42.和AIGCode创始人聊聊明星项目、首个端到端agent、和AI Coding的新战场

摘要

• AIGC Code 创始人宿文判断：Copilot 类代码补全更像大厂的天下，创业公司的机会在前后端一体的端到端 Autopilot。 理由是补全“是对基础模型的一个最短平快的翻译，顺手做的”，且 Cursor、Windsurf 都深度依赖微软 VS Code 的 IDE 生态，“最核心的东西不在自己手里”；他确认 AutoCoder 的定位是全球首款前后端一体 coding 产品，顺利的话 6 月底可供大家体验。
• 他对模型边界的反共识判断值得记录：模型天然适合“做翻译、做转译”，长逻辑链思考“今天还泛化不出来”。 因此若创业者因 V3、R1 发布就大调整，可能“意味着他不知道这个技术边界在哪”——“如果我没有判断清楚这个底下的地基不能建一百层的楼”，那就是浪费股权资本。
• 对 Cursor 的定性——“在大厂和 AGI 巨头的车轮前面抢钱”：9 个月做到 7000 万美元 ARR，靠比基模红利“早准备一点点”抢跑。 但同样的事在国内更难：“友商给代码你先做一个方案……很快方案就被拿走，一分钱都不给”，他认为硅谷的生态相对更健康。
• Vibe coding 在他眼里是“扭蛋机和真正零售的区别”——大模型给什么你接受什么，完全不可控。 它只是“探索技术过程中的一个中间态，有点像汽车最先出来时大家把它当成一个小玩具”；主持人提到测试中连续写一个半到两小时后质量下降，宿文解释与幻觉和上下文容量有关。对主持人所说的“web revenue”或“氛围增长”警示，他表示认同：很多 token “还没到真正的 C 端用户”。
• 需求侧的重要数据：4 月 30 日爬取的 Lovable 四月访问量两千七百多万，“跟维护了大概快二十年的 GitHub 相比，只差一个数量级了”。 Lovable 首月付费留存 85% 是 CEO 口径，三个月 ARR 1700 万美元，表现超出宿文预料，但“不是竞品”——只做前端，而软件工程“百分之八九十的工作都围绕着数据库后端”。
• 自研基模的逻辑：大模型时代产品的很多问题优化都在模型层，靠微调“很多飞轮转不起来”，必须能碰 pre-train。 对“基模格局已定”的回应是：“DeepSeek 出来之前，一堆人以为自己上桌了……没有人永远在桌上”；路径是沿 MoE 往第二个台阶迭代新架构，而不是只在同一平台卷算力，自有模型也让“打成本价格战”成为可选项。
• 他的投资逻辑判断：写好代码是 AGI 的一个小闭环，三到五年 coding 在其切入场景会变成 infra——“代码这个事儿只要你调算力就能够完成”。 没有自己模型的 coding 初创，可能要么自己做模型，要么最终被收购；OpenAI 在 5 月以 30 亿美元收购 Windsurf，被他视为“很自然的状态”。

精读

1. 从小镇做题家到工业软件 COO：宿文的两段前史

• 宿文自述路径：甘肃会宁县“典型的小镇做题家”，2008 年入清华，“进入清华之后就一路被碾压”。主持人称其博士毕业是第一名，宿文只说当时努力了一下；2017 年离校后先做 VC，2021 年 3 月全职加入树根互联任 COO。这是一家客单价百万级的 To B 工业软件公司，团队从不到 10 人做到接近 200 人。
• 那段创业最大的成长是商业闭环本身：软件生意“不可避免地有解决方案，有直销，有一轮一轮地谈，甚至还有投标”。他的措辞很克制：“没说这个商业模式有问题，只是说它可能不是我擅长或想做的事情。”

2. 贝索斯一句话的醍醐灌顶：“零售是这个世界上最性感的商业模式”

• 去年 10 月参加 AWS AI 创业加速营时看到贝索斯这句话，“那一刻我觉得醍醐灌顶”：怎样让今天做的所有事未来产生零售般快速规模化的杠杆效应。
• 他的拆解是供需匹配：“明确知道自己供给的边界和需求的边界，如果能够对接得足够好，它的扩展会好很多。”这个标尺后来贯穿全场，包括他对 vibe coding 的批评。

