（原标题：AI编程风靡全球! ?Lovable估值较7月翻三倍有余 跻身欧洲最有价值初创阵营） 智通财经APP获悉，有媒体援引知情人士透露的消息报道称，聚焦于全自动化AI编程领域的Vibe coding AI初创公司Lovable在最新一轮融资中的估值狂飙至66亿美元，并且包括美国知名风投公司Accel。这一 最新估值也意味着，Lovable估值较此前不久在7月完成的上一轮估值大幅增长266%，并为其创收与估 值爆发式增长的一年画上圆满句号——这一年里它已然成为整个欧洲最有价值的初创类型公司之一。 ?所谓的Vibe coding，可以理解为AI编程领域(AI-assisted coding)的一个更激进、更加口语化的核心子 集，所谓AI编程强调的是用最纯粹的人类自然语言提示让AI大模型生成、修改、调试代码，人类的角 色从"写代码"转为"描述目标、迭代反馈";甚至在某些编程类工程实践里强调"先跑起来再说"，对代码逐 行理解与审阅的要求更弱。 AI 编程基本已是硅谷乃至全球科技行业大势所趋，GitHub的Octoverse 2025 指出"生成式 AI 已成为开发 的标准配置"，并披露80%的新开发者在注册后第一 ...

有媒体援引知情人士透露的消息报道称，聚焦于全自动化AI编程领域的Vibe coding AI初创公司Lovable 在最新一轮融资中的估值狂飙至66亿美元，并且包括美国知名风投公司Accel。这一最新估值也意味 着，Lovable估值较此前不久在7月完成的上一轮估值大幅增长266%，并为其创收与估值爆发式增长的 一年画上圆满句号——这一年里它已然成为整个欧洲最有价值的初创类型公司之一。 所谓的Vibe coding，可以理解为AI编程领域(AI-assisted coding)的一个更激进、更加口语化的核心子 集，所谓AI编程强调的是用最纯粹的人类自然语言提示让AI大模型生成、修改、调试代码，人类的角 色从"写代码"转为"描述目标、迭代反馈";甚至在某些编程类工程实践里强调"先跑起来再说"，对代码逐 行理解与审阅的要求更弱。 Lovable是欧洲AI编程领域的绝对领先玩家，而该领域近年来吸引了来自硅谷的那些风险投资者们无比 浓厚兴趣。 AI 编程基本已是硅谷乃至全球科技行业大势所趋，GitHub的Octoverse 2025 指出"生成式 AI 已成为开发 的标准配置"，并披露80%的新开发者在注册后第一周就 ...

毋庸置疑的是，总部位于瑞典的AI初创公司Lovable这一最新的估值数字远远超过了这家初创公司在7月 完成上一轮融资后达到的18亿美元估值的三倍有余。这是Lovable在2025年的第三轮融资，发生在其创 收与估值高速增长的这一年度——这一年使其成为欧洲最有价值的初创公司之一。 据媒体报道，两位知情人士在讨论私人信息时均要求匿名。福布斯此前在11月报道称，本轮融资将使该 公司估值约为60亿美元。 智通财经APP获悉，有媒体援引知情人士透露的消息报道称，聚焦于全自动化AI编程领域的Vibe coding AI初创公司Lovable在最新一轮融资中的估值狂飙至66亿美元，并且包括美国知名风投公司Accel。这一 最新估值也意味着，Lovable估值较此前不久在7月完成的上一轮估值大幅增长266%，并为其创收与估 值爆发式增长的一年画上圆满句号——这一年里它已然成为整个欧洲最有价值的初创类型公司之一。 所谓的Vibe coding，可以理解为AI编程领域(AI-assisted coding)的一个更激进、更加口语化的核心子 集，所谓AI编程强调的是用最纯粹的人类自然语言提示让AI大模型生成、修改、调试代码，人类的 ...

