Jihu Coding: Ein privatisierter AI-Coding-Engine, die die Effizienz des gesamten Forschungs- und Entwicklungsablaufs von Fortune 500-Unternehmen um 30 % steigert.
AI Coding, der erste Bereich, in dem in den letzten zwei Jahren die Produkt-Market-Fit (PMF) von Large Language Models (LLMs) bestätigt wurde.
Seit Anfang 2024 sind immer mehr AI Coding-Produkte wie Cursor, Devin und Windsurf auf den Markt gekommen, und die Finanzierungen der Unternehmen in diesem Bereich haben stetig zugenommen. In diesem Jahr hat der AI Coding-Bereich in den USA bereits das nächste Stadium erreicht.
Zunächst haben die großen Modelle-Hersteller direkt an der Entwicklung beteiligt.
Der Hersteller des von mehreren AI Coding-Produkten genutzten LLMs, Claude, hat offiziell Claude code vorgestellt. Laut den im Juli veröffentlichten Daten hat dieses vier Monate alte Coding-Produkt bereits über 115.000 Entwickler, und die wöchentliche Verarbeitungskapazität beträgt 195 Millionen Codezeilen. Im Mai hat OpenAI auch Codex neu eingeführt, das als AI-Agent konzipiert ist und Programmierern bei der Codeerstellung, Fehlerbehebung und Testausführung hilft. Es unterstützt die Echtzeitkooperation und die Auftragsvergabe für asynchrone Aufgaben.
Große Unternehmen haben sich ebenfalls an diesem "AI-Waffenwettlauf" beteiligt. Anfang Juli berichteten ausländische Medien, dass Google das Kernteam des AI Coding-Startups Windsurf für 2,4 Milliarden US-Dollar "akquiriert" hat. Dieser Schritt hat OpenAI überlistet - nachdem Cursor die Übernahme abgelehnt hatte, plante OpenAI, Windsurf für 3 Milliarden US-Dollar zu erwerben.
Während es im Ausland regt tut, ist AI Coding in China bereits ein heiß umkämpfter Bereich. Ob es sich um Tongyi Lingma von Alibaba, Trae von ByteDance oder Wenxin Kuaima von Baidu handelt, fast alle Tech-Riesen haben ein eigenes AI Coding-Produkt. Einige Startup-Unternehmen haben nach der Boom-Phase im vergangenen Jahr den Markt verlassen, während andere in neuer Form auftauchen.
Ein interessantes Phänomen ist, dass viele der "neuen Gesichter" dieses Jahres auf Vibe Coding setzen. Diese AI Coding-Produkte, die behaupten, dass auch Nicht-Programmierer mit einem Satz einen Programmcode erstellen können, eröffnen für viele Nicht-Programmierer neue Möglichkeiten.
Tatsächlich wird man jedoch feststellen, dass diese rein auf natürliche Sprache basierende AI-Unterstützung für die Programmierung nur für die Ideenvalidierung und leichte Entwicklung geeignet ist - in einer realen professionellen Produktionsumgebung führt diese sogenannte "leichtgewichtige Entwicklung" zu Problemen wie der Anhäufung von Bugs und der Schwierigkeit der Fehlersuche.
Angesichts dieser Branchentrends versuchen einige Unternehmen, einen anderen Weg zu finden.
"Was wir erreichen möchten, ist, dass chinesische Unternehmen und chinesische Programmierer AI-Programmierprodukte nutzen können, die wirklich auf ihre tatsächlichen Bedürfnisse zugeschnitten sind." sagte Liu Gang, CEO von Jihu GitLab, gegenüber 36Kr.
Jihu GitLab wurde 2021 gegründet und ist aus der Open-Source-Plattform GitLab hervorgegangen. Man kann es als "chinesische Version von GitLab" betrachten. Das Unternehmen hat 2022 ein auf GitLab basiertes DevOps-Produkt veröffentlicht, das die Bereiche Management, Planung, Erstellung, Validierung, Verpackung, Veröffentlichung und Wartung abdeckt. Es ermöglicht eine effiziente Zusammenarbeit zwischen Produkt-, Entwicklungs-, QA-, Sicherheits- und Wartungsteams und beschleunigt und optimiert den Softwareentwicklungsprozess von Unternehmen.
Als Jihu GitLab zwei Jahre alt war, begannen die Large Language Models zu einer Modeerscheinung zu werden. Natürlich hat sich auch dieses in der Unternehmensentwicklung vertiefte Unternehmen aktiv an der Integration von AI-Funktionen beteiligt.
