커서의 인기는 폭발적이지만, 커서는 국내 AI 프로그래밍의 탈출구가 아닙니다.

2021년에 Microsoft는 프로그래밍 세계에서 가장 인기 있는 AI 도구로 급부상한 GitHub Copilot을 출시했습니다.

함수 이름, 주석, 코드 스니펫 등 사용자가 제공한 상황에 맞는 정보를 기반으로 완전한 코드 함수를 자동으로 생성할 수 있어 프로그래밍 업계에서는 "게임 체인저"로 알려져 있습니다.

이 모델이 놀라운 이유는 매개변수 크기가 120억 개에 달하고 코딩 작업에 특별히 최적화된 GPT-3의 초기 버전인 OpenAI의 Codex 모델에 대한 기본 액세스가 가능하기 때문입니다. 트랜스포머 아키텍처에 기반한 대규모 파라미터 모델이 코드 영역에서 실제로 '등장한' 것은 이번이 처음입니다.

GitHub Copilot은 전 세계 개발자들 사이에서 AI 프로그래밍에 대한 열정을 불러일으켰고, MIT 학부생 4명이 소프트웨어 개발을 바꾸겠다는 꿈을 가지고 모여 2022년에 Anysphere라는 회사를 설립했습니다.

Microsoft를 주요 경쟁자로 "뻔뻔스럽게" 지목한 Anysphere의 공동 창립자 Michael Truell은 Microsoft의 Visual Studio Code가 IDE 시장을 지배하고 있지만 Anysphere는 다른 제품을 제공할 수 있는 기회가 있다고 분명히 밝혔습니다. Anysphere는 다른 제품을 제공할 수 있는 기회를 포착했습니다.

마이클 트루엘(맨 오른쪽)

Microsoft는 3년도 채 되지 않아 이 잘 알려지지 않은 팀이 업계에 무거운 '폭탄'을 던져 전 세계에 새로운 AI 프로그래밍 열풍을 일으키고 4개월 만에 25억 달러의 가치를 지닌 유니콘 기업으로 도약할 것이라고는 상상도 못했을 것입니다.

1. 커서가 히트한 이유는 무엇인가요?

2024년 8월, Tesla의 전 AI 책임자였던 안드레이 카르파티는 X에서 커서라는 코드 편집기를 칭찬하는 트윗을 여러 차례 올리며 깃허브 코파일럿을 무너뜨렸다고 말했습니다.

같은 달, 커서의 모기업인 Anysphere는 4억 달러의 가치로 6,000만 달러 규모의 시리즈 A 투자 라운드를 마감했습니다.

Cursor의 놀라운 기능에는 여러 줄 편집, 파일 간 문맥 완성, 질문, 다음 작업 예측 등이 포함됩니다. 개발자는 Tab 키를 계속 누르기만 하면 파일 전체에서 코드 변경을 자동화할 수 있으며, Cursor의 처리 결과는 지연 시간이 거의 또는 전혀 없이 더 정확하고 빠릅니다.

프로그래밍에 대해 조금이라도 아는 사람이라면 이것이 얼마나 깊이 들어가는지 알 것입니다.

"여러 파일에 걸친 완성도와 예측은 개발자가 정확하게 표현하기 어려울 수 있는 매우 미묘한 요구 사항이지만 실제로 사용하면 매우 '멋진' 기능입니다."

수십 년의 경력을 가진 개발자 Tom Yedwab도 탭 완성 기능이 자신의 일상적인 코딩 습관에 가장 잘 맞고 시간을 가장 많이 절약할 수 있는 기능이라는 글을 남겼습니다. "이 도구는 제 마음을 읽고 다음에 수행할 작업을 예측하여 코드 세부 사항에 덜 집중하고 전체 아키텍처를 구축하는 데 더 집중할 수 있게 해줍니다." 톰 예드왑의 글입니다.

