为了回答上面的问题，他花了两个月，采访了 AI DevTools 初创团队、大厂内部工程师、AI 生物创业公司和一群“热爱代码本身”的独立开发者。最终拼出了一份关于 AI 编程真实状态 的多维画像。
编辑 | 伊风
出品 | 51CTO技术栈（微信号：blog51cto）
这应该是我听过最扎实、最客观的一场 AI 编程演讲。
它不讲“奇迹”，也不兜售“焦虑”。而是抛出一个很实在的问题：
“今天我们能不能做一次现实核查：
那些极度乐观的 AI 编程预言，靠谱吗？还是现实中根本没那么神？”
微软 CEO 说：‘30% 的代码都是由 AI 编写的’；
Authoropic 的 CEO 几个月前声称，‘一年之内所有代码都会由 AI 生成’；
但为啥这和工程师跑起来的感觉不一样？
怎么有初创公司的人用了Devin，不仅没提效，还出了bug倒亏了 700 美元的事故成本？
这场演讲来自 Gergely Orosz —— 曾任 Uber 技术主管、后来转型为全职技术作者。
他写的《The Tech Resume Inside Out》一度被称为“程序员简历圣经”，如今则靠着 The Pragmatic Engineer 这一全球最火工程类 Newsletter，持续影响着数十万技术人。
图片
为了回答上面的问题，他花了两个月，采访了 AI DevTools 初创团队、大厂内部工程师、AI 生物创业公司和一群“热爱代码本身”的独立开发者。最终拼出了一份关于 AI 编程真实状态 的多维画像。
先来说个初步结论给大家：
- AI DevTools 初创公司：重度使用（不意外）；
- 大厂：投入巨大，使用率持续上升；
- AI 创业公司：使用情况不稳定，有的有效、有的无感；
- 独立开发者：比以前更兴奋、更愿意用。
最令人意外的是一位真正的“老程序员”——Kent Beck（是的，就是《Extreme Programming》作者），他是第四类人的一个代表：
“我现在写代码，比过去 52 年任何时候都开心。” ——Kent Beck今年是第 52 年写代码了。
AI 让他终于能动手做自己一直想做但觉得“太复杂、太贵”的项目，比如用 Smalltalk 写一个并行计算服务器。他说：
“技术栈中‘什么便宜、什么昂贵’的格局正在被重写，很多过去被我们放弃的事情，现在其实便宜得令人发笑。”
小编将这篇干货满满的演讲，梳理成了好读、有料的文章，接下来你将读到：
- AI DevTools 初创公司：9成代码AI生成，成千上万个 MCP请求一起跑！
- Google 和 Amazon：怎么将 LLM 集成进开发工具？
- AI 初创公司：Claude Code、Cursor、Windsurf 等开发者怎么用？
- 独立开发者：谁在“彻底转变”、谁在“理智观察”？
- 最后是他留下的 4 个反思性问题，每一个都戳中真实工程场景。
一、Claude Code、Windsurf 9成已是AI代码，Cursor仅为前者一半
首先是 AI DevTools 初创公司。
我上周刚和 Anthropic 团队聊过，问他们最近在内部观察到什么趋势。虽然这些公司难免会有些“自带滤镜”，但他们的回答还挺值得一听的。
他们说，当第一次在内部开放 Claude Code 给工程师使用时，几乎所有人都立即开始每天使用，而且热情持续到现在。这种“自然启动”让他们自己也有点意外。
要知道，当时这还只是内部版本。Claude Code 直到一个月前才对外发布，它其实不是 IDE，而是一个命令行工具（CLI），运行在终端里。
他们还告诉我，目前 Claude Code 这个产品本身，有 90% 的代码就是用 Claude Code 写的。这个数字听起来非常夸张，甚至像广告词。但我也专门和工程师确认过——他们不像市场部门那样会“演”，所以这个说法还是挺可信的。
