在宣布新一轮融资最新估值到达1560亿美元之后，OpenAI马不停蹄地就推出了一项名为Canvas新功能，再一次将狙击方向对准AI编程和文档写作。特别在编程方面，各项功能再次实现了质的飞跃。

而就在OpenAI披露66亿美元巨额融资的当天，另一家由Github前CTO创办的AI代码生成公司Poolside也完成了最新一笔由贝恩资本领投的5亿美元融资，投资者包括英伟达、eBay等，使其最新估值达到30亿美元。

跟OpneAI相比，这个融资和估值似乎不值一提，但考虑到Poolside成立还不到一年、并且还没有推出任何产品的现状，目前它已经高达6.5亿美元的融资总额反映了投资市场对于AI代码生成商业化的超强预期。除了Poolside，在过去的几个月里，AI编程的初创公司俨然是人工智能赛道里最受追捧的领域，上亿美元的融资消息层出不穷，独角兽数量直线上升。

“这可能是接下来AI在企业场景最确定的应用方向。”一位接近Poolside本次交易的投资人表示。

独角兽接连诞生

Poolside只是近期人工智能编码领域几笔大交易的其中之一。

8月底，专注于开发AI编程工具的初创公司Magic宣布完成3.2亿美元融资，估值超过15亿美元。本轮融资的投资者包括前谷歌董事长埃里克·施密特以及红杉资本和Alphabet等知名机构。在此前有消息称，Magic原计划融资2亿美元，而实际的融资额大大超出了预期。最新融资后，Magic还宣布与谷歌云展开合作。

就在今年2月，Magic刚刚完成由NFDG Ventures领投、CapitalG和著名天使投资人Elad Gil跟投的1.17亿美元融资。至今，成立于2022年、目前团队仅有23名员工的Magic累计融资金额已达4.65亿美元。同样在8月底，另一家AI编程公司Codeium也几乎同期宣布完成了新一轮1.5亿美元的融资，估值跃升至12.5亿美元。

除了Magic和Codeium这两家最新独角兽，今年4月，曾推出名噪一时的编程产品Devin的Cognition Labs 宣布获得了1.75 亿美元融资，估值跃升至20 亿美元。5月，团队成员仅有10人的Augment宣布完成2.27亿美元B轮融资，投后估值达9.77 亿美元。

根据Crunchbase的统计，过去一年，AI编程吸引了大量的风投资金，其中获得超过1亿美元融资的初创公司有6家，这些公司的成立年限几乎都不超过3年，如今除了Augment还差临门一脚之外，其他全部晋升为独角兽。

图片来自Crunchbase截至8月的数据

尤其值得注意的是，这些公司的融资频率都非常高，Pooleside、Magic、Codeium和Augment两个轮次的间隔都仅仅只是几个月而已。

千亿市场正在打开

根据Spherical Insights的最新预测，到 2032 年，AI编码工具市场市场规模可能超过295亿美元。在编程场景中使用AI，将会逐渐成为企业工作的主流模式。

而实际上，AI编程当前已然开始全面渗透进开发者的日常工作和生活。

根据Github最新发布的一项全球调查显示，目前已经有97%的受访开发者表示在工作内外中使用过AI编程类工具，他们认为AI在提高代码质量、使用新的编程语言并理解现有代码库以及生成测试用例方面效果显著。

从过去两年的融资热潮中来看，虽然都在AI编程赛道，但初创公司们在产品和业务上也有一些区别，目前主要有三种不同的路径。

一类是增强现有工作流程的AI辅助工具，当前这类创业公司的数量最多，其主要产品是旨在通过与工程师日常使用的工具集成，来帮助提升开发者的工作效率。

很多公司的产品都采用类似AI Copilot的形式，大多聚焦于代码生成或测试等开发者的核心工作流程，这些任务不需要大量的上下文信息，并且可以通过单一平台整合，同时可以将输出直接显示在IDE中，方便工程师快速审查和调整。

在这个领域，目前已经有如GitHub Copilot这样的头部产品，在市场中占据了显著的份额和用户认知度，因此也导致初创公司不得不去寻找一些差异化或者更垂直的突破点，赛道也更为细分。比如在生成代码领域有Replit、Codium、Builder.io等，在代码测试领域有codeium、BlinqIO等，在代码评审领域有Bito、CodeRabbit等，在代码文档方面有Komment、Mutable。Ai等等。

第二类则是全自动AI编程代理，这类产品的特点是能够独立执行整个工程流程，从头到尾完成编程任务。这些AI编程代理不仅仅是像第一类公司的产品去帮助工程师预测和修改代码，它们更需要像人类工程师一样去理解问题的复杂性。例如，修复一个bug不仅要知道问题的根源，还需要了解其对产品的影响，以及修复后可能带来的下游变化。这就要求AI能够结合更多的信息来源，如Jira工单、大量代码库等，从而做出准确的决策。这一领域的公司目前包括Devin、Factory、CodeGen、SWE-Agent等。

除了以上两类之外，目前还有一类公司专注于开发代码专用的基础模型。这类公司认为，要想在代码应用层构建长期差异化，必须拥有自主开发的代码模型，这些模型通过生成专用代码数据并利用人类反馈进行优化，从而提高代码生成的准确性，能够结合用户应用进行垂直集成。

像Magic、Poolside和Augment这样的公司正试图通过生成自己的代码数据并使用“代码执行反馈强化学习”的方法，将这一领域推向更高水平。这种方法面临的挑战是，代码专用模型可能会被更强大的通用基础模型所超越。许多现有的代码模型，如CodeLlama和AlphaCode，都是在通用大模型的基础上，结合大量公开代码数据进行微调而来。但这些公司希望通过自主研发模型减少对GPT-4等大模型的依赖，并最终构建更具竞争力的护城河。