编辑 | Tina 本文为《2025 年度盘点与趋势洞察》系列内容之一，由 InfoQ 技术编辑组策划。本系列覆盖大模型、Agent、具身智能、AI Native 开发范式、AI 工具链与 开发、AI+ 传统行业等方向，通过长期跟踪、与业内专家深度访谈等方式，对重点领域进行关键技术进展、核心事件和产业趋势的洞察盘点。 本系列力求以体系化视角帮助读者理解年度技术演化的底层逻辑、创新方向与落地价值，并为新一年决策提供参考。内容将在 InfoQ 媒体矩阵陆续放出，欢 迎大家持续关注。 "氛围编程"可以说是今年最热最出圈的话题了。然而，从"用 LLM 快速拼装应用"爆红，到现在也不过才六个月，就明显开始"退潮"了。 最直观的体现，是全线产品的用户流量出现大幅下滑。 降幅最大的当属 Lovable，其流量在近几个月内从 3500 万掉到不足 2000 万，几乎砍半。其它几个明星产品也没好到哪里去，Bolt.new 下降了 27%， 而 Vercel v0 自 5 月以来下降了 64%，Cursor、Replit、Devin 等平台也未能独善其身，唯一例外的是仍在依靠投放驱动的 Base44。 连 Bolt.new 的 ...

行业市场空间与增长预测 - AI编程行业当前市场规模约30亿美元，预计到2030年有望达到230亿美元，远期潜在市场空间近7000亿美元 [1] - 强化学习技术大幅提升了模型的编程能力，使得AI编程成为最快落地的Agent应用场景 [1] 行业竞争格局与商业模式 - 当前行业集中度较高，市场前三名公司的合计市场份额（CR3）已超过70% [1] - 行业已通过按量付费的商业模式初步实现了20%至30%的毛利率水平 [1] - 市场关于“模型吞噬应用”的观点被认为并不全面 [1] 成本结构与盈利前景 - 结合数据中心单位经济效益测算，模型API接口价格具备充足的降价空间 [1] - 模型API降价将有助于增厚AI编程应用的毛利率 [1] 投资关注方向 - 建议重点关注海外AI编程领域的龙头企业 [1] - 建议关注国内相关的中小型公司以及互联网巨头 [1]

文章核心观点 - 由清华姚班校友领军的中国初创公司“词元无限”开发的编码智能体InfCode，在SWE-Bench Verified和Multi-SWE-bench-CPP两项权威基准测试中均取得第一名的成绩，标志着AI编程从注重快速原型的“感性时代”（Vibe Coding）进入了面向企业级复杂工程的“工程时代” [6][9] - InfCode的技术突破主要体现在其多智能体体系，能够解决传统AI编程在大型代码库、跨文件修改和C++等系统级语言中面临的挑战，为企业引入AI编码提供了从“单体提效”走向“组织进化”的新范式 [8][12][17] AI编程范式演进与行业基准 - AI编程正从传统大模型生成代码片段，演进为强调自主性、全流程覆盖和工程实用性的“编码智能体”（Coding Agent）时代 [10][11] - **SWE-Bench Verified**：由普林斯顿大学等提出、OpenAI升级的权威基准，包含来自真实GitHub项目的Python问题，要求智能体解决问题且不破坏其他功能 [11] - **Multi-SWE-bench**：由字节跳动等机构于2025年推出，覆盖Java、TypeScript、JavaScript、Go、Rust、C与C++七种语言，包含1632个人工验证的修复任务 [11] - 系统级语言（如C++）的修复任务远难于高级语言，通常需要一次修改200多行、涉及7个文件，导致大语言模型表现显著降低，领先模型的解决率往往不足8% [12][16] 公司产品InfCode的性能表现 - 在**SWE-Bench Verified**基准上，InfCode以Pass@1得分**79.4%** 刷新世界最佳记录（SOTA），远高于公开排行榜上GPT-5、Claude等顶尖模型约70%的成绩 [7][14] - 在**Multi-SWE-bench的C++子集**上，InfCode达到**25.58%** 的解决率，大幅领先于Claude 3.7 Sonnet的**8.59%**、DeepSeek V3的**7.75%** 以及Qwen2.5-72B-Instruct几乎为零的解决率 [7][15][16] - 该成绩体现了产品在复杂语法和大型项目中生成正确补丁的能力，对工业界具有重要价值 [17] InfCode的核心技术亮点 - **基于功能意图的复杂上下文定位**：提出“代码意图分析”机制，超越传统基于向量相似度的RAG，通过理解自然语言背后的功能意图并将其映射到具体实现单元，精准定位问题代码，尤其在无堆栈信息的条件下表现突出 [20][21] - **基于AST的结构化检索**：自研基于抽象语法树的结构化检索引擎，通过Tree-Sitter构建完整语法树，提供如FindClass、FindFunction等语法层API，实现语法感知搜索，在C++等复杂语言中能高精度定位bug，避免传统文本搜索工具（如grep）的噪声问题 [22][23][25][26][28] - **对抗式双智能体生成架构**：首创由代码补丁生成器与测试补丁生成器构成的对抗式双智能体架构，二者在闭环中交替迭代，使补丁在鲁棒性与完备性上持续演化，达到工程级质量，契合了下一代编码智能体迭代-验证-优化的核心范式 [29][30][31][32][33] 产品的工程化流程 - 修复流程分为**生成**与**筛选**两阶段 [35] - **生成阶段**：系统并行启动多个独立容器运行修复链路，允许模型查看代码库、运行测试、分析错误，并最多进行五轮迭代以产生多样化候选补丁 [40] - **筛选阶段**：在真实构建和测试环境中重放每个补丁，除验证测试通过外，还考虑行为一致性、稳定性和副作用，最终选出具有更强工程完整性与可维护性的补丁 [40] 公司团队背景与战略 - 核心团队由**清华姚班校友**带队，拥有顶尖技术实力，并融合了技术前瞻、产品化能力与商业化思维 [6][42] - 团队领军人物**杨萍**曾在字节跳动主导创立公司首个软件工程实验室，其孵化的内部AI Coding产品已全面覆盖公司研发体系，对在超大规模组织中应用AI有深刻理解 [42] - **CTO 王伟**来自清华姚班，曾带队在SWE-Bench获得全球第二的成绩，具备扎实的大模型与智能体算法工程经验 [42] - **商业化负责人 李莹**拥有十余年AI产业落地经验，曾主导完成大模型To B领域数亿元规模的项目落地，具备将技术价值转化为商业回报的能力 [43] - 团队汇聚了来自字节、百度、微软等顶尖企业及清华、北大、哥大、MIT等世界名校的人才，构成“顶尖老将 + 新生代骨干”组合，多个重要岗位由00后领衔 [43] - 公司对AI Coding赛道的认知已从“工具效能”提升转向对软件工程全生命周期的重构（AI SWE），致力于打造提供端到端价值闭环的“数字员工”平台，并通过“Coding + 细分行业”的深度融合构建商业生态闭环 [44]

文章核心观点 - InfCode编码智能体定义了AI编程的“工程时代”，其多智能体体系标志着AI编程从“单体提效”走向企业“组织进化”的新范式[2][7] - 公司在SWE-Bench Verified和Multi-SWE-bench-CPP两项权威AI Coding基准中双双登顶，展现了面向企业场景设计的突破性技术能力[4][6] AI编程行业趋势与基准 - AI编程正从传统大模型生成代码片段转向强调自主性、全流程覆盖和工程实用性的新一代编码智能体（Coding Agent）[9] - SWE-Bench