报告行业投资评级 - 超配（维持）[1] 报告的核心观点 - AI编程（AI Coding）是众多AI应用领域中落地速度最快、发展潜力最大的细分赛道之一，其产品正从“辅助型Copilot”向“自主型Agent”跃迁，未来市场空间广阔 [3] - 海外市场已验证赛道商业化价值，多款产品ARR（年度经常性收入）已突破十亿美元级别，国内市场渗透率低，增长潜力巨大 [3][26] - 建议关注国内AI编程领域的头部企业发展机遇 [3][67] 根据相关目录分别进行总结 1、AI Coding向“自主型Agent”跃迁，未来市场空间广阔 - **定义与价值**：AI Coding是利用AI辅助、增强或自动化软件开发全流程的技术和工具集合，核心价值在于提升开发效率、降低人力成本并推动行业智能化转型 [10] - **技术驱动**：AI Coding工具演进高度依赖底层大模型能力，当前国际前沿编程大模型由海外厂商（如Gemini、Claude、GPT系列）引领，国产大模型（如GLM-5、Qwen3.5）展现出强劲追赶势头 [13] - **发展趋势**：在AI Agent技术驱动下，AI Coding工具正从“辅助型Copilot”向“自主型Agent”跃迁，可实现从需求分析到测试部署的全流程闭环，海外科技巨头和初创公司正加速布局 [15] - **市场渗透与规模**： - 在消费端（C端），AI编程辅助渗透率接近**50%**，仅次于写作支持 [18] - 在企业端（B端），编程辅助普及度高达**77%**，是落地最快、影响力最大的AI应用方向 [18] - **全球市场**：2023年全球AI编程市场规模为**42.9亿美元**，预计到2031年将超过**244.6亿美元**，年均复合增长率（CAGR）为**24.3%** [20] - **中国市场**：2023年中国AI代码生成市场规模为**65亿元人民币**，预计到2028年将增长至**330亿元人民币**，年均复合增长率（CAGR）为**38.4%** [3][20] - 中国AI Coding在互联网及游戏行业渗透率最高，分别达**90%** 和 **80%** [20] 2、海外AI编程工具ARR集体爆发，实证赛道商业化价值 - **商业化验证**：截至2025年11月，海外多款AI编程产品实现收入放量，其中Claude Code和Cursor的ARR已突破**10亿美元**，Devin的ARR突破**4亿美元**，GitHub Copilot在2024年7月ARR已突破**3亿美元** [26] - **竞争格局**：AI原生IDE代表Cursor和插件式IDE领导者GitHub Copilot共同占据全球市场主导地位 [27] - **Cursor（AI原生IDE领跑者）**： - 估值及ARR在一年内狂飙超十倍，截至2025年11月投后估值跃升至**293亿美元**，ARR达到**10亿美元**，成为史上增长最快的AI SaaS产品之一 [31] - 产品向多智能体（Multi-Agent）开发平台演进，并推出自研低延迟编程模型Composer以增强竞争力 [31][34][35] - 采用混合计价模式，个人订阅分为免费版、Pro版（20美元/月）、Pro+版（60美元/月）和Ultra版（200美元/月） [38] - **GitHub Copilot（插件式IDE工具领跑者）**： - 依托微软和GitHub生态，截至2025年7月历史累计用户数已超**2000万** [41] - 功能已从代码补全工具演进为能独立执行开发任务的“智能编程伙伴” [42] - 采用分层定价，个人订阅包括免费版、Pro版（10美元/月）和Pro+版（39美元/月） [46] 3、国内AI编程赛道升温，增长潜力巨大 - **市场参与者**：主要分为三类：互联网头部厂商、AI初创/大模型企业、企业级软件服务商 [50] - **互联网头部厂商**：阿里巴巴、字节跳动、腾讯、百度等自2025年上半年起密集推出自研AI IDE（如Trae、通义灵码AI IDE、Comate AI IDE、CodeBuddy IDE），并通过个人版免费或限时免费活动抢夺市场份额 [51] - **国产大模型厂商**：智谱AI、Minimax、DeepSeek、月之暗面等聚焦提升模型编程与Agent能力，2026年2月，MiniMax M2.5、Kimi K2.5等国产模型在OpenRouter平台调用量排行榜中位居前列 [52] - **企业级软件服务商**：如卓易信息、普元信息等，将AI融入现有软件开发体系或低代码平台，服务垂直行业数字化转型 [54][55] - **市场潜力**：根据IDC数据，截至2025年上半年，中国仅**30%** 的开发者使用AI编程工具，远低于美国的**91%**，未来渗透空间巨大 [55] - **重点公司分析**： - **卓易信息**：采取“IDE+AI”与“AI+IDE”双线战略 [56] - SnapDevelop产品（IDE+AI）使开发效率提升至传统方法的**2-3倍**，截至2025年上半年已有**2万**试用用户 [57] - EazyDevelop产品（AI+IDE）上线五个月订单金额突破**4200万元**，2026年1-2月实现环比翻倍 [58] - **普元信息**：国内低代码市场领先企业 [60] - 其“一开”低代码平台集成AI助手，宣称可提升开发效率**300%**，降低开发、部署和维护等各类成本**50%** 以上 [60] - 2025年连续中标国家关键领域企业项目 [66] 4、投资策略 - 核心观点重申：AI Coding赛道商业化价值已获海外验证，中国市场规模增长潜力巨大，渗透率有显著提升空间，建议关注国内头部企业 [67]

核心观点与评级 - 中金看好公司基座模型能力迭代和Coding场景兑现 给予跑赢行业评级和688港元目标价 公司当前股价较目标价有42%的上行空间 [1] - 公司是中国领先、世界一流的大模型厂商 [1] 财务预测与估值 - 预计公司2025-2028年收入分别为7.2亿元、17.5亿元、36.7亿元、76.7亿元 2025-2028年复合年增长率为120% [1] - 估值基于2028年40倍市销率 远期折现率7% 公司当前交易在2028年25倍市销率 [1] - 预计公司2023-2027年收入复合年增长率达130%以上 [2] 技术与模型能力 - 公司专注GLM系列基座模型深耕 打磨Coding、推理、Agentic等模型核心能力 [1] - 最新一代基座模型GLM-5在HLE、SWE等多个基准评分中达到SOTA水准 并获得海内外用户广泛好评 [1] 商业模式与商业化进展 - 公司依托MaaS平台输出模型能力 API收入将成为主要增长引擎 [2] - 估计公司至2026年初API相关年度经常性收入已接近6亿元 较去年同期已有数十倍的增长 [2] - 公司业务覆盖互联网、软件、芯片等千行百业 聚焦释放模型价值赋能客户提升生产力 [2] 市场机遇与竞争优势 - AI Coding作为AI落地最快场景 仍处于渗透早期 根据估算其总潜在市场规模将达到万亿元规模 [3] - 公司专注打磨Coding场景 具备低幻觉率、高稳定性、强大的推理及工具使用能力等核心优势 有望在Coding场景持续领跑 并向更多企业场景延伸 [3] 核心观点差异与催化剂 - 中金与市场的最大不同在于看好公司的基座模型能力输出以及在AI Coding场景的持续领跑 有望覆盖更多海内外客群 [4] - 潜在催化剂包括新一代模型发布以及API及Coding年度经常性收入高速增长 [5]

文章核心观点 - 2025年，公司因应友商发起的外卖补贴大战而被迫投入大量资源应战，导致核心本地商业板块由盈转亏，但公司判断友商攻势已接近上限，战局有望在未来一两个季度内缓和 [4][6] - 激烈的市场竞争暂时延缓了公司原定的AI战略推进速度，但也客观上加速了AI工具在公司内部的全面落地与实战应用，使AI成为“人均标配”的提效武器 [7][9][21] - 公司坚持其独特的“三层AI战略”，聚焦于通过AI对内提效、对产品赋能以及自研大模型，而非参与C端通用AI产品的流量入口竞争，形成了业务与AI相互促进的闭环 [12][17][18] - 尽管经历大战，公司在AI等未来关键领域的投入并未削减，内部组织、人才和流程因战事而得到优化，为后续发展奠定了基础 [21][22][25] 2025年外卖大战的影响与现状 - **财务表现承压**：2025年第三季度，公司经调整净亏损为160亿元，而去年同期为盈利128.29亿元；核心本地商业板块三年来首次由盈转亏，亏损141亿元，主要因营销支出激增91% [6] - **市场份额保持**：经历三个季度的猛烈竞争后，公司在外卖和即时零售市场的份额依然保持在60%以上 [25] - **战局判断**：公司核心层判断，主要友商的投入已接近“ROI边界红线”，攻势烈度接近上限，战局从充满不确定的“迷雾模式”转变为可测算的“全景模式”，预计再坚持一两个季度局面可能出现质变 [4][6] - **内部变化**：大战促使公司内部发生三类关键变化：1）人才完成重要迭代，一批年轻精锐“因战”上位；2）汇报流程和层级进一步缩短精简，信息流淌速率更快；3）AI工具彻底成为“人均标配” [21] 公司的AI战略与落地进展 - **三层AI战略**：公司内部执行“三层AI战略”，具体为：1) **AI at Work**：通过AI提升整体工作效率与能力；2) **AI in Products**：将AI融入现有产品，强化C端和B端用户体验；3) **Building LLM**：自研适合公司业务特质的大模型 [12][14] - **AI Coding普及**：2025年，公司内部新代码中约有40%-52%依托于AI Coding生成，并已将“AI检测环节”纳入标准流程以校验代码质量；公司为员工开设了“AI Coding实战课程”并设有考试体系 [10] - **自研模型进展**：公司自研的LongCat模型在2025年海外多个开源模型榜单中杀入前五，并在部分细分测试领域达到前二；该团队聚焦于升级多模态能力、降低算力成本及提高利用效率 [13][25] - **灵活的组织模式**：公司的AI进化具有“更灵活”、“更依托小单元团队”的特点，各业务板块可自主开发适合其场景的AI工具，集团层面负责技术协同，而非“大兵团作战” [13][16] - **明确的战略取舍**：公司及创始人判断不会进军类似豆包、OpenAI的C端通用AI产品市场，其AI布局主要围绕对内提效、提升配送效率（无人机、无人配送车）及投资具身智能上下游展开 [17] AI相关团队与资源投入 - **龙猫团队**：作为自研模型核心团队，被给予极大的自由空间，没有“下载量”或“排名”等硬性考核，以确保创造性和灵活性 [13][15] - **光年之外团队**：作为被收购的团队，在公司内部扮演“探索者”角色，方向被明确为“既有业务之外的广大世界”，是彻底的“人才与探索特区” [15] - **持续的高投入**：在外卖大战激烈的2025年，公司在AI及相关领域的年度投入大概率进入了疫情后的最高峰；公司同时加大了对顶级AI学者和人才的延揽力度 [22] 未来展望与挑战 - **短期压力**：部分友商可能在即将到来的春节发动新一轮大战以抢夺“外卖心智”；同时公司在巴西与滴滴的海外大战也正焦灼；接下来两三个月公司可能持续承压 [23] - **长期基础**：公司认为大战发生在自身“兵精粮足”的阶段，关键的未来基础投入（如AI、无人机）没有减少，被影响的可能是速度而非趋势，AI化将给公司带来质变 [21]

文章核心观点 - AI大模型层近期催化不断，从AI基础设施、AI模型到AI应用均迎来估值抬升及新的投资机遇 [1] AI模型层 - 海内外基座模型加速更新，同时独立模型厂商上市形成双重催化 [2] - 国内模型方面，DeepSeek、字节豆包等有望在春节前后更新基座模型 [2] - DeepSeek开源模型V4计划于2月中旬发布，根据内部测试，其在代码能力方面已比肩Anthropic Claude [2] - 预计海外模型Anthropic、OpenAI、Gemini等也有望在第一至第二季度更新模型能力 [2] - 今年头部模型厂商仍会聚焦通过强化学习、长上下文工程优化等突破智能上限，收入端预计加速增长 [2] AI应用层 - 受模型层情绪外溢影响，应用端迎来估值重塑 [3] - 今年随着模型能力持续提高及垂类场景数据整合，AI应用渗透率将提升 [1][3] - 可重点关注业绩确定性高的AI Coding、用户付费意愿较强的AI健康、以及AI for Science中的AI医药等垂类赛道 [1][3] - 目前AI收入在应用公司总收入占比较低，市场可能对各公司AI业务给予分类加总估值，整体估值体系或将重塑 [3] AI基础设施层 - 长上下文与模型记忆能力的发展仍将拉动存储叙事延续 [4] - 长上下文是智能体实现多步长链任务的基础，导致键值缓存所需的内存量增加 [4] - 模型厂商正在探索如何优化模型记忆以实现持续学习和在线学习，例如将长期记忆写入模型参数，因此存储及数据库相关需求或仍将提升 [4] 相关投资标的 - 推荐AI应用相关厂商：金山办公(688111.SH)、鼎捷软件(300378.SZ)、福昕软件(688095.SH)、税友股份(603171.SH) [5] - 推荐AI基础设施相关厂商：深信服(300454.SZ) [5]

文章核心观点 - 2025年被定义为“Agent元年”，行业焦点从年初的宏大叙事转向年末的工程化落地，Agent正从技术萌芽走向务实应用 [1][2][3] - Agent的快速共识源于其能真正解决问题，并伴随一系列工程方法（如Agent Infra、Runtime、架构范式）的快速成型，实现了落地 [12] - Agent落地面临的核心挑战是其作为一个“不确定性的复杂系统”，需要确定性的工程方法（如科学实验思维、Day Two思维）来驾驭 [6][19][20] - Agent Infra是智能体落地的关键一环，它通过解决安全、执行环境、工具、记忆和观测等“偶然复杂度”问题，为Agent的可靠运行和智能进化提供支撑 [5][23][38] Agent发展阶段的总结 - Agent发展已从年初硅谷的“宏大叙事”和“立法阶段”（靠Demo吸引资本），进入年末充满“烟火气”的“司法阶段”，处理具体、琐碎的执行问题，走向务实 [6][9][10][11] - 行业发展并非线性进步，而是“根茎状的蔓延”，秩序的建立更多依赖于产品工程、提示词工程、RAG、Pipeline等“胶水”技术 [12] - 共识的形成部分源于资本在互联网红利见顶后，寻求新的组织方式，Agent承诺了“交互成本的坍塌” [12][13] Agent落地与AI落地的区别 - 范式发生明显转移：从传统的if/else逻辑判断和确定性功能交付，转向Agent的“概率性目标规划”和“概率性能力”交付 [14][18] - 关键区别在于“新增了很多不确定性”：Agent的失败是对意图的误解或概率漂移，修复方式从“修Bug”变为像“教育孩子”一样进行约束 [18] - Agent是一个由模型、架构、Prompt、工具等七八个因素相互影响构成的“不确定性的复杂系统”，其输出具有不确定性，与传统微服务系统相反 [19] Agent Infra的角色与关键要素 - Agent Infra的核心作用是解决企业在Agent落地中遇到的“偶然复杂度”问题，而非业务本身的本质复杂度 [6][23] - 当前Infra层致力于构建解决偶然复杂度问题的“最大公共子集”，包括：安全、执行环境、工具、记忆和观测 [23] - 在Agent Infra中，“安全”尤其是“Agent的自主运行”带来的破坏性风险是最突出的问题，需要多层次、全链路的安全体系（如安全沙箱）来解决 [21][25][26] - 对于Infra的开闭源选择呈现分层互补：初创公司和创新者倾向于开源以获得低成本、灵活性和透明度（白箱）；大企业则倾向于商业版或闭源以获得责任转移与兜底服务 [27][28][29] 技术进展与未来趋势 - **AI代码工具**成为标志性实践和重要趋势：它不仅是解决代码问题的工具，更成为Agent连接现实世界的通用接口，并颠覆了原有的软件工程范式，推动从AI Coding到AISE（AI软件工程师）的转变 [7][33][34] - 技术正在从开发者向非开发者移动，简化程度逼近“AI开发的Excel时刻”，将基础设施认知负荷降至最低，使开发者能聚焦于Prompt和数据治理 [31][35] - Agent Infra的下一步重点是从“服务好Agent的运行构建”转向“服务好Agent的智能进化”，关注其安全可靠运行，并利用运行数据持续优化Agent本身和模型 [38] - 未来重点方向可概括为：**秩序**（让混乱模型可控）、**连接**（打通Agent孤岛融入业务）、**自动**（任务自动化）、**安全高效**、**智能进化**、**人机协同** [39] - 