标签: 编程
中国消耗的TOKEN有55%都用在的短剧上，美国则用在到了编程上！我看很多经济学
中国消耗的TOKEN有55%都用在的短剧上，美国则用在到了编程上！我看很多经济学家批评中国的人工智能用错了方向，都是生产一些奶头乐，没有改善生产力。而这些经济学家不知道，中国消耗的TOKEN是美国的4倍，编程占比是第二位的，总和也比美国多得多。现在人工智能最重要的就是找到盈利的商业模式，中国除开编程好歹还有短剧，而美国就只靠编程了，明显中国人工智能的发展更为健康，而美国就是一个史诗级的大泡沫。
ai真相：中国Token消耗第一是做短剧,美国Token消耗第一是编程？评几句：美国的B端软件付费习
ai真相：中国Token消耗第一是做短剧,美国Token消耗第一是编程？评几句：美国的B端软件付费习惯极度成熟，AI编程有巨大的商业价值，而中国的互联网是极度发达的C端流量经济，AI生成短剧和短视频，是商业变现效率最高的路径。两个国家在AI赛道上的应用方向，本来就是不同土壤里长出的不同果实，非要放在一个天平上比个高低，这不是很滑稽吗？整天不是赢了就是输了，有什么好赢的有什么好输的？不过看到是外网发的评论就不奇怪了，直接就暗戳戳的贬一捧一呗，觉得群众就认为编程自动化就比什么短视频生成高级呗，明明这俩就是不同的方向。
中美AI的Token，一个在追剧，一个在写代码：但“55%”和“58%”都不是真
中美AI的Token，一个在追剧，一个在写代码：但“55%”和“58%”都不是真相———同样在烧Token，中国把画面一帧帧抽出来，美国把代码一行行补上去。中文在线援引数据：国内Token消耗中，AI短剧与视频生成占55%，电商24%，软件开发仅15%。这数据真实，但只是公有云MaaS调用量的切片，不是全国全量。IDC显示，2025年中国公有云大模型调用量达1944万亿Tokens，可MaaS全年营收仅30.7亿元，B端消费占比约70%，金融、政务、制造才是暗线。美国侧，OpenRouter平台编程占Token量50%以上；SemiAnalysis称前沿实验室API收入70%以上来自编程；MenloVentures企业部门级AI支出中，编程占55%，金额40亿美元，一年增长7倍。但“58%编程”是企业支出口径，不等于Token消耗量。核心差异：中国靠C端内容规模化，调用量猛、变现滞后；美国靠企业级ROI，编程单价高、API毛利85%以上。别把“调用量占比”当“收入占比”，更别用两组不同口径的数据互相对标。Token流向，就是AI商业化的地图。
![美国那55%的编程是谁消耗的还不好说[doge]](http://image.uczzd.cn/2767528985612882364.jpg?id=0)
字节把编程工具和办公AI合并了，以后程序员还要自己写代码吗？字节跳动又出手了
字节把编程工具和办公AI合并了，以后程序员还要自己写代码吗？字节跳动又出手了，这次动作挺大。TraeWork和TraeCode正式合并，统一叫TRAE，10月23日老版本直接停服，没升级的连门都进不去。说白了，以前写代码用一个，做PPT、写文档用另一个，现在全塞进一个客户端里。新版搞了个Agent模式，你把需求丢给它，它自己拆任务、写代码、跑测试，甚至能同时管好几个项目。想自己抠细节？切回IDE模式，还是那个熟悉的编辑器。但有个细节挺有意思：升级后默认进Agent工作台，老用户想写代码得手动切回去，而且目前还没法改默认启动模式。社区里已经有人吐槽：“我就想安安静静写个代码，每次开机都得手动切一次。”这背后其实是字节的算盘：AI工具不能只当“代码补全”用，得把需求、设计、文档、部署全链条吃透，才能让用户离不开。但问题是，办公人群嫌它太硬核，开发者又嫌它太花哨，两边都想抓，最后会不会两边都留不住？你觉得AI发展到这一步，以后程序员是不是就不用自己写代码了？还是说有些东西AI永远替不了？评论区等你。AI工具程序员日常字节跳动AI编程
关于AI能写代码的当下，大学学编程的核心不是学不学，而是要区分哪些是AI能做好的
关于AI能写代码的当下，大学学编程的核心不是学不学，而是要区分哪些是AI能做好的不用深钻，哪些是指挥AI所需的判断力对应的基础知识，这些得好好学。
UG编程模板迎来了封神之路，AI扶我青云志。
UG编程模板迎来了封神之路，AI扶我青云志。
古法编程的负反馈，本质是业务需求超出个人舒适区的边界，而这些负反馈其实是打开知识
古法编程的负反馈，本质是业务需求超出个人舒适区的边界，而这些负反馈其实是打开知识迷雾的进度条，只要把最初的技术基础打牢，最终都会转化为正反馈。
AI降低了编程和工程实现的门槛，很多老派程序员失业了，这其实是挺大的一个破坏。
AI降低了编程和工程实现的门槛，很多老派程序员失业了，这其实是挺大的一个破坏。但AI降低工程实现上的门槛，同时也可能带来巨大的机遇：就是创业的门槛同样降低了！以前需要招很多人成立大的公司的事情，可能只需要一小部分人，甚至一个人，就可以做出一个完整的成果了，这对有见解有全套经验的人，组建小团体进行创业，提供了很大的机遇。被裁的员工，如果是有能力的员工，可能基于自身的专业和经验积累（这部分是真门槛，不是谁都可以达到，但是也有不少这样的人以前只能打工，现在可以创业了），低成本和低门槛的进行创业。这样又可以把失业的人重新组织起来，现在是AI的快速发展，很可能可以帮助有经验的人做到这一点，说不定AI到了一定程度，就会有小的创业公司遍地开花，不是现在，是可能的未来会发生的事。
