内容提要

6 月 21 日，在阿里云上海 AI 峰会上，阿里云宣布推出首个AI 程序员。

据介绍，这个AI程序员具备架构师、开发工程师、测试工程师等多种岗位的技能，能一站式自主完成任务分解、代码编写、测试、问题修复、代码提交整个过程，最快分钟级即可完成应用开发，大幅提升研发效率。

近段时间以来，有关AI的实践应用突破不断，全球开发者加速研发步伐。有业内人士坦言，随着大模型性能逐渐提升，AI应用创新正进入密集探索期，生怕同类型应用被业内其他竞争对手抢占发布先机。

分钟级即可完成应用开发

从阿里云方面的消息来看，此次发布的AI程序员，是基于通义大模型构建的多智能体，每个智能体分别负责具体的软件开发任务并互相协作，可端到端实现一个产品功能的研发，这极大地简化了软件开发的流程。

例如，在编码智能体中，AI程序员首创了代码仓库知识图结构，不仅能理解用户的需求，还能精准定位代码对应的修改位置并自动给出修改方案。

在大会发布现场，阿里云展示了以对话的形式，让AI程序员自主完成一款奥运赛事日程应用，从提需求到页面上线全程仅需10分钟。如果按照传统的开发方式，程序员需要先后完成网页开发、编写Python文件处理程序以及运行、调试、修改代码等工作，至少需要半天才能完成。

“辅助驾驶”转向“自动驾驶”

稍早前，阿里云于去年11月发布AI编程助手通义灵码。目前，通义灵码每日辅助开发者生成代码超3000万次。

业内人士指出，随着AI程序员的问世，软件开发逐步从“辅助驾驶”进入“自动驾驶”阶段。

“软件应用的开发范式正在发生改变，未来用户只需定义问题、提出需求，分钟级完成一个应用开发将成为常态。” 阿里云通义大模型业务负责人徐栋表示，通过AI编程助手和AI程序员的共同加持，每个人类程序员都将成为超级个体。

放眼全球，今年一季度， 初创公司Cognition AI也宣布，一位名叫Devin的AI程序员由该公司创造出来，世界上第一位完全自主的AI软件工程师由此诞生。

值得注意的是，随着大模型性能逐渐提升，AI应用创新正进入密集探索期，但推理成本过高依然是制约大模型规模化应用的关键因素。

今年5月21日，阿里云就宣布，通义千问GPT-4级主力模型Qwen-Long，API输入价格从0.02元/千tokens降至0.0005元/千tokens，直降97%。据了解，这款模型最高支持1000万tokens长文本输入，降价后约为GPT-4价格的1/400。

彼时，阿里云智能集团资深副总裁、公共云事业部总裁刘伟光表示，阿里云这次大幅降低大模型推理价格，就是希望加速AI应用的爆发，“我们预计未来大模型API的调用量会有成千上万倍的增长”。

补充报道

记者在现场看到，仅需以对话的形式，AI程序员就能自主完成一款奥运赛事日程应用，从提需求到页面上线全程仅需10分钟。如果按照传统的开发方式，程序员需要先后完成网页开发、编写Python文件处理程序以及运行、调试、修改代码等工作，至少需要半天才能完成。

目前，哈啰集团已接入阿里云通义灵码专属版，AI代码采用率超过20%，还将通义灵码接入了自研“海螺机器人”，可实现智能代码补全、进行代码评审等。代码助手补全响应速度平均1.3秒，代码补全准确率为80%。在代码评审方面，每周180个应用通过AI完成评审，平均每周发现140个漏洞。

随着AI程序员的问世，软件开发逐步从“辅助驾驶”进入“自动驾驶”阶段。阿里云通义大模型业务负责人徐栋表示：“软件应用的开发范式正在发生改变，未来用户只需定义问题、提出需求，分钟级完成一个应用开发将成为常态。通过AI编程助手和AI程序员的相互协作，每个人类程序员都将成为超级个体。”

