AI编程创业公司为何接连获得大额融资？

声明：本文来自微信公众号“阿尔法公社”（ID:alphastartups），作者:发现非凡创业者的，授权站长之家转载发布。

AI编程是生成式AI崛起以来最热门的赛道之一，不仅海内外大厂均有布局，而且已经诞生了数家融资额过亿，估值过10亿美元的头部创业公司。

无论对于程序[]员还是企业客[]户，AI编程[]的本质价值是[]降本增效，而[]且它带来的效[]果是直接的，[]目前已有44[]%的程序员使[]用过AI编程[]软件。

对于大多数科技公司，技术团队是核心团队之一，他们构建了公司的核心技术。同时，维持技术团队的规模也是公司开支的主要部分，根据Gartner的数据，科技公司每年在软件工程上的支出超过1万亿美元。

但是在公司层[]面，大多数公[]司对于目前的[]软件并不满意[]。一方面，现[]代软件功能丰[]富，同时结构[]也很复杂，维[]持软硬件堆栈[]需要多个不同[]职能的技术团[]队配合，这会[]产生很高的人[]力成本。

另一方面，软[]件脆弱而维护[]成本高昂，开[]发团队因功能[]请求、错误修[]复、安全补丁[]、集成请求、[]迁移和升级的[]长期积压而面[]临困难。同时[]还需要运维和[]测试团队的配[]合，而运维和[]测试团队的特[]点是，不需要[]太多创造性，[]但是需要“堆[]人”。

对于程序员，[]在他们的实际[]工作中，往往[]因为各种冗长[]的会议和复杂[]的需求沟通，[]导致实际用来[]编程的时间较[]少。而在实际[]的编程工作中[]，还有很多不[]需要怎么思考[]的“杂活”。[]这压缩了他们[]能够认真思考[]和高质量编程[]的时间精力，[]进而导致他们[]效率偏低，产[]出偏少，成就[]感低。

AI编程软件[]成为AI时代[]最热门的应用[]细分赛道之一[]并不是偶然，[]对于企业来说[]，他们希望A[]I帮助技术团[]队提高效率，[]并且做一些需[]要“智能”的[]重复性工作，[]缩减外围团队[]成本。对于程[]序员来说，A[]I编程助手能[]够帮助他们节[]省时间，提高[]效率，并且把[]更多时间放在[]“有效编程”[]上，让更多技[]术人员成为“[]10倍程序员[]”。

最近的Sta[]ckOver[]flow（程[]序设计领域的[]大型社区） 调查显示，4[]4%的程序员[]表示目前正在[]使用AI编程[]工具作为开发[]流程的一部分[]，26%的人[]计划很快使用[]。Gartn[]er估计，超[]过一半的组织[]目前正在试点[]或已经部署了[]AI编程助手[]，到2028[]年，75%的[]程序员将以某[]种形式使用A[]I编程工具。[]

AI编程赛道独角兽井喷

编程能力已经[]是各个大模型[]厂商在打造基[]础模型时的一[]个重要努力方[]向，因为这和[]数学能力一样[]，能从侧面显[]示出模型的逻[]辑推理能力。[]自GPT-4[]发布以来，每[]一个模型在发[]布时，都要重[]点介绍自己的[]编程能力。而[]评判模型编程[]能力的Ben[]chmark[]也在不断迭代[]，从最初的H[]umanEv[]al到现在更[]接近真实，更[]能评估模型解[]决实际编程问[]题能力的SW[]E-benc[]h。

在人工智能时[]代，人们打造[]AI编程软件[]的思路是以模[]型能力为基底[]，从实际的需[]求和场景出发[]，去打造产品[]能力。在这个[]过程中，模型[]和专有数据固[]然能在能力上[]保证产品的性[]能，对于场景[]和需求的理解[]，更决定了产[]品与用户（客[]户）的契合度[]。

多家创业公司获得大额融资

不过，大厂推[]出这些产品主[]要是为了搭建[]生态，保证自[]己不落后，产[]品和技术创新[]的中心还是看[]创业公司。海[]外在这个赛道[]耕耘的代表性[]创业公司有R[]eplit、[]Codium[]、cogni[]tion-l[]abs、Au[]gment等[]，它们都做了[]不同程度的产[]品创新。

例如Repl[]it，Cod[]ium都有I[]DE插件产品[]，集成度更高[]，更贴近个人[]程序员的使用[]习惯。Cod[]ium还推出[]Coding[]-Agent[]，具有本地代[]码索引和检索[]增强生成功能[]，可以根据需[]求自动化生成[]代码，进一步[]提升编程的自[]动化水平。

