在通往AGI的道路上，字节又多了一张新船票。

作者｜Iris

编辑｜栗子

字节对一个全新赛道的野心，浮出水面。

6月11日的火山引擎Force 2025原动力大会的主论坛上，字节跳动技术副总裁首次公开站台，演讲重点给了自研的AI编程产品——TRAE。此前，TRAE的月活用户已经突破了100万。

“GPT-3.5出来的时候，我们就觉得编程可能是一个很好的应用方向。AI大模型确实会给Coding带来真正的变革。”

2024年6月，字节推出了MarsCode编程助手。今年1月，AI原生IDE产品TRAE发布。两个月后，TRAE国内版落地，成为首个中文AI IDE产品。在字节内部，已有80%的工程师在使用TRAE等AI Coding类产品辅助开发。

从内部使用率与字节技术副总裁加持的“首秀”，足以窥得字节内部对TRAE的重视程度。

字节在AI方面的投入向来高举高打，但此前“发育期”的TRAE并未高调露面。而这次的一反常态，不难看出字节押注AI Coding赛道的决心。

相比于面向C端用户的Chatbot、AI搜索等赛道，面向开发者的AI Coding更加垂直聚焦。字节为何要重金押注这一赛道？

实际上，AI Coding是大模型产品中少有的完成商业化闭环并得到市场价值验证的赛道。

AI Coding让字节看到了重构数字世界的新机会。在互联网时代，人类在数字世界的绝大多数活动在底层都通过编程来实现。而大模型通过生成并执行代码可以在数字世界采集信息、实现它的想法并获得实时反馈，因此AI Coding可以扩展大模型的能力边界；

另一方面，Coding作为一种高度结构化、逻辑严密的任务，对模型理解复杂的语义结构、逻辑推理、算法设计和精确表达都有很高的要求，能很好地助力模型智能上限的探索。AI Coding对大模型能力的提升，或许会成为逼近AGI的最短路径。

也就是说，将AGI作为终极OKR的字节，必须要拿下AI Coding这张船票。

1.TRAE，Made by TRAE

字节跳动在AI Coding赛道的探索，最早可以追溯到2023年，插件形式的AI Coding工具是当时行业主流的产品形态，字节也推出过MarsCode 编程助手。但到了2024年，大模型能力的提升让团队意识到，AI Coding的产品形态可以有“更优解”。

彼时，AI Coding产品有不同的产品路线：有的在现有开发工具加入插件，将AI能力嵌入进去；也有的打造纯AI驱动的“Agent式”产品；还有的专注于构建最强大的编码模型；而字节团队最终决定构建将AI深入结合到IDE（集成开发环境）场景的AI IDE产品。

大模型时代的AI产品形态由用户需求、模型能力、工程能力决定。而他们判断，AI IDE产品是AI Coding领域最适合的第二代产品形态。原因在于：他们并不只想做面向泛人群的由自然语言需求生成结果Vibe Coding（氛围编码），而是想生成高价值的应用。

在应用市场，海量的应用完全是供大于求的状态。消费者真正需要的不是海量应用，而是少数几个具有价值的应用。这种真需求应用生产过程更加复杂，而他们希望通过TRAE帮助有足够能力生产这些复杂应用的程序员提效。

另外，这些核心开发者对于各种编程工具保持高频的使用频率。而AI IDE产品能够让开发者保留对每一个决策的控制权，同时提升IDE产品本身的能力。因此，AI IDE产品的用户付费意愿较强，是一个PMF（产品符合市场匹配）得到验证的产品形态。

团队相信，能够很好地满足一类用户的需求是一个很好的起点，因此他们笃定AI IDE产品是服务TRAE目标用户的最佳产品形态。

于是在今年1月19日，字节跳动正式发布面向专业开发者的AI原生集成开发环境工具TRAE。这个名字源于团队认为，AI Coding的产品终局是The Real AI Engineer，一位追求智能上限的智能工程师，能够像人一样完成端到端的任务。而事实上TRAE也确实从某种程度上实现了这一目标。因为TRAE本身一部分代码就是由TRAE生成的，内部也戏称“TRAE是用TRAE做出来的”。

如此迅速的转型得益于小团队与高人才密度带来的敏捷，工程团队有着不同产品的深厚工程积淀，字节内部积累的开发者经验也让他们对于开发者工具和服务有更丰富的理解。

因此，字节在AI IDE产品领域抢先占位的先发优势，开始逐渐显露。

在本次原动力大会上，上线不到半年的TRAE也交上答卷：截至目前，TRAE的月活用户已经超过了100万。这些数字也说明，AI Coding已经在程序员的工作中切切实实地起到了重要的作用。这些巨量的用户行为和反馈，也告诉团队该在哪些功能上做提升调整，有的放矢。

