對(duì)話AutoCoder宿文：做5000萬(wàn)程序員的AI IDE，不如做10億軟件消費(fèi)者的Vibe Coding

2025年7月，北京的夏天比往年更熱，AI Coding賽道的熱度，則比天氣更火熱。

7月21日晚，字節(jié)跳動(dòng)旗下Trae更新了“Solo模式”，搶先騰訊第二天發(fā)布的AI編程助手“CodeBuddy”；緊接著7月23日，阿里通義千問(wèn)發(fā)布代碼模型Qwen3-Coder，并基于 Gemini Code 進(jìn)行二次開(kāi)發(fā)Qwen3-Coder；同日，亞馬遜還發(fā)布了編程產(chǎn)品Kiro，海內(nèi)外大廠都瞄上了AI編程賽道。

我在上周六采訪AutoCoder創(chuàng)始人宿文之前，曾提前交流過(guò)AI編程的激烈現(xiàn)狀。對(duì)于AutoCoder來(lái)說(shuō)，幸運(yùn)的是，AutoCoder從2023年底開(kāi)始全身心投入全棧的AI Coding，早于國(guó)內(nèi)外的大廠。

同時(shí)宿文也強(qiáng)調(diào)，還是不能和大廠卷輔助編程，卷IDE（Integrated Development Environment，集成開(kāi)發(fā)環(huán)境），要走出差異化競(jìng)爭(zhēng)的路線。

來(lái)源：騰訊《AI Coding?共識(shí)報(bào)告》，AutoCoder位于Vibe Coding與異步Coding Agent融合的象限

AI Coding已經(jīng)成為2025年AI行業(yè)最卷的賽道。無(wú)論是創(chuàng)業(yè)者還是大廠，大模型最直接引發(fā)的AI產(chǎn)品海嘯，就在編程服務(wù)領(lǐng)域。下場(chǎng)玩家不僅要全力奔跑，還要跑出差異化，才能不被淹沒(méi)，甚至未來(lái)有機(jī)會(huì)成為弄潮兒。

AutoCoder能否在AI Coding領(lǐng)域戰(zhàn)勝國(guó)內(nèi)外的一眾產(chǎn)品嗎？

了解宿文的朋友都知道，他從清華博士畢業(yè)，連續(xù)創(chuàng)業(yè)者，現(xiàn)為AutoCode創(chuàng)始人。

因?yàn)橛卸嗄昕萍碱I(lǐng)域投資的經(jīng)驗(yàn)，他對(duì)創(chuàng)業(yè)的思考非常明白，從day one到今天，他的創(chuàng)業(yè)主線沒(méi)變過(guò)。『我可以拿出我們第一天創(chuàng)業(yè)的 BP ，我還記得我們 CTO 用的很丑的顏色字體，但里面的戰(zhàn)略內(nèi)容、技術(shù)支點(diǎn)、架構(gòu)方向沒(méi)有大的調(diào)整。』

創(chuàng)業(yè)一年半以來(lái)， AutoCoder在瞬息萬(wàn)變的AI賽道能夠堅(jiān)持了下來(lái)，當(dāng)然也是宿文內(nèi)心的偏執(zhí)：復(fù)刻個(gè)60-80分的Cursor沒(méi)前途，要做一款全流程的AI Coding產(chǎn)品，說(shuō)白了推動(dòng)AI DevTeam（Development Team，意思是人工智能開(kāi)發(fā)團(tuán)隊(duì)）的目標(biāo)實(shí)現(xiàn)。

這個(gè)目標(biāo)即使今天來(lái)看也不容易，目前全世界沒(méi)有一款全棧生成產(chǎn)品真正做到80分。

上半年大火的前端生成產(chǎn)品如Lovable等只能說(shuō)做到了前端80分，但越往后端，架構(gòu)生成和部署上線等環(huán)節(jié)，AI都更難解決。

鯨選測(cè)試的案例中，實(shí)現(xiàn)了大部分的構(gòu)想，但還是存在一些功能完整性問(wèn)題，Vibe Coding還有很長(zhǎng)的路要進(jìn)化。

