AI｜对话码上飞创始人武鑫：在最卷的AI Coding赛道，他押注China First，要做行业的拼多多
6871
AI设计/3D打印/欧洲市场实战拆解，点击报名
“码上飞的用户是钓鱼大叔、社区送水的师傅、猪肉铺老板....
前言
2025年，AI Coding 无疑是当下最热也是最卷的赛道——因为代码是最容易被 AI 格式化、场景化的领域之一，也最先有商业收入。
从 GitHub Copilot 到 Cursor，从 Replit 到 Lovable，新产品周周都有，且几乎都能拿到融资。根据最新数据，中国市场已经出现了超过30款主打「 AI Coding」的产品，几乎覆盖了从 IDE 增强、代码补全到端到端生成的各个环节。
今天 AI闹 对谈的码上飞也是一款端到端的 AI Coding 产品，打开网站首页，只有六个字：说中文，做应用。
它最大的特点：服务纯小白用户。
市面上，主流 AI Coding 大多以「代码补全」「协助编写」为核心，比如 Copilot 是写一半补一半，Cursor 是半人半 AI 协作；Lovable 是分步骤生成step-by-step，但码上飞的做法非常激进：
用户不用写一行代码、整个过程也不用看代码，直接输入需求：比如我想做一款监督自己减肥的小程序
产品启动，前端、后端、数据库、管理后台，甚至测试数据全部配好，直接交付一个完整产品。
这套产品逻辑被创始人武鑫称为「version-version-version」。
码上飞产品 demo
码上飞的这种做法存有争议。
因为现阶段，AI 的编程能力更适合解放程序员双手，而非普通人；此外，很多人认为，只有 context 长度提升十倍，模型可靠性达到99%才能支撑普通用户的使用。
AI闹 也邀请几位专业人士测评，评价包括「像玩具」、「错误很多」、「没太大价值」、「他们为什么不做开源？」
但武鑫不打算改。
他坚持切入的用户是「在手机里看到一个下载包都会问如何双击」的普通人。码上飞上线一年多，用户从派出所的社区警察、精油调配师、到社区猪肉店老板、送水小哥。
武鑫是典型的技术派出身。四十出头，兰州大学计算机毕业，在腾讯、字节等大厂工作多年，职业生涯从 PC 到 AI 横跨多个技术周期。真正让他动心起念创业的是2022年底，他用 GPT-3.5 做了一次代码测试，模型准确完成，当他追问模型是如何做到时：「因为你们的 Open API 文档在网上，我都读过。」
他意识到，时代变了，于是放弃百万年薪，投身 AI 创业。
武鑫的判断是：随着技术普惠和编写代码的成本无限趋于0， AI Coding 的落地场景不会发生在数字化最先进的地方，比如美国，而会出现在「数字化最薄弱」的地区，比如中国的四五线城市，甚至更下探的县城，「China first，要做从0-60的事情，而不是60-100。」
所以，相比行业里其他同行迷信参数、模型架构，顶尖期刊论文发表等，武鑫现在最关心也是最焦虑的是产品的迭代速度，「还要更激进，更快，才能让更多普通人用上。」
码上飞团队在奇绩论坛路演，左一是武鑫
日常团建。团队以技术为主，一直保持10人小规模对话武鑫
我们的用户是打完麻将
回家看看今天卖猪肉赚了多少钱
AI NOW!：很多业内人士认为， AI Coding 切入小白市场对创业公司来说太激进，大厂都不会这么干，毕竟小白用户只占编程整体用户的5%。
武鑫：这是个好问题，也是很多人问我的问题。
如果我们只聚焦专业开发者——市面上大部分 AI Coding 产品也是这么做的——中国大概有1000万专业码农，全球是4000万到5000万——优点是用户确定、商业路径明确。
但从我的角度看，这不是我的创业初心，如果你创业过，就知道创业这件事还是太难了，如果只想着赚钱，其实有很多 ROI 更高的赚钱方式，一定要有很强大的愿景支撑，才能面对创业路上的种种困难和挑战。我放弃优渥待遇，人到中年离职创业，就是希望在 AI 时代实现开发技术的普惠，像普罗米修斯盗火一样，把数字化能力交到每个普通人的手里，产生巨大的社会价值。
