（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 ...

全球职业介绍公司Challenger, Gray & Christmas公布的数据显示，今年前11个月，美国企业计划裁员总数逼近117.1万人。 这个数字有多吓人？它不仅是疫情以来最高的年度裁员水平，也是近三十年来第六次突破110万大关。 裁员重灾区究竟是谁？ | | 2025 | 2024 | | --- | --- | --- | | January | 49,795 | 82,307 | | February | 172,017 | 84,638 | | March | 275,240 | 90,309 | | April | 105,441 | 64,789 | | May | 93,816 | 63,816 | | June | 47,999 | 48,786 | | July | 62,075 | 25,885 | | August | 85,979 | 75,891 | | September | 54,064 | 72,821 | | October | 153,074 | 55,597 | | November | 71,321 | 57,727 | | December | | 38,79 ...

智通财经APP注意到，微软(MSFT.US)与OpenAI或许仍然深度交织，但华尔街认为，真正的故事在于前 者已开始独自在蓬勃发展的AI世界中起舞。 而这可能使这家拥有50年历史的科技巨头——以其Windows操作系统、Azure云服务以及近期推出的 Copilot聊天机器人而闻名——在未来十年内为其市值增添数万亿美元，占据有利地位。 "随着人工智能革命进入下一个增长阶段，微软的市值将在2026年达到5万亿美元，"Wedbush科技分析 师丹·艾夫斯表示。微软目前的市值：3.59万亿美元。 尽管微软驶向5万亿美元的列车正稳步前行，但其最关键乘客仍是OpenAI。 "我们看到……整个生态系统真正开始向我们靠拢，帮助我们创造这个未来，"OpenAI首席财务官莎拉· 弗里尔表示。 她补充说，为了满足高计算需求——她称此为驱动下一个AI时代的"基石"，公司很可能会继续与第三方 公司合作——暗示微软。 "我为微软进行这些投资感到激动，"联合创始人比尔·盖茨此前告诉媒体，他指出虽然AI正以"飞速"增 长，但那里仍然存在"巨大的不确定性"。 盖茨预计这项新兴技术将在未来三到五年内变得"极其强大"，并补充说在AI军备竞赛中， ...

Microsoft has been mentioned in the same breath as OpenAI ever since that initial investment.For Microsoft, the deal was never just financial — it was a gamble that AI would become the next major platform shift, one that could redefine the industry, much as Windows once did for personal computing. Since then, Microsoft has reportedly invested about $13 billion in the ChatGPT maker — a figure CEO Satya Nadella recently confirmed .This investment gave Microsoft preferential access to cutting-edge AI models, a ...

