代碼大模型會(huì)寫(xiě)代碼，這件事已經(jīng)不新鮮了。

真正新的問(wèn)題是：它會(huì)不會(huì)在寫(xiě)之前先想清楚，這段代碼一旦進(jìn)入真實(shí)系統(tǒng)，會(huì)發(fā)生什么？

這個(gè)問(wèn)題在工業(yè)場(chǎng)景里尤其關(guān)鍵。因?yàn)楣I(yè)代碼和普通編程不一樣，它不是 “語(yǔ)法通順、功能差不多” 就算過(guò)關(guān)，而是要面對(duì)真實(shí)硬件、真實(shí)工具鏈和真實(shí)約束。一個(gè) Verilog 模塊可能語(yǔ)法沒(méi)問(wèn)題，卻在仿真或綜合階段直接失敗；一個(gè) CUDA kernel 可能邏輯上說(shuō)得通，卻在 grid 配置、索引映射或顯存約束上出錯(cuò)；?個(gè)嵌入式程序也可能因?yàn)榧拇嫫黜樞蚧蛑袛噙壿嫴粚?duì)，根本跑不起來(lái)。

所以，工業(yè)代碼大模型真正缺的，往往不是 “寫(xiě)” 的能力，而是 “想” 的能力。

最近，北航聯(lián)合多家單位提出的InCoder-32B Thinking，瞄準(zhǔn)的正是這個(gè)問(wèn)題。它不是簡(jiǎn)單把代碼模型再做大，也不是只給模型加?層通用的長(zhǎng)鏈推理，而是試圖讓模型學(xué)會(huì)：在工業(yè)環(huán)境里，代碼為什么會(huì)錯(cuò)，錯(cuò)了之后環(huán)境會(huì)給出什么反饋，下?步又該怎么改。

一、它不是普通的 thinking model

而是面向工業(yè)代碼的 thinking model

這幾年，thinking model 很火。大家已經(jīng)習(xí)慣了讓模型 “先想?想，再回答”。

但工業(yè)代碼場(chǎng)景有個(gè)特殊問(wèn)題：很多時(shí)候，單靠語(yǔ)言層面的思考并不夠。因?yàn)楣I(yè)任務(wù)的難點(diǎn)，不只是邏輯推理，還包括對(duì)工具鏈行為、硬件約束和執(zhí)行反饋的理解。你可以在紙面上分析很多步，但如果根本不知道 GPU 的 shared memory 限制，不知道 Verilog 綜合器如何報(bào)錯(cuò)，不知道幾何建模中的非法結(jié)構(gòu)意味著什么，再長(zhǎng)的 reasoning 也可能是空轉(zhuǎn)。

InCoder-32B Thinking 的不同之處，就在于它不是把 “思考” 當(dāng)作純文本技巧，而是直接建立在工業(yè)環(huán)境之上。它試圖讓模型的 reasoning，天然綁定真實(shí)執(zhí)行反饋，而不是脫離系統(tǒng)的 “自洽解釋”。

換句話(huà)說(shuō)，它不是?個(gè) “更會(huì)說(shuō)” 的模型，而是?個(gè) “更接近工程實(shí)際” 的 thinking model。

二、真正的新意

是讓模型從 “報(bào)錯(cuò) — 修復(fù)” 里學(xué)會(huì)思考

InCoder-32B Thinking 的核心設(shè)計(jì)之一，是Error-driven Chain-of-Thought（ECoT）。

它的關(guān)鍵點(diǎn)在于：模型的 thinking，不是人為寫(xiě)出來(lái)的，而是從一輪輪 “生成 — 執(zhí)行 — 報(bào)錯(cuò) — 修復(fù)” 的過(guò)程中提煉出來(lái)的。模型學(xué)習(xí)的，不只是最終答案，而是工程師如何一步步定位問(wèn)題、修復(fù)錯(cuò)誤、再驗(yàn)證結(jié)果。

這在工業(yè)代碼中尤為重要。因?yàn)楹芏鄦?wèn)題并不是 “不會(huì)寫(xiě)”，而是 “哪?寫(xiě)錯(cuò)了”。比如 GPU kernel 越界，本質(zhì)可能是 shape 和索引映射不一致；RTL 編譯失敗，可能是端口聲明或位寬不規(guī)范。

ECoT 做的事情，就是把這些真實(shí)失敗和修復(fù)過(guò)程中的 reasoning 保留下來(lái)，讓模型學(xué)會(huì)從錯(cuò)誤中思考，而不是只記住正確答案。

三、讓模型先 “預(yù)判結(jié)果”

再去寫(xiě)代碼

如果說(shuō) ECoT 讓模型學(xué)會(huì) “如何改錯(cuò)”，那么另?個(gè)關(guān)鍵設(shè)計(jì) Industrial Code World Model（ICWM），則讓模型學(xué)會(huì) “提前預(yù)判”。

