GitHub重组与AI编程的野心
科技圈近期传出一个重磅消息，GitHub的首席执行官托马斯·多姆克（Thomas Dohmke）宣布将在年底离职，转而投身创业。与此同时，GitHub（全球最大的开发者社区和代码托管平台）将不再聘请新的CEO，而是把整个公司并入微软新组建的Core AI团队。作为全球最大的开发者社区和代码托管平台，GitHub一直以来都是开发者们的重要阵地。然而，它将很快不再被仅仅视为一个“开发者社区”，而是要成为微软AI工具链的底座。这一转变无疑显示出微软在AI编程领域的野心，也预示着未来AI编程工具的竞争将更加激烈和多元化。
在最新一期的Decoder（The Verge旗下的科技访谈节目）节目中，Thomas Dohmke与主持人亚历克斯·希思（Alex Heath）进行了一场精彩对话。他在对话中提出了许多激进且颇具争议的观点，例如，他直言未来两年内90%的代码都可能由AI自动生成，开发者群体将出现新的阶层分化，以及AI编程是通向超级智能的关键路径。本文将回顾这场访谈的主要内容，探讨Thomas Dohmke眼中AI编程领域的发展前景。
AI编程的现状与未来展望
Thomas Dohmke在访谈中首先被问及AI编程目前所处的阶段，以及是否已达到非专业人士也能轻松创建应用或网站的程度。他认为，对于一些小型项目而言，目前已经达到了这个阶段。例如，如果想制作一个贪吃蛇、乒乓球游戏或一些小型专用应用，使用GitHub Spark（GitHub推出的AI编程平台）或Lovable（一款AI编程工具）等工具可以很容易地实现。然而，随着项目复杂度的增加，情况则有所不同，开发者需要具备一定的系统理解能力，例如架构设计和数据库知识。
尽管如此，AI编程平台的生成能力正以指数级的速度提升。以GitHub Spark为例，去年十月发布时，它只能创建运行在浏览器中的前端应用，使用JavaScript语言，仅支持浏览器端操作和少量后端存储功能。而仅仅九个月后，新版GitHub Spark已能够生成一个完整的全栈应用（Full-stack application: 包含前端、后端和数据库，以及连接AI模型等功能），包含后端、数据库以及连接AI模型等功能，进步可谓巨大。
不过，Thomas Dohmke提醒道，从零开始创建一个新事物与修改一个已有软件系统、弄清楚代码库中哪个功能对应哪个测试用例是完全不同的两回事。大多数软件应用会随着时间推移变得越来越庞大和复杂，其间可能有成百上千的工程师参与开发。AI若要解决所有这些问题，还有很长的路要走。
开发者的奥德赛：适应与成长
Thomas Dohmke曾采访一批外部开发者，了解他们对AI编程现状和未来的预期。从反馈结果来看，大多数开发者，尤其是那些已经使用过AI工具的开发者，都已意识到软件开发这一职业正在发生变化。他将这种变化称为“开发者的奥德赛”，意指软件工程师在AI时代将经历一个漫长且充满挑战的历程，需要不断适应、探索与成长，正如古希腊史诗《奥德赛》所描述的那样。
回顾历史，软件开发领域经历了多次变革，从打孔机（Punch card: 一种早期用于存储数据和程序的纸质卡片）到大型主机（Mainframe: 早期用于大规模数据处理的计算机）再到个人电脑（Personal Computer: 普及到个人使用的计算机），极大地改变了开发速度。编程语言也从早年的汇编语言（Assembly language: 一种低级编程语言，直接操作计算机硬件）等发展到如今的Python、Go和Ruby。从没有互联网到拥有数百万个开源库，能够直接从服务器或云端拉取代码，技术栈一直在不断提升其抽象层次。如今，开发全栈应用的工程师很可能并不真正了解应用运行的CPU（Central Processing Unit: 中央处理器）型号、内存大小或主频等具体硬件参数，他们通常也不再编写汇编代码。技术栈的这种自然向上发展，使得人们管理的代码量在过去50年里呈指数级增长，并且未来还将继续陡峭增长。
