作者 | 王启隆
责编 | 唐小引
出品 | CSDN（ID：CSDNnews）
打开 VS Code，发现 GitHub Copilot 的下载量已经突破了 1,300 万大关。在 2024 年的今天，许多开发者对代码生成工具已经不再迷茫，进入了各执己见的阶段：有些人快速入局并提高了任务效率，有些人批评这种工具降低了代码质量和可维护性，还有些人尚在暗处中默默观察吃瓜。
随着 OpenAI 凭借一支囊括了众多本科生的年轻团队打出了“王炸” Sora，很多圈外人意识到这些 AIGC 工具不仅是开发者的事情，还能影响每一个人的未来生活；而不少圈内人也纷纷开始摩拳擦掌，准备迎接 2024 年到来的人工智能技术剧变。
为了让广大开发者更好地掌握人工智能时代下全新范式的变迁，CSDN、《新程序员》从多个角度入手，精心编纂了一份《AI 开发者生态报告》。我们不仅详尽梳理了人工智能发展历程，还紧密结合了诸如 ChatGPT 等标志性事件推出后带来的技术进步与行业动态，并在文末附赠一张《人工智能产业全景图》，为读者全方位展现当今 AI 开发生态系统的格局与活力。
无论你身处于这场浪潮的哪一处位置，希望这份生态报告都能为你答疑解惑，点亮眼前的路途。
01
亮点总结
在 AI 从业者中，87.93% 拥有本科及以上的学历，该比例在新经济行业中位列第一；
2023 年 1 ~ 8 月，新发布的人工智能岗位中，有 42.19% 的岗位要求具有 5 年以上的经验；
18 ~ 22 岁的年轻开发者，本科率达到了 68.63%；相比 41 ~ 50 岁开发者本科率提升 11.1%；
近 90% 的开发者已经使用代码生成工具；其中，35% 的开发者每天都得使用代码生成工具；
在代码生成工具的使用环境选择中，41% 的开发者仍选择了 Chat App，占比最多；
38.82% 开发者希望代码生成工具完全免费，共计 80 % 以上的开发者的消费意愿在 30 元及以下；
开发者主要使用这些工具进行代码补全/代码生成等功能，大部分人并不会选择代码生成工具进行 debug；
在未来的功能优化诉求方面，开发者希望进一步提升代码生成质量、提升注释的可解释性、兼容更多环境；
ChatGPT 是流行度最高的大模型服务，也是最受欢迎的代码生成工具；
CSDN 旗下一站式 AI 开发平台 InsCode，通过 InsCode AI 提供代码生成功能。
02
人才济济的 AI 行业：本科从业者超过五成，硕博占比达到 36%
AI 市场「五年计划」：从 1,288 亿美元增长到 4,263 亿美元
2022 年，全球人工智能 IT 总投资规模为 1,288 亿美元，这个数字在 2023 年预计增长至 1560 亿美元，最终在 2027 年预计增至 4,236 亿美元，五年复合增长率（CAGR）约为 26.9%。到 2027 年，中国 AI 投资规模有望达到 381 亿美元，全球占比约 9%（见图 1）。
图 1 中国人工智能市场支出预测
短期来看，国内人工智能市场发展在与各行业的不同需求融合落地方面，尚存成长空间。
放眼未来，在政府的政策扶持和产业加快升级的主题背景下，人工智能技术必将与企业发展相融合，成为企业产品、服务和模式的一部分，将是推动中国企业跨越式发展的重要战略资源。
未来五年内，AI 硬件将继续成为主要的 IT 投入方向，而 AI 软件市场则以快速增长的速度占据技术市场的领先地位，规模逼近百亿元人民币；同时，通信、银行、政企和制造业在 AI 服务市场的投入潜力巨大。
AI 的黄金时代：形成了完整的工程技术栈与应用开发工程
人工智能技术历经从基础算法如支持向量机、长短时记忆网络（LSTM）、深度学习的蓬勃发展，再到知识图谱、生成对抗网络（GAN）、Transformer以及大语言模型等领域前沿技术的深度挖掘，人工智能技术不仅拓宽了应用场景，也极大地提升了功能表现。尽管如此，在技术的实际应用旅程中，同样暴露出了集成复杂度高、性能波动难以掌控、协同机制尚不成熟等一系列亟待解决的问题。
