對話AutoCoder宿文：做5000萬程序員的AI IDE，不如做10億軟件消費者的Vibe Coding

2025年7月，北京的夏天比往年更熱，AI Coding賽道的熱度，則比天氣更火熱。

7月21日晚，字節跳動旗下Trae更新了“Solo模式”，搶先騰訊第二天發布的AI編程助手“CodeBuddy”；緊接著7月23日，阿里通義千問發布代碼模型Qwen3-Coder，并基于 Gemini Code 進行二次開發Qwen3-Coder；同日，亞馬遜還發布了編程產品Kiro，海內外大廠都瞄上了AI編程賽道。

我在上周六采訪AutoCoder創始人宿文之前，曾提前交流過AI編程的激烈現狀。對于AutoCoder來說，幸運的是，AutoCoder從2023年底開始全身心投入全棧的AI Coding，早于國內外的大廠。

同時宿文也強調，還是不能和大廠卷輔助編程，卷IDE（Integrated Development Environment，集成開發環境），要走出差異化競爭的路線。

來源：騰訊《AI Coding?共識報告》，AutoCoder位于Vibe Coding與異步Coding Agent融合的象限

AI Coding已經成為2025年AI行業最卷的賽道。無論是創業者還是大廠，大模型最直接引發的AI產品海嘯，就在編程服務領域。下場玩家不僅要全力奔跑，還要跑出差異化，才能不被淹沒，甚至未來有機會成為弄潮兒。

AutoCoder能否在AI Coding領域戰勝國內外的一眾產品嗎？

了解宿文的朋友都知道，他從清華博士畢業，連續創業者，現為AutoCode創始人。

因為有多年科技領域投資的經驗，他對創業的思考非常明白，從day one到今天，他的創業主線沒變過。『我可以拿出我們第一天創業的 BP ，我還記得我們 CTO 用的很丑的顏色字體，但里面的戰略內容、技術支點、架構方向沒有大的調整。』

創業一年半以來， AutoCoder在瞬息萬變的AI賽道能夠堅持了下來，當然也是宿文內心的偏執：復刻個60-80分的Cursor沒前途，要做一款全流程的AI Coding產品，說白了推動AI DevTeam（Development Team，意思是人工智能開發團隊）的目標實現。

這個目標即使今天來看也不容易，目前全世界沒有一款全棧生成產品真正做到80分。

上半年大火的前端生成產品如Lovable等只能說做到了前端80分，但越往后端，架構生成和部署上線等環節，AI都更難解決。

鯨選測試的案例中，實現了大部分的構想，但還是存在一些功能完整性問題，Vibe Coding還有很長的路要進化。

作為初創企業者，宿文非常有野心。團隊花一年時間迭代了自己的代碼模型，參數不大66B，但專門為“需求到應用”而生，效果不錯；相比Trae等通過免費Token推廣，AutoCoder第一天就收費，希望像Lovable一樣快速商業化；產品直接面向全球化競爭，幫助泛互聯網用戶群體也能實現產品夢。

不想做‘更快的打字員’，而是要做‘會思考的架構師’，在宿文看來，AutoCoder必須有更大的產能勢能，才能在這么多競品中活下來，形成自己的特色和生存密碼。

創業原點："端到端生成"走出差異化

鯨哥：作為連續創業者，您決定做AI Coding這件事時，當時有哪些具體信號觸動了您？Cursor的出現，或者Claude發布？

宿文：其實我們2023年底開始的時候，Claude 3.5還沒發布，但它母公司Anthropic已經融了很多錢了。我記得那時候最好的模型還是GPT-4。

從整個代碼生成賽道來看，我們最早關注到的是Codium，也就是Windsurf。當時微軟的Copilot還是這個領域的產品代表，收入已經很大了——我印象是3億美金還是多少？（GitHub 的年收入20億美元，Copilot占GitHub營收增長的 40% 以上）很大的數字，但那時候確實還沒有Cursor的產品發布。

