人人都能編程的時代來了嗎？專家深度解讀“AI 編程”_英偉達(dá)|ai|ARM|it芯片|人工智能

文章圖片

文章圖片

文章圖片

這是《麻省理工科技評論》2026 年“十大突破性技術(shù)”深度解讀系列的第七篇內(nèi)容，關(guān)注 DeepTech ，關(guān)注新興科技趨勢。

2026 年開年以來，生成式編程領(lǐng)域新聞動態(tài)不斷，預(yù)示著編程范式變革的發(fā)生。初創(chuàng)企業(yè) Replit 正在洽談一筆 4 億美元的融資，估值有望達(dá)到驚人的 90 億美元，其新推出的移動端 Vibe-coding 功能允許用戶通過自然語言在手機(jī)上構(gòu)建 APP ，極大降低了編程門檻，即使非計算機(jī)專業(yè)的文科生也有可能打造出一款應(yīng)用。

與此同時，社交媒體上熱傳澳洲“牧羊大叔”僅用五行代碼搭建應(yīng)用的傳聞，雖然該大叔實為資深開發(fā)者，但也側(cè)面反應(yīng)出 AI 讓編程從邏輯驅(qū)動轉(zhuǎn)向意圖驅(qū)動的趨勢，文字即代碼正在成為現(xiàn)實。

另一 AI 巨頭 Anthropic 也在其 Claude Code 模型上取得重大突破，新版本不僅能編寫代碼，還能自主完成復(fù)雜的邏輯設(shè)計和 Bug 修復(fù) ，大幅提高了開發(fā)效率，成為開發(fā)者適應(yīng) AI 時代的關(guān)鍵工具。

2025 年， OpenAI 創(chuàng)始成員安德烈·卡帕西（Andrej Karpathy）曾在一則 X 帖文中，介紹了他使用生成式編程的感受：“這是一種新的編程方式，我稱之為氛圍編程（vibe coding），你完全沉浸在其中，擁抱指數(shù)增長，甚至忘記代碼的存在...... 這并不是真正的編程，我只是看到東西，說出來東西，運行東西，復(fù)制粘貼東西，而且大部分都湊效。 ”

圖 | 安德烈·卡帕西（Andrej Karpathy）發(fā)表的相關(guān)貼文（來源：X）

生成式編程不止讓卡帕西這樣的大牛感到驚嘆，它也正在切實改變普通人的生活。 2025 年，葉劍鋒，一名課余運營小紅書賬號的文科大學(xué)生，注意到平臺上涌現(xiàn)出大量情感測試類內(nèi)容。盡管自己沒有任何編程經(jīng)驗，他開始嘗試用生成式編程做了一個情感測評小程序。該小程序在小紅書上線后，很快閱讀量突破 100 萬，并在兩周內(nèi)變現(xiàn) 12000 元。后來，他通過生成式編程開發(fā)了更多類似的輕量級應(yīng)用 [1
。

更令人意想不到的例子還有多鄰國 App ，一個被媒體報道為“用戶即使在結(jié)婚當(dāng)天也不忘打卡”的語言學(xué)習(xí) App ，早已開始擁抱生成式編程 [2
。

2023 年，多鄰國高級工程經(jīng)理喬納森·伯克特（Jonathan Burket）帶領(lǐng)團(tuán)隊全面引入了 GitHub Copilot 。最初，老程序員們持懷疑態(tài)度，認(rèn)為 AI 生成的代碼可能存在漏洞。但是，伯克特決定用數(shù)據(jù)說話，并開展了一場內(nèi)部對照試驗。

在一次針對移動端新功能開發(fā)的任務(wù)中，伯克特發(fā)現(xiàn)了一個驚人變化：對于熟悉代碼庫的工程師同事來說，他們的開發(fā)速度提升了大約 10%；而對于初次接觸新模塊的工程師同事來說，速度提升竟然達(dá)到了 25% 。原本需要手動編寫數(shù)小時的基礎(chǔ)邏輯，現(xiàn)在只需寫下注釋， AI 就會瞬間補全代碼。