Im Mai 2024, vor einem Jahr, hat Jihu GitLab sein erstes unternehmensnahes AI-Programmierprodukt, CodeRider, vorgestellt.
Damals war die AI Coding-Welle noch in vollem Gange, und das Vibe Coding-Modell, bei dem man "mit einem Satz seine Programmieranforderungen erfüllen kann", war gerade erst aufgetaucht. Aber CodeRider, das bereits seit mehr als drei Jahren auf dem chinesischen Markt Fuß gefasst hat, hat damals auf Vibe Coding verzichtet und sich entschieden, einen Weg zu gehen, der es möglich macht, AI Coding tatsächlich umzusetzen und den Bedürfnissen von Unternehmen besser entspricht.
Konkret unterstützt CodeRider, das AI Coding-Produkt von Jihu GitLab, die private Bereitstellung und kann die AI-Fähigkeiten mit seiner eigenen DevOps-Plattform verbinden. Es wird in den gesamten Prozess der Codeerstellung, Sicherheitsüberprüfung, Testveröffentlichung usw. eingebunden, um so einen "End-to-End"-Unternehmensschleifen zu bilden.
Im Sommer 2025 hat CodeRider bereits mehrere Dutzend Vertragskunden sowie noch mehr potenzielle Kunden, die sich derzeit in der Proof-of-Concept-Phase befinden. Im Vergleich zu Vibe Coding-Produkten, die oft Tausende von Benutzern haben, beweist Jihu GitLab mit der Anzahl der Kunden, die tatsächlich Gewinne bringen, und dem Kommerzialisierungsprozess, dass es seine Produkte umsetzen kann.
"Wir haben die AI-Fähigkeiten in den gesamten Programmierungsprozess integriert und spezielle Funktionen hinzugefügt, die für chinesische Unternehmen und chinesische Programmierer geeignet sind." sagte Liu Gang. Nur so kann AI Coding tatsächlich in China in großem Maßstab umgesetzt werden.
01 Ein echtes AI Coding-Produkt muss nicht nur codieren können
Die Akzeptanzrate von AI-generiertem Code ist ein Kriterium, an dem einige Unternehmen ihre AI Coding-Implementierung messen.
Aber 36Kr hat erfahren, dass einige Unternehmen derzeit in eine Zwickmühle geraten sind, um dieses Kriterium zu verbessern. "Obwohl die AI viel Code generieren kann, kann es nicht immer auf Anhieb die Anforderungen erfüllen. Deshalb wird man bei der Verbesserung dieses Kriteriums an einer Grenze stoßen." sagte ein Entwicklungsingenieur gegenüber 36Kr.
Der Grund für dieses Phänomen liegt nicht nur in der begrenzten Fähigkeit der Large Language Models. Ein tieferes Problem ist, dass der Entwicklungsprozess in Unternehmen oft ein Teamspiel ist. Viele Probleme können nicht nur durch Technologie gelöst werden, sondern hängen von den Menschen oder der Zusammenarbeit ab.
Wenn man den Unternehmensentwicklungsprozess betrachtet, muss eine Anforderung zunächst von den Rollen wie Business, Entwicklung und Produkt geprüft werden, bevor sie festgelegt werden kann. Dazwischen müssen das Produkt- und das Entwicklungsteam auch PRD, technische Dokumentationen usw. bereitstellen. Erst danach beginnt der Entwicklungsprozess.
Im Entwicklungsprozess muss man auch die Dev- und Ops-Prozesse kontinuierlich verbinden, um das Produkt schnell und gut auf den Markt zu bringen.
Angesichts dieser Probleme gibt es bei den bestehenden AI Coding-Produkten noch viele "instabile Faktoren".
Ein kürzlich veröffentlichter Bericht zeigt, dass obwohl es viele AI-Tools gibt, die Quellcode generieren können, sie selten die Design- und Architekturaspekte einer Anwendung berücksichtigen oder die Beziehungen zwischen Architektur und Komponenten beachten. Sie können auch nicht wie menschliche Entwickler die Wartbarkeit, Wiederverwendbarkeit, Skalierbarkeit und Leistung beim Codegenerieren berücksichtigen. Außerdem ist der von AI generierte Code oft unsicher und kann viele Fehler enthalten.
Außerdem müssen chinesische Unternehmen aufgrund der knappen Rechenleistung und strengen Sicherheitsanforderungen bedenken, ob verschiedene Arten von AI Coding-Produkten in einem privaten Rechenumfeld bereitgestellt werden können.
