---
title: "非凡大赏：AI Coding｜开发者新纪元：工具、技能与人机协作之道"
id: "20250804A08WTD00"
publicationAccount: "非凡产研"
originalPublishedAt: "2025-08-04T21:24:08+08:00"
canonical: "https://ffcap.cn/research/20250804a08wtd00"
source: "https://view.inews.qq.com/a/20250804A08WTD00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["AI 编程","办公协作","非凡大赏","全球化出海","AI Agent","智能硬件"]
---

# 非凡大赏：AI Coding｜开发者新纪元：工具、技能与人机协作之道

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

欢迎收听现场对话原文

7月18日，非凡资本以“应用无界，智创全球”为主题，在深圳益田威斯汀酒店主办「2025年度生成式AI全球化高峰论坛暨Go Global AI 100年度评选」圆满落幕。全天议程自上午9点至晚上18点，线上同步直播。内容以主旨演讲、巅峰对话和趋势圆桌为主，现场颁发“2025 Go Global AI 100”，并同步进行AI应用全球化发展论坛和AI硬件全球化发展论坛。其中AI应用全球化发展论坛由非凡产研承办，AI硬件全球化发展论坛由火星加速器承办，超过2000名来自全球的参与者、800家AI企业、400位创始人齐聚一堂。

在《AI Coding｜开发者新纪元：工具、技能与人机协作之道》圆桌会议上，主持人是出海同学会主理人徐瑞呈，嘉宾有DeepWisdom 创始人&CEO 吴承霖、函子科技创始人&CEO 蒋耀锴、Clacky AI 创始人&CEO 李亚飞、魔联科技合伙人潘勇。从工程实践出发，展开了一场对“AI Coding 新纪元”的深度剖析。如果你是一位工程师、一位AI创业者、或者只是想理解软件行业正被如何重塑，这场讨论值得细读。

![非凡大赏：AI Coding｜开发者新纪元：工具、技能与人机协作之道 · 原文图片 1](https://inews.gtimg.com/om_bt/OnrHEPj2UQr9puTowr0haY0ucxzS4i7xaxslpT8EH_OuYAA/1000)

  

**01｜****AI** **Coding，是TikTok而非好莱坞的替代者？**

DeepWisdom 创始人吴承霖用一个非常精准的比喻为讨论定调：“AI Coding 之于工程师，并不等于取代，而是如同 TikTok 之于好莱坞——它激发了一种全新的创作模式，而不是消灭原有的生产体系。”

他指出，今天大多数AI for coding模型的训练数据来源依旧集中于GitHub，而GitHub上数据密度最高的，其实是前端代码。这解释了为何AI在前端开发上显得异常强势，而在后端、DevOps、产品架构等场景中，能力仍然有限。

换言之，今天的AI Coding，并未构成“全能型开发者”。更现实的路径是：人类工程师借助智能体能力完成提效，并在模型力所不及的地方兜底——这将是一种长时间共存的局面。

  

**02｜新角色：从工程师到“业务逻辑师”**

如果说AI扩展了开发者的能力边界，那么它同样也在重塑技术人与业务人之间的角色分工。

Clacky AI 创始人李亚飞提出了一个新职业构想——“业务逻辑师”（Business Logic Engineer）。他将其定义为“业务理解2星，技术能力1星，产品逻辑3星”的混合角色，适配AI时代的v0级产品探索。

传统开发强调深厚的技术背景，而在AI工具加持下，这类角色的重要性逐步显现：他们能够快速将业务需求转译成AI能读懂的输入，从而成为未来AI驱动生产流程中的关键枢纽。

这也意味着，开发门槛正在双向演变：一方面对专业工程师的复杂能力需求下降；另一方面对“懂业务+会表达”这类新型角色的需求快速上升。

  

