最近几年，低代码甚至零代码的做法在行业内兴起。而在AI热潮兴起后，厂商也在积极探索AI 与低/零代码应用开发平台的融合方式，致力于进一步降低开发门槛。这篇文章，我们就来看下整个低代码这个领域的现状与发展情况。

企业上云逐渐成为数字经济的常态事件，越来越多的低/零代码应用开发平台以云的形式提供服务，并为云应用的开发、集成、 运维等工作提供进一步简化的工具调用方式，更好的贴合云时代下的企业需求。

此外，AI热潮兴起后，厂商也在积极探索AI 与低/零代码应用开发平台的融合方式，致力于进一步降低开发门槛，提升开发效率，“让低代码更低，零代码更零”。

一、行业背景

1.1 AIGC 热潮下的低/零代码应用开发平台

AI热潮指在2022年末开始兴起的AIGC和大语言模型热潮，低/零代码应用平台与AI 结合的落地实践较少，目前结合的方向在于针对不同角色提升平台的使用效率。

AIGC 得到行业客户关注，低/零代码融入 AIGC 有望实现产品能力的跃升，数字化优先程度越高的企业，对 AIGC 关注度越高。

低/零代码 AIGC 定义为 “基于智能模型驱动的自适应开发”产品。

理论设计上：

1. 此类产品可以支持通过自然语言的形式向平台下达指令，AI 判断用户指令后，产品可以自动进行表单创建、报告创建、OA 功能开发、特定需求的代码生成等操作（具体需要结合不同产品的功能设计）。
2. 这样的能力可以让公民开发者通过语言指令快速实现数字化解决方案构建，加速全民开发者时代的到来，同时也可以提升专业开发者的工作效率。

1.2 AI 低/零代码应用分析

产品浅析：从客户期望来看，融入 AICG 的低/零代码产品，需要在功能设计和产品交互上，重点关注用户使用体验、增强开发功能的完整性和可用性

用户关注点：

• 生成代码质量
• 代码安全性
• 可以支持的开发类型和功能完整度
• 可以支持的个性化开发程度
• 机器人的语言理解力
• 产品功能仪容程度
• 是否支持辅助 bug 调试
• 是否支持代码解释

产品交互和关键词提示

为了让 Al 可以更精准地理解指令进而实现功能开发，使用者需掌握有效关键词和提问技巧。随着用户需求沉淀和与之匹配的效关键词积累，供应商可以尝试向客户提供“关键词提示”和“关键词修正建议”等功能，帮助用户提升人机交互效率，提升客户体验和产品使用效能。

可信模型训练

基于特定行业和特定场景的代码生成模型训练有可能使用到非公开的行业数据，相关代码模型供应商也需要探索基于隐私保护计算技术的模型训练，由于加密算法让计算量的增加，模型训练度和成本也会受到影响。

1.3 AI 低/零代码 的影响和价值

AIGC 可以深层次引发 IT 效率革命，让更多业务人员有机会成为公民开发者，进而推动全民开发时代的到来；对低/零代码竞争力聚焦点、生态与市场格局、产品和服务等方面产生影响。

传统低代码和零代码产品往需要对 IT 成熟度高、中、低企业进行道配且存在能力边界（例如 T 成熟度低的企业可能因为缺乏专业开发者而无法使用低代码产品，但是零代码产品也只能完成简单功能的搭建）。

而未来成熟的 AIGC 低代码和零代码产品所具备的是“基于智能模型的自适应开发”能力，且仅 以自然语言指令的方式便可以实现代码生成和功能实现，因此可以更好地淡化传统低/零代码产品的能力边界性和使用者的局限性。从生产力变革的角度带来 IT 效率革命，让更多的业务人员有机会成为公民开发者进而推动全民开发时代的到来。

传统低代码和零代码产品侧重基于经验和代码积累的功能抽象封装、流程预定义、基于数据定义和元数据配置来生成应用程序。

而AIGC低/零代码产品的能力提升取决于大模型的成熟度，大模型所提供的开发生产力将对传统产品形成降维打击，因此随着 AGC 在代码生成方面的应用逐步成熟，低代码和零代码厂商的竞争力聚焦点将发生调整，进而为提升产品力所建设的厂商生态也将呈现一定的变化。自然语言指令等新的产品交互形式也会影响产品使用和服务方式的变化。

1.4 中国低/零代码市场趋势：AI 低/零代码的融合

越来越多的供应商会将 AI 融入低/零代码，预计 2027 年，70%～ 80% 的用户将使用具备 AI 能力的低/零代码产品

1.5 智能自适应开发平台（IADP）

智能自适应开发平台（IADP），是低/零代码的重要发展方向。预计 2027 年，约 50% 的领先实践企业将开始构建或正在构建智能自适应开发平台。

MTI Quadran（市场趋势洞察象限）将此趋势纳入“重点关注“类别。

智能自适应开发平台（Intelligent adaptive development platform,I/ADP)是以“基于智能模型的自适应开发能力“为核心所构建的支持个性化和复杂需求的软件开发平台。

智能自适应开发平台（IADP）支持多样化的团队，提供软件交付与全生命周期管理的服务，覆盖个性化和复杂开发需习求实现、原型设计、测试、代码安全保障措施和监控、智能运维高效系统集成等在内的全域能力，开发者知识库是为平台能力升级和模型训练效率提升（基于 KnowHow 沉淀提升模型参数调整的精准性）而设计。

之所以 IADP 类产品有望在未来 5 年内得以实现，将得益于生成式 AI 的发展。

客户构建智能自适应开发平台（IADP）可以真正地加速数字转型效率，最大程度适应敏态的业务需求，缩小客户预期和实践成效之间的差距（甚至超出客户预期）。无论是客户内部建设 IADP，亦或是供应商打造 IADP 产品，其过程均需要设定好功能优先级和明确的开发思路。

