著名技术哲学家安德鲁•费恩伯格教授，曾提过一个很有创意的概念，“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，让大家积极有效地参与到技术设计和技术决策之中，包括不同身份、不同阶层的“外行行动者“也都能参与其中，以确保他们的利益诉求得以实现。简而言之，就是让广泛大众参与技术设计，最终实现更大程度的技术协同。

以前看到这个说法的时候，要么觉得难以实现，要么认为离我们还很遥远。直到近半年AI大模型的各种现实应用不断出现，我开始意识到所谓的“遥远”也许并没有多远。最近我又见证了在钉钉群聊里，只要通过拍照或者写一句话，不需要任何一行代码，就能自动生成一个业务应用，才意识到自己还是肤浅了，技术民主哪里是“不远”，分明是未来已来，近在咫尺。

一.AI大模型，救了“低代码”的命
ChatGPT出道即巅峰，在不断刷新大家对AI各种认知的同时，也在不断以自我颠覆的方式，革自己的命。从GPT-3.5,到GPT-4，就有很多让人意想不到的功能提升。GPT-4官方宣传视频中，有这样一幕让人印象深刻：视频中，测试者在一张白纸上画出网站草图，上传至GPT-4后，然后让人惊讶的一幕出现了，仅仅靠一张草图，GPT-4竟然给出了网站的HTML代码。K哥相信，当出现这一幕时，一定有人在看热闹，有人看门道。看热闹的也许惊叹从图到代码的神奇转变；而看门道的一定在想，这哪是代码，这分明是解救催死低代码的“还魂丹”。

所谓低代码（low-code），是与全代码（All-code）相对应的概念，是指通过图形化拖拽、参数化配置等方式，仅使用少量代码，就能开发出需要的应用程序或数字工具。低代码理自出现以来，就具备开发门槛低、效率高、能够满足企业在数字化转型中大量的软件开发需求等明显优势，但一直以来还是饱受质疑，甚至被吐槽“只会生成一堆shit一样的代码”、“找 bug 不方便”，是“伪需求”、是“行业毒瘤”。

而以ChatGPT为代表的AI大模型的出现，成了拯救低代码的及时雨，甚至可能成为消除低代码质疑的最有力的一击。我们已经看到AI大模型被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，还有谷歌的BERT模型、Facebook的Detectron2模型，他们在自然语言处理领域，和计算机视觉领域，也取得了很大的成功。这些模型都是基于对算法的深度学习，通过对海量数据的训练来总结规律和模式，从而达到非常准确的识别能力和预测能力。而这恰恰完美地解决了最让技术方头疼的“业务需求”问题。

当AI大模型精准识别业务需求后，低代码呈现的就不再是“shit一样的代码”的“负能量”，而是帮企业快速构建和部署应用程序、提高企业的数字化转型效率的“伟光正”。AI大模型让程序更智能，低代码让开发敏捷，两者绝配。在AI大模型加持下，垂死的低代码活了，意不意外？

二.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低代码开发不仅将解决中小企业90%的软件开发需求，甚至被认为是继瀑布开发，敏捷开发之后的一种新的开发模式。
1、大模型学习各行业软件模板，成为业务系统设计专家
这个时代下，软件正在定义一切。我们生活中绝大部分的场景，都已在悄无声息间完成了“信息化”的过程。如果说软件已经重构世界，也并不算夸张。但即使如此，人们对信息化的需求仍在越来越细化的大小场景中不断爆发，软件的开发的“供给”，不能满足人们日益增长的数字化需求，依然是技术行业难以解决的主要矛盾。

如果说低代码的出现，为实现业务应用的快速交付、通过利用平台工具在更高的抽象维度上加快软件的开发，指明了方向。那么AI大模型的出现，则为其提供了更强有力的落地保障。通过大规模训练深度学习模型，可以让模型学习各个行业的软件模板和业务流程，从而成为一个业务系统设计专家。

它可以通过学习海量的数据、代码和文档、各种业务场景下的最佳实践，从而生成高质量的业务系统设计方案，提高企业的数字化转型效率和准确性，当有新的软件设计需求时,大模型可以像行业专家一样,根据需求推荐高质量的设计方案和代码实现。

举个例子,某医院需要开发一套综合管理系统，AI大模型可以根据对医疗信息化领域大量案例的学习,推荐一整套高质量的方案,包括功能模块划分、流程设计、界面丰富的原型以及底层代码框架等。这种软件设计的高度智能化,可以使开发周期大幅缩短,而且成本和风险也大幅减少。

