0
| 本文作者： 梁丙鑒 | 2025-12-31 16:39 |
雷峰網訊 AI 科技評論獨家獲悉，AI Coding 創業公司 AIGCode 近日完成了由博華資本、力合資本分別領投的連續融資，力合金融以及多家產業方資本跟投。這家創立于 2024 年 1 月的公司，并未追隨 Copilot 類產品的浪潮，而是從 Day 1 起即決定直接做端到端的 Autopilot 產品。
AIGCode 創始人兼 CEO 宿文博士畢業于清華大學工程專業，連續創業者，此前還曾在中國一線 VC 擔任 DeepTech 方向投資人。聯合創始人兼 CTO 陳秋武曾在微軟、騰訊、百度等前沿互聯網公司任職 16 年，領導 AI 方向團隊 11 年，2018 年在微軟期間即參與過 GPT 模型落地項目。
AIGCode 主要從事 Vibe Coding 方向產品開發。今年 5 月，其首款 Autopilot 產品 AutoCoder.cc 在國內開啟內測，7 月上線全球公測。宿文介紹稱該產品核心數據表現良好，停留時長明顯超過同類產品，或達到頭部產品的兩倍，跳出率不足 20％，且次日留存率遠高于行業平均水平。
AI Coding 賽道產品迭出，競爭者眾。AIGCode 的差異化定位，是越過被認為對智能化水平要求更低的代碼補齊、任務自動化等前置階段，直接做一款能端到端生成軟件的產品。宿文告訴 AI 科技評論，目前全球的 AI Coding 產品中，AutoCoder.cc 可能是唯一一款不提供代碼的，因為“做端到端，本身就沒必要提供代碼，而是以生產環境的部署為閉環”。
為了真正實現端到端生成效果，AIGCode 從模型架構層面對代碼生成能力進行了優化。AIGCode 是目前少見的，仍在堅持自訓練基礎模型的初創公司。2024 年 7 月，他們發布了首款自訓練的錫月大模型。宿文表示，這一代 AI 產品最大的特點是內容生成功能，大模型作為生成內容的“大腦”，關系著生成質量和后續優化的方方面面，不能依賴于他人。
在模型層面，AIGCode 團隊實現了三項創新。
AIGCode 團隊設計的專家解耦網絡（Decouple of experts network），在預訓練過程中將千億參數的模型拆解為數千個垂直功能子專家，分別對應架構與存儲、流量與后端、業務與交互、質量與運維等模塊，覆蓋軟件研發全生命周期中的關鍵角色，旨在將互聯網精益工程的方法論沉淀到模型中。宿文強調預訓練的收益，認為這一環節從根本上決定著大模型的智能程度，今天大模型的技術源動力也在于此。
對于編碼器部分，AIGCode 團隊設計了樹形位置編碼 TPE（Tree-based Positional Encoding），旨在將人類用以認知世界的高信息壓縮比復用結構嵌入注意力機制，使模型更自然地理解代碼，并提高其生成結果的可解釋性。AIGCode內部測試結果，TPE 能天然理解“函數嵌套深度”“類繼承關系”“模塊依賴層級”等代碼結構特征，且在外推極限上明顯優于目前普遍使用的 RoPE（位置旋轉編碼）方法 。
AIGCode 還提出了知識注意力學習（Knowledge Attention），訓練模型在“知識塊”之間建立長程因果連接，直接學習知識而非概率擬合。傳統自注意力機制在 token 層面進行全量計算，導致算力被淹沒在低信噪比的符號中。知識注意力學習不僅提高了計算效率，在代碼生成任務中，還意味著模型從關注符號到關注邏輯的轉變，這也是代碼補全和邏輯推演的分野。
在大部分產品選擇從代碼補齊切入，逐步集成測試部署等環節向端到端演進的背景下，和AIGCode選擇相同技術路線的產品并不多。此前 Cognition AI 曾表示 Devin 的定位為首個“AI 軟件工程師”，該產品今年發布的 2.0 版本可獨立完成網站和應用的構建與部署，但對于復雜任務仍存在響應延遲和難以修改等問題。
宿文曾告訴 AI 科技評論，Devin 最大的問題在于沒有架構美感。“Devin 完全按照程序員的工作流替代程序員”，他說，“但模型有它自身理解軟件的邏輯，不是程序員理解的架構。”這也是今天的 AI Coding 產品普遍在代碼的可維護性上存在較大局限的原因。基于這樣的判斷，AIGCode 提出了一種生成式軟件架構。