另外，我不是不理性的创业者。我的判断是：未来小白市场至少是专业开发者的20倍以上，这个变化在历史上曾发生过一次的：从 PS 到 Canva 。后者现在的用户量前者的20倍。
AI NOW!：为什么选择的切入场景是先帮用户生成小程序？
武鑫：我们参考了自动驾驶 L4 的落地路径。这个技术现在还很难实现汽车的安全上路，但室内低速 L4 应用已经是非常恐怖和庞大的产业了，比如送餐机器人。
所以我的逻辑也一样，先做室内低速的自动化开发。小程序就是一个很明确，有限定的场景。
一来就做平台？对不起，我的创业资源不支持。
AI NOW!：你明确喊出 China First，非要这么快就做选择？
武鑫：在移动时代，做产品只要对需求、人性有观察就足够了，因为全球化还是大势所趋。但现在世界显然在不平静之中，说得更直白点，已经不存在我们理想中的全球化了。
我认为5到10年内，一个创业者必须把地缘因素纳入思考：到底做中国主导的全球化还是美国主导的全球化？
我的选择在中国：China first then impact global。
再往深层说，来自我内心对实现成功路径的思考。今年上半年有一款产品率先在海外爆火，然后再回到国内，我知道很多同行也都倾向这个路径，更容易获得关注。但我晚上睡觉时经常想：这样的爆火是不是我想要的？
可能不是。我更想要 Deepseek、黑悟空这样的成功，我觉得，中国的创业者已经有能力以自己的原创实力辐射全球。
AI NOW!：为什么面向中国市场，你选择的技术路径是不给用户零部件，而是直接交付完整产品？
武鑫：举个例子：外国人去宜家买一大堆零件，回家可以哐哐哐自己装，但中国人喜欢拎包入住，两个国家文化底层基因的不同。
即便是服务小白用户，在美国可以提供单点的小工具，也很有市场。但中国给用开源方案或者单点工具显然是不够的，用户还是不会用，所以必须是端到端。
AI NOW!：你们产品更激进的细节是：连给用户选择模型的界面都没有，整个写代码的过程也是隐蔽的。
武鑫：我们的用户是钓鱼大叔、派出所民警、社区送水的师傅…… 你开放各种技术，让他们选 Claude 3.5 还是 GPT-4 ？他们怎么选？
前几天我去华为 HDC 演示产品，很多用户看到我们的口号：说中文，做应用，就开始对着演示电脑的屏幕，讲话了。这让我挺震动的，我开始反思，不是用户有问题，而是我们做技术的太傲慢了。这些都是最普通的用户，既然我们叫「说」中文，那是不是应该加入语音方式，以后用户跟产品说几句话，就能迅速生出一个小程序。
软件工程的复杂度不会消失，只会转移或者隐藏，一些背后的 dirty work 应该让我们来做，用户也不需要知道。
未来，我还在想，能不能帮用户把所有数字化的事情都干了。他做完一个小程序，我们再自动帮他申请一个社交账号，开始自动运营内容。真的为一人公司实现端到端的数字化的服务——深入到中国经济的毛细血管—这是最有价值的。用户为结果付费，而不是为 token。
AI NOW!：怎么回应很多业内人士认为， AI Coding 售卖给用户的是一种情绪价值，让用户因为做出来东西而买单，而没有任何实际价值？
武鑫：这个问题也特别有意思。我们的用户是35岁以上男性为主，基本是非码农。像 Lovable 和 Bolt.new 这两个国外对标竞品，他们24—34岁区间的用户比远远高于我们，但在35岁+区间我们的用户占比反而更高。
所以他们用户关注的话题更偏技术前沿，比如工具、开软件开发。而我们的用户更关注二手房、服饰、美容。地域分布以广东最多，之后是江苏、浙江、四川，都是个体经济比较活跃的地区。他们大多是一些已经有成熟想法的个体商户，受限于上万的开发费用，希望花几十块钱，迅速把想法实现。
我叫他们一人生意，他们买单的逻辑是省钱提效。
AI NOW!：这些用户给了你什么启发？
武鑫：他们不是多大的生意，生意半径就是2—5公里的熟客。小区里送桶装水、卖猪肉的……也根本没准备把东西卖向全国、甚至没准备卖出小区。
我曾经调研问过一个用户，为什么不用有赞？他说太复杂了，用不上，他就希望做个小程序帮他收订单，最好收到订单后，还能叫一个快递，把货送到客人那里。他能去打麻将，晚上回家数数今天赚了多少钱。