他们还提到一个很有意思的数据：Claude Code 正式上线后第一天，使用量就暴涨了 40%；三周不到，涨幅已经达到 160%。不论原因是什么，这说明这个工具的确有吸引力。
此外，Anthropic 还启动了一个叫 MCP（Model Context Protocol） 的项目。他们的目标是用一个协议，把 IDE 或 Agent 接入到开发者已有的上下文环境中，比如数据库、GitHub、Google Drive、Puppet 等。
我自己也动手试了一下，连上了自己的一个 API 数据源，然后直接问它：“有多少人领取了某个优惠码？”它自动生成 SQL 查询，结果也挺靠谱。这种“自然语言连数据”的体验，确实让人眼前一亮。
据他们说，MCP 是在去年 11 月开源的。到今年年初，有几家中型公司开始采用。然后在 3 月、4 月，连 OpenAI、Google、Microsoft 这些“大玩家”也加入了对 MCP 的支持。
现在，每天都有成千上万条 MCP 请求在运行，后面演讲中还会提到它为何重要。
除了 Claude，我还和另外两个 AI IDE 团队聊了聊：
- Windsurf：他们说目前团队中 95% 的代码都是用 Windsurf 的 Agent 或自动补全生成的；
- Cursor：给出的估算是 40% 到 50% 的代码使用了 AI。虽然比不上前面两个，但他们也坦言：有些地方确实有用，有些还不太行。
我很欣赏 Cursor 的坦诚。毕竟这些公司做的就是 AI 编程工具，谁都想把“AI使用率”尽量做到 100%，那可是卖点。但 Cursor 没藏着掖着，这就已经很难得了。
二、Google：“谨慎而长期主义”，所有AI工具都是自研
我和 Google 的几位工程师匿名聊了聊，大概五个人。首先要知道的是：Google 的所有工程系统几乎都是自研的。
- 不用 Kubernetes，而是内部自研的 Borg；
- 不用 GitHub，用的是自己的代码仓库系统；
- 不用公开的 Code Review 工具，而是用内部工具 Critique；
- 他们的 IDE 是自研系统 Cider（全称：Integrated Development Environment and Repository）。
Cider 最初是网页工具，现在已经演变为一个基于 VS Code 的定制分支，与 Google 的内部基础设施高度集成，开发体验非常顺滑，打通程度很高。
工程师告诉我，现在 AI 工具几乎无处不在。
在 Google 内部，他们已经将大模型集成进自己的 IDE「Cider」中。Cider 是基于 VS Code 的一个定制分支，还有一个网页版叫 Cider V，里面集成了自动补全、基于对话的 IDE。他们说使用体验还不错，虽然可能比不上 Cursor，但总体表现已经相当可以。在代码评审工具 Critique 中，AI 也能给出审查反馈，评价是“很合理，能用”。
再比如代码搜索，这是 Google 内部非常强大的工具，现在也已经集成了 LLM 支持。你可以问它一些问题，它会帮你定位相关代码部分。而就在一年前，这些功能在 Google 内部几乎没人用。但半年内一切都变了。
一位现任 Google 工程师告诉我，Google 内部推行 AI 工具的方式是非常“谨慎而长期主义”的。他们希望这些工具能真正被工程师信任、持续使用。
此外，还有不少只面向 Google 内部的工具，比如：
- Notebook LM：你可以上传文档、和它对话；
- Prompt Playground：有点像 OpenAI 的 Playground，但其实 Google 在 OpenAI 发布之前就已经做出来了；
- Moma：一个基于 LLM 的知识检索系统，在 Google 工程师中广泛使用。
