AI大模型来了,低代码还有机会吗？

AI大模型的突飞猛进，不仅引领了技术的革新浪潮，也为各行各业的发展带来了前所未有的挑战与机遇。近年来，随着人工智能技术的不断进步，关于各行各业将被AI取代的论调此起彼伏，引发了许多从业者的不安。

几年前，我们还在以吃瓜群众的身份围观因为输给AI而几度落泪的顶尖围棋手。没想到，转眼之间，AI的的剑锋便直指我们每个人眼前。AI大模型的突破，使得AI引发的职业危机感正向更广泛的行业蔓延。

在这一背景下，低代码行业（严格来说，这一行业包含低代码和无代码两种类型，本文统一用低代码代替）也成为被唱衰最严重的行业之一。作为一个相对年轻的行业，低代码自概念提出至今，尚处于发展与探索中。 从技术创新到产品设计，再到商业模式的确立，低代码行业正逐步展现出其独特的价值与潜力。然而，就在这一行业开始展露锋芒之际，AI大模型的崛起为其带来了新的挑战。

低代码行业的核心理念在于减少编码工作量，通过图形化界面、点击配置和拖拽组件的方式，让每个人都能成为“公民开发者”。而AI大模型提出了更为激进的设想：无需任何编码，仅通过自然语言交互即可生成应用，使每个人都能成为开发者。 这种看似对低代码领域构成巨大冲击的技术趋势，无疑使得低代码行业的从业者面临着未知的未来。

本文将探讨低代码行业的发展脉络、其应用能力及关键技术，以及AI大模型与低代码之间的关系。我们将深入分析AI大模型是否真有可能对低代码行业造成颠覆性的影响，以及这一领域的未来走向。通过对这些关键问题的探讨，本文旨在为读者提供对低代码技术发展趋势的深度洞察，以及在AI大模型浪潮中寻找生存与发展的策略。

低代码，一个技术发展的历史必然

哪怕是一个完全的外行人士，仅从“低代码”这个名字本身就能大致领略到其本质——大幅减少编程工作的需求。

这一理念不是孤立出现的，它是人机交互演进多年的自然产物。自信息技术诞生伊始，如何让机器更易于人类使用一直是技术发展的核心驱动力。

在消费技术领域，我们见证了从纸带编程到命令行界面，再到图形用户界面的转变，每一步演进都旨在将复杂的底层代码隐藏于用户视线之外，仅展现符合人类直觉操作的界面。这些进步不仅使技术更加普及，也让更多人享受到了技术进步带来的益处。

同样的，产业端技术也沿着易用性和可访问性不断进步的轨迹向前发展着。 尽管这些改进可能不为大众所熟知，但它们同样推动了技术在不同领域的深入应用。

低代码技术的雏形可以追溯到汇编语言、第四代编程语言以及可视化编程语言(VPL)和快速应用开发(RAD)模型等概念的演进。特别是在2001年，对象管理组织提出的模型驱动架构(MDA)和模型驱动软件开发(MDSD)理念，标志着通过模型设计自动生成代码的思想的诞生。这些理念预示着低代码技术的方向——即通过高级抽象和自动化简化编程过程。

低代码有很长一段自由发展期，期间缺乏完整定义，大家习惯根据自己的理解为新技术“添砖加瓦”，导致没有统一认知，竞争赛道模糊。直至2014年，Forrester提出低代码的定义，“利用很少或几乎不需要写代码就可以快速开发应用，并可以快速配置和部署的一种技术和工具。” 这一定义帮助界定了低代码的范畴，为其发展提供了明确的方向。

随后，Gartner在2018年进一步推广了应用平台即服务(aPaaS)和集成平台即服务(iPaaS)的概念，这两种云计算服务模型为低代码技术的应用提供了新的平台和可能性。aPaaS让开发者能够在抽象化的环境中专注于应用程序的开发，而iPaaS则专注于不同应用程序之间的集成，简化了数据和业务流程的交换。

