Full text · 原文
3,873 字
允中 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
HDC 2026开幕主题演讲上，华为终端BG CEO何刚展示了鸿蒙生态一项新能力：用户唤起小艺claw，用自然语言描述需求，小艺直接生成一个可运行的应用。<br>
这项能力背后提供技术服务的，是一家16人的创业公司。<br>
这家公司的核心产品叫码上飞，成立于2023年，目前注册用户接近百万，ARR超千万元，月环比增长保持在25%左右。<br>
但码上飞真正想做的事情，比「AI写代码」大得多。<br>
过去，提起码上飞，外界最容易先记住的，是它的创始团队背景：<br>
前腾讯T12创始人，前腾讯T11 CTO，前腾讯T10首席架构师，以及一支从腾讯、字节、滴滴、飞书、CODING出来的软件工程团队。<br>
很多人会下意识以为，码上飞是一支典型的「大厂老兵创业团队」：稳、强、工程能力扎实，但可能不够年轻，不够鲜活，不够AI原生。<br>
实际上，这并不准确。<br>
如果走进码上飞，会发现这家公司更真实的样子，是一支由大厂工程老兵、AI产品经理、海外增长操盘手、机器人研究者和02后AI原生一代共同组成的团队。<br>
老兵负责压住复杂系统的底座，而年轻人，负责冲在AI技术和产品变化的最前沿。<br>
张诣博：从抖音AI产品一线，到码上飞的产品大脑<br>
张诣博加入码上飞之前，是芝加哥大学金融数学硕士，在抖音做了5年的策略产品经理和数据分析师。<br>
她做过的一个代表性项目，是抖音AI评论分类总结功能。<br>
这个功能听起来不复杂：当评论太多时，AI自动帮创作者总结评论观点。<br>
但做过AI产品的人都知道，这类功能的难点从来不只是「让模型生成一句总结」。<br>
它需要判断用户痛点是否成立，需要设计训练数据，需要不断看Badcase，需要做Prompt调优，需要推动模型迭代，也需要通过A/B测试验证用户到底愿不愿意点、愿不愿意用。<br>
在抖音，张诣博参与推动了AI评论分类总结从训练数据标注、Prompt调优到模型迭代的完整流程。项目覆盖30万+作者，功能点击率达到15%，并通过多轮模型优化，把准确率从36%提升到85%。<br>
这段经历，对码上飞非常关键。<br>
因为码上飞面对的不是专业程序员，而是大量不会写代码、不会说技术术语、甚至不知道「自己想做的应用该怎么描述」的普通用户。<br>
张诣博带来的，正是这种把真实用户语言翻译成AI可执行产品结构的能力。<br>
她不是传统意义上的「产品经理」，而是经历过AI功能从模型能力、用户反馈、指标体系到线上增长完整闭环的人。<br>
这类人，决定了码上飞生成出来的应用，不只是「看起来像一个页面」，而是更接近一个真实可用的业务系统。<br>
李融：从字节品牌到AI出海，理解真实用户如何被打动<br>
李融的背景，是码上飞团队里另一块重要拼图。<br>
她毕业于英属哥伦比亚大学市场营销专业，有长期欧美教育和工作经历。回国后早期加入字节跳动做集团与雇主品牌，做过全球化品牌体系、CEO PR、AI技术传播。<br>
但如果只是把她理解成「市场负责人」，也不准确。<br>
离开大厂后，她直接All in AI创业，和一个小团队从0到1做海外AI产品。<br>
在一个小团队里，她同时负责产品、用户增长和设计，面向美国女性用户上线AI情感类产品。产品从卖点验证、TikTok内容测试、KOL合作、到最终跑出ROI，都是她亲自完成的。<br>
这段经历对码上飞的价值在于：她理解一个AI产品如何从「想法」变成「有人愿意用、愿意传播、愿意付费」的产品。<br>
码上飞不是一个只服务工程师的AI Coding工具。它真正想做的，是让普通人、个体创业者、小商家和线下老板，可以用AI快速生成自己的业务入口。<br>
在今年HDC中，李融也出现在央视《脑洞大开麦》的直播现场。<br>
对码上飞来说，这不是一次简单的品牌曝光。更重要的是，码上飞开始出现在更大众、更普通人的技术传播场景里，让更多人直观看到，AI可以帮一个普通人把想法变成真正能用的应用。<br>
这正是李融擅长的事。<br>
李必昂：从商科到机器人，他代表码上飞的跨界能力<br>
李必昂的履历，很难用传统互联网公司的职能来概括。<br>
他本科毕业于香港城市大学商学院，主修经济学、辅修计算机科学，后来进入香港中文大学工学院攻读MPhil，研究方向是下肢外骨骼。<br>
从商科到机器人，从商业理解到硬件系统，这本身就是一次跨度很大的转向。<br>
更早之前，他还参与过Spot Micro四足机器人开源社区的中文攻略整理。<br>
Spot Micro是一个开源四足机器人项目，涉及3D打印、硬件采购、树莓派、舵机控制、软件调试、校准和运行。对新手来说，这类项目真正困难的地方，不一定是某一个单点技术，而是大量分散知识叠在一起后，让人不知道从哪里开始。<br>
李必昂的经历，也让码上飞团队拥有了更强的「跨学科产品感」。<br>
