大模型能通过自然语言理解自动生成需求文档及代码供给低代码开发者使用，也具备自动检测和修复代码错误、自动优化代码、找出冗余并提供高效方案等自动化能力，为开发者带来需求模式、设计模式、开发模式的变化，节省时间成本、代码质量更优、进一步降低开发者的门槛和学习成本。
更重要的是，通过大模型对于文档、模版、业务流程、样例、源码的自学习能力，融合低代码的设计编排和逻辑优化能力，使得低代码定位形态升级、开发边界扩大，价值范围打开，可以预见，融合大模型能力的低代码开发平台有望成为GPT 2B应用落地的加速器。因此，我们需要重新定义低代码开发平台。
王恩垚表示，低代码与大模型融合带来的机遇与挑战并存。机遇在于，能真正的赋能非专业开发人员，实现全角色都可参与到开发过程中，并通过不断训练和沉淀，强化大模型和低代码深度融合，发挥出智能化低代码开发的价值。
挑战在于，一方面，在不断涌现的市场诉求驱动下，倒逼低代码加速与私域数据结合，更高效准确的完成应用开发和部署，同时达到高可用、高可信、高安全的保障标准。另一方面，大模型需与领域知识相融合，将大模型工程化降低应用成本，同时还要保障私域数据的安全可靠，避免大模型带来的业务风险。