因此，Thomas Dohmke认为，我们需要AI工具来“拉平”这条曲线，以应对如今拥有数十亿行代码的复杂应用。在他采访的开发者中，有一半人相信在两年内90%的代码将由AI来完成。Thomas Dohmke对此的理解是，我们现在技术栈中90%的代码其实都已是别人写好的了，这得益于全球数百万开源开发者的贡献，无论是前端还是后端，90%可能都来自开源库、开源操作系统、开源编程语言和各种依赖。而工程团队只负责剩下的10%。因此，AI编写90%的代码并非意味着开发者将停止编写代码，而是意味着开发者能够拥有十倍于自己单独完成的代码量、功能和特性。就像开源推动了技术进步一样，AI也是对开发效率的一个巨大放大器。
AI Agent与代码质量的挑战
Thomas Dohmke指出，不同的团队和公司在AI的应用上会有很大差异，这不仅取决于他们是否愿意使用AI，还取决于他们如何设计架构、软件和基础设施，以及如何让AI Agent（人工智能代理: 能够感知环境、自主决策并采取行动以实现特定目标的人工智能实体）充分利用这些资源。可以预见的是，一种全新的应用架构方式即将出现，让Agent像搭乐高积木一样，更容易地组合新功能。
当然，许多公司仍运行着大量老旧代码，例如使用PHP、Perl等语言编写的代码库。对于这些组织而言，想要摆脱遗留系统，经历云、数字化和AI转型，所需时间会远远超过那些站在技术前沿、让AI生成90%以上代码的新公司。
然而，这里面也存在一个问题：AI生成的代码质量到底如何？Thomas Dohmke指出，根据最近Stack Overflow（全球最大的程序员问答社区）的一项调查显示，超过80%的开发者表示他们已经在使用或计划在明年内使用AI工具。但大约一半的受访者表示，他们对这些AI编程工具的准确性持怀疑态度。约66%的人提到，AI生成的代码常常不够准确，导致他们不得不花费大量时间调试，甚至AI在编程上实际花费的时间可能比它带来的生产力提升还要多。
因此，Thomas Dohmke认为，到底有多少比例的代码由AI生成其实没那么重要。重要的是，软件开发这个职业正在发生变化，技术栈在不断提升，人们正从理解每一行代码更多地转向在规范说明之间进行切换。他进一步解释道，人类语言本质上是非确定性的，两个人说同一句话，意思可能不同，更不用说不同语言在描述事物时用的结构也不一样。编程语言（Programming language: 用于向计算机发出指令的语言）其实就是对处理器（Processor: 执行指令的计算机核心组件）的一种抽象，本质上是在描述晶体管（Transistor: 计算机芯片中的基本电子开关）如何自动切换从0变到1的过程。所以问题是，开发者是想写更多的人类语言，还是想写更多的代码？这也是作为开发者的一种创造自由，可以选择自己写代码，也可以选择用AI Agent帮忙。
事实上，对于Agent来说，最关键的问题是，用Agent更快还是自己动手更快？如果三秒钟就能搞定，那用Agent反而是浪费时间、精力和资源。但反过来，如果AI编写了自己九倍的代码量，那么开发者是否需要审查这些代码的质量、安全性与编码规范？还是说，会让AI来帮助做这些工作？
在Thomas Dohmke看来，最终人类开发者都会被大量的Agent所淹没，因为这些Agent不会休息、不会周末放假，而且可以同时运行。他认为，我们正在逐渐达到一个新阶段，AI Agent生成的代码质量会持续超越人类，因为它们可以在无限的规模上运行，找到那些人类因时间有限而无法发现的所有漏洞。人类要面对的挑战会变成：我们是否能信任这些代码？
