機器之心原創(chuàng)

作者：聞菲

當整個人工智能行業(yè)都在為「如何給程序員打造更快的馬」而瘋狂投入時，一支特立獨行的團隊選擇「直接去造汽車」。

「大模型的發(fā)展，更像一場籃球比賽才剛剛打完第一節(jié)。所有人都在用第一節(jié)的比分去判斷整場比賽的勝負，但我們認為，還有第二、三、四節(jié)要打。」蔻町智能（AIGCode）創(chuàng)始人兼 CEO 宿文用這樣一個比喻，為當前略顯擁擠的 AI 編程賽道，提供了一個不同的觀察視角。

自 2022 年底 ChatGPT 引爆全球以來，AI 編程被普遍認為是大語言模型最快、最確定能實現(xiàn)嚴肅商業(yè)化（PMF）的一個賽道。從 GitHub Copilot 的成功，到科技大廠和創(chuàng)業(yè)公司紛紛推出自己的編程助手，行業(yè)似乎已經(jīng)形成一種共識：AI 是程序員的「副駕駛」，其核心價值在于提升代碼編寫效率。

然而，宿文和他的蔻町智能，正試圖證明這是對終局的誤判。在與機器之心的最近一次訪談中，宿文拆解了他對 AI 編程的三大「非共識」判斷。

非共識一：基座模型仍處「嬰幼兒期」

網(wǎng)絡(luò)結(jié)構(gòu)創(chuàng)新是破局關(guān)鍵

在許多人眼中，大模型的基座之戰(zhàn)似乎已塵埃落定。后來者尤其是創(chuàng)業(yè)公司，只能在應(yīng)用層尋找機會。宿文對此的看法截然不同：「我們認為大模型技術(shù)，或者說基座模型的發(fā)展，還處于嬰幼兒時期。」

他指出，現(xiàn)有以 Transformer 為基礎(chǔ)的模型架構(gòu)，在學(xué)習(xí)機制和知識壓縮效率上存在根本性問題。「盡管 MoE 通過專家分工解決了部分計算效率問題，但其專家之間是 “扁平” 且缺乏協(xié)作的，整體上仍是一個依靠簡單路由機制的 “黑盒”。」

蔻町智能從成立第一天起，就選擇自研基座模型。他們的破局點，正是在于對模型網(wǎng)絡(luò)結(jié)構(gòu)的持續(xù)迭代和創(chuàng)新。「我們在 MoE 的基礎(chǔ)上，繼續(xù)向后迭代，最終采用了在推薦搜索領(lǐng)域已經(jīng)非常成熟的 PLE（Progressive Layered Extraction）架構(gòu)。」

他解釋道，從 MoE 到 MMoE，解決的是專家的解耦問題；再到 PLE，則進一步解決了專家解耦后可能產(chǎn)生的沖突和信息損耗問題，實現(xiàn)了對任務(wù)共性與個性的精細化提取。

多任務(wù)學(xué)習(xí)（Multi-task Learning）網(wǎng)絡(luò)結(jié)構(gòu)的演進，從簡單的底層共享（Shared-Bottom），發(fā)展到通過門控專家網(wǎng)絡(luò)（MMoE、CGC）與漸進式分層提取（PLE），以實現(xiàn)更精細地分離與融合任務(wù)的共性與個性信息。圖片來源：Gabriel Moreira@ Medium

宿文表示，網(wǎng)絡(luò)結(jié)構(gòu)創(chuàng)新使他們的模型在知識壓縮和長邏輯鏈條的理解上，具備了與主流模型不同的潛力。

蔻町智能研發(fā)的新模型 AIGCoder 架構(gòu)圖，通過解耦的專家模塊（De-coupled Experts）改良傳統(tǒng)模型，利用多頭專家感知注意力（MHEA）負責動態(tài)激活專家，定制化門控（CGC）負責精細整合信息，實現(xiàn)了在不增加計算開銷的前提下，通過架構(gòu)創(chuàng)新應(yīng)對大模型擴展時遇到的瓶頸。

