智库专家热议AI Coding走向企业级的六大核心命题！

6月24日晚，由中国电子信息行业联合会人工智能（B端）应用创新推进工作委员会（智进委）主办的“AI Coding下半场：从代码提效到数智化生产力重构”智库系列线上主题研讨会成功举行。智进委副会长国秀娟担任开场主持，智进委副会长、PingCAP副总裁刘松与中软国际AIGC研究院院长万如意博士、南天信息CTO戴敏三位智库专家围绕AI编程的企业级落地进行了深入对话。研讨会围绕六大核心议题展开深度探讨。

点击观看研讨会精彩视频

商业化落地：

从“效率工具”到“真金白银”

AI Coding如何从个人效率工具转化为企业真金白银的产出？万如意博士指出，当前付费模式正经历从“门票经济”到“燃料经济”的转变。“按照席位来卖，是门票经济，一个人进来就一张票；按照token量来卖，是燃料经济——烧得越多、车开得越远，就需要更多的油。”他进一步判断，“如果还没有把token当成燃料来烧，说明还没有摸着用AI杠杆自己业务的边；但凡摸着了，肯定是加满油往前跑。”

戴敏则从金融机构视角补充道，AI Coding的价值不应仅停留在开发成本降低层面，更体现在交付周期缩短、需求吞吐量提升、存量系统改造加速等维度。他指出，以往业务部门想做的东西很多，但受限于预算和工程排期；引入AI Coding后，IT对业务部门的服务覆盖面有望显著扩大。“就像历次技术革新一样，背后都是技术开发的提效——业务部门一直看重敏捷性，AI Coding可能正是从这一层面发挥价值。”

落地深水区：

大规模部署的真实挑战

从个人使用到企业级部署，AI Coding面临一系列深层次挑战。万如意博士分析了大模型的三大短板：短视（只会打补丁而不会跳出框架思考架构问题）、脑补（上下文不足时凭空补逻辑，导致幻觉）、爱造轮子（不了解团队已有公共组件，倾向于重新编写一套）。克服这些短板的关键在于开发范式的转变——从“高频低带宽”的个人使用走向“低频高带宽”的团队协作。

“上半场是个人使用AI Coding，高频低带宽地跟AI对话；下半场应该把AI不擅长的那部分——前期的需求沟通、项目边界沟通——做好。”万如意强调，Spec-Driven Development（SDD）是当前主流的解法：团队需要先写出spec文档、design文档和task文档，把业务规则、可复用组件、合规红线等约束清楚。“牺牲一点个人效率，把前期spec写好，长期来看整体效率是提高的。”

戴敏补充了一个观察：AI Coding倒逼企业治理前置。“以前个人能力能在小领域内解决没有统一spec的问题，但AI Coding把核心能力交给了大模型，大家的入口无形中统一了，所以你不能不去做。”他建议企业可以从已有的开发规范、架构规范入手，将其转化为spec的重要来源。“如果刚开始推AI Coding时没有建立起可信度，大家觉得这东西会瞎编，那问题会更麻烦——这是一个如何引导新文化的问题。”

成本失控风险：

算力账单与Token经济学的悖论

Token成本是否会失控？如何更聪明地使用token？万如意认为，token成本在大幅下降、模型性能不断提升的同时，企业级消耗量也在大幅上涨——这是一个“慢慢成熟的表现”。他预测未来一定会走向精细化调度：“就像电器会有变频、节能模式，以后一定会有更精巧的调度方式，以更高性价比的方式完成任务。”

关于不同模型的选择，万如意表示资深工程师已经“玩得很溜”——什么场景用什么模型，不会开足马力全用最好的。OpenAI发布更经济的模型后，大家更意识到“哪些事情该用贵的、哪些该用便宜的”。

