作者|编辑K先生| 艾玛
来源 | 技术领导（ID：jishulingdaoli）
著名技术哲学家安德鲁·范伯格教授曾经提到过一个非常有创意的概念，“技术民主化”。 教授认为，技术民主就是扩大社会个体的自由边界，让你积极有效地参与技术设计和技术决策，包括不同身份、不同阶层的“外行演员”，从而保证他们的自由。 利息要求得到满足。 简而言之，就是让更广泛的人参与技术设计，最终实现更大程度的技术协作。
以前看到这个说法的时候，要么觉得实现不了，要么觉得离我们还很遥远。 直到这六个月，各种AI大模型的现实应用不断出现，我才开始意识到，所谓的“遥远”或许并没有那么遥远。 最近我亲眼目睹，在钉钉群聊中，只要拍一张照片，写一句话，就可以手动生成一个业务应用，无需一行代码。 ”，显然，未来已经到来，而且近在咫尺。
01
AI大模型拯救“低代码”生命
ChatGPT的登场堪称巅峰。 在不断刷新你对AI各种理解的同时，它也在用自我颠覆的方式不断革新你自己的生活。 从GPT-3.5到GPT-4，有很多意想不到的改进。 在GPT-4的官方宣传视频中，有这样一个令人印象深刻的场景：视频中，测试人员在一张白纸上画出了网站的草图，上传到GPT-4，然后出现了令人惊讶的一幕，仅仅依靠一个草图，GPT-4实际上给出了网站的HTML代码。 K哥认为，出现这一幕的时候，一定有人在看热闹，有人一定在看花样。 那些观看热闹的人似乎都在惊叹从图表到代码的神奇转变； 看过的人一定在想，这是什么代码？
所谓低代码（low-code）是与全代码（All-code）相对应的一个概念，指的是只需少量代码，通过图形化拖拽即可开发出所需的应用程序，参数化配置等或数字工具。 低代码理论自出现以来，具有开发门槛低、效率高、能够满足企业数字化转型中大量软件开发需求等显着优势。 代码”、“不方便查找bug”，是“虚假需求”程序代码网站在哪，更是“行业毒瘤”。
以ChatGPT为代表的大型AI模型的出现，成为拯救低代码的及时雨，甚至可能成为洗清低代码指责的最有力打击。 我们早就听说AI大模型广泛应用于图像识别、自然语言处理、语音识别等领域。 除了大家熟悉的ChatGPT之外，还有微软的BERT模型和Facebook的Detectron2模型。 他们在自然语言处理和计算机视觉领域也取得了巨大成功。 这些模型基于算法的深度学习，通过海量数据的训练总结规律和模式，从而达到非常准确的识别和预测能力。 而这就完美的解决了技术端最头疼的“业务需求”问题。
当AI大模型精准识别业务需求时，低代码呈现的不再是“狗屎代码”的“负能量”，而是帮助企业快速构建部署应用、提升效率的“负能量”企业数字化转型魏光正”。AI模型让程序更加智能，低代码让开发敏捷。两者是绝配。有了AI模型的加持，垂死的低代码-代码还活着，这难道不令人惊讶吗？
02
AI大模型+低代码：
解决中小企业90%的软件需求
有专家推测，AI低代码开发不仅能解决中小企业90%的软件开发需求，甚至被认为是继瀑布式开发、敏捷开发之后的一种新的开发模式。
1、学习大模型各行业软件模板，成为业务系统设计专家
在这个时代，软件定义一切。 我们生活中的大部分场景已经悄然完成了“信息化”的过程。 可以毫不夸张地说，软件已经构建了世界。 但尽管如此，人们对信息化的需求仍在越来越细化的场景中爆发。 软件开发的“供给”无法满足人们日益下降的数字化需求，仍然是科技行业无法解决的主要矛盾。 。
如果说低代码的出现，则为业务应用的快速交付以及通过平台工具的使用在更高具体维度上推动软件开发指明了方向。 那么AI大模型的出现为其落地提供了更有力的保障。 通过深度学习模型的大规模训练，模型可以学习各行业的软件模板和业务流程，从而成为业务系统设计的专家。
可以通过学习海量数据、代码和文档以及各种业务场景的最佳实践，生成高质量的业务系统设计解决方案，提高企业数字化转型的效率和准确性。 当有新的软件设计需求时，大模型可以根据需求推荐高质量的设计方案和代码实现，就像行业专家一样。
举个反例，诊所需要开发一套全面的管理系统。 AI大模型可以基于对医疗信息化领域大量案例的研究，推荐一套高质量的解决方案，包括功能模块定义、流程设计、接口丰富的原型以及底层代码框架该软件设计的高度智能化可以大幅缩短开发周期，成本和风险也大幅降低。
打个简单的比喻，AI低代码软件开发与制造业的自动化生产线非常相似。 它不再是零散的、个别的改变，而是系统性的升级。 改进的不仅仅是技术框架，还有新的软件工程思维。
