文｜鄧詠儀

編輯｜蘇建勛

僅用半年時間，楊萍就目睹了AI Coding賽道有多瘋狂。

2024年，Vibe Coding賽道發(fā)展如火如荼。Cursor從2023年的100萬美元ARR，暴漲至2024年11月的6500萬美元，估值更是在短短四個月內(nèi)翻了超6倍。

彼時，楊萍正在字節(jié)將第一款Coding產(chǎn)品MarsCode推向市場不久。作為技術研發(fā)負責人，從2021年開始，她就已經(jīng)在字節(jié)帶領百人團隊，探索將AI應用在軟件領域的應用，打造的產(chǎn)品曾服務字節(jié)內(nèi)部數(shù)萬研發(fā)人員，幫助公司節(jié)省億級別的研發(fā)預算。

“那時我們就已經(jīng)發(fā)現(xiàn)，AI在Coding領域的應用潛力很大，并且用戶更關心的是能否直接看懂和有效使用�！彼龑Α吨悄苡楷F(xiàn)》表示。

但當賽道急劇變化時，楊萍內(nèi)心產(chǎn)生了強烈的緊迫感。

變化體現(xiàn)在兩個維度：一是這些C端Coding產(chǎn)品不僅獲得了資本的高估值，收入也在猛漲，證明市場對AI編程工具的真實需求；

二是市場格局正在重構——無論國內(nèi)還是海外，To C方向的Coding產(chǎn)品，已經(jīng)插滿了先行者的旗幟，但越來越多廠商轉向To B市場，企業(yè)級需求開始爆發(fā)。

這些變化讓她意識到，創(chuàng)業(yè)時機已經(jīng)不能再等。2025年7月，楊萍與兩位聯(lián)創(chuàng)正式成立新公司“詞元無限”，希望提供面向B端企業(yè)的AI Coding Agent服務。

近期，詞元無限正式完成了數(shù)千萬元天使輪融資，投資方為某軟件產(chǎn)業(yè)CVC。本輪融資由航行資本擔任長期財務顧問。

詞元無限也吸納了來自畢業(yè)于清華姚班、字節(jié)等公司的資深人才。CTO王偉為清華姚班校友，曾任國內(nèi)知名具身機器人公司與大模型創(chuàng)業(yè)公司的技術合伙人。商業(yè)化負責人李瑩擁有十余年AI產(chǎn)業(yè)落地經(jīng)驗，曾在大模型To B領域主導完成了數(shù)億元規(guī)模的項目落地。

市面上的通用AI編程工具，雖然代碼生成速度快，能迅速編寫許多小型應用，但在面對企業(yè)復雜的遺留系統(tǒng)（Legacy Code）、技術棧和嚴苛的業(yè)務規(guī)范時，往往顯得水土不服。

比如，一個典型的金融場景案例是：銀監(jiān)會規(guī)定開戶流程必須包含特定的合規(guī)步驟，而通用AI工具可能會根據(jù)公開數(shù)據(jù)自行設計出若干個步驟。這種代碼生成得再快，在企業(yè)眼中也是不可用的廢代碼。

為了讓Vibe Coding真正進入企業(yè)級生產(chǎn)場景，硅谷正在復興一個經(jīng)典概念——FDE（Forward Deployed Engineer，前沿部署工程師）。

這一模式由Palantir在2010年提出，目前已經(jīng)在AI行業(yè)掀起招聘熱潮，包括OpenAI、Anthropic在內(nèi)的企業(yè)，均宣布將包括FDE在內(nèi)的應用AI團隊，擴大數(shù)倍規(guī)模。

詞元無限希望用AI，打造類似這樣的Agent服務——讓高水平工程師直接進入客戶現(xiàn)場，他們既是技術專家，又是商業(yè)顧問，幫助企業(yè)將前沿AI技術應用到生產(chǎn)環(huán)境中。