2024 年的數(shù)據(jù)顯示，多鄰國的代碼合并請求數(shù)量增長了 70% ，這意味著使用同樣的人力，生成式編程讓產(chǎn)出的功能多出了一倍。可以說，生成式編程正在以前所未有的速度從實驗性技術(shù) ，轉(zhuǎn)變?yōu)檐浖_發(fā)的新常態(tài) 。

生成式編程的前世今生：從語法規(guī)則到開發(fā)范式改變

生成式編程的概念可追溯到 2009 年甚至更早，它在當(dāng)時被稱為是一種新型的程序設(shè)計范式，其核心思想是讓機(jī)器自動生成代碼。

在早期的生成式編程探索中，人們大多依賴于預(yù)定義的模板和規(guī)則，由工程師先來編寫高層規(guī)范，系統(tǒng)再根據(jù)這些規(guī)范生成具體的代碼實現(xiàn) 。

可視化編程工具是這一思想的重要體現(xiàn) ，比如多年前由美國國家儀器公司開發(fā)的基于圖形化編程語言的軟件 LabVIEW 和美國麻省理工學(xué)院研發(fā)的面向青少年的圖形化編程工具 Scratch ，這些工具是將代碼邏輯封裝為可視化組件，通過使用圖形化模塊代替文本代碼，降低了編程的入門門檻。

低代碼平臺和無代碼平臺的興起則進(jìn)一步推動了這一進(jìn)程， Microsoft Excel、WordPress、Zapier 等工具允許非技術(shù)人員也能通過可視化界面開發(fā)應(yīng)用程序。不過，這類平臺的作用范圍有限，大多用于特定領(lǐng)域。

2021 年， GitHub 與 OpenAI 合作推出的 GitHub Copilot 標(biāo)志著生成式編程進(jìn)入新階段。該工具基于 OpenAI Codex 模型，能夠根據(jù)代碼上下文實時地預(yù)測并補全代碼。

它不再是基于固定規(guī)則來生成代碼，而是通過學(xué)習(xí)海量開源代碼庫，能夠理解編程語言的結(jié)構(gòu)與邏輯。使用時，工程師只需輸入部分代碼或部分注釋， Copilot 就能預(yù)測下一行或整個代碼塊。

Copilot 的出現(xiàn)改變了開發(fā)者的編程體驗，讓人們可以將重復(fù)性編程任務(wù)交給 AI 完成，從而讓開發(fā)者能夠更加專注于核心邏輯設(shè)計。在 2025 年，微軟內(nèi)部甚至已有 20%-30% 的代碼由 Copilot 生成 [3
。

2023 年，隨著 ChatGPT 等大模型的廣泛使用，生成式編程的能力實現(xiàn)了質(zhì)的飛躍。開發(fā)者不再局限于行級補全，而是可以通過自然語言來描述完整功能模塊，讓 AI 能夠生成相應(yīng)的代碼。

這種變革將編程從人類學(xué)習(xí)機(jī)器語言轉(zhuǎn)變?yōu)闄C(jī)器適應(yīng)人類語言，開發(fā)者可以使用自然語言描述想要的功能， AI 可以將其轉(zhuǎn)化為有效的代碼實現(xiàn) 。

開發(fā)者也正在從繁瑣的樣板代碼中解脫，回歸到架構(gòu)設(shè)計的核心。前面提到的多鄰國等企業(yè) ，也正在從中獲得實際效益。

進(jìn)入 2025 年，生成式編程迎來又一里程碑，生成式編程智能體成為技術(shù)焦點。 AI 的角色正從一個輔助性的幫手，進(jìn)化為一個能夠獨立思考和獨立行動的伙伴。

