“前端有模板，后端用框架，算法靠开源，业务代码用AI……2025年的程序开发，卡点已经不是懂不懂，而是知不知道。”个人开发者赵泽明近日在朋友圈感慨。

赵泽明是信息挖掘工具wiseflow的主要作者，这一开源项目在Github收获了超过6600个星，他对第一财经表示，项目大概有60%的代码都是用AI写的。“多看五年，程序员或许就跟当年的打字员一样，从独立工种变为通用技能了，”但他补充称，这绝对不是普通人的机会，“就像PPT谁都能做，但能靠做PPT挣钱的有几个？”

AI写代码被视为大模型应用里一个颇有前景的领域，高频刚需，具有较大的确定性。过去两年时间，有多家大厂押注这一场景，2023年11月，阿里云发布AI编程助手通义灵码，紧随其后，12月商汤推出智能编程助手代码小浣熊。百度创始人李彦宏曾表示，2024年最想推动的一件事，是让每个人都具备程序员的能力，同年百度对外发布代码助手Comate，称这一位AI程序员已经编写了百度内部四分之一的代码。

去年，第一财经询问业内AI是否能代替程序员时，大家认为AI或许能帮忙写一些测试脚本这样的初级工作，但放在更严肃的商业级代码开发流程里，哪怕是GPT-4也只能做到较低的水平。

在2025年，AI写代码更容易了，随之而来的问题是，程序员怎么办？

能力迭代

过去一年，国内大厂在密集布局AI编程，海外大厂同样已经将AI写代码融入工作流，另外也有不少海外AI编程初创公司成功跑通商业化，年化收入已超过1亿美元。

1月初，在一档播客节目中，Meta创始人扎克伯格（Mark Zuckerberg）称，“2025年，AI将达到中级软件工程师的编程水平。”他表示，Meta 正在朝着这个目标努力，届时“我们应用中的大量代码，甚至包括我们生成的 AI，将主要由AI工程师而非人类工程师编写”。

除了Meta，谷歌CEO桑达尔·皮查伊（Sundar Pichai）在去年10月的Q3财报电话会议上透露，谷歌的新代码中有超过四分之一是由AI生成的，这些代码经过人工审核后被接受。

2024年底，在播客中Salesforce的创始人兼CEO马克·贝尼奥夫（Marc Benioff）透露，“2025年，Salesforce不再招聘软件工程师。”依靠自家智能体Agentforce和其他AI技术，Salesforce的工程团队生产力提升了30%以上。

这一年，AI加快渗透到各大厂的业务和开发者的工作中，核心原因是AI写代码的能力又进步了，且成本降低了。

1月初，在通义灵码2.0发布时，通义灵码负责人丁宇对外表示，AI正在改变软件工程师的工作方式，从最初的AI辅助编程、补全代码，走向人与AI协同编程，AI可以根据场景任务做批量文件修改，实现能力的跃迁。

近日，在采访中商汤科技小浣熊负责人贾安亚对第一财经提到，就商汤而言，AI代码今年整体进展较大，面向开发者、程序员，功能的整体完备性和应用性更强了。

基于长思维链，AI对复杂任务的理解和执行效果更好了，融合外部信息的能力更强，“过去或许给AI的每一步指引要特别细，或者是在一个任务里要分多步去给指引，现在可能会是一个更加自动化的方式。”但同时，贾安亚表示，产品经理、程序员、架构师、测试等岗位在当下尤其复杂的软件研发场景里还是起到主导作用，“AI更像一个副驾驶的角色，现在副驾驶相对更加智能了”。

基座大模型能力提升是过去一年AI代码能力迭代的关键。贾安亚表示，代码审查是去年上半年大家都比较头疼的，但模型的推理能力出来后去做一些代码审查，或是面向一些小白用户做早期的软件研发培训，都有更好的效果，对软件研发来说作用非常大。而且随着推理成本的降低，终端用户的接受度也更高了。

赵泽明也对记者表示，大模型基础能力的提高带动了AI辅助编程智能提高。同时，类似Cursor这种工具，已经将“prompt engineering”（提示工程）做到极致，开发者用就好了。

“Cursor让人意外的是，跳出传统 IDE（集成开发环境）插件的交互形态，自己完全构建一个原生IDE，对于产品设计有很多参考价值。”贾安亚认为，从当下往前一年看，不管是模型本身、工程化，还是在具体的产品交互上，业内都有很多非常好的实践。

Cursor由初创公司Anysphere 最初在2023年1月推出，旨在帮助开发者自动生成高质量代码，减少开发时间和人力成本，2025年1月，Anysphere宣布完成1.05亿美元的B轮融资，投后估值高达26亿美元，团队在博客中表示，Anysphere的ARR（年化经常性收入）已经超过1亿美元。

AI代码工具被认为是B端领域能较快落地的AI应用赛道，AI写代码的目标是提升开发效率，无论是个人开发者还是企业都愿意为节省时间和人力成本付费，市场需求明确，商业化路径清晰，同时模型能力也到了一个满足需求的点，尤其在海外市场较快跑通了商业模式。除了Cursor，目前海外头部产品还包括GitHub Copilot、Windsurf等产品。

2024年7月微软财报会上透露，GitHub Copilot年化经常性收入突破3亿美元。Windsurf开发商Codeium不久前被曝正进行新一轮融资，估值达到28.5 亿美元，就在此前六个月，Codeium 才宣布完成 C 轮1.25 亿美元的融资，彼时估值为 12.5 亿美元。知情人士透露，Codeium目前的年化经常性收入约为4000万美元。

AI编码领域的玩家已经不少。PitchBook 数据显示，全球范围内，大约有250家初创公司推出了AI编码助手。在国内，包括阿里、百度、字节跳动等互联网大厂，科大讯飞、商汤、智谱AI等独角兽都纷纷推出了相关产品，试图分到这块近在眼前的“蛋糕”。

