在通往AGI的道路上，字節又多了一張新船票。

作者｜Iris

編輯｜栗子

字節對一個全新賽道的野心，浮出水面。

6月11日的火山引擎Force 2025原動力大會的主論壇上，字節跳動技術副總裁首次公開站臺，演講重點給了自研的AI編程產品——TRAE。此前，TRAE的月活用戶已經突破了100萬。

“GPT-3.5出來的時候，我們就覺得編程可能是一個很好的應用方向。AI大模型確實會給Coding帶來真正的變革。”

2024年6月，字節推出了MarsCode編程助手。今年1月，AI原生IDE產品TRAE發布。兩個月后，TRAE國內版落地，成為首個中文AI IDE產品。在字節內部，已有80%的工程師在使用TRAE等AI Coding類產品輔助開發。

從內部使用率與字節技術副總裁加持的“首秀”，足以窺得字節內部對TRAE的重視程度。

字節在AI方面的投入向來高舉高打，但此前“發育期”的TRAE并未高調露面。而這次的一反常態，不難看出字節押注AI Coding賽道的決心。

相比于面向C端用戶的Chatbot、AI搜索等賽道，面向開發者的AI Coding更加垂直聚焦。字節為何要重金押注這一賽道？

實際上，AI Coding是大模型產品中少有的完成商業化閉環并得到市場價值驗證的賽道。

大洋彼岸的Cursor在今年6月ARR（年度經常性收入）就已超5億美元，印證了AI Coding進入開發者的工作流并切實地提升了產出，其帶來的正向ROI（投入產出比）也驅動了用戶付費意愿。眾多互聯網公司也因節省成本，開始了內部topdown（自上而下）的推廣。被OpenAI收購的Windsurf CEO曾表示，團隊成員應用AI編程來寫內部工具，在一年內節省了50萬美元的SaaS訂閱費用。

AI Coding讓字節看到了重構數字世界的新機會。在互聯網時代，人類在數字世界的絕大多數活動在底層都通過編程來實現。而大模型通過生成并執行代碼可以在數字世界采集信息、實現它的想法并獲得實時反饋，因此AI Coding可以擴展大模型的能力邊界；

另一方面，Coding作為一種高度結構化、邏輯嚴密的任務，對模型理解復雜的語義結構、邏輯推理、算法設計和精確表達都有很高的要求，能很好地助力模型智能上限的探索。AI Coding對大模型能力的提升，或許會成為逼近AGI的最短路徑。

也就是說，將AGI作為終極OKR的字節，必須要拿下AI Coding這張船票。

1.TRAE，Made by TRAE

字節跳動在AI Coding賽道的探索，最早可以追溯到2023年，插件形式的AI Coding工具是當時行業主流的產品形態，字節也推出過MarsCode 編程助手。但到了2024年，大模型能力的提升讓團隊意識到，AI Coding的產品形態可以有“更優解”。

彼時，AI Coding產品有不同的產品路線：有的在現有開發工具加入插件，將AI能力嵌入進去；也有的打造純AI驅動的“Agent式”產品；還有的專注于構建最強大的編碼模型；而字節團隊最終決定構建將AI深入結合到IDE（集成開發環境）場景的AI IDE產品。

大模型時代的AI產品形態由用戶需求、模型能力、工程能力決定。而他們判斷，AI IDE產品是AI Coding領域最適合的第二代產品形態。原因在于：他們并不只想做面向泛人群的由自然語言需求生成結果Vibe Coding（氛圍編碼），而是想生成高價值的應用。

在應用市場，海量的應用完全是供大于求的狀態。消費者真正需要的不是海量應用，而是少數幾個具有價值的應用。這種真需求應用生產過程更加復雜，而他們希望通過TRAE幫助有足夠能力生產這些復雜應用的程序員提效。

另外，這些核心開發者對于各種編程工具保持高頻的使用頻率。而AI IDE產品能夠讓開發者保留對每一個決策的控制權，同時提升IDE產品本身的能力。因此，AI IDE產品的用戶付費意愿較強，是一個PMF（產品符合市場匹配）得到驗證的產品形態。

團隊相信，能夠很好地滿足一類用戶的需求是一個很好的起點，因此他們篤定AI IDE產品是服務TRAE目標用戶的最佳產品形態。

于是在今年1月19日，字節跳動正式發布面向專業開發者的AI原生集成開發環境工具TRAE。這個名字源于團隊認為，AI Coding的產品終局是The Real AI Engineer，一位追求智能上限的智能工程師，能夠像人一樣完成端到端的任務。而事實上TRAE也確實從某種程度上實現了這一目標。因為TRAE本身一部分代碼就是由TRAE生成的，內部也戲稱“TRAE是用TRAE做出來的”。