自從卡帕西發(fā)表關(guān)于氛圍編程的觀點之后，這一概念開始成為業(yè)界關(guān)注的新興開發(fā)范式。這一概念描述了一種通過自然語言與 AI 進(jìn)行高層次交互的編程方式。在氛圍編程中，開發(fā)者關(guān)注高層邏輯與直覺，而非逐行地編寫代碼。這種開發(fā)范式將重點從逐行語法轉(zhuǎn)移到使用自然語音與 AI 進(jìn)行交互。

傳統(tǒng)編程中，開發(fā)者需要掌握特定語言的語法、結(jié)構(gòu)和應(yīng)用接口（API ， Application Programming Interface）；而在氛圍編程中，開發(fā)者只需要通過自然語言描述意圖， AI 系統(tǒng)便會解釋這些描述并轉(zhuǎn)化為功能代碼。

這種變革本質(zhì)上是將編程從如何做轉(zhuǎn)向做什么，即從一種專業(yè)技能轉(zhuǎn)變?yōu)橐环N普適能力。開發(fā)者的角色也從代碼編寫轉(zhuǎn)變?yōu)槿蝿?wù)定義者、過程監(jiān)督者和成果審查者。

那么，領(lǐng)域內(nèi)的從業(yè)者們對于生成式編程有著怎樣的觀察？DeepTech 訪談了三位從業(yè)者，以下是他們的洞見。

以下評論內(nèi)容均為個人見解，不代表《麻省理工科技評論》觀點

用編程解決實際問題將變得尤為重要

黃超告訴 DeepTech ，生成式編程帶來的深刻轉(zhuǎn)變在于未來人們所看重的將不再是單純的編程能力，比如對特定語法或語言細(xì)節(jié)的掌握有多深，而是如何運用編程這一工具來解決實際問題的能力。

對于中小學(xué)生而言，這意味著鍛煉方式的改變。當(dāng)一個具體的需求或難題出現(xiàn)時，他們可以更多地借助自然語言來生成程序邏輯，最終目標(biāo)是要解決問題本身。這預(yù)示著未來學(xué)習(xí)編程的范式將發(fā)生轉(zhuǎn)變，學(xué)習(xí)者無需再耗費巨大精力去從頭到尾、事無巨細(xì)地掌握每一種編程語言的所有語法和句法規(guī)則。

如果要求一個完全沒有編程知識背景的人直接進(jìn)行 AI 輔助編程，目前確實存在挑戰(zhàn) 。但對于中小學(xué)生或非專業(yè)人士來說，主要的轉(zhuǎn)變在于他們不再需要死記硬背每一門編程語言的全部語法細(xì)節(jié) 。更理想的方式是，他們可以先構(gòu)建起問題的整體框架和解決邏輯，然后借助 AI 來填充具體的實現(xiàn)細(xì)節(jié) 。

在這個過程中，他們?nèi)匀恍枰莆找欢ǖ木幊袒A(chǔ)知識，至少要理解代碼的整體運作原理。因此，未來的趨勢可能是引導(dǎo)學(xué)習(xí)者更多地關(guān)注邏輯構(gòu)建，而非底層實現(xiàn) 。這種降低技術(shù)門檻、讓更低齡學(xué)習(xí)者接觸編程的能力。

對于當(dāng)下開始學(xué)習(xí)編程的學(xué)習(xí)者而言，黃超認(rèn)為關(guān)鍵是需要轉(zhuǎn)變學(xué)習(xí)的核心觀念。過去，學(xué)習(xí)編程往往意味著要系統(tǒng)性地、從頭到尾掌握一門語言的所有知識。但在 AI 時代，應(yīng)該更加專注于理解編程的思想和代碼背后的整體邏輯，而不是去死記硬背具體的語言語法或某個細(xì)枝末節(jié)的算法實現(xiàn) ，因為這些工作完全可以交由 AI 高效完成。