作為初創(chuàng)企業(yè)者，宿文非常有野心。團(tuán)隊(duì)花一年時(shí)間迭代了自己的代碼模型，參數(shù)不大66B，但專門為“需求到應(yīng)用”而生，效果不錯(cuò)；相比Trae等通過(guò)免費(fèi)Token推廣，AutoCoder第一天就收費(fèi)，希望像Lovable一樣快速商業(yè)化；產(chǎn)品直接面向全球化競(jìng)爭(zhēng)，幫助泛互聯(lián)網(wǎng)用戶群體也能實(shí)現(xiàn)產(chǎn)品夢(mèng)。

不想做‘更快的打字員’，而是要做‘會(huì)思考的架構(gòu)師’，在宿文看來(lái)，AutoCoder必須有更大的產(chǎn)能勢(shì)能，才能在這么多競(jìng)品中活下來(lái)，形成自己的特色和生存密碼。

創(chuàng)業(yè)原點(diǎn)："端到端生成"走出差異化

鯨哥：作為連續(xù)創(chuàng)業(yè)者，您決定做AI Coding這件事時(shí)，當(dāng)時(shí)有哪些具體信號(hào)觸動(dòng)了您？Cursor的出現(xiàn)，或者Claude發(fā)布？

宿文：其實(shí)我們2023年底開(kāi)始的時(shí)候，Claude 3.5還沒(méi)發(fā)布，但它母公司Anthropic已經(jīng)融了很多錢了。我記得那時(shí)候最好的模型還是GPT-4。

從整個(gè)代碼生成賽道來(lái)看，我們最早關(guān)注到的是Codium，也就是Windsurf。當(dāng)時(shí)微軟的Copilot還是這個(gè)領(lǐng)域的產(chǎn)品代表，收入已經(jīng)很大了——我印象是3億美金還是多少？（GitHub 的年收入20億美元，Copilot占GitHub營(yíng)收增長(zhǎng)的 40% 以上）很大的數(shù)字，但那時(shí)候確實(shí)還沒(méi)有Cursor的產(chǎn)品發(fā)布。

宿文：我們決定做這個(gè)事情，核心的一個(gè)原因是，對(duì)于大模型的技術(shù)能力到底能夠率先地支持什么樣的產(chǎn)品的判斷，能夠做嚴(yán)肅的PMF（產(chǎn)品市場(chǎng)匹配）的產(chǎn)品肯定不是情感陪伴類這些，我們認(rèn)為代碼生成可能是唯一能夠去驗(yàn)證PMF的領(lǐng)域——它既有明確的評(píng)估指標(biāo)，又能形成數(shù)據(jù)飛輪。

鯨哥：數(shù)據(jù)飛輪在初創(chuàng)企業(yè)中也非常重要嗎？

宿文：對(duì)，非常重要，決定了一個(gè)初創(chuàng)企業(yè)能走多遠(yuǎn)。很多行業(yè)因?yàn)榇竽Ｐ筒怀墒欤鋵?shí)最終用不起來(lái)。你看今天千行百業(yè)的垂直模型，其實(shí)只是掛了知識(shí)庫(kù)，在做搜索、做知識(shí)問(wèn)答，但沒(méi)有改變行業(yè)的工作范式，也沒(méi)有切入到工作流程中。這帶來(lái)的隱患是，它并不能夠帶來(lái)健康的數(shù)據(jù)反饋，從商業(yè)化角度看，不在一個(gè)很好的閉環(huán)里解決行業(yè)問(wèn)題。

無(wú)論是面向程序員還是普通用戶的產(chǎn)品，他們都會(huì)用自己的專業(yè)能力去彌補(bǔ)技術(shù)和工具的不足。在這個(gè)過(guò)程中你會(huì)發(fā)現(xiàn)，得到的數(shù)據(jù)飛輪會(huì)好很多，從商業(yè)化上也能夠把數(shù)據(jù)飛輪轉(zhuǎn)起來(lái)。核心就是這兩個(gè)點(diǎn)：一是基礎(chǔ)技術(shù)足夠靠近，二是商業(yè)化的數(shù)據(jù)閉環(huán)能夠構(gòu)建。

鯨哥：決定做AI編程這件事后，當(dāng)時(shí)創(chuàng)業(yè)環(huán)境正在發(fā)生變化，您覺(jué)得AI創(chuàng)業(yè)和之前移動(dòng)互聯(lián)網(wǎng)時(shí)代有什么不同？