3. 为什么切 coding：代码是第一梯队里最重要的语料，也是 agent 的头阵兵

• 出发点是代码供给之痛：用户需求会变、会增加，代码供给永远缓于业务增长；大模型让“用 token 去写代码”，把几周、几个月的迭代变成“分钟级或者秒级”。
• 基模不达标时贸然进入其他行业，领域专家会说“这个完全没法用”，难以产生数据与商业上的共振；唯有写代码、做算法的人会“用自己的专业度去弥补你现在工具的不成熟”，让两个齿轮咬合转起来。
• 技术侧：代码“可能是第一梯队里最重要的语料”，合成数据里“代码跟视频最重要”。他还判断，coding 没成熟时“其他的 agent 可能都不太好跑出来”，三到五年 coding 更像 infra，可能是“大模型时代 OS 的一部分”。

4. 2024 = Copilot 大年：给程序员的搜狗输入法

• 一句话总结 2024：“Copilot 产品线出来”——在存量开发场景里给程序员做辅助驾驶、补一部分代码。主持人用搜狗输入法和“码农”作类比，宿文认可 Copilot 是帮助程序员提升效率的辅助工具。
• 有趣的错位：宿文本人从未做过程序员，“我走出校园就再也没用过了”。他认为定位与背景无关，关键是跳到最后一步看：“没有人会给代码掏钱，我买一百行代码干嘛？我是为了要那个软件和应用啊。”

5. 第一天就想清楚：Copilot 赛道更像大厂的天下

• 两个理由：一是离基模近，“是对基础模型的一个最短平快的翻译，顺手做的”；二是深度依赖 IDE 生态——做插件、云 IDE，或基于开源 VS Code 魔改一套，Cursor、Windsurf 都是这一路径，“最核心的东西不在自己手里”。
• 后果是产品迭代和渠道都会受制于人：Cursor 大约一个月前曾与微软产生冲突，涉及想修改 VS Code 的功能而微软不开放；“今天整个中国还没有自己的 IDE”，华为等公司正在尝试，但距离全球头部仍远。
• 这一判断后来得到验证：随后 5 月 OpenAI 以 30 亿美元收购 Windsurf；Anthropic 有自己的产品，微软有 GitHub Copilot。宿文还提到，国内百度、阿里、华为以及腾讯内部也都能看到类似工具。

6. Devin 与 Cursor：明星光环与“车轮前抢钱”

• Devin 在 2024 年 4 月无产品即以 20 亿美元估值融到 1.75 亿美元。宿文当时并未被 PR 说服：团队强调有 10 枚奥赛金牌，却“没有说自己到底要做什么以及怎么做”。后来 500 美元订阅、基于 GPT-4 的 multi-agent 方案“其实不太对”，从结果看“今天还不理想”。
• 对 Cursor 则毫不吝啬：“那么大收入了，你还要说它不是好产品，那就是自欺欺人嘛”——9 个月做到 7000 万美元 ARR。“车轮前抢钱”的机制是比基模红利“早准备一点点”，“不能太早，太早就等不到”，再顺着势能抓住代码补全赛道；他强调这不一定是押中了 Claude 3.5，而是判断“大模型会带来什么红利”，总会有模型达到相应程度。
• 为什么国内做 Cursor 更难：宿文认为硅谷生态可能更健康，国内会出现“友商给代码你先做一个方案……很快方案就被拿走，一分钱都不给”；此外，改变程序员的 IDE 使用习惯“不是我们应该去做的事情，也不是初创公司擅长的创新驱动型事情”。他也自嘲：“不能说假设我要做就一定能做出来，这有点太高抬自己、太高傲了。”