**03｜下一代****IDE****，是“Agent Native”而非“功能堆叠”**

讨论AI coding，无法绕开IDE（集成开发环境）。它既是开发者的武器库，也是AI落地的前沿阵地。

DeepWisdom 将自己新一代产品 MGX.dev 定位为具备“基础智能体”能力的Agent平台，而 Clacky 则强调“Agent CDE”（cloud development environment），主张AI工程不应再局限于本地工具，而应迁移到云端，多Agent并行协作将成为常态。

过去我们谈IDE时，关注的是语法高亮、调试效率、插件扩展。而如今，开发环境开始具备“感知”“记忆”“目标规划”等Agent特性。IDE 不再只是一个工具界面，而是一个“有意识的合作者”。

但这场范式转移仍在早期。吴承霖坦言，目前主流IDE团队仍在困扰一个核心问题：如何将收集到的使用数据真正转化为训练有效的行为数据。“我们每家公司都采集了比GitHub还多的代码数据，但根本不知道怎么用。”这或许是Agent IDE时代真正的“地基工程”。

  

**04｜开发者不会被淘汰，但“开发工作”正在解构**

函子科技 CEO 蒋耀锴的观察则来自一个更贴近市场的视角。作为低代码/无代码平台的实践者，他强调AI对不同角色的作用不同：对于工程师，AI更像提效助手；而对于非技术型创业者，它是降低准入门槛的工具。

但他也指出，门槛降低并非等同于人人都能做产品。“当用户无法理解AI生成的代码时，他其实是无法控制这段产物的。”这说明，无代码并不是“零门槛”，而是需要设计一种“可理解的生成物”。

这也是AI工具商业化的关键难题之一：不是“能不能做出来”，而是“用户是否能理解并信任地使用”。

魔联科技合伙人潘勇则从“智能体通讯协议（ACP）”的视角提供了解法。他们推出的ACP协议，主要用于解决Agent互相通信协作的问题，以达到Agent功能复用，效率最优的目标，使企业和开发者可以用最低成本开发出可用于生产级部署的Agent应用。他认为，未来的AI Coding发展，多Agent协作系统可以将传统DevOps流程中的各个环节抽象为专门的智能体，比如代码审查Agent、测试Agent、部署Agent、监控Agent等。这些Agent之间通过标准化的通信协议进行协作，形成一个完整的自动化开发运维管道。在这种架构下，每个Agent都具备特定领域的专业能力，这种专业化分工不仅提高了效率，还能确保每个环节都由最适合的AI模型来处理。

  

**05｜数据 vs 上下文：谁才是****AI** **Coding 的护城河？**

数据曾是所有AI创业者口中的“核心资产”，但在Coding场景中，这个逻辑正在遭遇挑战。

李亚飞直接提出：“今天不用谈数据，不重要。”他更关注“最后一公里”的打通：一个Agent能否自动部署数据库？能否精准识别项目结构？能否将一个“产品需求”转化为可执行的工程骨架？这是一系列微小但密集的“工程断点”，它们才是真正决定Agent实用性的关键。

相比之下，吴承霖仍然强调Memory的价值，认为“多智能体”一定是AI发展的终极路线，但也承认当前的训练方式和数据结构仍有根本性问题。

而函子科技和魔联科技则更关注上下文获取和安全隔离机制：数据未必需要沉淀，但上下文一定要准确、完整且“可控”。

或许结论是：数据是未来的杠杆，但今天AI coding的最大机会，仍然是在于提升即时上下文感知、降低“翻车率”、提升工程稳定性。

  

**06｜代码的定义被重新书写**

回顾整场圆桌，一个最值得沉淀的共识是：AI Coding 的变革，从来不是在某个IDE里多加几个插件、多加几个模型调用的能力那么简单。

它带来的是：

**角色结构的改变**：从程序员，到业务逻辑师，到AI编排师；

**工具思维的改变**：从代码生成，到Agent协作，到工作流重构；

**产品哲学的改变**：从精准代码到用户感知，从离线工具到云端协作。

AI Coding，不只是写代码的方式发生了变化，而是“代码这件事本身”的定义被重新书写。

我们正站在开发者文明的一次微妙却深远的转折点上。

  

