9 月 16 日至 17 日，2026 ITValue Summit 数字价值年会在三亚如期举行。本届大会以 "AI 的系统落地 " 为主题，力求把企业 AI 从 " 做出一个项目 " 的讨论，进一步推进到能力建设、产业协同和实际价值。

编程被普遍视作 AI 落地的 " 第一站 "，至今也仍是大模型竞争的 " 主战场 "。AI Coding 能否形成真正的生产力，将带来哪些组织变革，也成为了 AI 系统落地的 " 试金石 "。

17 日上午，大会专题闭门会 "AI Coding 如何形成真正的生产力 " 吸引了大量企业高管、行业专家参与。爆满的会场中，既有 AI Coding 赛道的核心玩家，也有来自金融、制造业、零售等产业界知名企业的 CEO、CIO、CTO、CFO 等核心决策者。

智识神工创始人、董事长兼 CEO 楚庆，Qoder 技术负责人李斌，数字化战略专家、原平安证券首席信息官张朝晖进行了主题演讲，分享他们对 AI Coding 已经带来、能够带来或应该带来哪些改变，以及如何形成真正生产力的观察和实践。在自由讨论环节，来自不同领域的嘉宾也就 AI Coding 如何赋能企业、组织如何变革、程序员何去何从等问题进行了深入探讨。

革命的子弹首先打在革命者身上

楚庆此前有关 "AI 不是工具，而是新的劳动主体 " 的观点就曾在业内引发关注，此次闭门会上，他强调称 AI Coding 是一场对原有软件生产体系的重构，在这种变革中，甚至 " 程序员 " 这一职业是否还会继续存在都需要打上问号

智识神工创始人、董事长兼 CEO 楚庆

他分享了智识神工近些年在 AI 软件前沿探索过程中率先感受到的变化风向。据介绍，智识神工是 AI 编程技术的先行者，2023 年下半年就推出机器人程序员，那时大多数现在以 AI coding 为主业的企业还悄无声息，2024 年发布了机器人软件工厂（SWOR）产品。

他透露称，团队目前代码几乎全部由 AI 生成，人不再写代码。但当 AI   Coding 大幅减少了团队成员工作量后，很多人员却并未如此前预期的那样转向系统分析、文档、知识创造等更高价值工作，反而出现了全方位的能力退化。在他看来，随着 AI Coding 的发展，软件未来可能会像英语一样，从一种职业能力变成一种基础技能。这也意味着以 " 写代码 " 为核心能力的职业可能不复存在。

楚庆自己也感慨称，" 革命的子弹首先打在了革命者身上。" 他也进一步提示，"AI 真的是一次革命，每个人要为它做好准备。如果还想延续过去的模式，恰恰是最不可行的。"

他也从自己深耕通信、芯片领域二十余年的经历出发，回溯了手机、芯片等行业的变迁，判断称 " 一家企业改不了自己的基因，几乎没有任何一家企业能够生存到下一个革命的时代。"

对于上一个时代的企业，这种判断显然比较悲观。但对于年轻人，时代更替则往往蕴含着重大的机遇，楚庆也建议称，如果你是一个真正的革命者，不应该惧怕，应该张开怀抱拥抱。新时代恰恰会让你分身乏术，让你一个人处于多个空间，获得前所未有的自由感。

对于未来的组织形态，楚庆也有自己的看法。在他看来，未来的劳动主体会是 " 人机联合体 "（CHR），组织上则是人 + 多机器人团队的新工作框架：人负责管理、决策和知识创造，机器人承担系统分析、写代码、测试等执行工作。对于全社会来说，这一新的变化不仅能让生产力提升数十倍，还会推动人超越 " 工业人 " 的定位，走向管理和决策，成为一个真正的知识创造者。

Qoder 的 AI Native 实践

作为 AI Coding 厂商的代表，Qoder 技术负责人李斌则通过团队的实践，分享了 Qoder 在 AI 落地形成真正的生产力，并推动组织变革方面的解法。

在他看来，AI Coding 正在经历一次从 " 工具 " 到 " 组织成员 " 的变化。

最开始，人们把 AI 当成聊天工具，随后用它写代码、改文件，再进一步让它执行复杂任务。随着 Agent 能够接触更多上下文、工具和运行环境，它开始进入真正的生产流程。