码上飞第一批用户大多是个体经营，以出货、支付为核心诉求
AI NOW!：还有哪些用户的使用场景给你的触动很大？
武鑫：我们有个做戒烟应用的用户。他用降龙十八掌做交互，点一个按钮出来一个戒烟小问题。这个玩意你拿给一些专业人看，未必觉得好看，太丑了，但用户就特别喜欢。
我的理解是，以前我们做软件按照最大公约数，找共性需求，现在当 AI 把开发成本降到接近0时，就能生成无限多的个性化产品。
用户先从节省成本和提升效率用起来，然后会希望找一种全新的内容载体，承载自己独特的经验、知识、数据、想法甚至情感。
就像做戒烟应用的这个用户已经戒烟成功了，他是做给其他烟友，监督大家戒烟的。我们也有很多用户做小程序是为了分享，背后是人类利他的需求，这也让我意识到，技术普惠会带来更多生产方式和创造力的改变。
模型压缩共性，缺乏个性
无法理解真实世界
AI NOW!：我们测试了一个场景：让码上飞做一个打砖块的游戏，前面理解都是对的，最后生成的是俄罗斯方块，这个偏差是怎么发生的？
武鑫：这是 BUG，背后是我们现在遵循的工程原理不到位。
我对工程的要求是关注性价比，也就是说做打砖块这个游戏，我们不会从0-1开发—很多 AI 产品的 token 就是这么浪费的——我们会尽量利用现有的数据，优化生成效率。
系统可能匹配之后，发现打砖块和俄罗斯方块差不多，AI 就自行判断是俄罗斯方块，加上这个过程没有人工参与，AI 出现的幻觉导致生成错误，最近一直在优化，你可以现在试试，是不是能做对。
AI NOW!：我还用码上飞做了一个足球队的管理工具，考勤、统计进球、分摊场地费等等。 最后导出的结果和我想象中差别挺大，是我提的 prompt 不准确吗？
武鑫：我们并不希望你的 prompt 准确，这件事是我们没交付好，很抱歉。原因是现在的模型对于你的理解能力是不够的，我们希望随着模型能力的提升，以及我们对用户数据的积累，让模型比你更懂「你」，尽可能一次性给出你最想要的应用，而不是寄希望于你能描述清楚需求。
AI NOW!：我的两个案例是不是说明：现在端到端最大的难点是模型的上下文感知能力受限？模型到软件永远存在转换层，也就是产品经理这个角色是不可替代的。
武鑫：对，本质问题是模型无法更好的理解现实世界。
现在模型的编程能力已经超过97%的人类程序员。但你给它一个很简单的产品需求—比如做个打砖块—能力很烂，要么界面很丑，要不没有你想要的功能。因为它对真实世界的软件了解不足。
如何理解真实世界？又引出一个更深层次：基础模型是不断压缩共性知识，它将来一定会成为一个很厉害的 AI 产品经理，但缺乏个性知识。
这也是为什么我们现阶段的策略是更多服务下沉用户，因为他们有很多个性化的数据经验永远不会出现在互联网上，也就没有被压缩进基础模型。
比如我们有用户做了一个分手概率的计算器，他有一套独特的公式，他的粉丝也认可。这些数据就是我现在最关心的一批数据。
我们要做的第一步，是先把用户端到端的个性化数据和经验保存起来，做好动态数据集的构建，再把精力放在基于个性化数据集的 RL 后训练上，甚至在未来实现持续训练。
AI NOW!：具体我刚才说的做一个足球队的管理，你的理想态是什么工程步骤？
武鑫：你有这样的一个想法，其实可能还有很多用户有和你类似的想法，但是大家的个性化需求又有所不同，最后大家的需求构成了一个庞大的数据集。
如果我们已经收集过类似的用户需求，我们会基于已经做过的需求场景，推荐合适的方案，这样用户就会觉得：「哇，你怎么知道我想要的是这个！」，根本不需要用户进行详细的 prompt 描述。而随着积累的用户场景和数据越来越多，效果也会越来越让用户哇塞，这就是我前面说的让模型比你更懂「你」。
AI NOW!：那应该让更多的用户用上，激进做增长？
武鑫：这也是我最近一直在思考，现在的增长效率显然是不够的，做 C 端场景一定要快跑出量。
我们已经跟百度合作，当用户搜「开发小程序」，会出现我们的卡片，这个渠道能占日常30%自然流量，最近又接入华为鸿蒙生态。同时在同步提升转率，让用户更顺滑使用。
