字节在通往AGI的征途上，新的机遇正在到来。

作者｜Iris

编辑｜栗子

字节在探索全新领域的雄心，逐渐显露。

在6月11日举行的火山引擎Force 2025原动力大会上，字节跳动的技术副总裁首次公开发言，重点介绍了他们自研的AI编程工具——TRAE。值得注意的是，TRAE的月活跃用户已经超过100万。

“当GPT-3.5问世时，我们意识到编程或许是一个很有前景的应用领域。大型AI模型确实会在编程领域引发深刻的变革。”

2024年6月，字节推出了MarsCode编程助手，而AI原生IDE产品TRAE则于今年1月发布，随后在两个月内推出了国内版本，成为首款中文AI IDE产品。目前，字节内部已有80%的工程师在使用TRAE等AI编程工具来辅助开发工作。

从内部使用的情况以及技术副总裁的首次亮相，我们不难看出字节对TRAE的高度重视。

字节在人工智能领域的投资一向雄心勃勃，然而此前处于“发育期”的TRAE却鲜有曝光。这次的亮相，显然显示出字节对AI编程领域的重视与决心。

与面向消费者的聊天机器人、AI搜索等领域相比，针对开发者的AI编程工具显得更为专注。字节为何会在这一领域进行重金投资呢？

1.TRAE，来自TRAE的创新

字节跳动在AI编程领域的探索始于2023年，当时推出的插件形式的AI编程工具是行业内普遍的产品形态，MarsCode编程助手便是其中之一。然而，随着2024年大模型能力的提升，团队逐渐意识到AI编程产品形态可以寻求“更优解”。

在当时，AI编程产品的路径多种多样：一些产品选择在现有开发工具中添加插件，以嵌入AI能力；另一些则致力于开发完全依赖AI的“代理式”产品；还有的则专注于构建最优秀的编码模型。最终，字节团队决定将AI深度整合到集成开发环境（IDE）中，开发出AI IDE这一产品。

在大模型时代，AI产品的形态是由用户需求、模型能力以及工程能力所决定的。对此，他们判断AI IDE产品是AI编程领域最为适合的第二代产品形态。关键在于，他们并不满足于仅仅生成基于自然语言的结果（即氛围编码），而是追求创造出高价值的应用。

字节跳动推出TRAE，重塑AI开发环境

在应用市场内，面临着应用数量远超需求的局面。消费者所需的并非众多应用，而是极少数高价值的产品。这类真实需求的应用开发过程更加复杂，因此，他们希望借助TRAE来辅助那些具备足够能力的程序员提升工作效率。

此外，核心开发者频繁使用各类编程工具。而AI IDE产品不仅能保障开发者对每一个决策的掌控，还能增强IDE产品的功能。因此，AI IDE产品的用户对付费的意愿较高，这一特性证明了它符合市场需求（PMF）。

团队深信，能够满足特定用户需求是良好的起点，因此他们坚信AI IDE产品是服务于TRAE目标用户的最佳选择。

因此，字节跳动在2023年1月19日正式推出了面向专业开发者的AI原生集成开发环境工具TRAE。该名称源于团队的理念，他们认为，AI编程的最终目标是实现“真正的AI工程师”，这类工程师能够像人类一样完成端到端的任务。实际上，TRAE在某种程度上达成了这一愿景，部分代码是由TRAE本身生成的，内部也幽默地称之为“TRAE是用TRAE构建的”。

这种迅速转型得益于小团队的高效率和人才密集度，工程团队在不同产品上积累了丰富的经验，而字节跳动内部的开发者经验也使他们对开发者工具与服务有了更深入的理解。

因此，字节在AI IDE领域的先发优势逐渐显现。

在本次原动力大会上，TRAE上线不到半年便交出了亮眼的成绩单：目前月活跃用户已经超过100万。这些数据表明，AI编程在程序员的工作中发挥了显著作用。大量用户行为和反馈为团队提供了针对性改进功能的依据。