InfCode

12月初，詞元的核心產(chǎn)品InfCode正式上線了第一個版本，形態(tài)為插件+企業(yè)級的AI Coding平臺。InfCode幫助企業(yè)完成代碼治理、補全、審查、任務規(guī)劃等等工作，相當于一個中階研發(fā)工程師。

InfCode通過兩層機制解決這一問題：第一層是標準化對接——通過內(nèi)置的MCP Server連接器，快速集成飛書、企業(yè)OA等常見辦公系統(tǒng)，使AI能夠實時查詢企業(yè)內(nèi)部文檔和規(guī)范；

第二層是個性化適配——針對每家企業(yè)獨特的微服務架構、內(nèi)部流程和遺留系統(tǒng)，提供開放接口，由企業(yè)IT團隊進行輕量級適配。

在實際POC驗證中，詞元合作目前正在合作的客戶案例中，研發(fā)效率提升了近40%，AI生成代碼的可用率達到88%以上，質(zhì)量達到中級程序員水平。

更重要的是，詞元無限并不關注中間過程的AI準確率，而是直接衡量項目交付的價值——比如人效、項目時間的提升等。

目前，在全球權威智能體評測基準SWE-Bench Verified上，InfCode以79.4%的得分刷新了世界最佳紀錄（SOTA），超過公開排行榜上GPT-5、Claude等頂尖模型65%左右的成績。

在2025年的中國，做To B市場依舊是個不容易的決定。在上一個AI 1.0時代，不少AI公司的發(fā)展說明，如果只有單點技術能力，很容易落入無窮無盡的定制化、大項目中。

不過，楊萍認為，AI Coding或許能讓To B落地走出一條不一樣的道路。

這背后，既有基模發(fā)展迅速的原因——2025年，基礎模型廠商在Agent能力上的建設上，不遺余力，剛上新的Gemini 3 flash，就已經(jīng)比數(shù)月前的Gemini 2.5 pro能力強上數(shù)倍，帶來的業(yè)務價值是立竿見影的；

二是C端AI產(chǎn)品在迅速普及，比如Cursor、Replit等垂類Coding產(chǎn)品，還有ChatGPT等通用的AI助手，都在讓企業(yè)研發(fā)群體對AI的接受度和付費意愿，遠超預期。

楊萍表示，最終Agent的商業(yè)模式，會走向以結果為導向的方式（RaaS, Result as a Service），讓企業(yè)管理者能夠清晰計算投資回報率。“C 端產(chǎn)品的普及已經(jīng)完成了對企業(yè)研發(fā)人員的市場教育，現(xiàn)在的關鍵是解決最后一公里的業(yè)務理解問題�！睏钇颊f。

在第一輪融資完成之際，詞元無限的幾位聯(lián)創(chuàng)也和《智能涌現(xiàn)》聊了聊，To B AI Coding的痛點、機遇都在何處。

以上為訪談原文，經(jīng)《智能涌現(xiàn)》編輯整理：

企業(yè)級場景和Vibe Coding，很大程度是相悖的

《智能涌現(xiàn)》：咱們從創(chuàng)業(yè)的起點開始聊吧，一開始你是在字節(jié)做Coding產(chǎn)品，再到創(chuàng)業(yè)，整個過程背后是怎么考慮的？

楊萍：2018年到2024年，我在字節(jié)主要負責智能化和軟件工程相關的工作。在大語言模型爆火之前，我們已經(jīng)在研究一些深度學習和生成學習模型，但那時候主要還是在學術界做一些探索。

從2021年開始，我和整個團隊持續(xù)觀察、做一些強化學習的相關應用，包括深度學習在代碼場景的應用等。

字節(jié)內(nèi)部的AI Coding產(chǎn)品始于22年中，我們相當于完整經(jīng)歷了從0到1的過程。后來我選擇在24年8月離開，經(jīng)過一段時間的學習后，在今年7月創(chuàng)建了詞元無限。

