Transcription
大家好，欢迎回到“差异化理解”的又一期节目。嗯，在接下来的几期节目中，我将邀请更多行业内的创始人、构建者来到节目。所以，基于这一点，今天的嘉宾 [音乐] 来自阿里巴巴的 Coder 团队，产品负责人 Hong Yu，以及 Coder 全球运营负责人 Chris。Hungu 是 Coder 的产品负责人，这是阿里巴巴的 AI 编码平台。此前，他曾在 Meta 担任软件工程师，并创办了一家 AI 初创公司。他既有构建者的直觉，也有产品视角。了解开发者真正需要什么，而不是仅仅在演示中看起来很棒。在 Coder，他正在推动自主编码，以便工程师可以将有意义的 [音乐] 任务委托给 AI 代理。加入我们的还有 Christian，他负责 Coder 的全球营销运营，拥有超过 10 年的战略和上市经验。Christian 帮助科技产品找到产品市场契合点并实现规模化。在 Coder，他正在绘制全球图景并推动公司下一波国际增长。再次感谢 H 和 Christian 今天能和我一起参加节目。所以，今天我们对话的前半部分将重点关注 Coder 的产品设计，以及我们从 Copilot 到 Agentic 的转变，然后我们将进入对话的后半部分，重点关注 Coder 的业务战略，国际扩张目标，以及它如何融入更宏大的阿里巴巴 AI 计划和更宏大的 AI 剧本。那么，话不多说，我想请 H 出场。H，很高兴认识你，非常感谢你今天能来参加节目。让我们从最最基础的开始。用通俗易懂的语言来说，Coder 是什么？它实际上为开发者日常工作做了什么？>> 嘿 Grace，谢谢你邀请我。所以，是的，用一句话来说，Coder 是一个 AI 编码助手，它帮助开发者维护和改进现有的软件系统，而不仅仅是从头开始构建新东西。我认为这个区别实际上非常重要。所以，当我们审视开发者每天实际做的事情时，我们发现 95% 的专业开发者花费时间维护我们称之为“真实软件”的东西。所以，商业上非常有价值的、长期的系统，他们并不是每天都从零开始构建新项目。这就是为什么我们围绕这个现实来设计 Coder。我们正在优化理解现有代码、进行有针对性的改进以及维护生产系统的混乱但重要的工作。>> 这真的很有趣。而且，对我来说，我不是技术人员，我们听到的炒作都是关于这种“酷炫”的编码，甚至还有一些营销术语称之为“AI 编码，通过一个提示构建你的应用程序”，这并不是真正发生的事情，对吧？它实际上是如何真正工作的？>> 是的，正是如此，这正是每个人都在谈论的闪亮用例，比如“构建，构建，构建一个应用程序，从一个提示开始”。但如果你在一个真正的公司工作，维护一个五年的代码库，有 50 万行代码，并且有 20 位不同的开发者在不同时期接触过它。你需要帮助来理解这里到底有什么。所以你需要帮助，你需要帮助进行仔细的修改而不破坏东西。这就是 Coder 发挥价值的地方。所以，就我们如何看待 AI 开发者关系而言，我们看到它经历了三个阶段。第一个是辅助编程。在这个阶段，AI 帮助开发者，而人类则较少参与，比如代码补全、修复语法错误。第二个阶段是协作编程，比如 Copilot，人类和 AI 一起工作，就像结对编程一样。最后一个阶段是自主编程。在这个阶段，AI 独立承担完整的任务，开发者可以委托工作，AI 在后台运行并返回结果，这就是我们的 Coder Request 模式所做的。>> Coder Quest 的真正独特之处在于自主性，对吧？我真的很想稍后深入探讨这一点。现在我很好奇，当你说的用户体验非常直观，即使对于非技术用户来说，是什么设计选择导致了这一点？因为老实说，很多开发者工具都相当令人生畏，尤其是对于像我这样从未写过代码的人来说。但我在街上听到的是，人们甚至不惜以非技术人员的身份，在 AI 的帮助下构建自己的应用程序。他们是如何做到的？>> 是个好问题。我们有一个理念。不要让用户思考他们不应该思考的事情。例如，如果你看一些产品，它们有 40 个不同的 AI 模型在下拉菜单中。老实说，这会产生很大的认知负担。所以开发者最终会成为模型选择者，而不是专注于构建自己的产品。所以我们的理念是集成全球最优模型，并为用户提供最佳结果。所以我们将根据任务自动选择正确的模型。我们相信模型选择会比人工选择更好。同样的情况也适用于上下文管理。用户不应该手动弄清楚要包含哪些文件，要优化多少 token。