2.通过与客户聊天互动生成需求文档
相信很多人还记得第一次使用ChatGPT时那种流畅、强大的交互体验几乎颠覆我们认知所带来的震撼和兴奋。 仅仅通过简单的对话，就能给我们带来很多意想不到的收获。 其实实现这一点的基本实现逻辑并不难理解：聊天机器人的交互是基于一些预定义的模板和规则，让客户通过简单的对话来表达自己的需求，并将聊天内容传输给AI模型。 该模型将使用自然语言处理技术对文本进行分析和建模，从中准确提取客户想要的内容，并将其转换为文本格式。 但真正让我们震惊的还不仅仅是这些，而是这次互动的场景和用途，似乎有着无限的“延伸性”。
全球RPA行业领导者Uipath通过用户与ChatGPT之间的交互文本来分析和评估客户对特定产品的反馈。 例如，将从客户收到的一组产品反馈传输到 ChatGPT，并输入诸如“请确定此反馈的情绪并将其分配为正面、负面或混合”之类的提示。 ChatGPT 然后使用这种语气进行准确的情绪识别。 然后将这些用户的情感反馈形成文档，自动发送给产品开发团队，以加强产品的设计和开发。
3、大模型基于文档，生成代码，完成软件开发
与生产文档类似，AI生成的代码也需要经过大量的程序代码训练，让AI学习编程技术，掌握程序代码的句型和结构，从而实现手动生成符合要求的程序代码。需求，协助程序员实现代码补码、算法逻辑生成、语言转换和应用生成。 这种方法可以极大地提高技术人员的开发效率，尤其是在重复性高、逻辑简单的任务上。
在实践层面，阿里、腾讯、微软、亚马逊等国内外各大公司都已经使用AI大规模模型算法来辅助程序员的工作。 不难想象，随着IT生产力的快速发展，大规模生产代码将越来越深入地参与到当今的编程工作中。
03
AI大模型+低代码，软件开发新范式
GPT一问世，比尔盖茨就称其为“40多年来最具革命性的技术进步”。 随后，另一位行业大亨、英伟达创始人黄仁勋也跟进表示：“我们正处于AI的iPhone时刻。” 这是否夸张？ 也许不是，相反，越来越多的事实不断表明，在AI时代，所有行业都值得用大模型再做一遍。 至少，在软件开发中已经非常明显了。 在AI大模型+低代码的“智能”组合下，新时代的软件开发模式越来越清晰。
1、低代码公司最头痛的是客户不知道自己的需求
在传统的软件开发过程中，客户往往无法清晰地描述自己的需求，导致开发过程中沟通成本极高，但沟通效率却很低。 低代码公司就面临着这样的困境。 初衷是用更少的时间创造更多的价值，但现实往往适得其反。 相反，用户（尤其是那些对技术一无所知的人）批评“垃圾”和“根本没用”，而这些隐藏在“槽点”和“骂名”背后的问题并不是低代码本身，而是用户需求。 过去，面对需求错误，低代码业务通常会为完全不懂的外行用户做两件事：
1）进行培训
通过帮助文档、视频指导等方式，对用户进行工具逻辑、可以解决的问题、常用方法等方面的培训。 让用户在使用或遇到问题时能够更好的解决问题。
2）提供模板
就像教一个人快速提高PPT制作水平一样，最好的办法就是给他一个可以参考和修改的模板。 很多低代码平台都做了不同领域常用的相同、模板化、模块化的功能，可以更方便用户使用或编辑。
说实话，这两种解决问题的方法看似直接、简单，但实际上很考验用户的主动性、接受度和耐心。 他们本来是想方便、傻瓜地使用这个工具，但发现整个使用过程并没有那么“傻瓜”，这会减少他们额外的时间成本和学习成本，用户体验自然会受到不同程度的影响。 此前低代码仍存在争议的主要原因之一。
2.AI大规模模型时代，聊天生成需求，画图界面即可生成软件
人工智能时代，让一切看起来更加“愚蠢”，正在逐渐将想象变成现实。 明天，当大规模模型火力全开时，由于自然语言处理和图像处理技术的快速发展，只要会聊天、画界面，就可以生成需求和软件。 这种趋势正在逐渐显现。 这一趋势的核心思想是让机器通过与AI大模型交互，自动完成需求分析和软件开发过程。 也就是说，AI大模型默默地完成了以下两个步骤：
第一步：需求分析
AI大模型可以分析客户的自然语言输入，自动生成需求文档。 这种方法可以大大减少编写需求文档的时间和工作量，同时提高文档的准确性和可读性。 这种能力早在GPT-3.5阶段就得到了充分的展现。
第二步：软件开发
用户可以手工绘制界面原型或效果图，AI大模型会根据这样的图纸自动生成后端界面代码、后端逻辑代码、数据库设计，形成可直接使用的软件系统。 整个过程不需要用户具备任何开发技能，借助AI大模型的手动生成能力即可完成。 并且通过这些方法，用户只需要关注实际需求与界面的功效是否一致，而不需要关注具体的技术实现。 无论是GPT-4宣传视频中可秒级转化为HTML代码的草图，还是K哥体验到的钉钉“照片生成应用”功能，都是万物皆可的AI时代的直观体现。像白痴一样生成。