Cursor의 성공 비결은 높은 기술 장벽이 아니라 미묘한 새로운 니즈를 최초로 파악하고 아무도 가보지 않은 길에 과감히 도전했다는 사실에 있습니다.

커서는 Microsoft에서 개발한 무료 오픈 소스 크로스 플랫폼 코드 편집기로, 기본적인 코드 완성 기능을 갖춘 Visual Studio Code인 VS Code에 기생하고 있습니다.

이전에는 개발자가 VS Code의 기능적 경계를 확장하기 위해 다양한 종류의 플러그인을 구축했지만, VS Code의 자체 플러그인 메커니즘에는 많은 한계가 있었습니다. 예를 들어, 대규모 프로젝트를 처리할 때 일부 플러그인은 코드 인덱싱 및 분석 속도가 느려질 수 있으며, 일부 복잡한 플러그인의 경우 구성 프로세스가 더 번거로워 사용자가 구성 파일을 수동으로 수정해야 하므로 사용 문턱이 높아질 수밖에 없습니다.

따라서 이러한 한계를 없애기 위해 커서 팀은 매우 대담한 접근 방식을 채택하여 VS Code에서 플러그인을 수행하는 기존의 방식을 따르지 않고 VS Code의 코드를 "마술처럼" 변경하여 하단의 여러 AI 모델과 호환되고 많은 엔지니어링 최적화를 통해 전체 IDE의 사용자 경험을 개선했습니다.

커서 개발 초기에 그를 포함한 많은 실무자들은이 길이 어렵다는 것에 대해 낙관적이지 않으며 거대한 "비 합의"입니다. VS 코드 내부 아키텍처는 코드 편집, 구문 분석, 코드 인덱싱, 플러그인 시스템 및 기타 모듈을 포함하여 복잡하며 호환성을 고려하는 "마법"프로세스 인 VS 코드의 다른 버전간에 차이가있을 수 있습니다. "매직 수정" 과정에서 호환성을 고려해야 합니다. 또한 VS Code에 여러 AI 모델이 빌드된 경우, 모델과 에디터 간의 상호작용 문제(예: 코드 컨텍스트를 모델에 효과적으로 전달하는 방법 등)를 해결해야 합니다. 모델의 출력을 처리하여 코드에 적용하는 방법은 무엇인가요? 그리고 코드 생성 시 지연 시간을 최소화하는 방법은 무엇인가요?

다양한 문제를 해결하려면 번거로운 엔지니어링 최적화 시스템이 필요합니다. 2023년에만 커서는 세 번의 주요 버전 업데이트와 40개에 가까운 기능 반복을 거쳤습니다.이는 전체 R&D 팀과 회사의 투자자들에게 엄청난 인내심을 시험하는 일이었습니다.

결국 실리콘밸리는 파괴적 혁신을 낳는 능력을 다시 한 번 전 세계에 증명했고, 커서의 성공은 매우 전형적인 실리콘밸리의 기업가적 모델, 즉 원대한 비전을 가진 편집증적 기술 괴짜들이 실리콘밸리의 성숙한 VC 시스템의 지원을 받아 무인의 땅에 침입하여 게를 최초로 먹기 위한 수많은 도전 끝에 궁극적으로 제품을 성공시킨 사례로 남게 되었습니다.

"기업가 정신의 매력은 바로 이런 '당연한' 프로젝트에 뛰어든다는 점입니다."

최근 애니스피어는 1억 달러 규모의 시리즈 B 펀딩 라운드를 마감하고 26억 달러의 기업 가치를 평가받았다고 발표했습니다. Sacra는 2024년 11월 커서의 연간 반복 매출(ARR)을 전년 대비 64,001% 증가한 6,500만 달러로 추정하고 있으며, 2022년 설립 이후 애니스피어의 직원 수는 12명에 불과합니다.

2. 부조종사 이상 무, 요원 혼란

커서는 AI 프로그래밍 회로의 링에서 나온 최초의 제품이 아닙니다.