**07｜对话原文**

**王璐**：大家好，我是扬帆出海的王璐。非常感谢非凡资本的邀请，来主持我们今天这一场圆桌。因为我们都是创业者，所以我今天很想和大家从技术的角度以及商业

**徐瑞呈**：非常高兴在深圳能跟大家一起来聊AI coding，也非常感谢非凡给我们提供的这场难得的机会。今天大概有40分钟左右时间，跟四位也算老朋友，一起来聊一聊AI coding这个方向的一些创新和大家比较关心的问题。

我先简单自我介绍一下，我是大观资本的徐瑞呈，我们有一个社群叫“出海同学会”。所以也非常高兴今天跟大家在这里见面。我们先让各位嘉宾比较简短地介绍一下自己和在这个AI coding领域走的比较细分的方向，好不好？先从承霖开始。

**吴承霖**：我是DeepWisdom的创始人兼CEO吴承霖。之前我写了MetaGPT，我们公司的小朋友也写了OpenManus。智能体行业有很多开源工作和学术工作都和我们有一些关系。现在我们做了一个产品叫MGX.dev，如果大家有兴趣可以用一下。

**蒋耀锴**：我是函子科技的CEO蒋耀锴。我们函子科技是做无代码全栈应用开发的，现在正在做的可以理解为是“v0 for no-coding”。

**李亚飞**：我是Clacky AI的CEO亚飞。我就补充一下，Clacky这个名字是键盘敲击的声音，这个很好记，大家可以试一试。

**潘勇**：我叫潘勇，是魔联科技的合伙人。魔联科技在推出智能体通讯协议，也就是我们简称的ACP。在座三位嘉宾的产品都可以让用户快速地实现Agents，我们就是帮助Agent之间完成通信与协作，从而达到功能复用、效率最优的目的。

**徐瑞呈**：谢谢四位。我觉得今天主办方也是动过脑筋的，大家每个人的侧重点不太一样。承霖一直在大模型本身做一些工作，Clacky AI在工程方向做了很久，而耀锴在低代码这个方向其实在AI浪潮出来之前就已经做了很多年了。

我们先从一些大家可能比较关心的话题切入。现在我们经常讲AI coding，它把人机协作开发这个事情变成了一个比较确定的未来。那么在未来，开发者的角色会怎么样变化？是变成用自然语言去开发的角色，还是去调用各种不同的agent并行开发？是一个工程师带五个agent，还是五个工程师加五个agent？我们想花点时间稍微讨论一下这个话题。还是先从承霖开始。

**吴承霖**：我个人觉得，现在的Agent for coding，其实大部分数据都来源于GitHub。GitHub上最多的数据实际上是前端工程师的数据，所以现在前端做得非常好。但实际上后端、DevOps、产品经理或者架构师的数据是非常缺乏的。所以说，虽然我们看到在某些领域AI for coding进展得非常猛烈，但实际上在很多问题上它仍然做得不是很好。

虽然可能有一些特定的benchmark能看到某些模型跑到80分、90分，但实际上在工作中其实也是不可用的。在很长的一段时间内，可能两年之内，人类的工程师还是需要成建制地提供服务，不太可能被快速地消灭掉。我们说AI for coding，它促使我们诞生了一个新的群体，就是用语言模型所溢出的能力去完成价值的转换。这实际上是跟之前完全不一样的pattern。

就像之前的TikTok没有淘汰好莱坞，但是产生了很多网红。所以我们讲这个pattern跟以前是完全不一样的。当然，你说已有的工作是不是能用Cursor来加速？可以。但Cursor其实和我们的MGX是完全不一样的pattern。所以我们倾向于在未来的两年之内，这是我们能观测到的未来，它至少是共存的。

