相比自然语言，代码为人工智能提供了结构化的基础，助力开发者并推动生产力增长。
专为软件工程量身打造的人工智能工具可释放前所未有的效率，帮助开发者剥离重复性任务并加快创新。
合成代码生成可突破训练限制，同时确保隐私、可扩展性以及人工智能的持续改进。
生成式人工智能（AI）有望通过承担繁琐、重复的任务，彻底改变人类的生产力与创造力。它有潜力使我们摆脱枯燥乏味，并让我们能够专注于更高价值的工作。问题在于——这一天何时到来，代价又是什么？
据市场情报公司CB Insights统计，2023年人工智能领域的投资额超过1400亿美元。仅OpenAi和Anthropic两家公司就募集了逾230亿美元：OpenAI在2023年底前获得超过150亿美元融资，对Anthropic的投资则超过80亿美元。
美国以几乎占全球人工智能投资总额一半的份额领先，但其他经济体也在加大投资力度。
为支撑全球人工智能的增长，约150亿美元已投入用于2024年上半年新建数据中心，据全球房地产服务公司仲量联行（JLL）报告。
这些数据中心最终可能耗电到2026年每年1000太瓦，据国际能源署（IEA）估计，这大致相当于日本全年的总用电量，而日本人口为1.25亿。
尽管这些数字令人震惊，但与推动这一变革的技术投资相比，它们却显得微不足道。
据阿斯麦（ASML）首席执行官克里斯托夫·富凯（Christophe Fouquet）称，该公司几乎为全球所有半导体企业供货，预计约5410亿美元正于2024年投入到更快速、更节能的半导体研发之中，
前所未有的效率
尽管人工智能开发投入了数十亿美元，但许多应用尚未带来切实的经济回报。尽管我们在生物技术、媒体和制造业等多个行业中已看到转型的早期迹象，但这些变化尚未带来显著的生产力提升或经济增长。
正如《经济学人》所报道（8月）根据人口普查局的最新数据，仅有5.1%的美国企业使用人工智能生产商品和服务，低于今年年初5.4%的高点。这使得一些观察人士开始质疑大语言模型的局限性。
我坚信，生成式人工智能（GenAI）正在变革我们的工作、沟通与创作方式。然而，鉴于其高昂的价格，作为行业领袖，我们有责任越来越多地证明人工智能的影响力与适用性。
在poolside，我们认为，世界上对经济影响最为深远的能力是软件工程，以及不仅通过语言、也通过代码来训练模型。
实现生产力愿景的最快路径在于聚焦开发者。据Bain & Company 2024年内部报告估计，目前全球约有3800万名全职开发者，若计入兼职开发者，则接近1亿人。
而一天的时间是有限的——开发者都受限于人类在架构设计、编码、调试、测试、重构、学习、协作等方面的能力。至少，过去一直如此。
为生成式人工智能提供基于代码训练及生成代码的能力，或将成为开启智能时代经济增长新纪元的关键。
随着人工智能以前所未有的速度发展，这一范式正在迅速改变。为开发者配备生成式AI工具，可释放前所未有的效率与创造力，以及亟需的增长动力。
我们专注于开发者与代码。与自然语言不同，代码为训练人工智能提供了结构化、精确的基础。目前可用于模型训练的代码已超过3万亿个token，因此我们已经拥有理想的原材料，可教会人工智能如何有效协助开发者。
持续改进
随着其他数据来源逐渐触及极限，以及世界对规模定律遭遇瓶颈的担忧日益加剧，poolside开发了一项名为“基于代码执行反馈的强化学习”（RLCEF）的技术，以突破可用代码数据的上限。
RLCEF持续生成合成代码，使我们能够每天基于不断增长的数据进行训练。因此，模型得以持续改进，并愈发专注于软件开发。
这为开发者提供了切合用途的模型，使其能够剥离重复性任务，并推动各行各业的创新与生产力提升。
生成如此大量的合成数据还有一个副作用：不再需要客户数据。我们可以将模型部署在客户的基础设施之内、防火墙之后，与基础模型的训练相互隔离，从而确保充分的隐私与安全。
这一切并非凭空发生。这数百万名开发者在企业、初创公司、大学、医院及公共部门工作。可以毫不夸张地说，如今每一个现代组织都依赖软件，而这正是组织能够取得成功的因素之一。
据麦肯锡研究（2022年6月）显示，在顶尖经济表现者中，近70%的企业（而其同行仅为一半）利用自有软件使自身有别于竞争对手。
如果优质软件是决定组织竞争力的关键因素，那么提供基于代码训练及生成代码的生成式AI，或将成为开启智能时代经济增长新纪元的关键。