2024년 3월, '세계 최초의 인공지능 프로그래머'로 불리는 Devin 는 갑자기 등장해 처음으로 AI 프로그래밍에 대한 업계의 열정에 불을 지폈습니다.

Devin은 스스로 학습하고, 엔드투엔드 애플리케이션을 구축 및 배포하고, 버그를 수정하고, 자체 AI 모델을 학습하고 미세 조정할 수 있는 풀스택 기술을 갖춘 자율 에이전트입니다. 이 회사의 배후에 있는 Cognition AI 역시 뛰어난 AI '드림팀'입니다.

하지만 Devin은 처음에 데모 버전으로 출시되어 개발자들이 직접 사용해 볼 수 없었습니다. 2024년 12월 11일이 되어서야 Devin은 월 구독료 500달러로 출시되었습니다. 이에 비해 Cursor의 월 구독료는 20달러로 훨씬 저렴해 보입니다.

Cursor의 보편적인 인기와 달리 Devin에 대한 개발자 리뷰는 논란의 여지가 있습니다. 일부 사용자는 Devin이 코드 마이그레이션을 처리하고 PR(코드 검토 및 다른 팀원의 병합을 위해 코드 협업 중에 개발자가 제출하는 코드 변경 요청)을 생성하는 데 탁월하여 개발자의 반복적인 작업을 크게 줄일 수 있다고 생각하지만 일부 사용자는 복잡한 비즈니스 로직을 처리할 때 여전히 많은 수동 개입이 필요하다는 점을 지적합니다. 그러나 일부 사용자들은 복잡한 비즈니스 로직을 다룰 때, 특히 프로젝트의 문서화가 부족하거나 코드 품질이 좋지 않은 경우 Devin이 여전히 많은 수동 개입을 요구한다고 지적합니다.

Cursor와 Devin의 '인기도'가 다른 근본적인 이유는 제품을 사용하는 개발자의 실패율과 실패 비용의 차이에 있습니다.

현재 Copilot 시나리오의 실패율은 상대적으로 낮고 해당 측정치인 HumanEval의 정확도는 100%로 수렴하고 있는 반면, 에이전트 시나리오의 해당 측정치인 SWE 벤치마크의 정확도는 현재 60% 미만으로 떨어지고 있습니다.

또한 AI의 작업 결과는 사람의 승인과 확인이 필요한데, 코파일럿과 같은 제품은 개발자가 AI가 생성한 결과를 확인하는 데 드는 비용이 낮고 사용자가 실패 후 수정하거나 채택하지 않는 데 드는 비용도 낮다고 판단됩니다. 그러나 에이전트형 제품의 경우 사용자의 확인 비용이 코파일럿보다 훨씬 높고, 실패 후 수정 비용도 높습니다.

커서와 데빈의 두 방향은 일반적인 시나리오에서 코파일럿과 에이전트 제품 양식의 현재 상태를 크게 반영합니다.

커서는 코파일럿의 약자로, 사람이 주도하고 AI가 보조하는 방식으로 AI와 사람이 함께 작업해야 합니다.

현재 PMF를 실제로 운영하는 것은 Copilot입니다.Copilot은 VS Code와 같은 IDE에 플러그인 형태로 기생하여 인간 개발자가 모든 종류의 코딩 작업을 완료하도록 지원할 수 있으며, GitHub Copilot의 등장 이후 사용자는 점차 Copilot의 협업 형태에 익숙해졌고 GPT-3.5의 등장으로 데모의 Copilot이 실제 사용 가능한 제품이되었습니다.

하지만 저는 Copilot 제품의 '숨겨진 우려 사항'에 대해 글을 쓴 적이 있습니다. "진짜 해자는 단순한 에디터에서 플랫폼으로 발전한 VS Code입니다. 사용자가 GitHub Copilot에서 Cursor로 쉽게 마이그레이션할 수 있는 이유는 둘 다 VS Code에 기생하고 있고 사용자의 습관, 경험, 기능/플러그인이 모두 똑같기 때문이죠. 이미 큰 모델에 적용되어 있고 이미 모델의 일부가 되어 있습니다."