其核心思想是將軟件視為一個有生命的有機體，在軟件啟動時，自動探查部署環境，根據云端、邊緣設備或本地環境特點，動態調整代碼的運行方式；運行時，實時感知流量負載、錯誤率和成本等關鍵指標，動態調整資源分配和代碼行為；當負載激增，該架構支持自動優化和重構，如自動分裂數據庫、啟動副本，或將部分邏輯遷移到邊緣設備，以提高系統的擴展性和性能，全程無需人類干預。
當下，AIGCode 正重點優化其軟件后端與數據庫、部署、APP 商城等功能，并通過構建一個具有全鏈路能力的代碼橋接點，讓眾多軟件沉淀的數據可以被 Agent 調用。宿文表示，此舉的目標是打通現有軟件生態，實現軟件之間的協同工作。
AI Coding 被認為是大模型最可靠的落地方向之一。上世紀 80 年代，以提升代碼供給效率為目標的低代碼和零代碼概念興起。自有程序員以來，軟件開發行業便不乏取代程序員的嘗試。而代碼純粹邏輯驅動的特點，又使其天然成為了 LLM 技術的優質樣本。市場需求和技術可行性的高度協調，共同催生了大模型這一理想應用場景。
代表性產品 Cursor 已經證明了這一賽道的 PMF。自 2023 年初發布至今，Cursor 用戶數已超 100 萬，付費用戶 36 萬。截至 2025 年 11 月，其 ARR 已飆升至 10 億美元，并成為最快達 1 億美元 ARR 的 SaaS 公司。而更大范圍的增長或還將繼續，據研究機構 Market Research Future 預測，AI 編程工具市場將從 2025 年的 151.1 億美元增長到 2034 年的 991 億美元，CAGR 達到 23.24%。
這也讓 AI Coding 成為了大模型競爭最激烈的賽道之一，頭部企業估值一路走高之際，仍有創業公司涌現。2024 年下半年，Poolside 和 Magic 在沒有發布任何產品的情況下，估值即先后達到 30 億美金。進入今年以后，這一賽道交易額繼續攀升。據彭博社報道，Poolside 此前正洽談新一輪總計 20 億美元的融資，投資方包括英偉達等。
今年 5 月 Claude Code 全面開放，運營收入超 5 億，被認為使用體驗超越 Cursor。四個月后其母公司 Anthropic F 輪募資額達到 130 億美元，投后估值飆升至 1830 億美元。Cursor 則在下半年內密集完成三次迭代，先后推出記憶功能、語音編程等更新，母公司 Anysphere 于 11 月完成 23 億美元融資，估值 293 億美元。
宿文此前向 AI 科技評論分析稱，硅谷的一部分 VC 傾向于為模型的技術壁壘付費。Anthropic 旗下的 Claude Opus 4 及 Claude Sonnet 4.5 在發布時都打出“最強編程模型”稱號，Cursor 也在今年下半年推出自研模型 Composer。AI Coding 產品的競爭，最終會回歸模型層面的競爭。
AI Coding 產品正在從輔助孤立的編程任務，轉向對整個軟件開發流程的融入和重塑，能否在實際生產環境中落地成為了最核心的競爭指標。技術層面，上下文窗口長度仍然是競爭焦點，同時動態知識檢索技術和長程規劃能力被高度重視。產品層面的競爭則圍繞著生態展開，單純編輯器插件形態的產品壁壘正在消失，AI Coding 產品不再局限于 IDE，而是向需求分析、測試、部署等上下游環節延伸。
在這片混戰的紅海中，坐擁數萬程序員的大廠把持著數據規模和業務場景閉環的高地，在研發能力上創業公司難以比擬。但大語言模型對軟件開發的重塑尚沒有顯露全貌，在代碼補齊上的技術優勢能遷移多少到 Autopilot 工具，AI 時代的軟件開發是否意味著全新的軟件架構乃至編程語言……不同的技術路線間，仍然藏有創業公司的突圍機會。
雷峰網(公眾號：雷峰網)文章
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
