AI Coding，在企業級市場游入「大魚」

文 ｜ 闌夕

某種程度上，Anthropic是比OpenAI更有商業奇觀的一家公司。

OpenAI在消費級市場的領先毋庸置疑——ChatGPT的8億周活在行業里一騎絕塵——而在今年以來，Google重回牌桌也讓各家大廠壓力倍增，大模型的競爭趨于白熱化。

在如此圍追堵截的環境里，Anthropic之所以始終能夠處在第一梯隊里，這和它在企業級市場取得的絕對品牌認知，有著直接關系，在很長一段時間里，Claude幾乎壟斷了AI Coding的模型供應鏈。

在收入結構上，30萬家企業客戶為Anthropic貢獻了80%的付費，剩下15%來自編程工具Claude Code，普通用戶的訂閱占比只有5%。

換句話說，憑借販賣生產力工具，Anthropic的年化收入（ARR）以每個月增加10億美金的速度，在一眾AI公司里擔當著印鈔機的角色，且在一級市場的估值達到了OpenAI的6成，足見創造產能的價值權重有多高。

這種趨勢也在推動行業共識的出現：AI在應用互聯網的爆發或許還需要時間，大家也都有耐心等待奇點，但企業級市場對于AI的買單熱情卻已經遠超預期，這部分的價值創造，不但徹底改寫了生產邏輯，也能為大模型廠商提供落袋為安的回報。

理解了這個劇烈變化的時代背景，也就能夠理解TRAE在推出企業版之后，想要明牌接住的一場戰略機遇期。

從TRAE命名就能看出，字節對于這款AI原生IDE的野心有多大：

The Real AI Engineer，真正的AI工程師。

作為最成熟的落地場，AI Coding的滲透其實早已自下而上，在Stack Overflow的年度調查里，84%的開發者都在主動使用AI Coding工具，其中每天都用的人數占比甚至超過了半數。

和其他企業服務產品寄望于老板推動團隊上馬的訴求不同，即便沒有企業版的推出，中國程序員們早就離不開TRAE了，畢竟提高效率本身就是利己的體驗，哪怕自費使用也是劃算的，但員工可以只顧自己用得舒服，CTO們要考慮的事情就多了。

比如代碼資產的流失風險，理論上來說，員工在工作時間產出的代碼，都屬于公司資產，但AI Coding相當于引入了一個未經授權的外部計算環境，以致于很多公司在對待AI Coding時充滿了左右為難的矛盾，一邊試圖擁抱生產力革命，一邊懷疑整個鏈路的安全性。

這當然也只是TRAE推出企業版的原因之一，事實上，企業的「既要又要」，在很多時候其實是為了追求確定性，技術的先進與否固然要緊，能否駕馭才是重中之重。

用一句話來解釋，拋開風險談收益，都是耍流氓。

就像互聯網行業里曾有一個段子，說阿里和騰訊的兩個團隊談一個合作項目，阿里規定不能用騰訊會議，而騰訊也不讓用釘釘，于是兩撥人一合計，只好分別注冊飛書，舍近求遠的到飛書里開會。

TRAE企業版的發布，則是在公有的基座模型之上，為每家企業供給一套私有的AI Coding解決方案，一次性「扶正」企業自有的開發產權，這很關鍵。

字節的銷售團隊，可能為TRAE準備了很多宣傳物料，但說實話，最有說服力的一句話，可能還是出自字節內部的最佳實踐：

92%以上的字節工程師，都在用TRAE來干活。

作為全球最大的獨角獸之一、同時也是以技術主導著稱的互聯網公司，字節的研發需求都能被TRAE兜住，這本身就是一塊金字招牌。

就連字節決定全量采用TRAE的過程，都替其他企業打了個樣——今年5月，時值TRAE的月活用戶突破100萬，字節發了內部信，要求全體員工統一將TRAE當作核心開發工具，不再將數據流失到個人賬戶。

