Go+编程语言创始人、七牛云创始人兼 CEO 许式伟，中国科学院软件研究所 PLCT 实验室负责人、建立中国 RISC-V 生态的甲辰计划主理人吴伟，专注 RISC-V 编译器和硬件笔记本开发的鉴释科技联合创始人兼 CEO 梁宇宁聚首 2024 IDEA 大会，从软件与硬件的双重视角，剖析大模型时代，编程语言的软硬件发展机会。

IDEA 研究院基础软件中心负责人张宏波主持这场讨论。

基础软件行业的变革之所以显著，是因为它紧随人机交互方式的演进。

人工智能技术的发展不仅推动了编程语言的技术进步，而且由于编程语言是人与机器沟通的桥梁，人机关系的变化，也在直接驱动编程语言的变革。

人工智能在编程语言领域，目前实质性的改变是什么？我们进入了“AI Coding”时代，即 AI 直接参与编程的过程，亦或是“AI for Coding”，AI 辅助人类编程？编程语言会逐渐“消失”吗？

本场讨论，从人机交互呼唤全民编程、AI 与编程语言的现实关系、以及基础软件领域，开源与商业化的可持续发展的角度，进行拆解。

（从左到右）IDEA 研究院基础软件中心负责人张宏波、鉴释科技联合创始人兼 CEO 梁宇宁、七牛云创始人兼 CEO 许式伟、中国科学院软件研究所 PLCT 实验室负责人吴伟。

“人人编程”会出现吗？

“我认为编程语言正迈入一个全新的历史阶段，伴随着特别强烈的需求。”七牛云创始人兼 CEO 许式伟提出，“这个需求是什么呢？就是从’精英掌握编程语言’，向’人人都能掌握编程语言’的转变。且这种转变，正在急剧加快。”

在这样的背景下，需要一门新的编程语言来适应“人人编程”。未来，“程序员”这个词可能会更像人类社会中的“作家”，他认为。

每个人都可以写点文章，不过依然有专业的作家。同样，编程语言也是如此，或许人人都能写几行代码，但编程仍然是一个专业职业。

背后的原因在于，人机交互方式正在逐渐经历变革。

“马斯克提了一个他对未来的看法，认为机器人的数量会远超于人类，”许式伟提到。“我跟马斯克的判断是一样的。目前人类有 80 亿，而机器人的数量可能至少会达到 800 亿。” 800 亿机器人，将催生全新的交互方式。

正如人与人之间的信息传递在一定程度上依赖 Word、PowerPoint 等工具，人机交互则基于不同的原理。

机器人和电脑作为自动化工具，需要通过编程来实现自动化控制，这与简单的指令式交互有本质区别。自动化控制允许机器执行更复杂的任务，而不仅限于简单的逐条指令。

因此，适应人机交互方式的变革，编程语言趋向于简化和普及，许式伟认为。

AI 之于编程：
尚处于辅助阶段

大模型技术崛起后，人类不再需要编程的这个观点，是个误区，许式伟认为。

他提出，人类接触的语言分为三类：数学语言用于表达科学，自然语言用于沟通和交互，而编程语言则是一种自动化语言，用于精准、高效地完成复杂任务。

自然语言因其大量的歧义，无法直接作为编程语言，必须通过约束和消解歧义才能形成类似编程语言的工具。

如果大模型能够完全替代编程，就意味着它已达到了通用人工智能（AGI）的水平。但 AGI 面临的最大难题，在于无法实现模糊的目标。即 AI 只能通过交互和迭代，不断接近用户的期望。

而自动驾驶是一个成功的例子，因为它的目标——安全到达目的地——非常明确，因此 AI 在这种场景下，能很好地实现自动化。

相比之下，大多数人类需求是模糊的，需要反复调整目标。

例如建网站时，用户的初始要求并不明确，AI 需要通过交互帮助用户描述需求。

这说明当前的 AI 更适合辅助编程，而非完全替代编程。真正的 AGI 应能实现自我编程和能力迭代，才是 AI 编程的本质，但当前的大模型浪潮还远未达到这一水平，许式伟认为。

中国科学院软件研究所 PLCT 实验室负责人吴伟进一步指出，编程可以分为很多不同的门类，其中有些对出错率的容忍度较高。

比如写网页时，AI 已经能根据图像自动生成 JavaScript 和 HTML 代码，这种情况下，容错率高，AI 的尝试是可行的。

然而，一旦需要高准确性的编程任务，AI 在目前阶段是无法胜任的，因为编程本身涉及深层的内在复杂性。这并非编程语言的表面问题，而是要解决的核心问题自身的复杂性。

吴伟进一步举例说明，像编程语言中的类型系统或操作系统中的锁机制，这些知识对普通程序员来说都非常难以掌握，只有系统程序员或专门从事系统库开发的程序员才能深入理解。因此，让 AI 达到这种深度，吴伟持谨慎和怀疑态度。