Nach Ansicht von Liu Gang, CEO von Jihu GitLab, gibt es bei den derzeit auf dem Markt angebotenen AI Coding-Produkten nur zwei Kriterien: Erstens, ob sie die private Bereitstellung unterstützen. Zweitens, ob sie die ganzheitliche intelligente Softwareentwicklung unterstützen. Dies sind genau die Probleme, die Jihu GitLab mit CodeRider lösen möchte, und dies sind auch die größten Merkmale dieses Produkts.
Schauen wir uns zunächst die ganzheitliche intelligente Softwareentwicklung an.
Die Unterstützung der ganzheitlichen intelligenten Softwareentwicklung durch AI ist fast ein Erbe von Jihu GitLab.
Jihu GitLab ist aus der weltweit bekannten Open-Source-Plattform GitLab hervorgegangen. GitLab wurde 2014 gegründet und bietet hauptsächlich eine Open-Source-DevOps-Plattform an. Es hilft Entwicklern bei der Onlinezusammenarbeit und der Versionskontrolle. Seine Fähigkeit, private Repository-Services für Unternehmen anzubieten, ermöglicht es den Unternehmensentwicklungsteams, mehr Kontrolle über ihre Code-Repositories zu haben - dies ist auch der Unterschied zwischen GitLab und anderen Wettbewerbern.
Logischerweise hat Jihu GitLab im Februar 2022 eine One-Stop-DevOps-Plattform veröffentlicht, die die Bereiche Management, Planung, Erstellung, Validierung, Verpackung, Veröffentlichung und Wartung abdeckt. Im selben Jahr hatte Jihu GitLab bereits über 180 Kunden.
CodeRider, das 2024 vorgestellt wurde, ist bereits tief in die bestehende DevOps-Plattform von Jihu integriert und hat das Paradigma "Intelligent-Agent-Programmierung + Workflow-Integration" eingeführt. Dadurch kann das Produkt eine nahtlose Zusammenarbeit von der Codeerstellung bis zur Codeüberprüfung und CI/CD-Pipeline erreichen und einen kompletten, direkt in Unternehmen umsetzbaren intelligenten Softwareentwicklungsschleifen aufbauen.
Diese plattformbasierte Strategie ist in diesem Jahr allmählich zum Konsens geworden. Beispielsweise betont Cursor immer mehr die Einfachheit der Unit-Tests und die Fähigkeit zur End-to-End-Aufgabenprogrammierung, anstatt sich nur auf die Codeerstellung zu konzentrieren.
"Man beginnt allmählich zu verstehen, dass die Softwareentwicklung ein Prozess über den gesamten Lebenszyklus ist, der die Codeerstellung, Unit-Tests, Codeüberprüfung, Sicherheitsüberprüfung und kontinuierliche Veröffentlichung umfasst und den gesamten Prozess von der Entwicklung bis zur Umsetzung abdeckt." sagte Liu Gang.
Dieser Trend kommt Jihu GitLab entgegen. Nachdem es als chinesische Version von GitLab begann, versteht es die Geheimnisse des internen Unternehmensentwicklungsprozesses besser als alle anderen.
"Ab dem Moment, in dem der Code entsteht, sind zahlreiche Änderungen, Bearbeitungen, Überprüfungen und Merges erforderlich. In Unternehmen ist die Programmierung niemals eine Einzelleistung. Es arbeiten mindestens ein Dutzend, manchmal sogar Hunderte von Personen zusammen. Ich glaube, dass viele AI-Programmier-Startups, einschließlich Cursor, noch einen langen Weg zu gehen haben, um in der integrierten Zusammenarbeit zu bestehen." sagte Liu Gang.
Konkret ist CodeRider nicht willkürlich mit der bestehenden DevOps-Plattform von Jihu verbunden.
Aktuell hat CodeRider in allen Funktionen AI integriert. Jede dieser Funktionen kann möglicherweise verschiedene Modelle nutzen. Liu Gang hat uns erzählt, dass Jihu in den letzten zwei Jahren herausgefunden hat, welche Modelle am besten zu den verschiedenen Produktfunktionen passen und kann den Kunden direkt die praktischsten und effektivsten Lösungen anbieten.
In Bezug auf die Nutzungserfahrung können Jihu GitLab und CodeRider "nahtlos integriert und reibungslos umgeschaltet" werden.
