AICodingAICoding：超越軟件的編程范式革命長久以來，編程被定義為一種嚴(yán)謹(jǐn)?shù)摹⑦壿嬺?qū)動的活動，是將人類意圖轉(zhuǎn)化為機(jī)器可執(zhí)行的、確定性指令的過程2然而，AI正在顛覆這一核心定義，將編程從“Coding?這一動作，提升到“表達(dá)意圖?和“實現(xiàn)愿景?的更高維度21995年的比爾·蓋茨在《未來之路》中預(yù)言"信息高速公路"的到來，在那個時間節(jié)點，很難想象今天每個人都能隨時隨地連接全世界2我們現(xiàn)在又正站在了新的轉(zhuǎn)折點P，這不僅僅是技術(shù)更迭或者工具升級，軟件開發(fā)正經(jīng)歷一場范式級變革，更是對O個底層問題的重新定義：什么是編程？誰能編程？數(shù)字世界將如何被構(gòu)建和消費(fèi)？和信息高速公路不同的是，這場范式變革正在以驚人速度和共識，從想象走向現(xiàn)實2在AIAscent2025P，紅杉資本把AICoding的進(jìn)行時和未來時放在了更具有前哨視角的位置，預(yù)測我們正在步入“豐饒時代?,代碼是第一個被顛覆的市場，而這場顛覆將成為“豐饒時代?的預(yù)演2并且認(rèn)為CodingAgent的持續(xù)演進(jìn)值得拭目以待，因為這不僅會重塑整個軟件產(chǎn)業(yè)，也將成為未來其他行業(yè)AI化進(jìn)程的重要先兆2這意味著當(dāng)我們將產(chǎn)品、模型、價值、投融資、商業(yè)化、競爭策略等多層鍍膜的認(rèn)知鏡頭，對準(zhǔn)飛速演化的AICoding現(xiàn)場，從微軟、谷歌、Meta、亞馬遜、Salesforce等領(lǐng)先企業(yè)的內(nèi)部調(diào)研數(shù)據(jù)和CEO訪"豐饒時代"的預(yù)演增長和變革最快領(lǐng)域談，到招聘數(shù)據(jù)到開發(fā)者、創(chuàng)建者的廣泛調(diào)研，再轉(zhuǎn)到對AICoding生態(tài)中核心創(chuàng)新企業(yè)的系統(tǒng)分析，以及深入創(chuàng)始人或核心構(gòu)建者的近150個深度訪談洞察時，也在用一個獨特的“AI透鏡?看向軟件行業(yè)的演進(jìn)"豐饒時代"的預(yù)演增長和變革最快領(lǐng)域編程范式的重構(gòu)所有行業(yè)AI化進(jìn)程先兆在數(shù)據(jù)透鏡之O，AICoding從消費(fèi)者端到企業(yè)端，滲透率、采用率和影響力都在飛速地跨越邊界2à種斷層式的領(lǐng)先優(yōu)勢，在融資市場N得到了最直接的體現(xiàn)，但更令人印象深刻的是，à個行業(yè)在收入增長方面創(chuàng)造的奇跡2AI創(chuàng)新視角O，AICoding公司正在以極小的團(tuán)隊規(guī)模、極快的發(fā)展速度達(dá)到千萬、過?美元甚至5?美元的年度經(jīng)常性收入(ARR)，沖ü大公司的增長和商業(yè)模式2AI轉(zhuǎn)型視角O，編程是企業(yè)內(nèi)部AI變革發(fā)生最快、效果最為顯著的應(yīng)用方向2從微軟GithubCopilot開始，AICoding已成為融資規(guī)模僅次于基礎(chǔ)大模型、增長最迅猛的AI應(yīng)用方向之一，甚至?現(xiàn)了成立僅3年的百?美元公司2爆發(fā)式增長的背后，反映的是產(chǎn)業(yè)生態(tài)的系統(tǒng)性重構(gòu)2但是當(dāng)我們把透鏡對準(zhǔn)產(chǎn)品、價值和商業(yè)化競爭時，我們又能發(fā)現(xiàn)在AICoding大方向的共識O，從數(shù)據(jù)到認(rèn)知，再到行動等七個方向，都存在著巨大的非共識2非共識非共識01：AICoding的最佳產(chǎn)品形態(tài)是什么？——本地VS云端非共識02：AICoding產(chǎn)品選擇什么模型？——自研VS第三方非共識03：AICoding給用戶的價值有多大？——提效VS降效非共識04：AICoding產(chǎn)品理想付費(fèi)模式是什么？——固定VS按需非共識05：大企業(yè)推進(jìn)AICoding應(yīng)用的態(tài)度？——激進(jìn)VS漸進(jìn)非共識06：AICoding對組織發(fā)展的影響？——裁員VS擴(kuò)張非共識07：AICoding的未來市場格局是怎樣？——專業(yè)VS普惠如果說市場數(shù)據(jù)描繪了“正在發(fā)生ā么”，那么這些非共識，則將指向“為ā么會這樣”以及“未來將走向何?”，以及在“豐饒時代”的大共識O，還有哪些產(chǎn)品及技術(shù)方面的共識有待達(dá)成。對AICoding領(lǐng)域的全面調(diào)研微軟、谷歌、Meta、亞馬遜等頭部企業(yè)的調(diào)研數(shù)據(jù)Indeed招聘數(shù)據(jù)、GitHub年度開發(fā)者調(diào)研AICoding主要產(chǎn)品分析，包括Cursor、Replit、bolt.new、devin、windsurf、Github、Claudecode、V0、OpenAICodex、Lovable、Augment、Magic.dev、PoolsideAI、ReflectionAI相關(guān)產(chǎn)品工具創(chuàng)始人的近150個訪談AICoding行業(yè)全景概覽概覽01：AICoding在C端的滲透率僅次于寫作支~了準(zhǔn)確了解AI工具在消費(fèi)者群體中的實際應(yīng)用情況，知名風(fēng)險投資機(jī)構(gòu)MenloVentures與專業(yè)市場調(diào)研公司MorningConsult于2025年4月聯(lián)合開展了一項大規(guī)模調(diào)研。該調(diào)研針對5031名美國成年人，深入探討了消費(fèi)者在過去六個月中如何使用AI和其他工具完成特定活動，以及他們對這些技術(shù)的態(tài)度和接受在消費(fèi)者端，AI滲透率最高的活動中，編程位居第二，滲透率達(dá)到47%，也就是接近一半的受訪者已經(jīng)在日常生活或工作中的編程都已經(jīng)開始采用AI，廣泛接受度僅次于寫作支持。47%的滲透率表明AI編程工具跨越了早期采用者的邊界，進(jìn)入主流市場接受階段，反映的是產(chǎn)品易用性和實用價值的顯著提升。市場成熟度的指標(biāo)和用戶群體的擴(kuò)展，直接指向了行業(yè)的整體規(guī)模的爆發(fā)增長。概覽02：AICoding在B端是落地最快和影響力最大的AI應(yīng)用方向在企業(yè)內(nèi)部的AI用例和轉(zhuǎn)型采用上，通過對多個權(quán)威機(jī)構(gòu)調(diào)研數(shù)據(jù)的綜合分析，我們發(fā)現(xiàn)AICoding在企業(yè)級AI應(yīng)用中展現(xiàn)出了顯著的領(lǐng)先優(yōu)勢，不僅僅是落地最快、最佳實踐最多、影響力最大的行業(yè)方向，而且一直保持?jǐn)鄬邮筋I(lǐng)先的優(yōu)勢2這種領(lǐng)先地位得到了不同時間、不同樣本、不同調(diào)研機(jī)構(gòu)的一致驗證2MenloVentures在2024年9月，對美國600名擁有50名或以上員工的企業(yè)IT決策者?行的調(diào)查，數(shù)據(jù)顯?企業(yè)的AI落地51%都集中在代碼生成上，à超客服聊天機(jī)器人的31%的數(shù)據(jù)2TheBuilder?sPlaybook-2025StateofAIReportICONIQ作為硅谷的頭部成長期投資基金，2025年4月對300位軟件公司構(gòu)建人工智能產(chǎn)品的執(zhí)行高管?行了調(diào)查2最新數(shù)據(jù)顯?