正如GitHub的诞生是为了促进人类协作，其核心在于开源项目，允许他人fork（复制）项目，如果喜欢或想添加功能，就发起pull request（拉取请求: 开发者将代码修改提交给项目维护者审核合并的流程）。但代码不会直接合并，项目所有者会审核并给出反馈，最终决定是否合并。这其实是人类之间协作的一种质量控制。当然，我们也可以用同样的流程来实现人类和Agent的协作，只不过如果有成千上万个Agent，那我们可能就得重新思考这个流程了。这将是开发者工具最大的一个差异点，即谁能搞清楚如何让Agent生成比人类多得多的代码，同时又让人类保持控制权，确保代码能投入生产、处理客户数据、计费流程等。这才是未来几年的挑战，不是看Agent能写多少代码，而是看我们能够接受多少由Agent编写的代码进入到生产系统中。
新型开发者与AI的角色转变
在此基础上，Thomas Dohmke认为，未来会有一类开发者专门使用模型和Agent来构建并验证系统，他们要做的只是写一个提示词。这在图像生成模型中可能已经开始出现，比如用ChatGPT生成一张吉卜力风格的图像，用户不需要编写生成图像的代码，只需要给出指令，模型就会帮助完成。
还有一类开发者会依然热爱编写代码，他们会将部分工作交给AI Agent来完成，比如编写测试用例、文档等他们不喜欢做的事情，从而腾出时间去做自己真正热爱的事。实际上，无论是大公司还是小公司，大多数开发者每天真正花在写代码的时间可能都不到四个小时，有时甚至更少。剩下的时间则都花在了开会、写邮件、审查他人代码、更新服务等各种琐事上。即使如此，大多数人也会保留一定时间用来编写代码或编写指令生成的代码，这会让他们感觉自己依然在编程。这就好比我们现在几乎都不会编写汇编语言了，并不是汇编语言不存在了，而是因为我们有了编译器，可以把高级编程语言编译成汇编代码。
现在，我们可以把AI模型看作是一个编译器，它将人类语言的指令编译成编程语言，然后再让真正的编译器把编程语言转换成汇编代码。只不过现在的问题是，目前的模型仍然会出现幻觉（Hallucination: AI模型生成听起来合理但实际上不准确或不真实的信息），编写出来的代码也不一定完全符合预期。所以我们无法直接跳过将人类语言转换成编译语言的那一层。
那么，是否会有那么一天，即使是完全不懂编程、分不清各种语言的人，也能够可靠地通过自然语言来构建需要访问各种API（Application Programming Interface: 应用程序编程接口，定义了不同软件组件间如何交互）数据库、网页等功能的应用呢？对于这一点，Thomas Dohmke认为，只要范围受限，其实是能够实现的，而且这个范围会逐渐扩大。我们现在能够与AI Agent对话，让它帮助生成一张图表，实际上它就是在帮助编写一段Python脚本，然后用这段脚本来生成图表。也可以让ChatGPT展示这段Python脚本。不过，大多数用户根本不需要去理解这段Python代码，只要看图表就行了。所以像这样的应用场景会快速增长。但对于一些专业的软件系统来说，这个问题就变得比较复杂了，因为现在的专业开发者能够在同样时间里构建更多的功能。今天我们称之为“最先进”的软件，已经远比我们能想象到的复杂得多。事实上，这也一直都是如此。例如现在的iPhone，其功能要远远强过90年代初的Commodore 64（康懋达64: 1982年发布的一款8位家用电脑）。当年为Commodore 64开发应用的程序员，如果看到如今的iPhone应用，一定会觉得这简直就是魔法，就像我们看待AI一样。
AI编程领域的激烈竞争与GitHub的生态位
接下来，Thomas Dohmke与主持人探讨了AI编程领域的竞争。编程可以说是目前AI领域竞争最激烈的一部分，也有很多收购交易正在进行，而且许多历史上增长最快的公司都是AI编程公司，例如Cursor、Lovable等。主持人提到，尽管GitHub Copilot（GitHub与OpenAI合作推出的AI编程助手）是最早进入AI编程助手领域的产品，但有人认为，过去一年GitHub Copilot似乎在一定程度上失去了市场的关注度，至少在一些对这类技术痴迷的小圈子里是这样。