《智能涌現(xiàn)》：2024年8月，那會Marscode剛推出不久，離開自己一手帶起來的產(chǎn)品，會不會有猶豫？

楊萍：最關鍵的還是大模型的浪潮下，機會多。人應該在巔峰時期做選擇，不應該在落寞的時候做選擇。要不然，你覺得你有什么理由去說服別人愿意真金白銀投給你？

創(chuàng)業(yè)者心態(tài)應該是在干得好的時候出來高舉高打，這時候恰恰是有經(jīng)驗，也是有自信的。

在我們成立公司之前，Cursor、Replit這些明星公司，基本都在2023年的大半年間，市場表現(xiàn)和估值開始猛漲。

這個事情對我還是有挺大觸動的，覺得在大廠，競爭跑得也不一定有外面的快，創(chuàng)業(yè)時機很重要。

《智能涌現(xiàn)》：以前你們做的AI Coding產(chǎn)品，是直接面向開發(fā)者的，但新公司詞元無限選擇了面向企業(yè)端市場，為什么會選擇轉變方向？

楊萍：To B和To C在開發(fā)者工具上的區(qū)別，其實沒有傳統(tǒng)軟件產(chǎn)品的區(qū)別那么大。我們強調(diào)企業(yè)級，更多的是指想要面對的問題域——企業(yè)級場景需要規(guī)�；腁gent能力，解決軟件交付全流程的問題。

舉個例子，有很多個人Vibe Coding產(chǎn)品，主打的是一句話能生成一兩萬行的demo項目。但你可能很難相信，Vibe Coding能給你生成一個1000萬行級別的、可以增加營收或者承載核心業(yè)務的軟件。

我們其實更關注的是這種嚴肅級的企業(yè)級編程的場景，去挑戰(zhàn)這種更復雜的規(guī)�；瘑栴}。

《智能涌現(xiàn)》：用一句話概括，詞元無限的產(chǎn)品能做什么？

楊萍：我們是一個聚焦于企業(yè)級場景的AI Coding Agent平臺。

從底層定義上，我們提供的不只是一個工具，也會提供Agent的平臺級能力。這些Agent會深入到企業(yè)級軟件開發(fā)的各個環(huán)節(jié)，比如在企業(yè)級的Coding、Debugging（代碼排錯）等等，把AI能力深度集成到開發(fā)者常用的IDE（開發(fā)環(huán)節(jié)）中。

《智能涌現(xiàn)》：企業(yè)級的開發(fā)場景里，為什么沒法用Vibe Coding產(chǎn)品解決需求，用戶痛點是什么？

楊萍：企業(yè)開發(fā)者最頭疼的是在需求、開發(fā)、測試、運維等多個平臺間頻繁切換，這中間有巨大的數(shù)據(jù)和流程壁壘。比如，在金融、醫(yī)藥這些關鍵行業(yè)，每一次代碼改動都要對業(yè)務負責。

嚴肅編程場景，相對來說結果是確定的，對服務穩(wěn)定性是有要求的，需要按照特定的Context（上下文），來指導用戶完成整個Coding過程。

所以本質(zhì)上，這跟Vibe Coding是相悖的。Vibe Coding產(chǎn)品往往更多依靠基礎模型的能力，工程層比較薄。它不完全是你個人意愿的承載，就是你得去理解業(yè)務的需求，按業(yè)務規(guī)范寫業(yè)務代碼，在一定的限制下做項目。

《智能涌現(xiàn)》：能舉個例子，說明企業(yè)客戶實際遇到的困難，以及你們怎么是解決的嗎？

王偉：企業(yè)開發(fā)往往是幾十甚至上百人協(xié)作，因此產(chǎn)品必須能與企業(yè)現(xiàn)有的研發(fā)流程自然對接。

比如，開發(fā)電商系統(tǒng)的前端頁面，如果只使用Vibe Coding，寫出來的頁面可能跟后端系統(tǒng)邏輯對不上；但我們的AI Coding Agent能連接到多個后端項目，參考相應的代碼接口和文檔，確保前后代碼邏輯一致并且能真正跑通。