此外，决定AI编程产品发展的另一个关键因素在于模型的能力。TRAE在全球范围内是为数不多的接入自有模型的AI IDE产品，并且拥有自己的模型团队。

2.字节为何深入布局AI领域？

实际上，开发出国内首款AI原生IDE产品的过程并非易事。然而，从字节在原动力大会上所透露的信息来看，它们对这一领域的持续投入显得非常坚定。字节关注的，不仅仅是短期回报，更是TRAE在其长期AI战略中所能提供的协同作用。

纵观字节在AI领域的布局，其研发探索呈现出多方位的特征。通过在算力、模型以及应用层的全方位发展，字节形成了一个完整的“大模型时代”生态体系，类似于“IaaS-MaaS-SaaS”的服务模式。

在算力基础设施方面，火山引擎不仅为内部模型和应用提供算力支持，还为外部企业提供AI云计算服务。在模型建设方面，字节跳动围绕豆包大模型，研发了涵盖自然语言处理、语音识别、视觉理解等多种类型的全模态模型。而在应用层面，其产品线则覆盖了AI助手、社交、图像、视频、音乐及教育等多个领域。

那么，TRAE在字节的人工智能战略中究竟承担了怎样的职责呢？

简而言之，字节希望通过TRAE来强化人工智能矩阵的基础开发，推动开发者生态的繁荣，以实现商业化目标。

从产品定位来看，TRAE作为开发流程中的重要工具，不仅弥补了国内市场的空白，同时也为字节的开发者生态添上了一块关键拼图。开发者作为大模型产品的核心用户，其反馈对提升产品与模型的性能至关重要，因此围绕开发者工具构建的生态便成为各方争夺的焦点。

AI领域的独角兽公司Anthropic的战略走向也正好印证了这一点。该公司在开发者领域的不断发力，使其收入增长显著，今年3月年化经常性收入已突破20亿美元，目前已达到30亿美元。Anthropic的收入主要来自B端，其中AI编程的迅猛发展贡献巨大。通过在Coding和OSAgent方面的投资，Anthropic在开发者领域的影响力得以深化。尝到成功的他们在去年底停止了对Chatbot的投资，专注于提升模型Claude在编程等复杂任务中的能力。

在内部的AI开发布局中，TRAE的使用率高达80%，这表明它已经与字节的豆包大模型、火山引擎等多个应用场景紧密结合。通过融入字节的AI开发流程，TRAE不仅提升了内部的工作效率，还降低了AI矩阵应用开发的门槛，从而加速了AI应用的落地。

此外，TRAE还在探索人工智能商业化的可能性。

在当前的AI领域，AI编码被认为是盈利最大的赛道之一。这是因为在输入输出明确的场景下，大模型的表现优于其他领域，同时开发者们已经意识到，AI编码在提升编码效率、减少重复劳动和修复bug等日常工作中效果显著，付费意愿也很高。其商业价值在海外市场已得到验证。例如，增长迅速的AI编码产品Cursor在上线20个月内实现了1亿美元的年化经常性收入，两年内增长至3亿美元。因此，未来国内同样有可能涌现出同等规模的AI集成开发环境产品。

在「甲子光年」的视角中，更为关键的因素在于，AI编码使字节跳动看到了实现人工通用智能（AGI）的潜在路径。

在AGI发展的最终课题下，代码能力的显著突破已成为大规模智能提升的重要杠杆。与对话场景的模糊容忍不同，代码生成场景要求模型能够将自然语言指令准确转换为计算机可执行的逻辑链。

与此同时，模型需具备拆解复杂任务的能力，形成模块化的解决方案。代码生成要求模型更为精确的控制能力，这将推动模型在长上下文理解、动态记忆等关键技术领域的突破，进而提升智能上限。而提升智能的极限正是通向AGI的必要条件，也是字节在AI领域探索的最终愿景。

因此，AI编码的终极目标不仅仅是工具的使用，其实质是通往AGI时代“开发者操作系统”的桥梁。

这一远大的愿景听起来似乎有些遥不可及，但以下数据表明，AI编码正在逐步融入开发者的工作流程，并改变了开发的格局：TRAE已累计生成超过60亿行被用户采纳的代码，每天产生150万条用户查询；Anthropic的首席产品官Mike Krieger披露，Claude Code团队的约95%代码均由AI生成。

