企业正面临两个方面的开发者人才重大挑战。一方面,IDC 报告指出,预计到 2025 年,全职开发者将短缺 400 万人;另一方面,一些知名公司已宣布暂停开发者招聘,表明他们相信 AI 能够满足大部分开发需求。在这种背景下,问题变成了——当今的开发者是否具备在 AI 优先时代所需的技能。
这些挑战不仅仅影响科技公司。软件是各行业以及所有企业的支柱。若企业缺乏熟练的开发者,便有可能放缓创新步伐,进而阻碍整体市场的增长。
为了解决开发者技能短缺的问题,目前既有短期也有长期的解决方案。在短期内,许多公司寄希望于利用 AI 快速提升开发效率,并赋能业务用户。基于 AI 的工具和平台通过提供个性化培训、实时反馈、生成文档以及自动化处理重复任务,加快了学习进程。长期而言,企业正致力于培养下一代开发者。
以上两种方案在弥合熟练开发者人才缺口方面均发挥着关键作用。
利用 AI 更高效地编写代码,赋能您的员工
AI 能使各层次的开发者都变得更加高效。借助自动化处理调试错误与生成样本数据等重复性、琐碎工作,高级开发者便能将更多时间投入到创造性和高层次的问题解决中。对于初入行业的开发者来说,AI 更是改变游戏规则的利器,因为它能在不必应对过于复杂环境压力的情况下,提供代码解释、个性化学习以及实践经验。
企业可以通过采用应用开发与自动化解决方案来实现这些 AI 功能。例如,SAP Build 在 SAP Business Technology Platform 上提供了一整套低代码、代码优先和生成式 AI 工具,使企业能够加速应用开发、优化工作流程并降低成本。一项近期的 GigaOm 研究报告显示,使用 SAP Build 的客户将开发效率提升了 3 倍,并比采用多种定制开发工具时减少了 59% 的开发工作量和资源需求。
基于 AI 的功能能够独特地理解各种开发框架,并利用专门针对其工作负载训练的大语言模型,从而使开发者可以交付精准且具备上下文关联的成果,加速以代码优先或无代码方式进行的应用开发。以 SAP Build 为例,其内嵌的自动代码生成和代码优化功能使开发团队能在不到一半的时间内完成项目。
除 AI 工具外,企业还为业务用户配置了低代码能力,使他们能迅速构建应用和扩展功能。这使得最贴近业务前线的人员能够迅速推动创新。
以 thyssenkrupp AG 为例,其公民开发者利用 SAP Build 开发并推出了一个社交媒体招聘渠道,旨在吸引、招聘和评估那些难以填补职位的应聘者。这个全新的管理驾驶舱应用让人力资源团队得以设计和部署定制调查问卷,并管理各类 HR 应用的工作流程,从而实现了候选人质量提升、招聘流程时间缩短以及更灵活地应对不断变化的招聘需求。
解决开发者技能短缺问题
最近一份世界经济论坛的报告指出,在未来五年中,44% 的员工核心技能预计将发生改变。尽管 AI 持续重塑行业并推动企业转型,但培训和提升下一代开发者的需求仍然十分迫切。各组织正在探讨如何在大规模范围内推动再培训、技能提升、数据驱动决策以及持续学习。
为此,基于 AI 的工具正在革新我们的学习和成长方式。传统的课堂式开发者培训模式已逐渐退出历史舞台,取而代之的是实践型 AI 平台,这些平台可以为开发者量身定制学习路径,根据其技能水平和进度,确保他们获得最相关、最有效的培训。借助 AI 聊天机器人、预测式幽灵文本编码建议以及针对代码的改进推荐,开发者可以在实时环境中学习最佳实践,同时避免常见错误。
在 SAP,学习者可以利用我们 Learning 网站上丰富的课程资源,通过诸如 SAP Build 等学习之旅,为开发者提供 AI 增强的应用开发工具,重点提升生产力与创新能力。
凭借面向编码的学习和 AI 工具,企业能够减轻人才短缺带来的影响,并确保各行各业持续蓬勃发展。采用 AI 驱动的解决方案不仅有助于弥合技能缺口,更为创新突破和持续增长铺就了道路。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。