算力利用率破65%:AIGCode如何用“L3級”編程模型突圍?

近期，AI 編程領域正經歷一場無聲卻劇烈的版圖重整。當市場上多數參與者仍圍繞著 L2 等級的程式碼補全功能激烈競爭時，一支成立僅兩年的技術團隊 AIGCode 卻選擇了一條截然不同的路徑——直接跳過「輔助駕駛」階段，打造一套號稱具備 L3 自動駕駛級別的端到端程式開發解決方案，並試圖以算力利用率作為核心競爭壁壘，在國產算力生態中尋求突圍。AIGCode 的核心判斷與業界主流觀點有所區隔。該團隊認為，當前大型語言模型在程式碼生成任務上的瓶頸，往往並非出自微調階段的調校，而是根源於基座模型本身的先天限制。

換句話說，如果底層模型的架構與訓練資料無法支撐更高層次的邏輯推理與跨模組整合，那麼無論後續如何優化，效果終將觸頂。基於此，AIGCode 選擇從源頭下手，試圖打造能夠真正理解自然語言需求、並自動完成完整開發流程的模型。這套被稱為 L3 級別的編程模型，其目標遠超出單純的程式碼自動補全或片段生成。在 AIGCode 的構想中，真正的 AI 程式開發應當能夠根據使用者以自然語言提出的描述，從前端介面、後端邏輯到資料庫結構，一路串接至最終的部署與維運環節，實現真正的端到端閉環。

換句話說，開發者只需說出「我想做一個具備會員登入與訂單管理功能的電商後台」，AI 便能自動產出完整的前後端程式碼、設計資料表、串接 API，甚至協助設定 CI/CD 流程與雲端資源配置。要達成這樣的目標，並非單靠一個強大的模型就能一蹴可幾。AIGCode 團隊設計了一套正向循環的閉環策略：首先透過他們所定義的 L3 等級產品在實際專案中的應用，產出大量高品質的程式碼樣本。這些樣本不僅包含單一函式的撰寫，更涵蓋跨模組的協作、錯誤處理、安全性考量以及效能最佳化等真實場景下的複雜決策。

隨後，這些高品質樣本被回饋用來訓練下一代的基座模型，形成「產品應用產出資料 → 資料強化模型 → 模型再提升產品能力」的飛輪效應。這套策略背後的核心指導原則，被 AIGCode 歸納為「3No 範式」。第一個 No 是「不依賴英偉達單一路線」。在當前全球 AI 算力高度集中於特定廠商晶片的環境下，AIGCode 選擇主動擁抱國產算力方案，試圖在較低成本與有限的硬體資源中，找出最大化的模型訓練與推論效率。第二個 No 是「跨越 L2 輔助階段」，拒絕在已經十分擁擠的程式碼補全紅海中繼續加碼，而是直接挑戰更高難度的全流程自動化。

第三個 No 則是「拒絕盲目堆量」，不願為了追求模型參數規模而無限制地投入算力與資料，反而強調每一份樣本與每一次訓練的品質，將算力利用率視為關鍵的競爭壁壘。AIGCode 強調，在傳統的模型訓練思維中，許多團隊習慣透過加大 batch size、提升訓練步數或簡單增加模型層數來追求指標的進步，但這些做法往往伴隨著大量的算力浪費。他們的工程團隊開發了一套專屬的訓練排程與資料篩選機制，能夠在相同算力預算下，讓模型更快收斂，同時保持更高的泛化能力。

據該團隊透露，他們在國產加速卡上進行的測試顯示，其算力利用率已明顯高於業界常見的水準，這使得他們在資源相對受限的條件下，仍能與採用昂貴進口晶片的團隊在模型能力上進行有效競爭。在國產算力的應用上，AIGCode 走出了與眾不同的腳步。不同於許多團隊將國產晶片視為不得已的備用選項，他們從產品設計之初便將國產硬體的指令集架構與記憶體管理特性納入考量，甚至針對特定國產加速卡重寫了部份底層運算核心。這種深度適配的策略雖然短期內增加了開發難度，但長期來看，卻能讓模型在國產環境中發揮出接近甚至超越在國際主流硬體上的表現。

這也呼應了他們對於「不依賴單一路線」的堅持，希望透過技術上的自主突破，降低對特定供應商的依賴風險。目前，AIGCode 的 L3 編程模型已在部分早期客戶的內部專案中進行試用。據了解，這些客戶涵蓋中小型軟體開發團隊與大型企業的內部 IT 部門，應用場景從電商平台原型開發到數據報表系統的快速搭建皆有。試用回饋顯示，在處理標準化的 CRUD（新增、讀取、更新、刪除）類型應用時，模型幾乎可以一次性生成可執行的完整程式碼，開發者僅需進行少量的微調與樣式調整。而在較為複雜的業務邏輯場景中，模型也能夠給出結構清晰的程式碼框架與合理的實作建議，大幅降低從零開始撰寫的負擔。

然而，業界對於 L3 等級的定義仍存有討論空間。部分觀點認為，真正意義上的 L3 AI 程式開發，必須能夠在不經人工干預的情況下獨立完成從需求理解到產品上線的完整流程，並具備自動偵錯與自我修正的能力。AIGCode 目前的方案雖然在閉環完整性上已遠超程式碼補全工具，但在處理非結構化需求、跨團隊協作以及複雜的安全審計等環節，仍需要開發者介入決策。該團隊對此並不諱言，並表示 L3 並非終點，而是當前技術能力範圍內對「自動駕駛」級別程式開發的一種務實定義。AIGCode 的出現，反映出 AI 程式開發領域正從單純的「工具輔助」階段，邁向更深入的「能力賦能」階段。

當 L2 等級的產品已逐漸成為開發者日常工作的標配，市場的下一步競爭勢必將圍繞在誰能更早實現更高程度的自動化，以及誰能在資源有限的現實條件下找到最有效率的技術路徑。AIGCode 選擇以算力利用率為武器，以國產生態為舞台，試圖在紅海中開闢一條屬於自己的航線。這條路線能否最終通向主流，仍有待時間與更多產品實績的檢驗，但至少，它已經為這個快速變化的領域提供了另一種值得關注的思考方向。