计算机Python学习编程大学生网站分享热门游戏人工智能入门学习网
计算机Python学习编程大学生网站分享热门游戏人工智能入门学习网站编程网站
一篇技术观点文章提出，随着人工智能编程从简单的“提示即生成”发展为拥有验证框架、
一篇技术观点文章提出，随着人工智能编程从简单的“提示即生成”发展为拥有验证框架、规则文件、测试套件和自主执行流程的工程实践，软件工程的重点正在改变。作者认为，当人类越来越少逐行阅读AI生成的代码时，编程语言的核心价值就不再只是便于人类阅读实现细节，而是要更精确地表达“程序应该做什么”。因此，未来语言的竞争力可能会从实现便利性转向规格表达能力。文章以Lean4为例，主张用类型系统直接充当规格说明。其理论基础是Curry-Howard对应关系：类型即命题，程序即证明。依赖类型让开发者不仅声明某个函数返回列表，还可以要求它返回一个附带机器可验证排序证明的有序列表。这样，编译器不再只检查代码能否运行，而是检查实现是否满足逻辑承诺。只要规格可以写成类型，AI就可以自由选择算法，但若没有有效证明，结果会被编译器拒绝。作者认为，这标志着类型驱动开发可能迎来新阶段：人类更擅长定义意图和约束，AI更擅长生成实现和补全证明，依赖类型成为两者之间的桥梁。文章通过排序算法的Lean4示例说明，无论是插入排序还是其他AI生成的实现，类型本身都能强制输出满足正确性，而不依赖传统测试作为主要保障。这一观点的核心是，在AI高速生产代码的时代，工程信任的关键应从“看起来能用”转向“可被机器证明”。
![[捂脸哭][捂脸哭][捂脸哭]我有个建议，没做过编程的人还是不要评论代码。](http://image.uczzd.cn/2629797491563489065.jpg?id=0)
AI编程创业｜产品化最佳实践业务人用AI快速搭软件，但大多只能本地跑，难
AI编程创业｜产品化最佳实践业务人用AI快速搭软件，但大多只能本地跑，难以规模化交付。判断产品价值看两点：是否提效？对比同类有没有独特优势？思路再好，也要架构与部署支撑，才能放大给更多用户使用。来找我，帮你把AI原型落地成可复制、多用户可用的商用产品。
智谱AI编程工具ZCode把4万多个文件静悄悄传上云，删了也没用9
智谱AI编程工具ZCode把4万多个文件静悄悄传上云，删了也没用9月18日凌晨，程序员发现只要登录着ZCode，自己一个包含42411个文件的仓库加密打包默默上传云端。更离谱的是两个事：这些文件大部分是自己仓库里的历史代码；加密打包后密钥在云端而不是用户手里。当前代码给AI看，很多人能接受；历史库被静默上传，是另一回事。隐私政策里对此类事项只字未提，就更不应该了。当天下午，智谱在用户群道歉，说是"仓库百科"功能默认开着闯的祸，数据云端用完就删、已修复，还承诺开源客户端、找第三方审查、给全体用户补一次周额度。行动迅速，态度诚恳。但是不是这就是全部事实真相，我看要打问号，因为真的有人看了客户端源码。当晚7点，已有公司把ZCode全线禁用。错误存在，道歉也应该。但是看看我们自己的AI编程工具，隐私政策我们真的会去研究吗？不会，研究了也不能100%放心。AI编程工具飞速发展，热情拥抱的同时，安全治理也急需规范！AI智谱AI编程
用豆包做了个个人博客，比想象中好，这个网站放在以前布哥用古法编程得开发好几个月，
用豆包做了个个人博客，比想象中好，这个网站放在以前布哥用古法编程得开发好几个月，现在用Ai只要几天碎片时间就做出来了
#智谱ZCode#智谱（ZhipuAI）旗下编程工具ZCode近期被曝“后台上传用户本地代码数据”。
#智谱ZCode#智谱（ZhipuAI）旗下编程工具ZCode近期被曝“后台上传用户本地代码数据”。一名开发者在清理本地~/.zcode目录时发现加密快照文件（约313MB），经分析显示工作区内容（包括大量.git历史、LFS缓存、对象等，占比很高）被打包，并尝试上传至阿里云OSS。上传行为被指在后台进行，且可智谱ZCode智谱（ZhipuAI）旗下编程工具ZCode近期被曝“后台上传用户本地代码数据”。一名开发者在清理本地~/.zcode目录时发现加密快照文件（约313MB），经分析显示工作区内容（包括大量.git历史、LFS缓存、对象等，占比很高）被打包，并尝试上传至阿里云OSS。上传行为被指在后台进行，且可能无视客户端隐私开关。质疑点包括：隐私政策披露不够充分、上传范围是否包含完整Git历史、服务端是否具备解密能力等。官方回应尚未逐一详细解释所有技术细节。其他相关隐私记录。•2025年5月：国家网络与信息安全信息通报中心通报，智谱清言（版本2.9.6）存在“实际收集的个人信息超出用户授权范围”问题，与Kimi等其他AI应用一同被点名。•智谱招股书中曾提及用户数据保护风险（“我们可能无法保护我们的用户数据”）以及训练数据合规不确定性。