，編程輔助在企業(yè)落地中的普及度數(shù)據(jù)已經(jīng)達(dá)到了77%，影響力也以65%的比例斷層領(lǐng)先，呈現(xiàn)廣泛使用又效果顯著的特點，是當(dāng)前最成熟的AI企業(yè)落地方向2除了編程輔助之外，AI應(yīng)用普及度排名中，和編程相關(guān)的產(chǎn)品設(shè)計、QA測試和DevOps等AI?展也較為突出，幾乎都達(dá)到了超過40%?展，R&D部門已經(jīng)初步形成了完整的AI工作流，從設(shè)計→開發(fā)→測試→部署2概覽03：AICoding企業(yè)收入增長快，ARR記錄屢被刷新2022年6月GithubCopilot正式上線，3年時間內(nèi)AICoding領(lǐng)域出現(xiàn)了幾乎前所未有的增長率，屢破年5億美元打破歷史記錄4億美元年增長4倍6個月10倍增長Cursor從100萬到1億美元，用時12個月，打破了行業(yè)記錄，到2025年6月已突破5億美元。Bolt.new5個月內(nèi)突破了5000萬美元ARR，Lovable7個月內(nèi)達(dá)到7500萬美元ARR。Replit2025年6月宣布ARR突破1億美元，而2024年底時僅為1000萬美元，不到6個月內(nèi)實現(xiàn)了10倍增長。Vercel在5億美元打破歷史記錄4億美元年增長4倍6個月10倍增長7500萬美元7個月時間概覽04：AICoding領(lǐng)域獨角獸扎堆，估值高吸引投資者廣泛關(guān)注在消費(fèi)者和企業(yè)采用端的進(jìn)展，以及收入的突飛猛進(jìn)，?AICoding成為生成式AI浪潮最具商業(yè)價值和投資回報的賽道之一，出現(xiàn)融資熱潮2賽道中，B輪過億美元融資成標(biāo)配，獨角獸扎堆出現(xiàn)，出現(xiàn)成立僅O年的百億美元公司22025年6月，Cursor的母公司Anysphere完成了AI編程領(lǐng)域史P最大的單輪融資—9億美元C輪融資，估值高達(dá)99億美元2CognitionAI創(chuàng)Q了一個月內(nèi)估值從3.5億美元飆升到20億美元的記錄2融資狂飆目前還在繼續(xù)，7月17日，Lovable宣布完成2億美元融資，估值18億美元，超過此前的1億美元15億估值的融資預(yù)期2最近有報道稱Cursor正在接洽180億-200億美元的新一輪融資2Replit也正在洽談新一輪約2億美元融資，預(yù)計融資后估值將接近30億美元2截止到2025年7月今年行業(yè)還出現(xiàn)了兩起并購案例，分別是Windsurf和Base44。OpenAI、GoogleDeepMind、CognitionAI在Windsurf的收購中出現(xiàn)戲劇性的走向，最終Google以24億美元收購Windsurf部分高管并授權(quán)其技術(shù)，CognitionAI收購WindsurfIDE的完整所有權(quán)和剩余的Windsurf團(tuán)隊和技術(shù)資產(chǎn)2Base44作為一個僅有6個月歷史的產(chǎn)品，被Wix以8000萬美元收購，也在行業(yè)引發(fā)巨大?論2非共識01AICoding產(chǎn)品形態(tài)象限圖 0本地配置，隨時隨地 2打通云資源全棧開發(fā) 調(diào)試預(yù)覽分享協(xié)作絲滑云端AI開發(fā)產(chǎn)品，迎合VibeCoding，致力人人可用本地AI開發(fā)工具，貼近開發(fā)者、解放生產(chǎn)力 開發(fā)者最熟悉 2使用最靈活 不強(qiáng)依賴網(wǎng)絡(luò)和云服務(wù)派生(Fork)當(dāng)插件API約束了功能開發(fā)時，部分玩家選擇基于VSCode開源版本改造派生(Fork)當(dāng)插件API約束了功能開發(fā)時，部分玩家選擇基于VSCode開源版本改造，來實現(xiàn)更自定義的AI功能實現(xiàn)：CursorWindsurf插件(Extension)作~VSCode的補(bǔ)充，根植于其生態(tài)之上，提供AI功能：早期以代碼補(bǔ)全插件~主，如GitHubCopilot、Codium(Windsurf前身)現(xiàn)多支持Agent模式，如GitHubCopilotAgentMode、Cline等③③本地AI開發(fā)工具必須要本地安裝，使用本地資源和工具鏈等完成構(gòu)建、編譯、調(diào)試等工作，存在顯著的上手門檻類型02：命令行工具CLI，進(jìn)可攻退可守通用潛力股Claude當(dāng)前口碑最佳的CodingAgent兩核心負(fù)責(zé)人短暫被Cursor挖走又回歸Anthropic命令行工具共享終端環(huán)境的所有可能性，意味著可以讓AI模型自主決定查閱哪些資料、編輯哪些文件、執(zhí)行什么操作，已經(jīng)體現(xiàn)出一定通用性，如Anthropic團(tuán)隊就曾分享內(nèi)部各崗位都在用ClaudeCode協(xié)助工作：大廠開源跟進(jìn)：OpenAICodexCLI輕量開源復(fù)現(xiàn)GoogleGeminiCLI開源+免費(fèi)推廣，嘗試追趕類型03：VibeCoding產(chǎn)品，普通人說話做軟件可視化修改，實現(xiàn)相對精細(xì)的控制：趕上2025年初的這波“氛圍編程?熱潮，—眾云端開發(fā)產(chǎn)品紛紛上新AI功能，吸引普通用戶“說話?就能打造自己的產(chǎn)品，如：Lovable、Bolt.new、Replit等2迎合vibecoding，此類產(chǎn)品陸續(xù)推出了諸多適用普通用戶的特色功能：可視化修改，實現(xiàn)相對精細(xì)的控制：打通后端數(shù)據(jù)庫，實現(xiàn)全棧開發(fā)：③③此類產(chǎn)品同時也面臨難以勝任生產(chǎn)級系統(tǒng)、存在安全隱患等諸多質(zhì)疑類型04：異步CodingAgent，7×24的云端程序員此類產(chǎn)品更突出Agent解決實際開發(fā)任務(wù)的能力，相對更面向__業(yè)場景，同時云端異步的屬性讓其可以更絲滑、更自主地接入現(xiàn)有開發(fā)工作流，如：DevinbyCognitionCodexbyOpenAI這類異步CodingAgent常要面對已有中大型代碼倉庫，`要集成進(jìn)較~__業(yè)的開發(fā)工作流，因此往往需要更__業(yè)化的模型，比如OpenAICodex背后就是codex-1這款模型，基于OpenAIo3、面向開發(fā)場景精調(diào)而來2盡管產(chǎn)品形態(tài)不一，但功能交集漸密MCP生態(tài)支持：MCP成~事實標(biāo)準(zhǔn)，各類AICoding產(chǎn)品全面接入，以拓展工具、資源等，讓AI完成更多事2Agent模式必不可少：Cursor、GitHubCopilot等產(chǎn)品都走了對話/Chat→編輯/Edit→智能體/Agent模式的歷程Lovable、Replit等也從助理(Copilot/Assistant)模式全面切換至Agent模式隨著模型規(guī)劃能力持續(xù)提升，AICoding的自主化程度(Agenticness)會越來越?多平臺bot形態(tài)：Devin面世后不久就增添了Slack、Linear等集成，可以在團(tuán)隊原有工作流中召喚Devinbot指派任務(wù)Cursor、Codex、ClaudeCode等也在主體軟件外紛紛推出GitHub、Slack等平臺bot應(yīng)用，可針對需求或bug自主完成任務(wù)非共識02AICoding產(chǎn)品高度依賴模型能力多位AICoding創(chuàng)始人在訪談中都明確提到，Claude3.5Sonnet的出現(xiàn)，標(biāo)志著AI輔助編碼進(jìn)入了一個新的階段，它讓AICoding的潛力真正得以釋放，從"有趣的實驗"到"可計算的商業(yè)價值"，并成為__多AI編碼產(chǎn)品實現(xiàn)產(chǎn)品市場契合(PMF)的臨界點，也幾乎所有產(chǎn)品指數(shù)級增長的開始。ReplitCEO變革性的突破發(fā)生在6月24日，當(dāng)時Sonnet3.5發(fā)布了。