因此，黃超的建議是：在學(xué)習(xí)代碼時，要把重點放在掌握程序的運行邏輯和編程流程這些更高層次的思維模式上。這才是面向未來的、更具價值的學(xué)習(xí)方向。

此外，生成式編程也會對初級程序員的就業(yè)市場產(chǎn)生沖擊，事實上這種沖擊已經(jīng)在發(fā)生。自生成式編程工具日益普及以來，業(yè)界普遍感受到效率提升帶來的競爭加劇。具體而言，那些模式固定、入門級別的開發(fā)任務(wù)（例如某些標(biāo)準(zhǔn)化的網(wǎng)頁前端和后臺功能）將越來越容易被 AI 自動化所替代。

能力更強(qiáng)的程序員通常能更快速、高效地運用 AI 工具，從而使其工作效率得到更大的提升。而原本經(jīng)驗相對較少的程序員，如果在掌握和運用 AI 工具方面也落后，他們的相對優(yōu)勢可能會減弱。

從另一個角度看，這或許也意味著新的機(jī)會。過去，一名程序員的“弱”可能體現(xiàn)在對特定編程語言或算法的細(xì)節(jié)掌握不足。但現(xiàn)在，有了 AI 工具的輔助，這些具體的語法和實現(xiàn)細(xì)節(jié)不再構(gòu)成不可逾越的障礙。

理論上，新手可以通過熟練運用 AI ，與那些僅憑傳統(tǒng)經(jīng)驗積累的程序員站在同一條起跑線上競爭。因此，如果能更主動、更精通地利用 AI 工具，這本身就能成為一種新的優(yōu)勢，為成長中的程序員開辟一條不同的進(jìn)階路徑。

所以，未來的程序員角色將更多地轉(zhuǎn)向運用 AI 工具去解決更復(fù)雜、更具體的問題，例如探索新算法或開發(fā)新型智能體。

根據(jù)黃超目前的觀察，生成式編程已經(jīng)非常普及。一個粗略的估計是，我們周圍超過 90% 的代碼可能都是由 AI 生成的。相應(yīng)地，行業(yè)出現(xiàn)了一個新定位：人人都在某種程度上成為了大模型的善后工程師。

這意味著，從 0 分到 80 分的基礎(chǔ)代碼生成工作已經(jīng)主要由 AI 承擔(dān) ，但開發(fā)者需要投入大量精力將這 80 分的代碼調(diào)整和優(yōu)化到 100 分，以滿足具體的業(yè)務(wù)需求或完成場景落地。實際上，將 AI 生成的代碼從可用狀態(tài)打磨到完美，所需的心力和成本，并不一定比從零開始編寫更低。

所以， AI 編程的下一階段發(fā)展，將不再局限于代碼生成本身。未來的重點會轉(zhuǎn)向讓 AI 更深入地參與乃至自動化整個后續(xù)流程，包括代碼調(diào)試、部署、測試等一系列工程化環(huán)節(jié) ，使解決方案更加完備和可靠。這預(yù)計將成為 2026 年業(yè)界共同發(fā)力突破的關(guān)鍵方向。

技術(shù)成熟度呈現(xiàn)顯著的多維度分化

浙江大學(xué)副教授胡星從任務(wù)維度、語言維度和領(lǐng)域維度，向 DeepTech 分析了生成式編程的技術(shù)成熟度。

她認(rèn)為：

任務(wù)維度上，局部代碼生成比如單函數(shù)實現(xiàn)已經(jīng)趨于相對成熟；系統(tǒng)級代碼生成比如跨模塊架構(gòu)設(shè)計和復(fù)雜業(yè)務(wù)邏輯實現(xiàn)仍然處于早期探索階段。特別是模型在處理需要深度領(lǐng)域知識、長程依賴推理、以及多文件協(xié)同的任務(wù)時，仍表現(xiàn)出明顯的能力不足。