另一个决定AI Coding产品分水岭的关键因素，还在于模型能力。在全球范围，TRAE是少有的接入自有模型的AI IDE产品，也拥有自己的模型团队。

此前Anthropic限制了AI Coding初创公司Windsurf对Claude AI 模型的直接访问，导致Windsurf用户在短时间内面临服务可用性问题。而接入自家豆包1.6pro模型的TRAE则不需要担心“断供”问题。

另外，相比其他AI IDE产品的收费策略，TRAE大部分功能可以免费使用，使其具有明显的价格优势。

同时，他们仍在积极探索下一代AI Coding产品的更多可能。为了进一步寻找AI Coding产品的终局，在6月11日，TRAE官宣了几项核心功能更新：

推出智能Cue功能，通过连续Tab键实现预测跳转与批量改写，模型优化后代码续写准确率提升，支持多场景代码自动修复及差异化对比；国内版接入豆包大模型1.6系列且免费，强化代码生成与复杂业务场景支持能力，推理速度与精度提升；直连火山引擎MCP（模型上下文协议）市场，新增百余种生态工具。

演讲还预告了全新的「TRAE SOLO」模式——让AI从IDE代码助手升级为能独立生成软件的超级个体，真正实现从自然语言到软件交付的完整链路。从“把AI集成到工具中”转向“把工具集成到AI中”，对用户的交互、展示、使用体验更加友好。

2.字节为何躬身入局？

实际上，从0到1创造国内首个AI原生IDE产品的过程，并非易事。但通过字节在本次原动力大会透露的信息，不难看出字节长期投入这一赛道的坚定。风物长宜放眼量，字节所看重的，是TRAE对长期AI战略的支撑协同作用。

纵观字节AI布局，在研发探索上呈现多方向、全布局的特点。通过在算力层-模型层-应用层的全栈布局，字节形成了完整的大模型时代类“IaaS-MaaS-SaaS”版图。

在算力基础设施层面，火山引擎对内部模型和应用提供算力支持，同时对外部企业提供 AI 云计算服务。在模型层，字节跳动构建了以豆包大模型为核心的，包含自然语言、语音、视觉等多类型的全模态模型。在应用层，其产品覆盖了AI助手、AI社交、AI图像、AI视频、AI音乐、AI教育等多个赛道。

那么，TRAE在字节的AI战略中扮演什么角色？

简单来说，字节对TRAE的期待是加强AI矩阵的开发基础，促进开发者生态繁荣，支撑商业化目标。

从产品定位来看，作为开发流程的重要工具，TRAE在填补国内同类产品空白的的同时，让字节拼上了在开发者生态上的又一重要拼图。作为大模型产品的核心优质用户，开发者的使用反馈对提升产品和模型性能至关重要。因此围绕开发者工具构建的生态圈也自然成为兵家必争之地。

AI独角兽公司Anthropic的战略方向也能从侧面说明这一问题。持续发力开发者领域的Anthropic收入增长迅猛，今年3月ARR突破了20亿美金，目前达到了30亿美金。Anthropic的收入主要来自B端，其中AI编程的快速增长做出了很大贡献。Anthropic凭借Coding和OSAgent方向的投入，大大深化了在开发者领域的影响力。尝到甜头的Anthropic也在去年底停止了对Chatbot的投资，专注提升其模型Claude在编程等复杂任务层面的能力。

而在内部AI开发布局方面，从高达80%的内部开发使用率，不难看出TRAE已经与字节现有的豆包大模型、火山引擎等多个应用场景耦合，通过进入字节内部AI开发的工作流，TRAE在提升内部效率的同时，降低了字节的AI矩阵应用的开发门槛，加速AI应用生产落地。

TRAE扮演的另一角色在于探索AI商业化的可能性。

AI Coding是目前AI领域盈利最大的赛道之一。这也是因为大模型在Coding这种输出输入结果明确的场景表现优于其他领域，同时大部分开发者已经感知到，AI Coding在提升编码效率、减少重复工作和bug修复等日常工作上的效果，付费意愿充足。其产品的商业价值在海外已经得到验证。海外增长最快的AI Coding产品Cursor，在上线20个月即实现1亿美元年化经常性收入，两年内增长至3亿美元。因此未来国内也极有可能跑出同等量级的AI IDE产品。

在「甲子光年」看来，更为重要的因素是，AI Coding让字节看到了实现AGI的可能路径。

在AGI演进的终极命题下，代码能力的突破性进展正成为大模型智能跃升的关键杠杆。不同于对话场景的模糊性容忍，代码生成场景要求模型必须具备将自然语言指令精确转化为计算机可执行的逻辑链路。