Verified基准来自真实GitHub项目，要求智能体解决问题且不破坏其他功能，是行业权威评测标准[9] - Multi-SWE-bench数据集覆盖七种编程语言共1632个修复任务，由68名专家从2456个候选样本中精挑细选[9] - C++项目通常需一次修改200多行、涉及7个文件，难度远高于JavaScript等高层语言，领先模型在C++上的解决率往往不足8%[10] InfCode技术突破与性能表现 - 在SWE-Bench Verified上以79.4%的Pass@1得分刷新SOTA，远高于公开排行榜上GPT-5、Claude等顶尖模型70%左右的成绩[6][13] - 在Multi-SWE-bench的C++子集上达到25.58%的解决率，大幅领先Claude 3.7 Sonnet的8.59%和DeepSeek V3的7.75%[6][13] - 针对系统语言（C、C++、Rust）在内存管理、模板机制和复杂编译链方面的难度，实现了语义定位与语法分析相结合的优势[15] 核心技术亮点 - 提出“代码意图分析（Code Intent Analysis）”机制，超越传统RAG的字面匹配，能理解自然语言背后的功能意图并映射到具体实现单元[17][18] - 自研基于抽象语法树（AST）的结构化检索引擎，通过Tree-Sitter构建完整语法树，提供FindClass、FindFunction等语法层API[21][22] - 首创对抗式双智能体架构，代码补丁生成器与测试补丁生成器在闭环中交替迭代，实现“越测越强、越修越稳”的工程级质量[24][25] - 修复流程采用生成与筛选两阶段范式，在真实构建和测试环境中重放每个补丁，最终选出具有更强工程完整性与可维护性的补丁[31][33] 团队背景与竞争优势 - 核心团队由清华姚班校友带队，汇聚来自字节、百度、微软等顶尖企业的精英及世界名校人才，构成“顶尖老将+新生代骨干”组合[35][37] - 团队领军人杨萍在字节跳动期间主导创立公司首个软件工程实验室，其孵化的内部AI Coding产品已全面覆盖公司研发体系[35] - CTO王伟在大模型与智能体领域深耕多年，此前带队在SWE-Bench曾斩获全球第二成绩[36] - 商业化负责人李莹拥有十余年AI产业落地经验，曾主导完成数亿元规模的大模型To B项目落地[37] - 团队对AI Coding赛道有清晰认知，竞争已从“工具效能”提升转向对软件工程全生命周期的重构（AI SWE）[38]

行业趋势：00后创业者与前沿科技投资热潮 - AI时代资本明显向年轻创业者倾斜，红杉、高瓴、蓝驰等头部机构及张一鸣、刘强东、王兴等大佬纷纷注资00后初创公司，真格基金推出“00后狠人计划”锁定新生代群体 [3] - 前沿科技成为00后创业主战场，胡润U25榜单显示2024年中国25岁以下创业先锋中前沿科技领域占比高达80% [39] - 00后创业者普遍拥有顶尖高校或实验室研发经历，具备全球视野，创业起点高，旨在源头创新和引领世界 [39] 公司案例：Anysphere (AI编程) - 公司成立仅三年，年化收入突破10亿美元，估值高达2079.1亿人民币，被硅谷誉为“史上最快崛起的企业之一” [1] - 公司CEO Michael Truell为00后，三年间从实习生跻身亿万富翁行列，成为投资人追捧的新星 [2] 公司案例：Axiom Math (AI数学) - 公司于2025年10月完成6400万美元（约合人民币4.56亿）首轮融资，投后估值突破3亿美元，此时公司尚无产品和客户 [4][5] - 创始人洪乐潼为24岁中国潮汕女性，拥有超凡数学天赋与学术成就，包括获得摩根奖、Schafer奖、罗德奖学金等，并从斯坦福退学创业 [5][6][7][8][9][10] - 公司旨在打造能自主推理和提出猜想的“AI数学家”，以解决现有大模型在数学推理上的缺陷（例如准确率96%但展示推理过程后得分率降至5%） [11] - 公司目标是为科学研究、芯片设计、金融建模等领域实现底层突破，并吸引了Meta