我们的上下文工程会自动处理这些。所以目标是消除认知开销。让开发者专注于他们想要构建的东西，而不是配置 AI 工具。我有一个非常愚蠢的问题，但从我输入提示“你能帮我构建这个吗？”到机器告诉我哪个模型是优化的，这之间有延迟吗？有延迟吗？它是自动的。>> 没有延迟。是的，一切都是自动的，用户不会感觉到。>> 那太棒了。好的，让我们来谈谈现在的炒作。Copilot 与 Agentic 的过渡。现在在编码领域。>> 许多工具被称为助手，有些被称为 Copilot，你知道，像光标 [清嗓子] 这样的。而 Cursor 基本上一直处于领先地位。那么 Coder 的自主能力真正与众不同之处在哪里？>> 或者独特或不同，我们在这里看到的真正突破是什么？>> 是的，这是一个决定性的问题。Cursor 已经完善了 Copilot 的方法，在你编码时提供实时帮助，他们的点击补全，点击，点击，点击，在他们定制模型训练两年后是行业领先的。但我会说，Coder 的点击补全兼容性正在迅速赶上。我们在最近几个月取得了显著进展，并且正在快速增长。但这就是我们看到真正未来所在的地方，自主编程。你委托一个完整的任务，实现这个功能，修复这个 bug 等等，然后 AI 在后台处理它，你不需要盯着每一行代码的编写。我们回来审查结果。现在，复杂的自主编码和生产规模化仍在发展中。我们认为它还需要两到三年，也许是 2027 年或 2028 年才能真正成熟。但这创造了一个机会窗口。>> 这实际上相当快。那么这实际上意味着什么呢？>> 这意味着通过自主编码，你实际上可以委托你的工作，AI Agentic 可以在云端后台工作。所以你可以关闭你的笔记本电脑，AI 还在工作。去开会，回家，做任何你想做的事情。Coder 还在运行。换句话说，你可以启动 10 个并行会话来处理不同的任务，而不会减慢你自己的机器。正如一位同事所说，他说：“我管理着 10 个代理，我的生产力提高了 10 倍，而且没有影响我的工作生活平衡。”嗯，是的。所以这种云执行模型与 Cursor 最近推出的云代理功能非常相似。这两种方法都允许你将任务交给远程运行的代理。这里的关键优势是，你不会被你的机器束缚。你可以委托工作，然后关闭你的笔记本电脑，然后回来完成结果。然后，当代理完成时，你只需要审查结果。>> 所以这实际上是我的问题，当你谈论审查结果时，在结果中很容易发现问题吗？还是你必须回到过程？你如何审计整个过程？>> 是的，代理会向你展示一个总结，这是我所做的，这是问题的结果，或者这是你可以通过浏览器看到的特性，或者代理会将 PR 提交到你的 GitHub，你的工作流程，你可以轻松地检查它是否完成得好，或者是否需要再次修改。>> 这是否意味着初级开发者在某种程度上会被取代？因为基本上你只需要那些理解代码更高层次的人，而执行可以被外包出去？>> H，好问题。简单的 Agentic 任务今天效果很好。你已经可以委托诸如“为这个函数编写单元测试”或“向这个模块添加日志”之类的任务，并且可以得到一些好的结果。在生产规模上复杂的 Agentic 编码，AI 可以接受高层次的业务需求，然后自主设计、实现、测试并跨多个系统部署一个复杂的特性，这仍然需要两到三年。所以这对软件开发意味着什么呢？这意味着开发者花费时间的方式发生了根本性的转变。嗯。>> 所以现在开发者可能花费 30% 的时间用于创造性问题解决，30% 的时间用于机械工作，比如编写样板代码，修复语法错误，更新文档，编写测试等等。但随着工具的成熟，这种比例会翻转。AI 处理一些机械工作，开发者将能够专注于 AI 尚不能做的事情，比如理解实际需要构建什么，做出需要领域知识的架构决策，以及验证代码是否真的能解决问题。>> 嗯。而且仍然有人的方面是机器无法取代的。让我们变得更实际一些。我想确切地了解 Coder 如何将一个提示或产品规范转化为可工作的代码。今天它最擅长处理哪些类型的任务或代码库？>> Coder 今天最擅长处理我们称之为“有界、定义明确的任务”。例如，为我们的用户登录系统实现身份验证，或者为我们的 API 端点添加限制，或者生成一个监控系统健康指标的仪表板。这些任务的需求可以清楚地指定，范围是有限的，并且成功标准是可衡量的。但今天更难的是那些需要深入领域知识或模糊需求的任务，比如“提高用户参与度”，这太大了，或者“需要整个身份验证系统”，这太大了，太大了，风险太高，不适合自主执行。