這件事情最終跑通的意義很大，全員切換到TRAE之后沒有出現生產力的折損，不但意味著TRAE在能力上已經站穩了第一梯隊，還為TRAE的對外開放埋下了伏筆。

在科技的歷史里，我們反復看到過這種技術溢出的例子，AWS之于亞馬遜、 Palantir之于PayPal、甚至飛書之于字節，都是相似的路徑。

據我所知，抖音的幾條核心業務，都已經用TRAE做出了特別突出的降本增效結果。

比如抖音生活服務，在將TRAE引入DevOps流程之后，覆蓋了需求、開發、測試、發布的全鏈路，AI貢獻代碼占比高達43%，測試用例生成每周節省接近45人天，成效斐然。

而TRAE企業版，要做的事情則可以用「包括但不限于」來做開篇。

對于工程研發需求而言，TRAE企業版疊加了三重確定性：

其一，在于強大性能帶來的確定性效能提升。

雖然自身非常追求完全體的AI IDE形態，但TRAE企業版實現了不打斷企業現有工作流的即插即用效果，支持IDE、插件、CLI多形態接入，適配不同開發環節，并可接入第三方甚至企業自有模型，讓AI「落戶」學會團隊語言。

更重要的是，TRAE企業版自帶工程化的定制能力，將AI從輔助工具升級為可預測的企業級生產力，能真正規?；瘧糜谘邪l流程，10萬份文件、1.5億行代碼、毫秒級響應、超長上下文等支持標準，都是通過抬高上限的方式，讓AI駕馭項目不受阻礙。

其二，在于全鏈路可見化帶來的確定性資產沉淀。

相比個人用的AI Coding工具始終運行在一個黑盒里，TRAE企業版解決的是企業投入AI的核心訴求：花了多少錢？產生了什么效果？員工是怎么在使用的？產出了哪些代碼？

有著飛書、火山云、巨量引擎等2B商業的經驗，字節太懂企業的痛點在哪里了，聰明的模型千篇一律，可信任的智能萬里挑一，要讓企業將開發的生命線托付給AI，TRAE企業版先建立起了那個傳說中的「不可能三角」：

效能可信，可全面掌控使用者的ROI；成本可見，對消耗量的變化了如指掌；資產可控，代碼不會被泄露或濫用，全程合規。

其三，在于整體擁抱AI Coding帶來的確定性搶占未來。

如今，我們身處一個連大模型都在用自己來給自己編程的科幻現實主義世界，頭部科技公司普遍已從「要不要做」轉向「怎么做得更好」，TRAE企業版的出現，是在為所有希望提前適應變革的公司，提供一張車票，

再不上車，就真的晚了。

2021年，GitHub Copilot的發布曾被視為「有趣的玩具」，程序員們互相抱怨它的笨拙，然后便是GitHub賣給了微軟。

更早時候，Google曾在一次愚人節里放出了傳統彩蛋，宣布發明了一個可以自動編寫代碼的程序，在極客圈里收到了腦洞大開的評價。

如今，AI Coding已經滲透到了千行百業，并在大模型領域的瘋狂投資里，扮演著最能激發經濟價值的那一條賽道。

我會特別注意字節的AI戰略，在產品齊發的同時，拉動Tokens的消耗量也是最常被提到的路線之一，意思很明確，分配蛋糕的前提，是做大蛋糕，字節要發揮領先優勢，讓大模型的實用化加速起來，TRAE也是這張棋盤上的強手落子。

從服務600萬名開發者的TRAE，到切入數萬科技公司的TRAE企業版，這個跨度既是水到渠成，也刷新了想象。

Gartner已經發出預測，到了2027年，70%的軟件創新將源自10人以下的小型團隊，這對陳舊的生產力關系造成了顛覆性的沖擊——創新不再依賴規模，技術密度更加重要。

就像黃仁勛說的，我們的工作意義，絕對不會只是在鍵盤上打字。

隨著模型的持續進化，代碼行業已經站在了新紀元的前夜，長遠來看，AI Coding是在重新配置軟件開發的價值錨點，即什么是真正重要的——是洞察，決策，抑或勞動？

無論如何，巨變才剛剛開始，而其最終的影響可能遠超我們當前最樂觀的預估。