AI时代的软件，正在从纯数字世界走向更复杂的真实世界：服务、交易、硬件、线下场景、物理空间都会和Agent产生连接。<br>
一个懂商业、懂工程、懂机器人、又能把复杂知识讲清楚的人，在这样的团队里并不只是「产品与创新负责人」，而是能把不同领域连接起来的人。<br>
今年HDC期间，李必昂参与了元服务论坛；元服务可以简单理解为鸿蒙生态里的「轻应用」，让用户不必下载完整App，也能在手机系统入口中直接使用服务。<br>
这和码上飞的方向天然相关：AI生成的应用不应只停留在一个链接里，而是要进入更真实的分发入口，被用户看见、打开和使用。<br>
02后年轻人：毕业不到一年，就站到公司一线<br>
这是一支非常年轻的团队。<br>
目前公司一共16个人，其中约四分之一都是02后。不少人毕业不到一年，就已经开始参与公司核心业务。<br>
更重要的是，码上飞并不只是「招了年轻人」。这家公司是真的愿意把年轻人推到台前，也愿意把关键任务交给他们。<br>
智豪就是其中一个例子。<br>
他从大三开始在码上飞实习，一待就是两年。实习期间，他就开始负责国内产品运营的整体事项，搭建国内运营体系，并推动码上飞完成国内百万用户规模增长。<br>
后来在产品出海阶段，他又带领运营团队，在半个月内拿下10万用户，一度登上国内AIGC Rank AI网站增速榜第二名。<br>
更早的时候，智豪就在GPT-3.5时代开始系统学习AI。大学期间，他写过一本《AI电商运营全攻略》，并由北京大学出版社出版。<br>
这不是一个「毕业后才开始接触AI」的年轻人。他几乎是跟着这一轮AI浪潮一起成长起来的。<br>
满祥则是另一类年轻人。<br>
他从大四开始在公司实习，很快进入核心研发一线，负责AipexBase、Agent World等自研架构相关研发工作。<br>
这些项目不是边缘探索，而是码上飞在AI应用生成、多Agent协同和底层框架能力上的关键组成部分。<br>
同时，满祥还参与了《AlphaEval: Evaluating Agents in Production》的论文研究与撰写。<br>
对一家AI应用生成公司来说，Agent不只是概念，真正难的是在生产环境中评估Agent、理解Agent的稳定性和可用性，并不断提升复杂任务的完成质量。<br>
满祥参与的，正是这些更底层、更难被外界直接看见的工作。<br>
纪元则代表了码上飞年轻成员的另一面。<br>
今年HDC期间，她代表公司参与鸿蒙星光大道相关展示，把码上飞的产品能力带到真实展区和生态伙伴面前。<br>
这类现场展示并不是简单「站台」。<br>
他们希望年轻成员能快速理解产品、讲清楚能力、回应现场问题，也能把开发者、合作伙伴和普通用户的反馈带回团队。<br>
对码上飞这样的AI产品来说，真实现场非常重要。因为AI应用生成不是只在办公室里验证出来的，它必须接受真实用户、场景和生态伙伴的检验。<br>
纪元参与的，正是这种从产品到现场、从展示到反馈的连接。<br>
智豪、满祥、纪元这些年轻成员，构成了码上飞内部成长速度最快的一批人。他们并不是在等公司「培养几年后再上手」。相反，他们已经在一线快速成长。<br>
技术积累有迹可循<br>
团队之外，码上飞的技术积累也有一条清晰脉络。<br>
早在AI Coding概念真正爆发前，团队就开源了DevOpsGPT，GitHub Star约6000，和Lovable、gpt-engineer属于同一时期的探索项目。<br>
后来，码上飞进一步开源AipexBase。AipexBase是国内首个开源AI原生后端即服务平台，开发者无需编写后端API、数据库逻辑、鉴权代码或三方集成，只需通过前端SDK或MCP，就能在AI辅助下完成从前端到后端的一体化开发。<br>
AipexBase适配飞书、钉钉、微信小程序、鸿蒙等国内生态。小艺Claw的后端能力也是基于AipexBase构建，这让它不只是一个开源项目，而是已经进入系统级AI入口的真实场景。<br>
码上飞还参与了多项国家级标准的制定，包括《智能化软件工程技术和应用要求 第2部分：智能开发能力》《面向软件工程智能体的技术和应用要求 第1部分：开发智能体》《智能助理智能体（Claw）技术和应用要求 第1部分 产品可信能力》等。<br>
在后训练和Agent评测方向，码上飞也参与了前沿的产研协作。<br>
上海创智学院联合模思智能、奇绩智峰（百亿规模）、码上飞等伙伴共同发布了新一代能动性模型Nex-N2；同时也围绕Agent在生产环境中的评测进行了深度研究，而码上飞是其中的唯一创业团队。<br>
更鲜活，也更AI原生<br>
这是一支由腾讯系高P工程底座、抖音AI产品经验、字节增长传播能力、香港机器人跨界背景和02后AI原生一代共同组成的团队。<br>
它不是一个单纯的老兵团队，也不是一个只有年轻冲劲、缺乏工程底盘的学生团队，而更像是AI时代少见的混编队伍：<br>
老兵知道复杂系统如何搭起来，02后们知道最新Agent技术正在往哪里走。