准确率是一个大问题

近一年来，大模型参与编程应用的程度越来越深，包括参与代码的辅助输入与续写、与人类进行自然语言交互等，都使得“低代码”的趋势越来越明显。

或许正是基于此，多位大模型创业者和专家也曾提出，程序员有可能在5年内失业。

但目前为止，大模型仍然是以“助手”的角色参与编程，成为人类程序员的日常工作流程之一。期待中的“写代码、搞开发”的功能始终没有出现突破，也自然不可能在短期内替代真正的程序员。

原因何在？AI大模型生成代码的准确率，首先就是一个重要挑战。

2023年，多篇论文研究数据显示，AI从事简单编程任务一次性生成正确的概率大约在50%左右，和掷硬币得到的正反结果概率差不多。

2023年5月，国外一组研究显示，模型的参数每提高一个量级，代码生成的准确率可以提高5%-10%左右。以此估算，模型参数规模至少达到10万亿级别，等于是现在的ChatGPT4.0的10倍以上。

而就算达到了90%的准确率，大模型依然难以取代代码的生成工作程序员。在实际的开发过程中，不太可能让模型生成大量代码后，再由程序员去甄别筛选。

果真如此，光是阅读、检验这些大模型生成代码的成本，就已经远远超过了实际雇佣程序员写代码的成本了，得不偿失。

AI至今不会逻辑推理

大模型写代码，其实并不是真的在“写”，而是根据人类指令在过往的数据库中作检索后对答案进行归纳整理。AI无法根据代码运行的逻辑，对这些代码进行核验。

换句话说，从思维与生产结构来看，AI大模型原理依然是归纳，而不是逻辑推理。

因此，单从原理来看，大模型与程序员“写代码”在生产逻辑上也是完全不同的。这也解释了，为什么AI当下可以写出非常“标准”甚至“简约美观”的代码，但其代码本身的运转却经常出现错乱等问题。

关于这一点，国外相关AI研究人员也有所共识。

例如，致力于在财务、医疗、数据处理等领域应用人工智能解决方案的公司业ABBY在此前接受采访时承认，即使用最先进的系统，也可能出现人工智能错乱或输出不准确的情况，因此，人工验证目前依然必不可少、至关重要。

网络上有程序员分享过用大模型来生产代码的体验，结果显示，写一个简单函数模块时，AI或许可以胜任，但当需要多个函数模块时，AI所生成的代码就容易出现各种BUG，无法使用。

而就算勉强可以运行，也过不了公司内部的代码评审。这就是因为，尽管AI可以通过海量的搜索归纳来试图在形式上满足写代码的需求，但因为无法理解多个模块之间的逻辑关系，因此，不可避免会出现逻辑性的错误。

将加速人才新旧淘汰

可以说，截至目前，人工智能作为编码助手，依然是程序员的辅助工具，是对人类程序员的效率放大工具，而不是互相替代的关系。

给“AI”一个正式员工的工号与称呼，也无法短期内改变其并非一个真正的员工的现实，更遑论要取代“码农”。公众所设想的AI全面自动化的情景，很可能短期内无法到来。

尤其是，有创造性与原创性，需要综合调动创意与逻辑能力来完成工作的岗位，很难被AI取代。

但不可否认的是，AI大模型作为一种效率工具，仍然将在可见的一段时间内加速人才市场的新旧淘汰。例如，一部分率先应用AI的高级人才的效率提高，同时也加速了另一部分人才的落伍和被淘汰。

与此同时，大量容易被替代的基础性机械性岗位，例如文案整理、日程助理、内容审核等岗位，也很容易率先被替代。

如何进一步在教育体系、人才培养、发展中全面重视与提升人才的创造性，才是AI对人类生产关系提出的新课题。需要迫切面对这一课题的，就不仅是“码农”们了，而是我们所有人。