在这里插入图片描述

相关研究机构的定义引导大众形成了对低代码的基本认知，规范了发展赛道，并指出其技术特点高度契合数字化转型需求，迅速吸引了大量资本投入，极大地加强了低代码的市场活跃度。

低代码技术的发展不仅是编程领域的一次重大进步，也是对人机交互和软件开发理念的一次根本性转变。通过降低编程难度和提高开发效率，低代码为更广泛的用户群体打开了软件创造的大门，加速了企业数字化转型的进程。

彼时，低代码的美好前程

在数字化浪潮的推动下，云计算、大数据、5G、物联网和人工智能等新兴IT技术日益成熟，为企业的架构优化、业务转型和价值升级提供了有力的技术支撑。这些技术不仅强化了企业的核心竞争力，还创新了企业的业务模式，使其能快速拓展业务市场。

然而，如何最大化释放这些新IT技术的潜能，打破业务与开发之间的壁垒，提高业务应用的研发生产力，带动业务模式的创新和价值提升，成为了各行业企业数字化转型的战略核心。

低代码技术的出现，为数字化转型的快速推进带来了转机。通过降低应用开发的准入门槛，低代码技术促进了新IT技术的深度融合，助力软件开发的降本增效提质。

它支持敏捷响应快速变化的市场需求，加速数字化时代能力的服务化，支撑海量数字化场景的快速落地。因此，低代码不仅是赋能数字化转型的“加速器”，也成为效能提升的突破点。

随着数字化场景落地需求的爆发式增长，根据“十四五”规划和数字经济战略等政策指示，各行业企业纷纷落地数字化转型设计方案。这些方案在软件设计、研发、测试、发布、运维的全生命周期环境和各业务场景中提出了大量需求，要求企业具备更加灵活、敏捷和易用的应用开发能力。

传统开发技术因要求高、成本高和交付周期长，无法快速响应市场需求，导致开发工作积压，业务转型滞缓。低代码作为提升应用研发生产力的关键性技术，激发了数据要素创新驱动的潜能，将数据资产快速转换为价值，为数字化转型带来了一场技术性变革。

在产品销售和服务输出两种商业模式下，低代码技术服务商主要通过三种方式服务客户：直接面向企业或个人用户提供产品或服务、通过合作伙伴服务客户、通过聚合平台生态进行产品输出。

这些方式不仅满足了制造业、金融等产业用户和软件开发企业/专业技术人员等技术用户的需求，还通过聚合平台为用户提供了更多元、差异化的产品与服务。

在这里插入图片描述

低代码市场在全球范围内处于稳定增长态势。从2018年的25亿元增长到2020年的77亿元，市场增速虽从2018年的132%逐渐稳定到2020年的40%左右。

根据IDC《2022下半年中国低代码与零代码软件市场跟踪报告》显示，2022年中国低代码软件市场规模达到26.2亿元人民币，同比增长24.2%。IDC预计2023年中国低代码软件市场规模将达到34.7亿元人民币，同比增长32.4%。预计到2027年市场规模将达到106.3亿元人民币，未来5年市场年复合增长率(CAGR)为32.3%。

从企业发展态势方面看，从2013年到2021年，全球共有百余家低代码初创企业。2019年起，全球低代码初创企业都出现并购整合趋势，低代码成为投资界的风口，持续吸引大型企业入局。目前，整个低代码市场中，Mendix、OutSystems、Microsoft和ServiceNow等服务商占据稳定的市场份额，形成了高集中度的市场环境。