반면 에이전트는 GPT-3.5가 탄생시킨 새로운 종으로, 창업가와 VC의 예민한 신경을 더욱 자극할 수 있는 새로운 개념이며, 데빈은 AI가 인간과 비동기적으로 협력하고 AI가 일부 결정과 실행을 자율적으로 할 수 있는 주도권을 갖는 에이전트 형태의 대표적 인물입니다.

에이전트는 기업가에게 기회입니다. 하지만 그는 Devin이 주장하는 만능 에이전트의 비전, 즉"모든 것을 하는 것은 아무것도 하지 않는 것을 의미하며, 틈새 영역에서 에이전트 애플리케이션의 가치는 훨씬 더 높습니다."

하지만 에이전트 개념이 초기 단계이고 모두 탐색 중이기 때문에 에이전트의 기생 환경과 기능 경계가 아직 불분명하며 코드 생성, 코드 완성, 단위 테스트 생성, 결함 감지 등의 방향으로 이 분야에 진입하는 사람들이 있습니다.

그루는 유닛 테스트부터 시작하기로 했습니다. 정식으로 제품을 출시하기 전에 Gru도 내부적으로 시행착오를 겪으며 문서 자동 생성, 버그 수정, E2E 테스트 등을 시도했지만 모델 기능의 한계, 소프트웨어 반복 및 유지보수 등의 문제로 인해 더 이상 진전을 이루지 못했습니다.

결국 그루는 단위 테스트가 중요하지는 않지만 일반적으로 존재하는 필요성을 발견했습니다. 많은 개발자가 단위 테스트가 지루하다는 이유로 단위 테스트를 작성하는 것을 좋아하지 않습니다. 또한 덜 까다로운 프로젝트의 경우 단위 테스트가 소프트웨어 엔지니어링의 필수 요건이 아니기도 합니다. 그러나 Gru는 기술 역량이라는 관점에서 볼 때 AI 제품 랜딩은 비즈니스 컨텍스트와 엔지니어링 컨텍스트 일관성 문제를 해결해야 하며, 단위 테스트는 두 컨텍스트에 가장 덜 의존하면서도 링크의 현재 모델 역량과 가장 관련성이 높다고 믿습니다.

하지만.코파일럿과 에이전트는 목적이 아닌 수단으로, '둘 중 하나'가 아니라 공존하며 서로 다른 문제를 해결해 나갈 것입니다.

많은 개인 개발자와 일부 중소기업의 경우 Cursor와 같은 제네릭 제품이나 일부 오픈 소스 모델로 대부분의 요구 사항을 충분히 해결할 수 있지만, 많은 대기업과 다양한 분야의 복잡한 비즈니스 시나리오의 경우 단순히 "Copilot" 또는 "Agent" 형태의 제네릭 제품으로는 요구를 충족하기 어렵기 때문에 기술 공급 업체가 보다 강력한 도메인별 서비스 역량을 갖추어야 합니다. 그러나 많은 대기업과 다양한 분야의 복잡한 비즈니스 시나리오의 경우 '코파일럿' 또는 '에이전트' 형태의 일반 제품으로는 수요를 충족하기 어렵기 때문에 기술 벤더는 보다 강력한 도메인 서비스 역량을 갖춰야 합니다.

후자는 국내 AI 프로그래밍 기업에게 기회가 있는 분야입니다.

3. 국내 기회는 업종에 있습니다.

2024년을 돌아보면, 인공지능 프로그래밍은 의심할 여지 없이 실리콘밸리에서 가장 핫한 VC 방향 중 하나이며, 이미 커서, 풀사이드, 코그니션, 매직, 코디움, 레플리트 등의 유니콘이 운영되고 있습니다.