记忆管理需要超越简单的向量搜索，关注语义化的情景记忆和可计算的时间观，将记忆和目标视为可重写、降级的变量并进行置信度处理 [40] 对开发者和企业的影响与门槛 - 对于中小公司和个人开发者，最大的门槛并非技术或成本，而是**缺乏开始的勇气**以及企业**数据的壁垒**；同时，**商业模式**的探索和转变是关键，因Agent尚未到全面改变社会商业模式的阶段 [6][40] - 对于专业开发者和AI原生企业，Infra产品主要帮助治理其面临的复杂问题，加速Agent落地 [31] - 若Agent成为主流，将对移动开发生态产生影响：公司会要求在APP中集成Agent能力，促使开发者思维从工程转向科学实验；利用AI Coding工具开发APP则要求改变协同模式和工具体系 [41][44] - 未来的应用交互形态（如iOS/Android）尚无定论，但只有那些与AI工具为伍、改造研发流程并用科学实验思维驾驭不确定性的人，才能抓住形态转移的机遇 [42][43]

行业空间与增长预期 - 行业当前市场规模为30亿美元，预计到2030年有望达到230亿美元，五年增长约8倍，远超市场预期的四年增长3倍 [1] - 该行业的远期潜在市场规模接近7000亿美元 [1] 行业竞争格局与壁垒 - 当前市场集中度高，前三名公司的市场占有率接近70% [1] - 预计远期市场将维持多头竞争的格局 [1] - 编程工具能够塑造用户习惯，从而有助于实现市场集中 [1] - 工作流程越长的应用场景，其应用层的价值越显著 [1] - 市场关于“模型吞噬应用”的观点被认为并不全面 [1] 商业模式与盈利能力 - 行业已通过按量付费模式初步实现20%至30%的毛利率 [1] - 结合数据中心单位经济效益测算，模型API价格有充足的下降空间，这将增厚AI编程应用的毛利率 [1] - 市场对订阅制下高模型成本会挤压应用毛利的担忧被认为不成立 [1] 投资关注方向 - 建议重点关注受益于业务成长的海外AI编程龙头企业 [1] - 建议关注受益于潜在国产替代机会的国内中小型公司 [1] - 建议关注在人效提升方面领先的互联网巨头 [1]

行业市场空间与增长预期 - 行业当前市场空间为30亿美元，预计到2030年有望达到230亿美元，实现5年增长8倍，远超市场预期的4年增长3倍 [1] - 该行业的远期潜在市场空间接近7000亿美元 [1] 行业竞争格局与壁垒 - 当前市场集中度较高，CR3（前三名公司市场份额合计）接近70% [1] - 预计远期市场将维持多头竞争格局，而非被单一模型垄断，“模型吞噬应用”的观点并不全面 [1] - 编程工具可通过塑造用户习惯来建立壁垒，实现市场集中 [1] - 应用场景的工作流程越长，其应用层的价值体现越显著 [1] 商业模式与盈利能力 - 行业已通过按量付费模式初步实现20%至30%的毛利率 [1] - 结合数据中心单位经济效益测算，模型API价格存在充足的下降空间，这将进一步增厚AI编程应用的毛利率 [1] - 市场对于订阅制模式下高模型成本会挤压应用毛利的担忧并不成立 [1] 投资机会与关注方向 - 建议重点关注受益于业务成长的海外AI编程领域龙头企业 [1] - 建议关注受益于潜在国产替代趋势的国内中小型公司 [1] - 建议关注在人员效率提升方面领先的互联网巨头 [1]

公司AI战略核心观点 - 衡量AI价值的关键在于面向业务场景的应用与平台化建设，而非自建基础大模型[1] - 公司技术路径由打造垂直领域行业大模型转向构建企业级AI基建平台[1] - 未来将持续聚焦场景深耕与平台能力建设，以实现技术向业务价值的转化[3] 公司AI平台建设 - 投入打造三大内部平台：面向业务人员的悟空平台、面向算法开发者的海豚平台、用于模型评测与标注的评测标注平台[1] - 平台旨在将企业数据资产、流程体系与行业经验沉淀为可复用能力[1] - 实现从技术研发到业务应用的全链路支撑[1] 公司AI应用落地成果 - 在安全领域，AI安全防控系统实现危险品运输与违规载人日均风险单量下降30%、风险订单识别提醒率100%[2] - 在研发效能上，AI Coding使用率超90%，研发流程AI渗透率超60%[2] - 针对用户选车痛点，上线“拍货选车”功能，最大单边误差小于10%，平均误差不足10厘米[2] 行业观点与未来方向 - 基础大模型迭代速度极快，具有指数级发展，企业应将有限资源投入应用场景做深和平台做牢[2][3] - 在服务型平台企业中，AI当前主要承担提效、防控与降本的角色，而非替代服务本身[2] - 未来AI应用应向多模态方向推进，进一步提升准确率与优化用户体验[2]