当前，在工程技术栈领域，已构建起了一套层次分明的架构体系（见图 2）。自下而上涵盖了“云基础设施+高性能硬件”的基石，支撑着从底层模型训练、模型推理、高效部署直至顶层应用开发与实际落地的全过程。
图 2 人工智能工程技术栈
而在应用开发工程实践上，则观察到了从早期的手动编程逐步过渡到基于提示技术（Prompt Engineering）、智能代理（Agent）设计，甚至发展至能自动构建多智能体系统的 AutoAgent 框架（见图 3）。现阶段，此类工程均在技术和商业层面承受着重大挑战，特别是在近期的热门话题——Agent 的研究中，“成本效益比”始终是一个核心焦点。期待未来能在确保效能提升的同时降低成本，从而推动 Agent 真正成为撬动新一轮人工智能革命的关键力量。
图 3 人工智能应用开发工程演进
AI 就业潮：95.88% 的岗位要求应聘者拥有本科以上学历！
目前 AI 领域对开发者有两大要求：经验丰富，学历高。
在 AI 从业者中，87.93% 拥有本科及以上的学历，该比例在新经济行业中位列第一（见图 4）。其中，本科学历的从业人员占比超过了五成， 硕士和博士学历的从业人员占比达到 36.06%。
当前，AI 领域开发者受教育程度遥遥领先，硕博占近四成（见图 5）。2023 年 1 ~ 8 月，新发布的人工智能岗位中，有 42.19% 的岗位要求具有 5 年以上的经验。而高达 95.88% 的岗位要求应聘者拥有本科以上学历，要求硕士或博士以上学历的岗位占比达到 44.17%。
03
开发范式大革命：自然语言交互是众望所归
人+ AI 协作编程，形成新开发范式
根据 CSDN 对用户的年龄与学历分布的调研（见图 6），新生代开发者的基础学历相比以前进一步提升：18 ~ 22 岁开发者，达到本科率 68.63%；这个数据相比 41 ~ 50 岁开发者的本科率提升了 11.1%。
图 6 调研用户年龄与学历分布
这些开发者是否顺应了时代潮流，成为了“新程序员”呢？统计结果显示（见图 7），近 90% 的开发者已经在使用代码生成工具，其中 35% 的开发者每天都要使用，36% 认为代码生成工具极大地提高了开发效率。
AI 已经成为了许多开发者编程范式中不可缺少的一部分，是协同工作的伙伴。
代码生成工具百花齐放
那么，代码生成工具中最火的是 Copilot 吗？
事实上，ChatGPT 不仅是流行度最高的大模型服务，也是最受欢迎的代码生成工具，使用率断层领先其他工具（见图 8）。可以见得，哪怕对于开发者来说，这种通用、操作便捷的工具仍然更加“亲民”一些，但最重要的原因，可能是它更适合价格敏感性消费者——ChatGPT 免费、Copilot 付费。
当然，微软的 GitHub Copilot、亚马逊的 Amazon CodeWhisperer 依旧不可小觑，在统计中取得了第二和第三的成绩。国内产品中，CodeGeeX、aiXcoder、iFlyCode、CodeArts Snap 也受到开发者们的选用。
值得一提的是，图表中的灰色部分排名第六，这意味着仍有相当一部分开发者未使用代码生成工具。
代码生成工具的流行意味着开发者的编程范式实现了真正的变迁，我们和机器的交互方式也变成了从出生起就一直在学习的「自然语言交互」。以往开发者最头疼的三大问题：如何安装环境、如何实现 & 如何报错、如何部署服务，都在这个 AI 时代得到了解决。
如果想进一步简化开发流程，让 AI 帮我们一键搞定开发-部署-运维-运营的“四步走”，就需要云端的协作。CSDN 开发的 InsCode 就是个一站式的在线智能开发平台，解决了传统开发模式中复杂低效的痛点，更好地提升编码效率。
编程新时代，开发环境全面升级
具体观察到代码生成工具的使用环境中，我们发现有 41% 的开发者选择通过 Chat App 使用代码生成工具（见图 9）；结合刚刚看到的 ChatGPT 选用率一骑绝尘的结果，这并不意外。这些工具固然可以帮助我们更快地编写代码，但如果没有人工输入，它们仍然无法自行完成所有工作。因此，直接使用对话式窗口似乎更符合广大开发者的需求。
