首页 > 行业资讯

k8凯发小程序开发小程序开发工具免费90% 开发者用上了代码生成工具第一名却不是 返回列表

小编2024-03-01 12:53:57编辑发布,已经有个小可爱看过这篇文章啦

  k8凯发,很多圈外人意识到这些 AIGC 工具不仅是开发者的事情,还能影响每一个人的未来生活;而不少圈内人也纷纷开始摩拳擦掌,准备迎接 2024 年到来的人工智能技术剧变。

  为了让广大开发者更好地掌握人工智能时代下全新范式的变迁,CSDN、《新程序员》从多个角度入手,精心编纂了一份《AI 开发者生态报告》。我们不仅详尽梳理了人工智能发展历程,还紧密结合了诸如 ChatGPT 等标志性事件推出后带来的技术进步与行业动态,并在文末附赠一张《人工智能产业全景图》,为读者全方位展现当今 AI 开发生态系统的格局与活力。

  2023 年 1 ~ 8 月,新发布的人工智能岗位中,有 42.19% 的岗位要求具有 5 年以上的经验;

  38.82% 开发者希望代码生成工具完全免费,共计   80 %   以上的开发者的消费意愿在 30 元及以下;

  开发者主要使用这些工具进行代码补全 / 代码生成等功能,大部分人并不会选择代码生成工具进行 debug;

  在未来的功能优化诉求方面,开发者希望进一步提升代码生成质量、提升注释的可解释性、兼容更多环境;

  2022 年,全球人工智能 IT 总投资规模为 1,288 亿美元,这个数字在 2023 年预计增长至 1560 亿美元,最终在 2027 年预计增至 4,236 亿美元,五年复合增长率(CAGR)约为 26.9%。到 2027 年,中国 AI 投资规模有望达到 381 亿美元,全球占比约 9%(见图 1)。

  放眼未来,在政府的政策扶持和产业加快升级的主题背景下,人工智能技术必将与企业发展相融合,成为企业产品、服务和模式的一部分,将是推动中国企业跨越式发展的重要战略资源。

  未来五年内,AI 硬件将继续成为主要的 IT 投入方向,而 AI 软件市场则以快速增长的速度占据技术市场的领先地位,规模逼近百亿元人民币;同时,通信、银行、政企和制造业在 AI 服务市场的投入潜力巨大。

  人工智能技术历经从基础算法如支持向量机、长短时记忆网络(LSTM)、深度学习的蓬勃发展,再到知识图谱、生成对抗网络(GAN)、Transformer 以及大语言模型等领域前沿技术的深度挖掘,人工智能技术不仅拓宽了应用场景,也极大地提升了功能表现。尽管如此,在技术的实际应用旅程中,同样暴露出了集成复杂度高、性能波动难以掌控、协同机制尚不成熟等一系列亟待解决的问题。

  当前,在工程技术栈领域,已构建起了一套层次分明的架构体系(见图 2)。自下而上涵盖了 云基础设施 + 高性能硬件 的基石,支撑着从底层模型训练、模型推理、高效部署直至顶层应用开发与实际落地的全过程。

  而在应用开发工程实践上,则观察到了从早期的手动编程逐步过渡到基于提示技术(Prompt Engineering)、智能代理(Agent)设计,甚至发展至能自动构建多智能体系统的 AutoAgent 框架(见图 3)。现阶段,此类工程均在技术和商业层面承受着重大挑战,特别是在近期的热门话题—— Agent 的研究中, 成本效益比 始终是一个核心焦点。期待未来能在确保效能提升的同时降低成本,从而推动 Agent 真正成为撬动新一轮人工智能的关键力量。

  在 AI 从业者中,87.93% 拥有本科及以上的学历,该比例在新经济行业中位列第一(见图 4)。其中,本科学历的从业人员占比超过了五成, 硕士和博士学历的从业人员占比达到 36.06%。

  当前,AI 领域开发者受教育程度遥遥领先,硕博占近四成(见图 5)。2023 年 1 ~ 8 月,新发布的人工智能岗位中,有 42.19% 的岗位要求具有 5 年以上的经验。而高达 95.88% 的岗位要求应聘者拥有本科以上学历,要求硕士或博士以上学历的岗位占比达到 44.17%。

  根据 CSDN 对用户的年龄与学历分布的调研(见图 6),新生发者的基础学历相比以前进一步提升:18 ~ 22 岁开发者,达到本科率 68.63%;这个数据相比 41 ~ 50 岁开发者的本科率提升了 11.1%。

  这些开发者是否顺应了时代潮流,成为了 新程序员 呢?统计结果显示(见图 7),近 90% 的开发者已经在使用代码生成工具,其中 35% 的开发者每天都要使用,36% 认为代码生成工具极大地提高了开发效率。

  事实上,ChatGPT 不仅是流行度最高的大模型服务,也是最受欢迎的代码生成工具,使用率断层领先其他工具(见图 8)。可以见得,哪怕对于开发者来说,这种通用、操作便捷的工具仍然更加 亲民 一些,但最重要的原因,可能是它更适合价格敏感性消费者—— ChatGPT 免费、Copilot 付费。

