聊天写代码，已成为低代码界新风向。
【资料图】
3 月，微软 " 让 AI 替程序员开发 App" 的 Power Platform Copilot 一经面世，迅速引爆低代码融合 AIGC 的激情，打开了国内玩家们的新思路。
一边，是钉钉直接 " 口喷式生成应用 "，通过输入 "/" 就可以唤起 10 余项 AI 能力；而另一边，是网易数帆演示了一段用文本框对话完成代码编写的视频，成为又一 " 哇塞 " 时刻。
大厂率先抢跑之下，市面上不乏一堆 " 官宣 "，不少玩家也跟猎云网透露内部正在积极研究当中，一线投资人更是奔波于各家走访，试图获取一波真实感受。用轻流创始人兼 CEO 薄智元的话说，现在企业正在抓住这一波行业机会，而投资人则希望抓住行业头部。
身处赛道之内，零赛云联合创始人朱琛也有同样感受：" 这一波浪潮来得太快 "。
一月时，他跟资方沟通的更多还是 GPT 出现是不是能重写或取代低代码，但当时不够聪明，只能检查一些代码，还没做到去写程序的 GPT 显然不足以吸引到太多注意。而 GPT4 的出现，直接让他感觉到现在必须进场。
" 无论是我们，还是投资人，大家越来越笃定低代码 / 无代码 +AIGC 是一条正确的道路，彼此第一性原理都是去提升程序或应用开发的生产力，两者结合是必然趋势。"
可见，低代码欲抓住这波 AIGC 浪潮，狂奔在即。
从代码到应用，抓住这波 " 数字魔法 " 变革
" 与类 GTP 交谈 " 写代码，之所以在低代码界走红，归根结底，这是一场自然语言引发的降维打击。
要知道，低代码门槛再低，也不是无编程门槛。仅可视化 + 拖拉拽，并未让低代码过多降低 " 写更少的代码，花更少的钱，干更多的事 " 的实操难度。薄智元表示，尤其是比较复杂的结构，最后一公里的 prompt 大家常开玩笑是谁 " 从入门到放弃 "。
而在 AIGC 加持的数字魔法下，聊聊天就能写代码，似乎让低代码拥有了让 " 麻瓜 " 变 " 巫师 " 的神秘力量。
据网易数帆云原生及低代码产品线总经理陈谔透露，这种用自然语言描述生成代码的方式，在实验室中已经做到了可以将约 60 步的操作以 4-5 次对话完成。从数据上不难发现，类 ChatGPT 问答式的能力正在重新降低低代码的准入门槛，" 人人都是开发者 " 或将在 AIGC 融合下从画饼走向现实。
甚至有企业客户在一些较为标准的业务场景体验 AIGC 这项能力时，对陈谔表示自己竟产生了一种错觉，仿佛在对话一个懂公司业务的内部开发人员。
酷炫是真酷炫，如何实现又是一个新命题。从眼下玩家们 3 月起集体加速融合 AIGC 的动作来看，现在入场其实不算太早。
薄智元表示，大概 3 年前轻流就思考过在使用方面引入 AI 的能力，后续也一直有一些讨论。但那时候最大的瓶颈是无代码 / 低代码是一个平台性的通用工具，当时 AI 主要解决的是特定行业特定场景的一些问题比较有效，虽然考虑过引入轻流的数据分析、报表能力，却仍是想想而已。
但行业总不缺想先去吃螃蟹的人。
同样是观察到 AI 在代码生成能力上的产出，网易数帆则在去年上半年做了一个动作，那就是把这一趋势重点考虑到了低代码平台的底层设计中。
陈谔坦言，让 AI 去懂业务场景，非常具有挑战，这就反向要求低代码平台思考如何设计才能更适应于智能代码生成能力变强的技术趋势。
" 一方面需要通过大模型去落地能力，但更大的挑战在于用什么样的数据集训练，需要企业非常大的工程投入。面向开发场景的代码库足够丰富，才能助推其 AI 在训练之后，更具备业务场景下的上下文理解能力。"
在陈谔看来，设计一个适合大模型去做代码生成的低代码平台已成既定事实，要想打好基础，除代码库跟大模型外，统一的编程语言内核也必不可少。
" 如果没有统一的编程语言来描述应用，那这个应用可能是由很多不同的部分拼凑起来，比如在描述时，这边可能是 Java、那边就是 JS，但如此一来你可能只能去做一些片段级别的生成，后面用自然语言来做代码或一个应用的完整生成就会很困难。"
这其中，对话实质是实现 AI 生成代码能力的一种反馈形式。陈谔表示，相较编程语言，自然语言描述比较模糊，而且开发时可能会缺乏上下文，AI 通过一次理解就生成代码结果的正确率会很低，但通过多次对话来修正 AI 对于业务的理解，然后去细化执行方案，那正确率就能进一步提升。
诚然，越早从整体的底层设计考虑未来 AIGC 生成应用的玩家，其融合能力自然会越超前。但大模型是否会成为低代码融 AIGC 的拦路虎呢？不一定。