可以把 ICWM 理解為?個(gè)工業(yè)代碼的 “世界模擬器”：給定任務(wù)環(huán)境和候選代碼，它會(huì)預(yù)測(cè)這段代碼在真實(shí)工具鏈中的結(jié)果 —— 是通過(guò)、編譯失敗、運(yùn)行報(bào)錯(cuò)，還是性能不達(dá)標(biāo)，并生成相應(yīng)的診斷信息。

這帶來(lái)的變化很關(guān)鍵：模型不再只是寫(xiě)代碼，而是開(kāi)始預(yù)估代碼進(jìn)入真實(shí)系統(tǒng)后的后果。

論文顯示，ICWM 在多個(gè)工業(yè)場(chǎng)景中的結(jié)果預(yù)測(cè)準(zhǔn)確率達(dá)到 96.7%，多輪軌跡?致性達(dá)到 94.4%。這意味著，它已經(jīng)能夠在相當(dāng)程度上替代真實(shí)執(zhí)行環(huán)境，用于大規(guī)模數(shù)據(jù)生成和推理訓(xùn)練。

更重要的是，這也改變了訓(xùn)練數(shù)據(jù)的來(lái)源。

InCoder-32B Thinking 的 reasoning 數(shù)據(jù)，不是人工構(gòu)造的解釋?zhuān)峭ㄟ^(guò)真實(shí)執(zhí)行流程 “跑出來(lái)的”：任務(wù)生成 → 代碼執(zhí)行 → 收集報(bào)錯(cuò) → 多輪修復(fù) → 記錄完整軌跡。

GPU、芯片、嵌?式、3D 建模等任務(wù)，都在對(duì)應(yīng)的真實(shí)工具鏈中驗(yàn)證。

最終保留下來(lái)的，不只是正確答案，而是完整的錯(cuò)誤 — 修復(fù)路徑。這種數(shù)據(jù)天然包含工業(yè)系統(tǒng)最關(guān)鍵的信息：代碼在真實(shí)環(huán)境中的行為反饋。

四、工業(yè)代碼不是統(tǒng)?模板能解決的

它需要 “自適應(yīng)思考深度”

論文還有一個(gè)很有意思的發(fā)現(xiàn)：不同任務(wù)的思考深度差異極大。

GPU kernel 優(yōu)化的中位 thinking 長(zhǎng)度達(dá)到19015 個(gè)字符，而 agentic coding 單步只有91 個(gè)字符，差距超過(guò)200 倍。

這說(shuō)明，工業(yè)代碼并不存在一個(gè)統(tǒng)一的 “思考模板”。有些問(wèn)題需要長(zhǎng)鏈路推理（比如性能優(yōu)化、硬件約束），有些則適合短決策（比如多輪 agent 操作）。

InCoder-32B Thinking 學(xué)到的，不是固定長(zhǎng)度的 CoT，而是根據(jù)任務(wù)復(fù)雜度和環(huán)境反饋，動(dòng)態(tài)調(diào)整思考深度 —— 復(fù)雜問(wèn)題深推理，簡(jiǎn)單問(wèn)題快速?zèng)Q策。

這種能力，更接近真實(shí)工程師，而不是模板化的語(yǔ)言模型。

五、結(jié)果說(shuō)明：工業(yè)代碼模型的競(jìng)爭(zhēng)

已經(jīng)開(kāi)始從 “會(huì)寫(xiě)” 轉(zhuǎn)向 “會(huì)驗(yàn)證”

從結(jié)果來(lái)看，這條路線是有效的。

InCoder-32B Thinking 在14 個(gè)通用代碼 benchmark和9 個(gè)工業(yè)代碼 benchmark上進(jìn)行了評(píng)測(cè)。在通用任務(wù)上保持競(jìng)爭(zhēng)力，在工業(yè)場(chǎng)景中則取得顯著提升，包括CAD Coder 84.0%、KernelBench L2 38.0%等指標(biāo)。

更關(guān)鍵的是，這些提升是跨領(lǐng)域的 —— 芯片設(shè)計(jì)、GPU 優(yōu)化、嵌入式、編譯器、3D 建模都受益。

這說(shuō)明它學(xué)到的，不是某個(gè)領(lǐng)域技巧，而是?種更底層的能力：

理解執(zhí)行反饋 → 組織推理 → 完成修復(fù)

如果說(shuō)過(guò)去大家比的是誰(shuí) “寫(xiě)得更像人”，那么現(xiàn)在，工業(yè)代碼模型開(kāi)始比的是誰(shuí) “更像工程師”。

開(kāi)源信息

模型與代碼現(xiàn)已開(kāi)源。

Hugging Face：https://huggingface.co/Multilingual-Multimodal-NLP/IndustrialCoder

GitHub：https://github.com/CSJianYang/Industrial-Coder

當(dāng)代碼大模型開(kāi)始不只生成代碼，而是開(kāi)始預(yù)測(cè)代碼進(jìn)入真實(shí)工業(yè)環(huán)境后的后果，工業(yè)代碼智能的門(mén)檻，也就從 “會(huì)寫(xiě)程序” 抬高到了 “會(huì)理解系統(tǒng)”。