JetBrains发布的《2026年开发者生态系统调查报告》显示，2026年5月至7月期间，全球约90％的专业开发者已在工作中至少每周使用一次AI编程Agent，其中68％的开发者每日使用。这一数据表明，AI编程工具已从早期的尝鲜产品转变为企业开发流程中的基础设施。
报告同时揭示了竞争格局的显著变化。Claude Code在2026年1月的使用率为18％，数月内攀升至39％，实现翻倍增长；而GitHub Copilot的使用率则从29％下降至21％。工具选择的分化反映出开发者对AI编程能力的需求正在快速演进。从整体市场来看，全球开发者总数约1.08亿，AI工具渗透率已达85％，付费AI工具月活跃用户约4000万，财富100强企业覆盖率达到90％。
在企业内部，AI编程工具的渗透速度同样显著。Anthropic内部数据显示，其工程师合并代码请求的数量提升了67％，70％至90％的代码在AI工具辅助下完成。腾讯超过90％的工程师使用AI编程助手，公司超过50％的新增代码由AI辅助完成，平均编码时间缩短40％以上。快手截至2026年6月，员工使用自研AI Agent产品的占比超过92％，研发人员AI生成代码的贡献率达到60％。这些数据覆盖的范围已不仅限于业务代码编写，还包括训练脚本编写、参数调优、部署管理和测试结果诊断。
AI在软件开发中的角色正在经历三层递进式演变。第一层是AI辅助人类编写代码，人类仍是创造主体，AI承担加速器角色。MIT研究团队追踪十万名开发者产出后发现，使用AI编程工具后代码行数达到原先的17.3倍，但实际发布的软件版本仅提升30％。值得注意的是，AI工具对低活跃开发者的效率提升高达85％，而对高频提交的开发者仅有21％的提升，AI正在缩小开发者之间的能力差距。
第二层是AI自主完成开发闭环。OpenAI的一项内部实验显示，在不重新训练模型、不人工重写代码的前提下，AI系统在六周内将准确率从25％提升至86％，Codex自主完成bug定位、修复方案编写、测试运行和结果验证的全流程。OpenAI内部已存在代码量超过一百万行的系统，整套系统没有一行代码由人工手写。Anthropic推出的AI代码审查工具Code Review，通过多智能体并行分析GitHub上的Pull Request，自动标注逻辑错误并提供可执行的修复建议，形成AI审查AI生成代码的循环。
第三层是AI参与创造下一代AI。MiniMax发布的新一代大模型M2.7具备自我优化闭环能力，模型可连续执行超过100轮”分析—改进—验证”循环，自主调整采样参数、优化工作流策略，在内部评测中实现约30％的效果提升。OpenAI于2026年9月宣布其AI已具备自动化研究实习生能力，并成立RSI（递归式自我改进）团队，目标是在2028年3月前实现完全自动化的AI研究员。OpenAI在GPT-5.3-Codex的发布说明中写道，早期版本的模型在创建自身的过程中发挥了关键作用。
大型科技公司内部正在形成AI造AI的完整闭环。部分公司已将AI编程工具的应用能力和代码交付量纳入绩效考核，谷歌将AI使用情况纳入部分员工的绩效评估，摩根大通要求工程师利用AI提升效率。英伟达超过一万名员工使用GPT-5.5，工程师通过Codex进行开发。谷歌内部AI工具Agent Smith因使用人数激增而限制访问。这些内部工具的本质是AI在开发更好的AI工具链，更好的工具链又被用于开发下一代AI模型。
阿里巴巴首席人才官在云栖大会上提出，当前工程师代码效率可提高10倍，但端到端开发周期并未明显缩短。AI主要在写代码环节发力，而需求分析、架构设计、测试验证、部署运维等环节的瓶颈反而被放大。Gartner预测，到2028年，异步AI编程Agent的工作流将把软件工程团队生产力提升30％至50％，远超2025年AI代码助手的0％至20％。当前仍处于AI造AI的早期阶段，更大规模的闭环尚未到来。
在非代码维度，AI造AI的逻辑同样在展开。以制药行业为例，借助AI，候选化合物的发现周期从36个月压缩至20个月以内，研发成本降低40％。AI在药物发现中生成的数据和模型，又被用于训练下一轮更精准的预测系统，形成跨领域的自我强化循环。从代码生成到科学发现，AI作为创造工具的工具这一角色正在多个行业同步显现。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