做个通俗的类比，AI低代码对于软件开发，很像制造业中自动化生产线，不再是点状或个体性的变动，而是体系性的升级。改进的不仅仅是技术框架，而是新的软件工程思维。

2、通过跟客户聊天交互，生成需求文档
相信不少人还记得在初次使用ChatGPT时，那种流畅、强大到近乎颠覆我们认知的交互体验，所带来的震惊和兴奋。只需通过简单的对话，它就可以给我们很多意想不到的收获。事实上，实现这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，可以让客户通过简单的对话来表达他们的需求，聊天内容传输给AI大模型，模型将使用自然语言处理技术对文本进行分析和建模，从中准确提取出客户的需求信息，并将其转换为文本格式。但真正让我们感到惊讶的并仅仅是这些，而是这交互的场景、用途，似乎有着无限的“延展性”。

全球RPA行业领导者Uipath公司，就通过用户和ChatGPT交互文本，来分析并评估客户对特定产品的反馈情绪。比如，向 ChatGPT传输一组从客户收到的产品反馈，并输入“请确定此反馈的情绪，将其分配为正面、负面或混合”一类的提示。随后由ChatGPT 将这些语气，做出准确地情绪识别。然后再将这些用户情绪反馈，形成文档，自动发送到产品开发团队，用于强化产品的设计和研发。

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生成代码也是要通过大量程序代码的训练，让AI学习编程技术，并掌握程序代码的语法和结构，从而实现自动生成符合要求的程序代码，用以辅助编程人员实现代码补齐、算法逻辑生成、语言转换与应用程序生成。这种方式可以很大程度提高技术人员的开发效率，特别是在重复性高、逻辑简单的任务中，更是效果明显。

在实践层面，国内外很多大厂如阿里、腾讯、微软、亚马逊等都已经在用AI大模型算法，辅助程序员开展工作了。我们不难想象，随着IT生产力高速发展，大模型生产代码会越来越深地介入到现在编程工作。

三.AI大模型+低代码，软件开发新范式

GPT甫一面世，比尔·盖茨就大呼，这是“40多年来最革命性的技术进步”。随后，另一个行业大佬、英伟达创始人黄仁勋也跟进表示：“我们正处于AI的iPhone时刻”。这样的说法夸张吗？也许并不，相反，越来越多的事实都在不断表明，在AI时代，所有行业都值得用大模型再做一次。至少，在软件开发方面已经非常明显了，在AI大模型+低代码的“智敏”组合下，新时代的软件开发模式正越来越清晰。

1、低代码公司最头疼的，就是客户不知道需求
在传统的软件开发过程中，客户往往难以清晰地表述自己的需求，导致开发过程中的沟通成本奇高，沟通效果却很低。低代码公司更是面临这样的困境，本来的初衷是想用更少的时间去创造更多的价值，现实却往往事与愿违，反倒被用户（尤其是完全不懂技术的用户）在电脑前大骂“垃圾”、“根本没用”，而那些藏在“槽点”和“骂名”之后的问题，并不是低代码本身，而是在用户需求上。在以前，面对需求偏差，低代码业务一般会对完全不懂的外行用户开展两方面的工作：

1）进行培训
通过帮助文档、视频指导等方式，对用户进行工具的逻辑，能解决的问题，常用的方法等方面进行培训。让用户在使用或遇到问题时，能够更好的解决。

2）提供模版
就像教一个人快速提升PPT制作水平，最好的方法就是给他一个可以借鉴、修改的模版一样，很多低代码平台也都这么干，把不同领域常用到的功能，模版化、模块化，可以让用户更便利地使用或编辑。

实话实说，这两种解决问题的方式看似直接、简单，但实际上都很考验用户的主动性、接受力和耐心程度。他们本来是想便捷地、傻瓜式的使用工具，但他们发现整个使用过程并没那么“傻瓜”，会增加他们额外的时间成本和学习成本，使用体验自然会受到不同程度的影响，这也是以前低代码一直饱受争议的主要原因之一。

2、AI大模型时代，聊天生成需求，画界面能生成软件
在AI时代，让一切变得更“傻瓜”，正在从想象一点点变成现实。在大模型火力全开的今天，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、会画界面，就能够生成需求和软件的趋势正在逐渐形成。这种趋势的核心思想，是通过与AI大模型进行交互，让机器自动化地完成需求分析和软件开发过程，也就说，AI大模型在无声无息间，完成了以下两个步骤的工作：

Step1: 需求分析
AI大模型可以分析客户的自然语言输入，并自动化地生成需求文档。这种方法可以大大减少需求文档编写的时间和工作量，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，就已经有了淋漓尽致的表现。