7. 两个基模里程碑，与倒在黎明前的国内先行者

• 宿文认为 2024 年有两个重要基模标志：DeepSeek-V2 在工程和强化学习方面有贡献，V2 在模型架构层面的贡献“可能是一个高点”；以及 Claude 3.5。后者的技术红利带动了 Lovable、Bolt.new、v0、Replit agent 等产品在 2024 年 10 月前后出现。
• 技术解释：网络结构往前走（如 MoE）之外，更大的贡献是 pre-train、post-train 阶段“喂进去的代码语料越来越精良了”；Cursor 的用户则“用脚投票”，后来 Claude 用得更多。
• 国内的另一面：宿文回忆，2023 年上半年奇绩创坛讲 agent 时已有五六七八家在做 AI coding；到 2023 年春节前，一部分转向硬件或其他方向。他推测，这些团队没有熬到 Claude 出来，也没有熬到中国市场或生态的 PMF 时间点。宿文说，这些模型积木是否出现“对我们干扰都不大”：端到端替代程序员的产品，当时、今天、未来的模型“都还是有比较大的卡点”，需要自己手里有“大脑”持续迭代。

8. 反共识：基模一发布就大调整，说明你没判断清边界

• 谈到当时可能发布的 Claude 4，宿文表示“不等”。如果每次基础模型大变革都导致上层生态位大变革，“这不对”；DeepSeek-V3、R1 出来后大家纷纷调整、蹭热点，可能“意味着他不知道这个技术边界在哪，他没有任何的预判”。
• 主持人称这是一种反共识，宿文则从资本视角解释：既然撬动了股权投资、投入了人力和算力，“如果我没有判断清楚这个底下的地基不能建一百层的楼”，后来才发现适合建别墅或跨江大桥，就会浪费资源。他还引用王朔评价于丹：“月亮离远了看你觉得特别美，往近了看就一板砖。”
• 谈模型边界时，他把模型天然擅长的事情概括为“做翻译、做转译”：从 A 形式转换到 B 形式的扁平化转换；“你让它去做长逻辑链条的思考，今天还泛化不出来，这是 Transformer 架构的天花板”。因此，指望它自己想清楚数据库、中间件、微服务、前端、UI 和 API 怎么设计，是“为难这项技术”。驾驭之道是收敛边界、放大它擅长的“各种各样的业务翻译”。

9. 从 Copilot 到 Autopilot：vibe coding 是扭蛋机，不是零售

• 对 Lovable CEO 所说“从体力劳动被 AI 取代到认知劳动被机器超越”，宿文没有直接沿用，而是把这代产品概括为“制造内容”，还没到撮合，更没到影响物理世界。自动驾驶类比也有限：L4 还远，但代码中的 bug 可以验证并修改，不会造成自动驾驶那样的人身后果。
• Vibe coding（主持人介绍为 OpenAI 联合创始人 Andrej Karpathy 于 2 月提出）在宿文看来是中性概念：“大模型给什么你接受什么，就完全不可控”——“扭蛋机和真正零售的区别”；它只是技术探索过程中的中间态，“有点像汽车最先出来时大家把它当成一个小玩具”。
• 主持人提到，去年年底的测试中连续写约一个半到两个小时就容易出现问题，今天已有提升；宿文解释，主要仍与大上下文有关，写着写着信息会受到上下文容量影响。主持人还提到相关产品通过 workflow 和文件夹帮助找 bug。

10. OpenAI 30 亿美元收 Windsurf：没有模型的 coding 初创可能要么自训、要么被收

• 宿文视收购为“很自然的状态”：初创做 AI coding，如果没有自己的模型，“要么自己做模型，要么最终可能被收购”。Windsurf 在工程时代尤其是 IDE 上积累的东西，可以帮助 OpenAI 把这件事做得更大、更快。
• 对“大厂为何不顺手做 AutoPilot”的回答是：还要做软件架构这一部分。宿文先概括模型和软件架构“基本上各占 50%”，又补充未来模型可能反超，而今天模型占比还少一点，因为模型能力不足，需要其他能力补齐。
• 他认为大厂最终会做类似产品，“那就做呗”。竞争关键在于行业早期组织与人的认知、执行力和迭代速度，“只有快速迭代出来，才算数”。
• Copilot 沉淀的是程序员用户、场景和画像，和面向非编程人群的产品设计不同，连模型底层需要迭代的重点能力也不同；因此从目前看，Copilot 不会自然延展到 Autopilot。