涉及的行业或公司 * **行业**：AI应用创业、软件开发、云计算与后端服务（BaaS/PaaS/IaaS）[1][2][3][4][5] * **公司/产品**： * **设计工具**：Figma、Sketch、Adobe XD、Photoshop[3] * **开发工具/IDE**：Visual Studio Code、Android Studio、Xcode、Flutter、React Native[1][3][4] * **后端服务（BaaS）**：Firebase（谷歌）、Supabase、AWS（亚马逊）服务（如Lambda）[1][2][7][9][16][17][20] * **全栈/自定义框架**：未具体命名，但讨论了相关架构[10][11] * **云服务商**：亚马逊AWS（占市场30%-40%）、微软Azure（约20%）、谷歌云GCP（约10%）、Vercel、Railway、Render（合计占小企业/初创公司用户50%）[25] * **数据库**：Firestore、MongoDB（文档型）、Redis、Amazon DynamoDB（键值型）、PostgreSQL（含PGVector插件）、MySQL[22][23][24] * **AI编程工具**：Cursor、GitHub Copilot、Tabnine、ChatGPT、Claude[2][32] * **安全与域名服务**：Cloudflare、Auth0、GoDaddy、Namecheap、Squarespace[30][31] 核心观点与论据 * **AI正在重塑软件开发格局** * 大语言模型显著降低了软件开发门槛，使个人创意更容易转化为应用[2] * AI编程工具（如Cursor、GitHub Copilot）已成为刚需，极大降低了编程门槛[32] * 但要实现复杂功能仍需专业程序员，且产品推广与商业化仍是重要挑战[2][33] * **现代软件开发依赖关键生态系统支持** * **设计生态系统**：如Figma提供一站式解决方案及强大的多人协作功能[1][3][4] * **集成开发环境（IDE）**：如VS Code提供代码编写、调试、测试及部署的一体化环境[1][4] * **跨平台框架**：如Flutter和React Native可一次编码运行于多平台，提高效率[4] * **云服务与后端基础设施**：BaaS等提供即插即用服务，减少前期投入[5] * **后端架构选择是权衡成本、控制与灵活性的关键** * **传统开发模式**：至少需要产品、设计、前端、后端、运维等多角色，成本高[6] * **BaaS（如Firebase、Supabase）**： * **优点**：方便快捷，提供免费额度，服务商保障安全，支持实时同步，自动扩展[7][9] * **缺点**：迁移困难，流量增加后费用可能迅速上升，定制化受限（如Firebase仅支持文档数据库）[1][9][16][17] * **成本示例**：Firebase免费额度包括1GB存储，每月10GB流量，每天5万次读取和2万次写入；超额后每10万次读取0.06美元，每10万次写入0.18美元[18] * **自定义后端框架**： * **优点**：完全控制系统，费用可预期，生态系统完善，迁移相对容易，适合复杂逻辑处理[10] * **缺点**：开发速度慢，需自行维护安全，扩容需手动操作[1][10] * **全栈式框架**：性能利用率高、维护方便，但不利于合作开发，更适合个人或小团队的小型项目[11][12] * **微服务架构**：尤其适用于AI应用，将服务（如图像识别、语音识别）拆分为独立部分，便于更新和针对特定功能扩容，支持多语言、多框架合作[1][14] * **数据库技术需根据应用需求选择** * **关系型数据库（如SQL）**：以表格形式存储结构化数据，便于查询和管理[22] * **文档型数据库（如Firestore、MongoDB）**：以JSON等文档形式存储，更灵活但缺乏数据关联[22] * **键值型数据库（如Redis、DynamoDB）**：通过键值对存储数据，适用于积分榜等场景[23] * **向量型数据库（如PGVector）**：随AI发展出现，主要用于语义搜索[23] * **PostgreSQL优势**：相比MySQL功能更强大，支持地理空间运算、插件丰富，能更好地处理非结构化数据整合[24] * **云服务市场呈现分层竞争格局** * **市场份额**：AWS占30%-40%，Azure约20%，GCP约10%（因AI功能强大占比有所提高）[25] * **用户选择差异**：小企业和初创公司更多使用Vercel、Railway和Render（合计占50%用户比例）[25] * **成本比较（以AWS和Vercel为例）**： * 微小规模（月访问量1千，流量5GB内）：Vercel免费，AWS可能花费两三百美元[26] * 实验性产品（用户<5千，流量50GB）：Vercel免费，AWS约15-25美元[26] * 中等规模（5万用户，300GB流量）：Vercel约20美元/月，AWS需80-150美元/月[26] * 大型应用（50万用户，2TB流量）：Vercel费用60-100美元/月，AWS需200-400美元/月[27] * **安全、验证与部署的实践考量** * **企业vs小型用户**：企业用户更关注启动速度、开发权限和安全验证（AWS/Azure复杂但功能强），小型用户倾向谷歌等简单快速的平台[28] * **用户验证方法**：从传统的数据库存储账号密码，到使用谷歌/苹果账户直接登录，以及外包的AaaS服务（如Firebase免费基础服务，Supabase支持10万用户收费25美元）[29] * **网络安全**：小型网站可用Cloudflare免费或低成本方案或AWS自带服务（月费10-20美元）；高要求企业级服务起步价可能达每年5万美元以上[30] * **域名管理**：GoDaddy低价注册但续费贵，Namecheap是常见选择，Squarespace提供一站式建站服务但价格较高[31] 其他重要但可能被忽略的内容 * **无服务器架构（Serverless）**：适用于事件驱动型应用，按需付费，可自动扩展，但不利于迁移且执行速度可能较慢[13] * **选择后端技术的五大指标**：性能、可扩展性、灵活性、成本、安全性[15][16] * **Supabase与Firebase的对比特点**： * Supabase是开源BaaS，请求次数无限制，只根据活跃用户数量收费[2][19] * 免费额度包括每月5万个活跃用户访问，不限请求次数，更适合频繁刷新页面或即时通讯类应用[21] * 提供预付费模式（如25美元档含每月10万活跃用户、100GB存储、50GB流量），成本更可预测[19] * **AI软件创业的制约因素**：技术门槛降低使创意更易实现，但复杂功能依赖专业程序员，且后续推广与商业化是重大挑战[33]