Qoder 技术负责人李斌

而 Qoder 内部正在尝试的，正是这样一套 AI Native 研发方式。

在这套体系里，Agent 不再只是一个 " 帮程序员写代码 " 的助手，而是被拆分成不同角色。一个复杂任务可以交给不同的 Agent 专家分别完成：前端负责前端实现，后端负责 API，文档 Agent 负责文档同步。每个 Agent 拥有自己的角色、知识和 Skill，而 Skill 还可以在一次次任务中持续沉淀。这也让 Qoder 成为了超级开发者的标配。

" 编程门槛确实变低了，但如果写出来的是一大堆垃圾代码，确实很难维护。" 李斌坦承 AI Coding 目前面临的问题，并分享了 Qoder 的解题思路：为代码库建立 Wiki，并随着代码变化同步更新。系统架构、模块关系、风险点等信息被显性化，并成为 Agent 可以读取的知识引擎。这意味着，过去藏在程序员脑子里的知识，开始被转化成机器可以理解和调用的组织知识。

不过，更大的变化发生在研发流程、组织形态上。

李斌介绍称，团队自身基于 Qoder 的能力，实现了 AI Native 的研发新范式。

在 AI Native 组织中，产品经理不再只是花几天写一份 PRD，而是先做出可交互原型，让产品、设计和研发面对具体界面和用户体验共同决策。确定之后，再形成 Spec，交给前后端 Agent 专家团实现，人负责决策与验收，Agent 负责执行与测试。在验证环节，团队基于 Computer Use 完成拟人化验证，实现线上工单自主排查修复。在日常运转形成闭环的同时，还能通过 Repo Wiki 沉淀仓库知识，持续维护，提升 Agent 任务的成功率。

李斌总结称，从代码生成到测试再到发版，AI Coding 在 AI Native 组织中，正逐一打破全链路瓶颈，释放真正的生产力。

当 Agent 成为同事后，团队的工作环境、角色与考核也都发生了变化。李斌透露，Qoder 会为员工配置第二台电脑，让 Agent 数字员工拥有独立的运行环境。考核维度也愈发从 Token 消耗转向组织内数字员工数量和贡献度。

随着数字员工真正进入工作流，人与数字员工也需要新的协作方式。李斌在演讲中强调了人在新的组织形态中的重要性，认为应该由人来负责目标与关键判断，数字员工则承担执行与协作，最终也仍是人对目标与结果负责。

他还展望称，" 未来的超级组织一定是人与 Agent 碳硅共生。人类负责方向、判断、创造力，Agent 负责执行、协调、重复性工作。这不是效率的线性提升，而是组织能力的整体跃迁。"

AI 负责生成，人判断什么值得被生成

在今年 7 月发表于钛媒体的系列文章中，张朝晖从彼时刚刚落幕的世界杯切入，以足球为喻，讨论企业 IT 系统与平台建设、架构与治理。此后又在不同文章、场合中，分别以游泳、婚姻类比企业软件、AI，都引发了读者、听众热烈反响。

在此次闭门会上，张朝晖又将 AI 短剧、乒乓球与 AI Coding 关联在了一起。

在他看来，AI Coding 目前的问题与 AI 短剧如出一辙。

在 AI 剧 / 漫剧赛道，半年就能涌现出 20 余万部作品，扩张速度惊人，但点击能破亿的不足 0.5%，能回本的不到 1.5%。而在 AI Coding 领域，不少机构也发现，虽然开发者任务完成量、PR 合并率都在提升，但与此同时，bug 数、PR 事故数以及 PR 平均审核时间，却在以更高的比率增加。

在张朝晖看来，这正是当今 AI 所面临的瓶颈：生成变快了，但后续问题显著增加，这显然无益于形成真正的生产力。

张朝晖 " 以自己为方法 "，通过自身跟随专业教练训练乒乓球的经历，探寻 AI 形成生产力之道。

数字化战略专家、原平安证券首席信息官张朝晖

他分享了自己的 " 四阶段乒乓球训练大纲 "，强调必须先练好作为 " 组件 " 的单项技术，随后则是 " 组合 "，要把动作连接起来形成稳定的节奏，再将技术串起来应对不同的实战场景，最终在实战对抗中检验与提升，反哺、改进组件与组合。