Sonnet3.5有兩個重要特性：長NO文和連貫性。Cursor是靠Claude3.5Sonnet實現(xiàn)產(chǎn)品市場契合的。直到模型足夠好，對人們編程方式的愿景才真正落地。BoltCEOSonnet一N線，快速增長就立即開始了，是推動整個領(lǐng)域所有產(chǎn)品發(fā)品都在3.5發(fā)布后呈現(xiàn)指數(shù)級增長。WindsurfClaude3.5Sonnet的出現(xiàn)，讓W(xué)indsurf能夠“大幅度地更Agentic?,從而在市場N獲得了顯著份額。METR研究顯?在2個小時內(nèi)的編程任務(wù)中，Claude3.5Sonnet和o1-preview表現(xiàn)均優(yōu)于人類專家。AI編程速度能以超越人類10倍速度生成并測試各種方案。另外METR最新研究顯?，在過去6年中，通用前沿模型代理能夠以50%的可靠性自主完成的任務(wù)長度(以人類專業(yè)人員花費(fèi)的時間來衡量)大約每7個月翻一番。創(chuàng)業(yè)企業(yè)AICoding產(chǎn)品的模型選擇正是因為產(chǎn)品高度依賴于模型的進(jìn)展，如何設(shè)置自己的模型策略，對于AICoding公司，而言是極度重要的戰(zhàn)略選擇。深度自研模型的公司中，既有通用大模型ChatGPT、Claude、Gemini對于代碼的重度押注2也有以AGI和代碼模型~目標(biāo)及核心的Magic、Poolside2Anthropic，認(rèn)~編碼是AI能力最重要的先行指標(biāo)2Magic和Poolside的創(chuàng)始人的觀點是~了實現(xiàn)AGI或者全自動化開發(fā)，達(dá)到達(dá)到“99.9%?或更高的準(zhǔn)確率，不擁有自己的基礎(chǔ)模型是完全不合理的2典型的觀點是“軟件統(tǒng)治著s們世界的一切，并`軟件有效地支撐著現(xiàn)代社會，軟件是最重要的一個領(lǐng)域，甚至比通用目的更重要2?在自研模型的戰(zhàn)略中，?有一種選擇是用開源模型做__業(yè)化訓(xùn)練2Augment首席執(zhí)行官ScottDietzen表?他們對所用的開源模型進(jìn)行了大量的__業(yè)化訓(xùn)練，使其在從軟件中挖掘額外洞察力方面表現(xiàn)出色2Reflection.ai__注于進(jìn)行深度的“后訓(xùn)練?2自研模型+第三方模型CursorWinsurfReplit開源模型的專業(yè)化訓(xùn)練AugmentReflection.ai2121 43深度自研模型OpenAI、Claude、GeminiMagicPoolside第三方多元模型Lovable、Bolt.new、Vercel及v0CognitionGithub純粹地使用第三方多元模型的公司有Lovable、Bolt.new、Vercel及v0、Github等2代表性的觀點是目前的客戶需求在于“盡可能多和最好的智能?,而滿足à一需求，使用外部的前沿模型更~高效2也有從選擇使用第三方模型到自研投入混合策略，或者預(yù)計要自研投入的公司，代表性的是Cursor、Winsurf2Lovable也表?DeepSeek等開放權(quán)重模型“更容易進(jìn)行低級別控制并訓(xùn)練自己的模型?,“預(yù)計s們很快就會à樣做?2混合模型的另一種做法是replit，ReplitAgent主要使用的是來自Anthropic的Sonnet模型，內(nèi)部訓(xùn)練的ReplitGhostwriter模型參數(shù)量~30億，主要用于自動補(bǔ)全的產(chǎn)品2Cursor的聯(lián)合創(chuàng)始人AmanSanger對于混合策略的看法是，雖然在產(chǎn)品初期未預(yù)料到需要自研模型，但隨著團(tuán)隊規(guī)模擴(kuò)大、__業(yè)知識積累和數(shù)據(jù)量的增長，自建模型變得越來越有影響力2“現(xiàn)在Cursor的每一個魔力時刻都以某種方式涉及定制模型，主要用于對低延遲和低r本有嚴(yán)格要求的場景，以及那些預(yù)訓(xùn)練模型可能無法覆蓋的、擁有大量獨特數(shù)據(jù)的領(lǐng)域?2頭部大廠AICoding產(chǎn)品的模型選擇同樣的模型策略選擇差異，也出現(xiàn)在科技巨頭的AICoding產(chǎn)品P，路線包括自有模型、自有+第O方模型的混合模式、及完全的第O方模型2但是無論目前的模型策略選擇如何，科技巨頭的偏向還是從模型到產(chǎn)品的閉環(huán)。Meta從OpenAI、Anthropic、Google挖來頂尖人才組建了“Meta超級智能實驗室?(MSL)，媒體報道稱蘋果在內(nèi)部討論收購AI獨角獸公司Perplexity和另一家基礎(chǔ)模型公司Mistral2基于Gemini的"Goose"基于Gemini的"Goose"模型，專門針對谷歌內(nèi)部的工程知識和代碼庫進(jìn)行了優(yōu)化2Salesforce基于專有大語言模型，專門針對代碼生成優(yōu)化MetaDevmateAI整合Claude等第O方模型，用于復(fù)雜任務(wù)2騰訊Codebuddy混合自有模型和Deepseek亞馬遜QDeveloper可以選擇自有Titan系列模型和多家第O方模MetaMetamate基于自有模型，處理簡單任務(wù)2與與Anthropic合作開發(fā)基于Claude的內(nèi)部AI編程平臺微軟GitHubCopilot一直使用外部模型，但是從單一依賴OpenAI轉(zhuǎn)向多模型支持策略2AICoding產(chǎn)品的模型選擇綜合排序在選擇第三方模型的時候，Anthropic的Sonnet模型普遍被選為最佳，認(rèn)為其在速度、代碼編輯能力、代碼處理量、長上下文和編碼能力方面“總體最佳?2多模型策略成為行業(yè)的一個普遍走向。如何更好地落地多模型策略，也有利用“智能路由?來決定使用哪個模型，或者生成、調(diào)試、Agent與代碼補(bǔ)全等不同環(huán)節(jié)或者不同產(chǎn)品使用不同模型的策略差異2AnthropicSonnetOpenAIGoogleGeminiDeepSeekVercel主要使用OpenAI、Gemini和ClaudeVercel主要使用OpenAI、Gemini和Claude等模型2所有的評估中Llama的質(zhì)量還不夠好，Gemini發(fā)展得極其迅速，也關(guān)注Mistral，盡管目前尚未深度使用2Lovable使用所有OpenAI模型、GoogleGemini，以及Claude模型作為編寫代碼能路由?來決定使用哪個模ReplitAgent主要使用的是Sonnet模型，它是“最擅長編碼的模型?2此外，Replit也使用OpenAI的模型，因為其架構(gòu)是“多智能體系統(tǒng)?,不同的模型具有不同的能力2Cursor主要使用Sonnet模型，部分團(tuán)隊成員也偏好GPT-4o(o3)或o1用于推理密集型任務(wù)，以及DeepSeek的其知識淵博、智能且運(yùn)行成本低，已被Cursor用于自己的推理服務(wù)達(dá)8到12個月2Bolt.new基于現(xiàn)有領(lǐng)先的AI模型，特別是Sonnet系列模型，構(gòu)建Agent2在調(diào)試方面，Bolt也采用了Gemini模型來增強(qiáng)推理能力2目前已支持多模型，盡管用戶對此并不知情2非共識03九成開發(fā)者使用AICoding，近六成用戶從2024年開始，從第O方機(jī)構(gòu)到產(chǎn)業(yè)鏈PQ游都對開發(fā)者群體的AICoding狀態(tài)和效果進(jìn)行了調(diào)研2StackOverflow2024年7月發(fā)布的開發(fā)者調(diào)查收集了來自185個國家超過65,000名技術(shù)人員的見解，76%的受訪者表?