今天是有问号特别是上下文就是我觉得这个长度要足够的长能够容纳这个人的十年或者五年的这种上下文都给当然经过压缩不是说只是存所有的数据不现实所以就是说这个是一个方面再加上怎么去前端怎么去让人类去心甘情愿的做标注这也是一个事情所以就是我觉得其实
还有很多很复杂包括未来的软件形态其实你看举个例子就是现在我们如果是做软件这个角度来说软件其实有两种方式去写出来一种是用代码一种是用神经网络它是两个完全不一样的天然
那么就是哪些东西应该用神经网络来完成哪些东西应该用代码去完成它本身它就有各种不确定性就是有种说法说就是代码神经网络是一个万能的拟合器它可以做任何事情它比代码肯定更加高小但它又不确定所以有很多幻觉之类的所以就其实本身这里头都在变化然后 coding 在这个事情
因为我觉得 coding 对人类世界是起了巨大的作用就是从有计算机开始其实我们觉得 coding 是一个我们今天社会发展到当前的起到了重大作用的一种
开发工具开发环境它是我觉得是应该算是最重要的没有之一了但是今天就是说它未来会怎么发展我觉得这个真的还是说有些特别不确定的未来的变化特别是说它的载体它的这种 coding 的对象是什么人在 coding 是 AI 在 coding 还是人类在 coding 它都在变化所以其实有一点
不太容易就是一下子预判这个终局所以其实还是有各种可能性应该这么说就是终局不容易预判但是机会还是有的对因为叫浑水墨云是吧大家都看不见就是创业公司也能进来墨云
我感觉今天咱们聊完我有一个体会就是如果拿个比方的话就是如果把 AI 中局或者说是 Devin 想要的那个状态就是我们有一个真正的人能够做编程的话想成一个特别高的台阶的话我们现在还没办法一步迈上去但是呢中间我们还是可以搭很多小一点的浅一点的台阶我们一步一步迈上去然后等待模型的智能还有这个上下文的长度能够满足需求的时候有一天就能走到那个阶段但是中间那些一小步一小步也没法缺
我们投资领域经常说的比较多的叫就说投一个项目你觉得它有个叫沿途下蛋不能一下只赌一个未来你最好中间还有些中间性的成果比如 Devin 其实有可能是沿途下蛋比如说我需要一个人类什么样的人类可以做到的先沿途下蛋中间也是个标注过程也是个进化过程
最好是说有这样的一种产品眼镜的设计这样的眼镜形态这样的话你沿途还下些蛋你还可以养活自己还可以锻炼团队还可以有一些经验的积累然后慢慢的走到这个终局我相信是
我觉得除了上下文模型之外包括我们在做产品做技术上面怎么去思考我在 AI coding 上面让 AI 怎么去跟人协作可能去跟人更好的协作逐渐到终局也是现在在做的一件事而且这个其实让我想到一个东西就因为我住在旧金山以前大家说自动驾驶的时候没有人会觉得你会相信路上有很多没有人驾驶的车
但是现在确实从自动驾驶这个事情有到现在过去几年之后确实现在在金军山的那个路上面就是有很多的 vivo 天天在那走所以如果这个换做换到 coding 来说的话我觉得大家其实就是像完全一个自动的 AI engineer 我觉得并不是一个虚化的一个想象力
那我觉得我们今天聊的也非常透彻包括从 AI coding 的发展然后到它的现在包括现在初创和大厂的一些机会以及它的未来我们都做了一些分析那我们今天就这样谢谢 Amber 然后谢谢陈总谢谢陈总谢谢 Amber 谢谢大家谢谢谢谢大家拜拜拜拜这个是我们今天的 What's Next 科技导致的欢迎大家在评论区和我们留言互动加入到科技和创新的下一步讨论中来
另外如果你想支持我们在播客内容上的探索和创新欢迎大家加入我们的生动胡同会员计划详细的加入方式和信息请查看本期节目的收纳那我们下期再见