宿文：其實(shí)當(dāng)時(shí)就是奔著做事去的。等到2023年底的時(shí)候，已經(jīng)能看到國(guó)內(nèi)機(jī)構(gòu)在模型或產(chǎn)業(yè)鏈早期有不少出手，但市場(chǎng)整體還是偏冷。大家熱在大模型、熱在具身智能，以及其他政府引導(dǎo)驅(qū)動(dòng)的方向，市場(chǎng)化基金也在跟進(jìn)。

但從另一個(gè)維度看，國(guó)內(nèi)好的AI資產(chǎn)其實(shí)很少，團(tuán)隊(duì)能力強(qiáng)大的也少。整體上，面向中國(guó)資本市場(chǎng)時(shí)，一方面市場(chǎng)本身還是偏冷，另一方面優(yōu)質(zhì)資產(chǎn)稀缺，這是當(dāng)時(shí)的真實(shí)情況，也是當(dāng)前的。

鯨哥：當(dāng)時(shí)資本更喜歡Fomo（恐懼錯(cuò)失）情緒驅(qū)動(dòng)，還是更看重實(shí)現(xiàn)PMF的商業(yè)化能力？

宿文：其實(shí)都有。有可能這種偏技術(shù)主義的會(huì)買單，但更多的還是看商業(yè)化、看產(chǎn)品。像朱嘯虎這樣的投資人，在整個(gè)行業(yè)早期大家看不清楚的時(shí)候，各種爭(zhēng)論都有。

但整體上來(lái)說(shuō)，還是觀望態(tài)度大于Fomo情緒。其實(shí)Fomo的機(jī)構(gòu)就那么幾個(gè)，出手的沒(méi)投中什么，沒(méi)出手的也沒(méi)錯(cuò)過(guò)什么。這種情況下，需要有團(tuán)隊(duì)真正做出結(jié)果，大家才會(huì)慢慢買單。

鯨哥：為什么不做類似Cursor的代碼補(bǔ)齊工具，有個(gè)對(duì)標(biāo)的產(chǎn)品資本更熟悉，而是選擇端到端生成？

宿文：我們第一天就定了做端到端生成。今天很多AI編程產(chǎn)品形態(tài)是用來(lái)做輔助，幫程序員做代碼補(bǔ)齊，但我們是完整生成一個(gè)產(chǎn)品的形態(tài)。具體到這款叫AutoCoder的產(chǎn)品，我們核心做了兩件事：一是需要自己from scratch（從零）去訓(xùn)練一個(gè)基礎(chǔ)模型，二是針對(duì)大模型時(shí)代做適用大模型的軟件架構(gòu)，這樣才能最終把這個(gè)事情健康地走完。

宿文：代碼補(bǔ)齊工具其實(shí)依賴IDE生態(tài)，最終會(huì)陷入和大廠的同質(zhì)化競(jìng)爭(zhēng)。現(xiàn)在看這個(gè)判斷是對(duì)的——不到兩年時(shí)間，獨(dú)立發(fā)展的只有Cursor，其他基本都成了大廠生態(tài)的附庸。我們想開(kāi)辟的是增量市場(chǎng)，而不是在存量市場(chǎng)里內(nèi)卷。

宿文：這里面就會(huì)看到，除了存量的程序員，其實(shí)還有很多人的需求沒(méi)被滿足——程序員的需求源頭來(lái)自于誰(shuí)？來(lái)自產(chǎn)品經(jīng)理、解決方案專家

、項(xiàng)目精力……一堆的需求方，這些人其實(shí)才是真正的增量市場(chǎng)。我們想做的是讓這些不懂編程的人也能生成軟件，不再受限于人類編程的低效和高成本

產(chǎn)品技術(shù)：雙支柱自研的核心選擇

鯨哥：前后端全流程自動(dòng)化怎么實(shí)現(xiàn)？尤其是后端涉及業(yè)務(wù)邏輯和架構(gòu)設(shè)計(jì)，怎么達(dá)到可用狀態(tài)？