>> 所以它能做的很多任务仍然是非常容易验证的。它更像是一个黑白分明的任务，而不是有很多细微差别的事情，对吧？>> 我想更好地理解开发者的工作流程，如果我错了，请纠正我，有规划阶段、代码编写阶段、运行测试、调试、版本控制、部署，对吧？Coder 最强劲、最有帮助的地方在哪里？你又会把哪些部分交给其他工具？>> 好问题，让我来分解一下。首先是计划设计阶段，Coder 在这方面很强大，通过规范生成。我们可以帮助开发者将业务需求转化为技术规范。第二个阶段是编写代码。这是我们的核心领域。Coder 可以跨多个文件编写代码，处理复杂的逻辑并生成样板代码。对于运行和测试阶段，Coder 可以生成单元测试、集成测试，并在本地或云沙箱中运行它们。这是内置功能。对于调试阶段，Coder 可以诊断测试结果中的错误并自主修复它们。但对于带有实时用户数据的生产调试，你仍然需要传统工具来处理。是的。至于版本控制或协作，我们与 Git、GitHub 和 GitLab 集成。所以 Coder 可以创建分支，提交更改，并创建拉取请求。但实际的代码审查和协作讨论发生在你的现有工具中，GitHub、GitLab，无论你使用什么。>> 我明白了，但是>> 是的，在最后阶段，部署阶段，我们在这里交接。部署涉及你的 CI/CD 管道，基础设施监控系统。Coder 创建代码和测试，但你拥有你的部署流程。我明白了。我有点想退一步，理解另一个人们现在普遍关心的大问题，那就是，如果我们真的实现了 Agentic 工具，在工作流程中，我们如何理解开发者的生产力？未来的开发者生产力还会像现在这样衡量吗？>> 是的，我认为这里的根本性转变是这样的。AI 改变了开发者花费时间的事情，而不仅仅是他们工作速度的快慢。所以再说一遍，现在开发者可能花费 30% 的时间在机械工作上，比如编写样板代码，调试语法错误，搜索文档，设置环境，只有 30% 的时间用于创造性的高价值工作，比如理解需要构建什么，做出架构决策，以及验证解决方案是否真的解决了问题。但有了 AI，嗯，但有了 AI，Agentic AI 会翻转这个比例。AI 处理机械工作。开发者专注于需要人类判断的部分。所以当我们衡量生产力时，我们不计算代码行数或已关闭的工单。我们关注的是开发者能否花更多时间在高价值工作上。他们能否在不筋疲力尽的情况下更快地交付功能？我们看到的情况很有希望，我们付费用户中 99% 的人积极使用 Agent 模型。近 99% 的付费用户积极使用 Agent 模式。它已成为他们工作流程的核心。80% 的续订率告诉我们，人们看到了真正的价值。企业报告部署频率提高了两到三倍。所以真正的指标很简单。开发者告诉我们，他们沮丧感减轻了。他们不再卡在调试环境或编写重复代码上。他们正在解决有趣的问题，而这才是重要的生产力提升。>> 我明白了，我明白了。这真的很有趣，因为我认为作为一个作家，当人们最初拒绝 AI 时，想法也是 AI 会犯很多错误，AI 垃圾，幻觉等等。但后来人们开始意识到，你实际上可以将其用作生产力工具，而且，正如你所说，它不会改变你作为一个作家构建框架、运用批判性思维以及仍然依赖自己创造力的方式，但你知道你外包的只是执行，坦率地说，那是很多繁重的工作。>> 是的。是的，正是如此。>> 有趣。>> 是的。你解放了双手，然后你，是的。是的，你解放了双手，然后专注于你的头脑。>> 好的。所以我想问另一个关于生产力和瓶颈的问题。那么，这个领域目前对开发者来说，最大的瓶颈或几个瓶颈是什么？我想我们可以分别回答这个问题。第一部分是专业开发者的瓶颈，第二部分是新时代的休闲开发者的瓶颈，以及你们如何以不同的方式帮助他们？>> 嗯，让我来谈谈主要的几个。通常的瓶颈，第一个大瓶颈是关于环境设置。这是一个巨大的时间消耗，Coder 可以帮助你自动设置环境，无论你是在本地运行还是在云端运行。预配置环境，自动依赖解析。所以你不需要花两个小时调试你的 Python 版本配置，或者只是尝试构建你的开发环境。然后对于标志性的测试，Coder 也可以通过多次运行它们来检测标志性的测试，并识别不一致性。所以它也可以根据失败模式和测试结果提出修复建议。然后是另一个瓶颈，那就是遗留代码。这就是 Ripple Wiki 发挥作用的地方。还记得我说过文档总是过时的吗？Ripple Wiki 使用，所以 Ripple Wiki 在这里发挥作用。