Vibe Coding產(chǎn)品在B端場景效果有限，正是因為它們基于這類場景來設計的。

以金融的賬戶風控邏輯為例， 銀監(jiān)會有明確的政策指導文件，要求開戶流程必須檢查若干步。如果簡單使用Vibe Coding產(chǎn)品去生成，它可能會很“聰明”地幫你設計出很復雜的檢查流程，但最終結果貨不對板，完全不滿足基本的流程要求。

我們的Coding Agent要解決的就是這種依賴復雜、代碼量大且關聯(lián)多的場景。例如企業(yè)系統(tǒng)“存量項目”，動輒十幾萬甚至上百萬行的代碼倉庫，模型的上下文空間肯定是不夠的。

這就需要在Agent層面來優(yōu)化設計， 我們Agent設計了兩種機制，內(nèi)功方面主要是針對受限上下文窗口下的Context優(yōu)化，包括上下文動態(tài)壓縮、加載卸載機制，用于解決模型先天局限性，外功方面主要是引入更多的連接，通過mcp等開放協(xié)議將企業(yè)研發(fā)過程中的各類信息（包括文檔、外部依賴、數(shù)據(jù)庫等）動態(tài)的引入到Agent環(huán)境中。這種內(nèi)外兼修的方式取得了不錯的效果。

《智能涌現(xiàn)》：用一個具體的案例，來說明你們的產(chǎn)品是怎么幫助用戶解決問題的？

王偉：我們現(xiàn)在有一個典型的合作案例，是跟一家金融上市公司做的。實施分為兩步：

第一步是提供標準化產(chǎn)品，重點關注上下文工程（Context Engineering），確保智能體自身的設計能夠避免上下文長度不夠的問題。

第二步是解決“信息從哪里來”的問題。

這部分信息對接分為兩類：一是標準化的，通過內(nèi)置MCP Server連接器快速集成git倉庫、制品管理系統(tǒng)和文檔系統(tǒng)等環(huán)境，讓Agent能精準讀取外部信息；

另外一部分是非標的個性化系統(tǒng)，我們開放接口和適配器，客戶側的團隊快速集成了他們內(nèi)部的OA系統(tǒng)。

這兩步實施下來，最終實現(xiàn)了又快又好的效果�？蛻魧嶋H測試，與中級開發(fā)人員的能力水平基本持平，最終幫客戶提升了將近40%的人效。

《智能涌現(xiàn)》：這個40%是怎么算的？怎么定義任務被解決？

王偉：只看最終效果，也就是直接對比人力投入，比如研發(fā)周期（人天）。

這些指標一定是跟業(yè)務目標直接掛鉤的。在整個開發(fā)過程中，我們不去拆解中間有多少類型的情況，也不管用 AI 生成后還需要多少人力去修復或者調(diào)整。只看這個團隊把同樣價值的事兒做完，到底節(jié)省了多少人力成本。

從企業(yè)管理者視角看，最關心的就是這個最終交付的價值，而不是其他的過程指標。

《智能涌現(xiàn)》：那你們的收費模式是怎么樣的？

李瑩：目前我們正在有在和頭部的幾家 ISV（獨立軟件開發(fā)商）以及大型終端客戶進行協(xié)議簽署和探索。

針對工具類產(chǎn)品，我們會收取 License（授權）和Agent 訂閱費；針對平臺類產(chǎn)品，除了收取一些標準費用外，也在考慮分潤模式。

從插件到IDE，產(chǎn)品形態(tài)不是最核心的問題

《智能涌現(xiàn)》：你們剛剛提到詞元無限是解決“嚴肅編程場景”的問題，這跟Vibe Coding解決的問題，主要區(qū)別是什么？

李瑩：市面上C端市場大家做的Coding類產(chǎn)品，實際上解決的是輕量化軟件的交付能力。而面對一個復雜的企業(yè)級業(yè)務場景，它其實很難做到更好。

