文学新视-"日本亲近相尾换伴结局"-大模型时代，没有超级日本亲近相尾换伴结局应用，只有超级智能，为什么？

大模型时代，没有超级日本亲近相尾换伴结局应用，只有超级智能，为什么？_ZAKER新闻

毛宁：中方始终按照相互尊重、和平共处、合作共赢的原则来看待和发展中美关系，我们希望美方同中方相向而行，推动中美关系重回健康稳定的发展轨道。这不仅符合中美两国人民的利益，也是国际社会的普遍期待。

在绘画、写文章、创作视频之后，AGI 应用的另一大场景是：编程。曾经大家认为编程有很高门槛，但在 AGI 时代，它在变成人人触手可及的技术，越来越多的 AI 编程工具，让不会代码的普通人也能轻松制作 App。我们如何摆脱基于移动互联网时代的想象，展开大模型时代新的可能性？未来是不是人人都能成为 AI 程序员，创造专属于自己的「个性化应用」？对于这些问题，AIGCode 创始人宿文在极客公园 IF2025 创新大会上，给出了自己的答案。宿文认为，在 AGI 的赋能下，AGI 代码可以把应用带入更有「个性化」的阶段，让每个用户可以实现自己小众但精准的需求，小团队也可以降低成本，快速迭代。这是宿文眼中编程的终极场景。在宿文看来：在互联网时代创造的应用、平台，并不生产任何内容，只完成内容的聚合和分发。在大模型时代，大模型只有一个核心功能：在底层帮大家生成内容。大模型时代刚刚拉开序幕，大模型的链条会长什么样，每个从业者还在探索，但这条链条可能不会长成上个时代的样子。AI 编程将重塑软件开发行业，软件开发「又好又快又便宜」可以同时实现。在大模型时代，没有超级应用，只有超级智能。以下是 AIGCode 创始人宿文在极客公园 IF2025 创新大会上的现场演讲实录，由极客公园整理。宿文在极客公园 IF2025 创新大会上进行演讲｜图片来源：极客公园01从 Copilot 到 Autopilot即将过去的 2024 年，大模型赛道引发了许多讨论，AI 编程是其中一个绕不开的话题。大家都会说程序员被大模型改造得很深刻，全世界程序员群体有七八千万，占世界人口 1% 左右。这么厉害的软件代码改造技术，怎么让其他 99% 的人使用呢？我们可以举一个例子，今天中午极客公园鹏总突然说这个活动办得很好，除了线上买票、线上收费，咱们线上直播行不行？会务组小伙伴崩溃了，去哪找直播管理平台，去哪找 SaaS，如果自己定需求，自己去做开发，至少几个周、几个月时间。为了方便大家了解 AIGCode 的产品 AutoCoder，我们把这个平台给大家看一下。AutoCoder 演示界面｜图源：AIGCode这个产品完全面向不会编程的人群。另外很重要的点，相比大家现在拿到的类似产品，主要围绕前端，但是 AIGCode 能够把后端和数据库一体化交付给大家，能交付出一个完整的软件工程。做这个事的源头，跟我上一段创业有关系。我上段创业是做软件，有一个比较大的痛点是效率，我们经常提出一个需求，程序员要做几周甚至几个月，我们看到很多很好的技术栈，字节、阿里用得很好，但我们程序员用不起来，而且程序员成本很贵。所以做软件，怎么做得又快又好又便宜，这是每个行业都面临的难题，不可能在一个维度上去解决。然而大模型来了，又好又快又便宜可以实现了。当然实现过程中，目前主要有两类解决方案：一类就是 Copilot，就像名字一样的，帮程序员做辅助驾驶。另外就是我们想做的 Autopilot 这样的产品。Copilot，目前主要还是围绕程序员工作场景在 IDE 里面做代码补齐，中国没有 IDE，甚至全球最主要的 IDE 80%、90% 的市场都在微软手里，作为初创公司很难在生态里 PK，只能绕开这个很大的生态竞争。我们在 Web 端做 IDE Free 的产品，端到端去做。我们用户会完全不一样，我们把用户群体从 1% 放大到 10%、20% 都有可能。