圆桌主持

IDEA 研究院基础软件中心负责人 张宏波

圆桌嘉宾

中山大学软件工程学院助理教授 王焱林

七牛云创始人兼 CEO 许式伟

GBOX.AI CEO，开源中国联合创始人、CODING 创始人 张海龙

AI 友好编程语言特性
静态、演化友好

论坛开篇，TypeScript 超越 Python 成为 GitHub 最受欢迎编程语言的现象，引发嘉宾对 “AI 友好编程语言” 的热议。

王焱林教授指出，这是过去十几年编程语言格局最显著的改变，核心原因在于 TypeScript 的静态类型特性 ——“静态约束越清晰、越强，越适配 AI 生成需求”。她提出，未来 AI 友好编程语言需具备四大关键特性：一是强静态类型系统，二是对机器友好的模型设计，三是对人类的可读性，四是易演化性。“当前 AI 生成代码虽能快速产出游戏、网站，但迭代时错误率高，‘演化友好’能解决后续修改的痛点，这一点常被忽视却至关重要”，王焱林表示看好同样具备静态特性的 MoonBit 语言发展前景。

许式伟结合自身研发的 Go+/X-Go 语言经验，强调 AI 时代的编程语言需兼顾 “AI 友好” 与 “人类友好”。“Python 过去的成功，正因其考虑了人类友好性；而 AI 时代，语言还需融合软件工程五十多年积累的生态资产”。他指出，当前软件工程世界存在明显割裂 —— 前端用 Python、系统编程用 C/C++、后端用 Go，未来语言需打破这种割裂，形成统一生态，才能支撑“超级个体”的需求。在他看来，AI 加速了 “人人需要编程” 的时代到来，全栈能力将成为标配，而现有编程语言尚未做好准备。

张海龙认为 TypeScript 超越 Python 的现象，本质是 “AI 真正进入软件工程生产力阶段的标志”。早期 AI 编程多用于脚本、简单应用，Python 足够适用；但当 AI 深入复杂应用、大型工程时，静态类型、编译特性的重要性凸显。他认为，可靠性将成为 AI 时代编程语言的核心竞争力，“MoonBit 从设计之初就注重可靠性，未来会更适配 AI 生成场景”。

主持人张宏波也补充了自身观察：今年 6 月某大模型对 MoonBit 的理解实现质的飞跃。AI 时代生态建设速度大幅提升，过去需十年八年，现在三五年就能形成可观生态。

AI Coding 智能体的「护城河」

谈及 AI 编程时代 “智能体的护城河”，嘉宾们从技术、场景、体验多维度给出答案。

张海龙首先指出，单纯的 UI 创新已不再是壁垒 ——“早期 Cursor 靠补全功能建立优势，但 Copilot 等产品快速跟进，UI 差异逐渐缩小”。他认为，新的护城河来自场景、数据与开源模型的融合：“Cursor 已开始自研模型，基于开源模型做后训练，通过用户场景积累专属数据，这种‘开源模型 + 私有数据’的叠加效应，能构建更高壁垒”。他强调，单一 Agent 难以形成长期护城河，需靠多要素协同。

许式伟认同基模的重要性，同时提出另一种可能性：“除了基模能力，软件工程流程的演进也能成为竞争力”。当前 AI 编程仍处于 “单点编码” 阶段，若能重构整个开发流程，比如优化需求到落地的链路，也能建立差异化优势。

王焱林则关注 “软实力” 的价值。“Cursor 的硬实力（如生成准确度）会被其他厂商逐渐抹平，但它的迭代速度快、开发者体验流畅，这些软实力更难复制”。她特别提到 “Memory（记忆）” 的重要性：当智能体能记住开发者踩过的坑、习惯的开发逻辑，就会形成用户粘性，即便其他产品生成准确度高 5%，用户也不愿切换，因为“懂我的智能体更高效”。

张宏波认为基模的智能水平（如 Claude 的表现）和私有数据闭环（如 MoonBit 生态中 “AI 生成代码反哺生态” 的闭环），也是重要护城河。

程序员数量未必增加
能力要求全面升级

程序员的概念在 AI 时代将重构。王焱林以自身在酷家乐的实习经历举例：“十几年前我作为开发工程师，要负责‘家风水’板块的全流程 —— 调研风水知识、设计系统架构、写代码、测试，还要当半个 PM（产品经理），去请教风水大师、研读《易经》”。AI 时代的程序员将更接近 “软件工程师” 的本质，从需求、开发、测试到维护需全链条掌握，单点编码能力的重要性下降，系统化能力更关键。对于 “人人都是程序员” 的说法，她表示：“不是人人都会成为程序员，但人人都能写点代码，就像开车成为基础技能，专业赛车手仍属少数”。

许式伟用 “写文章” 类比编程：未来写代码会成为义务教育基础课程，就像现在人人会写文章、算数一样，但这并不意味着人人都是作家、数学家。他将当前 AI 编程比作自动档汽车，比手动档（手写代码）更轻松高效，但未达到 L5 级自动驾驶（完全替代人类），开发者仍是代码的最终责任人。他提出，AI 编程将催生两个方向：一是 “即用即毁” 的轻量化软件，二是更复杂的系统工程，前者可能减少简单编码需求，后者则需要更专业的工程师，总体来看，单兵能力会显著增强。

张海龙表示大部分人不会因门槛降低而主动写代码，就像写歌、写文章成本为零，却很少有人成为创作者 —— 写代码无法给多数人带来乐趣，“靠写代码吃饭的人会减少，但单兵效率会大幅提升”。同时，AI 编程会以 “隐性方式” 融入普通人生活，比如用豆包算贷款时，AI 自动生成代码执行计算，用户无需感知。

需求洞察与人才培养
抓住 AI 编程创业机遇

面对”国内 AI 编程为何难出独角兽” 的问题，张海龙直言，国内外创业环境存在差异。国外 Cursor、Devin 等公司起步早，而国内 2023 年时，AI 编程尚未被投资人认可，当赛道成为共识时，大厂已凭借资金、人才优势入局，创业公司失去先发机会。

许式伟认为创业者要靠认知胜出，当一个赛道成为共识，往往意味着机会已不多。但他对 AI 创业整体持乐观态度：“去年我预判未来三到五年是 AI 应用的‘寒武纪物种大爆发’，DeepSeek 的爆火验证了这一点 ——AI 训练的军备竞赛已过，应用层将迎来大量机会，关键是谁能先洞察需求”。

王焱林从高校人才培养角度给出了支撑：“AI 编程需要既懂编程语言、编译器，又懂大模型的复合型人才，这类人才目前稀缺，但国内人才基数大，且学生能力在 AI 加持下快速提升”。她分享了教学观察，前几年学生问的多是 “环境配不通”，今年已开始探讨 “词法分析算法创新”“用 MoonBit 替代 C/Python 写编译器”，甚至本科生的科研能力也显著增强，过去发论文多是博士，如今不少本科生也能做出高质量成果，这也为 AI 编程产业提供了人才储备。

AI 对软件工程的重构，是从语言、流程到人才的全方位升级，未来的机遇，正藏在这些 “变与不变” 的缝隙中。