Ripple Wiki 的功能可以使用 AI 从代码本身、Git 历史记录中生成最新的文档。它不仅仅是“这个函数做什么”的文档，而是“这是业务逻辑，为什么这样架构，以及发生了什么变化，为什么文档”。所以文档本身在代码变化时保持新鲜，文档会自动重新生成。我们测量了大约五倍的速度提升。从 60 分钟下降到 12 分钟，用于团队文档。最后但同样重要的瓶颈是上下文限制。这是一个技术挑战。模型有 token 限制。所以我们的上下文工程会找出与任务相关的实际内容。所以我们不会仅仅倾倒整个代码库，这会超出你的 token 限制。我们智能地选择任务需要什么，AI 需要什么，我们从选择的上下文中获得更好的解决方案。>> 这真的很有趣。所以我想谈谈模型和编排。Coder 是一个多模型平台，对吧？你们使用自己的内部模型 Quinn，但也使用其他模型，就像你之前提到的，你们为正确的任务使用最先进的模型，对吧？你们如何路由模型，考虑延迟、成本、评估、语言？当你们将这些模型分配给任务时，你们通常对 Quinn 或第三方模型有偏好吗？>> 好的，我们正在做的是集成全球最优模型。>> 所以我们正在做的是集成全球最优模型，并为用户提供最佳结果。我们不局限于阿里巴巴的模型。所以如果一个前沿模型在特定任务上更好，我们就使用它。所以，如果 GBD 在某个地方表现出色，我们就使用 GBD。如果 Quinn 是合适的，我们就使用 Quinn。那么为什么这很重要呢？首先，Quinn 模型还不是世界上最好的模型，但它正在快速改进。所以通过使用当今最好的全球模型，我们可以很好地服务用户，同时，我们可以很好地服务用户，而我们的模型可以赶上。如果 Quinn 在一年内成为全球最好的模型，这是我们的目标，那么自然我们会更多地使用它。其次，>> 但实际上我想插一句，实际上 Cursor 甚至在使用 Quinn，这不是很令人着迷吗？我们最近才发现。是的。所以 Cursor Composer 是，他们没有正式承认，但社区认为它是基于 Quinn 或一些中国开源模型进行微调和预训练的。是的。所以第一个是时间，第二个是成本优化而不牺牲质量是我们的第二个目标。所以并非所有任务都需要最昂贵的前沿模型。所以简单的补全使用更小、更快的模型，但对于复杂的推理，我们使用前沿模型。最后但同样重要的是可靠性。你不想让你的整个产品停止工作，因为一个 API 提供商出现了故障。我们在 2023 年看到了 OpenAI 多天的停机。我们希望对客户保持可靠性。是的，这就是为什么我们使用多模型策略。是的。>> 我明白了，我明白了。我实际上正要问你这个问题。所以设计产品时采用多模型设计而不是仅使用专有的 Quinn 的想法是什么？但我想你已经部分回答了。>> 嗯。>> 我还想深入了解一下，阿里巴巴目前正在向基础设施投入 530 亿美元，对吧？难道没有来自高层的压力，要求你们真正专注于 Quinn，或者说，这个问题更多的是 Coder 真的基于对用户最好而开发，并使用任何对他们最好的模型，还是更侧重于成为生态系统的一部分，阿里巴巴提供的工具集中的另一个工具？这有意义吗？>> 是的，好问题。这归结为今天最好地服务用户，同时朝着未来发展。看看，Quinn 模型成本是我们前沿模型 API 成本的十分之一。这是 80% 的成本降低，这是结构性优势。但 Quinn 在复杂的推理任务上不如顶尖的前沿模型。这就是为什么我们使用多模型设置来平衡成本、可行性和可靠性。但关键在于，这不是一个永久的状态。随着 Quinn 的改进，随着其编码能力的提高，平衡将会转移。所以我们并不在哲学上反对垂直整合，我们实际上是务实地选择今天最能服务于用户的，同时朝着我们明天的所有权迈进。对于中国的企业客户来说，合规性实际上需要国内模型。但对于国际客户，他们通常信任知名的前沿模型或 GPT 模型。所以多模型得分让我们能够同时服务这两者。我认为这是一个非常有趣的商业战略，因为归根结底，正如你所说，这是为用户提供最佳服务的务实方法，而为用户提供最佳服务，你就能获得更多业务。这正是良性循环的工作方式，对吧？而不是建立这些护栏和壁垒。我想很快转向战略，但在那之前，我真的想问你几个更广泛的通用问题。一个是你在这个领域工作了很长时间。关于 Agentic 工具有很多炒作，不仅仅是编码中的 Agentic 工具，对吧？你如何看待未来 12 到 18 个月的 Agentic AI？