编程的下一次革命将是原生代码AI

近年来，将语言模型应用于编程已经改变了开发人员的日常工作。诸如 GitHub Copilot、ChatGPT 和 Replit Ghostwriter 等工具通过建议代码片段、自动化重复性任务甚至根据自然语言描述生成完整解决方案，提高了生产效率。然而，近期的收益已显现出增量性，表明大语言模型因其文本本质，已触及结构性极限。.

大语言模型最初旨在解释自然语言，随后被调整以处理代码。这种调整带来了显著成果，但在代码不仅仅是文本，还包含逻辑、依赖关系和行为的情况下，便面临局限性。解释代码需要算法推理、结构一致性以及广泛上下文理解能力，而这些能力并非通用大语言模型的设计目标。.

巴西微型、小型及中型企业对人工智能的潜力持乐观态度，有77%的决策者认为人工智能能加快其企业流程。这是微软委托爱德曼通讯进行的“人工智能在微型、小型及中型企业：趋势、挑战与机遇“调研所揭示的结果。.

根据该研究，75%的受访企业表示对人工智能在其工作中产生的影响持乐观态度，这反映在企业的投资计划上——73%的企业表示将继续或首次投资于人工智能，其中61%的企业已制定了与该项技术相关的具体行动计划或目标。.

然而，为了克服这些限制，对代码原生人工智能的需求应运而生，这是一种从一开始就将代码作为首要语言来处理的系统。这种方法需要一种能够深刻理解语义、逻辑和复杂软件结构的新型Transformer架构，其能力远超简单的代码片段自动补全。.

新一代人工智能的核心能力包括对代码的深度语义理解、逻辑与算法推理、在复杂代码库中保持扩展上下文、理解依赖关系和程序库、测试与验证代码的能力以及解释模糊需求。这些技能的融合将使得人工智能能够自主、可靠且一致地运作。.

开发这种架构将需要新的数据集、特定算法以及对我们构想编程行为的方式的变革。这是一场根本性的变革，它超越了渐进式调整，并重新定义了在人工智能辅助下创建软件的意义。预期在五年内，我们有望见证能够充当完整软件工程师的系统。.

当前通用大语言模型的阶段表明，生产效率虽已提高，但自主性仍然有限。未来的演进将依赖于创建代码原生模型，这些模型能够综合处理复杂性、依赖关系和逻辑推理，从而为更具战略性、可扩展性和可靠性的编程铺平道路。这一转变不仅重新定义了技术，也重新定义了开发人员的角色。.

专业人员将不再仅仅是命令的执行者，而是成为智能系统的架构师与监督者，指导人工智能将抽象规范转化为完整且功能性的解决方案。人工智能编程革命才刚刚开始。下一代的突破将不限于优化任务，它有望重新设计软件开发的概念本身，使人工智能系统成为全面的技术合作伙伴，能够自主且凭借情境智能去理解、创建并迭代复杂解决方案。.