编者按：本文来自微信公众号 阿尔法公社（ID：alphastartups），作者：发现非凡创业者的，悉地网经授权发布。
短短一周，却是AI 编码赛道的高光时刻。三家知名AI Coding公司都在上周获得了可观的融资。
先是总部位于旧金山的 Magic 公司在谷歌前CEO的加持下获得了 3.2 亿美元的融资，使其总融资额在短短两年内达到了4.65 亿美元，随后公司趁热打铁，发布了首个1亿个token上下文窗口的模型 LTM-2-mini，顿时声名鹊起。与此同时，总部位于圣何塞的 Codeium 公司在C 轮融资中获得了 1.5 亿美元，得到了 General Catalyst 和 Kleiner Perkins 等知名投资者的认可，估值12.5亿美元，晋升为独角兽。无独有偶，Codeium 的“老对家”，AI代码生成新秀Cursor获6000万A轮美元融资，由A16Z领投，OpenAI等巨头参投。
在这些AI新贵后面，不乏金光闪闪、鼎鼎大名的投资人们。根据《金融时报》报道，自2023年初以来，AI编程助手累计获得近10亿美元投资。Replit、Anysphere、Magic、Augment、Supermaven和Poolside AI等公司仅在今年就筹集了4.33亿美元，总融资额达到9.06亿美元（根据Dealroom的数据）。大量的注资仿佛在表明，计算机编程是最先被人工智能技术改变的工作职能。在阿尔法公社之前的文章中AI编程创业公司为何接连获得大额融资？｜AlphaFounders，我们简要介绍过AI编程领域的融资盛况，这次我们将深入了解，AI 编程公司的迷人之处究竟在哪。
提到AI编码助手，不得不提鼻祖级应用，GitHub Copilot。微软CEO萨提亚·纳德拉曾透露，Github Copilot带来的收入已超过微软收购GitHub时GitHub的全部收入。这款基于大语言模型的AI编程助手能够根据上下文自动生成代码，大大提高了开发人员的工作效率。
作为编程助手的代表作，GitHub Copilot奠定了三大革新性的理念，此后不断被参考和实践。
1、如何做产品？在AI时代下，软件产品的大趋势是从"特性工厂"变成"结果驱动"。
不同于传统注重项目管理和代码质量控制的方式的项目管理模式，未来的软件产品开发更注重从用户需求和业务目标出发，通过迭代的方式不断优化产品，以实现预期的结果。这种“结果驱动”的思维方式对于开发基于人工智能的产品尤为关键。传统的软件产品开发是一个相对确定性的过程，开发者可以编写单元测试，检查代码是否存在bug，并修复它们。但人工智能产品则完全不同，AI产品是非确定性的，开发者无法完全预测它们的输出。因此，AI编程公司需要思考产品管理到底意味着什么，Github的策略即是采取更加灵活和迭代的方式，不再简单地依赖单元测试，而是建立了一套复杂的离线评估体系，通过大量的样本数据来评估Copilot的输出质量，不断验证假设，并根据用户反馈来优化产品。
2、如何挖掘产品价值？通过“Prompt Engineering”等人机协作模式让用户“驾驭”产品。
传统的软件开发流程过于注重项目管理和交付，而忽视了如何将用户需求和业务目标有效地转化为产品功能。这种"特性工厂"式的思维方式，往往会导致产品失去焦点，无法真正满足客户的需求。AI编码助手并非简单地通过代码补全来提高开发效率，而是试图从根本上改变程序员的工作方式。这类软件最大的价值，不仅在于它能帮助开发者更快地完成编码任务，更在于它能提升他们的工作体验和满足感。码农们在一次次Prompt Engineering的交互中，可以把更多精力投入到创新和问题解决上，由此提升了用户和软件的亲密度与粘性。
3、如何变现产品价值？GitHub Copilot亲身演绎AI编码公司的商业化打法，是与云基础强劲的大厂绑定。
在各家大厂争先投资AI 编程赛道前，微软早已入局，在2018年以75亿美元收购GitHub Copilot。而上周Magic获谷歌支持、Cursor有OpenAI站台更是验证了GitHub Copilot的商业化道路，大厂需要与AI编码公司绑定搭建生态，保证自己不落后，而AI编码公司的技术创新需要资金，更需要高性能基础设施的支持，以供大规模用户使用，因此大厂成为最优选。
Codeium的创立和Github Copilot的产品理念脱不开关系。联合创始人兼CEO Varun Mohan是早期Github Copilot的用户，深深感受到这类工具的巨大潜力，但同时也发现它们存在一些局限性。比如只能在代码的开头或结尾提供建议，无法智能地补全中间，于是在2022年中期Codeium诞生。为了更好地利用代码的语义信息，Codeium团队在模型训练时专门增加了上下文建模的目标，让模型能够捕捉更丰富的上下文特征，最终解决了“填补中间”的技术难题。
同时，Codeium在Github Copilot的基础上，针对产品设计也做出了独特的选择。Copilot的理念是以用户反馈来优化产品，因此当时现有的代码生成工具常常过于关注简单的"接受率"指标，而忽略了生成代码的实际质量。这可能会导致工具提供一些毫无意义的建议，只为了提高指标。为了避免这种情况，Codeium团队专门设计了一套"字符级归因”机制，能够精确度量每个代码建议对最终产出的实际贡献，更关注被采纳的代码占整个代码库的比例，优化了产品验证流程。
AI编程赛道玩家层出不穷，狂揽近5亿美金的AI编码初创新星Magic更是野心勃勃，将前人定义的编程自动化畅想到极致。Magic近日已推出首个1亿个token上下文窗口的模型 LTM-2-mini，而以长上下文窗口闻名的Google 的Gemini 旗舰型号，也仅拥有 200 万个 token。如果说此前AI编程产品领域的角逐主要在训练层面的参数规模、数据多模态，那么现在比拼的则是推理能力的进化，例如超长文本、推理时间计算、强化学习、对齐等等。因为Magic 的目标远不止于开发一个编程智能助手，而是实现AGI：一个比人类更可靠地解决对齐等问题的人工智能。为实现这一路径，Magic同样选择与Infra强劲的大厂结盟，和谷歌、英伟达深度合作，在 Google Cloud Platform 上构建两台“超级计算机”，使用Nvidia H100 GPU。
可以说，AI编程赛道是AI应用领域独角兽最集中的方向之一。玩家这么多，这个赛道会拥挤吗？从长远看，并不会。
从一开始，编程助手这个工具的出现，就暗存着“民主化编程”的愿景，即不仅是提高开发人员的生产效率，更要让普通用户也能参与到软件创造中来。而AI的赋能将逐步降低编程的门槛：让每个人都能通过一个文本框就能创造出自己的软件产品。
如果AI工具能嵌入到现有工作流程中并立即显现出价值，那么更容易实现盈利。正是编程助手的强经济效应，用户付费意愿和滚雪球式的用户增长等属性，推动了微软、亚马逊、Meta、谷歌等科技巨头争相入局。
数学领域中有这样一个有趣的问题：任意给一个自然数N，如果它是偶数，就将它除以2，如果它是奇数，则对它乘3再加1，经过有限步骤后，最终的演算都是以 “4→2→1”为结尾。AI 编程公司的魅力应该在于，假以时日，能为开发者将复杂的编程问题都以 “4→2→1”为结尾，化繁为简，编程越容易，需求就越高。
如果10%的人口都能编程，那将是一个巨大的变革。
本文为专栏作者授权悉地网发表，版权归原作者所有。文章系作者个人观点，不代表悉地网立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
咨询微信客服
0516-6662 4183
立即获取方案或咨询
top