宿文：?jiǎn)渭円蕾嚹Ｐ褪亲霾坏降模梢試?yán)肅地說(shuō)，把整個(gè)應(yīng)用的底層數(shù)據(jù)庫(kù)、后端中間件這些做好，目前模型是完全夠不著的。我們做的其實(shí)就是圍繞模型解決業(yè)務(wù)邏輯的幻覺(jué)問(wèn)題，同時(shí)構(gòu)建生成式軟件架構(gòu)——有人認(rèn)為這是Agent架構(gòu)或Agentic架構(gòu)，怎么叫都不重要，關(guān)鍵是要兩條技術(shù)支柱一起實(shí)現(xiàn)，單方面都不太好做到。

鯨哥：作為初創(chuàng)公司，做自研大模型成本高嗎？

宿文：我們用千萬(wàn)級(jí)人民幣成本做出了大幅度超越DeepSeek V3級(jí)別的效果，靠的是模型架構(gòu)創(chuàng)新，而不是拼參數(shù)量、算力和語(yǔ)料。這才是初創(chuàng)公司該走的路——沒(méi)法從傳統(tǒng)邏輯上PK，必須從更陡峭或收益更大的角度，在結(jié)構(gòu)上做創(chuàng)新。

鯨哥：你們做的算是通用模型還是垂直模型？

宿文：如果你是Pre-train模型，那一定是通用的，不可能訓(xùn)垂直的，那是偽命題。只有在應(yīng)用的時(shí)候，在場(chǎng)景上定向微調(diào)、強(qiáng)化，Post-train是垂直領(lǐng)域的，不然也不存在垂直大模型這個(gè)概念。

鯨哥：產(chǎn)品上線后的用戶數(shù)據(jù)怎么樣？

宿文：因?yàn)樵缙诎姹镜芸欤恐芸赡馨l(fā)一個(gè)比較大的版本。我們看到的核心數(shù)據(jù)有兩個(gè)：一是產(chǎn)品停留時(shí)長(zhǎng)明顯超過(guò)同類產(chǎn)品，用戶群體相似的情況下，我們可能是頭部產(chǎn)品的兩倍；二是跳出率，同類產(chǎn)品可能在四五十，我們這邊不到20%，16%左右。我們這個(gè)階段重點(diǎn)看的就是這些用戶數(shù)據(jù)。

另外，我們的用戶次日留存率也不錯(cuò)，具體數(shù)字不方便透露，但比行業(yè)平均水平高不少。這說(shuō)明用戶確實(shí)在我們產(chǎn)品上找到了價(jià)值，而不是隨便玩玩。

鯨哥：產(chǎn)品全部調(diào)用自研模型嗎？

宿文：我們也會(huì)調(diào)用其他模型API，今天一個(gè)產(chǎn)品上線涉及很多節(jié)點(diǎn)，有些是我們擅長(zhǎng)的，有些是我們不擅長(zhǎng)的。但核心效果和數(shù)據(jù)飛輪必須建立在自己的模型上，慢慢再全部替代第三方。

我們產(chǎn)品同步也在做模型迭代，最新版是5月30號(hào)收斂的，中間還有很多其他訓(xùn)練任務(wù)。這個(gè)過(guò)程需要時(shí)間，但必須自己掌握核心模型能力，不然永遠(yuǎn)受制于人。

市場(chǎng)破局：開(kāi)發(fā)非程序員的增量市場(chǎng)

鯨哥：您怎么劃分當(dāng)前的用戶市場(chǎng)？

宿文：肯定是圍繞用戶需求做劃分。誰(shuí)會(huì)依賴coding工具解決問(wèn)題？程序員肯定是其中之一，他們擁抱工具的能力很強(qiáng)，但有個(gè)問(wèn)題——他們能力太強(qiáng)了，很容易遷移，哪個(gè)好用就用哪個(gè)。不過(guò)他們是很好的數(shù)據(jù)閉環(huán)，能提供優(yōu)質(zhì)的反饋。

另一類就是非程序員。你不能認(rèn)為非程序員都要寫(xiě)代碼、實(shí)現(xiàn)軟件，但他們有真實(shí)需求——其實(shí)就是那些平時(shí)指揮程序員做事的人，比如泛化的產(chǎn)品經(jīng)理、項(xiàng)目經(jīng)理、交付經(jīng)理、業(yè)務(wù)分析師等等，或者叫他們"小白"。但這些"小白"不是真的小白，他們只是在coding或軟件工程上不精通，但對(duì)業(yè)務(wù)場(chǎng)景非常熟悉，他們其實(shí)沒(méi)必要去學(xué)編程，完全可以用我們這樣的工具直接生成軟件。

