AI Coding，在企业级市场游入「大鱼」

文 ｜ 阑夕

某种程度上，Anthropic是比OpenAI更有商业奇观的一家公司。

OpenAI在消费级市场的领先毋庸置疑——ChatGPT的8亿周活在行业里一骑绝尘——而在今年以来，Google重回牌桌也让各家大厂压力倍增，大模型的竞争趋于白热化。

在如此围追堵截的环境里，Anthropic之所以始终能够处在第一梯队里，这和它在企业级市场取得的绝对品牌认知，有着直接关系，在很长一段时间里，Claude几乎垄断了AI Coding的模型供应链。

在收入结构上，30万家企业客户为Anthropic贡献了80%的付费，剩下15%来自编程工具Claude Code，普通用户的订阅占比只有5%。

换句话说，凭借贩卖生产力工具，Anthropic的年化收入（ARR）以每个月增加10亿美金的速度，在一众AI公司里担当着印钞机的角色，且在一级市场的估值达到了OpenAI的6成，足见创造产能的价值权重有多高。

这种趋势也在推动行业共识的出现：AI在应用互联网的爆发或许还需要时间，大家也都有耐心等待奇点，但企业级市场对于AI的买单热情却已经远超预期，这部分的价值创造，不但彻底改写了生产逻辑，也能为大模型厂商提供落袋为安的回报。

理解了这个剧烈变化的时代背景，也就能够理解TRAE在推出企业版之后，想要明牌接住的一场战略机遇期。

从TRAE命名就能看出，字节对于这款AI原生IDE的野心有多大：

The Real AI Engineer，真正的AI工程师。

作为最成熟的落地场，AI Coding的渗透其实早已自下而上，在Stack Overflow的年度调查里，84%的开发者都在主动使用AI Coding工具，其中每天都用的人数占比甚至超过了半数。

和其他企业服务产品寄望于老板推动团队上马的诉求不同，即便没有企业版的推出，中国程序员们早就离不开TRAE了，毕竟提高效率本身就是利己的体验，哪怕自费使用也是划算的，但员工可以只顾自己用得舒服，CTO们要考虑的事情就多了。

比如代码资产的流失风险，理论上来说，员工在工作时间产出的代码，都属于公司资产，但AI Coding相当于引入了一个未经授权的外部计算环境，以致于很多公司在对待AI Coding时充满了左右为难的矛盾，一边试图拥抱生产力革命，一边怀疑整个链路的安全性。

这当然也只是TRAE推出企业版的原因之一，事实上，企业的「既要又要」，在很多时候其实是为了追求确定性，技术的先进与否固然要紧，能否驾驭才是重中之重。

用一句话来解释，抛开风险谈收益，都是耍流氓。

就像互联网行业里曾有一个段子，说阿里和腾讯的两个团队谈一个合作项目，阿里规定不能用腾讯会议，而腾讯也不让用钉钉，于是两拨人一合计，只好分别注册飞书，舍近求远的到飞书里开会。

TRAE企业版的发布，则是在公有的基座模型之上，为每家企业供给一套私有的AI Coding解决方案，一次性「扶正」企业自有的开发产权，这很关键。

字节的销售团队，可能为TRAE准备了很多宣传物料，但说实话，最有说服力的一句话，可能还是出自字节内部的最佳实践：

92%以上的字节工程师，都在用TRAE来干活。

作为全球最大的独角兽之一、同时也是以技术主导著称的互联网公司，字节的研发需求都能被TRAE兜住，这本身就是一块金字招牌。

就连字节决定全量采用TRAE的过程，都替其他企业打了个样——今年5月，时值TRAE的月活用户突破100万，字节发了内部信，要求全体员工统一将TRAE当作核心开发工具，不再将数据流失到个人账户。