接入鸿蒙系统
技术尚未定型，必须激进
苟住就是死
AI NOW!：今天 AI Coding 是最火的赛道，你2023年就进入了。现在和两年前相比，你的认知有什么变化？
武鑫：赛道是很火，但其实进入壁垒是非常非常高的。都觉得 AI 能写代码了，做个应用有多难？但从 code 到 software 到 application 是非常复杂的工程。这两年多，我看到周围有很多很厉害的人进入这个赛道，但没做出什么东西的人也有很多。
再有就是有一些行业观点，我不太赞成：比如 AI Coding 直接做 2B 更好，更有商业收入。
坦率讲，2024年我们也做过。但面临两个问题，第一不太长久，刚开始可以接一些小活，但实现 B 端的完整交付，就需要充足的人力，最后又变成堆人头的游戏。第二，和那些在垂类领域深耕的公司比，我们做 2B 没有 know—how 的优势。比如用 AI coding 做财务软件是非常可怕的，如果金蝶开始做，创业公司的优势又是什么？
所以长远看，AI Coding 的行业壁垒其实特别高，每家公司如何选择技术路线？如何选择用户、如何找准商业模式，都非常重要。
AI NOW!：和大厂比，码上飞的竞争壁垒在哪里？
武鑫：早期我们肯定有先发优势，2023年就开始做了。
中期的竞争壁垒来自我们对用户和数据的独特思考，码上飞会一直保持开放性，不会做垂类应用，但在一些特定场景下会把生成效果提到极限。比如现在腾讯也没我懂该怎么给钓鱼佬做小程序。
这些很小众的、从来没有人关注过的应用场景和用户需求，大厂现在还看不上也看不懂，这就是创业公司的机会。
长远格局看，AI Coding 的终局应该是能不能围绕你的服务，构建一个独特的内容生态，就像快手从 GIF 工具变成社区，最终我们也应该从工具走向内容社区。
AI NOW!：AI 还有哪些大机会？
武鑫：还是有三个比较大的机会。
一个是做 C 端代理，通用 Agent，或者叫 Personal Agent。代表性产品 Manus，这个领域大厂机会更大，或者像华为、苹果天然触达 C 端的硬件公司。
另一个机会是做 Infra（基础建设），像硅基流动。这里面创业公司和大厂机会各50%。
第三个是 Service Agent，或者叫垂类 Agent，交付特定场景的端到端的结果，这里面创业公司机会是最大的。你给通用 Agent 一个任务，让他开发一个小程序，它肯定是搞不定的。
那是不是可以接入一个端到端的 Service Agent，像我们。Service Agent + Personal Agent 组合，能更好服务用户。我们希望也愿意成为所有通用 Agent 的最佳开发伙伴。
AI NOW!：众所周知，大厂现在奉行敢为天下后，都在等创业公司做出点什么再看。从创业公司的角度，怎么做才能保持身位优势？
武鑫：激进。
我们没有其他路走，没有「苟住」这个选项的。因为现在和移动时代完全不同，移动时代的很多技术是定型的。现在技术变化之剧烈，像年初 DeepSeek 出现，一下把成本打到这么低，让我觉得特别恐怖。
这一轮创业，只有向前，做最冒险的事情，做最新的技术去做看起来最不靠谱的体验，也许才有机会，这些小缝隙大厂还看不上也看不懂，创业公司要利用好才有机会。
AI NOW!：你判断 AI Coding 何时会出现杀手级的应用？会不会是你们？
武鑫：我觉得时间点大概在2027年。到2025年模型的编程能力已经和人类程序员打平；到2027年，模型对于现实世界的理解能力应该和人类产品经理差不多。
在此前，在技术尚未完全成熟时，我们要尽可能做个性化的数据积累。
AI NOW!：最后推荐三本影响你最大的书。
武鑫：第一本《少有人走的路》；第二本是《毛泽东》，常读常新。这位老大面临了创业者几乎要面临的所有问题：被董事会背叛，遵义会议回收权利，然后建立一致行动人，之后面临竞品各种追杀围堵，他无疑是中国最伟大的创业者。
第三本就是《原则》，坚定了我 China first 的选择。
“码上飞的用户是钓鱼大叔、社区送水的师傅、猪肉铺老板....