FAIR团队前领导等顶尖人才加盟 [14][15] 行业与公司案例：具身智能与机器人 - 中国具身智能产业规模预计在2030年达4000亿元，2035年突破万亿元 [29] - 灵初智能创始人陈源培24岁，入选《福布斯》2025亚洲30岁以下青年领袖榜单，公司专注于解决机器人灵巧手难题 [20][27] - 灵初智能推出首款21自由度灵巧手，能稳定抓取盛满水的纸杯，并与英伟达、美团达成合作 [27][28] - 公司于2025年初完成由高瓴资本、蓝驰创投领投的天使轮融资，估值破亿 [29] - 该赛道其他00后创业者包括：清华AI硕士闵宇恒创办零次元机器人，成立半年获1亿元融资及数千万元订单 [30]；耶鲁博士杨丰瑜创办优理奇，专注于保姆机器人，完成数亿元天使轮融资并签约数千万元订单 [30] 公司案例：共绩科技 (算力共享) - 公司创始人付智为00后，旨在搭建稳定、低价、弹性的算力共享平台，做“算力界的滴滴” [31][34] - 创业灵感源于个人算力短缺经历，公司看中中国5.7亿台个人电脑中67%的算力处于日常闲置的市场机会 [33] - 团队核心成员包括清华顶尖技术天才，经历两年“车库式创业”，完成80多个版本迭代，实现99.9%稳定率且90%设备可一键接入 [35][36] - 公司在最艰难时刻获得百度前总裁陆奇30万美元种子投资，后完成数千万元天使融资 [37] - 目前公司接入设备达数十万台，总算力相当于两个长三角智算中心之和，2025年上半年实现营收2000万元 [37] - 据工信部预测，2030年我国算力市场规模将超万亿元，其中弹性算力占比超千亿元 [38]

行业趋势：AI对软件工程行业的冲击与重塑 - AI浪潮正对计算机科学（CS）就业市场产生显著冲击，初级程序员受影响最大[4] - 斯坦福大学与ADP的研究显示，在最易受AI影响的职业中，22-25岁初入职场的年轻人相对就业率下降了13%[8] - 到2025年7月，22-25岁开发者的就业人数预计将比2022年底峰值下降近20%[10] - 科技巨头招聘逻辑发生根本性变化，更倾向于经验丰富的老手，而非初级“小白”[10][12] 公司动态：科技巨头积极拥抱AI编程 - 微软CEO萨提亚·纳德拉透露，微软代码库中多达30%的代码完全由AI编写，且比例稳步上升[13] - Meta CEO扎克伯格预测，到2026年，公司约一半的开发工作将由AI完成[13] - 谷歌CEO皮查伊承认，超过25%的新代码由AI编写[14] - Shopify CEO Tobi Lütke提出新的招聘原则：需证明AI无法胜任或无法做得更好，才能招聘新人[15] - Klarna CEO表示公司在2023年已停止招聘，因为AI能完成人类的所有工作[16] - Duolingo CEO Luis von Ahn宣布将逐步停止使用人类承包商，改用AI[17] 教育变革：顶尖学府引领教学范式转变 - 斯坦福大学开设《现代软件开发者》课程，成为本学期最火爆课程，其核心理念是教授学生“在不写一行代码的情况下进行编程”[3] - 课程讲师Mihail Eric鼓励学生拥抱Cursor、Claude等AI工具，并认为能全程不用手敲代码才是真正的能力体现[3] - 该课程被视为应对AI冲击的“解药”，标志着计算机教育从传统手写代码向驾驭AI工具的根本性转变[3][29] 能力进化：从“码农”到“超级工程师”的角色转型 - 行业共识认为，“写代码”的动作正在贬值，但“构建软件”的能力在升值[20] - Cognition研究主管Silas Alberti提出，熟练掌握AI工具的人将成为“超级工程师”[21] - 未来的核心竞争力从手写算法转变为指挥AI快速交付可用产品的能力[25] - Warp创始人Zach Lloyd强调，AI工具是加速器而非替代品，最擅长运用它们的是拥有坚实基础的人[25] - 