實驗數(shù)據(jù)顯示，無論是單個關(guān)鍵模塊（左）還是整合后的完整架構(gòu)（右），AIGCoder（橙色曲線）的訓(xùn)練效率均比基線模型（藍色曲線）提升超過 1.3 倍。

非共識二：「避開大廠賽道」是個偽命題

在 AI 領(lǐng)域，創(chuàng)業(yè)者常常聽到一句勸誡——不要做大廠發(fā)展道路上的業(yè)務(wù)，否則會被輕易碾壓。

宿文卻認為這是個偽命題。「如果真的是一件大事，為什么大廠會不做？更精準的說法應(yīng)該是，“避免去摘低垂的果實”。」

「真正的護城河，不在于選擇一個大廠看不上的 “縫隙市場”，而是在同一個領(lǐng)域里，解決比大廠更復(fù)雜、更深入的問題。」

「現(xiàn)在的許多 Coding 產(chǎn)品用工程化的方式集成各種 API，生成一個前端尚可的 Demo，這就是 “低垂的果實”。蔻町智能的策略，是通過底層技術(shù)創(chuàng)新，實現(xiàn)真正的 “All-in-one”。」

這種一體化的思路，也體現(xiàn)在宿文對 Agent 發(fā)展的看法上。他表示當前行業(yè)習(xí)慣性地將技術(shù)棧劃分為 Infra、基座、OS、Agent 等層次，「這很像是對上一代 PC 互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的技術(shù)架構(gòu)的簡單映射，這樣 “刻舟求劍” 式的對新技術(shù)做定義意義不大。」

他強調(diào)，在新范式下，各個技術(shù)環(huán)節(jié)是深度耦合的。「奔著解決問題的角度，我們就把它一體化地解決。在最終效果沒有出來之前，過早分工反而不利于提效。」

蔻町智能把 AI for Coding 劃分為 L1 到 L5 五個階段：

• L1：類似低代碼平臺，目前不是主流；
• L2：Copilot 產(chǎn)品，輔助程序員，根據(jù)提示生成代碼，代表產(chǎn)品有 GitHub Copilot、Cursor；
• L3：Autopilot 產(chǎn)品，能端到端地完成編程任務(wù)，不需要程序員介入；
• L4：多端自動協(xié)作，讓多個協(xié)作用戶能直接把軟件創(chuàng)意變成某個完整的產(chǎn)品；
• L5：能夠自動迭代，升級為成熟的軟件產(chǎn)品。

宿文表示：「目前大部分 AI Coding 產(chǎn)品集中在 L2 階段，而 AutoCoder 從一開始就定位在 L3。」

從 L2 到 L3，并非簡單的量變。「將編程助手做到極致，并不會自然而然地通向端到端軟件生成。」兩者需要解決的技術(shù)問題、優(yōu)化的方向，基本上沒有大的重合：前者（Copilot）優(yōu)化的是「寫代碼效率」，核心是上下文理解與精準補全；后者（Autopilot）解決「不寫代碼」的問題，核心是對復(fù)雜業(yè)務(wù)邏輯的理解、拆解與長邏輯鏈條的生成。

此外，L2 需要與 IDE（集成開發(fā)環(huán)節(jié)）深度融合，對大廠倆說有天然優(yōu)勢，對創(chuàng)業(yè)公司而言，則可能是一條事倍功半的險路。

非共識三：個性化應(yīng)用市場即將爆發(fā)，

新增需求遠超存量替代

堅持 L3 不僅是技術(shù)上的選擇，也是宿文和他的團隊對市場未來的判斷。盡管行業(yè)普遍認同 AI 編程的終極目標在于賦能每一個人，但在實現(xiàn)路徑上，由于 AI 技術(shù)瓶頸與普通用戶相關(guān)知識的缺失，主流看法認為，當下最現(xiàn)實的路徑，是先輔助程序員，解決存量市場的效率問題。

宿文則認為這恰恰是一種「戰(zhàn)略繞行」，因為 L2 無法自然演進到 L3，所以沿著 L2 走，不僅無法抵達終點，更可能錯失真正的藍海——那個被現(xiàn)有開發(fā)模式壓抑的、由海量個性化需求構(gòu)成的增量市場。