Thomas Dohmke并不同意这种看法。他认为整个AI、大语言模型以及这些模型能实现的可能性，正在以非常快的速度发展。在科技领域，他从未见过这样的局面，更何况AI代码生成正站在这场创新浪潮的最前沿，因为所有这些公司都会雇佣开发者，大家都有内在的动力让编程变得更加容易，这意味着可以更快地创新。对于GitHub来说，他们一直明白自己是整个生态系统的一部分，无论是在AI代码生成领域，还是在CI/CD（Continuous Integration/Continuous Delivery: 持续集成/持续交付，一种软件开发实践）应用构建等方面，他们既与行业内的公司竞争，也与它们合作。就像没有人愿意看永远只有一支球队赢球的比赛一样，所以GitHub赢了一些，也失去了一些，有时甚至是每周都在发生变化。
Thomas Dohmke承认，Copilot在从单模态（Single-modal: AI模型仅处理单一类型数据，如文本）到多模态（Multi-modal: AI模型能够处理并理解多种类型数据，如文本、图像、音频）的转变上起步较晚，在去年的十月才终于实现了这一步，引入了AIC（AI Completion: AI代码补全）的支持，构建了MCP集成（Multi-Cloud Platform Integration: 多云平台集成）。但他认为，一家公司的真正考验从来不在其炒作浪潮中显现，而是在面对巨大压力时所展现出来的韧性。在面对各种限制的情况下，少许的坚韧或许就能赢得比赛。公司里的资源总是有限的，包括预算、员工人数等。不可能无限制地一直增加人员，因为那会遇到所谓“人月神话”（The Mythical Man-Month: 指在软件项目中，向已延期的项目增加更多人手，反而会使其完成得更晚）的问题，即增加更多的人反而会拖慢团队的速度。所以，无论公司规模大小，都必须做出取舍，正如苹果公司的一句slogan：“每个‘Yes’需要1000个‘No’”。
主持人随后将话题引向竞争对手Cursor（一款AI原生代码编辑器），它曾受到一些用户群体的追捧，被认为扛起了AI编程的大旗。Thomas Dohmke认为，Cursor成功的关键在于他们认识到要解决的问题不仅仅是将AI加入到传统的IDE（Integrated Development Environment: 集成开发环境，集成了代码编辑、编译、调试等功能的软件）里，而是要改变整个IDE本身，设计一种“AI原生”的工作流，也就是从根本上思考如果AI是一项默认配置而非一项附加功能，开发者该如何工作。也正因为如此，他们是第一个基于GPT-3.5版本开发的Copilot产品。如今Cursor仍然走在行业的前沿，并且意识到应该让多模型共同发挥作用，给开发者相应的选择权，让他们可以挑选最适合自己的模型，而不是替他们来做决定。这和GitHub之前的理念不同，GitHub当时做了大量的测试来评估各种模型，然后选出认为最好的那个。这是由于每种编程语言、每个测试场景，无论是生成功能的代码还是测试的代码，评分标准都是不一样的，所以它们才会通过综合判断来评估哪个模型的总体表现更好。
Thomas Dohmke指出，根据开发者工具的发展历史，给开发者提供选择权永远是最好的做法，让他们自己来决定用哪个模型。在如今的市场格局里，如果不提供多模型的选择，不拥有被大多数开发者认可的最佳模型，不允许开发者带入自己的模型，没有运行在IDE中的Agent模式等，根本就无法在AI编程领域竞争。他喜欢用F1赛车来比喻竞争：就像有些车队赢得了整个赛季，但下一个季度却落后了。不过他们不会因此认定自己再也赢不了了，而是会把这当作动力去重新思考。他还指出，AI编程领域变化非常快，关键还在于模型本身。最好的模型会经常变化，比如Llama3曾经是个不错的模型，Llama4就不那么出色了。Anthropic现在似乎是代码领域的王者，但也许几个月后OpenAI就会重新领先。