我听一位 Googler（不便透露姓名）说，现在每个 org（组织）都在搞属于自己的 GenAI 工具，原因很简单：领导层希望看到这种创新，而且这么做更容易拿到内部资源和预算支持。像 Notebook LM 这样的工具，就是靠“某个团队拉到预算就自己搞起来”的。
不过让我印象最深的，是一位前 SRE 告诉我——他和很多 Google 的 SRE 还保持联系——现在 Google 的基础设施团队正在为“10 倍代码量”的增长做准备。他们在升级部署流水线、代码审查工具、功能开关机制等等。
这让我非常好奇：Google 是不是已经看到了某些我们还没意识到的趋势？
三、Amazon：采用AI比谷歌激进，但相当低调
谈起 AI 工具，大多数人第一反应不会想到 Amazon。
虽然外界对 Amazon 的 AI 能力印象不深，但我跟内部工程师聊下来发现，几乎所有开发者都在用一个叫 Amazon Q Developer Pro 的工具。它对 AWS 相关任务非常好用。
让我惊讶的是，Amazon 内部的人很疑惑，为什么外界对这个工具几乎一无所知？他们表示，“只要你是做 AWS 的，这个工具的上下文理解能力就特别棒。”
大概半年前，我听他们说这个工具“不太行”；但现在，很多人都说：“真的很好用了。”
他们还告诉我，现在写 Amazon 的 PR FAQ（六页文案、模拟新闻稿的那种），也会用 AI 工具。年中绩效季，很多写作任务也用它来加速。
Amazon 和 Anthropic 有合作关系，他们有一个内部版本的 Claude。
关于 Amazon，我觉得最有趣的是 MCP（Model Context Protocol）在内部的推进。
Anthropic 最早提出 MCP，现在 Amazon 似乎在全面接入。
稍微讲讲背景：Amazon 是个“API 驱动”的公司，早在 2002 年，Jeff Bezos 发出著名命令：
“所有团队必须通过服务接口（API）暴露功能和数据，不得使用内部通信，违者将被开除。”
这也是 AWS 能诞生的底层原因。他们的所有服务都可以通过 API 公开，因此现在只需要在 API 上“外挂”一个 MCP server，AI Agent 就能直接对接调用，非常轻松。
我从某位 Amazon 员工那里得知，目前 Amazon 内部的大多数工具和网站已经支持 MCP，这应该是第一次被公开提到。
自动化在 Amazon 内部随处可见。我听说很多人正在用 AI 工具自动处理工单系统、邮件、内部流程等等，有些工程师甚至已经自动化了大部分工作流。
虽然外界没人讨论这些，但它确实正在发生。Amazon 作为“API First”公司，现在可能也正悄悄成为“MCP First”的引领者，时间点就在 2025。
四、初创公司的两极分化：有人爱疯了，有人说“不如手写”
我还和一些小型初创公司聊了聊。它们并不是做 AI 工具起家的，但在日常流程中逐步开始集成 AI —— 有的甚至已经转向“AI 优先”的方向。
1.支持者 Incident IO：整个团队都在用，形成浓厚的“知识共创”氛围
Incident IO，本来是一家做 on-call 报警平台的公司。它本来是做 on-call 平台的，但 AI 明显是很适合用来做报警、排查和解决方案推理的。所以他们逐步变成了 AI 优先的公司。
我采访了联合创始人 Lawrence Jones（他也是这次大会的讲者），他告诉我：
整个团队都在大规模使用 AI 来提效，还会在 Slack 中分享使用技巧、最佳实践，一种“知识共创”的氛围已经形成。
一些具体例子很有代表性：
- 有人尝试用另一台 MCP server 来处理一张复杂的工单，结果 AI 给出的初稿非常靠谱；
- 他把这个经验发到群里，其他人纷纷试用，讨论 prompt 设计和生成逻辑；
- 还有人发现了一个“提示词新玩法”：让 AI 给出 3~5 个不同代码方案，再追问“为什么这样写、换个思路会怎样”。