低代码的能力及技术支撑

低代码的主要作用是降低应用开发的准入门槛，赋能不同角色人员，让开发者利用图形化界面，通过拖拉拽操作，以“搭积木”的方式快速开发软件应用，减少重复的基础搭建工作。

根据中国信息通信研究院低代码·无代码推进中心的研究，低代码产品的核心能力可概括为以下五大方面：

开发及管理能力： 这一能力包括提供直观的可视化开发环境和配置工具，管理开发过程及资源，并对开发产物进行生命周期管理。它支持从前端界面搭建到前后端交互、数据模型和业务逻辑配置的全栈开发流程，使应用快速构建成为可能。
扩展与集成能力： 这方面的能力体现在两个层面：首先是扩展能力，即在可视化开发基础上通过少量代码实现对组件和功能的定制和扩展；其次是集成能力，指通过集成外部文件、工具、系统等资源，增强开发能力，满足更广泛的应用需求，并向外部赋能。
用户体验： 涉及低代码产品的学习成本、易用性等方面，影响用户体验的因素多样且难以量化。需从产品设计、操作教学、权限管理等多角度考量，以确保开发者在使用过程中的舒适度和满意度。
生态能力： 包括支持多端响应、促进上下游连通、应用二次开发等，从而减少用户更换低代码产品的成本，增强产品生命力并扩大其服务范围。
安全保障： 指为产品本身及用户资产提供的全方位安全保护，包括防止数据泄露、设备安全、网络入侵等，满足国家网络安全保障要求及应用特定的安全性需求。

在这里插入图片描述

实现这些能力的关键，在于低代码平台所采用的一系列先进技术和设计原则：

**可视化设计工具：**通过提供图形化界面，允许用户以拖拽和配置的方式设计应用程序的界面和逻辑，简化了编程过程。
**预制组件和模板：**低代码平台包含大量预制的界面组件和应用模板，加速了应用的基本结构和界面搭建。
自动代码生成和执行环境： 平台能够根据用户设计自动生成代码，并提供应用运行、测试和部署的环境。
集成开发环境（IDE）： 支持可视化开发的同时，提供代码编辑器、调试工具等传统开发工具，满足更细致的定制需求。
数据集成和管理： 强大的数据集成工具和数据建模工具，便于用户连接到各种数据源并管理数据结构。
业务流程管理（BPM）和工作流自动化： 内置工具支持设计和实现业务流程，自动化复杂业务逻辑。

通过上述技术和特性的综合运用，低代码平台极大地简化了软件开发流程，为企业快速响应市场变化、降低开发成本并促进创新提供了有力的支撑。

AI大模型会取代低代码平台吗？

生成式AI的兴起正在对低代码平台造成显著冲击，这一现象在软件开发领域引发了广泛的讨论。

生成式AI的出现，特别是像OpenAI开发的GPT-4这样的模型，能够自主生成内容、代码或数据，代表了人工智能的一个重大飞跃。这种能力不仅在内容生成、图像创建，甚至是代码生成方面找到了应用，还承诺通过自动化重复性任务、提升创造力和增强效率来变革现有的开发模式。

GitHub的研究显示，用户接受其Copilot建议的代码比例为30%，而且经验较少的开发者在使用AI时具有更大的优势。这使得一些人相信，生成式AI可能意味着低代码平台的终结。

“低代码在企业中正在消亡，AI将会终结它，”Crowdbotics的CEO兼创始人Anand Kulkarni说。“最大的问题是，当你可以使用AI以相同的努力创建完整的代码时，为什么还要使用低代码呢？”

当然，在生成式AI和低代码的关系上，也有不同的声音，他们认为生成式AI不仅不会取代低代码平台，反而会对低代码的发展形成助力作用。

Appian的联合创始人兼CTO Michael Beckley就认为：“AI助手使得轻松创建大量应用程序变得简单，这只会增加对低代码平台的需求，以连接和管理所有应用程序，确保你不会创建数据孤岛和安全问题。”

SAP 产品营销副总裁 Sid Misra则认为低代码与AI和移动技术的融合蕴含着无限潜力，他提到：“**当与人工智能集成时，低代码开发能够实现快速原型设计和复杂解决方案开发，超越传统限制。**例如，在医疗保健领域，开发人员利用这些工具快速构建能够显著增强帕金森病诊断的应用程序，利用人工智能检测模式，实现更准确、更快速的诊断。”