文章核心观点 - AI技术具有划时代的变革潜力，但当前行业存在资本开支与商业回报严重不匹配的现象，形成了潜在的泡沫风险 [4][5][6] - 当前AI发展阶段类似于互联网的1997-1999年，泡沫尚未达到顶点，但已进入高风险区域 [8][56][57] - 投资者应采取理性、有选择性的参与策略，避免“梭哈”或“逃离”，并关注泡沫破裂后的长期投资机会 [7][62][70] AI的商业化现状与影响 - **直接商业化场景**：目前最直接的商业化体现在互联网广告和成本节约两方面 [13] - **广告收入提升**：Meta、谷歌、腾讯等公司将AI大模型整合进广告系统后，近七八个季度广告收入增速达到甚至超过20%，其中约一半增量来自AI带来的效率提升 [17] - **市场规模与增量**：全球在线广告市场规模约七八千亿美元，AI带来的10%增长率意味着七八百亿美元的增量 [18] - **成本端节约**：以GitHub Copilot为例，其年化收入从年初的1亿美元迅速增长至超过10亿美元，AI编程工具显著降低了成本 [19][20] - **巨头效率提升**：美国“科技七巨头”在AI出现后，过去三年收入持续增长但员工数量基本不变，AI每年为行业节省的成本估计达一两百亿美元甚至更多 [21][22] - **当前应用局限**：AI在投研中如同“实习生”，存在“幻觉”问题，需要人工复核，且难以完成多轮复杂验证，准确率可能仅50%多 [24][25][26] 技术吸收的漫长周期与历史参照 - **技术转化三阶段**：从技术发明到转化为生产力需经历配套技术能力提升、流程再造与组织改革、新商业模式形成三个阶段，整个过程漫长 [27][28][29] - **历史参照案例**： - **第二次工业革命（电）**：电动机发明40年后，全面电气化改造才带来劳动生产率的大幅提升，美国制造业劳动生产率增速从1899–1914年的年均1.1%提升至1914–1929年的5% [30] - **互联网革命**：从亚马逊1994年上线网站到形成成熟竞争力体系，花了15到20年时间 [32] - **AI的现状**：AI带来的生产力提升和商业价值创造仍处非常早期阶段，但行业资本开支已极为庞大，年资本开支可能已超过1万亿美元，投入与产出存在巨大落差 [32][33] 泡沫风险的具体表现与征兆 - **过度投资与资本循环**：泡沫风险主要源于围绕技术的过度投资与资本循环，而非技术本身 [6] - **典型案例：环球电讯（Global Crossing）**：互联网泡沫时期，该公司募集超137亿美元建设光纤网络但从未盈利，市值一度达490亿美元（同期苹果仅50亿美元），最终因产能过剩在2002年破产，以2.5亿美元被收购 [36][37][38] - **当前AI行业的相似性**：以OpenAI为例，其今年上半年收入50亿美元，年化收入约130亿美元，但单季度亏损高达120亿美元，累计融资约600亿美元却计划未来7年投入1.4万亿美元建设算力中心，存在巨大资金缺口 [39] - **风险转移**：真正的风险可能不在OpenAI本身，而在于因承诺租赁而过度建设算力中心的公司，如微软、甲骨文等 [40] - **特殊的融资结构（泡沫征兆）**： - **供应商融资循环**：例如英伟达投资OpenAI，OpenAI向甲骨文承诺租赁，甲骨文再向英伟达采购芯片，形成资金不断放大的循环 [48] - **私募债务与表外融资（SPV）**：如Meta可能仅出资5亿美元（占项目总投资约1.7%），通过SPV向私募债务公司借钱建设300亿美元算力中心，进行表外融资 [53][54] 当前AI周期定位与潜在影响 - **周期定位**：参照互联网泡沫，当前AI行业可能处于1997年繁荣到1999年泡沫之间的阶段 [56] - **判断依据**：席勒市盈率估值已接近2000年峰值，科技行业支出占GDP比例也接近2000年高点 [57] - **对美股及美国经济的影响**： - **美股依赖**：自ChatGPT发布以来，标普500涨幅的四分之三来自AI产业贡献；今年美股上涨的80%以上由AI相关产业链公司推动 [59] - **经济核心驱动力**：美国今年4个点的GDP增长中，有92%与AI相关；若剔除AI相关投资，GDP增长可能仅0.1%左右 [59] - **泡沫性质**：AI泡沫被视为“产业型泡沫”，即便泡沫破裂公司倒下，其留下的资产（如算力中心）依然具有长期价值 [60][61] 投资策略与组合构建方向 - **核心策略：等待泡沫破裂后的机会** [62] - **理由**：泡沫破裂后估值足够低；竞争格局变得清晰，易于识别真正赢家；市值增长将由盈利增长推动，回报幅度远超第一轮基于预期的上涨 [69][70] - **历史参照**：互联网泡沫后，亚马逊股价从峰值跌超95%，2008-2009年才重回高点，但长期回报极高；微软、苹果也经历了类似过程 [66][67] - **关注AI发展路径**：AI发展将复制互联网从硬件到软件再到应用的路径，当前市场热点在硬件，未来应用端将诞生大市值公司 [64][71][72] - **具体组合构建方向** [79]： 1. **AI超级平台**：拥有完善用户生态的领先互联网平台（如微信），被AI颠覆的风险因开源模型能力趋同而降低，生态和用户成为竞争关键 [73][74][76] 2. **消费行业**：具备供给端整合优势的消费公司（如区域垄断的啤酒企业），在需求低迷时盈利仍创新高，现金流充沛，分红率高 [82][83][84] 3. **制造业龙头与细分冠军**：在细分领域存在盈利能力强、估值便宜、现金流充沛的单一龙头公司 [85][86][87] 4. **周期性行业**：拥有大额净现金、高分红率且估值较低的周期性行业，有望随宏观恢复带来盈利增长 [88] - **配置“反脆弱”资产**：投资高客单价重体验的零售商（如爱马仕）、强大品牌公司（如可口可乐、茅台）等不易被AI颠覆的领域，它们估值合理，并能受益于AI带来的全社会生产力提升红利 [77][78]