前言
2025年，AI Coding 无疑是当下最热也是最卷的赛道——因为代码是最容易被 AI 格式化、场景化的领域之一，也最先有商业收入。
从 GitHub Copilot 到 Cursor，从 Replit 到 Lovable，新产品周周都有，且几乎都能拿到融资。根据最新数据，中国市场已经出现了超过30款主打「 AI Coding」的产品，几乎覆盖了从 IDE 增强、代码补全到端到端生成的各个环节。
今天 AI闹 对谈的码上飞也是一款端到端的 AI Coding 产品，打开网站首页，只有六个字：说中文，做应用。
它最大的特点：服务纯小白用户。
市面上，主流 AI Coding 大多以「代码补全」「协助编写」为核心，比如 Copilot 是写一半补一半，Cursor 是半人半 AI 协作；Lovable 是分步骤生成step-by-step，但码上飞的做法非常激进：
用户不用写一行代码、整个过程也不用看代码，直接输入需求：比如我想做一款监督自己减肥的小程序
产品启动，前端、后端、数据库、管理后台，甚至测试数据全部配好，直接交付一个完整产品。
这套产品逻辑被创始人武鑫称为「version-version-version」。
码上飞产品 demo
码上飞的这种做法存有争议。
因为现阶段，AI 的编程能力更适合解放程序员双手，而非普通人；此外，很多人认为，只有 context 长度提升十倍，模型可靠性达到99%才能支撑普通用户的使用。
AI闹 也邀请几位专业人士测评，评价包括「像玩具」、「错误很多」、「没太大价值」、「他们为什么不做开源？」
但武鑫不打算改。
他坚持切入的用户是「在手机里看到一个下载包都会问如何双击」的普通人。码上飞上线一年多，用户从派出所的社区警察、精油调配师、到社区猪肉店老板、送水小哥。
武鑫是典型的技术派出身。四十出头，兰州大学计算机毕业，在腾讯、字节等大厂工作多年，职业生涯从 PC 到 AI 横跨多个技术周期。真正让他动心起念创业的是2022年底，他用 GPT-3.5 做了一次代码测试，模型准确完成，当他追问模型是如何做到时：「因为你们的 Open API 文档在网上，我都读过。」
他意识到，时代变了，于是放弃百万年薪，投身 AI 创业。
武鑫的判断是：随着技术普惠和编写代码的成本无限趋于0， AI Coding 的落地场景不会发生在数字化最先进的地方，比如美国，而会出现在「数字化最薄弱」的地区，比如中国的四五线城市，甚至更下探的县城，「China first，要做从0-60的事情，而不是60-100。」
所以，相比行业里其他同行迷信参数、模型架构，顶尖期刊论文发表等，武鑫现在最关心也是最焦虑的是产品的迭代速度，「还要更激进，更快，才能让更多普通人用上。」
码上飞团队在奇绩论坛路演，左一是武鑫
日常团建。团队以技术为主，一直保持10人小规模对话武鑫
我们的用户是打完麻将
回家看看今天卖猪肉赚了多少钱
AI NOW!：很多业内人士认为， AI Coding 切入小白市场对创业公司来说太激进，大厂都不会这么干，毕竟小白用户只占编程整体用户的5%。
武鑫：这是个好问题，也是很多人问我的问题。
如果我们只聚焦专业开发者——市面上大部分 AI Coding 产品也是这么做的——中国大概有1000万专业码农，全球是4000万到5000万——优点是用户确定、商业路径明确。
但从我的角度看，这不是我的创业初心，如果你创业过，就知道创业这件事还是太难了，如果只想着赚钱，其实有很多 ROI 更高的赚钱方式，一定要有很强大的愿景支撑，才能面对创业路上的种种困难和挑战。我放弃优渥待遇，人到中年离职创业，就是希望在 AI 时代实现开发技术的普惠，像普罗米修斯盗火一样，把数字化能力交到每个普通人的手里，产生巨大的社会价值。
另外，我不是不理性的创业者。我的判断是：未来小白市场至少是专业开发者的20倍以上，这个变化在历史上曾发生过一次的：从 PS 到 Canva 。后者现在的用户量前者的20倍。