**徐瑞呈**：从耀凯的角度，因为之前是做低代码。从低代码时代到AI时代，你觉得这中间发生了什么变化？

**蒋耀锴**：其实我们做的是无代码，面向的是非技术型创始人的，是给想要做一点产品，但是没有钱、没有技术能力的人去服务的。其实在AI for code这个事情里面有两个角度：一个是面向非技术的人群，一个是面向工程师。

作为工程师，AI给我带来的主要是提效，并且我是最终做质检的那个人。在这点我的观点和吴承霖非常接近，我不认为在短期内它可以替代我，它能做的事情跟我相差是非常大的。尤其是当你的代码库大小和复杂性变高之后，基本上是没有办法直接让AI做大块改动的。

但是对于非技术型的人来说，其实它是做到一个降门槛的角度。但如果生成的全都是代码，其实这个门槛降得还是不够低，因为它的生成物无法被他理解。当你无法理解你的生成物的时候，你就无法控制。

**徐瑞呈**：现在全世界范围内也能看到像Lovable这种面向小白人群去编程的产品，增长非常迅速。第三位我们Q一下Clacky的亚飞同学，因为你做的方向可能是for professional的。

**李亚飞**：我讲两点。第一个特别有意思，今天我们三个产品应该是能覆盖住人类的各种需求，大家可以根据自己的情况去试用。

第二个地方，我想给大家带来一个新的职业，我称之为“业务逻辑师”，英文可能是Business Logic Engineer。我觉得这是新一代的"v0 coder"。怎么去理解呢？我们传统的工程师技术能力非常强，四到五颗星，但对业务逻辑往往无感知。产品经理往往是业务逻辑不错，但是技术上为零。而“业务逻辑师”是三个维度都有一点，但都不强就够了：商业能力两三个星，业务逻辑能力三个星，技术能力以前要五个星，现在可能一两个星就够了，他有一些技术框架的感知。我觉得这是接下来社会的一个主力输出人群。

在我看来，软件生产本身一定要生产出专业可用的软件，就是真正有前端、后端、数据库连在一起，是一个有经济价值的软件。这件事情上，像刚才提到的Lovable这种产品其实生产不了，它只能生产情绪产品。所以我们其实期待大家如果想真正做好软件，就变成一个真正的业务逻辑师，然后来试试我们这几款产品哪个更顺手。

**徐瑞呈**：谢谢亚飞。最后潘勇老师，业内经常会讲，是不是以后会有一个工程师带五个agent并行工作，这个地方就是你们的专长了，也给我们讲一讲agent怎么样介入未来的开发。

**潘勇**：其实很有意思，看到三位的时候，我就在想，如果三位可以携手起来，每个人拿出一个非常有代表性的agent，让它们通过ACP携手去完成一个项目，应该会是一个非常美的画面。我们现在只能选择一个，但成年人的世界我们不做舍弃，我们都要。那“都要”就意味着相互之间要有一些基础的机制来满足通信和协作，我们认为这是一个必然趋势。

如果真要说AI coding对程序员带来什么样的影响，至少短期内还是没有。接着刚刚亚飞总说的，以前的开发人员可能是一个AI工程师，后来他变成“AI编排师”，来编排这些AI该干什么。以后每个领域里的Agent也是非常专注的，可能还有专门为它服务的、更专注的大模型来支撑它。未来会是一个大家一起协作来做事情的状态。

**徐瑞呈**：我们聊完这个问题了以后，算是进入到我们真正想讨论的一些比较细的话题。现在细分场景越来越多，整个市场也越来越卷。从你们的角度，有没有哪些真正能停留在目前开发者工作流里面的、他们觉得无法被替代的、特别有价值的产品？这个问题还是先从承霖开始。

**吴承霖**：从开发者角度来说，其实大家现在还是逃不脱IDE的。从IDE的角度看，我们可以看到有很多很好的工具型产品。因为工具型产品满足了某一部分群体的工作需求，他们的日常工作是围绕这个工具进行的。比如说像Cursor，比如说像GitHub Copilot对应的VS Code，这实际上都是底层的基础设施了。

