AIGCode 发布 AutoCoder.cc，试图让 AI 编程跨入 L3 自动驾驶阶段

成立两年的技术团队 AIGCode，把目光直接投向了 AI 编程的“自动驾驶”。其核心产品 AutoCoder.cc 想跨越目前主流的 L2 级代码补全，直接迈进 L3——根据自然语言需求，端到端完成前端、后端、数据库的完整闭环，并具备运维部署能力。

AIGCode 认为，大模型的短板往往不在微调，而在基座。为达成 L3 目标，他们构建了一个正向循环：用 L3 级产品实际应用产生的高质量样本，反过来训练更强的基座模型。这套逻辑被称作“3No 范式”——不依赖英伟达单一路线、跨越 L2 辅助、拒绝盲目堆量，算力利用率成为关键竞争壁垒。

在国产算力上，AIGCode 走出了一条不寻常的路。在算力资源紧张的背景下，团队通过软件优化与深度工程实践，在国产芯片集群上将 MoE 架构的算力利用率（MFU）提升至 65%。这个成绩不但体现了其在高性能优化领域的积累，也用实例证明，在深入的软件支撑下，国产硬件生态完全能够抹平与主流硬件之间的鸿沟。

基础研究是 AIGCode 的另一大重心。团队历时 18 个月研发的树形位置编码（TPE），在处理长文本和外推能力上，表现优于业界通用的 RoPE 方案。无损线性注意力机制（TPA）与专家解耦架构（PLE）等创新，进一步完善了底层技术矩阵。这些研究成果不仅在学术会议上获得了认可，更在商业化应用中展现了实际效率，开发者能以分钟计完成复杂应用的构建。

目前，AIGCode 的产品已成功触达海外中小企业主，验证了技术方案的市场生命力。随着美团、DeepSeek 等头部力量相继跑通国产算力全链路，AI 编程与算力基建的竞争维度正在发生根本性转变。AIGCode 试图通过算法与工程的深度融合，在国产算力生态中站稳脚跟，成为不可忽视的“Windows”级力量。