AI NOW!：为什么选择的切入场景是先帮用户生成小程序？
武鑫：我们参考了自动驾驶 L4 的落地路径。这个技术现在还很难实现汽车的安全上路，但室内低速 L4 应用已经是非常恐怖和庞大的产业了，比如送餐机器人。
所以我的逻辑也一样，先做室内低速的自动化开发。小程序就是一个很明确，有限定的场景。
一来就做平台？对不起，我的创业资源不支持。
AI NOW!：你明确喊出 China First，非要这么快就做选择？
武鑫：在移动时代，做产品只要对需求、人性有观察就足够了，因为全球化还是大势所趋。但现在世界显然在不平静之中，说得更直白点，已经不存在我们理想中的全球化了。
我认为5到10年内，一个创业者必须把地缘因素纳入思考：到底做中国主导的全球化还是美国主导的全球化？
我的选择在中国：China first then impact global。
再往深层说，来自我内心对实现成功路径的思考。今年上半年有一款产品率先在海外爆火，然后再回到国内，我知道很多同行也都倾向这个路径，更容易获得关注。但我晚上睡觉时经常想：这样的爆火是不是我想要的？
可能不是。我更想要 Deepseek、黑悟空这样的成功，我觉得，中国的创业者已经有能力以自己的原创实力辐射全球。
AI NOW!：为什么面向中国市场，你选择的技术路径是不给用户零部件，而是直接交付完整产品？
武鑫：举个例子：外国人去宜家买一大堆零件，回家可以哐哐哐自己装，但中国人喜欢拎包入住，两个国家文化底层基因的不同。
即便是服务小白用户，在美国可以提供单点的小工具，也很有市场。但中国给用开源方案或者单点工具显然是不够的，用户还是不会用，所以必须是端到端。
AI NOW!：你们产品更激进的细节是：连给用户选择模型的界面都没有，整个写代码的过程也是隐蔽的。
武鑫：我们的用户是钓鱼大叔、派出所民警、社区送水的师傅…… 你开放各种技术，让他们选 Claude 3.5 还是 GPT-4 ？他们怎么选？
前几天我去华为 HDC 演示产品，很多用户看到我们的口号：说中文，做应用，就开始对着演示电脑的屏幕，讲话了。这让我挺震动的，我开始反思，不是用户有问题，而是我们做技术的太傲慢了。这些都是最普通的用户，既然我们叫「说」中文，那是不是应该加入语音方式，以后用户跟产品说几句话，就能迅速生出一个小程序。
软件工程的复杂度不会消失，只会转移或者隐藏，一些背后的 dirty work 应该让我们来做，用户也不需要知道。
未来，我还在想，能不能帮用户把所有数字化的事情都干了。他做完一个小程序，我们再自动帮他申请一个社交账号，开始自动运营内容。真的为一人公司实现端到端的数字化的服务——深入到中国经济的毛细血管—这是最有价值的。用户为结果付费，而不是为 token。
AI NOW!：怎么回应很多业内人士认为， AI Coding 售卖给用户的是一种情绪价值，让用户因为做出来东西而买单，而没有任何实际价值？
武鑫：这个问题也特别有意思。我们的用户是35岁以上男性为主，基本是非码农。像 Lovable 和 Bolt.new 这两个国外对标竞品，他们24—34岁区间的用户比远远高于我们，但在35岁+区间我们的用户占比反而更高。
所以他们用户关注的话题更偏技术前沿，比如工具、开软件开发。而我们的用户更关注二手房、服饰、美容。地域分布以广东最多，之后是江苏、浙江、四川，都是个体经济比较活跃的地区。他们大多是一些已经有成熟想法的个体商户，受限于上万的开发费用，希望花几十块钱，迅速把想法实现。
我叫他们一人生意，他们买单的逻辑是省钱提效。
AI NOW!：这些用户给了你什么启发？
武鑫：他们不是多大的生意，生意半径就是2—5公里的熟客。小区里送桶装水、卖猪肉的……也根本没准备把东西卖向全国、甚至没准备卖出小区。
我曾经调研问过一个用户，为什么不用有赞？他说太复杂了，用不上，他就希望做个小程序帮他收订单，最好收到订单后，还能叫一个快递，把货送到客人那里。他能去打麻将，晚上回家数数今天赚了多少钱。
码上飞第一批用户大多是个体经营，以出货、支付为核心诉求