11. AutoCoder 的创新：全球首个前后端一体，自研模型 + 生成式软件架构

• 宿文确认 AutoCoder 的定位是全球首款前后端一体的 AI coding 产品。软件工程里“前端可能只占很少一部分，80% 到 90% 的工作都围绕着数据库和后端”；海外明星产品多停在前端，部分原因是它们主要使用 Claude 3.5、3.7，基础模型提供的能力有限。红杉资本在美国开的那场会，对 coding 的讨论也“限于前端开发体验，没有提及整个全栈”。
• 做成靠两件事：模型，包括自研模型和对模型边界的定义；以及生成式软件架构——“人的逻辑跟大模型写软件的逻辑是不一样的”，不能按人的方式端到端写。
• 主持人的通俗版是：开发者需要 A、B、C、D、E 五个生产要素，只做前端的产品只配了一个，而 AutoCoder 要把生产要素全部配齐。宿文认为 vibe coding 时刻“差不多”已经到了，AutoCoder 目前已进入内测。

12. Lovable 不是竞品但验证了需求：2700 万月访问，离 GitHub 一个数量级

• 定位切割：Lovable、Bolt.new “不是竞品”，因为只做前端，产品形态不对位，但“用户画像是我想找的”；Cursor 反而更远，因为 Cursor 的用户到他这里来，他解决不了对方的问题，也不会暴露代码。前端 UI 部分有先发优势，“让它们先跑”，不要做同质化竞争。
• Lovable 表现“超出预料”：首月付费留存 85% 是 CEO 口径，三个月 ARR 1700 万美元；强项包括运营、小功能快速迭代，以及最早与 Supabase 的集成。它的工程班底或起步时间“应该”比 Bolt.new 晚两个月，但增长很快。宿文没有深度体验，因为“它解决不了我的需求”，不过可能几乎每天都会收到其赠送 token 并测试能力。
• 最重的证据：4 月 30 日爬取数据时，Lovable 即使只做原型和建站，4 月访问量也有两千七百多万，“跟维护了大概快二十年的 GitHub 相比，只差一个数量级了”。宿文认为有了供给需求才会释放，下一阶段还会变成生态型事情，涉及软件自身的 go-to-market，以及对云、支付和通用软件分发的影响。

13. 为什么必须自训基模：“没有人永远在桌上”

• 正向理由：大模型时代很多产品问题的优化都在模型层，“这个东西不在自己手里，你创造出来的内容就没法优化”；今天有数据时，单靠微调“很多飞轮转不起来”，所以要能碰到 pre-train，补齐闭环。
• 对“基模牌桌已定”的反驳：“DeepSeek 出来之前，一堆人以为自己已经上桌了，它出来之后很多人就下桌了。今天一样，没有人永远在桌上。”路径不是在同一平台卷算力和数据，而是“往第二个台阶去”，沿 MoE 往后迭代 MMoE、CGC、PLE 等网络结构，更高效地学习知识、解决部分幻觉，并把产品专用样板训练进去。
• 宿文目前只往自己的方向优化，把泛化能力做成卖 token 的商业模式“今天不太想做，而且这个时间点可能也不对”。他认为模型未来会很强，但今天不着急；被问凭什么做得比别人好时，他回答靠“炼丹”的实验数据和持续的脏活累活，“每天搬一块砖看它长什么样”。

14. 写好代码是 AGI 的小闭环，但基模和应用在“异步”

