AI 程式碼戰正在升溫

AI News · 2026-04-13

原文連結： The AI code wars are heating up

摘要

• AI 寫程式從「輔助工具」一路變成大公司最重視的主戰場之一
• Claude Code 讓 Anthropic 在開發者圈快速爆紅，也把「vibe coding」推成主流詞彙
• OpenAI 的 Codex、Google 的 Gemini CLI 也都在加碼，競爭已不只是模型，而是整套工作流
• 企業開始把 AI tokens、GPU 用量，甚至 AI 花費本身，當成生產力指標
• 這場戰爭不只影響工程師，也可能改寫軟體 SaaS 的商業模式
• 越來越多人用 AI 做原型，但風險也一起升高，特別是存取權與可驗證性

· · ·

一切是怎麼開始的

AI 寫程式其實在大家真正開始談 AI 之前，就已經是殺手級應用。2021 年春天，也就是 ChatGPT 還沒問世前 18 個月，Microsoft 和 OpenAI 合作推出了第一個產品，GitHub Copilot。它會觀察開發者寫程式，幫忙自動補全片段和整行程式。那時候它還不算厲害，也只是「限制技術預覽版」，但還是有超過一百萬名開發者報名試用。

大型語言模型看起來天生就適合讓軟體開發更簡單、更快。大部分程式碼本來就有結構、規則清楚，而且網路上有海量程式碼可供訓練模型使用。和很多其他 LLM 回答不同，程式碼的品質還能直接跑起來驗證。一開始，幾家公司以為 LLM 只是能像 Google 自動完成那樣，幫忙補下一個字；但很快大家開始期待，它也許能真的替你寫一部分程式，甚至全部都寫。

過去很多年，科技圈也一直在追求「low code」和「no code」。這種想法是與其丟給使用者一堆設定和難懂選單，不如讓他們自己做出軟體。早期這類工具常常很陽春，像 Zapier、Apple Shortcuts 這種超複雜流程搭建器，或是 Notion、Airtable 這類功能超彈性、但也相當難上手的工具。

即使在那個早期階段，大家也已經看得出來 AI 寫程式為什麼會是好生意。開發者很貴，產品開發又很慢。任何能讓公司少請幾個工程師，或讓工程師更有效率的工具，對軟體公司來說都很好賣。如果技術真的可行，產品幾乎會自己找上門。Cursor 和 Windsurf 等公司就是靠這個方向融了大筆資金，而 OpenAI、Google、Anthropic 也都開始為開發者打造新產品。

但一開始，AI 寫程式工具其實不能信。前幾年它們大概只能完成幾行程式，還一定得人工檢查。2023 年底，程式設計師兼部落客 Simon Willison 稱 LLM 是「奇怪的 coding 實習生」。他在想，這些實習生會讓工程師變得更全能、更強大，還是最後會開始取代他們。

2025 年初，Anthropic 推出 Claude Code，這個問題突然變得對更多人都很急迫。

現在進行式

2025 年底，Anthropic 推出新版 Claude 模型 Opus 4.5。照 Anthropic 的基準測試來看，這是史上最佳版本之一，但看起來並沒有代表什麼顛覆性的 AI 技術飛躍。可是在幾週後，很多假期有空的開發者開始拿 Claude Code 去試新模型，幾乎都得出同樣結論，真的能用。原本還要小心提示、小心審查的工具，突然可以把幾句話變成可運作的原型。Claude Code 創辦人 Boris Cherny 甚至說，他自己已經有 100% 的程式碼是 AI 寫的。他先前接受 The Verge 訪問時說，這件事連他自己都很驚訝。某種程度上，Claude Code 這個開發工具的爆紅是不可思議的。

Claude Code 雖然抓住了很多軟體圈的想像力，但競爭對手也沒慢下來。OpenAI 的 Codex 在 2025 年推出，幾個月後也持續更新，現在同樣是很受歡迎的寫碼工具。Google 也為 Gemini 推出了命令列介面，並且開始把更多 coding 功能放進 AI Studio。

越來越多跡象顯示，AI coding 可能是第一個真正主流的 AI 使用情境，也是第一個可能非常成功的 AI 商業模式。Claude Code 的爆紅剛好碰上 Anthropic 營收大爆發；而 OpenAI 的一位高層最近還要求團隊別再做那些「side quests」，應該把重心放在和 Anthropic、Claude Code 競爭上。OpenAI 和 Anthropic 據說都準備在今年上市，這代表它們都得拿出點東西，證明自己融來的數十億資金和燒掉的算力花得值得。看起來，大家最好的點子就是寫程式。

說實話，這個猜想還算合理。矽谷公司最近開始把 AI tokens 用量當成競爭武器，拿 GPU 存取權當招募誘因，還會公開炫耀自己的 AI 帳單。Nvidia 執行長 Jensen Huang 最近甚至說，他會擔心任何一年沒有花 25 萬美元在 AI tokens 上的高薪工程師。即使開發者擔心 AI coding 工具可能讓他們失業、失去收入，整個競賽還是已經開始，大家都在盡快擁抱它。根據 2025 年的一項研究，98% 的受訪者表示自己每週會多次使用 AI coding 工具。

不只工程師在用。2025 年 2 月，AI 圈老將 Andrej Karpathy 創造了「vibe coding」這個詞。他在 X 上寫道：「我正在做一個專案或網頁 app，但其實不太算 coding，我就是看東西、說東西、跑東西、貼上東西，然後它大致上就能動。」

Karpathy 可惜沒想到更好記的名字，但 vibe coding 不只名字紅了，現象也紅了。很多根本不會寫程式、甚至不需要會寫程式的人，開始靠提示詞做出能用的軟體。對不少人來說，只要能做出一個勉強能跑的原型就夠了，而這些 coding 工具確實很擅長做出勉強能跑的原型。當然，vibe coding 也有風險，既有壞程式碼可能造成的問題，也有把電腦和資料交給這些工具時的安全風險。能驗證輸出時，信任系統是一回事；當你連它寫了什麼都看不懂時，信任又是另一回事。

接下來會怎樣

軟體開發者的危機才剛開始。矽谷公司正在大規模裁員，通常還會把原因歸咎於 AI。Block 執行長 Jack Dorsey 在宣布裁掉 40% 員工的備忘錄裡寫道：「使用我們正在打造的工具，一個更小的團隊就能做更多事，而且做得更好。」他還說，智慧工具的能力每週都在加速成長。就 Block 和很多其他公司來說，AI 可能至少有一部分只是拿來包裝疫情期間過度擴編的理由，但科技業顯然已經把 AI 當成提升生產力、同時縮減人力的方法。

隨著 AI coding 工具繼續進步，它們也可能重塑整個軟體產業。何必花大錢買別人的軟體，當 Claude Code 就能幫你做出一個完全符合你需求的版本？有些人把這稱作 SaaSpocalypse，認為軟體估值與商業模式都會被迫重寫。也有人覺得這會催生新一代成功的新創，做出一整套 AI 原生產品。還有人覺得一切都被誇大了，Salesforce 最後還是會沒事。無論結果如何，這個已經膨脹到驚人規模與估值的軟體產業，在很多人眼中都突然變得不太穩。

開發者光譜的另一端，是 vibe coders。對大多數人來說，連現在最簡單的 AI coding 工具都太多了。它們要你讀程式碼、要 Terminal 權限，還會問很多沒多少人應該知道怎麼回答的問題。AI coding 依然有很多 bug、很多隱私疑慮，也有太多方式會被壞人拿來利用。

像 Claude Cowork 這類產品，Anthropic 已經開始嘗試把 Claude Code 的技術變得更容易接近、也更不嚇人。你只要讓它存取你電腦上的一堆檔案，它就會開始工作。Perplexity Computer 這類產品則在探索，是否可以讓 LLM 存取你裝置上的幾乎一切內容，讓 AI 幫你整理檔案、回訊息，甚至替你買東西。底層技術已經開始可用，但人們到底該怎麼使用它、會不會真的想這樣用，還完全不明朗。

順帶一提

• 如果你還沒試過 vibe coding，真的可以試試看，單純看工具怎麼運作就很有衝擊。我會建議從 Claude Cowork 開始。先讓它讀你的 Downloads 資料夾，請它幫你整理檔案。
• 現在大多數人付 AI coding 工具的費用，大概是每月 20 美元或 200 美元。OpenAI 最近又推出了 100 美元的中階方案，專門給 Codex 重度使用者。隨著這些公司想辦法賺更多錢，別指望 20 美元方案還能讓你用得很爽。
• OpenAI、Anthropic 和 Google 都很想讓你在自己的 app 裡做各種事情，它們都在打造 AI super app，而且看起來都把 coding 當成核心功能之一。Anthropic 最近還試圖實質上封殺 OpenClaw，這類動作之後大概只會更多，目標就是把你拉回他們的 app 內。

讀這篇前後可延伸

• 之前曾寫過 2026 年初的 Claude Code Moment，現在回頭看，那個氛圍還是很對。
• Paul Ford 為《紐約時報》寫了一篇很棒的文章，談程式設計師怎麼看 AI coding。Clive Thompson 也替《紐約時報》雜誌寫過一篇很不錯的故事。
• Reddit 上的 vibe-coding 子版很值得看，能看到大家到底在做什麼、又是怎麼做的。玩笑是，大家最後都在做 habit tracker，因為大家最後都在做 habit tracker。

· · ·

寫程式會變成新的 AI 主戰場

這篇最值得注意的，不是某個模型突然超強，而是 AI 的商業重心正在往寫程式收斂。當開發者開始把 tokens、GPU、工作流整合都當成日常成本，模型比較就不再只是 benchmark 的遊戲，而是誰更能融進團隊流程、誰更能讓人掏錢。

這也意味著，未來的競爭不只是「模型誰強」，而是「誰能把工具、權限、驗證和部署包成一條更順的路」。對軟體公司來說，真正的壓力可能不是 AI 會不會寫 code，而是 code 這件事本身，會不會先被重新商品化。