他将这套逻辑映射到短剧和编程领域，强调 AI 内容能否成功，AI Coding 能否形成真正的生产力，都受到自身 " 组件 "" 组合 "" 实战 " 三要素的影响。对于 AI Coding 来说，能解决真实业务问题的才是对的 " 组件 "；随后更需让团队愿意用，觉得好用形成复用；并且能够不断在真实、不可控的场景中得到检验，做到可维护、可更新，别人能接手，形成长期价值。

但想做到这些并不容易。

在张朝晖看来，AI Coding 形成真正生产力的关键，仍在于人。

"AI 负责生成，人负责判断什么值得被生成、值得被持续投入。" 他认为判断力在 AI 时代尤为重要，形成判断力则需要做对拆解、复用、测试、反馈这四件事。而对于编程来说，判断力意味着拿到一个业务需求，能看出系统架构该长什么样，哪些该做成组件，功能该怎么划分。

对企业来说更是如此，张朝晖以平安证券、摩根大通、高盛等为例，强调企业自身定义架构，形成自身骨架的重要性，提示称，强大的 AI，必须建立在更强的治理之上，而 AI 战略，必须由懂业务、懂风险、懂治理的人负责。

在演讲的最后，张朝晖也向 AI Coding 厂商提出了不少尖锐问题，" 团队用 AI 生成的大量代码，有多少半年后还有人愿意接手、能够接手？你还记得当初给它的需求是什么吗？""AI 编程让写代码的速度变快了，但做出来的应用有多少人真正愿意用？用的时候如何维护？出了问题谁来负责？" 他尤其警示应避免让 AI Coding 变成下一片 "Excel 墓地 "。

AI Coding 时代，人的位置在哪？

在自由讨论环节，AI   Coding 对组织和人的影响尤其引发关注。

在张朝晖看来，即使在 AI   Coding 时代，软件工程师也不一定会消失，进行相关领域的学习仍然有价值。但他也同时表示，相关职业的价值坐标会发生变化，" 架构 " 和 " 业务理解 " 会变得愈发重要，而夹在技术与业务之间、既不精通业务，也没有足够技术壁垒的人，最有可能被替代。

中国研究型医院学会医疗信息化分会副会长、高博医疗集团首席信息专家陈金雄也分享了自身的观察和实践。他从带团队进行 AI 转型的经验出发，认为 AI   Coding 正在将软件研发的范式从 " 橄榄型 " 变成 " 哑铃型 "：传统范式中，70% 到 80% 的时间会花在编程上，但 AI Coding 能规模化、快速生成代码后，就要把时间投入到业务理解、业务建模、业务抽象、业务分解中去。

他认为，" 懂业务，会驾驭 " 的人才能够适应 AI Coding 时代，并成为真正的创新生产力。与此同时，他也提到，对业务十分生疏、找不着门道的传统程序员在这个时代确实很难转型，面临不小的挑战。

开源中国副总裁李彦成也分享了两个内部团队的对比实例。一个团队在传统软件开发流程基础上增加 AI 工具，虽快，但端到端交付并未明显提速；另一个团队则更加彻底地采用 AI Native 方式，使用自研 AI Coding 万象产品与极智产品，覆盖协同办公与代码开发场景，抛弃传统流程，不再手写代码，每人独立负责模块，全员以评审为主，AI 完成编码、单测、自动化测试和变更影响分析。引入 AI 后，不仅提升了编码阶段的工作效率，更扩展了人员能力边界，最终几人效率远超过去二三十人，端到端交付显著加速。

实际上，从主题演讲到自由讨论，" 组织 " 一词始终是这场闭门会上出现频率最高的关键词之一。虽然分享者的站位、视角甚至观点不尽相同，但普遍认为 AI Coding 将推动组织变革，也只有在组织层面完成迭代，AI Coding 才能形成真正的生产力。

而在组织重构的过程中，几乎所有嘉宾都会将关注重点放在人将要承担的角色上，业务能力、判断力、决策能力，也在分享和讨论中被多次提及。

当 AI Coding 跨越生产力鸿沟之时，生产关系必将随之变化，无论是 Agent 成为同事，还是 " 人机联合体 " 形成新的劳动模式，人都要在与 AI 的协作中，重新找到自己的位置。（本文首发于钛媒体 APP，文｜飞向 TAI 空，作者｜胡珈萌，编辑｜盖虹达）