公司AI战略核心观点 - 衡量AI价值的关键在于面向业务场景的应用与平台化建设，而非自建基础大模型 [1] - 公司技术路径由打造垂直领域行业大模型转向构建企业级AI基建平台 [1] - 将企业数据资产、流程体系与行业经验沉淀为可复用能力，实现技术研发到业务应用的全链路支撑 [1] AI平台建设 - 公司投入打造三大内部平台：面向业务人员的悟空平台、面向算法开发者的海豚平台、用于模型评测与标注的评测标注平台 [1] AI应用场景与成果 - 在安全领域，AI安全防控系统覆盖用户下单到运输完成全流程，实现危险品运输与违规载人日均风险单量下降30%、风险订单识别提醒率100% [2] - 在研发效能上，AI Coding使用率超90%，研发流程AI渗透率超60% [2] - 针对用户选车痛点，上线“拍货选车”功能，AI根据货物照片推荐车型，最大单边误差小于10%，平均误差不足10厘米 [2] 对AI应用的行业观点 - 企业应将有限资源投入到应用场景做深和平台做牢，待基础能力成熟后，自建应用平台将获得更大效率回报 [2] - 在服务型平台企业中，AI当前主要承担提效、防控与降本角色，而非替代服务本身 [2] - 未来AI应用应向多模态方向推进，以提升准确率与优化用户体验 [2]

AI编程赛道融资与市场动态 - Cursor完成D轮融资23亿美金，估值达293亿美金，较今年1月份上涨近12倍，投资方包括Accel、Coatue、a16z、Nvidia和Google等 [1] - 融资将用于加大技术研发投入、训练更前沿模型（如Composer agent模型）并扩展面向财富500强企业的业务 [1] - Cursor团队约300人，年经常性收入（ARR）突破10亿美金，其中企业端收入自2025年以来增长100倍 [2] 行业趋势与企业客户转向 - AI编程类产品普遍向企业级B端发展，Lovable产品快速转向企业级客户，超一半财富500强企业已使用其产品 [2] - Replit近期ARR突破2.5亿美金，增长主要受企业客户驱动，其中通过收购独立开发者产品打造超9000万美金ARR [2] - 海外AI Coding热度吸引国内创业者，腾讯和红杉中国投资国内AI Coding产品Verdent AI，红杉领投上一轮，腾讯领投最新A轮融资，金额达数千万美金级 [2] Verdent AI产品与技术特点 - 产品定位为"Agentic Coding Suite"（智能体编码套件），专注于多AI子智能体并行处理复杂软件开发任务 [4] - 支持"计划→编码→验证"闭环，通过"Plan Mode"将模糊任务转为结构化计划，多Agent并行执行并验证结果 [6] - 提供Verdent Deck桌面应用（支持macOS，计划扩展Windows）和VS Code插件，允许Agent在隔离Git环境中运行，避免干扰 [8] - 与传统代码补全工具不同，Verdent强调Agent自治能力，具备任务规划、拆解、自主编码和验证功能 [9] 团队背景与产品愿景 - 创始人陈志杰曾任字节跳动算法负责人及数据科学组织负责人，带领数百名工程师支持TikTok核心系统；刘晓春曾任百度搜索、推荐广告和电子商务技术产品负责人，领导300多人团队构建直播电商平台 [4] - 产品愿景为通过AI工具使工程师能力倍增数百至数千倍，推动从"按键级补全"向"结果导向委派"转型 [5] - 团队将大型系统工程思路融入产品架构，采用多模型/Agent协调设计，类似TikTok等推荐系统的工程逻辑 [9] 目标市场与潜在价值 - 产品瞄准大规模软件开发场景，关注代码质量与自动化任务拆解验证，适合复杂项目（多模块、大代码库、多子任务） [10] - 若验证循环（生成-测试-修复）稳定工作，可降低生产bug、节省审查时间，并为跨团队协作开发提供新方式 [10] - 目标为让开发者聚焦战略性工作（规划、设计、策略），发挥人类在AI时代的战略价值 [10]