一定意义上，我们知道像剪映的月留存和Cursor的月留存非常类似，它们都是一个需要频繁使用的、赖以谋生的工具。这种工具可能还会有一些，比如我们可能会想起Canva、Figma，它们面向不同群体完成了他们日常工作的端到端需求。

**徐瑞呈**：我总结一下，就是说基于具体场景，能解决end-to-end问题的这种工具。

**蒋耀锴**：其实这跟投资比较像，就是你投资要看一个公司的长期护城河是什么。护城河有几种：Branding（品牌），现在就是VS Code。还有Switching Cost（切换成本），来源是什么呢？一个是培训成本，一个是数据的搬运成本。你的数据能不能在他使用的过程中留在你这里，并且持续产生价值？还有一个是网络效应，是不是能够变成一个多人合作的场景，合作的人越多价值体现越大。这种类型的工具，不管在任何场景下，它都会有长期价值。

**徐瑞呈**：整体的工作流和心智。

**Clacky** **AI** **创始人&CEO 李亚飞**：现阶段我觉得一切都在急速变化中。刚才承霖聊到说程序员手里面的武器IDE是很难丢弃的。我也是个老程序员，让我丢掉我迭代了20年的工具，我是完全不能容忍的。但是现在来看是变化非常快。

在我看来，对于非常资深的程序员，拥抱新的AI for coding方案，甚至是带来了1000倍的效率变化，真有这种感觉。我们团队现在有一个人能顶十个，非常夸张。你说他有没有用IDE呢？有时候会用，但绝大多数时候不再用了。但是你问他半年前，我当时给他推荐什么Cursor、Aider，他都不想用，但是等他用上的时候，瞬间就发生变化了。

最近一个月一个大事件就是Claude Code反向抄底了Copilot，我觉得这是这段时间最大的感受。我们是一个直接受益者，因为我们Clacky是一个云端的Claude Code，大家可能会更加依赖于云端并行。所以我觉得，老工具还是有老工具的价值，但是又有新的方案和逻辑，大家拥抱上去，它会形成一个快速演进的过程。

**潘勇**：就我个人而言，工具留存，我们得看它目的是什么？目的是为解决问题，这是核心的。如果工具有演进，我不介意换工具。工具我认为在任何一个群体也好，它不会是一种执念，它是一个选择。主要看这个选择跟进的速度到底快还是慢，以及我在什么时候去做出这个选择。

**徐瑞呈**：刚才像承霖、亚飞都提到IDE，在新兴的开发流程中间，IDE也会有一些演化。对于下一代的IDE和agent这块，大家有没有什么可以跟我们分享的？

**吴承霖**：简单来说，我们在做一个技术路线叫“基础智能体”。过去两年，我们和超过40个机构进行了合作，包括Stanford、Berkeley等。围绕这套技术路线，我们已经发表了十几篇学术论文。我们在今年的9月和12月，会分别发表两个和我们基础智能体相关的工作。

简单来说，基础智能体它会拥有一些特定模块，包括记忆、世界模型、目标、奖励、情感等等，可以用来解决大部分现实世界的问题。同时，我们有一个非常强的信念，就是“多智能体是最后一个setting”。这也是Meta、OpenAI、DeepMind实际上大家都在持有的一个观点，因为多智能体一定意义上代表了人类世界数据的分布。

**徐瑞呈**：这个问题背后其实有一个关于数据和Memory的问题。尤其现在针对AI for coding这一块，大家还是希望能有一个数据的积累，一个数据飞轮。这个数据怎么样能够在合理的形式下面被储存、被长期调用，最后能达成一个在模型上正向的训练飞轮？我其实特别好奇这个话题。