鯨哥：大廠現(xiàn)在競(jìng)爭(zhēng)得非常激烈，您覺(jué)得AutoCoder殺出重圍最終要依靠什么？

宿文：其實(shí)我們沒(méi)太感知到所謂的"激烈競(jìng)爭(zhēng)"。現(xiàn)在大廠的激烈，更多是快速follow海外頭部公司的產(chǎn)品策略，比如都去做Cursor類的代碼補(bǔ)齊產(chǎn)品。但這種競(jìng)爭(zhēng)只是同質(zhì)化補(bǔ)充，不是真正的技術(shù)突破。

你要跟上Lovable，也不一定能實(shí)現(xiàn)。這種差距不是幾個(gè)月的問(wèn)題，而是資源投入方向的問(wèn)題——你沒(méi)有在他的優(yōu)勢(shì)方向做深度補(bǔ)齊，反而想繞路，結(jié)果只會(huì)更遠(yuǎn)。

我們認(rèn)為真正的競(jìng)爭(zhēng)激烈，是指在新興市場(chǎng)技術(shù)快速迭代時(shí)，突然出現(xiàn)一個(gè)新技術(shù)把你干死，這才是初創(chuàng)公司該擔(dān)心的。但目前大廠整體上還是在做（海外到國(guó)內(nèi)）同質(zhì)化的補(bǔ)充，我們反而沒(méi)什么壓力。

鯨哥：最近Kimi K2直接融入了一些Agent代碼，您怎么看這種模型即產(chǎn)品的迭代？

宿文：Kimi K2其實(shí)主要還是在優(yōu)化器上做了點(diǎn)創(chuàng)新，從模型架構(gòu)上擴(kuò)充參數(shù)量，那個(gè)Muon優(yōu)化器可以，但我們今年年初就在做了，只是說(shuō)他圍繞著開(kāi)源生態(tài)在做，但MOE架構(gòu)沒(méi)有任何底層創(chuàng)新，只是在應(yīng)用層放了點(diǎn)數(shù)據(jù)和工具。

鯨哥：國(guó)內(nèi)外模型在代碼上是什么水平？

宿文：得看從哪個(gè)維度。今天很多代碼測(cè)試已經(jīng)變成定向刷榜了，跟泛化能力、跟真正的工程級(jí)使用關(guān)聯(lián)性不大。你看O1、O3、R1、K2這些刷榜厲害，但真正做代碼生成產(chǎn)品的都不會(huì)用它們。

宿文：大家真正用腳投票的還是Claude、Grok、GPT-4o，包括DeepSeek V3也有人用，但肯定不是那些刷榜厲害的模型。這些模型在特定場(chǎng)景下可能有用，但通用場(chǎng)景還是不行。

鯨哥：您怎么看國(guó)內(nèi)模型和Claude的差距？

宿文：DeepSeek V3在代碼生成上有很大進(jìn)步，但其他家離Claude還是有差距，尤其是Claude 4之后。這種差距不是榜單上的數(shù)字，而是真實(shí)用戶反饋。

這其實(shí)是技術(shù)報(bào)告和真實(shí)場(chǎng)景的差距。很多模型在技術(shù)報(bào)告里說(shuō)得很好，但真實(shí)用戶使用時(shí)就會(huì)發(fā)現(xiàn)各種問(wèn)題。我們判斷模型好壞，還是看真實(shí)用戶反饋和調(diào)研結(jié)果。

商業(yè)化路徑：數(shù)據(jù)飛輪比融資速度更重要

鯨哥：同為線上編程工具產(chǎn)品，Lovable的 ARR好像達(dá)到了8000萬(wàn)美元，你怎么看這件事情

宿文：應(yīng)該差不多，我估計(jì)他的算法應(yīng)該就過(guò)去 30 天收款乘以 12， 或上個(gè)月收款乘12，這樣的數(shù)據(jù)還是比較健康的，驗(yàn)證了很多市場(chǎng)對(duì)他的質(zhì)疑，或者對(duì)這個(gè)賽道的質(zhì)疑。