以陶哲轩的例子，吴伟说明 AI 在高容错率场景中的作用。

陶哲轩利用 ChatGPT 生成大量随机逻辑路径，用于定理证明的研究。这种模式就像研究者在人脑中探索多种可能性，但 AI 可以同时模拟成千上万个脑子，提供更多尝试的机会。

然而，即使 AI 能帮助找到一些“神来之笔”，这些结果依赖人类的判断来筛选正确路径。这再次表明，AI 更多是辅助工具，而非替代人类深度理解的手段。

基于这个现状，以编程语言 MoonBit 为例，其解决思路之一，是在开发初期加入大量的测试以及形式化验证。目的是让用户快速获得机器检查过的代码，以提高代码的准确性和可靠性，从而提高开发效率。

“可能终端设备是第一个可以把人工智能充分利用起来的。”鉴释科技联合创始人兼 CEO 梁宇宁提到。

终端的发展目标，是实现无需依赖网络连接即可独立完成任务。随着 AI 大模型的出现，各种垂直领域的小模型不断涌现，推动了终端设备的智能化转型。

如今，笔记本电脑已经从传统设备升级为更高效的 AIPC（人工智能个人计算机）。AIPC 是一种内置 AI 加速器的电脑，可以本地运行 AI 模型，快速完成任务，比如图像识别和语言处理，无需依赖云端。

梁宇宁认为，在未来，甚至可以跳过额外工具，直接实现功能，真正普及无层编程的便捷性。无层编程，是指用户无需复杂的中间步骤或额外工具，直接与设备交互，实现所需功能的方式。

开源与商业化的可持续
以 RISC-V 为例

RISC-V 的开源指令集是一种颠覆性的理念，梁宁宇认为。不属于任何公司、国家或政府，这让它在全球化的风险与挑战中，有特殊的价值。

相比 ARM 等封闭的指令集，RISC-V 赋予硬件行业一种类似 Linux 内核的开放模式，让技术的传承和发展更具有韧性，也摆脱了商业控制的束缚。

同时，大模型的兴起进一步推动了 RISC-V 的应用。相比 ARM 架构，RISC-V 在大模型任务中的表现更有优势，比如第二代笔记本已经能够运行 70 亿参数的大模型。RISC-V 的开放性和 AI 的需求契合，给予了硬件新的发展机遇。

从商业的角度来说，RISC-V 作为开放标准，允许任何人基于其指令集设计硬件和产品，并利用其软件生态的优势。但是这种开放性带来了一些问题。“先发劣势”就是其中之一，吴伟表示。

早期投入者需要承担高昂的开发成本，而后来的竞争者却可以直接受益。这种情况让很多企业在是否参与早期生态建设时犹豫，影响了 RISC-V 的推广和发展。

一个解决办法，是通过社区分担早期投入成本，让更多企业共同参与生态建设。

具体来说，硬件企业和软件公司可以集中资源开发关键基础设施，比如编译器、内核和 LLVM，降低开发门槛，方便更多人使用。

同时，通过联合推动软件的适配工作，让 RISC-V 可以支持更多应用场景，逐步形成行业内的参考方案。这种方式既能保护早期投入者的利益，也能吸引更多企业加入，共同完善生态。

吴伟以其主导的中国科学院软件研究所 PLCT 实验室“甲辰计划”为例，指出，甲辰计划运用了上述思路，通过联合企业和社区力量，以期推动 RISC-V 生态的发展。

创业的第“0”关
是选题

创业路上充满了各种“坑”，而这些坑是无论谁都无法完全避免的。“但如果要给创业者一些建议，最重要的一点就是选题，这是“第 0 关”。”许式伟表示。

相比“投机型”、“风口型”项目，许式伟认为，一个好的选题应是创始人真正热爱的领域。这种热爱应该强烈到即使没有资金支持，也愿意坚持去做，因为创业是一场持久战。“就像小米从创立到上市用了将近 8 到 9 年，如果没有对赛道的热情，难以坚持到最后。”

此外，创始人需要成为目标群体心目中的专家，或者不断努力让自己被认知为领域内的权威，“让市场相信你在这个赛道上是靠谱的 。”

再者，创业的关键在于速度和强度，同时要把品牌、实力、风口和趋势绑在一起。“无论做什么事情，一定要找到一个足够大的赛道去落地，这一点非常重要。”梁宇宁强调。