**吴承霖**：没错。今年1月份的时候，我在一个 palo alto 的 panel，旁边坐的是Codium的人，再旁边是Replit和Augment。大家都在讨论这个问题，因为大家都有做很多IDE，但都不是很清楚这个数据要怎么用。每一家收集到的数据其实都超过了互联网所有的代码总量，因为你GitHub上的总量就那么多。大家最头疼的点是，我收集到了数据，但是我不知道怎么用它来做训练。我有很多人类的char level或function level的数据，但是我根本就用不上。

我相信OpenAI一开始想收购Codium，肯定是他们对利用数据这个事情比较有自信。但是我理解现在的IDE，包括Cursor，大家都做得不是那么work。至于这个东西最后要怎么用，我们也有几个学术上的工作在同步做，但我们的思路可能和现在市面上所有的思路都完全不一样，可能我们会在两个月以后发表我们的工作。

**徐瑞呈**：这个问题我再Q一下亚飞。

**李亚飞**：我觉得今天已经进入到一个真正的Agent-oriented的应用时代了。一个真正的AI工程师，他应该有自己独立很强的环境感知能力去思考、去决策、去干活。换位思考一下，假如说你是AI，你需要IDE吗？我们的思考是，IDE的80%功能是不需要的，但是20%很重要的功能是需要的。比如说怎么检验语法有没有错误？能不能把项目跑起来？人类在中间这个过程还是需要看到它，需要了解你到底干了啥，干得不好我要做监管。

今天已经开始出现一些真正的Agent-native IDE了，体感跟上一代的IDE又不太一样。当然我们的答案是，它的终极形态不在本地，而是在云端。因为云端我可以雇佣多个agent。我们做的事情其实叫Agent-native CDE（cloud development environment），这是我们对IDE的终极思考。

**徐瑞呈**：数据这块儿我也想听听你的想法。

**李亚飞**：我的答案是，今天不用谈数据，不重要。当然两年后、三年后如果一个公司起来了，他一定要依靠数据闭环，做出更好的AI效果和更低的翻车率。但今天最大的矛盾还是在造它的“手脚”。就是我们想让这个AI工程师干活，但它在某些很小的卡点就会翻车。举个例子，现在还没有人能做到说给一个项目上来，自动就把数据库装好配好，然后启动。我们做的就是第一个“啊哈”时刻，我们的平台能自动配好数据库。好多这种最后一公里的工作，今天还没闭环掉。

**蒋耀锴**：其实我觉得IDE这个东西是有必要的。对AI来说最重要的是上下文的获取。那么IDE的其中一个功能，比如说获得你的调用栈，对于AI来说是非常必要的。各种代码的定义、它来自于哪里，这些是工程化的，应该用工程化的方式去解决，然后提供给AI。这个我觉得是当前的IDE最缺的部分。

**徐瑞呈**：你们接触这种初级工程师比较多，那数据这一块你们是怎么看的？

**蒋耀锴**：我觉得完全没有用。对于小白用户，你现在不应该去基于自己的数据做任何训练。你更多的是在这里面去找用户的卡点在哪里，然后你去尝试帮人也好、帮AI也好，去让他找到正确的上下文。至于训练，你做一个专用的模型，可能两年之后的通用模型的能力，在你专用的地方都比你做得更好了。我觉得这是一个没有意义的事情。

**潘勇**：基于IDE这一部分，我们没有那么深入的思考。但我们会想，多Agent协作系统可以将传统DevOps流程中的各个环节抽象为专门的智能体，比如代码审查Agent、测试Agent、部署Agent、监控Agent等。这些Agent之间通过标准化的通信协议进行协作，形成一个完整的自动化开发运维管道。在这种架构下，每个Agent都具备特定领域的专业能力，这种专业化分工不仅提高了效率，还能确保每个环节都由最适合的AI模型来处理。

我倒是有一点和刚才亚飞总不太一样的地方，就在于数据。我认为我们今天做各种努力，最终目的是为了有产品产生、有服务提供。在算力、算法之外，数据会是一个非常重要的核心资产。基于我们的ACP设计理念，我们就追求一个“数据最小化扩散”原则。为此，ACP中，私有数据不存储在任何Agent之外的服务器上，尤其是你的Agent所依赖的知识库、私域数据等。