而這恰恰是我們眼中巨大的市場空間，可能看上去是dirty work，這反而成為創(chuàng)業(yè)公司的機會。

王偉：資本往往偏好C端Coding產(chǎn)品，因為在大模型時代它像快消品，商業(yè)模式簡單清晰且容易擴張。但你會發(fā)現(xiàn)，越平權的技術，或者越薄的 Agent 產(chǎn)品，往往非常依賴信息差和時間差。

現(xiàn)在的情況是Vibe Coding產(chǎn)品層出不窮，但各領風騷幾十天。最終的結果就是Vibe Coding交付物泛濫，最終價值快速衰減甚至接近歸零。

我們更想去真正有挑戰(zhàn)的地方，要去有復雜度壁壘的地方，比如如何通過Coding Agent來交付一套電商系統(tǒng)。這是我們認為真正價值的場景，也是和C端的根本差異。

《智能涌現(xiàn)》：從產(chǎn)品形態(tài)來看，InfCode為什么會選擇從插件做起？

楊萍：現(xiàn)在大家習慣使用插件或IDE，但這只是代表這個階段用戶習慣用什么樣的產(chǎn)品而已，不是最本質(zhì)的形態(tài)，但我們可以用這種形態(tài)去切入市場，減少用戶的使用門檻。

我們的IDE還在籌備中，很快就會上線，后續(xù)會建立起Coding Agent企業(yè)級平臺。

Coding工具鏈其實很長，涵蓋了從編輯器、調(diào)試、編譯到產(chǎn)物管理及上線服務的全過程。我們認為，整個工具鏈一定會Agent化的。未來我們提供的不再是一個單一工具，其實會更像是一堆Agent的集成平臺。

《智能涌現(xiàn)》：詞元無限的產(chǎn)品開發(fā)過程中，你們大概多少代碼會用Agent直接寫？

王偉：通用類型代碼編寫，占比比較高，大約80%左右。Agent核心代碼部分大約50%上下。

目前Agent核心部分是使用rust編寫的，由于很多功能屬于新的設計，目前基模對這類模式?jīng)]有太多的預訓練知識支撐，所以很多時候需要我們自己去摸索和實現(xiàn)。

《智能涌現(xiàn)》：你們剛剛提到企業(yè)上下文管理和業(yè)務承載能力，這個具體是怎么實現(xiàn)的？因為每家企業(yè)的infra都不一樣，這個挑戰(zhàn)其實挺大的。

楊萍：這里分幾類。第一是偏標準的場景，比如說文檔管理，不管對接到飛書文檔還是企業(yè)的OA系統(tǒng)，這其實是有市占率比較高的產(chǎn)品，來提供服務的。

對于這類產(chǎn)品，我們會內(nèi)置連接器，類似MCP的服務，能夠把這些產(chǎn)品快速集成進來。一旦配置完成，我們的Editor在工作時就能直接查到這些信息，服務于整個工作流程，讓它工作得更精準。

第二類就是Infra和更底層的服務，這確實是個挑戰(zhàn)。因為每家公司的微服務、日志體系、日志等級定義甚至規(guī)范都不一樣，這些東西永遠沒辦法被文檔去窮盡。

我們目前通過提供一整套進程系統(tǒng)，把定義問題和發(fā)現(xiàn)問題的能力交給企業(yè)自己。我們提供機制，讓他們能夠把自己的這些非標的Infra接入進來，而不是我們?nèi)ヒ患壹矣策m配。

《智能涌現(xiàn)》：你們現(xiàn)在的產(chǎn)品，可以達到什么級別的研發(fā)人員的水平？

楊萍：我們的插件產(chǎn)品，是瞄準初階程序員或者實習生所能解決的問題的。在代碼補全/Debugging這個場景，會進一步面向中階程序員所能達到的水平。

本質(zhì)上，我們看的不是只是單純寫代碼的那個部分，寫代碼只占一個研發(fā)人員可能30%的時間，研發(fā)人員還有其他時間，要收集信息，整理任務規(guī)劃，我們的產(chǎn)品是會瞄準這個環(huán)節(jié)的。