Step2：软件开发
用户可以手绘界面原型图或效果图，AI大模型根据这些图,自动生成前端界面代码、后端逻辑代码，以及数据库设计等,形成一套可直接使用的软件系统。整个过程无需用户具备任何开发技能，完全依靠AI大模型的自动生成能力就可以搞定。而且通过这种方式，用户只需要专注实际需求与界面效果是否一致，而不必关注具体的技术实现。不管是GPT-4宣传片中的草图秒变HTML代码，还是K哥体验到的钉钉“拍照生成应用”功能，都是AI时代，万物皆能傻瓜式生成的直观体现。

3、不断调优模型，生成更懂用户的软件
AI大模型在开发过程中，还可以不断学习并优化自身，使生成的软件更贴合用户需求，提高客户满意度。举个简单的小例子，在今年3月份，阿里推出的通义千问中，有一个很酷的小功能，即“聊天记录不用翻，摘要自动生成”。

大家都知道，如今的打工人，大都是多线作业，谁的手机里没有几个甚至几十个群，各种未读信息不断累积，忙的时候根本看不过来。有时候花很多时间爬楼，又发现群里都是些没有价值的无用信息。但钉钉这个新功能，却能根据历史消息，为用户自动生成聊天摘要。既可追踪信息，也不用费时费力爬楼。

这个功能虽然看上去不太起眼，但却很好的反映了AI可以根据用户各种显性、隐性需求，不断调优，生成更懂用户软件的能力。微软3月份推出的Microsoft 365 Copilot，让我们看到了Word、Excel、PPT、Outlook更超乎我们想象的能力，其实也是这个意思。而且，我们有理由相信，在不久的将来，这些工具还会再进一步优化、升级，甚至会让你惊讶的发现，它比你自己更了解自己的需求。

4、生成的代码不需要测试
AI大模型不仅干活效率高，而且稳定性好，有相当不错的品质保障。首先， AI大模型生成代码的能力来源于对大量开发案例的学习与模仿，它可以生成符合行业标准、强健性高，且性能优良的代码。其次，AI大模型根据需求文档和设计方案自动生成代码,还可以避免人工开发过程中，由于疏忽与差错带来的各种Bug。

其实，我们也能从AI大模型的名字上看出端倪，AI大模型全称“人工智能预训练大模型”，名字里包含了“预训练”和“大模型”两层含义，即这个模型已经在大规模数据集上，完成了预训练。所以它具有充分的稳定性和准确率，无需微调，或仅需要少量数据的微调，就足可以直接支撑各类应用，也就很好理解了。

四.没有AI大模型的低代码，没有未来
AI大模型大幅降低、甚至完全摧毁了技术壁垒，仅通过聊天、画图，就可以实现软件的开发和优化，进而大大降低了用户使用低代码的综合成本。让一度迷茫、前途不明的低代码重回风口。

Gartner 预测，2025年 70% 企业的数字化应用，将由低代码来构建，甚至有专家也把低代码当成了“企业数字化的核心引擎”。但明眼人不难看出，当前AI+低代码、AIGC+低代码，之所以大行其道，“+”号前的AI才是关键。换句话说，低代码的盛行，离不开AI的引爆，没有AI大模型，低代码可能难有未来，甚至依然摆脱不了“低代码只适用于边缘创新和搭建长尾应用”、“低代码只是玩具”一类的命运。

1. 低代码平台的核心价值，在于让非技术人员也可以轻松开发软件，但开发结果的质量难以保证，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代码与系统,解决这个痛点。

2. 低代码平台的使用门槛虽低，但用户在表达需求时面临较大困难，影响交互体验与开发效率。AI大模型可以通过自然语言理解与交互,全面获取用户需求,为低代码开发提供更友好接口。

3. 低代码平台普及率的提高，需要有大量模板、组件与框架的积累与优化。这需要投入大量人力与时间,进展难以保证。而AI大模型可以快速学习并推荐高质量的设计模板,加速低代码开发能力的提升。

4. 低代码开发的结果，功能与质量难以达到高复杂业务系统的要求。这阻碍了更广范畴客户群体的覆盖。而AI大模型可以为低代码平台生成更加强大、全面与精细化的软件系统,改变这一现状。

5. 低代码平台的更新升级速度，难以满足用户体验的持续提高与变化。而AI大模型可以根据用户反馈，自动优化低代码模板与生成结果,使低代码软件拥有更强的学习与迭代能力。

钉钉开放平台的负责人巴布说过一句话：“把复杂的软件体系解构，把数据的权利普惠到每个个体，把员工的个体创造和组织的有效治理结合起来。”他所表达的意思，一定程度上和文章开头提到的“技术民主化”理论，有异曲同工之妙，都在不同程度指向一个事实，即当下的AI大模型+低代码，不只是趋势，还是一场潜移默化的全面性革命。我们生逢其时，乐观其成，为时代加油！