记者 任晓宁

6 月 23 日字节跳动旗下火山引擎夏季峰会上，AI coding（编程）相关的内容占了绝大部分时长。这在最近几年火山引擎峰会上是新鲜事，此前讲的主要是豆包大模型多模态能力、Token（词元）消耗量的成倍增长等。

AI coding 是当前 AI 领域里最热门的赛道之一，也是商业化确定性较高的 AI 应用垂直赛道，已跑出多个 10 亿美元级 ARR（年度经常性收入）产品。招银国际今年 4 月发布的研报称，Anthropic 的 Claude Code，上线半年实现了 10 亿美元 ARR，今年 2 月其 ARR 收入增至 25 亿美元。

一位 AI 公司首席科学家告诉经济观察报，全球范围内，AI coding 第一梯队的公司是 Anthropic 以及 OpenAI。中国公司中，智谱凭借最新发布的 GLM5.2，也能排上第一梯队。相较之下，字节跳动的 AI coding 能力此前不占优势。

火山引擎 6 月 23 日发布的豆包 2.1 大模型，重点展示了 coding 和 agent（智能体）的工作能力。接受经济观察报在内媒体采访时，火山引擎总裁谭待称，字节跳动内部认为 AI coding 是非常重要的事情，重视力度并不亚于 Seedance 2.0。对于 AI coding 模型，字节跳动下半年会做更多。

字节跳动还推出了一款名为 TRAE 的 AI coding 产品，该业务负责人是字节跳动技术副总裁洪定坤。洪定坤称，字节跳动内部 AI 代码贡献率比过去一年翻了 6 倍。其中 TRAE 团队使用 AI 更加激进，AI 代码贡献率超过 90%，团队 Token 消耗量较去年同期增加了 50 倍。但他不认为当前字节的 AI coding 已经做得足够好了，相反，他提出了多个目前实践中发现的问题：

第一个问题是指标失真。AI 生成代码的速度是人类的 10 倍以上，但团队的实际效能仅提升了 60%，这说明单纯的 " 代码贡献率 " 指标并不可靠，AI Coding 面临从 " 能跑 " 到 " 可用 " 的考验。

第二个问题是 AI 代码交付性不高。有时 AI 写代码，会过度设计，比如本来只想做一个很小的参数改动，AI 却复制了一大段相同逻辑的代码。如果缺乏有效的工程化治理，AI 生成的代码越多，问题可能堆积得越快。

第三个问题是，" 人人都是程序员 " 诞生了新的协作危机。洪定坤分享了一个真实案例：一位产品经理利用 AI 生成了功能完备的交互页面，要求直接上线，却被研发团队告知需要排期重构。原因是这些代码存在问题，包括性能不够好、扩展性没有考虑、权限安全等。

面对上述问题，字节跳动正尝试构建一套工程化闭环的治理体系。洪定坤介绍，字节不再单纯迷信 Agent 框架的设计，而是重视更底层的基建，包括上下文工程、架构约束以及知识沉淀等。