戴敏则从金融机构的特殊性出发提出警示：单纯用token衡量成本可能并不合适。“金融机构的IT系统与互联网企业最大的不同是——很少听说金融机构先做个MVP快速上线再寻求反馈。”他解释，越审慎的系统，多轮迭代涉及的不只是token消耗，还有审批、报备、上线等多重成本。“只看token可能会引起不好的偏向。理想的成本衡量方式应该是看IT稳定性是否增强、服务覆盖面是否扩大。”

安全合规：

私有化部署与代码主权

安全合规是金融机构等严监管行业拥抱AI的第一道门槛。戴敏指出，数据安全和代码逻辑泄露风险是首要考量。“代码里的逻辑——涉及客户、资金、安全的校验逻辑——如果都上公有云，首先会想的是安全问题。”因此，最简单的方案就是私有化部署。对于大型机构而言，本地算力和大模型可以复用至多个场景（AI Coding、业务场景、办公场景），单位成本随之下降。

万如意则观察到一些松动和变化。越来越多的客户接受VPC（虚拟私有云）方式——物理上放在云厂商，逻辑上是完全封闭的私有化环境，数据不出环境。部分传统上被认为“严肃”的行业，在AI Coding场景中也开始接受公有云方式，“他们算过账——如果真要这么大的消耗量，本地要买多少算力？算不过来，就不得不突破了。”此外，一些央国企在开发分区中设置红区、黄区、绿区，允许部分区域使用公有云进行coding。

技术路线之争：

AI-IDE vs Coding Agent

AI-IDE与Coding Agent两条技术路线谁将主宰未来？万如意的判断清晰而辩证：IDE是“来路”，Agent是“去路”。“AI Coding能够PMF（产品市场契合）这么好，部分原因是它有IDE环境——程序员这个工种天然有IDE。但去路上，Agent是长期趋势。”

他举例说，TRAE的全称是“The Real Agent Engineer”，一开始就没有把自己定义成IDE工具或插件。“未来趋势是扩大开发者人群基数——从1亿程序员扩大到10亿知识工作者。如果还把它当IDE，假设的用户群是传统程序员；如果把它当Agent设计，假设的用户群是非程序员的开发者。”但他也强调，IDE不会被完全取代，“就像语音输入再好，也不可能把键盘拆掉。”

刘松补充道，截至2026年年中，几乎所有大厂都已从纯IDE路线进入多Agent协作阶段。“未来即使是单纯的AI Coding，也要进入多个Agent的数字员工形态。”

未来展望：

AI Coding的下一个五年

展望未来，三位专家从不同角度勾勒了AI Coding的发展图景。

关于新岗位，万如意认为，新的工种将沿着“高带宽”方向生长。“执行变便宜，判断就会变贵。”他类比podcast的兴起——深度访谈、马拉松式交流越来越多，因为“人最后要去做高带宽的事情，低带宽的都可以交给AI”。未来可能出现“Spec工程师”“Agent工作流设计师”等新角色——核心是把复杂事情想清楚、沟通清楚、约束清楚。

戴敏预测，设计类岗位将被放大，交付类岗位会更加细分，而其他岗位之间的界限会模糊，“要求一个人更全能”。

关于AI原生组织：刘松给出一个简洁定义——“视Agent为人。能够把Agent当成人来对待，赋予它应有的责任，供给它正确的数据和上下文，它能够像人一样工作。这就是AI原生的组织。”

在研讨会接近尾声时，与会产业界人士围绕普通程序员如何转型、Spec是否会限制大模型发展、AI Coding对深度与广度能力的不同要求等现实问题踊跃提问。三位专家逐一进行了深入解读与互动，讨论气氛热烈。国秀娟最后作总结发言，她表示，作为中国电子信息行业联合会下设的聚焦B端人工智能应用创新及落地的行业组织，智进委下一步将充分发挥智库平台优势，持续围绕产业界关切的热点话题，密集推出系列专题线上研讨会，汇聚实战专家与行业领袖，共同推动人工智能在各行业的深度应用与价值释放，为产业数智化转型贡献智慧与力量！