AI NOW!：还有哪些用户的使用场景给你的触动很大？
武鑫：我们有个做戒烟应用的用户。他用降龙十八掌做交互，点一个按钮出来一个戒烟小问题。这个玩意你拿给一些专业人看，未必觉得好看，太丑了，但用户就特别喜欢。
我的理解是，以前我们做软件按照最大公约数，找共性需求，现在当 AI 把开发成本降到接近0时，就能生成无限多的个性化产品。
用户先从节省成本和提升效率用起来，然后会希望找一种全新的内容载体，承载自己独特的经验、知识、数据、想法甚至情感。
就像做戒烟应用的这个用户已经戒烟成功了，他是做给其他烟友，监督大家戒烟的。我们也有很多用户做小程序是为了分享，背后是人类利他的需求，这也让我意识到，技术普惠会带来更多生产方式和创造力的改变。
模型压缩共性，缺乏个性
无法理解真实世界
AI NOW!：我们测试了一个场景：让码上飞做一个打砖块的游戏，前面理解都是对的，最后生成的是俄罗斯方块，这个偏差是怎么发生的？
武鑫：这是 BUG，背后是我们现在遵循的工程原理不到位。
我对工程的要求是关注性价比，也就是说做打砖块这个游戏，我们不会从0-1开发—很多 AI 产品的 token 就是这么浪费的——我们会尽量利用现有的数据，优化生成效率。
系统可能匹配之后，发现打砖块和俄罗斯方块差不多，AI 就自行判断是俄罗斯方块，加上这个过程没有人工参与，AI 出现的幻觉导致生成错误，最近一直在优化，你可以现在试试，是不是能做对。
AI NOW!：我还用码上飞做了一个足球队的管理工具，考勤、统计进球、分摊场地费等等。 最后导出的结果和我想象中差别挺大，是我提的 prompt 不准确吗？
武鑫：我们并不希望你的 prompt 准确，这件事是我们没交付好，很抱歉。原因是现在的模型对于你的理解能力是不够的，我们希望随着模型能力的提升，以及我们对用户数据的积累，让模型比你更懂「你」，尽可能一次性给出你最想要的应用，而不是寄希望于你能描述清楚需求。
AI NOW!：我的两个案例是不是说明：现在端到端最大的难点是模型的上下文感知能力受限？模型到软件永远存在转换层，也就是产品经理这个角色是不可替代的。
武鑫：对，本质问题是模型无法更好的理解现实世界。
现在模型的编程能力已经超过97%的人类程序员。但你给它一个很简单的产品需求—比如做个打砖块—能力很烂，要么界面很丑，要不没有你想要的功能。因为它对真实世界的软件了解不足。
如何理解真实世界？又引出一个更深层次：基础模型是不断压缩共性知识，它将来一定会成为一个很厉害的 AI 产品经理，但缺乏个性知识。
这也是为什么我们现阶段的策略是更多服务下沉用户，因为他们有很多个性化的数据经验永远不会出现在互联网上，也就没有被压缩进基础模型。
比如我们有用户做了一个分手概率的计算器，他有一套独特的公式，他的粉丝也认可。这些数据就是我现在最关心的一批数据。
我们要做的第一步，是先把用户端到端的个性化数据和经验保存起来，做好动态数据集的构建，再把精力放在基于个性化数据集的 RL 后训练上，甚至在未来实现持续训练。
AI NOW!：具体我刚才说的做一个足球队的管理，你的理想态是什么工程步骤？
武鑫：你有这样的一个想法，其实可能还有很多用户有和你类似的想法，但是大家的个性化需求又有所不同，最后大家的需求构成了一个庞大的数据集。
如果我们已经收集过类似的用户需求，我们会基于已经做过的需求场景，推荐合适的方案，这样用户就会觉得：「哇，你怎么知道我想要的是这个！」，根本不需要用户进行详细的 prompt 描述。而随着积累的用户场景和数据越来越多，效果也会越来越让用户哇塞，这就是我前面说的让模型比你更懂「你」。
AI NOW!：那应该让更多的用户用上，激进做增长？
武鑫：这也是我最近一直在思考，现在的增长效率显然是不够的，做 C 端场景一定要快跑出量。
我们已经跟百度合作，当用户搜「开发小程序」，会出现我们的卡片，这个渠道能占日常30%自然流量，最近又接入华为鸿蒙生态。同时在同步提升转率，让用户更顺滑使用。
接入鸿蒙系统