薄智元认为未来大模型更可能变成基础设施，类似 " 云服务器 "，而低代码 / 无代码创业公司更重要的是研究如何更好结合和调用相关能力，而非花大精力造轮子，导致投入产出比不高。
譬如定位工业模型驱动的低代码平台零赛云就正在接外界大模型的 API，通过 AIGC 和 RPA 技术的结合，将构建场景的能力通过指令来实现，以快速构建业务应用，比如一个 APS 的排程功能，仅需要输入相应的行业及参数要求，系统会基于指令来生成排程页面，UI 样式和后台服务 API。朱琛透露，现阶段目标以做出 PoC 来验证 AIGC 跟低代码的结合可能。
陈谔表示，从大趋势来说，各家都会早做 AIGC 的准备规划，去实现出来；同时也在市场上吸引更多关注，尽可能早拿到一些用户场景做相关合作。这其中，有两种发展态势较为明显。
一是 AIGC 融合能力的强与弱会进一步分化低代码平台，现阶段去做布局，在架构以及应用描述上可能会有一些问题需要解决；二是场景更简单的零代码平台在产品形态方面可能会面临更大挑战，AIGC 在做一些表单填报流程的自动化上能提供完全不同的另一种体验。
" 这对企业来说是一场变革。AI 在本身更熟悉的一些场景，落地效果会更好，这跟训练的数据集直接相关。做一个很冷门的系统和让 AI 去做进销存或者 CRM，体验可能就不一样。在一个标准主流的系统上，即便你没有描述很清楚，AI 也甚至可以给到一些模型设计的建议。而越是缺乏相关知识，AI 开发的效率也就更低。"
AIGC 融合能力，是颠覆，还是补充？
玩家们积极拥抱 AIGC 的背后，是赛道发展逐步激烈的现况。
猎云网根据天眼查数据统计，2019 年至今，低代码赛道共计发生 47 笔融资，其中 2019 年为 10 笔，2020 年为 10 笔，2021 年为 13 笔，2022 年为 11 笔，2023 年为 3 笔。
从融资表现上来看，轻流、ClickPaaS、优维科技、奥哲网络步入 C 轮左右的中后期阶段，融资披露在今年还未有新的进展，2023 年融资还是主要发生于 A 轮前。值得注意的是，相较 2019 年 -2021 年的赛道持续走火，2022 年初黑帕云的退出，开始让低代码的商业模式被有所质疑。
在 2022 年末，有从业者对媒体坦言，低代码市场的宣传有些言过其实，其拓荒的过程很艰难，当下的渗透率极低，在所有的行业里的渗透率基本上都是个位数，甚至仅仅为 1%、2%。对此，朱琛以工业领域为例，透露低代码渗透率低主要有两方面原因。
一是供应端，由于工业场景复杂，表单驱动型和基于 BPM 的低代码产品不能够满足要求，部分企业和合作伙伴进行尝试以后，在不能够减少工作量和提高效率后直接放弃，给市场造成了一种印象说低代码不适合制作复杂场景，从而让低代码市场信心遭受打击；二是低代码作为隐性需求，现在企业还没有意识到必需性。只有当企业遇到业务快速调整的需求时，才会提出敏捷系统的要求。
与此同时，朱琛还点出，国内低代码赛道一直存在两大怪圈。
" 一是认知。在硅谷，码农既要做需求调研，又写代码，还做项目经理，很多工程师属于全面型，使用低代码会对他们工作效率带来极大的提升；但在国内，全能型的程序员普遍偏少，而纯程序员又不懂业务，懂业务的人不懂低代码，程序员知道低代码，但很少有采购权，形成了一个 gap。这还需要近 2 年的时间去转变。二是大部分低代码都走云端订阅制，而且覆盖多行业，但这种商业模式的架构缺乏 know-how 的沉淀，往往企业拿来低代码平台都需要从 0 搭建系统，这样难度非常高，很难用起来，最终宁愿选择有 know-how 的定制化软件。"
陈谔坦言，就当下赛道来说，头部效应并不明显，甚至市场上大家对于低代码零代码能做到什么程度，应该用什么样的人来开发，还没有一些统一的认知，即怎样算是一个标准的低代码平台，以及低代码本身的定义也不够清晰，行业依然处于较为初期的状态。" 中大型企业对于企业数字化、软件应用的开发需求更强烈，他们开始用低代码做开发，是为了经营治理等特征去做一些定制化工作，会形成软件服务的大量生态，需要平台去进行建设，而对于小企业来说，现阶段更多是他们去适应标准化软件，还未到软件去适应他们的时机。"
但是随着市场和行业内卷，朱琛认为，国内企业对个性化、敏捷化的要求会越来越高，需要借助低代码来持续构建数字化建设和培养企业敏捷开发团队，通过低代码平台来快速响应企业业务创新和变化的需求。
那么，在这样的阶段，聊天写代码这一突破扮演怎样的角色？是噱头，还是真方向？
