作者 | 桑紅妍
隨著以 ChatGPT 為代表的大模型的爆火，AIGC 狂飆態勢仍在繼續並快速滲透到各行各業，低代碼賽道也不例外。AIGC + 低代碼、AI 生成式開發、AIGS 等概念的湧現，似乎預示著 AI 新時代下低代碼正在發生著深刻變革。當「整個產業都會被 AI 重做一遍」成為共識，低代碼賽道的背後又是怎樣的「暗流涌動」？
近期，InfoQ 聯合釘釘圍繞「AI 新時代的低代碼」，邀請了多位低代碼賽道的資深從業者，他們分別是：釘釘宜搭平台負責人葉周全；易鯨雲 CEO 劉金柱；夥伴雲產品總監吳楊；輕流產研負責人陸琦；氚雲產品總經理詹蕭；簡道雲運營負責人沈濤以及主持嘉賓極客邦科技創始人兼 CEO 霍太穩，7 位嘉賓共同打造了這期《再問低代碼：AI 巨浪下》欄目，共同探討 AI 新時代，低代碼面臨哪些機遇與挑戰？低代碼與 AIGC 融合探索的路徑是什麼？如何讓 AI 發揮更強大的底座能力？本文結合嘉賓們的精彩分享探索新思路。
低代碼遇上 AIGC，被顛覆還是融合？
AI 浪潮下，大廠率先起跑，低代碼賽道開始「暗流涌動」，業內集體發出感嘆「這一波浪潮來得實在太快」。巨浪背後便是前所未有的壓力，例如競爭壁壘的衝擊、產研投入的巨大壓力、商業模式和定價結構的改變等，都給低代碼行業帶來新的挑戰與衝擊。正如輕流產研負責人陸琦所說，「AI 能力將成為低代碼平台標配，大家都上，你不上就沒有競爭力。」
面對這些衝擊，AIGC 是否會徹底顛覆低代碼？對此問題，氚雲經過內部推演，產生了顛覆方和融合方兩個「派別」。「顛覆方認為，今天所有的『程序』最終都會走向類似 Jarvis 的 AI 助手，而應用會被拆分成助手的任務流。而融合方認為，深度學習網絡沒有解決知識表征問題，顛覆性有限，但能很好的轉譯需求，與低代碼互補。」氚雲產品總經理詹蕭說道。
釘釘宜搭平台負責人葉周全認為是顛覆還是融合需要從不同視角看待。他表示，「從低代碼廠商角度看，融合是未來發展趨勢，但從用戶角度看，高頻場景可能會被徹底顛覆而其他場景則是融合。可以肯定的一點是，低代碼與 AIGC 越早融合，越能產生 AI-Native 的應用。」AI-Native 是面向基礎設施、基礎架構的理念，它能夠更好地讓 AI 的能力賦能到業務當中，AI-Native 的應用能夠從頭到尾完成用戶的任務，讓用戶儘可能多地減少工作步驟來實現目標。
面對眾多聲音，InfoQ 認為，判定低代碼與 AIGC 融合路徑的確定方向還為時尚早，但可以肯定的是，AIGC 並不能從完全意義上徹底顛覆低代碼。原因在於：第一，AIGC 不會改變低代碼的底層邏輯，其提升企業的應用開發效率以及促進人人開發的優勢並不能被完全取代；第二，大模型通過語義直接生成代碼並不能保證其完全的準確性，且代碼可用性需要大量的人工校正。相反，低代碼融合 AIGC 可以通過語義生成模型，加速需求分析工作進程，讓 AI 的底座能力真正進入業務。
同時，隨著 AI 技術的快速發展，其潛在價值也在不斷增長，AIGC 賦能低代碼行業可能帶來多方面的增強。首先，產品體驗感的提升，藉助 AIGC，低代碼在產品體驗上可能會彎道超車，追平 SaaS 體驗，甚至超越 C 端軟體。通過大模型分析大數據和用戶行為模式，自動優化用戶介面、交互和流程，從而提供更符合用戶期望的產品體驗；其次，開發效率的提升，AIGC 通過智能化建議，協助開發者進一步優化用戶體驗，加速開發過程，降低開發者門檻，讓「人人都是開發者」走進現實；此外，在應用交付層面，藉助 AI-Agent 的能力，低代碼交付環節的效率也能得到大幅提升。AI-Agent 的工作方式類似於人類代理，它能夠接收輸入數據，例如傳感器信息、文本、圖像等，通過分析和處理這些數據，理解環境和任務要求，並作出相應的決策和行動，這樣可以極大減少人工成本，提升效率。
低代碼與 AIGC 融合的價值不言自明，在融合發展中如何讓 AI 的底座能力轉化成生產力，需要一個落腳點，而這個落腳點就是業務場景。
低代碼 +AIGC：業務場景適配是關鍵
