Рынок AI-программирования переходит от фазы технологического взлёта к стадии коммерческой конкуренции. За рубежом Anthropic и OpenAI ведут борьбу за пользователей: они увеличивают бесплатные лимиты и продлевают пробные периоды. Это «война квот» — компании стремятся перегрузить соперников высокими затратами на токены и вычислительные ресурсы.
В Китае ситуация тоже напряжённая. Alibaba заявляет о лидерстве на рынке AI-программирования, а Zhispu достигла ARR в 10 млрд долларов. Kimi выпустила модель K3 с высокой способностью к программированию. При этом крупные китайские компании часто предоставляют AI-инструменты кодирования почти бесплатно — как часть своей экосистемы, чтобы привлечь трафик. Они не рассчитывают на прибыль от отдельных продуктов AI-программирования, а рассматривают их как вход в сегмент B2B. Такие инструменты интегрируют с облачными сервисами, системами хранения кода и каналами продаж.
Технологический барьер для стартапов снижается: благодаря открытым моделям (например, Meta* Llama 3, Kimi, DeepSeek) небольшие команды могут быстро создавать инструменты для генерации кода. Стартапы настраивают модели на очищенных данных о коде и логах об ошибках, добавляют фреймворк Agent для автоматического запуска и отладки. В результате получаются системы, которые показывают хорошие результаты в SWE-bench.
К 2026 году разница между моделями существенно сократится. Если до 2024 года для обучения модели, пригодной для программирования, требовалось тратить десятки миллионов долларов на очистку данных и предварительное обучение, то теперь ситуация изменилась. Один из факторов снижения барьера входа в сферу AI-программирования — использование гибридной маршрутизации (Hybrid Routing). Начальные компании снижают затраты на вычислительные ресурсы: они используют собственные мелкомасштабные модели Flash для обработки 80% базовых операций и переписывания функций. При сложных задачах код-рефакторинга запросы автоматически перенаправляются через закрытые API ведущих провайдеров.
Программирование — благоприятная среда для развития ИИ-моделей. Есть много открытых данных для обучения, чёткие синтаксические правила, возможность формировать цикл обратной связи через компилятор, тестирование, статический анализ и результаты выполнения. Модели могут выполнять задачи в цикле «генерация — выполнение — обнаружение ошибок — самокоррекция». Развитие длинных контекстов, вызова множества инструментов и интеллектуальных агентов по программированию переводит продукты AI-программирования от дополнения отдельных строк кода к независимому выполнению задач уровня репозитория.
К 2026 году AI-программирование полностью перейдёт в эпоху Agent. В режиме Agent потребление токенов на одного пользователя в день резко возрастает (в отличие от использования Copilot, где тратилось несколько десятков токенов). Подписка за 20 долларов в месяц становится убыточной.
Однако рынок AI-программирования остаётся активным, но возможности монетизации ограничены. Низкий порог входа приводит к гомогенизации конкуренции и высоким затратам на субсидии вычислительных ресурсов.
Есть и серьёзные проблемы. Основная из них — высокая скорость написания кода не гарантирует высокую скорость его поставки. Между работающим кодом, сгенерированным AI, и качественным, удобным в сопровождении кодом остаётся большой разрыв. Возникают и проблемы с определением источника кода и распределением ответственности.
Старший архитектор одной из крупных финтех-компаний Ван Бо отмечает: AI ускоряет написание кода в 10 раз, но и ускоряет накопление технического долга в 10 раз. Руководство Ford признало, что чрезмерное использование AI в проектировании и контроле качества автомобилей в ущерб опыту инженеров привело к росту частоты сбоев и возвратов продукции.
Бывший главный архитектор AWS Фэй Лянхун подчёркивает: технологии не могут воспроизвести неучтённый в обучающих данных опыт специалистов. Компаниям нельзя преждевременно отказываться от нецифровизированных знаний. В чувствительных отраслях (автомобилестроение, финансы, здравоохранение) AI не должен одновременно быть генератором кода и окончательным проверяющим. Необходимо сохранить традиционные инженерные процессы (отслеживание требований, рецензирование кода, независимое тестирование), а ответственность должен нести человек.
Соревнование смещается с генерации кода на способность стабильно и безопасно выполнять реальные задачи разработки. По мнению CEO Dahua Data Чэнь Юньвэня, фокус конкуренции среди поставщиков AI Coding будет на реализации конкретных бизнес-сценариев и улучшении управленческих возможностей в инженерной сфере — включая работу с контекстом, накопление корпоративных знаний, архитектурные ограничения и систему управления разработкой. <<<CODE_BLOCK_N>>> <<<IMG_N>>>
AI 》
* Meta Platforms Inc. признана экстремистской организацией, её деятельность запрещена на территории РФ.
Подписаться в Макс