在語言維度，主流語言比如 Python、JavaScript、Java 的生成質(zhì)量顯著優(yōu)于小眾語言比如 Rust、Haskell、COBOL 。這種馬太效應(yīng)源于訓(xùn)練語料的分布不均，例如 The Stack 代碼數(shù)據(jù)集 [4
上 Java 代碼量是 Rust 的數(shù)十倍，導(dǎo)致模型對后者的理解深度和生成可靠性存在明顯差距。

在領(lǐng)域維度上，通用代碼生成能力已相對成熟，但垂直領(lǐng)域呈現(xiàn)差異化格局。在嵌入式系統(tǒng)領(lǐng)域，模型對硬件約束、實時性要求、資源受限環(huán)境的理解不足；科學(xué)計算領(lǐng)域涉及復(fù)雜數(shù)值算法、并行優(yōu)化、領(lǐng)域特定語言，需要領(lǐng)域知識支撐。這催生了領(lǐng)域?qū)Ｓ媚Ｐ偷募铀籴绕?。

胡星也認(rèn)為，生成式編程不會取代工程師，而是會重塑編程工作的內(nèi)涵。開發(fā)者的核心職責(zé)將從手工編寫代碼，逐步轉(zhuǎn)向需求定義、結(jié)果審查以及系統(tǒng)架構(gòu)集成等工程活動，而這一轉(zhuǎn)變對軟件工程教育與人才培養(yǎng)體系亦將產(chǎn)生深遠(yuǎn)影響。

生成式編程是必須掌握的新一代生產(chǎn)力工具

“我們一旦有什么工具，就應(yīng)該教學(xué)生去使用這個工具。 ”美國西北大學(xué)助理教授李曼玲表示。在她的課堂上，生成式編程是應(yīng)該被掌握的新一代生產(chǎn)力工具。她將 AI 深度融入計算機(jī)科學(xué)教學(xué) ，在編程任務(wù)中她鼓勵學(xué)生使用 AI ，但是要求學(xué)生詳細(xì)記錄遇到的坑以及調(diào)整提示詞的過程。這種設(shè)計直指當(dāng)前 AI 編程的核心局限：在長程編程與調(diào)試任務(wù)中，智能體有時會反復(fù)沿用同一種錯誤修復(fù)模式，在同一類報錯上打轉(zhuǎn) ，難以穩(wěn)定地跳出循環(huán) 。所以，她的目標(biāo)是培養(yǎng)學(xué)生成為 AI 的管理者而非替代者。

李曼玲也非常關(guān)注 AI 推理能力的本質(zhì)來源。她指出，如果用人類標(biāo)注的推理鏈進(jìn)行監(jiān)督訓(xùn)練，模型可能更容易學(xué)到“如何生成看起來合理的推理文本” ，而不一定對應(yīng)可遷移的推理機(jī)制。因此，這更像是在對推理表達(dá)形式做對齊，而非對推理能力本身給出充分保證。

她認(rèn)為，在難以獲得高質(zhì)量專家軌跡或細(xì)粒度推理標(biāo)注的場景下，強(qiáng)化學(xué)習(xí)等方法的價值在于讓模型在反饋信號下自行探索可行的決策與推理路徑，這可能是推動生成式編程能力進(jìn)一步提升的一條重要途徑。也因此，在教學(xué)中她更強(qiáng)調(diào)過程記錄與反思：讓學(xué)生看見并分析模型是如何嘗試、如何偏離、以及何時陷入循環(huán) ，從而學(xué)會更有效地診斷與引導(dǎo) ，而不只追求一次性的結(jié)果正確。

針對人們擔(dān)憂的幻覺問題，李曼玲指出在代碼生成等需要確定性的任務(wù)中，目前已能通過檢索增強(qiáng)等技術(shù)大幅減少幻覺。但是，真正的難點在于創(chuàng)造性與可靠性存在的內(nèi)在沖突。

