AIGC 是来颠覆还是加入低代码的？
随着以 ChatGPT 为代表的大模型的爆火，AIGC 狂飙态势仍在继续并快速渗透到各行各业，低代码赛道也不例外。AIGC + 低代码、AI 生成式开发、AIGS 等概念的涌现，似乎预示着 AI 新时代下低代码正在发生着深刻变革。当“整个产业都会被 AI 重做一遍”成为共识，低代码赛道的背后又是怎样的“暗流涌动”？
近期，InfoQ 联合钉钉围绕“AI 新时代的低代码”，邀请了多位低代码赛道的资深从业者，他们分别是：钉钉宜搭平台负责人叶周全；易鲸云 CEO 刘金柱；伙伴云产品总监吴杨；轻流产研负责人陆琦；氚云产品总经理詹萧；简道云运营负责人沈涛以及主持嘉宾极客邦科技创始人兼 CEO 霍太稳，7 位嘉宾共同打造了这期《再问低代码：AI 巨浪下》栏目，共同探讨 AI 新时代，低代码面临哪些机遇与挑战？低代码与 AIGC 融合探索的路径是什么？如何让 AI 发挥更强大的底座能力？本文结合嘉宾们的精彩分享探索新思路。
AI 浪潮下，大厂率先起跑，低代码赛道开始“暗流涌动”，业内集体发出感叹“这一波浪潮来得实在太快”。巨浪背后便是前所未有的压力，例如竞争壁垒的冲击、产研投入的巨大压力、商业模式和定价结构的改变等，都给低代码行业带来新的挑战与冲击。正如轻流产研负责人陆琦所说，“AI 能力将成为低代码平台标配，大家都上，你不上就没有竞争力。”
面对这些冲击，AIGC 是否会彻底颠覆低代码？对此问题，氚云经过内部推演，产生了颠覆方和融合方两个“派别”。“颠覆方认为，今天所有的‘程序’最终都会走向类似 Jarvis 的 AI 助手，而应用会被拆分成助手的任务流。而融合方认为，深度学习网络没有解决知识表征问题，颠覆性有限，但能很好的转译需求，与低代码互补。”氚云产品总经理詹萧说道。
钉钉宜搭平台负责人叶周全认为是颠覆还是融合需要从不同视角看待。他表示，“从低代码厂商角度看，融合是未来发展趋势，但从用户角度看，高频场景可能会被彻底颠覆而其他场景则是融合。可以肯定的一点是，低代码与 AIGC 越早融合，越能产生 AI-Native 的应用。”AI-Native 是面向基础设施、基础架构的理念，它能够更好地让 AI 的能力赋能到业务当中，AI-Native 的应用能够从头到尾完成用户的任务，让用户尽可能多地减少工作步骤来实现目标。
面对众多声音，InfoQ 认为，判定低代码与 AIGC 融合路径的确定方向还为时尚早，但可以肯定的是，AIGC 并不能从完全意义上彻底颠覆低代码。原因在于：第一，AIGC 不会改变低代码的底层逻辑，其提升企业的应用开发效率以及促进人人开发的优势并不能被完全取代；第二，大模型通过语义直接生成代码并不能保证其完全的准确性，且代码可用性需要大量的人工校正。相反，低代码融合 AIGC 可以通过语义生成模型，加速需求分析工作进程，让 AI 的底座能力真正进入业务。
同时，随着 AI 技术的快速发展，其潜在价值也在不断增长，AIGC 赋能低代码行业可能带来多方面的增强。首先，产品体验感的提升，借助 AIGC，低代码在产品体验上可能会弯道超车，追平 SaaS 体验，甚至超越 C 端软件。通过大模型分析大数据和用户行为模式，自动优化用户界面、交互和流程，从而提供更符合用户期望的产品体验；其次，开发效率的提升，AIGC 通过智能化建议，协助开发者进一步优化用户体验，加速开发过程，降低开发者门槛，让“人人都是开发者”走进现实；此外，在应用交付层面，借助 AI-Agent 的能力，低代码交付环节的效率也能得到大幅提升。AI-Agent 的工作方式类似于人类代理，它能够接收输入数据，例如传感器信息、文本、图像等，通过分析和处理这些数据，理解环境和任务要求，并作出相应的决策和行动，这样可以极大减少人工成本，提升效率。
低代码与 AIGC 融合的价值不言自明，在融合发展中如何让 AI 的底座能力转化成生产力，需要一个落脚点，而这个落脚点就是业务场景。