这件事情最终跑通的意义很大，全员切换到TRAE之后没有出现生产力的折损，不但意味着TRAE在能力上已经站稳了第一梯队，还为TRAE的对外开放埋下了伏笔。

在科技的历史里，我们反复看到过这种技术溢出的例子，AWS之于亚马逊、 Palantir之于PayPal、甚至飞书之于字节，都是相似的路径。

据我所知，抖音的几条核心业务，都已经用TRAE做出了特别突出的降本增效结果。

比如抖音生活服务，在将TRAE引入DevOps流程之后，覆盖了需求、开发、测试、发布的全链路，AI贡献代码占比高达43%，测试用例生成每周节省接近45人天，成效斐然。

而TRAE企业版，要做的事情则可以用「包括但不限于」来做开篇。

对于工程研发需求而言，TRAE企业版叠加了三重确定性：

其一，在于强大性能带来的确定性效能提升。

虽然自身非常追求完全体的AI IDE形态，但TRAE企业版实现了不打断企业现有工作流的即插即用效果，支持IDE、插件、CLI多形态接入，适配不同开发环节，并可接入第三方甚至企业自有模型，让AI「落户」学会团队语言。

更重要的是，TRAE企业版自带工程化的定制能力，将AI从辅助工具升级为可预测的企业级生产力，能真正规模化应用于研发流程，10万份文件、1.5亿行代码、毫秒级响应、超长上下文等支持标准，都是通过抬高上限的方式，让AI驾驭项目不受阻碍。

其二，在于全链路可见化带来的确定性资产沉淀。

相比个人用的AI Coding工具始终运行在一个黑盒里，TRAE企业版解决的是企业投入AI的核心诉求：花了多少钱？产生了什么效果？员工是怎么在使用的？产出了哪些代码？

有着飞书、火山云、巨量引擎等2B商业的经验，字节太懂企业的痛点在哪里了，聪明的模型千篇一律，可信任的智能万里挑一，要让企业将开发的生命线托付给AI，TRAE企业版先建立起了那个传说中的「不可能三角」：

效能可信，可全面掌控使用者的ROI；成本可见，对消耗量的变化了如指掌；资产可控，代码不会被泄露或滥用，全程合规。

其三，在于整体拥抱AI Coding带来的确定性抢占未来。

如今，我们身处一个连大模型都在用自己来给自己编程的科幻现实主义世界，头部科技公司普遍已从「要不要做」转向「怎么做得更好」，TRAE企业版的出现，是在为所有希望提前适应变革的公司，提供一张车票，

再不上车，就真的晚了。

2021年，GitHub Copilot的发布曾被视为「有趣的玩具」，程序员们互相抱怨它的笨拙，然后便是GitHub卖给了微软。

更早时候，Google曾在一次愚人节里放出了传统彩蛋，宣布发明了一个可以自动编写代码的程序，在极客圈里收到了脑洞大开的评价。

如今，AI Coding已经渗透到了千行百业，并在大模型领域的疯狂投资里，扮演着最能激发经济价值的那一条赛道。

我会特别注意字节的AI战略，在产品齐发的同时，拉动Tokens的消耗量也是最常被提到的路线之一，意思很明确，分配蛋糕的前提，是做大蛋糕，字节要发挥领先优势，让大模型的实用化加速起来，TRAE也是这张棋盘上的强手落子。

从服务600万名开发者的TRAE，到切入数万科技公司的TRAE企业版，这个跨度既是水到渠成，也刷新了想象。

Gartner已经发出预测，到了2027年，70%的软件创新将源自10人以下的小型团队，这对陈旧的生产力关系造成了颠覆性的冲击——创新不再依赖规模，技术密度更加重要。

就像黄仁勋说的，我们的工作意义，绝对不会只是在键盘上打字。

随着模型的持续进化，代码行业已经站在了新纪元的前夜，长远来看，AI Coding是在重新配置软件开发的价值锚点，即什么是真正重要的——是洞察，决策，抑或劳动？

无论如何，巨变才刚刚开始，而其最终的影响可能远超我们当前最乐观的预估。