JetBrains 2026调研：90%开发者每周用AI编程，Claude Code超越Copilot

AI 编程辅助工具领域正在经历一场深刻的范式转变。过去多年，AI 编程工具主要以 IDE 内嵌的代码补全和短片段生成能力为外界熟知。如今，AI 编程 Agents 正在重塑开发者的工作流程。现代 AI Agents 不再仅仅生成小块代码，而是能够读取完整代码仓库、执行迭代修改、运行测试套件，并自主完成端到端的开发任务。

JetBrains Research 于近期发布了第十届年度 2026 开发者生态系统调查，在 2026 年 5 月至 7 月期间共收集了全球超过 15000 名专业开发者的有效问卷。受访者涵盖软件工程师、DevOps 专家、机器学习工程师、系统架构师、QA 工程师及其他技术岗位人员。该调查提供了关于实际采用率、工具认知度以及 AI 编程工作流行为变化的量化数据。根据统计，多达 90% 的专业开发者每周至少使用一次 AI 编程 Agents。Claude Code 在工作场景中的采用呈现爆发式增长，已超越 GitHub Copilot 成为企业环境中最受欢迎的 AI 编程工具。与此同时，开源 Agent 项目和竞争性商业解决方案也在迅速抢占市场份额，行业竞争正从 IDE 内嵌代码补全转向全周期 Agent 执行能力。当组织需要管理多个大模型端点来运行 Agent 工作负载时，诸如此类的 API 网关可以简化异构模型后端之间的身份验证、路由和协议适配。

Claude Code 工作场景采用率飙升，位居榜首

JetBrains 数据集中最具冲击力的发现之一是 Claude Code 使用的快速扩张。2026 年 1 月，仅有 18% 的受访专业人士报告在工作中使用 Claude Code。到了 2026 年 5 月至 7 月的调查周期，这一数字跃升至 39%，意味着在半年内工作场景渗透率增长了一倍多。在美国市场，Claude Code 的工作场景采用率更是达到 47%，意味着近一半的本地开发者日常编程依赖此工具。

作为对比，GitHub Copilot 长期主导企业 AI 编程市场。从 2025 年中至 2026 年初，其工作场景使用率稳定在 29% 至 31% 之间。而在同一 2026 年 5 月至 7 月周期，GitHub Copilot 的工作场景采用率下降至 21%。从统计数据来看，Claude Code 的工作使用率已达到 GitHub Copilot 的近两倍。

值得注意的是，实际工作场景采用率与公众认知率之间存在显著差异。两款工具在所有受访者中的认知度相近，均为 79%。认知度反映的是开发者是否听说过某款产品，而工作场景采用率则体现的是在生产任务中的实际使用情况。两者之间的差距表明，Claude Code 将认知度转化为实际工作环境使用的速度远超其竞争对手。

OpenAI Codex 同样展现出强劲势头。2026 年 1 月，仅有 3% 的开发者在工作中使用 Codex。半年内，这一数字攀升至 16%，增长约五倍。其认知度指标增长更为迅猛：从 2026 年 1 月的 27% 上升至 2026 年中的 65%。这一趋势表明，OpenAI 的品牌优势正在转化为其以 Agent 为核心的编程产品不断增长的现实采用率。

Cursor 则呈现出相反的趋势。其工作场景采用率从 2026 年 1 月的 18% 下降至 2026 年 5 月至 7 月的 12%，尽管整体认知度从 69% 上升至 75%。中国开发者社区也呈现类似模式：自我报告的工作使用率在同一时间段内从 28% 下降至 16%。这一变化标志着一次具有意义的行业转型。此前的 AI 编程竞争主要围绕 AI 增强型 IDE 编辑器展开。开发者期望编辑器本身通过内嵌补全和对话面板提供 AI 辅助。如今，从业者越来越强烈地要求独立的 Agent 能力——能够遍历代码库、执行多文件修改、运行测试并持续迭代直到任务完成。纯粹的以 IDE 为中心的工具正在被强大的 Agent 工作负载所取代。