目前大家所用到的模型和 Copilot 产品，主模型能够用上最好的基模，不管海外还是国内，大家都在使用 Deepseek 这种水平的基模。要把代码链条优化得足够好，核心的技术都卡在模型上，所以自研模型不会套壳，不会用 Llama 去做，我们会有自己的模型架构解决这个问题。还有很重要一点，传统软件架构跟生成式软件架构不一样，两大支柱做了算法和软件架构层面的创新，这是我们两块主要的工作。右面是模型上的工作，核心解决两个点：又大又准，大的是「大上下文」，而不是后半段做 4K 窗口的串联。另外是新的网络结构带来的收益，还有一块是在软件结构的创新。ChatGPT 的火爆正好两年多，我们其实站在今天这个节点来看，我们很憧憬大模型可以解决很多问题。今天可以解决的问题主要在写字和画画两个场景，很多理科生的的问题，比如数学、编程这样的工作还没有解决得很好，我们遇到了很多其他问题，比如训练成本、资金、模型本身的泛化能力、训练效率等等。目前网络结构在 Transformer 往前迭代，去年上半年提出的 MOE 这种架构也在改造整个大模型，在 MOE 之后还有 MMOE 等很多技术迭代。我们率先使用 PLE 架构，核心是我们能够在网络结构层让专家或大模型，更有结构化地深度学习人类高质量样本。至于样本不够用的问题，其实不会出现，因为我们有很多高质量的样本，像论文、代码这些样本还没有被彻底学到。为了让整个模型可以支撑起完整的代码生成，模型底层还要配套很强的算法，所以我们自己去做优化，包括不同的算力平台的整合，一体化平台上的算力加速，我们看到的技术卡点，都解决掉了。我们自己的模型成果，也不会拿国内任何一个软柿子去捏，去对比，我们还是拿全球顶尖的团队的最新版本，最大参数量去做，我们在泛化指标上，是跟主流模型基本平齐的水平。我们会在接下来三个季度把 13B 和 33B 也发布出来，给有模型使用能力的团队使用。这句话是我们公司的愿景，刚刚主要解释了上半句，Auto-coding is AGI，我们看起来在解决代码编程的问题，但是核心问题是：能不能把端到端代替程序员写完代码。02Auto-coding 加速「个性化」这问题由 AGI 模型本身决定，我们发现，无论解决上下文还是网络结构、底层优化器、算力加速等等问题，都是目前 AGI 最大的痛点，这两个问题几乎是等价的，AGI 和 Auto-coding 基本上同一个时间点到来。底层逻辑有两个：一、代码本身就是一种高质量语言，对于模型训练非常重要。另外，我们觉得 AGI 本身从一个新技术的出现，到两年前的 ChatGPT 进入大众视野，我们对它有很多憧憬，但它解决很多行业问题还不成熟，所以很多行业专家或者用户就会骂街，说这个工具不成熟，解决不了问题。但是对于代码这个赛道来说，比较幸福的是：我们算法工程师，95% 都是程序员出身，因此思路上闭环很快，自己做得好不好，我们自己心里有数。第二点是，这样的 Auto-coding 准备好后，解决问题时，怎么端到端，要打到哪些需求点？用户体验上的核心之处：第一个点是准确，我们所有需求，怎么达成底层产品链条里的准确率？今天使用很多 Agent 类产品，第一个生成的版本很好，但细微的需求点没有办法实现。第二个点是灵活性，在一个应用的生成过程中，最重要的是要实现各种各样个性化的要求，比如一个搜索框，能不能实现得足够灵活，能跟所有功能逻辑串通。第三个点是完整度，这是软件工程上的工作，要解决工程的安全问题、部署问题。在这些工作做完后，这套方案就会变成基础设施，程序员的工作全部用推理算力成本就可以解决。我们想去做的 Personal App（个性化应用）就可以实现。大家看到这个场景的时候可能会说：「我们手机里装的都是通用应用，我要一个 Personal App 做什么呢？」也有很多人问我：「你们要 ToB 还是 ToC？」