要讓 AI 跳出固有錯誤和進(jìn)行創(chuàng)造性探索，就需要 AI 在一定程度上通過偏離給定輸入進(jìn)行想象。這時再來要求 AI 變得嚴(yán)格可靠，則有可能扼殺這種創(chuàng)造性。她認(rèn)為，未來的解決方案可能是為 AI 設(shè)計控制面板，讓開發(fā)者能夠根據(jù)不同場景，在嚴(yán)格遵循與創(chuàng)造發(fā)散這兩個模式之間進(jìn)行切換。

對于生成式編程的終極形態(tài) ，李曼玲認(rèn)為也許未必是催生簡單的提示詞工程師這一工種，而是能夠讓多個 AI 智能體可以像人類團(tuán)隊一樣自主協(xié)調(diào)、共享記憶與經(jīng)驗。

她指出，千千萬萬個你我都在使用 AI 解決問題，但有時我們讓 AI 解決的問題是相似的，而目前的 AI 在解決類似問題時是缺乏協(xié)同的。所以，未來的智能體應(yīng)該能夠做到自動地總結(jié)模式和復(fù)用模塊，從而形成可進(jìn)化的工具庫，并與其他智能體進(jìn)行溝通。

這就好比是一個可以自主進(jìn)化的博士生團(tuán)隊，能夠承擔(dān)從問題定義到解決問題的長周期任務(wù) 。她甚至在采訪中提出了自適應(yīng)記憶調(diào)控的研究方向，即讓 AI 能夠像人類一樣，針對遠(yuǎn)期記憶進(jìn)行概括，針對近期記憶保持細(xì)節(jié) ，借此實現(xiàn)更加高效的長期任務(wù)規(guī)劃。

這些技術(shù)洞見最終回歸到她的教學(xué)使命和科研使命。當(dāng) AI 可以處理大量細(xì)節(jié)時，人類的核心優(yōu)勢將更加集中于提出問題、定義框架和價值判斷。所以，李曼玲的職分不再側(cè)重于傳授可被 AI 實現(xiàn)自動化替代的知識，而是通過讓學(xué)生與 AI 深度協(xié)作，去錘煉那些更加本質(zhì)的能力比如系統(tǒng)抽象、批判性評估和跨領(lǐng)域整合等。

參考資料：
1.https://www.jfdaily.com/wx/detail.do?id=1039840
2.https://github.com/customer-stories/duolingo
3.https://tech.cnr.cn/gstj/20250522/t20250522_527180703.shtml
http://jburket.com/
4.Lozhkov Anton et al. \"Starcoder 2 and the stack v2: The next generation.\" arXiv preprint arXiv:2402.19173 (2024).

運營/排版：何晨龍

【人人都能編程的時代來了嗎？專家深度解讀“AI 編程”】

人人都能編程的時代來了嗎？專家深度解讀“AI 編程”

推薦閱讀

如何關(guān)閉瀏覽器彈出窗口攔截功能

盛極必衰月滿則虧是什么意思盛極必衰月滿則虧什么意思

華為手機(jī)瀏覽器翻譯網(wǎng)頁的操作方法

win10如何解除安裝軟件限制

好看的文案比較好看的句子

水杯里面發(fā)霉怎么清理水杯內(nèi)發(fā)霉了怎么清理污垢

有數(shù)據(jù)顯示近三成商用PC放棄Vista改用XP

為什么很多護(hù)士想辭職換行業(yè)？

身份證過期對銀行卡有什么影響身份證過期對銀行卡有影響嗎

甲醛和苯是什么

被360手機(jī)助手下毒了，每次解鎖都彈出安裝界面，跪求

淘寶瀏覽器常見問題解答

仁王木靈有什么用

女孩疊字名字霸氣的

教你微信朋友圈在哪設(shè)置半年可見(微信朋友圈簽名怎么弄）

win7旗艦版開機(jī)很慢怎么辦分享Win7開機(jī)很慢怎么辦