字節跳動技術副總裁洪定坤在火山引擎FORCE原動力大會上，以《AI Coding的實踐與探索》為主題發表演講，深入剖析了公司內部AI編程應用過程中的實際體驗與面臨的多重挑戰。他指出，盡管AI技術在代碼生成領域展現出巨大潛力，但實際落地仍需突破多重瓶頸。

過去一年間，字節跳動AI代碼貢獻率實現超6倍增長，Token消耗量擴大5倍，代碼合入率提升逾2倍。然而，洪定坤強調這些數據背后隱藏著效率悖論：某團隊AI代碼產出占比超90%，但人均需求處理效率僅提升60%，遠低于理論預期的10倍加速效果。這種反差暴露出單一指標衡量體系的結構性缺陷——當AI生成速度達到人類10倍時，整體效率提升卻不足2倍，凸顯全局效率評估的復雜性。

在功能實現層面，實驗數據顯示三大主流模型與Agent框架組合的功能正確率均超80%，但當引入UI易用性、可靠性、可維護性等工程化指標后，綜合評分驟降至40-60分的區間。這種"能跑但不好用"的現象，反映出當前AI編程在工程化落地方面的顯著差距。洪定坤特別指出，模型與框架的組合表現出強烈隨機性，導致交付質量波動明顯。

針對上述問題，字節跳動通過構建Harness基建體系實現突破。該系統通過優化上下文工程、架構約束、知識沉淀等基礎環節，使代碼正確率從80%提升至近90%，可交付性評分普遍躍升至80分以上。洪定坤以具體案例說明：某產品經理使用AI生成的代碼雖能運行，但因存在性能瓶頸、擴展性缺陷和安全漏洞，仍需納入傳統研發流程進行重構，這凸顯出系統復雜度管理的核心地位。

在協作模式創新方面，字節跳動正探索原型驅動開發范式。通過將AI生成代碼納入統一架構規范，建立技術債動態梳理機制，使非專業開發者與研發團隊形成有效協同。最新推出的TRAE Work系統已集成至企業版開發環境，配合日均5.6萬億Token的消耗量（同比激增50倍），構建起覆蓋需求轉化、代碼生成到工程落地的完整鏈條。

當前研發重點已轉向三個維度：構建多維效率評估模型、建立穩定的軟件工程交付體系、優化跨角色協作流程。洪定坤透露，公司內部正在測試系統化AI開發方案，通過將架構設計、測試用例生成等環節智能化，推動開發模式向全流程自動化演進。這種轉變不僅需要技術突破，更要求重構傳統軟件開發的價值分配機制。