这也因此带来了开发者生产关系的重构。传统的应用开发通常需要庞大团队的长时间维护，而AI编码则使小团队能够以较低的成本实现轻量化开发。

AI领域的融资窗口期相对较短，这迫使AI开发者具备迅速将创意转化为可上线产品的能力。然而，大多数小型创业公司缺乏大型企业的人力资源，而AI编码则能帮助这些公司快速推出产品以获得融资。

斯坦福大学的本科生创业团队利用TRAE，完整搭建了前端与后端，并微调了大模型生成的管道，从零到一完成了AI教育产品VideoTutor的开发与上线。凭借TRAE加速的开发效率，这些本科生仅用一个多月便成功上线产品，最终在教育科技赛道上脱颖而出，获得近100万美元的融资。

3.从AI编码到AI开发

观察编程语言的演变历程，我们会发现每个十年的代码行数逐渐降低。编程语言正向着更高的抽象层次迈进，相同的功能用汇编语言可能要写2000行，而使用C语言则需要500行，使用Python则只需大约100行。随着编程门槛的不断降低，参与编程的人数也在呈指数级增长：1990年时全球程序员仅有百万，而到2023年，GitHub的注册开发者人数已突破一亿。每一次代码抽象的升级，均围绕着“更少的代码、更高的效率和更多的参与者”展开。

现在，AI编码正孕育着一次新的飞跃。借助自然语言生成代码、智能补全逻辑及自动调试等技术，“编码”不再是小部分人的专属技能，而是更多人实现创意的工具。这不仅是生产力的飞跃，更是开发者角色的重构。

随着AI编码的普及，开发者的角色也在不断演变。以往需要深厚开发经验和长时间投入的要求，正在被AI编码工具所取代。即使是普通的爱好者，也能够通过这些工具将创意付诸实践，甚至将兴趣转化为收益。早前，Cube One团队便借助TRAE成功推出了AI PPT工具，仅用一个月时间在零经验的情况下实现产品盈利，且TRAE的代码贡献率达到了100%。

然而，要真正成为一名优秀的 AI 工程师，除了编码之外，还需要掌握更多技能。

在完整的软件开发流程中，开发者的职责不仅限于编码、运维、调试及发布，还包括问题排查和压力测试等环节。实际上，编码的工作量可能仅占整个流程的40%不到，且应用越复杂，编码所占比例越小。对于开发者而言，这些环节都是复杂且耗时的任务。

AI编程的未来：重塑开发流程的全新视野

TRAE团队坚信，随着大模型技术的飞速进步，人工智能将在软件开发中发挥统筹作用。AI将成为调度者，帮助开发者实现一站式开发，从而显著降低入门门槛并提高工作效率。

在原动力大会中，字节跳动的技术副总裁分享了他理想中的AI编码“终极形态”：通过简洁的互动，AI将协助开发者完成包括运维、调试、发布及调试测试在内的所有开发环节。

他对从AI编码到AI开发的未来充满期待，“我们以前需要数天才能完成的工作，未来可能缩短到几个小时，甚至更少。这正是我们努力的方向，我们希望TRAE不仅限于AI编码，更要成为AI开发的代表。”

一旦AI开发成为现实，繁琐的编程符号将会转变为更易于书写和修改的表达方式，传统开发模式将被彻底改造。开发者将不再受到复杂流程和高门槛编程知识的限制，创意和想法将成为优秀产品诞生的关键。

这样的低门槛开发模式将为独立开发者创造更多可能，短周期和轻量化的开发形式将有效解决传统软件开发中小型团队面临的资源限制。斯坦福创业团队和Cube One团队利用TRAE开发产品并获得融资的案例充分证明，即使没有大公司的优势，未来的创业公司和独立开发者依然能借助像TRAE这样的AI编码工具实现“技术平权”，生产出独特的产品以满足市场需求，使整个行业的开发生态更加多元化。

（封面图及文中图片