AI Coding，在企業(yè)級市場游入「大魚」

文 ｜ 闌夕

某種程度上，Anthropic是比OpenAI更有商業(yè)奇觀的一家公司。

OpenAI在消費級市場的領(lǐng)先毋庸置疑——ChatGPT的8億周活在行業(yè)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(huán)境里，Anthropic之所以始終能夠處在第一梯隊里，這和它在企業(yè)級市場取得的絕對品牌認知，有著直接關(guān)系，在很長一段時間里，Claude幾乎壟斷了AI Coding的模型供應(yīng)鏈。

在收入結(jié)構(gòu)上，30萬家企業(yè)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(chǎn)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(dān)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(chuàng)造產(chǎn)能的價值權(quán)重有多高。

這種趨勢也在推動行業(yè)共識的出現(xiàn)：AI在應(yīng)用互聯(lián)網(wǎng)的爆發(fā)或許還需要時間，大家也都有耐心等待奇點，但企業(yè)級市場對于AI的買單熱情卻已經(jīng)遠超預(yù)期，這部分的價值創(chuàng)造，不但徹底改寫了生產(chǎn)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(yè)版之后，想要明牌接住的一場戰(zhàn)略機遇期。

從TRAE命名就能看出，字節(jié)對于這款A(yù)I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(diào)查里，84%的開發(fā)者都在主動使用AI Coding工具，其中每天都用的人數(shù)占比甚至超過了半數(shù)。

和其他企業(yè)服務(wù)產(chǎn)品寄望于老板推動團隊上馬的訴求不同，即便沒有企業(yè)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(chǎn)的流失風(fēng)險，理論上來說，員工在工作時間產(chǎn)出的代碼，都屬于公司資產(chǎn)，但AI Coding相當于引入了一個未經(jīng)授權(quán)的外部計算環(huán)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(chǎn)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(yè)版的原因之一，事實上，企業(yè)的「既要又要」，在很多時候其實是為了追求確定性，技術(shù)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(fēng)險談收益，都是耍流氓。

就像互聯(lián)網(wǎng)行業(yè)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(guī)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(yè)版的發(fā)布，則是在公有的基座模型之上，為每家企業(yè)供給一套私有的AI Coding解決方案，一次性「扶正」企業(yè)自有的開發(fā)產(chǎn)權(quán)，這很關(guān)鍵。

字節(jié)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(jié)內(nèi)部的最佳實踐：

92%以上的字節(jié)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(shù)主導(dǎo)著稱的互聯(lián)網(wǎng)公司，字節(jié)的研發(fā)需求都能被TRAE兜住，這本身就是一塊金字招牌。

就連字節(jié)決定全量采用TRAE的過程，都替其他企業(yè)打了個樣——今年5月，時值TRAE的月活用戶突破100萬，字節(jié)發(fā)了內(nèi)部信，要求全體員工統(tǒng)一將TRAE當作核心開發(fā)工具，不再將數(shù)據(jù)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(xiàn)生產(chǎn)力的折損，不但意味著TRAE在能力上已經(jīng)站穩(wěn)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(fù)看到過這種技術(shù)溢出的例子，AWS之于亞馬遜、 Palantir之于PayPal、甚至飛書之于字節(jié)，都是相似的路徑。

據(jù)我所知，抖音的幾條核心業(yè)務(wù)，都已經(jīng)用TRAE做出了特別突出的降本增效結(jié)果。

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

而TRAE企業(yè)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(fā)需求而言，TRAE企業(yè)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(tài)，但TRAE企業(yè)版實現(xiàn)了不打斷企業(yè)現(xiàn)有工作流的即插即用效果，支持IDE、插件、CLI多形態(tài)接入，適配不同開發(fā)環(huán)節(jié)，并可接入第三方甚至企業(yè)自有模型，讓AI「落戶」學(xué)會團隊語言。

更重要的是，TRAE企業(yè)版自帶工程化的定制能力，將AI從輔助工具升級為可預(yù)測的企業(yè)級生產(chǎn)力，能真正規(guī)?；瘧?yīng)用于研發(fā)流程，10萬份文件、1.5億行代碼、毫秒級響應(yīng)、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(chǎn)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(yè)版解決的是企業(yè)投入AI的核心訴求：花了多少錢？產(chǎn)生了什么效果？員工是怎么在使用的？產(chǎn)出了哪些代碼？

有著飛書、火山云、巨量引擎等2B商業(yè)的經(jīng)驗，字節(jié)太懂企業(yè)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(yè)將開發(fā)的生命線托付給AI，TRAE企業(yè)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(chǎn)可控，代碼不會被泄露或濫用，全程合規(guī)。

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(xiàn)實主義世界，頭部科技公司普遍已從「要不要做」轉(zhuǎn)向「怎么做得更好」，TRAE企業(yè)版的出現(xiàn)，是在為所有希望提前適應(yīng)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(fā)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(jié)里放出了傳統(tǒng)彩蛋，宣布發(fā)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(jīng)滲透到了千行百業(yè)，并在大模型領(lǐng)域的瘋狂投資里，扮演著最能激發(fā)經(jīng)濟價值的那一條賽道。

我會特別注意字節(jié)的AI戰(zhàn)略，在產(chǎn)品齊發(fā)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(jié)要發(fā)揮領(lǐng)先優(yōu)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(wù)600萬名開發(fā)者的TRAE，到切入數(shù)萬科技公司的TRAE企業(yè)版，這個跨度既是水到渠成，也刷新了想象。

Gartner已經(jīng)發(fā)出預(yù)測，到了2027年，70%的軟件創(chuàng)新將源自10人以下的小型團隊，這對陳舊的生產(chǎn)力關(guān)系造成了顛覆性的沖擊——創(chuàng)新不再依賴規(guī)模，技術(shù)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(xù)進化，代碼行業(yè)已經(jīng)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(fā)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(yù)估。