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 ...

点击下方 卡片 ，关注" 大模型之心Tech "公众号 戳我-> 领取大模型巨卷干货 本文只做学术分享，如有侵权，联系删文 在AI重塑各行各业的浪潮中，代码智能领域正经历从"辅助工具"到"自主开发者"的革命性转变。从 GitHub Copilot 帮我们补全代码，到 Cursor 编辑器支持对话式 编程，再到字节 Trae、Anthropic Claude Code 等工具融入研发流程，大语言模型（LLMs）已彻底改变软件开发生态——曾经需要几小时编写的函数，如今通过自 然语言描述就能生成，部分模型在HumanEval等基准测试上的成功率更是突破95%，远超早期规则系统的单位数水平。 但代码智能远不止"生成代码"这么简单：如何让模型理解百万行代码仓库的跨文件依赖？如何保证生成代码的安全性与效率？如何构建能自主完成"需求分析-开发- 测试-部署"全流程的软件工程智能体？这些问题的答案，藏在近期由 北航、阿里、字节跳动、华为云、腾讯、香港科技大学（广州）等28家机构联合发布的304页 重磅综述 中。这篇论文不仅系统梳理了代码大模型的技术演进，更构建了从基础模型到智能体应用的完整技术体系，堪称代码智能领域的"百科全 ...