过去两年，大模型最热门的应用场景之一是写代码。

从GitHub Copilot到Cursor，再到各类AI编程助手，行业一直在尝试降低软件开发门槛。但这些产品大多仍面向程序员，本质上是在帮助开发者提高效率，而不是让普通人直接创造软件。

阿里达摩院最新推出的AI原生开发平台“语构”，则试图把门槛再往下拉一层。

它瞄准的并非开发者群体，而是那些不会写代码的人。

按照官方介绍，用户只需输入一句自然语言指令，甚至直接通过语音描述需求，就能启动项目开发流程。应用搭建、功能配置、资源调用乃至智能体创建，都由AI自动完成。换句话说，传统意义上的“编程”正在被重新包装成一种对话行为。

这背后其实是AI行业近一年来最明显的趋势之一。

软件正在从“代码驱动”向“意图驱动”演化。

过去开发一个应用，需要产品经理写需求文档、设计师完成界面设计、工程师编写代码、测试人员验证功能。如今，大模型试图压缩这条链路。用户只需要表达目标，剩下的工作交给AI完成。

从产品结构看，语构并不仅仅是一个聊天机器人。

平台内置应用广场、资源库以及多个功能模块。资源库接入了大模型对话、文生图、地图POI查询、实时汇率等常用能力，同时允许开发者接入自定义资源。对于很多轻量级应用来说，这意味着无需再单独寻找API供应商或搭建底层服务。

更有意思的是其内置的“龙虾”功能。

用户可以在几分钟内创建专属智能体，并根据具体需求进行调整。这种设计与OpenAI GPTs、Anthropic的Artifacts以及微软Copilot Studio有相似之处，本质上都是在推动AI Agent成为新的软件入口。

不过，理想与现实之间依然存在距离。

在实际测试中，当用户输入“做一个飞行棋”后，系统能够完成需求理解、流程配置以及网页游戏生成。整个过程不到10分钟，看起来已经相当接近“所想即所得”。

但最终生成的产品却未能正常运行。

这个细节反而比成功案例更值得关注。

因为它揭示了当前AI生成软件面临的核心挑战：AI能够快速生成结构，却未必能够保证复杂逻辑的完整性。

事实上，这并非语构独有的问题。

无论是Cursor、Lovable还是海外流行的Bolt.new，都存在类似现象。对于简单网页、表单工具或展示型应用，大模型已经可以完成大部分工作；但涉及状态管理、复杂业务逻辑、多模块协同的时候，错误率依然较高。

换句话说，AI正在解决“能做出来”的问题，但距离“稳定可用”还有一段路。

从商业角度看，阿里此时推出语构也有自己的考量。

随着大模型竞争逐渐进入应用层，各家厂商开始寻找用户真正高频的使用场景。聊天机器人已经成为基础配置，而软件开发被视为最具商业价值的落地方向之一。

原因很简单。

企业愿意为生产力工具付费。

如果AI能够让一个运营人员独立搭建内部管理系统，让教师快速制作教学工具，或者让中小商家几分钟生成营销页面，那么它创造的价值远高于简单的信息问答。

因此，语构真正争夺的或许不是开发者市场，而是更广泛的“数字生产工具市场”。

某种程度上，这也是AI产业正在发生的一次角色转换。

过去的软件是人写给机器运行的。

未来的软件可能越来越多地由机器写给人使用。

至于“人人都是开发者”是否会真正到来，现在下结论还为时尚早。但可以确定的是，大模型正在把软件开发从专业技能逐步变成一种自然语言能力。

而语构这样的产品，正是这场变化中的最新实验。成功与否尚未可知，但方向已经越来越清晰：代码正在退到幕后，对话开始走向前台。