Wenn ein Programmierer jetzt die Produkt-Oberfläche öffnet, wird er feststellen, dass es auch in der DevOps-Oberfläche von Jihu GitLab die Option der intelligenten Überprüfung gibt, wenn er Code einsendet. Im CodeRider-Plugin kann er auch direkt Funktionen wie die Analyse, Zusammenfassung und Induktion von Themen nutzen, ohne das Plugin zu verlassen.
Diese plattformbasierte Strategie, kombiniert mit AI-Fähigkeiten, sowie die effiziente Umsetzung und die reibungslose Produktnutzung haben es CodeRider ermöglicht, die bisherigen Kunden erfolgreich zu binden.
Beispielsweise hat das oben erwähnte Welt-500-Unternehmen im E-Commerce-Bereich, das um GitLab herum arbeitet, mehr Wissensbanken, Projektleitfäden, Unit-Tests, Code-Reviews usw. bereitgestellt. Intern wird geschätzt, dass die Entwicklungseffizienz um 27 % gesteigert wurde.
02 Nur wer die private Bereitstellung versteht, kann den AI Coding-Bedürfnissen chinesischer Unternehmen entsprechen
Die private Bereitstellung ist auch eine unterschiedliche Fähigkeit von CodeRider, die es auf dem chinesischen Markt auszeichnet.
Aufgrund der langjährigen Cloud-Umgebung und der Nutzungshabits ist die private Bereitstellung das am häufigsten in Betracht gezogene Modell, wenn chinesische Mittel- und Großunternehmen IT-Produkte kaufen. Aber im Bereich des AI Coding gibt es derzeit nur wenige Lösungen, die den Bedürfnissen von Unternehmenskunden entsprechen.
Der Grund dafür ist, dass die meisten derzeit beliebten AI Coding-Produkte, die für Programmierer in professionellen Szenarien geeignet sind, aus dem Ausland stammen (z. B. Cursor, Windsurf, Claude Code usw.) - fast alle von ihnen unterstützen keine private Bereitstellung.
Das bedeutet, dass wenn ein Unternehmen nicht möchte, dass seine Daten ins öffentliche Netz gehen und stattdessen ein eigenes System aufbauen möchte, diese ausländischen beliebten Produkte nicht einsetzbar sind.
Schauen wir uns nun die Lösungen von chinesischen Herstellern an, nachdem wir die ausländischen Produkte ausgeschlossen haben.
Chinesische IT-Lieferanten kennen zwar die private Bereitstellung gut, aber viele neue AI Coding-Produkte wollen derzeit auf den globalen Markt gehen und legen nicht den Schwerpunkt auf die Bereitstellung von Versionen für private Umgebungen. Und von den Unternehmen, die diese Art von Dienstleistungen anbieten können, fehlt es vielen an der Erfahrung bei der privaten Bereitstellung von AI-Produkten für Unternehmen.
"Dies ist wie das Bauen einer kleinen Wasseraufbereitungsanlage. Obwohl es eine kleine Anlage ist, kann sie die Bedürfnisse erfüllen. Dies erfordert Fachwissen (know-how) in bestimmten Bereichen, wie die Kombination von Modellen, die Schichtung der Rechenleistung und die Optimierung von Hardware und Software. Dieser Teil der Investition ist für Unternehmen, die keine private Bereitstellung betreiben, schwer zu verstehen." erklärte Liu Gang anhand eines Vergleichs.
Jihu GitLab scheint eines der wenigen Unternehmen zu sein, das diese Dienstleistung anbieten kann, da es sowohl langjährig für Unternehmen tätig ist, als auch die neuen Technologien verfolgt und sofortige Lösungen anbieten kann.
Anscheinend haben einige Kunden von Jihu GitLab bereits positive Ergebnisse erlebt.
Beispielsweise hat ein börsennotiertes Hersteller von Bildgebungsgeräten, das sich auf die Datensicherheit konzentriert und eine private Bereitstellung benötigt, festgestellt, dass es mit der privat bereitgestellten Lösung von CodeRider bei nur der Hälfte der Modellparameter und GPU-Ressourcen eines Cloud-Anbieters die gleichen Ergebnisse erzielt.
Ein Welt-500-Unternehmen im E-Commerce-Bereich mit einem Entwicklungsteam von Hunderten von Personen und einer großen Anzahl von Outsourcing-Mitarbeitern hat auch positive Ergebnisse erzielt, nachdem es sich für die private Bereitstellung eines CodeRider-All-in-One-Systems entschieden hat. Das System ist sofort einsatzbereit und hat einen geringeren Kostenaufwand für die Miete von GPU-Grafikkarten als Cloud-Anbieter.