반면 국내 인터넷 제조업체와 대형 모델 제조업체는 기본적으로 자체 "코드 모델"을 출시했지만 잘 개발 된 스타트 업은 거의 없습니다. 실리콘스타피플에 따르면 지난해 치지촹탄은 AI 프로그래밍 분야의 스타트업 6곳에 투자했지만 이후 거의 모두 사라졌고, 지난해 잠시 모습을 드러냈던 코드 기반 팀 10여 개도 올해 대부분 이미 이 분야에서 은퇴했습니다.

ChatGPT의 등장 이후 Clearstream Capital은 AI 프로그래밍 트랙에서 수십 개의 프로젝트를 살펴봤지만, 최종적으로 움직인 것은 Silicon Heart Technology(줄여서 'aiXcoder')뿐이었습니다.

국내 AI 프로그래밍 프로젝트의 경우 제품이 더 '얕게' 만들어졌다는 시각이 많습니다. "현재 많은 제품이 몇 분 만에 코드를 생성하지만 디버깅하는 데 반나절 이상을 소비해야 한다고 커뮤니티에서 불평하는 개발자들이 있습니다."

제품의 '얕은' 외관 이면에는 미국과 중국 2B 시장에서 수년에 걸쳐 발전해 온 환경적 차이가 있습니다.. 미국 주니어 프로그래머 그룹이 거대하고 인력 비용이 높으며 AI 제품의 도입은 기업이 비용을 크게 절감하는 데 도움이 될 수 있으며 미국 SaaS 시장은 PLG 모델을 통해 운영되고 있으며 기업의 범용 제품에 대한 지불 의지가 더 강하며 해외 2B 시장의 출구 경로가 명확하고 투자자의 투자 의지가 강하며 사업을 인수하는 시장 1 단계의 논리도 매우 명확하며 엔젤 투자자는 매우 활발하고 매우 적극적입니다. 스타트업은 거의 항상 아이디어를 검증하기 위한 첫 번째 자금 조달을 받을 수 있습니다.

2024년 9월, 그루는 Gru.ai를 출시하고 OpenAI가 발표한 스웨이 벤치 검증 평가에서 45.2%의 높은 점수로 1위를 차지했습니다. 실리콘밸리에서 인정받는 제품이 되었다는 것을 실감할 수 있었습니다.

그리고 국내 B2C 시장의 경우 진부한 문제가 여전히 존재합니다. "중국의 B사는 더 어렵고, 관련된 판매망이 더 길며, 결국 대금을 지불할 수 있는 것은 여전히 대부분 대기업이지만 때로는 대기업이 물건을 잘 사지 않는 경우도 있습니다." "많은 기업은 정보 유출 위험에 대한 우려로 인해 클라우드를 사용하여 제품을 호출 할 수없고 로컬에 배포 된 코드 도구가 필요하기 때문에 많은 내부 보안 규정 준수 요구 사항이 있습니다."

따라서 국내 AI 프로그래밍 기업들은 다양한 산업 분야의 특정 문제를 해결하기 위해 두 발로 뛰어야 합니다.

"모델은 실제 착륙 과정에서 비즈니스 연속성을 고려해야하며 평가 결과의 국내 코드 모델은 성능이 향상되었음을 보여 주지만 특정 응용 시나리오에서는 특정 시나리오를 분석 할 필요가 있습니다." 이전에 한 산업 제조 기업과 소통한 결과, 산업 시나리오에서 일부 소프트웨어 시스템에서 사용되는 언어는 일반적인 파이썬이나 C++가 아니라 일부 산업별 코딩 도구로, 기술 공급업체가 자사 제품에 맞게 조정해야 한다는 사실을 발견했습니다.

이는 산업 시나리오에만 국한된 요구가 아니며, 각 산업마다 고유한 도메인 특성이 있고 기업마다 특정 비즈니스 로직과 엔지니어링 시스템이 있기 때문에 AI 프로그래밍 업체는 도메인별 서비스 역량을 강화할 필요가 있습니다.