尽管 AIGC 有着强大的智能计算能力、更广泛的数据语料资源、更通用的任务训练模型以及更灵活的信息参与模式，但它并不是万能的。事实上，AIGC 只是一种技术，而技术价值的发挥则需要找到适配的业务场景。
那么，低代码 +AIGC 实现场景落地了吗？简道云运营负责人沈涛表示，“现在有一些自然语言搭建表单页面、编写函数、查询数据的应用。”“目前来看，AIGC 主要应用场景还是在容错率较高的领域，比如文本加工，图像生成，但在 B 端软件对输出结果至少要达到 < 0.01% 容错率才能交付。”氚云产品总经理詹萧补充道。这似乎意味着在涉及复杂业务逻辑和多样化数据的 B 端软件应用场景中，要让大模型表现出色依然有一定难度。不难看出，低代码与 AIGC 的融合探索仍处于早期阶段，在探索的路上仍有诸多问题亟待解决。
一方面，AI 新时代，未来低代码不应该只是代码的逻辑，终局是通过“聊天”即“Prompt”就能直接生成应用，这才是生产率的质变。但真正要用交互把生成应用的体验做得非常好，还要解决很多问题。比如大模型在做低代码应用时，AIGC 能不能跟人的意图对齐，充分了解庞大的上下文，尤其在应用生成复杂度更高的场景。另一方面，数据安全风险的考量则是商业化上较大的难点，我们看到，多数企业并不会用 ChatGPT 去做低代码开发应用原因在于接入外部 API，核心业务逻辑可能存在外漏的风险。面对这一问题，能够解决的办法之一就是自研大模型，然而自研大模型对于大多数企业而言并不是一件容易的事。它需要大量高质量数据的收集、清洗和标注，以及昂贵的计算资源来支持模型训练。模型的架构设计、训练算法和超参数调整需要深入的领域知识和大量实验。此外，模型大小和存储、时间和人力投入、评估和测试都是必须要考虑的因素。
面对这些问题，开放生态或许是让低代码与 AIGC 创新融合并走向更远的解决路径。
如果说让大模型变成类似于“云服务器”的基础设施，是 AI 走向千行百业的必经之路，那么如何让低代码更好地结合与调用 AI 的底座能力则是未来企业实现业务智能升级的突破口。我们看到，钉钉一直在这条路上探索。
就在今天的 2023 钉钉生态大会上，钉钉宣布开放 AI PaaS。什么是 AI PaaS？大模型要从 Chat 进入 Work，变成真正的生产力工具，必须要进入应用场景，然而目前大模型无法直接运用于应用场景，AI PaaS 可以下接大模型能力，上接千行百业的用户真实需求，让大模型的能力真正进入到工作场景。也就是说，企业无需以自己的数据去训练模型就可以应用大模型结合自身业务场景，实现场景落地。更重要的是，在 AI PaaS 中，钉钉通过解决大模型的安全问题、性能问题，降低开发运维的门槛，降低大模型的不确定性，帮助企业数据与大模型建立联系，让大模型能力真正为协同和业务所用。
此次钉钉将 AI PaaS 开放给生态伙伴和用户，标志着钉钉智能化进入生态层，和生态一起完成智能化对钉钉产品和生态产品的再造。同时，AI PaaS 的开放，也是钉钉 PaaS 化战略的进一步深化。
事实上，早在 2022 钉钉生态大会上就宣布了生态开放，提出“PaaS First Partner First”战略，明确“钉钉只做一件事，就是 PaaS 化”。此后，钉钉陆续推出 bPaaS、iPaaS、dPaaS 等，不断向生态伙伴开放底座能力。今年，钉钉宣布接入通义大模型，新钉钉将全面走向智能化。直到如今 AI PaaS 的开放，让我们看到，钉钉正在构建 AI 时代的智能生态体系，努力让更多人用上 AI，或让 AI 像加入低代码一样，深入千行百业。
低代码与 AIGC 的融合探索，让我们看到未来企业数智化转型的新路径。然而，AIGC 并非解决一切问题的万能工具，低代码也不是，两者只有在解决实际业务问题上持续思考，彼此的互补，才能充分释放其潜力。同时，低代码与 AIGC 的融合不仅仅需要技术上的创新，更需要思维的转变，以更加开放的心态构建 AI 生态，才能激发出更强大的创新力量。而这种创新力量的释放值得所有人期待。