3.不断调整模型以生成更了解用户的软件
AI大模型的开发过程中，还可以不断地学习和优化自身，使得生成的软件能够更好地满足用户的需求，提高客户满意度。 举一个简单的反例，今年3月，阿里巴巴推出了统一钱文，它有一个很酷的小功能，那就是“聊天记录不用翻，手动生成摘要”。
我们都知道，现在的农民工大多是多线打工，手机上的群很少甚至有几十个。 各种未读消息不断积累，忙的时候根本无法阅读。 有时我花了很多时间爬楼梯，发现群里充满了毫无价值、无用的信息。 不过钉钉这个新功能可以根据历史消息手动为用户生成聊天摘要。 不仅可以追踪信息，还可以避免费时费力的爬楼梯。
这个功能看似不太起眼，但却体现了AI根据用户各种显性和隐性的需求，不断优化并产生对用户软件更好理解的能力。 微软3月份推出的Microsoft 365 Copilot，让我们看到了Word、Excel、PPT、Outlook超乎我们想象的能力，这其实就是这个意思。 而且，我们有理由相信，在不久的将来，这些工具将会得到进一步的优化和升级，你甚至会惊奇地发现它比你自己更了解你的需求。
4.生成的代码不需要测试
除了工作效率高之外，AI大模型还具有良好的稳定性和相当好的质量保证。 首先程序代码网站在哪，AI大模型生成代码的能力来自于大量开发案例的学习和模仿。 它可以生成符合行业标准、高度健壮且性能优异的代码。 其次，AI大模型根据需求文档和设计方案手动生成代码，这也可以避免手动开发过程中因遗漏和错误而导致的各种Bug。
其实从AI大模型的名字上我们也能看出疲劳。 AI大模型的全称是“人工智能预训练大模型”，名称包含“预训练”和“大模型”两种含义。 该模型已经在大规模数据集上进行了预训练。 因此，它具有足够的稳定性和准确性，无需微调，或者只需要少量数据的微调，足以直接支持各种应用，这是相当可以理解的。
04
低代码没有AI大模型，没有未来
大人工智能模型极大地减少甚至完全摧毁了技术壁垒。 软件开发和优化只能通过聊天和画图来实现，这大大增加了用户使用低代码的整体成本。 让曾经迷茫、前途未知的低代码，重回风口。
Gartner预测，到2025年，70%的企业数字化应用将采用低代码构建，甚至有专家将低代码视为“企业数字化的核心引擎”。 但明眼人不难看出，AI+低代码和AIGC+低代码之所以如此受欢迎，“+”号之前的AI才是关键。 换句话说，低代码的兴起与AI的引爆密不可分。 没有AI大模型，低代码可能没有未来，仍然摆脱不了“低代码只适合边缘创新和构建长尾应用”、“低代码代码只是玩具”的那种命运的。
1、低代码平台的核心价值是让非技术人员轻松开发软件，但开发结果的质量无法保证，无法满足大多数企业的数字化需求。 AI大模型可以生成高质量的代码和系统来解决这个痛点。
2、低代码平台虽然使用门槛较低，但用户表达需求面临较大困难，影响交互体验和开发效率。 AI大模型可以通过自然语言理解和交互充分获取用户需求，为低代码开发提供更加友好的界面。
3、低代码平台的普及需要大量模板、组件、框架的积累和优化。 这需要大量的人力和时间，而且进度无法保证。 AI大模型可以快速学习并推荐优质设计模板，加速低代码开发能力的提升。
4、由于低代码开发，功能和质量无法满足高度复杂的业务系统的要求。 这阻碍了更广泛客户群体的覆盖。 AI大模型可以为低代码平台生成日益强大、全面、精细的软件系统，改变这一现状。
5、低代码平台的更新速度难以满足用户体验的不断增强和变化。 AI大模型可以根据用户反馈自动优化低代码模板并生成结果，使低代码软件具有更强的学习和迭代能力。
钉钉开放平台负责人巴布曾表示：“重构复杂的软件系统，将数据的力量延伸到每个个体，将员工的个体创造与组织的有效管理结合起来。” 他表示，在某种程度上，与文章开头提到的“技术民主化”理论类似。 他们都指出，当前的AI大模型+低代码不仅是一种趋势，更是一种潜移默化的影响。 全面革命。 我们生逢其时，看好其成功，为时代喝彩！
轮廓
账号主人简介：Mr.K，黄哲铿，企业数字化转型专家，“独舞山”创始人，科技博主，曾任奥克斯、中通、1药网技术高管，《技术人员培养之道》技术管理峰会。 关注：技术趋势、商业、个人成长。
-结尾-
马斯克：我很高兴找到了我的人生使命......