宿文：我們決定做這個事情，核心的一個原因是，對于大模型的技術能力到底能夠率先地支持什么樣的產品的判斷，能夠做嚴肅的PMF（產品市場匹配）的產品肯定不是情感陪伴類這些，我們認為代碼生成可能是唯一能夠去驗證PMF的領域——它既有明確的評估指標，又能形成數據飛輪。

鯨哥：數據飛輪在初創企業中也非常重要嗎？

宿文：對，非常重要，決定了一個初創企業能走多遠。很多行業因為大模型不成熟，其實最終用不起來。你看今天千行百業的垂直模型，其實只是掛了知識庫，在做搜索、做知識問答，但沒有改變行業的工作范式，也沒有切入到工作流程中。這帶來的隱患是，它并不能夠帶來健康的數據反饋，從商業化角度看，不在一個很好的閉環里解決行業問題。

無論是面向程序員還是普通用戶的產品，他們都會用自己的專業能力去彌補技術和工具的不足。在這個過程中你會發現，得到的數據飛輪會好很多，從商業化上也能夠把數據飛輪轉起來。核心就是這兩個點：一是基礎技術足夠靠近，二是商業化的數據閉環能夠構建。

鯨哥：決定做AI編程這件事后，當時創業環境正在發生變化，您覺得AI創業和之前移動互聯網時代有什么不同？

宿文：其實當時就是奔著做事去的。等到2023年底的時候，已經能看到國內機構在模型或產業鏈早期有不少出手，但市場整體還是偏冷。大家熱在大模型、熱在具身智能，以及其他政府引導驅動的方向，市場化基金也在跟進。

但從另一個維度看，國內好的AI資產其實很少，團隊能力強大的也少。整體上，面向中國資本市場時，一方面市場本身還是偏冷，另一方面優質資產稀缺，這是當時的真實情況，也是當前的。

鯨哥：當時資本更喜歡Fomo（恐懼錯失）情緒驅動，還是更看重實現PMF的商業化能力？

宿文：其實都有。有可能這種偏技術主義的會買單，但更多的還是看商業化、看產品。像朱嘯虎這樣的投資人，在整個行業早期大家看不清楚的時候，各種爭論都有。

但整體上來說，還是觀望態度大于Fomo情緒。其實Fomo的機構就那么幾個，出手的沒投中什么，沒出手的也沒錯過什么。這種情況下，需要有團隊真正做出結果，大家才會慢慢買單。

鯨哥：為什么不做類似Cursor的代碼補齊工具，有個對標的產品資本更熟悉，而是選擇端到端生成？

宿文：我們第一天就定了做端到端生成。今天很多AI編程產品形態是用來做輔助，幫程序員做代碼補齊，但我們是完整生成一個產品的形態。具體到這款叫AutoCoder的產品，我們核心做了兩件事：一是需要自己from scratch（從零）去訓練一個基礎模型，二是針對大模型時代做適用大模型的軟件架構，這樣才能最終把這個事情健康地走完。

宿文：代碼補齊工具其實依賴IDE生態，最終會陷入和大廠的同質化競爭。現在看這個判斷是對的——不到兩年時間，獨立發展的只有Cursor，其他基本都成了大廠生態的附庸。我們想開辟的是增量市場，而不是在存量市場里內卷。

宿文：這里面就會看到，除了存量的程序員，其實還有很多人的需求沒被滿足——程序員的需求源頭來自于誰？來自產品經理、解決方案專家

、項目精力……一堆的需求方，這些人其實才是真正的增量市場。我們想做的是讓這些不懂編程的人也能生成軟件，不再受限于人類編程的低效和高成本

產品技術：雙支柱自研的核心選擇

鯨哥：前后端全流程自動化怎么實現？尤其是后端涉及業務邏輯和架構設計，怎么達到可用狀態？

宿文：單純依賴模型是做不到的，可以嚴肅地說，把整個應用的底層數據庫、后端中間件這些做好，目前模型是完全夠不著的。我們做的其實就是圍繞模型解決業務邏輯的幻覺問題，同時構建生成式軟件架構——有人認為這是Agent架構或Agentic架構，怎么叫都不重要，關鍵是要兩條技術支柱一起實現，單方面都不太好做到。