如此迅速的轉型得益于小團隊與高人才密度帶來的敏捷，工程團隊有著不同產品的深厚工程積淀，字節內部積累的開發者經驗也讓他們對于開發者工具和服務有更豐富的理解。

因此，字節在AI IDE產品領域搶先占位的先發優勢，開始逐漸顯露。

在本次原動力大會上，上線不到半年的TRAE也交上答卷：截至目前，TRAE的月活用戶已經超過了100萬。這些數字也說明，AI Coding已經在程序員的工作中切切實實地起到了重要的作用。這些巨量的用戶行為和反饋，也告訴團隊該在哪些功能上做提升調整，有的放矢。

另一個決定AI Coding產品分水嶺的關鍵因素，還在于模型能力。在全球范圍，TRAE是少有的接入自有模型的AI IDE產品，也擁有自己的模型團隊。

此前Anthropic限制了AI Coding初創公司Windsurf對Claude AI 模型的直接訪問，導致Windsurf用戶在短時間內面臨服務可用性問題。而接入自家豆包1.6pro模型的TRAE則不需要擔心“斷供”問題。

另外，相比其他AI IDE產品的收費策略，TRAE大部分功能可以免費使用，使其具有明顯的價格優勢。

同時，他們仍在積極探索下一代AI Coding產品的更多可能。為了進一步尋找AI Coding產品的終局，在6月11日，TRAE官宣了幾項核心功能更新：

推出智能Cue功能，通過連續Tab鍵實現預測跳轉與批量改寫，模型優化后代碼續寫準確率提升，支持多場景代碼自動修復及差異化對比；國內版接入豆包大模型1.6系列且免費，強化代碼生成與復雜業務場景支持能力，推理速度與精度提升；直連火山引擎MCP（模型上下文協議）市場，新增百余種生態工具。

演講還預告了全新的「TRAE SOLO」模式——讓AI從IDE代碼助手升級為能獨立生成軟件的超級個體，真正實現從自然語言到軟件交付的完整鏈路。從“把AI集成到工具中”轉向“把工具集成到AI中”，對用戶的交互、展示、使用體驗更加友好。

2.字節為何躬身入局？

實際上，從0到1創造國內首個AI原生IDE產品的過程，并非易事。但通過字節在本次原動力大會透露的信息，不難看出字節長期投入這一賽道的堅定。風物長宜放眼量，字節所看重的，是TRAE對長期AI戰略的支撐協同作用。

縱觀字節AI布局，在研發探索上呈現多方向、全布局的特點。通過在算力層-模型層-應用層的全棧布局，字節形成了完整的大模型時代類“IaaS-MaaS-SaaS”版圖。

在算力基礎設施層面，火山引擎對內部模型和應用提供算力支持，同時對外部企業提供 AI 云計算服務。在模型層，字節跳動構建了以豆包大模型為核心的，包含自然語言、語音、視覺等多類型的全模態模型。在應用層，其產品覆蓋了AI助手、AI社交、AI圖像、AI視頻、AI音樂、AI教育等多個賽道。

那么，TRAE在字節的AI戰略中扮演什么角色？

簡單來說，字節對TRAE的期待是加強AI矩陣的開發基礎，促進開發者生態繁榮，支撐商業化目標。

從產品定位來看，作為開發流程的重要工具，TRAE在填補國內同類產品空白的的同時，讓字節拼上了在開發者生態上的又一重要拼圖。作為大模型產品的核心優質用戶，開發者的使用反饋對提升產品和模型性能至關重要。因此圍繞開發者工具構建的生態圈也自然成為兵家必爭之地。

AI獨角獸公司Anthropic的戰略方向也能從側面說明這一問題。持續發力開發者領域的Anthropic收入增長迅猛，今年3月ARR突破了20億美金，目前達到了30億美金。Anthropic的收入主要來自B端，其中AI編程的快速增長做出了很大貢獻。Anthropic憑借Coding和OSAgent方向的投入，大大深化了在開發者領域的影響力。嘗到甜頭的Anthropic也在去年底停止了對Chatbot的投資，專注提升其模型Claude在編程等復雜任務層面的能力。

而在內部AI開發布局方面，從高達80%的內部開發使用率，不難看出TRAE已經與字節現有的豆包大模型、火山引擎等多個應用場景耦合，通過進入字節內部AI開發的工作流，TRAE在提升內部效率的同時，降低了字節的AI矩陣應用的開發門檻，加速AI應用生產落地。

TRAE扮演的另一角色在于探索AI商業化的可能性。

AI Coding是目前AI領域盈利最大的賽道之一。這也是因為大模型在Coding這種輸出輸入結果明確的場景表現優于其他領域，同時大部分開發者已經感知到，AI Coding在提升編碼效率、減少重復工作和bug修復等日常工作上的效果，付費意愿充足。其產品的商業價值在海外已經得到驗證。海外增長最快的AI Coding產品Cursor，在上線20個月即實現1億美元年化經常性收入，兩年內增長至3億美元。因此未來國內也極有可能跑出同等量級的AI IDE產品。

在「甲子光年」看來，更為重要的因素是，AI Coding讓字節看到了實現AGI的可能路徑。

在AGI演進的終極命題下，代碼能力的突破性進展正成為大模型智能躍升的關鍵杠桿。不同于對話場景的模糊性容忍，代碼生成場景要求模型必須具備將自然語言指令精確轉化為計算機可執行的邏輯鏈路。

