代码共享服务 GitHub发布了一款名为GitHub Copilot的新产品,这是一款面向软件开发人员的人工智能助手。
该产品是在利用人工智能技术简化IT运营的“AIOps”工具快速增长之际粉墨登场的,该产品目前仍然处于技术预览阶段,还不是一项成熟的服务。“AIOps”工具包括了可以帮助发现代码异常并跟踪应用程序性能的产品,它们能够为首席信息官及其团队节省大量的时间和金钱。研究公司Gartner估计,AIOps 市场目前每年价值约为15 亿美元。
GitHub Copilot会对以前的工作进行分析,并据此为开发人员提供代码行级别的建议。该产品底层的模型被称为Codex,是GitHub与Open AI联合开发的,后者是总部位于硅谷的一家人工智能研究公司,该公司使用了GitHub和其他来源管理的数十亿行代码对Codex模型进行了训练。微软是Open AI的支持方之一,并在2018年为GitHub提供了75亿美元。
GitHub的网站显示,这款新产品与Visual Studio Code配合使用,Visual Studio Code是一款免费的开源编辑器,适用于Windows、Linux 和 MacOS系统。该预览版特别适合一些流行的编程语言,例如Python、JavaScript 和 Ruby,但它也能理解数十种其他语言。开发人员可以用简单的英语写一条评论,描述他或者她正在寻找的逻辑,该系统会尝试据此生成代码。
人机匹配
GitHub Copilot会提供选项菜单,并且记录用户接受、拒绝或者编辑了哪些建议中的代码行,通过这种方式来了解每个开发人员的风格。GitHub 的首席执行官 Nat Friedman 将其描述为“与程序员配对”,这个术语通常指的是两名人类开发人员在一个项目上进行紧密合作的情况。该公司表示,迄今为止,绝大多数试用过该产品的用户都接受了Copilot 提出的建议。
如果它能够保持这一纪录,那么该系统就可以帮助开发人员迅速掌握新的编程语言,并且减少他们通过Stack Overflow 等服务寻求帮助的需要。Stack Overflow是一个开发人员社区,最近被南非投资基金以18亿美元收购。一些研究表明,开发人员花在在线搜索信息和帮助上的时间高达五分之一。
首席信息官们不仅仅将人工智能视为提高软件工厂效率的一种手段,还将其视为一种保持开发人员忠诚度的方式。开发人员能够使用的、先进的开发工具越多,他们就越有可能坚守岗位。
现在,经济正在改善,因此这一点比以往任何时候都更加重要。科技行业组织CompTIA 最近指出,美国目前IT岗位空缺的数量高达395,000 个,达到自2019年9月以来的最高水平,对开发人员的需求非常之高。(在最近的福布斯首席信息官峰会上,IT人才战争已经成为头等大事。)
Amir Arooni是市值360亿美元的Discover Financial Services 的首席信息官,Amir Arooni和其他一些技术领导者们认为,未来,最成功的公司将是那些将软件视为一门手艺的公司,这些公司能够为他们的技术工匠配备最好的工具(包括人工智能支持的产品),帮助他们出色地扮演自己的角色。GitHub这款最新的产品完全符合这种世界观。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。