鯨哥：作為初創公司，做自研大模型成本高嗎？

宿文：我們用千萬級人民幣成本做出了大幅度超越DeepSeek V3級別的效果，靠的是模型架構創新，而不是拼參數量、算力和語料。這才是初創公司該走的路——沒法從傳統邏輯上PK，必須從更陡峭或收益更大的角度，在結構上做創新。

鯨哥：你們做的算是通用模型還是垂直模型？

宿文：如果你是Pre-train模型，那一定是通用的，不可能訓垂直的，那是偽命題。只有在應用的時候，在場景上定向微調、強化，Post-train是垂直領域的，不然也不存在垂直大模型這個概念。

鯨哥：產品上線后的用戶數據怎么樣？

宿文：因為早期版本迭代很快，每周可能發一個比較大的版本。我們看到的核心數據有兩個：一是產品停留時長明顯超過同類產品，用戶群體相似的情況下，我們可能是頭部產品的兩倍；二是跳出率，同類產品可能在四五十，我們這邊不到20%，16%左右。我們這個階段重點看的就是這些用戶數據。

另外，我們的用戶次日留存率也不錯，具體數字不方便透露，但比行業平均水平高不少。這說明用戶確實在我們產品上找到了價值，而不是隨便玩玩。

鯨哥：產品全部調用自研模型嗎？

宿文：我們也會調用其他模型API，今天一個產品上線涉及很多節點，有些是我們擅長的，有些是我們不擅長的。但核心效果和數據飛輪必須建立在自己的模型上，慢慢再全部替代第三方。

我們產品同步也在做模型迭代，最新版是5月30號收斂的，中間還有很多其他訓練任務。這個過程需要時間，但必須自己掌握核心模型能力，不然永遠受制于人。

市場破局：開發非程序員的增量市場

鯨哥：您怎么劃分當前的用戶市場？

宿文：肯定是圍繞用戶需求做劃分。誰會依賴coding工具解決問題？程序員肯定是其中之一，他們擁抱工具的能力很強，但有個問題——他們能力太強了，很容易遷移，哪個好用就用哪個。不過他們是很好的數據閉環，能提供優質的反饋。

另一類就是非程序員。你不能認為非程序員都要寫代碼、實現軟件，但他們有真實需求——其實就是那些平時指揮程序員做事的人，比如泛化的產品經理、項目經理、交付經理、業務分析師等等，或者叫他們"小白"。但這些"小白"不是真的小白，他們只是在coding或軟件工程上不精通，但對業務場景非常熟悉，他們其實沒必要去學編程，完全可以用我們這樣的工具直接生成軟件。

鯨哥：大廠現在競爭得非常激烈，您覺得AutoCoder殺出重圍最終要依靠什么？

宿文：其實我們沒太感知到所謂的"激烈競爭"。現在大廠的激烈，更多是快速follow海外頭部公司的產品策略，比如都去做Cursor類的代碼補齊產品。但這種競爭只是同質化補充，不是真正的技術突破。

你要跟上Lovable，也不一定能實現。這種差距不是幾個月的問題，而是資源投入方向的問題——你沒有在他的優勢方向做深度補齊，反而想繞路，結果只會更遠。

我們認為真正的競爭激烈，是指在新興市場技術快速迭代時，突然出現一個新技術把你干死，這才是初創公司該擔心的。但目前大廠整體上還是在做（海外到國內）同質化的補充，我們反而沒什么壓力。

鯨哥：最近Kimi K2直接融入了一些Agent代碼，您怎么看這種模型即產品的迭代？

宿文：Kimi K2其實主要還是在優化器上做了點創新，從模型架構上擴充參數量，那個Muon優化器可以，但我們今年年初就在做了，只是說他圍繞著開源生態在做，但MOE架構沒有任何底層創新，只是在應用層放了點數據和工具。

