2023/08/17 14:55

aiXcoder上新了！聚焦企业适配的代码大模型来了

8 月 17 日，国产智能化软件开发系统服务商硅心科技宣布，聚焦国内多家大型企业研发需求，正式推出全新 aiXcoder Europa。意味着基于代码大模型、结合行业需求、为企业提供编码生产力的智能化软件开发新范式已触手可及。

硅心科技多年深耕智能化软件开发领域，在去年发布了国内首个对标 Copilot、能够根据开发者给出的 “自然语言描述” 一键生成 “完整方法级代码” 的智能编程应用 aiXcoder XL。

aiXcoder Europa 的模型性能更加强大，除原有的代码生成、代码补全和智能搜索等功能之外，新增了代码缺陷检测与修复、单元测试代码自动生成、代码注释自动生成和代码解释等多项功能，可覆盖更多编码场景，进一步优化研发工作流程、提升开发人员的工作效率。

更值得关注的是，作为一款对标 GitHub Copilot 的国产智能化软件开发系统，aiXcoder 全球累计下载量已超 50 万次。凭借不断积累的专业产品能力和项目实施经验，利用其完整、成熟的代码大模型行业落地方法论，aiXcoder 陆续为多家银行、保险、高科技等行业头部企业提供企业级智能化软件开发解决方案。

覆盖更多编码场景

解决单元测试等实际痛点

对于一线开发者们来说，更重要的是使用过程中的实际表现。

在优化、提升模型性能的同时，aiXcoder 更新了编译器插件功能，聚焦最令开发者头疼的单元测试用例编写、缺陷检测等痛点，新增了代码缺陷检测与修复、单元测试代码自动生成、代码注释自动生成和代码解释等多项新功能，帮助开发者提升编码效率、编码规范、团队协作和项目稳定性，解决了传统编码流程中重复工作量大、质量低、易出错的痛点。

以单元测试功能为例。通常，在软件开发过程中，为了保证程序中的函数或方法按照预期工作，开发者需要手动编写单元测试代码进行测试，人工编写耗时耗力而且测试覆盖度有限，质量不稳定，一些任务排期紧张的项目可能都无法留出足够时间，因此这一直令开发者们头疼。

但同时，单元测试又是确保代码整体稳定性必不可少的环节。特别对于金融行业来说，单元测试又是硬性要求。

基于对开发编码流程的熟悉和对其工作痛点的深刻理解，aiXcoder 推出了 “单元测试代码自动生成” 功能。利用大模型学习去自动判断函数逻辑与输入数据，智能生成质量稳定的单元测试代码用例，提升测试覆盖率，节约编码时间，提高了工作效率和软件产品质量。

单元测试代码自动生成

代码缺陷检测和修复功能可自动识别代码中的错误并进行实时修复，提高代码的稳定性和可靠性，减少手动调试和修复 bug 的时间。

代码缺陷检测与修复

代码解释功能可以自动解析并解释代码含义，分析代码结构，生成对应的解释文本，不仅可以帮助开发者理解代码，更快地参与开发项目；还可减轻开发者写代码功能文档的负担。

代码解释

即刻体验 aiXcoder Europa：https://aixcoder.com/nl2code/

成熟的企业落地方法论

让模型所见即所用

同 GitHub Copilot 一样，aiXcoder 从诞生之初就立足于代码智能、不断地更新迭代，贴近产业应用。

目前，aiXcoder 已经为国内金融、互联网等行业的多家头部企业提供了生产力级的智能化编程能力，在私有化部署与个性化训练方面探索出一套成熟的方法论。

aiXcoder 可以根据企业数据安全及合规要求、结合现有算力资源，将训练完善的代码大模型私有化部署在企业本地，企业依托常规算力即可满足日常编码使用，大幅度降低了企业应用代码大模型的算力硬件门槛，推进智能化软件开发技术普适化进程。

此外，已部署代码大模型的企业可按实际使用人数与业务扩展情况，拓展模型规模，调整模型大小、参数，构建更匹配团队业务规模的智能编码助手。

大模型工具在产业落地应用中还有一个更为重要的问题，那就是模型能否能够贴近实际业务需求。

在私有化部署基础上，根据企业研发需要，提供个性化训练服务。其搭建灵活的模型架构，通过修改模型结构与预测方式，让个性化训练在企业领域数据上的效果得到增量提升。同时，aiXcoder 可以根据企业参与训练的代码量、计算资源等条件，灵活选择微调参数量，尽可能地平衡企业代码大模型生成的代码效果和速度，提高开发者工作效率的同时，也保证代码质量。

这也是 aiXcoder 个性化训练的价值所在，让模型训练成本更可控，推理性能更强，生成代码更符合业务逻辑和企业规范。效率提高了，开发者本人和企业都能实打实的获益。

比如，某金融企业拥有数千名研发人员，沉淀了海量老旧代码。公司内部长期存在编码不规范、开发者能力不均衡、老旧代码缺少维护、利用不充分等问题。在使用 aiXcoder 代码大模型后，自动生成代码占比 40%，推荐结果采纳率近 30%，近九成的研发人员认为，代码大模型提升了工作效率，减少重复劳动，让他们在编码过程中找到了更多乐趣。

这正是以 aiXcoder 为代表的 AIGC for Code 企业不断迭代技术、长期追求的 —— 让人类从繁重编码劳动中解放，更多的去思考与创造。降低开发者负担、节省企业开发成本，提升开发效率和代码质量，帮助企业在人工智能时代的业务竞争中取得优势。

整体来看，作为 AIGC 的新领域，代码大模型的发展仍然处在早期探索阶段，像硅心科技这样深耕行业需求、探索代码大模型落地的企业仍是少数。但对一个产业而言，真正要实现其价值，促进行业爆发，还是要实现商业化落地，走进人们的生活。

理论代码大模型