• 逻辑链是：模型出口内容的承载是代码；通用 agent 每次生成的结果“大部分最终可能都是网页”，但网页还缺很多东西，闭环缺的正是端到端代码。主持人概括为“实现 AGI 沿途下的第一个蛋”，宿文认可其可能是较高效的路径，但强调“现在下结论还为时尚早”，应先提供能解决问题的产品。
• “异步”的含义是：基础模型没有提供匹配应用的供给，“它是在按照修高速公路的方式在打地基，你是按照修高楼大厦的方式做产品”。完全依赖基模换代也会导致效果变化：从 Claude 3.5 到 3.7，有些产品仍主要调用 3.5，不只是成本问题，而是调出来的效果在 3.7 上会丢失一部分。
• 他承认大厂基模与应用之间存在协同效应，但不认为创业者因此只能“看天吃饭”：健康商业会分化出生态、基础设施等方向，不会永远纠结于同质化竞争；这有时是中国一些大厂的思路，但他认为全球市场不应如此。

15. 商业化：四场景先上两个，自有模型是价格战底气，九分产品缺“要命的一分”

• 四个场景中，率先上线的可能是两个紧密绑定的方向：建站、landing page，以及带登录、社区、商城后台等复杂逻辑的 B 端 SaaS 型业务翻译；后续还会推出 App 和 Agent 场景。目标用户不是泛泛的普通人，而是软件真正的需求方，主要包括与独立开发者重叠的创业者群体：原本几万元的定制需求，今天可能只需几块钱和一些 token。
• 定价上，开通账户会获得免费 token，基本可能完成 1 到 3 个项目，之后付费。自研模型意味着以后可以切换模型，成本较低，“大不了打成本价格战”；采购别人的模型则更困难。
• 宿文自评产品“纯粹从产品来看应该是一个九分的产品”，但商业化和持续迭代可能是剩下的关键部分。公测后可以根据用户反馈重新评估，例如把自评从 9 分打到 7 分，再补足剩下的 1 到 3 分；“自己闭门造车，意义不大了”。
• 融资叙事从 day one 没变过：做端到端 coding 产品，“瞅准一个方向，快速把它做出来”，中间是脏活累活，“往远了一看，哇，好漂亮的一轮月亮；往近了一看，全是板砖”。

16. 验证信号不是嘴上的好评，是部署：deploy 按钮背后的埋点

• GTM 直接推全球市场：inbound marketing 加 SEO，在 Product Hunt、Hacker News 等“已经被中国人和印度人刷坏”的二三十个渠道逐一做内容供给，触达 KOL 带货、做社区和 use case，引导全渠道营销。
• 真正的反馈“不一定从用户口头表达出来，而是埋点数据表达出来”，包括跳出率等指标。一个关键验证信号是生成的软件能够部署：deploy 环节与云厂合作，整个过程可追踪，用户后续回来改需求、升级和增加功能也能被观察到。宿文用 iPhone 拆封后还要激活来类比“真正使用”。
• 主持人提到的“web revenue”或“氛围增长”警示得到宿文认同：尝鲜付费可能只是瞬时假象，很多 token“最终没有流向真正的用户，还没到真正的 C 端用户”，所以“这个事还很不稳”。
• 对刷榜，他指出有些产品是专门强化某项能力的“纯刷榜工作”，不能验证太多泛化能力，就像考前刷题，大学绩点高不代表进入社会后能力能很好泛化。

17. 三到五年代码变 infra；逆全球化下，投资人已拿不到一手信息

• 生产力重塑还没到，现阶段是“技术通过增加供给激发新需求”；但三到五年，在其切入的场景里 coding 会变成 infra——“代码这个事儿只要你调算力就能够完成”。大公司部门不必再求助中台，独立开发者可以低成本做 MCP、demo，甚至逐步做成商业化产品。
• 低代码、零代码从 20 世纪八九十年代就在解决代码供给卡点，只是过去没有完成这一历史使命。宿文接受“代码预制菜”的类比，但强调大模型时代依靠模型灵活性的架构“完全不一样”。
• 收尾最锋利的观察是，投资人与全球最好团队“失去了交流的机会”：“今天哪个投资人跟 OpenAI 的核心团队真正交流过？”过去除军工等敏感行业外，投资人还能与全球团队交流；如今很多人看到的是记者转了很多道的信息，甚至可能没有持续看 Anthropic 的 blog 或访谈等一手内容。
• 他个人也无解：“没办法，市场什么样我们接受它，适应它。”