同时，要求模型能够拆解元问题，针对复杂任务形成模块化解决方案。代码生成要求模型更为精确的控制能力，这可以驱动模型在长上下文理解、动态记忆刷新等关键技术点的突破，促进模型智能上限的提升。而追求智能上限的提升正是通往AGI的必要条件，也是字节在AI领域探索的终极愿景。

因此，AI Coding的终极目标远超工具属性，其本质是通往AGI时代“开发者操作系统”的桥梁。

这个终极愿景听起来似乎有些遥远，但下面的几组数据也可以说明，AI Coding正在进入开发者工作流并改变了开发的形式:TRAE累计生成了超过 60 亿行被用户采纳的代码，每天产生150万条用户Query；Anthropic首席产品官Mike Krieger透露，Claude Code团队大概有95%的代码都由AI生产。

这也由此带来了开发者生产关系的重构。传统的应用开发需要一整个团队的长周期开发维护，而AI Coding则让小型团队的轻量化低成本开发成为可能。

AI赛道的融资窗口期并不长，这要求AI开发者有迅速将想法落地转化，上线为AI产品的能力。但大部分小型创业公司并没有大厂的人力优势，而AI Coding则能够帮助这些公司快速上线产品获得融资。

斯坦福的本科生创业团队用TRAE，完整搭建出前端、后端，并微调大模型生成 pipeline，从0到1完成开发并上线AI教育产品VideoTutor。通过TRAE N倍速推进的开发效率，这群斯坦福本科生仅用了1个多月就完成产品上线，成功在教育科技赛道杀出重围，获近100万美元融资。

3.从AI Coding到AI Development

纵观编程语言的发展史，每一个十年写代码的行数都在逐年下降。编程语言不断抽象与求简，同一功能，用汇编语言可能需要2000行，用C语言写需要500行，用Python可能只需要一百行。编程门槛不断降低，也带来了写代码的人群的指数级增长：1990年，全球程序员还只有百万级；而到2023年，仅GitHub的注册开发者就已破亿。每一次代码抽象升级，都在围绕着：代码更少、效率更高、参与者更多而进行。

如今AI Coding正在酝酿下一次飞跃，通过自然语言生成代码、自动补全逻辑、智能调试等方式，让“写代码”不再是少数人的技能，而成为更多人实现想法的手段。这不仅是生产力的飞跃，更是开发者边界的重塑。

随着AI Coding的普及，开发者的边界正在被重塑。深厚的开发经验和长周期的开发投入不再是成为开发者的硬性条件，借助AI Coding工具，普通的爱好者依然可以落地想法，甚至兴趣变现。此前，Cube One团队就借助TRAE实现AI PPT工具快速上线，在0经验情况下1个月完成产品变现，其中TRAE代码贡献率100%。

但要做到真正的 Real AI Engineer，除Coding环节外还需要打通更多环节。

在完整的软件开发流程中，开发者不仅要写文档、做运维、做调试、发布，还要Debug，最后还要做压力测试。这其中写代码可能大概占不到40%的工作，并且越复杂的应用，代码工作的占比越少。对开发者来说，这些工作都是非常复杂，也非常耗时间。

TRAE团队相信，在大模型这个时代，随着模型能力的进步，AI是有机会把这些工作统筹起来的。AI成为调度者，让软件开发all in one，更大幅度地降低开发的门槛，提升开发效率。

在原动力大会上，字节跳动技术副总裁分享了他心目中AI Coding的“究极形态”：通过简单的交互，AI帮助开发者实现包括运维、调试、发布、debug测试等全流程的开发环节。

这个从AI Coding到AI Development的未来让他感到尤为兴奋，“我们这次花费好几天的工作，也许会降低成几个小时甚至更短的时间。那这些都是我们想下一步努力的方向，我们希望，TRAE不只是AI Coding，更是AI Development。”

当AI Development成为现实，复杂的编程符号将演变成更适合书写修改的表达方式，传统的开发形态将被彻底重构，开发者不再被整套繁琐的流程和高门槛的编程知识所桎梏，想法和创意将成为好产品更为重要的孵化器。

这样低门槛的开发形态也将给独立开发者更多机会，短周期和轻量化的开发形式抹平了传统软件开发行业中小型团队面对的资源困境。而上文斯坦福创业团队和Cube One团队使用TRAE开发产品，并获得融资及变现的例子充分说明：即便没有大厂的人海优势，未来更多的创业公司和独立开发者依然可以通过TRAE这样的AI Coding工具实现“技术平权”，生产独特的产品满足市场需求，使得整个行业的开发生态更为多元化。

（封面图及文中图片来源：火山引擎）