你认为它将如何影响大众对 AI 的看法和使用 AI？>> 我认为代理将吞噬整个市场，人们将在日常工作流程中使用越来越多的代理。所以，所以，当你试图使用聊天机器人时，你需要复制粘贴大量数据，你的联系人，你自己的数据，你的领域知识，然后生成一些特定的任务结果。但通过使用 Agentic AI，你不需要这样做。Agentic AI 将融入你的工作流程，它了解并包含你的领域知识，并且它天生就知道你的上下文。这意味着 Agentic AI 知道你正在做什么，你做了什么，你正在做什么，以及你想要什么。这实际上是大型语言模型和 Agentic AI 之间的一个巨大区别。我明白了。>> 所以我认为，是的。>> 我认为这引出了下一个问题，那就是，对于那些定制工具或代理的团队来说，就像你刚才说的，他们会有领域知识，他们会非常了解你的工作流程。它实际上是如何工作的？在这种情况下，Coder 的插件 API 是怎样的？>> 是的，这是关于领域知识和可访问性的问题。让我来分解一下领域知识和可访问性是如何工作的。首先，我们支持 MCP 协议，我们支持模型上下文协议，它正成为将 AI 代理连接到外部工具和数据源的行业标准。这意味着 Coder 可以通过标准化的接口与生态系统中的数千种工具集成，数据库、API、版本控制和项目管理。然后，我们也支持子代理和技能。所以团队可以创建自己的专业子代理。将这看作是特定任务的 AI 工作者，拥有自己的上下文和能力。所以你想创建一个代码审查子代理，将其变成你的团队标准，你可以定义它。你需要一个安全扫描子代理来满足你的合规性要求，自己构建它。这些是版本控制的，并且可以在整个团队中共享，也可以并行运行。至于领域知识，你可以将自己的文档、设计系统指南和编码标准直接注入 Coder 的上下文。当 Coder 生成代码时，它会自动遵循你的规则。现在，这是关键部分，你如何实际使用这一切。你可以将 Coder 想象成支付领域的 Stripe，或者通信领域的 Twilio。你只需将其嵌入到你现有的开发工作流程中。你不需要替换你的 IDE。你将 Coder 集成到 VS Code、JetBrains、终端、CI/CD 管道中，无论你在哪里工作。实际上有一个先例。阿里巴巴的模型工作室平台已经支持了超过 80 万个不同领域的客户代理，我们也正试图将同样的易用性带到编码工作流程中。这真的非常有趣。非常感谢你的分享。我很抱歉，如果我说的有些部分听起来不那么聪明，因为它太技术性了，但我非常感谢你为我分解并用非常简单的语言向我解释。我最后一个问题是，我总是问我的所有嘉宾。>> 嗯。>> 你有什么独特的观点？这不一定与工作有关。它可以是关于你的领域，关于 Agentic 编码，也可以是关于世界上任何其他事情。它可以是你作为硅谷与中国经验的对比。只是一个独特的观点，你认为不是主流，或者可能有点违背共识。>> 我们谈论了一些与 Agentic 编码相关的事情。实际上，我认为基于 Transformer 的大型语言模型在未来不会是这样，因为我实际上确实同意这一点，它只是一个文本压缩器，它们并不真正理解它们在说什么。但我认为随着技术的发展，随着技术的发展，有一天我们将拥有真正的人工通用智能，但它不是基于 Transformer 的。>> AGI 是什么意思？>> AGI 意味着 AI 可以真正理解它在说什么，它在做什么，并且真正拥有情感，完全像人类一样，在情感和智力上 functioning。>> 是的，像人类。是的。是的。是的。从这个角度来看，它们有情感。它们有情感。它们有逻辑。它们理解这个三维世界，并且有逻辑，知道我为什么这样做，我接下来要做什么。这是否令人恐惧？因为在很多方面，它们会比我们更强大，对吧？它们可以讲地球上的每一种语言。作为个体，它们会比我们知道更多的知识。>> 但我们能做到吗？如果它们有充电器，它们现在可以自己充电，这些人形机器人呢？>> 哦，你的意思是它们自己充电？>> 是的，比如你是否担心 AGI 的成就失控？>> 说实话，我既有点兴奋，也有点害怕。是的，我认为特别是对于下一代。比如这对他们意味着什么？好了，Christian，非常感谢你的加入。我刚才和一位同事 Yuang 聊过。他非常有帮助地向我解释了 Coder 的技术细节和产品设计。我现在更感兴趣的是 Coder 的战略愿景方面。 [音乐] 我很高兴你能加入我们。