**徐瑞呈**：我们最后回到这个老本行——出海上面。在开发工具的全球化竞争中，你们觉得我们做基于AI的代码生成工具，有什么样的优势或挑战？

**吴承霖**：优势的话，我们有三个评估指标。第一是成功率。比如我要做一个电商，它成功率究竟是多少？这个电商需要有1到5个特性，这五个特性是不是能写出来？

第二点是成本。现在的AI for coding还是有成本的。我要做一个application，前后端成本可能要几十美元。如果它能到几美元，甚至是几美分？如果AI for coding接近于免费，我们能免费做一个抖音，那会是什么样的盛况？所以成本是我们考量的第二要素。我们现在默认的成本已经比Claude 4低了90%左右。

第三个就是用户体验。这是一个笨功夫，但没办法，你得花巨量时间去磨。

挑战可能最后还是要回归到技术路线上。因为现在的智能是“锯齿状”的，还有很多问题需要人类去兜底。语言模型的能力并不完美，它可能能做到70分，剩下30分你要靠各种逻辑来解决。

**蒋耀锴**：我们其实把自己的平台分成了国内和国外，数据不通。最大的优势可以理解为就是“通缩”，你在中国开发成本低。挑战其实很多。第一个是发达国家是主动排斥中国的产品的，你可以感觉到这一点。第二是任何跨文化的产品开发都会碰到的问题：你的语言不一样，用户习惯不一样，对审美的要求不一样。这些都很难让你的开发团队有一个直观的认识。即便是我自己住在那儿，我们自己发现在海外的转化率反而是低于国内的，一模一样的产品。

**徐瑞呈**：可能你们的产品偏to C一点点，所以可能在本地化方面确实有更多的挑战。亚飞。

**李亚飞**：我最终的答案，我觉得还是一个叫“信念”的东西。我们拿现在比较成功的产品Cursor为例。它在2023年4月份开始做新产品，刚失败了一个项目。没有任何人觉得他们能成功。但他们就坚信AI可以干出比Copilot更好的一些事情，结果在一个很小的缝隙里面做出来了。

今天的话，其实真正相信Agent的人不多，99%的程序员顾虑是最多的。但是我想讲的是，从六月份开始，真正的Agent-native已经开始落地了，这个模型是Claude 4.0，毫无疑问。我们紧急研究发现，它在真正的agent编排上是足够好的，我不需要再兜底了。我们紧急删除了5000行代码，结果它变得更好了。

所以回到今天，我们Agent-native的这种产品有上瘾的属性。他一开始说“这个都能干出来”，然后就上瘾了。过了一段时间开始想骂人。再过一段时间，他往往七八成时间是开心的，两三成是不开心的。但是你反复被折磨，你反而会上瘾。所以我觉得今天我们中国公司出海，跟全球顶级的公司竞争，最主要的是你要有坚信你这条路，以终为始去做，定义好你的核心形态，坚持不懈地去推进。

**徐瑞呈**：最后给我们上了一轮鸡汤。最后潘勇老师。

**潘勇**：我们内部在开玩笑说，我们做ACP好像在“布道”一样，因为现在它的接受度还没那么高。我只想说一点，我们所有人都有个共识，我们在拥抱AI。我只希望说，我们是否可以考虑在拥抱AI的时候，也给我们彼此一个机会，让我们彼此也可以拥抱。

**徐瑞呈**：特别好，全世界开发者们的一个拥抱。非常感谢今天我们四位嘉宾的分享，也特别感谢非凡提供给我们今天的机会，还有所有朋友们来到现场。

---

原始发布版本：https://view.inews.qq.com/a/20250804A08WTD00

本站阅读页：https://ffcap.cn/research/20250804a08wtd00