根据咨询公司对数十位领先实践企业的领导者阐述智能自适应开发平台（IADP）这一概念同时征询投入意向时，约 50%的受访者表示如果拥有合适的供应商提供技术支持和服务，可以在 5 年年内尝试建设 IADP，但需要采取“小步慢跑“的逐渐尝试性的投资策略；同时拥有 40% 以上的受访者表示更愿意看到供应商可以提供 IADP 产品后再进行投资。

二、低/零代码 AI 行业趋势

低代码的主张：“降低代码开发量，通过点击配置、图形化拖拽开发应用，人人都是公民开发者”；

大模型的主张：“不用代码开发，通过自然语言生成应用，人人都是开发者”。

低/零代码 AI 主要目标：在低/零代码开发平台的基础上进一步降低开发门槛，提升开发效率

低代码 Ai 问答 太简单

低/零代码开发平台上可以放置AI问答类功能的接口，这种结合方式较为简单，但仅限于减少去检索问答功能的步骤，因而不是低/零代码厂商努力的方向。

正确方向

• 大语言模型更高级的结合形式，在于AI功能尽可能发挥低/零代码应用开发平台的本意价值，即进一步提升开发效率，降低开发门槛；
• 根据此方向，有分别针对业务人员、专业开发人员、产品经理人群的AI 低/零代码功能的推出，但目前均处于商业测试化阶段。

三、低/零代码 与 AI Agent

1. Agent 是通过综合多种先进算法建成具有独立思考和工具调用能力的智能体

AI Agent本质上是以LLM为核心的代理系统，它可以被应用为一个软件程序自动 理解并执行命令，也可以被装载到物理实体中控制机器。

与LLM（大语言模型）通过和用户语言交互，生成相应的文字、图片等内容的能力相比， Agent在LLM之上叠加了记忆、规划、工具调用的能力，具备自我学习、反思的独立思考能力和任务规划、工具调用的能力，从而 为人类解决更广范围的问题。

2. Agent 能自主选择合适的路径、工具，和应用程序交互以完成任务

在Agent的多种应用实践中，对于规划、记忆、工具的组件能力的应用深浅 和综合方式都有所不同，目前Agent的实践主要体现在自动执行人机交互任务和模拟人类社会活动两个方面。

具体实践案例

Hugging GPT：对工具调用能力

Generative Agents：独立思考能力

3. 两向融合现象：低/零代码开发平台融合AI Agent辅助开发，并出现开发AI Agent的低/零代码开发平台

AI Agent目前最适合的商业化落地方式依然是嵌入低代码应用开发平台中，作为应用开发的辅助功能，进一步提升平台的使用效率。

4. 其他解决低代码痛点思路

低代码平台依然存在效率低的痛点：

（1）应用搭建效率低。非开发者在搭建应用前需要熟悉低代码平台的使用和各类组件的配置项。

（2）组件研发效率低。新的组件研发流程还是传统的产品出需求文档，开发出详细设计、编码实现。

解决思路

• 针对应用搭建效率低的痛点：让非开发者不需了解低代码平台的使用和组件的配置等，讲出需求，AI 辅助快速搭建应用。
• 针对组件研发效率低的痛点：AI 辅助需求文档到完成编码整个阶段的提效。

将现有的低代码平台升级为“AI 驱动应用开发平台”，针对三类不同的使用人群进行赋能提效，实现平台全局 AI 驱动。

• 面向产品经理的需求抽象：协助产品将描述性的需求文档，转换成规范数据结构。
• 面向开发者的辅助编码：作为程序员的开发助手，完成确定性功能函数编程。
• 面向非开发者的应用搭建辅助：讲出需求，快速搭建应用。

四、Ai 低/零代码 实际落地案例

1、得帆信息·DeCode

AiCG 融合点

底层：文心 & GPT 大模型

融合方向：自动编程、辅助搭建、智能匹配、智能搭建、智能翻译、对话问答、场景融合

应用形式

1. 组件形式：提供提供快速接入GPT、并融合搭建业务应用的能力
2. 智能问答形式：包装为智能助手、智能机器人，为用户提供数据洞察的能力，帮助用户直接地理解和利用
   数据
3. 应用生成：基于自然语言描述，进行需求抽象、搭建、调试

2、金现代·轻骑兵

3、 西门子 Mendix10

Mendix10，将 AI和ML（机器学习）融入低代码领域，包括了最新的人工智能和机器学习功能，新的业务协作和IT协作的工具，简化的开发人员体验，扩展的云部署选项，以及现代化的治理和控制方法。

1.Mendix 发布 Mendix Assist（人工智能开发工具）的新功能—Mendix Chat

这是一个嵌入IDE中的大型语言模型，可生成开发指导并接受Mendix特定专业知识的培训和支持；

他们的主要思路为人工智能辅助开发（AIAD），他们会将下一代产品引入生成式人工智能（AIGC）。同时，生成式AI加入低代码和无代码开发平台，将会进一步降低使用低代码和无代码开发工具的门槛，并或将诞生新的智能开发技术；

Mendix 的思路以 AI 辅助编程为主（https://www.mendix.com/platform/ai/）。举例来讲，由于他们拥有一个强大的 IDE ，他们的 AI assist 能力首先考虑用户的编辑器体验。对于低代码编辑器使用者来讲，最头疼的就是如何在一大堆组件和逻辑中快速选择想要的了，所以 Mendix 从 IDE 的基本体验出发，参考代码补全和代码推荐的方式创造性地提出了节点推荐的方式:

这种做法有效解决了“选择困难症”。AI 会根据用户上下文计算推荐需要的内容，并计算权重用来排序，很类似搜索引擎的工作。