那么，我们从头开始吧。为什么要在阿里巴巴内部构建 Coder？背后的想法是什么？考虑到你有一个刚刚投入 530 亿美元建设基础设施的人在支持你，这给了你哪些独特的优势？>> 在分发、基础设施、数据、模型访问方面？>> 这在很多方面如何真正使你受益？>> 是的，好的。谢谢。谢谢 Grace。谢谢你邀请我来这里。是的，你知道阿里巴巴对 AI 及其在未来 AI 行业中的地位有着非常宏伟的计划和雄心。你知道，阿里巴巴有一个我们称之为全栈的策略，从云到模型再到应用。这就是全栈策略。而对于 Coder，你知道，我们不是凭空构建 Coder。是的，我们无法形成真正的背景，因为你可以发现，我们有成千上万的工程师在阿里巴巴内部，他们面临着非常真实的软件问题，在真实的软件开发中，他们面临着许多如何解决这些问题的难题。但对于现有的 AI 编码工具，它们可能是被动的，无法解决一些复杂的、精密的开发过程。所以他们试图参考一个新的代码助手，我们从内部构建 Coder，我们有如此多的内部需求，来自内部工程师。也正如你所知，作为阿里巴巴的一部分，这给了我很多优势，因为首先，我们拥有模型，你知道，我们很早就通过 Quinn，那是大型模型，我们不仅仅使用 Quinn，我们还对其进行改造，并用我们真实的编码代码库数据来喂养它。所以我们重新改造了 Quinn，并与 Quinn 团队协调，以提高 Quinn 模式的性能。其次，我们拥有云，我是说阿里巴巴战略的底层。那就是云代码，你知道，每一个数字工具，甚至每一个 AI 编码工具都应该基于，应该建立在消耗非常大计算能力的大型基础设施之上。所以云也是 AI 编码平台的一个非常重要的因素。第三，我认为最后但并非最不重要的一点是，我们还拥有阿里巴巴的优势，它拥有如此多的企业客户和如此多的业务，你知道，我们有如此多的业务线，从消费者到企业，从 SMB 到大型企业，从消费者到行业，所以我们拥有如此多的真实数据，供我们发展 AI 领域，以升级我们的编码平台。所以，回到 Coder 的起源。我们不仅仅是创造另一个 AI 编码平台，仅仅是为了工具。我们想将 Coder 打造成一个真正的软件的 Agentic 平台。我们想为真正的软件构建 Coder，而不仅仅是为了好玩，不仅仅是为了制作，而是为了真正的软件。>> 谢谢。这对大家理解非常有帮助，我认为称 Quinn 为模型是最谦虚的说法，因为你们拥有世界上最好的领先的开源、开放权重模型之一。好的。那么现在，你知道，我们听到了很多关于人们在全球范围内采用 Quinn 的新闻，它不仅在中国使用。>> 是的。>> 谁在使用 Coder 呢？他们主要是中国开发者吗？还是你们正在全球扩张？这是第一部分，谁在使用？另一部分是，他们主要是专业人士，还是学生，还是企业？我们如何理解人口统计数据？>> 是的，好问题。我们从第一天起就为全球开发者构建 Coder。是的，所以这不仅仅是中国开发者，还有全球开发者。现在，我们的用户主要来自我们称之为个人开发者，而不是企业用户，因为，因为，我们有企业版本。我们刚刚开始，我们想先从个人用户开始，而且，从地理位置上看，从中国到海外市场。所以我们可能会发现不同地区的用户在偏好上存在一些差异。是的，在中国，他们更倾向于更全面的编码系统，与现有客户的现有系统完全集成。而在西方国家，或者在美国，或者在马来西亚，他们更喜欢更灵活的工作方式。所以他们对不同的编码语言有不同的偏好。现在我们正在努力解决真实的软件开发问题。大多数用户来自专业用户，因为他们在真实的软件开发过程中有真正的问题需要解决，因为他们在工作，他们想提高生产力水平，解决更多问题。所以主要用户来自专业用户。但我们也发现个人用户和一些新学习者的采用率不断提高，也许一些产品设计师，也许一些 UI/UX 设计员，他们想利用 AI 编码工具来提高他们的生产力。所以这是我们相信的趋势。Buddy 是为了解决真实的软件开发问题而创建的。我们也发现我们的 Agentic 模型和 Quest 模型可以让更多用户，就像新学习者和新用户，个人用户使用我们的软件来创造新的、更强大的东西。是的。所以，我的理解是，Coder 本身是为了帮助专业开发者而诞生的，但 Coder Quest 模式可以帮助那些技术背景较少的人也能玩转它，并可能仍然构建自己的东西，对吧？>> 是的，是的，Quest 模型可能是解锁更广泛编码空间的钥匙。>> 什么是编码？