90% 开发者用上了代码生成工具,第一名却不是 Copilot?AI 开发者生态报告出炉 | 新程序员

文摘   2024-02-27 18:00  

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

通过观察生态报告中的数据,我们提炼了以下亮点:
  • 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

近年来,我国人工智能产业不断提升自身智能化水平,向高质量发展迈进:
  • 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%。

图 4 行业从业者学历背景统计

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%。

图 5 岗位的经验要求和学历要求统计


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。

图 7 代码生成工具使用频率域满意度


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。

图 8 代码生成工具产品选型

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

图 9 代码生成工具使用环境

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。

图 10 代码生成工具付费意愿

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)。

图 11 代码生成工具功能使用分布

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。

图 13 开发者关注的人工智能突破方向


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。

图 15 开发者眼中的发展机遇

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

图 16 人工智能产业全景图(海外版)

图 17 人工智能产业全景图(国内版)

GitCode开源探索
GitCode官方账号,[GitCode」开源开发者平台,依托CSDN开发者社区,帮助开发者及开发者企业实现项目托管、协同研发、项目运营和生态拓展。
 最新文章