其實(shí)我們看到它的用戶量可能是Github的1/ 10了，這是一個(gè)非常好的成績(jī)。

原來(lái)大家質(zhì)疑非程序員的一類群體，在什么樣的場(chǎng)景下面去用這樣的工具？

今天哪怕 lovable 提供的是偏前端去做原型，再集成一點(diǎn)點(diǎn)后端這種開(kāi)源組件的方式，那它也印證了其實(shí)是有大量的人，可能是非程序人群體去用。

鯨哥：全球化布局的挑戰(zhàn)是什么？

宿文：這個(gè)賽道上可能有三五十家在做的，包括大大小小大項(xiàng)目。為什么要出海？其實(shí)是用戶在哪我們就去哪。這類產(chǎn)品的工作語(yǔ)言基本是英語(yǔ)，使用產(chǎn)品的用戶其實(shí)都有辦法拿到全球最好的產(chǎn)品，所以從第一天就是全球競(jìng)爭(zhēng)。這種競(jìng)爭(zhēng)反而倒逼產(chǎn)品力提升，不是壞事。

鯨哥：重點(diǎn)先做什么市場(chǎng)？

宿文：英語(yǔ)市場(chǎng)肯定是重點(diǎn)，用戶基數(shù)大，付費(fèi)意愿也強(qiáng)。我們產(chǎn)品雖然是global的，但目前主要精力還是在英語(yǔ)市場(chǎng)，等基礎(chǔ)打牢了再拓展其他市場(chǎng)。

鯨哥：有規(guī)劃國(guó)內(nèi)版本嗎？

宿文：我們是global產(chǎn)品，國(guó)內(nèi)也能用，而且合規(guī)——用的是自己的模型，備案這些都沒(méi)問(wèn)題。只是我們是初創(chuàng)公司，率先迭代的場(chǎng)景應(yīng)該抓哪些用戶？其實(shí)只要是真實(shí)用戶都可以，國(guó)內(nèi)程序員和國(guó)外程序員沒(méi)有本質(zhì)區(qū)別。

鯨哥：您覺(jué)得未來(lái)AI產(chǎn)品會(huì)更agent化嗎？接下來(lái)的產(chǎn)品規(guī)劃是什么？

宿文：我們研究的重點(diǎn)還是靈活調(diào)度編排能力，這方面目前還沒(méi)有好的架構(gòu)。今天的動(dòng)態(tài)規(guī)劃能力還不夠，我們?cè)陉P(guān)注也在嘗試解決，但具體方向還不方便透露。

未來(lái)展望：全球競(jìng)爭(zhēng)與生態(tài)構(gòu)建

鯨哥：怎么看現(xiàn)在流行的"Vibe coding（氛圍編程）？

宿文：這個(gè)概念把我們包括在內(nèi)，其實(shí)是為了減少用戶心智干擾。我們理解的Vibe coding是要解決生產(chǎn)環(huán)境問(wèn)題，要么從模型上解決，要么從生成式軟件架構(gòu)上解決——這才是核心，而不是做個(gè)花哨的界面。

鯨哥：現(xiàn)在市場(chǎng)上Vibe coding用戶被激發(fā)出來(lái)了，這個(gè)群體足夠大嗎？

宿文：非常大。但大家好像傾向于用直接解決問(wèn)題的工具多一些，玩票性質(zhì)的少一些。這說(shuō)明用戶是真的有需求，而不是跟風(fēng)。

鯨哥：最后總結(jié)幾條經(jīng)驗(yàn)給創(chuàng)業(yè)者吧？

宿文：第一，common sense很重要，但很多人的常識(shí)是錯(cuò)的——不要立錯(cuò)誤的前提，比如"等下一代模型"就是典型的錯(cuò)誤前提；第二，速度不是投流或擴(kuò)張速度，而是數(shù)據(jù)飛輪的速度；第三，把智能掌握在自己手里，不要依賴別人的模型。這三條做到了，成功概率會(huì)大很多。

宿文：還有一條，創(chuàng)業(yè)要做"難而正確的事"。端到端代碼生成比代碼補(bǔ)齊難，但這是正確的方向。如果只做容易的事，最終會(huì)發(fā)現(xiàn)沒(méi)有壁壘，很容易被替代。