Lawrence 表示最关键的转折点是 Claude Code 上线后的三周。
他查了一下数据（当时是周日），发现整个团队都已经在日常使用它了。没有任何品牌赞助，只是纯粹觉得Claude太好用了。
2.弃用者 某AI 生物初创公司：最新的模型也满足不了需求，领域太小众了？
这家公司大概成立三年了，团队规模在 50 到 100 人之间，整个系统架构很现代：基于 Kubernetes 的自动化数值管道、Python、Hugging Face 等技术。
他们的工程师对我说： “我们试过很多 LLMs，但没有一个能真正用起来。因为我们手动写出正确代码，其实比修改 AI 写的代码还要快得多 —— 即便是用最新模型，比如 Claude 3.7、甚至 Claude 4，还是这样。”
他们觉得自己的领域可能太小众，不适合让 LLMs 发挥作用。
这位工程师也坦言，不愿意公开名字，是因为他们不想被贴上“AI怀疑者”的标签——但这是实话。
他们是一家节奏很快的初创公司，尝试过各种 AI 工具（包括代码审查助手），但最终发现这些工具不适用于他们开发的新型复杂软件。他们不是不试，而是试了发现不行，就迅速换方向了。
五、“从未如此兴奋！”——独立开发者与老程序员如何评价 AI 编码？
聊完初创公司，我也采访了几位独立软件工程师，他们在 AI 时代之前就已经非常厉害了，对“写代码”这件事有深深的热爱。
1、Flask 作者 Armin：我现在更想当 AI 智能体工程师
Armin Ronacher，Python Web 框架 Flask 的作者，十几年来一直是个“纯写代码”的技术人。他最近离开了 Sentry，准备自己创业。
最近他发布了一篇文章，标题是：《AI 改变了一切》。他说了一句非常颠覆性的话：
“如果你在六个月前告诉我，我会更愿意做一名‘AI 智能体工程师’而不是亲自编码，我肯定不会相信。”
他的转变有三个原因：
- Claude Code 用起来真的很顺；
- 自己在密集使用 LLMs 之后，终于“突破了心理障碍”，开始接受 AI 合作模式；
- 最关键：agent 能自动执行、观察反馈，这种机制可以极大地降低‘幻觉错误’的影响。
2、iOS 工具作者 Peter：我又找回了“写代码的热情”
Peter Steinberger 是 PSPDFKit 的作者，iOS 最流行的 PDF SDK 创始人。他把公司卖掉后一直在探索新技术，最近发了一篇文章，标题就叫：
“The Spark Returns（热情回来了）”
他说他感受到一个转折点到来了：语言和框架不再重要，AI 工具让他轻松从 Objective-C 转到 TypeScript，写什么都行。工具层的解耦能力太强了，生产效率暴涨。
他还跟我分享了一个他发在社交平台的段子： “很多技术人都因为玩 AI 工具兴奋到睡不着。”
有趣的是，我们是在凌晨 5 点互发消息的，我因为别的事早醒，他因为写代码根本没睡。
3、ThoughtWorks 的 Brigita：LLM 是技术栈的“横向力量”
Brigita是ThoughtWorks的Distinguished Engineer，她这样总结 LLM 的意义：LLMs 是极少数可以在任意抽象层使用的工具。
你可以把它当作汇编级别的 low code 工具，也可以用来操控高级语言，甚至用自然语言编程。 这不是简单地‘加一层 AI’，而是在整个技术栈中横向渗透的东西。
正是这种“跨层抽象使用能力”，让 LLMs 真正令人兴奋。说这话的人，本身也是在 AI 出现之前就已功成名就的资深工程师。
4、Django 联合创始人 Simon：真正的突破刚刚开始
Simon Willison 是 Django 框架的联合创始人，靠写博客和开源维生，被 Andrej Karpathy 称为“LLM 博客必读作者”。
他说：