鯨哥：國內外模型在代碼上是什么水平？

宿文：得看從哪個維度。今天很多代碼測試已經變成定向刷榜了，跟泛化能力、跟真正的工程級使用關聯性不大。你看O1、O3、R1、K2這些刷榜厲害，但真正做代碼生成產品的都不會用它們。

宿文：大家真正用腳投票的還是Claude、Grok、GPT-4o，包括DeepSeek V3也有人用，但肯定不是那些刷榜厲害的模型。這些模型在特定場景下可能有用，但通用場景還是不行。

鯨哥：您怎么看國內模型和Claude的差距？

宿文：DeepSeek V3在代碼生成上有很大進步，但其他家離Claude還是有差距，尤其是Claude 4之后。這種差距不是榜單上的數字，而是真實用戶反饋。

這其實是技術報告和真實場景的差距。很多模型在技術報告里說得很好，但真實用戶使用時就會發現各種問題。我們判斷模型好壞，還是看真實用戶反饋和調研結果。

商業化路徑：數據飛輪比融資速度更重要

鯨哥：同為線上編程工具產品，Lovable的 ARR好像達到了8000萬美元，你怎么看這件事情

宿文：應該差不多，我估計他的算法應該就過去 30 天收款乘以 12， 或上個月收款乘12，這樣的數據還是比較健康的，驗證了很多市場對他的質疑，或者對這個賽道的質疑。

其實我們看到它的用戶量可能是Github的1/ 10了，這是一個非常好的成績。

原來大家質疑非程序員的一類群體，在什么樣的場景下面去用這樣的工具？

今天哪怕 lovable 提供的是偏前端去做原型，再集成一點點后端這種開源組件的方式，那它也印證了其實是有大量的人，可能是非程序人群體去用。

鯨哥：全球化布局的挑戰是什么？

宿文：這個賽道上可能有三五十家在做的，包括大大小小大項目。為什么要出海？其實是用戶在哪我們就去哪。這類產品的工作語言基本是英語，使用產品的用戶其實都有辦法拿到全球最好的產品，所以從第一天就是全球競爭。這種競爭反而倒逼產品力提升，不是壞事。

鯨哥：重點先做什么市場？

宿文：英語市場肯定是重點，用戶基數大，付費意愿也強。我們產品雖然是global的，但目前主要精力還是在英語市場，等基礎打牢了再拓展其他市場。

鯨哥：有規劃國內版本嗎？

宿文：我們是global產品，國內也能用，而且合規——用的是自己的模型，備案這些都沒問題。只是我們是初創公司，率先迭代的場景應該抓哪些用戶？其實只要是真實用戶都可以，國內程序員和國外程序員沒有本質區別。

鯨哥：您覺得未來AI產品會更agent化嗎？接下來的產品規劃是什么？

宿文：我們研究的重點還是靈活調度編排能力，這方面目前還沒有好的架構。今天的動態規劃能力還不夠，我們在關注也在嘗試解決，但具體方向還不方便透露。

未來展望：全球競爭與生態構建

鯨哥：怎么看現在流行的"Vibe coding（氛圍編程）？

宿文：這個概念把我們包括在內，其實是為了減少用戶心智干擾。我們理解的Vibe coding是要解決生產環境問題，要么從模型上解決，要么從生成式軟件架構上解決——這才是核心，而不是做個花哨的界面。

鯨哥：現在市場上Vibe coding用戶被激發出來了，這個群體足夠大嗎？

宿文：非常大。但大家好像傾向于用直接解決問題的工具多一些，玩票性質的少一些。這說明用戶是真的有需求，而不是跟風。

鯨哥：最后總結幾條經驗給創業者吧？

宿文：第一，common sense很重要，但很多人的常識是錯的——不要立錯誤的前提，比如"等下一代模型"就是典型的錯誤前提；第二，速度不是投流或擴張速度，而是數據飛輪的速度；第三，把智能掌握在自己手里，不要依賴別人的模型。這三條做到了，成功概率會大很多。

宿文：還有一條，創業要做"難而正確的事"。端到端代碼生成比代碼補齊難，但這是正確的方向。如果只做容易的事，最終會發現沒有壁壘，很容易被替代。