当AI编写大量代码时，工程师需要更强的架构能力、鉴赏能力和纠错能力，角色从“工人”转变为“包工头”[27][28] 应对策略：个人与行业的调整方向 - 积极学习并拥抱AI编程工具，如Cursor、Claude、Windsurf[29] - 调整职业预期，认识到“会写代码=高薪铁饭碗”的时代已结束，初级岗位减少且门槛提高[30] - 提升“AI智商”，在简历中证明能利用AI将效率提升十倍[30] - 关注AI“增强”人类工作的领域，而非完全“自动化”的领域，这些领域的就业仍在增长[30] - 最终的竞争壁垒不是AI本身，而是比他人更善于运用AI的能力[32]

产品核心定位与差异化 - 产品专注于解决“真实软件”研发痛点，即支撑商业价值、需要严肃迭代且存在大量历史积累（5-10年）的代码项目，而非从零生成新项目的场景[12][13][14] - 该定位旨在切入占开发者95%工作时间的核心研发领域，被认为是信息产业持续产生价值的“价值高地”[12][13] 核心功能与技术能力 - **仓库Wiki自动生成**：能够快速解析大型代码仓库（如包含约7500个文件的Microsoft Terminal项目）并自动生成包含项目概述、架构设计等内容的完整Wiki，支持共享协作[3][4][5][7][8] - **深度代码理解**：在IDE中通过自然语言提问（如“这个controller的findAll方法用到了哪些Service和Repository”），能自动检索并清晰呈现代码调用链和分析过程[20][21][22] - **Quest Mode（AI自主编程）**：基于自然语言需求描述（Spec），自动生成完整需求文档、逐步执行任务并提交总结，实现Spec驱动的自动化开发[25][26][27] - **大规模代码处理**：具备一次检索10万个代码文件的能力，可将电商网站级开发任务从数天压缩至约十分钟[24] - **Debugger集成**：在JetBrains插件中能理解调试上下文，直接引用内存中的变量和调用链提供智能调试建议，无需手动复制信息[38] - **代码安全与审查**：可分析代码风险（如SQL注入），并与GitHub深度集成进行自动代码审查，据称可提升2倍审查质量和10倍审查效率[39][49][50] 产品形态与覆盖范围 - 提供三种产品形态：IDE、JetBrains插件和命令行界面（CLI），覆盖不同开发者偏好[21][30][31][44] - JetBrains插件支持异步委派任务，具备记忆感知功能，能根据开发者习惯和项目特点形成记忆，实现“越用越懂你”的效果[32][40][41][42] - CLI形态内置轻量Agent，支持扩展插件和命令，可与GitHub Issues、Pull Requests交互，被描述为Claude Code的完美平替[44][49][52] 性能与性价比优势 - 采用“全球顶级模型+专项自研模型”组合，在效果评分上领先头部产品13.22%[21][53] - 在同样付费金额、使用SOTA模型的条件下，可完成205%的编程任务，性价比显著[21][54] - 提供模型分级选择器，包括基础轻量、经济高效、极致性能和智能路由四种模式，以匹配不同复杂度研发需求[24] - 据称其RepoWiki模型可节省93%的Credits消耗，SOTA模型耐用度比Cursor高104.9%[53][54] 行业贡献与标准制定 - 公司开源了“AI编程工具耐用度评测集”，为行业提供了可参考的评估标准，涵盖Python、JavaScript、TypeScript、Java和Golang等主流语言[58] - 评测集模拟真实开发环境和复杂场景，计划在明年3月前将真实开发场景案例数量扩展到50多个[58][60][61] - 基于该评测，公司在复杂工程、生成效果、Credits耐用度方面均宣称超过全球头部产品[60]