  代码生成工具的流行意味着开发者的编程范式实现了真正的变迁,我们和机器的交互方式也变成了从出生起就一直在学习的「自然语言交互」。以往开发者最头疼的三大问题:如何安装环境、如何实现 & 如何报错k8凯发、如何部署服务,都在这个 AI 时代得到了解决。

  如果想进一步简化开发流程,让 AI 帮我们一键搞定开发 - 部署 - 运维 - 运营的 四步走 ,就需要云端的协作。CSDN 开发的 InsCode 就是个一站式的在线智能开发平台,解决了传统开发模式中复杂低效的痛点,更好地提升编码效率。

  具体观察到代码生成工具的使用环境中,我们发现有 41% 的开发者选择通过 Chat App 使用代码生成工具(见图 9);结合刚刚看到的 ChatGPT 选用率一骑绝尘的结果,这并不意外。这些工具固然可以帮助我们更快地编写代码,但如果没有人工输入,它们仍然无法自行完成所有工作。因此,直接使用对话式窗口似乎更符合广大开发者的需求。

  此外,近 37% 的开发者通过 IDE 插件生成代码;21% 的开发者通过本地部署服务使用代码生成工具。事实上,IDE 和 Chat App 的差距并不大。当两者实现了逆转,可能推动开发工具行业朝着更加集成和自动化的方向发展,进而改变许多传统厂商的生态。

  在付费意愿方面,有 38.82% 开发者希望代码生成工具完全免费(见图 10)。付费意愿在「0-30   元 / 月」的开发者,占调查样本的 44%。将这两大人群加起来,我们可以得到82.82%这个数字,看来 白嫖 永远是王道啊。这或许正是 ChatGPT 的选用率断层领先其他代码生成工具的原因。

  作为参考,坐拥 1,300 万用户的 GitHub Copilot 目前月费 10 美元,年费 100 美元。你希望的定价方式是怎么样的呢?欢迎在评论区留言。

  当前,开发者主要使用工具完成代码补全 / 代码生成,而代码注释、单元测试等功能也较受欢迎。此外,主流的代码生成工具都有文档查询、互动提问等功能,协助开发者跨技术栈开发。

  目前,使用 AI 工具进行单元测试与 Debug 的开发者仍属于少数。将代码生成工具用于「简化工作流程」,是开发者的主流选择(见图 11)。

  大多数开发者希望进一步提升代码生成质量(见图 12),毕竟这是目前许多工具都存在的问题。此外的热门诉求还包括提升注释的可解释性、兼容更多环境等,几大诉求的投票数事实上差距比较接近,可以看出代码生成工具仍需要全方面的提升。

  根据调查(见图 13),大模型技术、开源、生成式 AI、算力这些热词都是开发者最关注的技术突破方向。而更深远的问题,比如与信息隐私、日常生活息息相关的价值对齐、安全合规等问题,受关注度弱于其他技术突破方向。这可能是因为很多人还未对「人工智能的潜在伦理风险」产生实感,这些情节暂时还存在于电影之中。

  开发者眼中的发展挑战被大致分为七种,其中客观挑战包括数据问题、人才供给、监管风险和基础设施,主观挑战包括场景需求、重视程度以及实施成本。

  「人才」和「数据」是最受关注的两大挑战(见图 14)。前文提到,数据是基础架构层的一部分,它构成了人工智能算法训练和优化的关键要素。在大数据时代,尽管数据量呈指数级增长,但获取高质量的数据、处理数据偏见、保障数据安全与隐私,以及有效利用数据进行创新研究等方面依然面临巨大挑战。

  随着 AI 技术日益复杂化,对具备跨学科能力、能够处理复杂数据分析、算法开发与优化的专业人才需求也随之激增。人才短缺不仅体现在高端研发层面,也包括能够将 AI 技术应用到实际业务场景中的复合型人才培育,以及普及人工智能教育以培养广泛的 AI 意识和技术理解。

  开发者眼中的发展机遇同样丰富多彩(见图 15)。拥抱开源、出海与国际化、深耕模型技术、发力国产替代、挖掘商业场景、加强数字化建设……这些都是亟待积极把握的多元化发展机遇。

  开源生态的繁荣为开发者提供了丰富的工具箱和协作平台,让他们能够站在巨人的肩膀上创新。在 AI 时代,越来越多的企业和个人开发者参与到全球开源社区中,Meta LLaMA 一经问世疯狂刷屏,成为了开源大模型的优秀范例。

  AI 开发者生态报告重磅发布《2023 年度人工智能产业全景图(海外版 & 国内版)》,由 CSDN、《新程序员》编辑部联合编撰(见图 16 & 17)。围绕 AI 全产业链,一图呈现国内外 AI 芯片、传感器、平台 / 模型、云 / 数据、通用技术、AIGC、应用落地等领域技术生态架构。欢迎访问下方链接获取高清全景图,扫码参与更新。

热门新闻

来电咨询