今年已在開發(fā)流程中使用或計劃使用AI工具22025年5月，Jellyfish對645名來自不同工程崗位(包括個人貢獻(xiàn)者、經(jīng)理和高管)的全職專業(yè)人士進(jìn)行了調(diào)查2受訪者來自各種規(guī)模的組織，小至不足10人的小型團(tuán)隊，大至擁有500多名工程師的大型企業(yè)2調(diào)查顯?目前有90%的工程團(tuán)隊已在工作流程中集成并使用AI編碼工具，大約48%的受訪者表?他們正在使用兩種或更多AI編碼工具2QODO.ai也在2025年對609名來自不同規(guī)模企業(yè)和地區(qū)的開發(fā)者進(jìn)行了調(diào)查，顯?59.8%的開發(fā)者每天使用AI編程產(chǎn)品，AI生成或顯著影響的代碼比例超過40%2StackOverflow2024年的調(diào)研數(shù)據(jù)中，頂尖組織的開發(fā)者日常/每周的AI使用率比例才達(dá)到60-70%，一年時間內(nèi)這個數(shù)據(jù)成為了行業(yè)平均水平290%進(jìn)入工作流90%的開發(fā)者已在工作流程中集成并使用AI編碼工具(Jellyfish)59.8%每天使用AI編程工具(QODO.ai)AI生成或顯著影響由AI生成或者顯著影響的代碼比例超過40%(QODO.ai)提效Perplexity提效PerplexityCEOSrinivas：工程原型開發(fā)時間已從“O到四天縮短到僅僅一小時?2吳恩達(dá)：寫生產(chǎn)級代碼時，用AI助手可能能提升30%到50%的效率2寫原型驗證代碼時，效率提升完全不是50%，而是至微軟CEOSatyaNadella：在Python項目中AI生成代碼的效果最為突出，C++等底層語言則相對較弱2疑Gartner認(rèn)為評估AICoding價值的時候，水面P的"顯性價值"是節(jié)省時間、編碼更快和降低成本2在水Q包含了更深層的系統(tǒng)性影響:開發(fā)者體驗層面，提升開發(fā)者體驗、保持心流狀態(tài)、提高開發(fā)者留存;產(chǎn)品質(zhì)量層面，提升代碼質(zhì)量和可維護(hù)性，減少bug和技術(shù)債務(wù);業(yè)務(wù)影響層面，改善客戶體驗，更快產(chǎn)品P市2但是關(guān)于AICoding對于專業(yè)開發(fā)者是提效還是降效，無論是從行業(yè)領(lǐng)袖的觀點，還是數(shù)據(jù)統(tǒng)計，都存在巨大的沖突和非共識2降效GitHubCEOThomasDohmke：AI工具可能會降低經(jīng)驗豐富的工程師的工作效率2將編碼知識轉(zhuǎn)化為自然語言指令可能比直接編碼耗時更長2OpenAI聯(lián)合創(chuàng)始人GregBrockman:人類將只剩Q“編碼中不那么有趣的部分?2與創(chuàng)造性編碼相比，代碼審查和部署任務(wù)“?點也不好玩?大公司采用評估提效10%-30%，節(jié)省開發(fā)工作量工程速度谷歌CEOSundarPichai：AI的使用使工程速度(即特定時間段內(nèi)完成的軟件工作量)估計提高30%30%接受率微軟CEOSatyaNadella：AI代碼接?率目前在30%到40%之間，還在不斷P升。30%30%生產(chǎn)力提升Salesforce首席執(zhí)行官M(fèi)arcBenioff：AI帶來了30%生產(chǎn)力提升。CodeGenie讓內(nèi)部開發(fā)者平均每周節(jié)省125分鐘。33%33%代碼更改建議谷歌CEOSundarPichai：開發(fā)者在每O次代碼更改中，就有一次是接?了AI的建議。25%代碼審查多鄰國反饋，提升了25%的效率，尤其是生成樣板代碼。代碼審查平均周轉(zhuǎn)時間Q降67%。埃森哲拉×請求(PR)數(shù)量增長8.69%，PR合并率提升15%，成功構(gòu)建率增加84%個人開發(fā)者報告提效明顯，但代碼質(zhì)量提升有限作為目前市場占有率排名第一的GithubCopilot，GithubCopilotUsageDataStatistics(2025)對2025年Copilot用戶的使用情況調(diào)查，不僅調(diào)查了時間、速度和成本的顯性價值，也對隱形價值的開發(fā)者體驗、產(chǎn)品質(zhì)量、業(yè)務(wù)影響進(jìn)行了統(tǒng)計，統(tǒng)計的結(jié)果全方位支持了AICoding產(chǎn)品的顯性和隱性價值提升246%46%代碼生成平均46%的用戶代碼由Copilot生成60%60%滿意度60%至75%的用戶表?Copilot讓他們對工作更滿意，減少挫敗感55%完成速度Copilot的開發(fā)者完成任務(wù)速度快了55%2保持心流狀態(tài)73%的開發(fā)者反饋使用Copilot時能夠更長時間地保持“專注?或心流狀77%代碼審查代碼審查速度提升了15%，近70%的審查意見被采納74%74%更高價值任務(wù)能夠?qū)⒕闹貜?fù)性工作轉(zhuǎn)移到創(chuàng)造性任務(wù)88%88%代碼保留Copilot生成的代碼中有88%字符會被保留在最終版本中質(zhì)量和批準(zhǔn)率Githut2024年調(diào)研顯5%，可讀性提升3.62%，可靠性提升2.94%部分研究顯?開發(fā)者提效體感有誤，甚至有降效可能2025年春季進(jìn)行的METR實驗，從各大開源項目中招募了16名開發(fā)者，針對246項任務(wù)，在真實工作環(huán)境下進(jìn)行了貨真價實的隨機(jī)對照試驗2生產(chǎn)力反而O降了19%。甚至連研究參與者們自己也感到驚訝：在體感N，他們認(rèn)為AI讓自己的生產(chǎn)力提高了24%22024年11月發(fā)布的DORA報告也給到了類似的結(jié)論，近3000名技術(shù)和相關(guān)崗位的__業(yè)人士參與，大多數(shù)參與者擁有10-25年的工作經(jīng)驗2這項調(diào)查也發(fā)現(xiàn)開發(fā)者自我報告的時間節(jié)省與PR吞吐量指標(biāo)之間存在脫節(jié)275%的受訪者表?，在過去三個月中，使用AI工具后他們的生產(chǎn)力得到了提升，但交付指標(biāo)卻呈現(xiàn)出負(fù)面趨勢，并`開發(fā)者調(diào)研稱自己有價值時間的明顯減少2METR實驗對于時間，也有更加詳細(xì)的統(tǒng)計2主動編程、閱讀與搜索的時間都有下降2但是審查AI輸出、與AI進(jìn)行提?和交互、等待AI模型的響應(yīng)的時間成~新增時間投入224%主動編程從37%降至24%，編程時間減少35%28%與AI交互新增了8%的時間用于與AI進(jìn)行提?和交互2閱讀與搜索從24%降至17%，信息搜索時間減少30%2審查AI輸出新增了9%的時間用于審查AI生成內(nèi)容24%等待AI響應(yīng)新增了4%的時間用于等待AI模型的響應(yīng)2部分開發(fā)者報告AICoding降低了代碼質(zhì)量，對開發(fā)有負(fù)面影響來自于DORA、StackOverflow和QODO.ai的開發(fā)者調(diào)研，對于軟件交付績效、準(zhǔn)確性、復(fù)雜任務(wù)和代碼質(zhì)量的負(fù)面影響或者爭議進(jìn)行了支持2DORA2024年調(diào)查數(shù)據(jù)顯?，AI采用可能對軟件交付性能產(chǎn)生負(fù)面影響2隨著AI采用率的增加，交付吞吐量估計O降了1.5%，交付穩(wěn)定性估計減少了7.2%2StackOverflow2024年的調(diào)查中，43%受訪者對AI準(zhǔn)確性感到滿意，31%持`疑a度2同時，開發(fā)者對于AICoding的擔(dān)憂，主要集中在信息誤導(dǎo)、數(shù)據(jù)歸屬和算法偏見以及復(fù)雜任務(wù)處理N2近半數(shù)(45%)的專業(yè)開發(fā)者認(rèn)~AI工具在處理復(fù)雜任務(wù)方面表現(xiàn)糟糕或非常糟糕2QODO.ai的2025開發(fā)者調(diào)查報告數(shù)據(jù)顯?