Thomas Dohmke提醒道，在科技领域，我们常常会有一种观念，觉得一个赢了就意味着另一个必输，但事实证明并非如此，比如Windows和Mac OS、iPhone和Android。实际上，在开发者工具领域，这种“非此即彼”的情况也从未出现过，否则今天也不会有数十种编程语言存在。所以Thomas Dohmke认为，GitHub Copilot的竞争对手，比如Cursor、Lovable、Windsurf这些工具的使用者，他们的源代码（Source code: 程序员用编程语言编写的原始代码）实际上都存储在GitHub上。他们的Issues和项目也都在GitHub上管理，CI/CD流程也在GitHub上运行，甚至很多竞争对手也是在微软的云服务上运行模型推理。因此，GitHub既是竞争者，也是整个生态系统的一部分，也会从整个软件生态系统性的规模增长中受益。所以他认为，软件开发只会越来越多，不会减少，同时开发者的人数也在增加。
Anthropic的优势与微软OpenAI的合作
至于Anthropic（一家领先的人工智能研究公司）在编码方面为何如此强大，Thomas Dohmke解释道，Claude Sonnet（Anthropic推出的一款先进AI模型）真正胜过其他模型的地方，恰恰在于对“工具的使用”，也就是模型为Agent的下一步选择合适工具的能力。这说明训练不仅仅局限于编程语言、代码等内容，还包括要训练模型像开发者一样，能够合理地使用各种工具。如果这一步失败了，那么Agent模式就会崩溃，比如Agent无法安装一个JavaScript依赖的NPM包。这样一来，即使Agent拥有世界上最好的训练数据集，如果它完成不了这一步，整个流程也就无法正常工作。Anthropic正是很早就洞察到了这方面，或者说拥有了更好的测试手段，从而赢得了领先地位。但有趣的是，可能过段时间这个局面又会发生变化。
接下来，Thomas Dohmke透露了一些微软和OpenAI的合作进展。微软目前正在和OpenAI（一家人工智能研究与部署公司）商讨双方未来新的企业关系，因为OpenAI正在从非营利机构转为营利机构，而微软显然是重要的大股东，目前拥有IP的独家访问权。所以Thomas Dohmke认为，对于GitHub和所有的开发者来说，这段关系始终需要保持健康，双方的合作方式必须是互惠互利、相互支持的。正如最初的Copilot正是OpenAI和微软合作的产物，当时OpenAI开发了GPT-3和Codex模型，而微软不仅拥有超大规模的基础设施，还有多年在AI扩展和运算方面的经验。正是GitHub、微软和OpenAI之间的这种创新合作，才创造了如今这个拥有众多竞争者的市场，以及未来还会有更多新的竞争者加入。
在微软的财报中，GitHub Copilot现在拥有2000万用户，环比增长高达75%，财富100强的企业中有90家在使用。这里的2000万用户是指有2000万GitHub用户开启了Copilot功能，所以这个数字对应的GitHub总账户数量应该在1.5亿左右。另外，在VS Code上还有5500万的用户。
对AGI与ASI的独到见解
最后，对于大家经常提在嘴边的AGI（Artificial General Intelligence: 通用人工智能，指拥有与人类同等或超越人类智能水平的人工智能）和所谓的ASI（Artificial Superintelligence: 超级智能，指远超人类智能水平的人工智能）的说法，Thomas Dohmke表示自己并没有对它们的清晰定义，因为他觉得这些定义其实也没那么重要，除非是在合同里规定，或者说这些概念只是个很好的营销工具而已。他认为，所谓的AGI或ASI到来的决定性时刻，应该是AI能够实现自我提升的那一刻。比如模型可以不需要人类的干预，直接从GPT-4（OpenAI开发的大型语言模型）跳到GPT-5（GPT系列模型的未来版本），或者说，当AI能够像个小孩子一样，从会被一个笑话逗笑，进步到会自己讲笑话的阶段，我们才能真正地说AGI出现了。Thomas Dohmke认为，我们追求的不应该是实现某个目标，那只能说明在问题和答案之间建立了良好的对应关系。只有能够不断自我进化和提升的AI，才是真正意义上的、也是我们人类能够认可的智能。