Magic 是一家开发类似于 GitHub 的 Copilot 的代码生成平台的初创公司，今天宣布它在由 Alphabet （谷歌母公司）的 CapitalG 领投、Elad Gil、Nat Friedman 和 Amplify Partners 跟投的 A 轮融资中筹集了 2300 万美元。 那么它的故事是什么？

Magic 的首席执行官兼联合创始人 Eric Steinberger 表示，他在年轻时就受到了 AI 潜力的启发。 在高中时，他和他的朋友们为学校的计算机连接了机器学习算法培训，这一经历为 Steinberger 的计算机科学学位和他在 Meta 作为 AI 研究员的工作埋下了种子。

“我花了数年时间探索通用人工智能的潜在路径，然后发明了大型语言模型 (LLM)，”Steinberger 在接受电子邮件采访时告诉 TechCrunch。 “我意识到，将受过代码训练的法学硕士与我对神经记忆和强化学习的研究相结合，可能会让我们培养出一位感觉像真正同事的 AI 软件工程师，而不仅仅是一个工具。 这对公司和开发人员来说非常有用。”

Steinberger 与 Sebastian De Ro 合作创建了 Magic，这是一种人工智能驱动的工具，旨在帮助软件工程师编写、审查、调试和规划代码更改。 Steinberger 声称，该工具尚未普遍可用，可以用自然语言“交流”并与用户就代码更改进行协作——就像一对能够理解并不断了解编码项目和开发人员上下文的结对程序员一样操作。

“Magic 旨在大幅减少开发软件的时间和财务成本，”Steinberger 说。 “让团队接触到一位能够理解遗留代码并帮助新开发人员驾驭它的 AI 同事，将使公司能够扩大其现有员工的影响力，并通过较少的个人指导来培训新员工。 反过来，员工将更快地提高技能，并能够以更高的敏捷性在高影响力项目之间移动。”

Steinberger 还没有透露太多关于 Magic 的技术基础——坦率地说，这使得很难将该工具与竞争对手进行比较。 房间里的大象就是前面提到的 Copilot，它接受过关于公共代码的培训，可以建议额外的代码行来响应对开发人员想要完成的任务的描述——甚至解释部分代码的作用。

Steinberger 承诺，由于“新的神经网络架构可以读取比变形金刚多 100 倍的代码行”，Magic 将能够做同样的事情——甚至更多。

Steinberger 补充说：“早期发布需要人工监督，但我们的最终目标是让人工智能端到端地为您可靠地完成大型任务，而无需照看。”

也许对 Magic 来说更大、更关乎生存的问题是 Copilot 已经拥有大量追随者——以及大量的企业支持。 它已被超过 120 万人使用，GitHub 正积极地将其定位为企业级工具，最近推出了一项名为 Copilot for Business 的以企业为中心的计划。

Copilot 的吸引力可能导致了 Kite 的消亡，Kite 是一家开发人工智能编码助手的初创公司，与 Magic 的没什么不同。 尽管获得了数百万风险投资的支持，Kite 还是难以支付账单，遇到了逆风，无法找到适合市场的产品。 众所周知，培训人工智能非常昂贵； Kite 创始人 Adam Smith 估计，构建一个能够可靠地合成代码的“生产质量”工具可能花费超过 1 亿美元。

“在更广泛的人工智能领域，训练最先进的模型仍然很昂贵，”斯坦伯格承认。 “这提高了像我们这样的新进入者的门槛。”

法律问题也可能阻碍 Magic 的成功。 与大多数 AI 驱动的代码生成系统一样，Magic 是根据公开可用的代码进行训练的，其中一些代码受版权保护。 该公司辩称，如果 Copilot 是有意或无意地针对受版权保护的代码开发的，那么合理使用。美国法律中允许使用受版权保护的材料而无需首先获得权利持有人许可的原则， 但并非所有人都同意。 微软、GitHub 和 OpenAI 在集体诉讼中被起诉，指控他们允许 Copilot 在不提供信用的情况下反省部分许可代码，从而违反版权法。

一些法律专家还认为，如果公司无意中将来自该工具的受版权保护的建议整合到他们的生产软件中，那么人工智能驱动的编码系统可能会使公司面临风险。

对于这些问题，Steinberger 回答说，Magic 正在采取措施防止受版权保护的代码出现在该工具的建议中，并在可能的情况下引用建议代码的来源（GitHub 对 Copilot 采取了类似的步骤，在某些情况下过滤其输出，并试验代码和项目引用）。Steinberger 说，客户的数据不会被 Magic 的专有人工智能培训清除（个人客户使用的“个性化系统”除外 ）。

“我们将推出一项功能，该功能可以标记生成代码的任何潜在许可问题，以帮助用户就如何处理它做出明智的决定，”他澄清了之前的观点。
Steinberger 认为，无论如何，像 Magic 这样的工具——以及 Tabnine、Mutable 和 Mintlify 等竞争对手以及像 BigCode 这样的开源项目——对开发人员和他们的雇主来说都是一个净利益。 他指出统计数据显示，他们越来越难招熟练的软件工程师，因为每年花费大约 150,000 美元（甚至更高），而且团队花费超过 25% 的时间来集成和维护他们的开发工具链。

并非所有程序员都可能同意，尤其是那些受到科技行业最近大规模裁员影响的程序员。 但正如 Steinberger 指出的那样，对于生成式 AI 存在着“巨大”的兴奋和投资。 很明显，它会一直存在，换句话说，无论好坏。

“软件行业对更多人才的渴求永无止境。 每个组织和产品都将受益于更快、更便宜地交付更多更好的软件，”Steinberger 说。 “即使使用我们今天可用的所有开发工具，输出仍会受到人类思维、打字和通信速度的限制。 让团队接触到一位能够理解遗留代码并帮助新开发人员导航的 AI 同事，将使公司能够扩大其现有员工的影响力，并通过较少的个人指导来培训新员工。 反过来，员工将更快地提高技能，并能够以更高的敏捷性在高影响力项目之间移动。”

Magic 有 6 名分布式员工，尚未有收入，计划在不久的将来推出其产品——Steinberger 不愿透露具体时间。 短期目标（即明年内）是将团队扩大到 25 人，重点关注工程、产品和上市方面。

迄今为止，Magic 已筹集了 2800 万美元。

内容中包含的图片若涉及版权问题，请及时与我们联系删除