此外，近 37% 的开发者通过 IDE 插件生成代码；21% 的开发者通过本地部署服务使用代码生成工具。事实上，IDE 和 Chat App 的差距并不大。当两者实现了逆转，可能推动开发工具行业朝着更加集成和自动化的方向发展，进而改变许多传统厂商的生态。
在付费意愿方面，有 38.82% 开发者希望代码生成工具完全免费（见图 10）。付费意愿在「0-30 元/月」的开发者，占调查样本的 44%。将这两大人群加起来，我们可以得到 82.82% 这个数字，看来“白嫖”永远是王道啊。这或许正是 ChatGPT 的选用率断层领先其他代码生成工具的原因。
作为参考，坐拥 1,300 万用户的 GitHub Copilot 目前月费 10 美元，年费 100 美元。你希望的定价方式是怎么样的呢？欢迎在评论区留言。
开发者现在都用工具做什么：代码补全和生成仍是主要功能
当前，开发者主要使用工具完成代码补全/代码生成，而代码注释、单元测试等功能也较受欢迎。此外，主流的代码生成工具都有文档查询、互动提问等功能，协助开发者跨技术栈开发。
目前，使用 AI 工具进行单元测试与 Debug 的开发者仍属于少数。将代码生成工具用于「简化工作流程」，是开发者的主流选择（见图 11）。
面对尚处于“成长期”的代码生成工具，许多开发者也提出了自己的诉求。
大多数开发者希望进一步提升代码生成质量（见图 12），毕竟这是目前许多工具都存在的问题。此外的热门诉求还包括提升注释的可解释性、兼容更多环境等，几大诉求的投票数事实上差距比较接近，可以看出代码生成工具仍需要全方面的提升。
图 12 代码生成工具功能优化诉求
04
开发范式趋势：七大挑战受到了开发者同等关注
开发者趋势：模型技术为关注重点
根据调查（见图 13），大模型技术、开源、生成式 AI、算力这些热词都是开发者最关注的技术突破方向。而更深远的问题，比如与信息隐私、日常生活息息相关的价值对齐、安全合规等问题，受关注度弱于其他技术突破方向。这可能是因为很多人还未对「人工智能的潜在伦理风险」产生实感，这些情节暂时还存在于电影之中。
机遇与挑战并存的人工智能时代
开发者眼中的发展挑战被大致分为七种，其中客观挑战包括数据问题、人才供给、监管风险和基础设施，主观挑战包括场景需求、重视程度以及实施成本。
「人才」和「数据」是最受关注的两大挑战（见图 14）。前文提到，数据是基础架构层的一部分，它构成了人工智能算法训练和优化的关键要素。在大数据时代，尽管数据量呈指数级增长，但获取高质量的数据、处理数据偏见、保障数据安全与隐私，以及有效利用数据进行创新研究等方面依然面临巨大挑战。
图 14 开发者眼中的发展挑战
随着 AI 技术日益复杂化，对具备跨学科能力、能够处理复杂数据分析、算法开发与优化的专业人才需求也随之激增。人才短缺不仅体现在高端研发层面，也包括能够将 AI 技术应用到实际业务场景中的复合型人才培育，以及普及人工智能教育以培养广泛的 AI 意识和技术理解。
开发者眼中的发展机遇同样丰富多彩（见图 15）。拥抱开源、出海与国际化、深耕模型技术、发力国产替代、挖掘商业场景、加强数字化建设……这些都是亟待积极把握的多元化发展机遇。
开源生态的繁荣为开发者提供了丰富的工具箱和协作平台，让他们能够站在巨人的肩膀上创新。在 AI 时代，越来越多的企业和个人开发者参与到全球开源社区中，Meta LLaMA 一经问世疯狂刷屏，成为了开源大模型的优秀范例。
05
人工智能产业全景图
AI 开发者生态报告重磅发布《2023 年度人工智能产业全景图（海外版 & 国内版）》，由 CSDN、《新程序员》编辑部联合编撰（见图 16 & 17）。围绕 AI 全产业链，一图呈现国内外 AI 芯片、传感器、平台/模型、云/数据、通用技术、AIGC、应用落地等领域技术生态架构。欢迎访问下方链接获取高清全景图，扫码参与更新。
Gitcode 地址：https://gitcode.net/programmer_editor/2023