수십 개의 기업을 연구한 결과, "모든 유형의 소프트웨어 개발 요구 사항에 대해 AI 프로그래밍 기능에는 코드 생성 외에도 검색, 결함 감지 및 복구, 테스트와 같은 최소한의 작업이 포함된다는 사실이 밝혀졌습니다;기능 외에도 이러한 기능을 고객의 자체 비즈니스 로직과 통합하여 모델이 더 깊은 도메인 지식을 갖도록 하는 방법도 고려해야 하는데, 이는 실제로 높은 기준을 요구합니다."

그 결과 클리어스트림 캐피탈은 모델과 제품을 조직 내부의 민간 지식, 데이터 및 소프트웨어 개발 프레임워크와 심층적으로 결합하는 아이디어에 더욱 확신을 갖게 되었고, 2023년 9월 aiXcoder에 투자했습니다.

"이러한 요구가 입증된 상황에서 aiXcoder는 기술적으로나 상업적으로 가장 적합한 팀입니다. 동시에 회사의 커머셜 팀의 핵심 멤버 중 다수가 국내외 빅 B 고객을 대상으로 10년 이상의 영업 경험을 보유하고 있으며 고객과 시장에 대한 깊은 통찰력을 보유하고 있습니다. 이들은 2023년 2분기에 '도메인화' 랜딩 솔루션, 즉 AI 프로그래밍이 기업 내부의 개인 지식, 데이터 및 소프트웨어 개발 프레임워크와 깊이 결합되어야 한다는 전략을 제안했으며, 이는 실제 프로젝트의 랜딩 결과 측면에서 많은 주요 기업 고객들로부터 인정을 받았습니다."라고 설명했습니다.

북경대학교 소프트웨어 공학연구소에서 인큐베이팅한 aiXcoder는 코드 생성 및 코드 이해에 딥러닝 기술을 적용한 세계 최초의 팀이자 프로그래밍 제품에 딥러닝을 적용한 최초의 팀입니다. 이 팀은 유명 국제 학술지 및 컨퍼런스에 100편 이상의 논문을 발표했으며, 이 중 다수는 지능형 소프트웨어 엔지니어링 분야에서 최초이자 가장 많이 인용된 논문입니다.

비즈니스 파트너이자 aiXcoder의 사장은 B 엔드 프라이빗 배포 시나리오에 직면했을 때 일반적인 대형 모델은 프라이빗 도메인의 데이터를 학습하지 않았기 때문에 모델에 기업 내부 비즈니스 요구 사항, 산업 사양, 소프트웨어 개발 프레임 워크 및 운영 환경의 심층 통합이 부족하고 요구 사항 분석 및 설계 문서와 같은 기업 도메인의 배경 지식을 모델 학습에 통합하지 못하여 생성되거나 보완 된 코드의 결과 비즈니스 로직 수준의 관련성과 신뢰성이 부족합니다.

그 결과 엔터프라이즈 애플리케이션에서 빅 모델의 정확도와 유용성은 예상보다 낮습니다. "많은 빅 모델은 일반적인 시나리오나 주류 평가 세트에서는 최대 301 TP3T의 정확도로 훌륭한 성능을 발휘하지만, 기업 내부에 배포하면 정확도가 보통 101 TP3T 이하로 떨어집니다.기존의 미세 조정 방법으로는 기업이 원하는 결과를 달성하기 어렵습니다.따라서 도메인 지식을 학습하고 숙달하는 것이 기업에서 AI 프로그래밍 시스템을 성공적으로 구현하는 열쇠입니다. 따라서 '도메인' 지식을 학습하고 숙달하는 것이 기업에서 AI 프로그래밍 시스템을 성공적으로 구현하는 열쇠입니다. 기업 고객을 위해 도메인별 문제를 해결하는 것이 우리의 차별화 가치입니다."