，21.4%的開發(fā)者認(rèn)~AI降低了代碼質(zhì)量，其中10.7%選擇了顯著O降279%的開發(fā)者擔(dān)心AI有傳播虛假信息的潛力2數(shù)據(jù)歸屬65%的開發(fā)者對數(shù)據(jù)來源的正確歸屬表?擔(dān)憂2from：DORA2024年數(shù)據(jù)來源：StackOverflow2024年算法偏見50%的開發(fā)者擔(dān)心AI輸出中可能存在的偏見會扭曲視角2復(fù)雜任務(wù)處理45%的開發(fā)者認(rèn)~AI工具在處理復(fù)雜的編程任務(wù)時力不從心2數(shù)據(jù)來源：StackOverflow2024年非共識04AICoding的四種付費(fèi)模式基礎(chǔ)的付費(fèi)價格設(shè)置，行業(yè)存在高度共識，20美元是大部分AICoding產(chǎn)品的主要起步價格，也是市場對于AI產(chǎn)品的主流心理價位2最激進(jìn)的Devin，2025年4月也將500美元的起始價格，大幅下調(diào)至每月20美元起2主打企業(yè)級市場的Augment也只是將起步價格定為了50美金2消息交互計費(fèi)基于用戶消息的交互計費(fèi)，一條消息=一次計代表產(chǎn)品：消息交互計費(fèi)基于用戶消息的交互計費(fèi)，一條消息=一次計代表產(chǎn)品：AugmentCode、Lovable.dev按需付費(fèi)按照實際Token/任務(wù)/資源/時長計費(fèi)，按照任務(wù)復(fù)雜度進(jìn)行收費(fèi)2代表產(chǎn)品：Devin、ReplitAgent、OpenAICodex訂閱制固定月費(fèi)按月∕年支付固定費(fèi)用，獲得大部分功能與額度，超額單獨計費(fèi)2代表產(chǎn)品：GitHubCopilot、Cursor、ReplitCore、ClaudeCode基于Token/Credit計費(fèi)預(yù)先購買一定數(shù)量的Token/Credit，使用即扣減，額度用盡可續(xù)購2代表產(chǎn)品：Bolt.new、Windsurf、V0、Magic.dev由于API費(fèi)用"不可控"，訂閱制付費(fèi)模式受挑戰(zhàn)硅谷—線投資機(jī)構(gòu)ICONIQ，2025年4月對300位軟件公司構(gòu)建人工智能產(chǎn)品的執(zhí)行高管進(jìn)行了調(diào)查，數(shù)據(jù)顯?，70%公司面臨API費(fèi)用控制難題2傳統(tǒng)SaaS的固定訂閱模式在面對AI的高變動成本時出現(xiàn)了結(jié)構(gòu)性問題，這種API費(fèi)用的"不可控性"正在重塑整個AI行業(yè)的商業(yè)邏輯2傳統(tǒng)SaaS可以隨著用戶增長和產(chǎn)品成熟，實現(xiàn)低邊際成本+規(guī)模效應(yīng)+高利潤率2但AI產(chǎn)品面臨成本隨使用量線性增長、價值難以量化，以及容易出現(xiàn)“重度用戶虧損，輕度用戶流失”的特征2數(shù)據(jù)顯?，37%AI公司正在探索按照ROI導(dǎo)向定價和混合訂閱+按量付費(fèi)模式的新付費(fèi)模式，計劃對付費(fèi)模式進(jìn)調(diào)整2混合模式已經(jīng)超過了訂閱/席位制成為了最主流的AI產(chǎn)品定價模式這個挑戰(zhàn)和變化同樣發(fā)生在AICoding行業(yè)，而且AICoding相比其他AI領(lǐng)域更加復(fù)雜，整體行業(yè)呈現(xiàn)重度用戶多、使用頻率高、Token消耗大、成本波動大的特點2在AICoding產(chǎn)品定價上，可以看到多種付費(fèi)模式的交織和融合，今年多個產(chǎn)品的付費(fèi)模式變動背后的風(fēng)波，也是整個AI行業(yè)的預(yù)演。量?2來?費(fèi)2差異化的免費(fèi)服務(wù)和不同維度的Agent計費(fèi)模式Bolt.new、Lovable.dev等，都是給予免費(fèi)用戶同等權(quán)利，但是在token和Credit或者消息條數(shù)N進(jìn)行隱私性區(qū)別AugmentBolt.new、Lovable.dev等，都是給予免費(fèi)用戶同等權(quán)利，但是在token和Credit或者消息條數(shù)N進(jìn)行隱私性區(qū)別AugmentCode，明確指出免費(fèi)版會用于AI訓(xùn)練，但付費(fèi)版不會2專業(yè)版試用+功能限制以cursor~代表，提供一定限制模型、功能等2另外Agent?費(fèi)已不再是簡單的“token×模型單價?,更應(yīng)考慮“任務(wù)復(fù)雜度?、“執(zhí)行時長?、“流程環(huán)節(jié)?多維度成本，所以在Agent的收費(fèi)模式的設(shè)?N，也存在著不同的策略2 Agent和Chat同樣的?費(fèi)模式，是目前的主流2 2統(tǒng)一但非同等計費(fèi)模式Lovable在消息交互扣費(fèi)的統(tǒng)一標(biāo)準(zhǔn)O選擇模式，原有的Chat模式是每發(fā)送一次AI消息或編輯請AgentMode率先引入“復(fù)雜度定價?,小改動比1credit便宜，大型重構(gòu)強(qiáng)調(diào)“更貼合真實工作 3單獨付費(fèi)體系Replit給ReplitCore和ReplitAgent設(shè)?了不同付費(fèi)模式2ReplitCore采用標(biāo)準(zhǔn)固定?閱模式，享受固定費(fèi)用O的完整開發(fā)環(huán)境，包括?算資源、存儲空間和協(xié)作功能2ReplitAgent采用了"基于工作量"(Effort-Based)定價模式，根據(jù)AI執(zhí)行任務(wù)的實際復(fù)雜度和工作量位成本2訂閱+按需的混合模式成為主流，計費(fèi)單元抽象化隨著AI模型的使用量化(如Token、信用點、用戶消息、ACU等)，混合按量付費(fèi)的訂閱制模式變得越來越常見2哪怕是最傳統(tǒng)的訂閱制，也變更成訂閱套餐包含基礎(chǔ)額度，超出部分按量計費(fèi)2基于token/credit或者基于消息交互的預(yù)購消耗模式已經(jīng)逐漸成為AICoding的主流，同時也有按需付費(fèi)的探Cursor、ClaudeCode、GitHubCopilot都在2025年5月和6月，都對付費(fèi)模式進(jìn)行了調(diào)整2變動最大且用戶反彈最大的調(diào)整，來自于Cursor，Cursor宣布于6月16日從固定請求限制轉(zhuǎn)向$20算力池模式2ClaudeCode則是靜默收緊，重度用戶遭遇嚴(yán)格的使用限制2GitHub選擇漸進(jìn)調(diào)整，通過引入PremiumRequest，AgentMode/CodeReview等高級調(diào)用走PremiumBucket計費(fèi)，用盡后進(jìn)行加購2Cursor新模式(自6月16日)收費(fèi)基礎(chǔ)500次“FastRequests?+無限“SlowRequests?$20/月算力池(按API費(fèi)率扣費(fèi))，Auto模式無限制；推出$200Ultra(≈10,000Fast)超額處理Fast請求達(dá)限停止超出$20后按API單價計費(fèi)；Auto切換仍不限使用另外計費(fèi)的基礎(chǔ)單元走向抽象化，也是當(dāng)前AICoding產(chǎn)品的共同走向。早期的AICoding產(chǎn)品常以模型的調(diào)用次數(shù)作為付費(fèi)基元，Bolt.new、Devin、lovable等產(chǎn)品，都開始用自定義的token、credit、checkpoint、ACU(AgentComputeUnit)等計費(fèi)基元2目的是讓開發(fā)者易預(yù)算，也防止直接暴露模型單非共識05從30%-90%，企業(yè)內(nèi)部AI代碼占比將持續(xù)提升30%30%SatyaNadella稱微軟代碼庫30%由AI編寫，約20%-30%的項目代碼很可能完全由AI自動編30%30%SundarPichai2025年Q1財報電話會議P表?