为什么 OpenAI、谷歌等大模型公司纷纷布局 AI Coding？各家编程实力现在如何？
利益相关：Trae 开发者，主要从工程视角观察，对 LLM 的训练和算法细节了解不多，以下是一些抛砖引玉的观察：
目前来看，AI Coding 是这波 LLM 浪潮中最早验证 PMF（Product-Market Fit）的子方向之一。海外如 Cursor、Windsurf、Bolt.new、Lovable 等产品，不仅获得了大量融资，也赢得了不少开发者的欢迎及付费支持。
我理解背后有以下几点逻辑：
1. 模型角度：LLM 的本质是预测下一个 token，生成自然语言已经让我们惊艳，而代码作为一种更结构化、更严格的语言形式，本身就更适合这种预测机制。从生成准确性和实用性角度来看，用 LLM 写代码可能比写文章更靠谱。从模型训练的角度来说，代码数据具备更强的逻辑性和可验证性，训练过程中能更好地帮助模型学习推理能力，这对通用模型能力的增强也非常有价值。
2. 用户角度：AI Coding 的目标用户是开发者，而开发者是对效率提升最敏感、也最愿意尝试新工具的一群人，也有较强的付费意愿。就我个人而言，现在写代码的效率至少提升了 30%，尤其在我不熟悉或者懒得花时间打理的 side project 上，AI 工具能帮我从 0 到 1 快速搭起原型。
3. 产品角度：编程场景的闭环更容易实现，从编辑器到运行环境，再到测试、部署，AI 可以覆盖全链路，也让 AI 更有可能深度嵌入开发者的工作流。它天然适合“反馈驱动优化”，无论是测试通过率、代码运行结果，还是代码 review 意见，大模型都可以借助这些反馈持续提升准确性。而自然语言生成的评估标准更模糊，也更主观。
AI Coding 不只是技术演进的自然结果，也是由用户需求与使用场景推动的一个典型案例。
专业生产力工具的颠覆式创新，必然会全面重塑开发者的认知和开发方式，未来的 IDE 很有可能不再是当前 IDE 的 “以代码为中心” 形态，这很可能会发生在 3 年内。
目前 AI Coding 的演进到了第二个阶段：AI 辅助编程 → AI 结对编程(now) → AI 自主编程。