而cognition-labs更是推出了AI程序员Devin，可以把它看成专门经过编程优化的自动Agent，它能够独立工作，而不仅是作为程序员的辅助工具。这种产品形式对于企业客户更有吸引力。

在商业模式上，不少公司主要还是面向程序员群体，AI编程软件既能降低编程的门槛，帮助初级程序员拓展边界，又能让资深程序员提高效率，少做“脏活”，更大程度发挥创造力，所以会有较强的付费意愿。

而Augme[]nt则是面向[]企业，它根据[]大企业的需求[]加强了AI编[]程软件的推理[]运行速度，以[]及安全性和可[]靠性。基于A[]I编程软件商[]业化的本质需[]求:降低成本[]，提高效率，[]释放生产力，[]未来的公司在[]商业化时会越[]来越将企业客[]户作为重点。[]

在融资情况上[]，AI编程赛[]道的公司们都[]获得了AI应[]用领域相对大[]额的融资，例[]如Repli[]t获得了a1[]6z领投的9[]740万美元[]融资，估值1[]1.6亿美元[];Codiu[]m获得650[]0万美元融资[]，估值5亿美[]元;cogn[]ition-[]labs此前[]获得Foun[]der[]9;s Fund领投[]的2100万[]美元融资后，[]又将以20亿[]美元估值获得[]Founde[]r'[]s Fund投资[]的新一笔融资[];Augme[]nt则获得2[].52亿美元[]融资，估值9[].77亿美元[]。可以说，A[]I编程赛道是[]AI应用领域[]独角兽最集中[]的方向之一。[]

在创始人背景上，AI编程赛道的公司大多由具有雄厚编程技术背景的顶尖人才创立，无论他们是来自产业界还是学术界。例如Replit的创始人Amjad Masa曾在雅虎和Facebook有多年的编程经验，而Augment的创始人Igor Ostrovsky则来自微软;cognition-labs的创始团队的成员获得了10个IOI（国际信息学奥林匹克竞赛）金牌，而且大多为华人。

中国有自主框架和技术的AI编程产品

在中国市场，[]AI编程也是[]AI应用相当[]火热的领域，[]无论是大厂还[]是头部创业公[]司都在这个领[]域推出了自己[]的产品。互联[]网大厂中，百[]度有Coma[]te，阿里有[]通义灵码，商[]汤有代码小浣[]熊Racco[]on，华为有[]盘古Code[]r。他们都基[]于自有的大模[]型搭建，多是[]以AI编程助[]手为产品形式[]，在功能上与[]GitHub[]近似，并且在[]多程序语言支[]持，IDE兼[]容和中文编程[]上表现都较好[]。

与海外市场相比，国内专注于AI编程的创业公司目前还相对较少，但也有头部创业公司推出能力较强的AI助手产品，典型的例子是智谱AI的CodeGeeX和非十科技的Fitten Code，这两家创业公司的创业团队都来自清华。

而且这两个产[]品都基于国产[]的框架开发，[]例如Code[]GeeX由清[]华大学的知识[]工程实验室团[]队与智谱AI[]合作开发，采[]用了华为Mi[]ndSpor[]e框架，而F[]itten Code则基[]于自有的Ji[]ttor深度[]学习框架打造[]。

在中国目前的[]AI创业环境[]下，使用国产[]框架开发，在[]国产AI基础[]设施上运行，[]使这些AI编[]程产品具有较[]好的自主性和[]“安全性”。[]而无论是依托[]中国庞大的国[]内市场发展，[]还是出海直面[]国际竞争，中[]国的创业公司[]和AI编程产[]品都具有不错[]的潜力和发展[]空间。

AI编程赛道，何时开始赚钱?

尽管AI编程[]有不少大大小[]小的玩家，有[]获得了大额融[]资的创业公司[]，但它仍然处[]于发展的早期[]阶段，面临一[]系列问题。

第一个问题是成本和效益的平衡，因为AI模型推理成本的高企，大多数AI编程企业都处于亏损状态，甚至背靠微软的GitHub 目前每个用户每个月也要亏损约20至80美元，也就是它还没有解决单位经济学问题。而要解决这个问题，将运营成本降下来，需要AI算力和AI云服务公司的共同努力，在这个方向上同样有不少公司，我们此前已经介绍过的Foundry和d-Matrix就在这个方面深耕。

第二个问题是安全问题，也就是AI编程工具生成的代码仍然有质量低，错误偏多的问题，这会放大软件项目中现有的错误和漏洞。这个问题，本质上还是因为AI模型本身就会产生“幻觉”，并且生成内容的精确性还不够高。未来要解决这个问题，一方面需要升级AI编程模型的基础能力，减少“幻觉”，另一方面也需要在工程方面针对性地打好补丁。