위의 문제점을 해결하기 위해 aiXcoder는 코드, 비즈니스 문서, 요구사항 문서, 설계 문서, 테스트 문서는 물론 업계 비즈니스 용어 및 프로세스 사양, 업계 기술 표준 및 사양, 기업 기술 스택 및 프로그래밍 프레임워크, 기타 도메인 지식 등 기업에서 제공하는 다양한 내부 데이터를 기반으로 목표 점진적 학습을 수행합니다. . 모델 교육 외에도 멀티 에이전트, RAG, 소프트웨어 개발 도구 및 엔터프라이즈 소프트웨어 개발 프레임워크에 맞는 '엔지니어링 프롬프트 시스템'과 결합하여 코드 생성의 품질과 R&D 전체 프로세스의 능력을 향상시킵니다.

배달 형태입니다.도메인 기반 솔루션은 기존의 고도로 맞춤화된 프로젝트 기반 제공과 다릅니다.고객의 개별 니즈에서 공통의 가치를 지닌 기능과 도구를 추출하여 표준화된 제품과 프로세스를 만들어 고객에게 제공하는 동시에, 정기적인 미팅을 통해 고객과 빈번하게 소통하며 고객의 주기적인 문제 해결을 지원할 뿐만 아니라 고객의 공통적이고 실제적인 니즈에 기반한 제품을 지속적으로 반복적으로 개발해야 합니다.

4. AI 업계는 너무 많이 '늑대의 울음소리'를 냈습니다.

결과 지향적 관점에서 볼 때, 스몰 B든 빅 B든, '훈련 모델'이든 '비훈련 모델', 코파일럿이든 에이전트이든, 최적의 답은 없을 수 있으며, 모두 고객의 실제 요구 사항과 기업가 팀의 자체 요구 사항에 기반해야 합니다. 최적의 답은 없을 수도 있습니다.

어떤 경로를 택하든 AI 프로그래밍 회사는 소프트웨어 개발 효율성을 개선한다는 간단하고 직접적인 목표를 가지고 있습니다. 그러나 현재 시장에서는 아직 초기 단계이며, 다음과 같은 문제점이 있습니다.고객 수요를 올바르게 전달하는 것은 모든 시장 참여자의 과제입니다..

현재 가장 큰 어려움은 고객이 세분화된 상담원의 가치를 인식하도록 하는 것입니다."실리콘밸리에서도 많은 잠재 고객이 새로운 AI 제품에 대해 들었을 때 가장 먼저 보이는 반응은 설렘이 아니라 의구심입니다.. AI 트랙의 나쁜 점 중 하나는 과거에 '우는 늑대' 이야기가 너무 많았고, 작동하지 않는 데모가 많이 만들어졌다는 것입니다. "현재 그루는 고객에게 다가가고 시드 사용자들의 입소문을 내는 데 많은 에너지를 쏟고 있으며, 이는 이후 대규모 상용화를 위한 기반이 될 것입니다." 라고 말합니다.

국내 시장의 경우, AI 프로그래밍 시스템의 수요 측면에서도 자신의 요구와 모델 기능의 경계를 명확히 할 필요가 있습니다. "현재 빅 모델 기반 AI 프로그래밍 시스템은 소프트웨어 생산성 향상에 유망한 미래를 가지고 있습니다." "기업 환경에서 이 기술의 가치를 제대로 활용하려면 코드 빅 모델을 기업 고유의 도메인 지식과 심층적으로 결합하고 특정 비즈니스 시나리오에서 지속적으로 반복하고 검증하는 것이 필요합니다."

사실.대형 모델은 시장 심리가 대체로 합리적으로 돌아올 정도로 진화했지만, 여전히 잡음은 존재합니다.예를 들어 2024년은 대형 모델의 입찰 정보가 일반화되는 해이지만 일부 데이터는 '오해의 소지가 있는' 데이터일 수 있습니다. 예를 들어, 2024년에는 대규모 모델의 입찰 정보가 일반화되지만 일부 데이터는 '오해의 소지가 있는' 데이터일 수 있습니다.