儘管 AIGC 有著強大的智能計算能力、更廣泛的數據語料資源、更通用的任務訓練模型以及更靈活的信息參與模式，但它並不是萬能的。事實上，AIGC 只是一種技術，而技術價值的發揮則需要找到適配的業務場景。
那麼，低代碼 +AIGC 實現場景落地了嗎？簡道雲運營負責人沈濤表示，「現在有一些自然語言搭建表單頁面、編寫函數、查詢數據的應用。」「目前來看，AIGC 主要應用場景還是在容錯率較高的領域，比如文本加工，圖像生成，但在 B 端軟體對輸出結果至少要達到 < 0.01% 容錯率才能交付。」氚雲產品總經理詹蕭補充道。這似乎意味著在涉及複雜業務邏輯和多樣化數據的 B 端軟體應用場景中，要讓大模型表現出色依然有一定難度。不難看出，低代碼與 AIGC 的融合探索仍處於早期階段，在探索的路上仍有諸多問題亟待解決。
一方面，AI 新時代，未來低代碼不應該只是代碼的邏輯，終局是通過「聊天」即「Prompt」就能直接生成應用，這才是生產率的質變。但真正要用交互把生成應用的體驗做得非常好，還要解決很多問題。比如大模型在做低代碼應用時，AIGC 能不能跟人的意圖對齊，充分了解龐大的上下文，尤其在應用生成複雜度更高的場景。另一方面，數據安全風險的考量則是商業化上較大的難點，我們看到，多數企業並不會用 ChatGPT 去做低代碼開發應用原因在於接入外部 API，核心業務邏輯可能存在外漏的風險。面對這一問題，能夠解決的辦法之一就是自研大模型，然而自研大模型對於大多數企業而言並不是一件容易的事。它需要大量高質量數據的收集、清洗和標註，以及昂貴的計算資源來支持模型訓練。模型的架構設計、訓練算法和超參數調整需要深入的領域知識和大量實驗。此外，模型大小和存儲、時間和人力投入、評估和測試都是必須要考慮的因素。
面對這些問題，開放生態或許是讓低代碼與 AIGC 創新融合併走向更遠的解決路徑。
全面生態開放，讓 AI 深入千行百業
如果說讓大模型變成類似於「雲伺服器」的基礎設施，是 AI 走向千行百業的必經之路，那麼如何讓低代碼更好地結合與調用 AI 的底座能力則是未來企業實現業務智能升級的突破口。我們看到，釘釘一直在這條路上探索。
就在今天的 2023 釘釘生態大會上，釘釘宣布開放 AI PaaS。什麼是 AI PaaS？大模型要從 Chat 進入 Work，變成真正的生產力工具，必須要進入應用場景，然而目前大模型無法直接運用於應用場景，AI PaaS 可以下接大模型能力，上接千行百業的用戶真實需求，讓大模型的能力真正進入到工作場景。也就是說，企業無需以自己的數據去訓練模型就可以應用大模型結合自身業務場景，實現場景落地。更重要的是，在 AI PaaS 中，釘釘通過解決大模型的安全問題、性能問題，降低開發運維的門檻，降低大模型的不確定性，幫助企業數據與大模型建立聯繫，讓大模型能力真正為協同和業務所用。
此次釘釘將 AI PaaS 開放給生態夥伴和用戶，標誌著釘釘智能化進入生態層，和生態一起完成智能化對釘釘產品和生態產品的再造。同時，AI PaaS 的開放，也是釘釘 PaaS 化戰略的進一步深化。
事實上，早在 2022 釘釘生態大會上就宣布了生態開放，提出「PaaS First Partner First」戰略，明確「釘釘只做一件事，就是 PaaS 化」。此後，釘釘陸續推出 bPaaS、iPaaS、dPaaS 等，不斷向生態夥伴開放底座能力。今年，釘釘宣布接入通義大模型，新釘釘將全面走向智能化。直到如今 AI PaaS 的開放，讓我們看到，釘釘正在構建 AI 時代的智能生態體系，努力讓更多人用上 AI，或讓 AI 像加入低代碼一樣，深入千行百業。
寫在最後
低代碼與 AIGC 的融合探索，讓我們看到未來企業數智化轉型的新路徑。然而，AIGC 並非解決一切問題的萬能工具，低代碼也不是，兩者只有在解決實際業務問題上持續思考，彼此的互補，才能充分釋放其潛力。同時，低代碼與 AIGC 的融合不僅僅需要技術上的創新，更需要思維的轉變，以更加開放的心態構建 AI 生態，才能激發出更強大的創新力量。而這種創新力量的釋放值得所有人期待。