兰 亭 墨 苑

标题 *

URL 别名 *

内容 * (支持 Markdown 格式) AI Coding与AI Coding投资：当技术遇见投资 过去的一系列文章讲了几个AI Coding初创公司的case study，探讨了它们的成长路径与技术特色。今天和大家讲点不一样的，讲讲对一家本身存在数字化转型需求的企业而言，面对AI Coding这一赛道，该如何理解技术本身，又如何看待对其的投资。 一、技术和投资的gap：投资AI Coding，又不止于AI Coding AI Coding技术，核心在“AI”。 其本质是通过模型迭代，持续提升大模型的代码生成与理解能力，并将其深度融入开发生态。 技术的演进围绕着更好的性能、更优的生态、更强的适配性展开。 AI Coding投资，核心在“投资”。 尽管挂着AI的前缀，但它与投资生物医药、高新材料等领域并无本质不同，其核心始终落脚在风险与回报。 在一级市场评估风险，尤其早期阶段，传统风险评估指标往往“失效”。 对初创公司来说，是否能成功融资很大程度上取决于团队、愿景与技术路线的可信度，而非的财务指标等清晰可见的数据。 更重要的是，对具备产业背景的投资方而言，“回报”不一定体现为现金收益，而可能是对自身业务链的优化与重塑。 比如： 借力初创公司对技术的理解，微调出适配内部流程的垂类模型；- 通过被投企业的市场验证，反哺自身类似场景的落地探索。 二、缘何投资初创公司：大厂与创业公司生态差异 对于企业来说，投资AI Coding不仅是财务行为，更是技术战略的延伸。 尤其在当前环境下，单纯依赖内部研发可能面临机制与效率的挑战。 近日来自第一财经专访的文章《腾讯混元三年变形始末》，梳理了腾讯混元大模型团队自成立来的成长和局限，从其发展历程中我们能略窥一二：即便资源雄厚，大厂内部推进AI项目也常面临层级审批多、资源分配分散、目标易受干扰等问题。 在过去，混元大模型团队想要汇报给刘炽平需要通过至少三个层级。 这是大厂在规模化的必由之路，却实实在在为创新加上了一副沉重的枷锁。 相比之下，初创公司的优势就充分显现出来了： 极简的决策链路，目标清晰、聚焦- 人均可调配资源更集中- 易于尝试非常规的技术路径，技术人员容错空间相对更大 DeepSeek的成功就是一个典型案例：依托幻方的资金支持，保持精英团队运作，让研发人员能在相对稳定、自由的环境中将想法持续落地，最终实现架构上的技术突破。 这其实也不禁令人思考，为什么模型架构的突破性创新来自于初创公司，而非传统意义的互联网大厂？ 在算力即实力的AI时代，初创公司客观存在算力劣势。 但灵活的管理机制、清晰的目标驱动、快速试错的能力、创新自驱的氛围，却构成初创公司独特的“软性护城河”。 已有框架难以出现突破式创新，又不希望在这个瞬息万变的AI时代被抛下，投资初创公司，成为了一个具备可行性的方案。 三、AI Coding：为何成为AI落地的“先锋场景”？ 前几天，OpenAI和 Anthropic同时发布了他们最新的模型，GPT-5.3-Codex和Claude Opus 4.6。 其中OpenAI他们在开发Codex的过程中，用Codex来监控和调试这一次的训练以及运行，还追踪整个训练过程中的训练模式，分析交互质量，这意味着Codex实际在“自我创造”。 Anthropic发布的Claude也不甘示弱，利用他们的Claude模型，可以从零构建一个基于Rust的C语言编译器（原文表达为mostly），AI输出的代码高达10万行。 这也标志着，在Claude强大的能力加持下，编程从“人类编程-AI辅助纠错”模式正在逐渐转变为“AI生成——人类负责终审拍板”模式。 在人类最前沿的模型开发中，AI coding已经占据了重要地位。 这也隐隐传递出一个信号：AI Coding 已不再只是“辅助工具”，而正在进入“自我进化”。 为什么AI应用的领域如此广泛的情况下，AI Coding成为了其中的标杆领域？ 我认为有至少四个重要原因：1. 目标明确，反馈清晰。 代码具备天然的验证机制，正确就是正确。 这种确定性为模型优化提供了高质量、可量化的信号，远优于图像、视频等领域的主观评价。 2. 开发者生态活跃，迭代极快。 新的AI编程工具一旦出现，开发者社区会迅速试用、反馈、贡献用例。 这种即时、密集的反馈循环，推动模型应用以远超其他场景的速度进化。 3. Coding能力被设定为大模型优化的能力目标。 衡量大模型能力时，Coding能力是一项重要指标，在优化模型的过程中作为目标函数优化。 4. 贴近AI进化的本质。 代码是逻辑的表达，而逻辑是智能的基础。 用AI编写AI，或许正是技术迈向自我迭代的关键一步。 四、未来已来：AI下半场，从效能出发 前OpenAI成员、腾讯AI科学家姚顺雨曾指出：AI正在进入下半场。 原本“设计更难的Benchmark——训练模型在Benchmark上取得更好表现”的循环正在被重塑，AI正在向为世界提供真正有用的效能而进化。 目前看来，算法与算力仍在进步，但高质量数据日趋匮乏。 Scaling Law的效应正在减弱，数据质量与场景深度将成为新的护城河。 如今AI应用圈地大战伊始，各个大厂还是以传统的烧钱撒钱、划分地盘的方式来抢人，寄希望于获得更多的流量，再通过自己的流量入口来变现。 但从阿里打通千问和淘宝闪购的案例来看，AI展现出的已不仅仅是数字助手能力，而是对整个数字商业生态的重塑能力。 阿里可能也不会满足于只作为AI的流量入口，而是将AI作为赋能整个数字化业态的综合入口，打通平台间壁垒，形成小圈子的生态互联。 这对AI Coding初创公司既是警示也是启示：在大厂全面烧钱圈地的时刻，必须坚定初心，找到真正具有持续反馈的场景，建立独特的“数据－模型”闭环；构建活跃的开发者社区，形成使用、反馈、迭代的良性生态。 尽管国内大厂已纷纷推出AI编程助手，但在特定垂直领域、小型企业数字化需求、解决方案定制等方面，初创公司仍存在市场空间。 五、写在最后 AI Coding 的投资，既是一场关于技术的豪赌，也是一次关于未来的下注。 对于投资企业而言，初创公司带来的价值不仅在于财务回报，更在于它实质上成为了数字化进程的“外挂研发团队”与“创新探针”。 对于初创公司，则需在巨头环伺的生态中，找到那些“大厂不愿做、做不快、做不深”的市场，用灵活、专注与速度，赢得自己的立身之地。 iPhone刚推出时，人们能够意识到触屏对世界的改变，但彼时诺基亚仍雄踞市场。 而在“水果忍者”出现之后，用户对触屏手机的感知被彻底颠覆，进而完全改变了手机的市场格局。 水果忍者，来源：网络在这个AI逐步重构开发模式的转折点上，无论是投资者还是创业者，都需要持续保持对技术进化的敏感、对商业模式的清醒以及对未来的信心。 AI下半场，紧跟技术趋势，坚定信念，种下种子，等待属于AI的“水果忍者”时刻到来

配图 (可多选)

标签