>> 编码是非专业人士使用代码工具来创造新东西。我认为 Quest 模型可能是解锁更多编码的新方式。但是，我们的 Quest 模型与其他竞争对手或其他编码平台现有的 Agentic 模型不同。因为我们的 Quest 模型也是 Agentic 的，但我们也委托了，你可以控制工作流程和自定义模型的结果。所以这是为了真实的软件。是的。所以 Coder 的 Quest 模型也是为了真实的软件。>> 我明白了。>> 是的。你明白我的意思吗？是的。>> 我有一个问题想问你。我之前也问过你。但基本上我的问题是，你知道现在有很多工具，比如 Copilot、Cursor、Co-hisper、Warp，你知道，有很多工具。我该如何理解 Coder 的定位？你还没有从技术角度解释它在 Copilot 和 Agentic 之间的定位。你能从商业定位的角度解释一下 Coder 的定位吗？>> 好的，我们有一个 Coder 的口号，我们称之为“Agentic 平台，为真实软件而生的 Agentic 编码平台”。是的。>> 所以我们有两个关键词：Agentic 和真实软件。是的。我刚刚解释了什么是软件。我可以更多地理解真实软件，因为你知道，很多开发者，无论他们是专业开发者还是非专业开发者，他们在开发过程中都发现了一些关键的东西，因为他们需要了解现有的代码库，需要理解现有的代码意味着什么，现有的文档意味着什么。对于代码。所以他们需要理解如此多的文档，如此多的文件来理解编码过程将如何进行。所以我们创建了 Ripple Wiki 和非内存上下文功能来理解代码，理解文档，理解开发者的行为。所以对于新进入者，新开发者，他们知道如何完成真实的软件。这就是真实软件开发中的问题。所以这似乎与我们所说的编码不同。这是为了真实的软件。而对于 Agentic，对于大多数编码平台，你提示，然后代理做出反应。但对于 Coder，你委托代码交付，所以代码可以交付结果，代码可以交付真实的软件和真实的结果和真实的应用程序，为你委托的任务。这就是与现有，我指的是，也许是一些最有竞争力的 Agentic 平台的不同之处。我们不想仅仅做出回应，因为委托可以让你从工作中解放出来。我是说，对于大多数代理，你还需要与代理交谈。你需要提前与代理沟通。你需要与代理沟通，而你坐在桌子旁。委托可以让你解放出来。你不需要与代理沟通。你不需要逐行地与坏词互动。你只需要精确地标记，也许检查工作流程，这样代码就可以交付结果。这就是我们与其他竞争对手的区别。>> 我明白了，我明白了。实际上，让我们退一步。我注意到，当我做一些关于你们的研究时，你知道，不仅仅是阿里巴巴在创建这些编码工具，你知道，即使在中国，我们也有字节跳动在创建类似的东西，当然微软也有 Copilot。然后我们看到了初创公司和前沿实验室都在涌入编码工具。为什么会这样？为什么现在要专注于编码作为下一个用例？>> 是的，实际上编码，正如我们刚才谈到的，编码可能对每个工程师都可接受，也许不是工程师，也许你只是一个数字学习者，也许只是一个 AI。所以编码是最确定的消耗工具的方式，是基础设施消耗的工具，也许编码是其中最确定的方式。我认为对于不同的参与者，他们都在玩不同的游戏。对于巨头，就像你提到的字节跳动，微软，AWS，他们拥有非常大的云基础设施，他们只是将新的应用程序集成到基础设施中。对于一些其他的前沿实验室，我认为他们正在寻找新的路径来接触消费者，也许是路径到开发者，也许是应用层面。对于 Cursor，他们只是一个新开始，他们部署了逻辑模型，并使其对新开发者可接受。你知道，Cursor 对于新的初创公司来说有其弱点，也许他们有成本结构的弱点，我的意思是，他们是用户协议的使用者，他们无法主导像语言模型这样的东西，也许他们会面临与大型语言模型所有者脱钩的风险。我认为这是他们的成本风险。而对于 Coder，你知道，正如我刚才提到的，Coder 出生于阿里巴巴，阿里巴巴拥有全栈，从云基础设施到模型再到应用。我认为这是巨大的优势。你知道，正如你刚才提到的，Quinn 在世界各地非常受欢迎。也许一些，你知道，我刚刚看到新闻，Airbnb。>> 是的，Brian Chesky 的。>> 是的，是的，采用了 Quinn 开源模型来重塑他们自己的基础设施。所以，[清嗓子] 非常受欢迎。而对于 Cursor，是的，有趣的是，Cursor 自己刚刚推出了一个新的 Composer 模型，我们称之为小型编码模型。