過去，研發(fā)很難像測試那樣量化工作量，但未來我們可以通過Agent來觀察。我們很認同紅杉提出的 RaaS（Result as a Service）理念，即以結果為服務。

在軟件工程領域，這套模式可能會最早實現(xiàn)，因為最終解一定是看你給客戶創(chuàng)造了多少實打實的價值。

企業(yè)級Coding Agent，還處在賣方市場

《智能涌現(xiàn)》：早期在字節(jié)內(nèi)部做Marscode，其實你經(jīng)歷了從對內(nèi)提供服務，到對外提供服務的過程。在這個過程中，你有哪些核心的know-how？

楊萍：字節(jié)是工程師文化，大家對于技術棧的選擇比較自由。所以，沉淀下來的代碼資產(chǎn)挖掘起來的難度特別大，所以我們給自己定的ROI，就是不想只做技術，而是要看具體的業(yè)務價值。

第二個很重要的發(fā)現(xiàn)是，業(yè)務方更在意的是你能不能直接講清楚價值，而不是那些抽象的提效概念。比如說代碼刪除，我們會直接把算一下能夠給服務器資源帶來的減少，折算成節(jié)省的錢。這對于我們后來看這個賽道非常重要。

《智能涌現(xiàn)》：當時對AI Coding在企業(yè)端市場落地，有什么關鍵判斷嗎？

王偉：我們認為AI Coding還沒有到終局形態(tài)。哪怕到現(xiàn)在，這個賽道的高光，也都集中在C端市場。那個時候，我們就覺得B端是空間更大的藍海市場。

我們過去一年一直在思考：如果這件事情未來一定會有人能做出來，為什么不是我們？所以，這決定了我們哪怕在2025年，也要堅定出來應對這個事，要直接奔著目標去。

《智能涌現(xiàn)》：現(xiàn)在詞元無限切入的場景是否有側重，比如主要側重Coding部分，還是做debugging（代碼補全、修復等）？

李瑩：在實踐中我們發(fā)現(xiàn)，直接滿足企業(yè)業(yè)務需求的周期往往很長，僅僅交付環(huán)節(jié)就可能需要3到6個月甚至更久。如果要深入前端去理解業(yè)務屬性，難度其實更大。

我們會分三個階段去迭代，第一階段是工具，以輕量化的模式嵌入到企業(yè)內(nèi)部，輔助其完成代碼研發(fā)交付。從Coding切入，先去理解企業(yè)的代碼庫和知識庫，進而看企業(yè)的業(yè)務系統(tǒng)，這塊可能更好落地，離商業(yè)化更近。這也是創(chuàng)業(yè)公司擅長做的——跑得夠快，迭代夠快，能更好地支撐服務。

第二階段，我們會變成工具+平臺，目前我們正處于第一和第二階段混合的階段。平臺本質(zhì)上是一個連接器：向下連接新一代AI底層的模型能力，向上搭建Agent。它能幫企業(yè)更好地理解自身的業(yè)務邏輯與屬性，構建底層的代碼庫。

更重要的是，它還能解決企業(yè)遺留了一二十年、壓根沒有梳理過的業(yè)務系統(tǒng)，我們管這叫“舊改”——只有先幫企業(yè)梳理好這些舊系統(tǒng)，才能支撐更上層的應用，這其實是更大的市場空間。

《智能涌現(xiàn)》：現(xiàn)在阿里、字節(jié)、百度這些大廠都在做Coding Agent，包括Cursor這樣的垂類廠商，也在做企業(yè)版。你們怎么看待這些競爭？

楊萍：頭部企業(yè)的布局未必意味著市場的終局。

首先，頭部廠商的策略往往高舉高打，國內(nèi)早期Coding產(chǎn)品，比較多聚焦在C端用戶運營，例如字節(jié)、百度等企業(yè)的初期動作。真正具備To B屬性的產(chǎn)品，例如Qoder，直至今年下半年才陸續(xù)出現(xiàn)。