薄智元认为，目前虽然业内普遍好奇，但是 AIGC 的应用还不成熟，ChatGPT 像是内存，内存和硬盘相互结合，才能够实现更加复杂的计算和存储，也给低代码 / 无代码带来了很多新的想象空间。但是，聊一聊就能把软件开发完，对于简单的代码生成还比较有效，但是通过模块化组合，和单一模块的拖拽或 prompt，才是生成复杂系统的较好方式。
陈谔也认为，聊天并不一定能高效表达意图，视觉理解同样重要。" 很多时候拖拉拽操作起来更快，但在涉及到一些逻辑、细微数据的绑定、数据的调整变换等内容一次性用自然语言描述，就能省下非常多的操作步骤，而且也不用理解是如何操作的。"
从投资角度，银杏谷高级投资经理钟伟成表示，用自然语言描述应用，总体价值链条较长。对于低代码行业来说，更像是一种补充方式。
" 一套能完成一个应用程序设计的成熟产品，应该是人机协作后，通过多种交互方式去完成。譬如 UI 设计等，可以用自然语言去描述；HR、CRM 的应用，则是用自然语言描述后，搭配一些拖拉拽，在代码的细节层面再做人工优化后，才能生成最终的应用。具体产品设计环节不会只有对话框。"
智能应用开发，仍有问题待解
机遇与挑战之下，有一点似乎在行业内达成了共识，那就是低代码在走向智能开发。
从钉钉总裁叶军宣布钉钉将全面启动智能化战略，从原来的协同办公平台、应用开发平台升级成为智能的协同办公平台和智能化的应用开发平台，再到网易数帆发布 CodeWave 智能开发平台、普元信息发布智能助手等行业动作，可以预见 " 智能 " 二字正在主导行业。
过去，低代码比较 " 尴尬 "，业内各家想做一个更加简单易用的编程语言、编程框架，使得编程的门槛降低，需要写的代码更少，但拿这样一个低代码概念作为平台或系统去打动企业客户，部分玩家无奈有一定难度。
朱琛表示，低代码行业非常微妙，大家认可行业的确定性，但客户的市场接受度并不算高，单提低代码，企业很难活，更多是谈低代码引申出来的有价值的业务场景。
" 我们会先让客户相信说这是低代码生成的，用这个应用可以带来价值，然后再提本质是低代码给企业带来价值。这样让客户去用，他们的接受度才会高一点。对公司来说，卖低代码卖不了多少客单，更多还是要在商业模式上做改变，减少交付的人员，用产品提供价值，从价值里获取一些利润。"
在这样的现况下，融合 AIGC 下的智能化趋势，似乎解答了低代码玩家多年来的市场教育困惑，让概念更具象，智能应用开发平台或是新解。
但在这条前进道路上，仍有诸多问题待解，首先是产品问题，聊天写代码只是第一步。
在朱琛看来，未来低代码不应该只是代码的逻辑，终局是通过 " 聊天 " 即 "Prompt" 就能直接生成应用，这才是生产率的质变。
对此，陈谔认同，他表示，从聊天生成代码到应用，都是根据自然语言表达出来的语义，一步步把应用的每个部分用编程语言给描述出来。这其中，从头构建应用跟中途去做一些函数级或者是跨函数的操作，面临的问题可能类似。
" 但真正要用交互把生成应用的体验做得非常好，还要解决很多事。比如大模型在做低代码应用时，AI 能不能跟人的意图对齐，充分了解一个庞大的上下文，尤其在相较代码生成，应用生成复杂度更高，AI 从做计划到执行的一些循环能力也密切相关。"
据他透露，目前聊天生成应用的方式在网易数帆实验室中也有一些尝试案例，但无论是生成代码还是应用，即便是网易数帆也没能走到对外生产发布的阶段。" 目前国内大模型对聊天生成应用的实现，还远远未到 GPT-4 的水准，故而在一些任务规划方面还存在问题，需要积累足够多的数据，有待于一段时间的发展。"
技术进展是一方面，数据安全风险的考量则是商业化上较大的难点。
钟伟成表示，很多外企都明令禁止用 ChatGPT 去做低代码开发应用，因为接外部 API，核心业务逻辑有外漏的风险。在他看来，目前大厂自研大模型，然后用这项能力去做内部代码或应用开发具备可行性，但如果低代码平台要用接别家大模型的 API 去给金融行业等开发对话式的应用生成服务，一是风险性很高，二是相较互联网，行业本身接受度低。
" 参与这一波大模型浪潮基本上就两种方式，一是接别家的大模型，二是用开源模型去做本地部署。体量小的企业相对来说接 API 成本更划算，但长期来看，本地部署模型为客户服务会相对更好一些，到一定体量，企业还是需要自建模型。而低代码平台服务中大型客户，主要还是做一些定制化，安全问题尤为重要。"
正如薄智元所说，于低代码 / 无代码玩家来说，推出 AI 能力并不能一蹴而就。在这场低代码与 AIGC 的融合赛中，虽新战事已悄然打响，但仍道阻且长。
来源：猎云网