但我们猜测，这个小型模型来自 Quinn，或者两者都来自中国。所以我们将发现，模型与客户端结构的完全集成和连接是否会对 Coder 的未来有利。>> 实际上，关于 Coder 在阿里巴巴中的定位，我们能否放大一下？你能帮助我们理解宏观图景吗？Coder 在阿里巴巴的整体 AI 战略中扮演什么角色？>> 是的，我认为阿里巴巴的 AI 战略是一个非常宏大的图景，也是一个非常长远的路线图，我们称之为超级人工智能，我们称之为超级 AI。这是路线图。所以，从地图上看，当我们看地图时，我认为是从底部到顶层，我刚才提到的是云基础设施。中间层，我是说 Quinn，也许还有其他大型模型在中间层。而 Coder，我认为它位于应用层，与一些其他应用并列，你知道，钉钉，千牛，或者其他应用层面的应用。我认为这就是我们所说的阿里巴巴的全栈战略，在不久的将来。>> 我明白你领导 Coder 的国际运营和营销，对吧？这是一个相当大的头衔。你的 GGM 重点是什么？你基本上是在向哪些市场销售你的产品？通过哪些渠道？这进行得怎么样？>> 是的，所以，我认为这是一项艰巨的任务，你知道。我知道，因为我们很新，我们只是一个婴儿，我们刚刚推出了我们的产品大约两个月，也许比三个月长一点。是的，我们只是市场上的新人。但雄心在这里，我们希望成为全球开发者的顶级全球编码平台。所以对我来说，我认为我们的上市战略是走向全球，我认为我们需要更多的合作伙伴关系，我们需要更多的与当地社区的整合。所以，所以，所以对我来说，这就是为什么我流向不同的地区，与当地社区的开发者见面，也许是当地社区的领导者，我们想谈谈他们偏好的实践，他们在他们的环境中，在企业内部，以及个人开发环境中，他们偏好的产品是什么。而且，我们也瞄准全球产品，我们不打算将中国与全球市场分开。我们不会提供两个不同的产品。我们只提供一个产品，一个平台，一个用户界面，供全球所有用户使用。所以这是我们面临的挑战，我们相信我们能做到，因为我们想，因为我们正在尝试，你知道，直接与来自世界不同角落的开发者互动或直接交谈。是的，这绝对与中国公司过去在海外销售产品的方式非常不同，对吧？因为过去总是有一个应用程序位置或一个国内界面，一个面向世界的界面。所以，实际上，我想我的最后一个问题是，你如何应对当前的局势？显然，考虑到当前的地缘政治、竞争以及一切因素，这并不容易。你如何应对中国与全球市场在采用、合规、数据、居民要求，甚至开发者文化方面的差异？因为我知道你刚才在新加坡，就像你提到的，你经常飞行。你遇到了来自世界各地的人。你是如何做到这一切的？>> 非常不同。我认为非常不同。你知道，中国开发者和东南亚开发者之间存在巨大差异。我刚飞到新加坡，与一些当地开发者会面。差异来自不同的角度，用户界面，语言，也许是软件的其他功能。所以差异非常巨大，在地理和人口统计学上。是的。所以所有差异都非常非常巨大。我们也发现一些，因为我们计划在不久的将来提供企业版。所以我们也研究了不同市场的企业级用户。所以我们发现截然不同的故事，因为你知道，在中国，企业开发者，也许在小公司，也许在大公司，他们更愿意公司购买软件，他们更愿意使用现有的软件，他们选择使用可以很好地嵌入到现有 OA 系统或现有软件生态系统中的软件。所以他们偏爱现有的，他们偏爱集成。但在其他国家，也许在其他市场，他们更喜欢灵活的、更具运动性的应用程序。他们不关心集成，他们不关心复杂的集成，也许是复杂的，由管理员控制的工作流程，或者由公司老板控制。所以这是不同的文化。所以你可以发现，个人用户购买我们的软件，购买我们的产品在其他国家，我是说中国以外，是非常普遍的。是的。所以，>> 是的，我本以为集成部分是每个人都想要的，因为它让你的工作流程更加无缝，对吧？而这基本上是所有微软工具的卖点，对吧？在软件时代。>> 有趣。是的。但是，但是，这并不意味着我们不需要进行集成，你知道，与你刚才提到的微软，我是说 OA，或者一些 Workday，一些其他软件平台。是的，我们也想探索更多的连接。>> 软件。>> 非常感谢 Christian，非常感谢你的时间。谢谢。>> 谢谢。非常感谢。如果你喜欢这次对话，并觉得它很有启发性，请在 Spotify、YouTube 或任何你收听播客的地方关注并订阅“差异化理解”。我是 Grace Shia，非常感谢你的收听，如果你能将一集分享给朋友，我将不胜感激。