“代码agent确实可以跑得通，可以反复循环、调试编译器、干实事。 过去 6 个月，大模型的迭代明显突破了一道门槛，现在开始真的‘有用’了。”
5、Kent Beck：52 年码农生涯，现在写得最开心！
最后是重量级嘉宾：Kent Beck，极限编程（XP）之父，JUnit 作者，软件工程界的活传奇。
他说：
“我现在编程比过去 52 年任何时候都开心。”
他正在用 Smalltalk 写一个并行虚拟服务器的项目 —— 是他多年来的梦想。
他说 LLM 的出现让他终于可以专注做自己真正想做的事，不用被工具框架牵着走。
在他眼中，LLM 是继微处理器、互联网、智能手机之后，又一次彻底改变成本结构的技术浪潮：
“过去我们因为贵、不现实而不做的事，现在突然变得便宜又容易。”
延伸：值得思考的四个问题
这些趋势很有意思，但我认为现在仍然谈不上“AI 已彻底改变软件开发”。它远不是那种“板上钉钉、未来已来”的故事。
所以我自己也留了 4 个问题：
❓问题一：为什么创始人和 CEO 远比工程师更兴奋？
虽然有一些工程师确实很激动，比如 Armin 和 Peter，他们本身就可能是创业型人才。但比如 Warp 的创始人 Zack Lloyd 就问得很到位：
“有没有人注意到，最资深的工程师往往不怎么用 AI，最热情的反而是创始人和产品经理？”
这可是一个做 AI 工具终端的创始人在反思。
再看那些 CEO 公开发言，几乎都在极力宣传 AI 的潜力。这值得我们思考。
❓问题二：AI 工具的使用在开发者中到底有多主流？
我让现场举手：“每周至少用一次 AI 工具写代码的有多少人？”
现场大约有 60–70% 的人举手。
这和 DX 的调研数据相符。他们最近调查了 3.8 万名开发者，结果是：
- 一个典型组织中，大约 一半人每周使用 AI 工具；
- 最头部的公司能达到六成。
但请注意，我演讲里讲的大多数例子，其实都高于这个中位数（除了那个 AI 生物初创公司）。
也可能有样本偏差——愿意分享经验的人，本来就更愿意使用 AI。
❓问题三：我们到底节省了多少时间？
比如 Pete 告诉我，他感觉自己产出效率提升了 10–20 倍。
但 DX 的调研显示，AI 工具一周大约能帮开发者节省 3–5 小时，平均大概 4 小时。
4 小时也不赖，但要说“10 倍提效”就显得有点夸张了。问题是：我们真的把省下来的时间用来创造更多价值了吗？
我也不知道。
❓问题四：为什么 AI 对个人开发者特别有效，而对团队却效果不佳？
这个现象非常普遍。DX 的 Laura Tacho 也告诉我，AI 工具在“个体层面”表现不错，但在“组织层面”尚未发挥价值。
CEO 和创始人如此热情，不难理解，毕竟他们公司押注 AI，也有财务压力在身上。
大厂积极投资、探索 AI 工具，也说得通。
但最让我在意的是那些“有年头”的资深开发者，他们是真的用出了成果、感受到了变化、愿意投入更多。
我觉得我们可能正处在一个软件开发方式的“台阶式变革”时刻。
我联系了软件工程思想领袖 Martin Fowler，请他为我审阅的一篇文章给点看法。他的回答是：
“LLMs 将对软件开发产生的影响，堪比当年从汇编语言转向高级语言的变革。
后来各种高级语言的更新，虽然改进了生产力，但没有那种‘质变’了。
但 LLM 是不同的：它是计算机历史上第一次引入“非确定性”的工具，这非常关键。”
结语
我的结论是：变化正在发生，我们需要更大胆地去实验。
我们应该像初创公司那样多试错，弄清楚：
- 什么是有效的？
- 什么是没用的？
- 什么是真的便宜了？
- 什么才是真正值得投资的？
这场演讲到这里也告一段落，内容之扎实、视角之多元，令人回味。
你对演讲中的这些观察有没有共鸣？
AI 写代码对你来说，是赋能，还是添乱？欢迎在评论区聊聊你的真实感受
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