其次，許多大廠布局Coding Agent的根本動機，很多并不在于工具本身的產(chǎn)品價值。更多是作為云服務與模型業(yè)務的入口策略——比如說，會用極低定價甚至“買云送工具”的方式來牽引客戶。這種模式雖然可以快速獲客，但是難以真正沉下心，來構建扎實的產(chǎn)品能力與生態(tài)體系。

現(xiàn)在，端到端的AI編程尚未形成明確的市場標準與行業(yè)共識，我們認為這是一個關鍵的時間窗口，必須要加速確立標準，深度打通企業(yè)級的研發(fā)流程。

《智能涌現(xiàn)》：所以你們覺得，AI Coding領域的最終態(tài)會長什么樣？

王偉：如果我們把時間維度拉長一點，AI Coding會逐步從單體工具，進化到人機協(xié)作模式，最終會演變?yōu)槌绦騿T群體本身。這種模式意味著現(xiàn)在的生產(chǎn)力主體和組織就變了。

如何加速這個變化的到來，并實現(xiàn)組織的快速升級轉型。這是我們認為這個事情真正的意義。

《智能涌現(xiàn)》：現(xiàn)在投資人最challenge你們的是哪一點？是技術能力、商業(yè)化路徑還是競爭壓力？

楊萍：商業(yè)化。

《智能涌現(xiàn)》：上一代AI 1.0時代，很多AI和SaaS公司很多都淪為做大項目、重交付卻不賺錢的境地，做AI Coding，怎么避免走這條老路？

楊萍：傳統(tǒng)SaaS，更多是用標準化模塊來固化解決問題的流程，本質(zhì)還是單點工具價值。但AI Coding的核心價值是通過N個動態(tài)能力，組合在一起解決企業(yè)復雜問題。這是在推動業(yè)務從流程執(zhí)行，走向智能決策與生成，商業(yè)定價也會和以前不一樣。

王偉：我的觀點會更樂觀一點�？靹t兩三年，慢則三五年，所謂的“定制化”都會變得唾手可得。

AI Coding 與以前的 AI 模式最大的區(qū)別在于，它本質(zhì)上是在創(chuàng)造一種由AI驅動的數(shù)字勞動力，規(guī)�；瘮U展、個性化方案與低實施成本的不可能三角，在AI Coding的背景下獲得了新的可能性。

在我們的規(guī)劃里，未來會產(chǎn)生一種新的組織形態(tài)——“ISV Agent”（基于Agent作為生產(chǎn)力的獨立軟件開發(fā)商）。

生產(chǎn)模式類似ISV，但核心在于其管理的生產(chǎn)力對象和機制不同——不再是大量的人力，而是由人類直接管理大量的高效Agent員工。Agent能力高低，直接決定新組織形態(tài)的生產(chǎn)效率。

《智能涌現(xiàn)》：意思是說現(xiàn)在Agent的供給還偏少，所以企業(yè)其實愿意為提供Agent管理服務的廠商付費。

王偉：一是，產(chǎn)品需要能提供足夠的價值，如果我們的產(chǎn)品創(chuàng)造的價值不夠厚，客戶會要求我們做適配，進而失去議價權和競爭優(yōu)勢。

二是，技術會逐步平權，如果三五年后大量對手涌進來，同質(zhì)化競爭，那客戶自然會拿到更多的話語權，這是市場博弈的結果。

所以，創(chuàng)業(yè)的時機很重要�，F(xiàn)在To B的AI Coding產(chǎn)品還沒有形成市場標準和供需平衡，但又有巨大的商業(yè)價值，市場是存在紅利的。

封面來源｜AI生成

歡迎交流

本文來自微信公眾號“智能涌現(xiàn)”，作者：鄧詠儀，36氪經(jīng)授權發(fā)布。