AI大模型与低代码平台融合的趋势

从诸多科技大V的论述中，我们不难发现，低代码平台与生成式AI之间的关系，远非媒体宣传中所描述的那样势成水火。实际上，低代码平台作为一套成熟的产品和工具集，旨在简化客户的操作流程并直接满足客户需求。相比之下，生成式AI更体现为一种底层技术实力，有潜力被整合进低代码平台，从而提升其效率和易用性。

微软通过对2000名IT主管进行的调查显示，有87%的首席信息官和IT专业人士认同，将AI和自动化技术融合入低代码平台将极大地释放这些技术的潜力。正如微软Power Platform的总经理Richard Riley所指出的，这种整合趋势正在低代码工具中日益显现。

生成式AI的引入，尤其是在加速开发流程方面的潜力，为低代码平台带来了革命性的影响。 通过自动生成常用功能的代码，它使开发人员能够将精力集中于应用程序的更复杂部分。

对低代码平台而言，这意味着应用程序的开发速度将大大提升。尽管低代码平台已提供预构建的组件，但生成式AI能够生成高度定制的代码以满足特定需求，确保应用程序能更贴合企业和用户的独特需求。

此外，通过自动生成代码，生成式AI减少了手工编码过程中可能引入的错误和缺陷，从而产生更加干净、易于维护的代码库，解决了快速应用开发过程中的一大顾虑。对于低代码平台的用户来说，生成式AI成为了一个难得的“辅助者”，帮助将复杂的业务逻辑转换为代码，缩小了非技术用户与开发人员之间的差距。

随着时间的推移，生成式AI通过持续的反馈和实际使用经验不断自我优化，意味着其生成的代码将变得更加高效和精细，使得低代码和无代码用户均能从中受益。

具体而言，当生成式AI集成到低代码平台后，其可能发挥作用的方面为：

代码辅助： 生成式AI能够协助低代码平台的开发人员，根据用户规格自动生成代码片段，减轻手工编码负担。
内容生成： 生成式AI增强了低代码平台的内容生成能力，对于创建用户友好的界面、报告和文档至关重要。
定制化： 低代码平台的用户可以利用生成式AI来定制预构建的模板和元素，使其应用程序更加满足特定需求。
快速原型设计： 结合生成式AI与低代码平台可以实现快速原型设计，使用户能够更快速地可视化和迭代他们的软件概念。

写在最后

在看待技术之间的关系时，我们应认识到，技术本身并无立场或偏见，它们存在于一个客观的空间中，作为等待被恰当应用以解决问题的中性工具。技术之间看上去的竞争或对抗，很多时候不过是我们自我设限的幻觉。

展望未来，我们可以预见低代码平台和生成式AI技术的融合将逐步普及，也意味着软件开发领域将迎来一次质的飞跃。这种整合不仅标志着技术的进步，更重要的是，它为技术专家和非技术用户提供了一个共同参与开发过程的平台，使得表达想法、偏好和需求变得前所未有的简单。

通过将生成式AI应用于低代码开发，软件的构建过程正在从繁琐的代码编辑转变为更为直观的对话形式。这不仅大幅降低了创新的门槛，而且还为更广泛的用户群体开辟了参与软件创新的大门。随着企业不断探索和利用生成式AI与低代码平台的潜力，我们正步入一个新时代：在这个时代中，技术的流畅使用不再是由我们的编程能力，而是通过我们的沟通能力来定义。

对于这一变革将如何深刻改变企业的日常运营，我们尚不能完全预测，但可以肯定的是，其影响将是深远且持久的。在这个技术不断演进、创新无处不在的时代，最终引领我们前行的，将是我们对技术潜力的理解和应用，以及我们愿意如何将这些工具融入我们的生活和工作之中。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述