"외국에서는 생태적 분업이 더 명확하지만 중국에서는 많은 프로젝트가 입찰에 참여하고 많은 기업이 입찰을 위해 압박을 받고 있습니다." 그러나 AI 프로그래밍 분야에서는 공개 입찰 정보를 보면 몇몇 대형 제조업체조차도 수주가 많지 않습니다.

그 이유는 다음과 같습니다.성공적인 입찰이 곧 성공적인 모델이나 제품을 의미하는 것은 아닙니다..

한편으로는 조달을 담당하는 많은 구매자와 실제 제품 사용은 종종 같은 물결이 아니기 때문에 조달 결정과 실제 비즈니스 요구가 두 계층의 피부로 나타날 수 있습니다. 반면에 이러한 랜딩은 종종 기업의 비즈니스 시나리오와 심층적인 도메인 교육 및 적응을 위한 내부 논리가 아닌 표준화된 제품과 미세 조정에 의존하기 때문에 프로세스를 사용하는 프로그래머가 결과가 만족스럽지 않다는 것을 알게 될 수 있습니다.

한 업계 관계자는 현재 입찰 시장에서 하드웨어를 포함한 대부분의 주문은 수백만 건에 달하지만 지능형 소프트웨어 개발, 코드 어시스턴트 및 기타 프로젝트와 같은 순수 소프트웨어 주문은 대부분 30만 건 정도에 불과하다고 밝혔습니다. 많은 기업이 구매 후 문제를 해결하지 못하고 더 적합한 제조업체를 찾기 위해 시장으로 돌아갈 수밖에 없어 자원 낭비를 초래합니다.

그러나 해체 과정에서 일부 공감대가 형성되고 있습니다.점점 더 많은 기업이 제품과 모델 기능을 '분리'하는 것이 트렌드라는 사실을 깨닫고 있습니다.

모델 기능이 강화되는 2024년 상반기에는 모델들이 프로그래밍 측면에서 수렴할 것이며, 제품은 더 이상 모델 기능에 맞게 조정되는 것이 아니라 다음과 같이 되어야 합니다.제품을 '모델에 구애받지 않는' 제품으로 만드세요.. "2024년 상반기부터는 기본적으로 더 이상 모델별로 특정 최적화를 수행하지 않고 제품 아키텍처의 기능을 강화할 것이며, 시장에 출시된 어떤 모델이라도 당사의 벤치마크만 통과하면 연결할 수 있게 될 것입니다."

"기업 고객은 비즈니스 연속성에 전적으로 주의를 기울여야 하며 단일 대형 모델 공급업체에 종속되어서는 안 됩니다. 현재 표준화된 제품만 구매해서는 기업 고객의 빅 모델 랜딩에 대한 요구 사항을 제대로 충족하기 어렵습니다. 기업은 빅데이터 모델, 데이터 수준, 도메인화, 엔지니어링 측면에서 아키텍처적 분리를 달성하고 필요에 더 적합한 모델과 서비스 공급업체를 유연하게 선택해야 합니다. 가장 중요한 것은 기업 내 소프트웨어 개발의 도메인화라는 실제 문제를 효과적으로 해결하여 기업이 비용 절감과 효율성을 달성할 수 있도록 지원하는 것입니다."

업계의 제3자 관점에서 볼 때, 앞으로 이 모델에 대한 액세스는 업계 착륙의 한 부분일 뿐입니다. "이제 모델에서 애플리케이션까지 100킬로미터가 남았는데, 기술 공급업체가 처음 95~99킬로미터의 기능을 인프라로 표준화하면 나머지 마지막 1~5킬로미터는 애플리케이션 측에서 자체적으로 수행할 수 있습니다."