：谷歌超過30%的新代碼由AI生成，6個月提升了5%。50%50%MetaMarkZuckerberg預(yù)測：2026年AI將承擔(dān)50%的編程工作。AI將成~開發(fā)的主力，未來開發(fā)者角色會發(fā)生根本性變化。90%90%AnthropicDarioAmodei2025年3月做出了最激進(jìn)的預(yù)測："我認(rèn)~我們將在O到六個月內(nèi)達(dá)到AI編寫90%代碼的狀態(tài)。在12個月內(nèi)，我們可能會處于AI編寫基本上所有代碼的世界中。從強(qiáng)制使用到進(jìn)入績效，激進(jìn)公司加快推動落地強(qiáng)制使用AIPerplexity已“強(qiáng)制要求?所有員工至少使用一種AI編碼工具，通常是Cursor或GitHubCopilot，或兩者的結(jié)合2人員縮減但產(chǎn)出不變亞馬遜目前已經(jīng)要求在人員縮減和交付周期加快的情況O，保持相同的代碼產(chǎn)出量，迫使程序員不得不依賴AI生成代碼來維持生進(jìn)入員工績效評估MicrosoftDeveloperDivision部分團(tuán)隊已在2025年中在年度績效回顧中考量員工AI工具實際使用情況，O一周期將整體正式納入公司績效評估體系2微軟之外，也有多家公司選擇同樣的做法：Shopify直接把會不會用AI寫進(jìn)績效考核，多鄰國計劃將AI應(yīng)用能力納入招聘考核，并將AI使用效能計入績效評估，阿里巴巴所有部門已被告知，2025年的績效將通過如何利用AI促進(jìn)增長來評估22025年5月，Jellyfish對來自各種規(guī)模的組織645名來自不同工程崗位的全職專業(yè)人士進(jìn)行了調(diào)查，調(diào)查數(shù)據(jù)顯?在公司態(tài)度、授權(quán)、安全審查和正式使用政策N也存在一定的差距249.4%自下而上的試驗49.4%的公司鼓勵開發(fā)者主動嘗試AI工具自上而下的授權(quán)41.7%的組織~首選工具提供企業(yè)級授權(quán)22.5%正式使用政策22.5%的公司已發(fā)布針對AI編碼工具的正式使用政策大企業(yè)也在積極推進(jìn)非開發(fā)部門的AICoding應(yīng)用Jellyfish的調(diào)研報告也揭?了一個新的趨勢，那就是目前已經(jīng)有52.3%的非工程部門成員利用AI進(jìn)行實驗、原型設(shè)計或編寫代碼2DevOps研究與評估(DORA)報告也建議，最大的生產(chǎn)力提升來自于將非用戶轉(zhuǎn)化為周期性用戶，而不是提高現(xiàn)有用戶的使用頻率252.3%52.3%非工程師的AI非工程師的AI使用情況利用AI進(jìn)行實驗、原型設(shè)計或編寫代碼支持非工程師使用AI編程工具的工程師比例企業(yè)內(nèi)部推廣與文化融合領(lǐng)先的AICoding公司積極鼓勵甚至強(qiáng)制非開發(fā)部門使用AI工具，將其融入企業(yè)文化和工作流程，實現(xiàn)"狗糧式企業(yè)內(nèi)部推廣與文化融合領(lǐng)先的AICoding公司積極鼓勵甚至強(qiáng)制非開發(fā)部門使用AI工具，將其融入企業(yè)文化和工作流程，實現(xiàn)"狗糧式"開發(fā)并推ú全員AI化2Anthropic：鼓勵非技術(shù)部門試用ClaudeCode，秉持“狗糧式?開發(fā)理念，讓所有員工體驗AI能力2Bolt.new也高度鼓勵非技術(shù)背景團(tuán)隊參與AI編碼2GitHub：Copilot和AI工具的使用已成為企業(yè)文化的一部分，并在有意義的地方強(qiáng)制推行，與Git和GitHub的普及程度相當(dāng)2賦能非技術(shù)人員自主構(gòu)建AICoding工具使非技術(shù)背景的員工能夠快速構(gòu)建實用工具和應(yīng)用程序，極大地提升了團(tuán)隊的靈活性和效率2Replit：人力資源部門員工三天內(nèi)構(gòu)建了比SaaS更好的組織結(jié)構(gòu)圖工具；沒有技術(shù)背景的員工在一周內(nèi)搭建了數(shù)據(jù)管理儀表v0：銷售工程副總裁利用v0創(chuàng)建工具幫?客戶理解產(chǎn)品，銷售團(tuán)隊通過實時協(xié)作縮短銷售周期，基礎(chǔ)設(shè)施工程師利用v0創(chuàng)建精美可視化效果2基于安全考慮和模型能力，大企業(yè)對是否使用外部工具有不同策略出于安全性、競爭以及行業(yè)趨勢等視角，頭部公司打造自己的AICoding產(chǎn)品已經(jīng)成為了普遍的做法，也都選擇基于自己公司的代碼庫對模型進(jìn)行微調(diào)2但是關(guān)于模型的選擇、是否允許使用外部AI編程產(chǎn)品存在眾多非共識并且動態(tài)調(diào)整2Meta和Amazon都是一個典型的員工推動的策略改變2在亞馬遜的員工投票中，Cursor遠(yuǎn)超其他編程軟件2Meta的Metamate在使用中能力不足，迫使Meta推出新的產(chǎn)品，分別處理簡單任務(wù)和復(fù)雜任務(wù)2自有+第三方產(chǎn)品第三方模型外部產(chǎn)品外部產(chǎn)品是否允許使用外部AI編程工具微軟允許員工使用符合特定安全要求的外部AI工具，目前員工可以使用編程助手Replit。亞馬遜正在考慮部署Cursor的AI工具，但需要解決"幾個高優(yōu)先級的安全問題"。頭部領(lǐng)先大公司之外，Jellyfish2025年5月的調(diào)查數(shù)據(jù)顯?，35.6%的公司在允許使用AI編碼工具之前會進(jìn)行信息安全審查，在安全和能力的選擇中，可以看到另一種值得關(guān)注的狀態(tài)是安全措施和意識的缺非共識06軟件開發(fā)崗位需求銳減，初級和高級工程師需求分化初級工程師崗位20%40%高級工程師根據(jù)Indeed數(shù)據(jù)，自2022年達(dá)到峰值以來，軟件開發(fā)崗位的招聘需求呈現(xiàn)斷崖式O跌。當(dāng)前，軟件開發(fā)崗位的發(fā)布數(shù)量僅為2020年1月水平的65%，這意味著相比疫情前減少了35%。相較于2022年中期的歷史高點，職位空缺數(shù)量銳減了3.5倍；而與去年同期相比，招聘信息量也O降了8%。根據(jù)CompTIA的調(diào)查，自2023年1月以來，面向初級軟件工程師的空缺職位比例從近30%下降到略高于20%。與此同時，要求七年或以N經(jīng)驗的職位發(fā)布量增加，占開放職位的近40%，高于之前的30%多一提效背景下的裁員浪潮，也在孕育新可能AmazonCEO-隨著AI廣泛應(yīng)用，公司整體員工數(shù)量將會減為適應(yīng)未來工作模式，預(yù)計將導(dǎo)致更多的裁員和工作方式的根本轉(zhuǎn)變2StackOverflowCEO-AI直接削減了我們的人力需求和組織規(guī)模2我們在2024-2025年裁掉了近30%工程與支持團(tuán)隊2Salesforce在2025年進(jìn)行了大規(guī)模裁員，目的是為AI計劃騰出資源和預(yù)算空間2導(dǎo)致裁員增加雇傭高級工程師新的崗位導(dǎo)致裁員增加雇傭增加雇傭GitHubCEO-AI讓大部分代碼實現(xiàn)自動化，企業(yè)用同樣的錢，可以雇傭更多懂AI協(xié)作的人，把新想法更快變成產(chǎn)品2NetlifyCEO-企業(yè)現(xiàn)在可以用更少的資金雇傭更多程序員，從而著手處理那些以前因成本過高而無法啟動的軟件項目2TabNine創(chuàng)始人-同一預(yù)算下，你不需要砍團(tuán)隊，而是能雇傭更多執(zhí)行力強(qiáng)、愿意學(xué)習(xí)AI工具的人2傳統(tǒng)模式過去企業(yè)面臨的選擇：要么購買昂貴的SaaS產(chǎn)品，要么投入巨資聘請熟練的開發(fā)人員來構(gòu)建定制化軟件2新經(jīng)濟(jì)模式成本構(gòu)成隨之改變，企業(yè)現(xiàn)在可以用更少的資金雇傭更多程序員，從而著手處理那些以前因成本過高而無法啟動的軟件項目2團(tuán)隊精簡、生產(chǎn)提效與人才重構(gòu)的變化趨勢人才結(jié)構(gòu)重塑與招聘新標(biāo)準(zhǔn)生產(chǎn)力實現(xiàn)指數(shù)級飛躍Kevin人才結(jié)構(gòu)重塑與招聘新標(biāo)準(zhǔn)生產(chǎn)力實現(xiàn)指數(shù)級飛躍KevinScott(微軟CTO):預(yù)測未來五年內(nèi)，95%的代碼將由AI程師」組成的團(tuán)隊，借助AI工具，就能完成過去需要Γ100名工程師」才能完成的工作2GarryTan(YCombinatorCEO):預(yù)計AI輔助編程將幫助完成過去Γ100名工程EricSteinberger(Magic):預(yù)期技術(shù)能使開發(fā)者生產(chǎn)力實現(xiàn)Γ超越2倍的提升」，并認(rèn)~Γ第一次AI效率翻倍應(yīng)Lovable:最初僅由少12人從事代碼編Lovable:最初僅由少12人從事代碼編寫)，在極短時間內(nèi)實現(xiàn)驚人增長2Verce:v0團(tuán)隊僅有卻能實現(xiàn)驚人的增長和Bolt:團(tuán)隊規(guī)模約Γ20Cursor:團(tuán)隊從2023年初的Γ30人」增長到2024年中的Γ接近和影響力而言仍是“?型的?,體現(xiàn)“精益求精?和“產(chǎn)品驅(qū)動?2Bolt:高度鼓勵非技術(shù)背景的團(tuán)隊成員和用戶參與AI編碼2Cursor:公司內(nèi)部擁有“高比例的工程、研究和設(shè)計人才?,總?cè)藬?shù)更少但工程師密度高2Poolside:團(tuán)隊規(guī)?！俺^一百人?,主要成員分布在“應(yīng)用研究?領(lǐng)域，并擁有一支規(guī)模“可觀的市場推廣團(tuán)隊?2個人開發(fā)者和10人以下團(tuán)隊，正在成為創(chuàng)新主力24%YCombinator2025年數(shù)據(jù)顯?，孵化項目中24%初創(chuàng)企業(yè)，95%代碼由AI生成。團(tuán)隊平均規(guī)模3.2人，實現(xiàn)年均300萬美元營收。70%GartnerGartner預(yù)測，到2027年70%的軟件創(chuàng)新將源自10人以下團(tuán)隊HuggingFaceHuggingFace社區(qū)數(shù)據(jù)顯?，2025年個人開發(fā)者貢獻(xiàn)的AI模型占比達(dá)63%83%GitHub2025年全球個人開發(fā)者倉庫數(shù)量同比增長217%。其中83%的項目使用AI輔助編程工具。1000萬ARR規(guī)則被改寫：從最快3年到15人2個月實現(xiàn)。ARR達(dá)1000萬美元是一個標(biāo)志，代表公司已經(jīng)擁有了可重復(fù)的客戶獲取機(jī)制，可靠且高效地獲取客戶，并確保成功。但是在這輪AICoding公司和上一任SaaS公司之間產(chǎn)生了巨大的不同。產(chǎn)品自增長、社區(qū)傳播、零營銷預(yù)算的AI原生團(tuán)隊顯現(xiàn)Cursor的打法極具AI時代特色：極致產(chǎn)品自增長、低價高頻、社區(qū)驅(qū)動，依靠開發(fā)者口碑和網(wǎng)絡(luò)效應(yīng)，短時間內(nèi)實現(xiàn)爆發(fā)式增長2代表AI時代“產(chǎn)品力+社區(qū)自增長?的新范式2.團(tuán)隊變化-極致人效：實現(xiàn)1億收入時，僅有20位員工，每位員工產(chǎn)生500萬ARR2.組織變化-無傳統(tǒng)部門：幾乎全員為工程師或AI研究員2無傳統(tǒng)銷售、市場、HR部門，2025年才開始補(bǔ)充更多產(chǎn)品、運(yùn)營和支持崗位，支撐更大規(guī)模的用戶和企業(yè)客戶需求2.銷售模式變化-社區(qū)即銷售：零營銷投入，完全依賴開發(fā)者社區(qū)口碑和產(chǎn)品自傳播.客戶變化-大規(guī)模個人開發(fā)者客戶：收入由36萬名個人開發(fā)者貢獻(xiàn)2從個人開發(fā)者向企業(yè)客戶自然擴(kuò)展.收入模式變化-低價高頻：ACV僅$276，遠(yuǎn)低于其他SaaS企公司團(tuán)隊人數(shù)人效客戶數(shù)ACV(平均合同金額)公司團(tuán)隊人數(shù)人效客戶數(shù)ACV(平均合同金額)客戶結(jié)構(gòu)收入驅(qū)動邏輯海量開發(fā)者自然轉(zhuǎn)化聚焦大型企業(yè)安全需求服務(wù)跨國人力資源覆蓋廣泛中小企業(yè)向CursorAICodinCursorAICoding企業(yè)級Wiz480人Wiz20個?20個?24個?全球化Deel2000?企業(yè)支企業(yè)支Ramp約500Ramp?500萬約20萬約5萬20萬36萬26018005000個人開發(fā)個人開發(fā)者~主大型企業(yè)客戶中大型企業(yè)客戶$27638.4萬美元5.5萬美元中小企業(yè)中小企業(yè)2萬美元非共識07AI會改變什么？傳統(tǒng)意義上的編程，往往意味著在集成開發(fā)環(huán)境(IDE)中逐行編寫、調(diào)試和維護(hù)特定編程語言的語法2然而，AI的介入正在模糊這一界限2代碼將不再等同于編程本身，而編程正以前所未有的速度邁向高度抽象化，其中自然語言正成為新的編程范式。源代碼本身將成為一種“產(chǎn)物?,而不再是最重要的交互單位，意圖將成為新的核心，這種轉(zhuǎn)變的深層原因在于，AI模型在生成可運(yùn)行、甚至美觀的代碼方面，其可靠性已經(jīng)邁過了邊界2這使得開發(fā)者能夠跳過大量繁瑣的實現(xiàn)細(xì)節(jié)，將重心從低層級的語法實現(xiàn)，提升到更高層級的“意圖表達(dá)?和“問題分解?2軟件1.0傳統(tǒng)的編程方式，您為計算悉的GitHub上的代碼庫，所有這些都是已編寫的計算機(jī)執(zhí)行數(shù)字任務(wù)的指令2軟件2.0基本上是神經(jīng)網(wǎng)絡(luò)，特別是接編寫這些代碼，更多的是調(diào)整數(shù)據(jù)集，然后運(yùn)行優(yōu)化器來創(chuàng)建神經(jīng)網(wǎng)絡(luò)的參數(shù)2軟件3.0神經(jīng)網(wǎng)絡(luò)通過大型語言模型是編程大型語言模型的程序，這些提?是用英語編寫的，這是一種非常有趣的編來源：AndrejKarpathy的YC演講AICoding正在從代碼生成走向產(chǎn)品定義好的產(chǎn)品，代碼只是其中的實ā手段。調(diào)研顯?，工程師實際上放在寫代碼的時間只有20%左右。如果僅僅只是解決代碼的實ā效率，AICoding只是在開放流程的一個?節(jié)進(jìn)行了提效2真正具有?革意義的是AI能夠理解用戶需求，將意圖轉(zhuǎn)化~完整的產(chǎn)品方案，從而在產(chǎn)品設(shè)計和功能定義層面提供支持，推動整個開發(fā)流程的升級2à也是目前所有AICoding產(chǎn)品的演進(jìn)路線2Cursor：PRD到代碼AI旨在消除編輯器中所有“低熵”操作，讓編程更像編寫“偽代碼”，直接從產(chǎn)品需求文檔Replit：構(gòu)建自動化愿景是讓開發(fā)者專注于“構(gòu)建”，將?境配置、依賴安裝、部署等繁瑣工作交給AI處理2Lovable：可視化編輯定位~“個人AI軟件工程師”，允許用戶通過可視化方式直接編輯界面元素，修改會“深入到代碼庫Devin：自主AI工程師被認(rèn)~是首個“AI軟件工程師”，能夠自主執(zhí)行復(fù)雜開發(fā)任務(wù)，包括閱讀文檔、編寫代碼、調(diào)試和Vercel：理解深層意圖AI不僅能理解功能需求，?