九成专业开发者在使用 AI 编程 Agents

除了单个工具的市场份额，调查还揭示了开发者日常工作流程中的根本性转变。在全球样本中，90% 的专业开发者每周至少使用一次 AI 编程 Agents，68% 每天运行基于 Agent 的任务。这些数据证实，AI Agents 已不再是早期爱好者眼中的实验性新奇事物。它们已成为嵌入标准软件开发流程的主流基础设施。

JetBrains 对 AI 编程 Agents 的定义相当宽泛，范围涵盖了部署在开发者工作站的本地运行 Agents 和托管在云服务器上的远程 Agent 服务。核心行为变化清晰可见：AI 正在从「辅助编写部分代码片段」演进为「执行完整的开发任务」。过去开发者大部分逻辑手动编写、AI 提供补充建议，如今许多工程师将复杂的多步骤任务交给 Agent 系统处理。这一转变重塑了工作职责：人类工程师更专注于需求定义、结果审查和架构决策，而 Agents 则负责实现密集型的重复性工作。

开源编程 Agents 加入市场竞争

商业产品并非唯一的增长领域。开源 Agent 框架正在赢得可观的心智份额和实际使用。开源编程 Agent OpenCode 在 2026 年 5 月至 7 月的调查中记录了 7% 的工作场景采用率，在受访者中的整体认知度为 42%。Google Antigravity 同样进展迅速：工作场景采用率达到 6%，认知度从 2026 年 1 月的 29% 扩大至年中 47%。地区差异显著，该产品在印度开发者社区的采用率高达 15%。

JetBrains 自有的内置 AI 助手套件（JetBrains AI 和 Junie）约占有 9% 的工作场景采用率。综合来看，这些统计数据展示了一个分散但充满活力的竞争格局。没有单一解决方案垄断 Agent 编程领域。开发者评估多种工具，并根据任务复杂度、隐私约束、成本预算和自托管需求选择不同的 Agents。开源选项为团队提供了更大的灵活性来部署和定制修改，吸引了具有严格数据安全规则的企业。

新的竞争维度：Agent 执行能力

调查数据描绘了一幅清晰的图景：AI 编程领域的竞争已超越简单的代码补全基准测试。产品比较不再局限于模型生成短内嵌代码片段的能力。决定性的战场在于 Agent 能力——即一个系统是否能可靠地完成全周期软件工程任务。

历史上的 AI 编程评估以 token 级别的代码生成准确性为核心指标。现代以 Agent 为导向的工作负载则需要额外能力：仓库上下文加载、多文件修改规划、错误自我修正、测试调用，以及循环迭代直到目标达成。即使是高质量的底层 LLM 模型，如果没有专门的 prompt 工程、工具调用逻辑和状态管理层，在 Agent 场景中可能表现不佳。

高达 90% 的周使用率和 68% 的日使用率证明，开发者已准备好将大量工作委托给 Agents。这为平台构建者带来了新的工程挑战。运行多个 Agent 后端的团队通常需要统一的路由、限流、日志记录和凭证管理。集中式 API 网关工具有助于简化混合专有模型和开源模型部署的运营。

展望未来，未来市场的赢家不仅仅是擅长编写孤立代码片段的模型。获胜的解决方案将是那些能够可靠理解复杂业务需求、导航大型真实代码仓库、从运行时错误中恢复、并以最少人工干预交付可用成品的 Agent 系统。IDE 集成仍然重要，但它正在成为更大 Agent 驱动工作流的一个组成部分，而非核心差异化因素。

JetBrains 的 2026 开发者生态系统调查捕捉到了 AI 辅助软件工程的一个决定性转折点。Claude Code 在工作场景中采用率的快速增长表明，以 Agent 为先的编程产品能够迅速取代长期建立的代码补全工具。OpenAI Codex 和开源 Agent 项目正在扩大其足迹，而传统 AI-IDE 产品则面临用户期望的转变。

随着 90% 的专业开发者每周使用 AI 编程 Agents，基于 Agent 的工作流已牢固地进入主流软件开发实践。行业竞争正从内嵌代码补全转向端到端任务执行。未来，竞争将属于那些将扎实的基础模型质量与强大的工具调用、自我修正和仓库感知推理能力相结合的 Agent 系统。构建 Agent 驱动技术栈的工程团队需要在商业闭源解决方案与可配置的开源替代方案之间权衡，平衡性能、成本、合规性和自托管需求。