同時，要求模型能夠拆解元問題，針對復雜任務形成模塊化解決方案。代碼生成要求模型更為精確的控制能力，這可以驅動模型在長上下文理解、動態記憶刷新等關鍵技術點的突破，促進模型智能上限的提升。而追求智能上限的提升正是通往AGI的必要條件，也是字節在AI領域探索的終極愿景。

因此，AI Coding的終極目標遠超工具屬性，其本質是通往AGI時代“開發者操作系統”的橋梁。

這個終極愿景聽起來似乎有些遙遠，但下面的幾組數據也可以說明，AI Coding正在進入開發者工作流并改變了開發的形式:TRAE累計生成了超過 60 億行被用戶采納的代碼，每天產生150萬條用戶Query；Anthropic首席產品官Mike Krieger透露，Claude Code團隊大概有95%的代碼都由AI生產。

這也由此帶來了開發者生產關系的重構。傳統的應用開發需要一整個團隊的長周期開發維護，而AI Coding則讓小型團隊的輕量化低成本開發成為可能。

AI賽道的融資窗口期并不長，這要求AI開發者有迅速將想法落地轉化，上線為AI產品的能力。但大部分小型創業公司并沒有大廠的人力優勢，而AI Coding則能夠幫助這些公司快速上線產品獲得融資。

斯坦福的本科生創業團隊用TRAE，完整搭建出前端、后端，并微調大模型生成 pipeline，從0到1完成開發并上線AI教育產品VideoTutor。通過TRAE N倍速推進的開發效率，這群斯坦福本科生僅用了1個多月就完成產品上線，成功在教育科技賽道殺出重圍，獲近100萬美元融資。

3.從AI Coding到AI Development

縱觀編程語言的發展史，每一個十年寫代碼的行數都在逐年下降。編程語言不斷抽象與求簡，同一功能，用匯編語言可能需要2000行，用C語言寫需要500行，用Python可能只需要一百行。編程門檻不斷降低，也帶來了寫代碼的人群的指數級增長：1990年，全球程序員還只有百萬級；而到2023年，僅GitHub的注冊開發者就已破億。每一次代碼抽象升級，都在圍繞著：代碼更少、效率更高、參與者更多而進行。

如今AI Coding正在醞釀下一次飛躍，通過自然語言生成代碼、自動補全邏輯、智能調試等方式，讓“寫代碼”不再是少數人的技能，而成為更多人實現想法的手段。這不僅是生產力的飛躍，更是開發者邊界的重塑。

隨著AI Coding的普及，開發者的邊界正在被重塑。深厚的開發經驗和長周期的開發投入不再是成為開發者的硬性條件，借助AI Coding工具，普通的愛好者依然可以落地想法，甚至興趣變現。此前，Cube One團隊就借助TRAE實現AI PPT工具快速上線，在0經驗情況下1個月完成產品變現，其中TRAE代碼貢獻率100%。

但要做到真正的 Real AI Engineer，除Coding環節外還需要打通更多環節。

在完整的軟件開發流程中，開發者不僅要寫文檔、做運維、做調試、發布，還要Debug，最后還要做壓力測試。這其中寫代碼可能大概占不到40%的工作，并且越復雜的應用，代碼工作的占比越少。對開發者來說，這些工作都是非常復雜，也非常耗時間。

TRAE團隊相信，在大模型這個時代，隨著模型能力的進步，AI是有機會把這些工作統籌起來的。AI成為調度者，讓軟件開發all in one，更大幅度地降低開發的門檻，提升開發效率。

在原動力大會上，字節跳動技術副總裁分享了他心目中AI Coding的“究極形態”：通過簡單的交互，AI幫助開發者實現包括運維、調試、發布、debug測試等全流程的開發環節。

這個從AI Coding到AI Development的未來讓他感到尤為興奮，“我們這次花費好幾天的工作，也許會降低成幾個小時甚至更短的時間。那這些都是我們想下一步努力的方向，我們希望，TRAE不只是AI Coding，更是AI Development。”

當AI Development成為現實，復雜的編程符號將演變成更適合書寫修改的表達方式，傳統的開發形態將被徹底重構，開發者不再被整套繁瑣的流程和高門檻的編程知識所桎梏，想法和創意將成為好產品更為重要的孵化器。

這樣低門檻的開發形態也將給獨立開發者更多機會，短周期和輕量化的開發形式抹平了傳統軟件開發行業中小型團隊面對的資源困境。而上文斯坦福創業團隊和Cube One團隊使用TRAE開發產品，并獲得融資及變現的例子充分說明：即便沒有大廠的人海優勢，未來更多的創業公司和獨立開發者依然可以通過TRAE這樣的AI Coding工具實現“技術平權”，生產獨特的產品滿足市場需求，使得整個行業的開發生態更為多元化。

（封面圖及文中圖片來源：火山引擎）