对话AIGCode创始人：只有从底层训模型，才能真正释放Coding生产力

AI新浪潮观察 27min read 对话AIGCode创始人：只有从底层训模型，才能真正释放Coding生产力 Founder Park2026/09/28 摘要 用终局思维实现普通人的软件自由。 本文首发于 Founder Park 公众号 · 2024 年 11 月 21 日 Copilot 正成为 AI 代码产品的主力军。 Github Copilot、Cursor、MarsCode、通义灵码等，AI 代码生成提升了程序员的生产力，正在加速软件行业的生产效率和供给能力。 但有一家公司想更进一步，不只是 Copilot，而是 Autopilot。他们想彻底改变软件的生产模式，完全释放软件市场的供给能力。 这是 AIGCode 对于软件行业的第一性思考。 这家代码生成领域的创业公司，刚刚推出了他们的第一款产品 AutoCoder，目标用户是「产品经理」人群，无需代码能力，只要有产品需求和创意就可以直接生成软件。 而他们的最终目标，是用个性化 App 服务所有普通人。 「有多少人在使用通用产品，就有多少人有个性化需求。」 要真正实现 Autopilot，就要解决现有大模型在代码生成方面的短板，为此，他们决定从模型架构层面做优化。在 MoE 的基础上演进到 PLE 混合多专家架构，团队结合 PLE 和大模型，使模型相同神经元以更压缩比存储并结构化有序学习人类知识。最终模型表现，在代码方面，AIGCode 7B 锡月大模型可以与 GPT-4o 等主流模型媲美。 AIGCode 目前的算法工程团队 20 人左右。CEO 宿文，连续创业者，华创资本前沿科技组前投资负责人。CTO 陈秋武，曾在微软、腾讯、百度、阿里等互联网公司任职 16 年，担任 AI 方向 Leader 达 11 年，资深算法专家，2018 年在微软期间就参与用 GPT 模型落地项目。 Cursor 获得超 6000 万美元融资、GitHub Copilot 已拥有超过 130 万付费用户，而初创公司 Magic 已经成为估值超 15 亿美元的新独角兽， 这个赛道现在越来越卷，AIGCode 团队为什么选择切入AI 代码赛道，对用户和落地场景有什么新的洞察？ 在 GPT-5 迟迟不发，业界纷纷认为 Scaling Law 撞墙的当下， 团队为什么决定要自研模型？第一性思考是什么？ 关于这些问题，Founder Park 对 AIGCode 两位核心创始人进行了访谈，以下内容根据访谈编译整理。 点击关注，每天更新深度 AI 行业洞察 01 软件的个性化需求， 处于长期被压抑的状态 FP：首先一个问题，为什么做代码生成先瞄准非代码人群？市场上大多数产品都在做 Copilot 模式，为什么先做 Autopilot？ 宿文 ：关键是要看最终想解决什么问题。 当前市场上最好的 Copilot 产品，主要解决的是存量问题——服务于技术编程人员，为传统的项目交付提效，这确实是有价值的。但我们团队关注的，是深入探讨大型模型能为软件行业带来的巨大变革。 我们瞄准的是最终交付的应用或软件本身，核心目标是解决用户实际面临的问题，代码并非最终结果而是过程。 程序员编写代码，是为了创建出能够解决问题的应用。我们服务的是产品经理、需求方、业务方这些非技术背景的用户群体，他们才是软件服务的最终受益。这些多样的用户群体带来的差异化软件诉求，对打磨大模型的技术也非常有利。 陈秋武 ：软件发展从 Web 1.0 的树形导航，到 Web 2.0 的搜索，再到推荐系统，信息流转效率不断提升，但内容生成仍依赖人工。未来，AI 可以实现内容生成，对软件而言，AI 会自动编程完成软件生成。 Copilot 这类工具服务于技术人员，但市场需求远不止于此。不会编程的业务方和个人 App 需求者，数量级是千万级程序员的好几倍。全球软件生态供给不足，导致个性化需求被压抑。降低软件供给成本，将释放这些需求。Autopilot 正是为此而生，通过 AI 生成代码，降低开发门槛，满足广大非技术用户的软件需求。 FP：这是否预示着软件生态将迎来一种新的模式？程序员是不是就不重要了？ 宿文 ：软件生态的两个核心痛点：生产效率低和生产质量参差不齐。 软件市场从过去到现在，一直面临着程序员短缺的问题，懂代码的人才供不应求。海外靠 SaaS 模式推动了软件的爆发，国内 SaaS 的推广并不顺利，我们主要依赖大量的软件公司来承接定制化的软件需求。由于软件供给侧效率和质量的瓶颈问题，最终导致许多 ToB 软件项目烂尾。 换一个角度来看：如果软件的供给效率、质量和最终的生成成本这三个指标都优化到极致， 比如供给效率提升到秒级，生成成本低到像流量那样可以忽略不计，同时保证软件的质量，那么将会激发出大量难以预见的需求。 至于个性化应用是否会抢占