其实一个新的生产力工具出现时，这些问题都不重要，举两个很有意思的例子：上周我去云南某城参加一个会议，会议组织方带我们去景区，很多人排长队在买票，但旁边有好几台自动售票的机器，我走近一看都开着机，机内装着 Windows 系统，这时候如果有一个管理人员可以提出一个售票系统的需求，都不需要在当地找程序员，用可以在 Windows 里部署一套售票管理软件，排长队买票的问题就很好解决。另外一个例子，我跟一个朋友讨论播客，我们听播客很多都依赖于小宇宙这种播客客户端。在美国，很多主播会在 YouTube 上有视频播客的频道，国内很少用视频的方式做播客，这个朋友说我们不太想露脸，如果有一个卡通形象体出镜，去做视频播客，主播就会自然舒服很多了。所以大家会发现，在我们场景里有非常多个性化应用的需求，哪怕是基于一个通用的平台，都可以加很多个性化的功能进去，这在编程的终极场景里都可以实现。我们在小红书、知乎或者百度上，想搜索一个软件去解决我们一些问题时，本质上都是在提需求。如果这样的需求可以通过自动生成的代码和应用实现，而不需要用户去找各种各样的应用，找到后还要克制自己的需求。这两种体验完全不一样。03大模型的核心功能，究竟是什么？关于代码生成和我们公司要做的事情，介绍到这里就结束了。接下来我有三个真话想说：一、大家一直在追求 AGI 或者解决 AGI 问题，是很割裂的。比如很多大佬都会说，整个大模型目前还处于婴儿期，但是从 2024 年初到现在，大家都说今年是 Agent 元年，但一个婴儿期的工具怎么解决那么多问题？我们经常听到说 Scaling Law 走到尽头了，但是囤卡乐此不疲，H100、B200，1 万张，10 万张，大几十万张卡，现在大厂甚至开始搞核电站了，包括 Ilay 最近提到的，预训练期结束了，其实里面没有什么干货，主要把样本学完，但是还有很多高质量样本，需要结构化输入进整个网络结构里。所以有什么资源，大家就会依赖什么路径，对于我们这样的公司来说，我们看到更多的是网络结构层带来了非常大的红利。从 Transformer 出现，到前面几十年，大家对于通用人工智能的追求，都避不开网络结构这个环节，这一层获得的收益和待解决的问题更多。宿文对大模型的核心做出预测｜图片来源：极客公园二、互联网或者移动互联网，给大家留下的思维惯性太强了，不管投资人、创业者、产业分析师，在大模型出现的第一天，很快就出现了一个分析框架，这个框架链条里有基模、OS、Agent、应用 …… 但这些分类的基础，都是从上个时代复刻下来的，大模型时代的链条会长什么样，我们都不知道，它大概率不会长成上个时代的样子。我们做的过程中发现，做 Infra 这一层、做基模、做应用，各个环节的基础链条都不成熟，在不成熟的时候，大家如果去等待链条成熟，或者自己找一段去完善，这个商业通路很难跑通，因为它很难把价值直接传递给用户。对我们来说，我们有能力把这些链条打通到一起做，而不会很刻板地停留在过去的技术思路里。三、在大模型出现第一天起，就很多人提超级应用，这同样是互联网时代留给我们的想象。移动互联网时代，我们看到这种超级应用本身不产生内容，更多是做一个信息的嫁接平台或者一个中间平台，让我们搜内容搜得越来越快，给我们推荐信息越来越准，让我们交易越来越高效，但这个平台本身不会提供内容服务。但是到了大模型时代，这些互联网产品特性基本都消失了，大模型只有一个核心功能：在底层帮大家生成内容。这个竞争力一定是最底层的，未来超级应用长什么样不知道，甚至不会存在。但是超级应用底层是对超级智能的支持，这一点是一定避不开的，这是最内核的竞争力。看起来我们是在做 AICoding，但其实我们是在这样一个商业场景里，去解决 AGI 自身的问题，我们朝着 AGI 一路狂奔，也是希望有更多小伙伴像我们一样，大家向上卷，向核心技术卷，最后把这些技术沉淀在产品上，提供给我们的用户。谢谢大家。