技术尚未定型，必须激进
苟住就是死
AI NOW!：今天 AI Coding 是最火的赛道，你2023年就进入了。现在和两年前相比，你的认知有什么变化？
武鑫：赛道是很火，但其实进入壁垒是非常非常高的。都觉得 AI 能写代码了，做个应用有多难？但从 code 到 software 到 application 是非常复杂的工程。这两年多，我看到周围有很多很厉害的人进入这个赛道，但没做出什么东西的人也有很多。
再有就是有一些行业观点，我不太赞成：比如 AI Coding 直接做 2B 更好，更有商业收入。
坦率讲，2024年我们也做过。但面临两个问题，第一不太长久，刚开始可以接一些小活，但实现 B 端的完整交付，就需要充足的人力，最后又变成堆人头的游戏。第二，和那些在垂类领域深耕的公司比，我们做 2B 没有 know—how 的优势。比如用 AI coding 做财务软件是非常可怕的，如果金蝶开始做，创业公司的优势又是什么？
所以长远看，AI Coding 的行业壁垒其实特别高，每家公司如何选择技术路线？如何选择用户、如何找准商业模式，都非常重要。
AI NOW!：和大厂比，码上飞的竞争壁垒在哪里？
武鑫：早期我们肯定有先发优势，2023年就开始做了。
中期的竞争壁垒来自我们对用户和数据的独特思考，码上飞会一直保持开放性，不会做垂类应用，但在一些特定场景下会把生成效果提到极限。比如现在腾讯也没我懂该怎么给钓鱼佬做小程序。
这些很小众的、从来没有人关注过的应用场景和用户需求，大厂现在还看不上也看不懂，这就是创业公司的机会。
长远格局看，AI Coding 的终局应该是能不能围绕你的服务，构建一个独特的内容生态，就像快手从 GIF 工具变成社区，最终我们也应该从工具走向内容社区。
AI NOW!：AI 还有哪些大机会？
武鑫：还是有三个比较大的机会。
一个是做 C 端代理，通用 Agent，或者叫 Personal Agent。代表性产品 Manus，这个领域大厂机会更大，或者像华为、苹果天然触达 C 端的硬件公司。
另一个机会是做 Infra（基础建设），像硅基流动。这里面创业公司和大厂机会各50%。
第三个是 Service Agent，或者叫垂类 Agent，交付特定场景的端到端的结果，这里面创业公司机会是最大的。你给通用 Agent 一个任务，让他开发一个小程序，它肯定是搞不定的。
那是不是可以接入一个端到端的 Service Agent，像我们。Service Agent + Personal Agent 组合，能更好服务用户。我们希望也愿意成为所有通用 Agent 的最佳开发伙伴。
AI NOW!：众所周知，大厂现在奉行敢为天下后，都在等创业公司做出点什么再看。从创业公司的角度，怎么做才能保持身位优势？
武鑫：激进。
我们没有其他路走，没有「苟住」这个选项的。因为现在和移动时代完全不同，移动时代的很多技术是定型的。现在技术变化之剧烈，像年初 DeepSeek 出现，一下把成本打到这么低，让我觉得特别恐怖。
这一轮创业，只有向前，做最冒险的事情，做最新的技术去做看起来最不靠谱的体验，也许才有机会，这些小缝隙大厂还看不上也看不懂，创业公司要利用好才有机会。
AI NOW!：你判断 AI Coding 何时会出现杀手级的应用？会不会是你们？
武鑫：我觉得时间点大概在2027年。到2025年模型的编程能力已经和人类程序员打平；到2027年，模型对于现实世界的理解能力应该和人类产品经理差不多。
在此前，在技术尚未完全成熟时，我们要尽可能做个性化的数据积累。
AI NOW!：最后推荐三本影响你最大的书。
武鑫：第一本《少有人走的路》；第二本是《毛泽东》，常读常新。这位老大面临了创业者几乎要面临的所有问题：被董事会背叛，遵义会议回收权利，然后建立一致行动人，之后面临竞品各种追杀围堵，他无疑是中国最伟大的创业者。
第三本就是《原则》，坚定了我 China first 的选择。
热门活动 
其他
04-09 周四
热门报告 