能理解設(shè)計美學(xué)和市場營銷的“意圖”，例如根據(jù)目標(biāo)×眾生成營銷文案2開發(fā)者不會被完全取代，但需要成為技術(shù)專管和通才盡管Agent的潛力巨大，但“人機(jī)協(xié)作?的哲學(xué)依然是主流2大多數(shù)創(chuàng)始人認(rèn)為，AI不會完全取代開發(fā)者，但會重塑他們的核心職責(zé)2Poolside的JasonWarner的觀點是AI在短期內(nèi)并不會完全取代軟件開發(fā)者的角色，而是更多地替代開發(fā)過程中的某些任務(wù)2HansenWang&AlexanderEmbiricos(OpenAICodexTeam)說“他們不確定Codex對專業(yè)軟件工程師的數(shù)量影響是增多還是減少，但目前來看，效率提升非常顯著，頭部用戶每天對于專業(yè)開發(fā)者的未來職業(yè)道路2AICoding的創(chuàng)業(yè)者在大的共識下面，有一些小的不同看法2微軟CEO薩蒂亞·納德拉認(rèn)為未來的工程師將更像“技術(shù)主管?,管理“自己的Agent團(tuán)隊?2Replit創(chuàng)始人AmjadMasad觀點更加直接和鮮明，一個是往底層走，一個是往用戶走2如果你想成為程序員并擁有工作保障，我認(rèn)為你必須選擇盡可能接近底層的東西2比如，NASA不會讓GPT生成的JavaScript來運(yùn)行火箭，特斯拉汽車也不會2另一個方向是你要真正擅長成~產(chǎn)品人員，成~設(shè)計師、創(chuàng)造者、產(chǎn)品經(jīng)理2在軟件領(lǐng)域，對創(chuàng)意生成者的需求將大幅增加，因為執(zhí)行將不再是瓶頸，想法才是2我認(rèn)為全p開發(fā)者是最危險的，因為à是GitHub上最常見的，à是AI最擅長的，à已經(jīng)在某種程度上被自動化了2-Replit創(chuàng)始人AmjadMasad關(guān)于第二個成為通才的方向，Bolt的EricSimons的觀察也能加以佐證，那些日常與開發(fā)者打交道的產(chǎn)品經(jīng)理和創(chuàng)業(yè)者，正是最擅長使用AI構(gòu)建工具的人2另外，幾乎所有人都強(qiáng)調(diào)人類的最終審查和決策判斷不可或缺2開發(fā)者需要像“教練?一樣，指導(dǎo)、評估、糾正AI的產(chǎn)出，并將其推向預(yù)期的高質(zhì)量o準(zhǔn)2AlexanderEmbiricos&HansenWang(OpenAICodexTeam)將與AI代理協(xié)作比作管理團(tuán)隊2“AI雖然提高了代碼產(chǎn)出，但也帶來了新的“產(chǎn)品管理?挑戰(zhàn)，例如“特性過剩?和產(chǎn)品臃腫2à要求產(chǎn)品團(tuán)隊和工程師重新思考產(chǎn)品衛(wèi)生和架構(gòu)管理實踐，從“能做多少?轉(zhuǎn)向“應(yīng)該做多少?2從"2500萬"到<10億=，消費(fèi)者重新成為創(chuàng)造者誰來構(gòu)建，誰將成~構(gòu)建者主流?另一種觀點是，非開發(fā)者會成~軟件構(gòu)建者的主流。就像非專業(yè)人士成~短視頻行業(yè)的主流生產(chǎn)者一樣2A16Z的合伙人、增長黑客的代表性人物Andrewchen覺得未來的軟件的構(gòu)建者，屬于時間富翁而非專業(yè)富翁，那些有時間的人，例如學(xué)生和年輕人會成~開發(fā)的主力2關(guān)于編程現(xiàn)階段只是極少數(shù)人的能力和特權(quán)，EricSimons(BoltCEO)和AntonOsika(LovableCEO)給了一個具體的數(shù)字和比例支持：“全球有約2500萬開發(fā)者，只有0.23%的人口懂得編程?。從2500萬邁向“10億?,不僅僅是一個數(shù)量上的增長目標(biāo)，更是意味著軟件的邊界將極大地拓展，軟件會成~每個人都能使用的表達(dá)工具2而AI時代，把10億開發(fā)者從愿望變成愿景，成~眾多公司創(chuàng)始人的行動2GitHub作~全球最大的開發(fā)者平臺，已經(jīng)將"培育10億開發(fā)者"設(shè)定~其核心愿景。Replit聯(lián)合創(chuàng)始人兼CEOAmjadMasad說他相信最終會有十億開發(fā)者2已經(jīng)發(fā)生的事情是AI的引入已經(jīng)使得Vercel的注冊用戶數(shù)量翻了一番2除了數(shù)量上的變化，更重要是人群畫像的變化。Bolt.newCEOEricSimons指出，他們平臺上的大多數(shù)用戶(60-70%)并非傳統(tǒng)意義上的開發(fā)者2非技術(shù)背景的用戶正在大規(guī)模涌入編程領(lǐng)域2Bolt、Lovable、Replit談到典型用戶包括設(shè)計師、學(xué)生、健身教練、銷售人員、11歲的小女孩、運(yùn)營人員、教育企業(yè)家、老師等2v0的GuillermoRauch認(rèn)~“AI將成~軟件的同義詞?,未來“如果你能夢想它，你就能發(fā)布它?。過去，軟件開發(fā)的門檻主要在于掌握具體的編程語言、框架和工具，即“能否實現(xiàn)?功能2然而，隨著AI技術(shù)的飛速發(fā)展，這一門檻正被大幅降低2當(dāng)代碼生成變得普遍且簡單，區(qū)分優(yōu)秀產(chǎn)品和開發(fā)者的關(guān)鍵要素就不再是“能否實現(xiàn)?,而是“做得有多好?,人類的“品味?和“方向設(shè)定?變得極其關(guān)鍵2擁有問題意識AI編程已經(jīng)讓大家變得更快了，但很多核心問題仍然存在：“理解非常復(fù)雜的系統(tǒng)，在整個公司的背景O工作擁有問題意識AI編程已經(jīng)讓大家變得更快了，但很多核心問題仍然存在：“理解非常復(fù)雜的系統(tǒng)，在整個公司的背景O工作，思考你正在構(gòu)建的產(chǎn)品或你正在做的工作，以及理解"好w，我們想要解決的問題是什么？我們想要如何解決這些問題？我們想要構(gòu)建的解決方案到底是什么？我們將要做出的所有這些關(guān)鍵決策和權(quán)衡是什——ScottWu(CognitionAI)呈現(xiàn)“正確想法”未來工程的關(guān)鍵將從“o謹(jǐn)性?轉(zhuǎn)向“品味?,即對軟件如何運(yùn)作和呈現(xiàn)的“正確想法?2未來會越來越無縫轉(zhuǎn)換—你想要構(gòu)建什么、希望所有功能如何運(yùn)作、期待它呈現(xiàn)怎樣的外觀，都能毫不費(fèi)力地實現(xiàn)2"審美"這個說法可能不太準(zhǔn)確，關(guān)鍵在于對構(gòu)建內(nèi)容有正確的構(gòu)思?2——MichaelTruell(Cursor)另一些創(chuàng)始人，更多地是從藝術(shù)、感覺、靈感、直覺去理解品味的核心競爭力2AmjadMasad(Replit)提到PaulGraham對編程語言的看法，認(rèn)~它更像是一門藝術(shù)，而不是一門科學(xué)2這些作品是審美藝術(shù)品，而不僅僅是功能性藝術(shù)品2ThomasDohmke(GitHub)也將軟件開發(fā)描述~“創(chuàng)意工作，是一種藝術(shù)，非常類似于藝術(shù)家所做的事情?2AntonOsika(Lovable)認(rèn)~即使AI能生成大量代碼，但人類的“品味、經(jīng)驗和直覺?在最終審查和打磨階段仍不可或缺不過2“他分享了一個案例：當(dāng)AI代理陷入困境時，他通過一句看似隨意的“看O歷史記錄?提?，使AI想到了正確的方向，這種直覺判斷是項重要能力2GuillermoRauch(Vercel)走的更遠(yuǎn)，他坦言，機(jī)器可以非常廉價地構(gòu)建東西時，你不再關(guān)心I如何I完成，而是關(guān)心最終結(jié)果的I感覺I如何2這種帶有審美傾向、讓人感覺"這樣就是好"且具有社會效應(yīng)的事情，需