AI代码能成功走通商业化道路，一端是能力的迭代提升满足了市场需求，另一端则是成本的降低。贾安亚提到，无论是开源模型架构的优化，还是同一个模型架构在推理层面整体的工程优化，都让AI编程终端落地的整体成本大幅降低。

“去年一台20万左右的机器，上面可能只能跑一个7B的模型，现在可以跑一个70B或32B的一个MoE架构的模型。花的钱是一样多，但是能实现的业务场景会非常不一样。”贾安亚举例表示，可能去年一个7B的模型只能跑一个垂直场景，但是现在一个更大参数量的通用模型进来，上面可以跑5、6个场景，这样整体部署实施的成本降低了80%，企业更愿意采用。

贾安亚认为，未来AI代码应用成本还有继续降低的空间。同时，随着算力、模型推理性能增强，未来大模型的推理可以往端侧走，这对AI应用普惠有非常大的帮助，可能在一两年内就会看到端侧的成果。

程序员何去何从

“对于年轻一代来说,编程不再是一个可行的职业。”此前英伟达CEO黄仁勋曾发表观点警告，编程作为一种职业可能会消失。

在眼下，程序员还不必为此担心，但如扎克伯格所说的那样，AI将来达到中级软件工程师的编程水平后，人类程序员该何去何从？

“只需要知道（写什么代码），不需要会（写代码），这还是不是程序员的定义？还未可知。”赵泽明认为，未来会有越来越多的产品经理、小企业主直接完成开发，无需程序员，但他们仍然需要优秀的架构级指导。

“一头需要连接真实的业务需求，例如要实现什么效果，根据这些需求开发者要去想每一个零件要实现的性能指标。另一方面，为了让零件能够适配它的环境、框架，需要指定规格。”赵泽明表示，所有的这些细节是人要想清楚的，再给到AI去生成代码，最后代码也需要人测试、debug，进行调整等等。“卡点不在于怎么写，而是要知道应该写什么样的代码，另外部署运维也需要有些基础。”

当下来看，AI很难完全替代程序员。贾安亚提到，在一些成熟的软件公司，或者是大的企业研发系统内部，软件系统非常复杂，整个工程化的内部信息描述难度较大。“很多时候做软件研发，涉及到用户期望的上线时间，内部可以调度的资源，这个资源涉及到人、一些其他额外的成本，以及历史代码的可维护性，包括后续去修改的复杂程度等等。”因此，一个真正复杂的软件系统要去做从0到1的构建或迭代，不是纯靠AI就可以的。

在贾安亚看来，现在做的很多AI编程工具，并不是去替代，而是在程序员本来的工作内容上做优化。很多程序员非常享受去写新的代码，但很多时候真正写代码的时间不到20%，大部分时间花在怎么去写注释、写文档、修改代码等流程上。因此，AI的价值在于，将相对重复性、低价值的工作做好，大家可以聚焦在更高心流、高价值点的工作上，个人生产力会更高，从社会层面上，数字化的供需也可以达到一个更好的平衡点。

作为大厂程序员的一员，吴骏对第一财经表示，当下他是将AI用于检查代码这样简单的环节，因为针对复杂系统，AI现在还没到人类程序员级别的架构能力，“人会抓大放小，专注于需要解决的方向，但现在AI可能还没有达到这种境界”。

积极的一面来看，吴骏认为，AI写代码会越来越成熟，未来程序员的工作方式会有变化，更加注重架构设计，领域建模这类更高思维上的工作。AI带来工具层面的进化，提高了效率，未来可能怎么更好地与AI协作也是评估程序员能力的一方面。

市场调查机构 Gartner于去年10月发表报告称，到2027年，生成式AI将在软件工程和运维领域催生新的工作岗位，80%的工程师将需要进行技能提升。

Gartner高级首席分析师 Philip Walsh表示，在某些领域，AI的确能以更快的速度和更低的成本完成任务，但这并不意味着人类程序员将被完全取代。人类的创造力、批判性思维以及对复杂系统的深刻理解，仍是AI难以复制的独特优势。因此，未来更可能呈现为人类与AI协同工作的新模式：AI负责处理标准化和重复性任务，而人类则专注于更具创造性和战略性的工作。

Gartner的报告提到，短期，AI工具将通过增强现有开发者的工作方式和任务，带来一定程度的生产力提升。中期AI智能体将改变开发人员的工作模式，大多数代码将由 AI生成，在这样的“AI原生时代”，软件工程师将更多关注如何让AI理解并处理特定任务的背景和限制条件，自然语言提示工程和增强生成（RAG）技能将成为开发人员的必备能力。

虽然AI会提升工程效率，但企业将需要更多技能娴熟的软件工程师，以满足对 AI赋能软件快速增长的需求。Gartner认为，开发AI驱动的应用将催生新型软件专业人才，如“AI工程师”，他们具备软件开发、数据科学和AI/机器学习方面的综合技能，这些技能将变得非常抢手。

商汤的小浣熊团队的招人需求也发生了一些变化。贾安亚提到，现在会更关注应聘人员对于新事物的理解能力，以及是否有较强的好奇心。

“过去招聘的时候可能会更关注应聘者过去的一些履历，是不是在一个垂直领域里特别熟，但现在对于较基础、重复性的东西，AI可以胜任，所以我们会看招的这个人是不是基于AI写了一些新的项目，对于各个AI工具的使用是不是比较熟悉等等。”除此之外，贾安表示，垂直领域的“know-how”仍然需要时间去积累，这对于AI在行业的落地很重要，这也是未来对人才的重要考量因素。

(本文来自第一财经)