「新增的需求遠遠大于存量的替代。程序員不會消失，但一個全新的、數(shù)倍于現(xiàn)有規(guī)模的市場會爆發(fā)。」

「很像是有了滴滴才有了網(wǎng)約車市場，有了美團才有了外賣市場，」他類比說：「以前人們打車、點外賣的大量潛在需求被高昂的成本和復(fù)雜的流程所壓抑，一旦有了低成本、高效率的供給方式，市場便會迎來爆發(fā)式增長。」

在軟件開發(fā)領(lǐng)域，對于大量的中小企業(yè)、創(chuàng)業(yè)者，甚至大企業(yè)的業(yè)務(wù)部門而言，都存在被壓抑的需求。宿文舉例，一個業(yè)務(wù)部門想為內(nèi)部開發(fā)一套培訓(xùn)系統(tǒng)，傳統(tǒng)模式下，從漫長的需求溝通、高昂的開發(fā)投入，到最終交付物偏離預(yù)期的風險，整個過程動輒數(shù)月，且試錯成本極高。

蔻町智能希望將這個流程重塑為：「只要上午能明確定義需求，下午就能看到一個可直接上線部署的產(chǎn)品。」

蔻町智能最新發(fā)布的端到端軟件生成產(chǎn)品 AutoCoder，定位「全球首款前后端一體化的應(yīng)用與軟件完整生成平臺」，能夠同時生成高度可用的前端、數(shù)據(jù)庫和后端。例如，用戶輸入「幫我生成一個科技公司官網(wǎng)」，平臺不僅生成用戶可見的前臺頁面，也同步生成供企業(yè)員工管理網(wǎng)站內(nèi)容和用戶數(shù)據(jù)的后臺系統(tǒng)。

AutoCoder 的受眾不僅包括產(chǎn)品經(jīng)理、設(shè)計師等專業(yè)人士（Prosumer），更涵蓋了大量非技術(shù)背景的個人從業(yè)者、小型企業(yè)主（如咖啡店、健身房）、初創(chuàng)團隊的非技術(shù)創(chuàng)始人等。這些人有明確的數(shù)字化需求，但被傳統(tǒng)開發(fā)的高門檻擋在門外。

宿文引用了一個數(shù)據(jù)：海外一家類似理念的公司，其產(chǎn)品的月度訪問量，在短時間內(nèi)已經(jīng)達到了發(fā)展近 20 年的 GitHub 的十分之一，并且 GitHub 的數(shù)據(jù)本身并未下滑。這意味著一個新的、增量用戶的市場正在被激發(fā)。

當然，L3 這條路最直接的質(zhì)疑就是——端到端生成的軟件出了 Bug 怎么辦？宿文的回應(yīng)是：

「與其花費數(shù)小時去尋找一個 Bug，為什么不花幾分鐘重新生成一個正確的版本呢？」隨著軟件生成的邊際成本趨近于零，迭代和試錯的自由度將被前所未有地釋放。

結(jié)語

自研基座模型，選擇更難的端到端路徑，瞄準被壓抑的增量需求——這三個非共識但邏輯自洽的判斷，構(gòu)成了蔻町智能的核心戰(zhàn)略和發(fā)展路徑。

當然，選擇一條少有人走的路，必然伴隨著質(zhì)疑和不確定性。正如汽車在誕生之初，遠沒有馬車跑得快，甚至開幾公里就散架。蔻町智能的「汽車」能否在性能、穩(wěn)定性和可靠性上，快速迭代到可以與成熟的「馬車體系」相抗衡甚至超越的階段，仍需時間和市場的檢驗。

但毫無疑問，這場關(guān)于 AI 編程的籃球賽才剛剛開始。一個挑戰(zhàn)者已經(jīng)選擇用自己的方式，去打一場完全不同的比賽。從用戶的角度，我們也樂于期待一個軟件創(chuàng)造權(quán)力被徹底平權(quán)的未來。