AI时代的开发者：采用、期望及塑造未来的工具

收养、期望和塑造未来的工具 我能从这个分享数据吗报告？ 1. 许可证授予 2. 责任限制 SlashDataTM, 相信本出版物中包含的声明基于我们认为是可靠的信息, 但我们不保证其准确或不完整, 并且不应将其作为此类依赖。所表达的观点仅为本出版物中出现的日期的当前观点,包括其中包含的信息, 均可能未经通知而更改。任何第三方出于任何目的使用本出版物均不应且不会免除该第三方在核实出版物内容时应尽的勤勉责任。SlashDataTM否认所有默示担保，包括但不限于适销性或特定用途适用性的担保。 本报告根据知识共享署名-禁止演绎许可证4.0（国际版）简而言之，根据本许可的条款和条件，您可以自由地： 分享— 您可以复制该报告或将其一部分纳入一个或多个文件或出版物中，用于商业和非商业目的。 在以下条件下： 归因— 你必须给 SlashData 适当的信用TM，以及作为本报告的赞助商Catchy，并指明是否进行了修改。在这种情况下，您可以以任何合理的方式这样做，但绝不能以任何暗示SlashDataTM支持你或你的使用。 SlashDataTM，其附属公司及代表不应就任何第三方因基于本出版物做出的决定或不做决定，或采取的行动或不采取的行动而遭受的直接、偶然、特殊或后果性损害或利润损失承担任何责任。 无导数—你不可以重新混剪或改造报告的内容。你不可以分发修改后的内容。 开发经济分析师 | 曾用名 VisionMobileSlashData © 版权所有 2025 | 保留部分权利 关于SlashData 科斯塔斯·科拉基蒂斯 SlashData研究主管 Konstantinos担任SlashData研究产品团队的负责人，负责所有分销研究产品和定制科研项目。作为一名工程师、顾问和经理，他拥有超过10年的经验，负责研究规划、调查设计、数据分析、洞见生成和研究运营。 SlashData是一家AI分析公司，一直致力于与顶级科技品牌合作，为其决策提供清晰度和信心。20年来，我们一直追踪软件技术趋势，帮助科技品牌做出产品和营销投资决策，挑战固有假设。重构市场趋势，赋能行业领导者驱动世界走向未来。 关于Catchy 汤姆·威廉姆斯 Catchy的执行合伙人 抓马是领先的开发者营销机构，帮助科技公司发布产品、扩展平台、并发展生态系统。在过去的15年里，我们与全球顶尖科技品牌合作，触达并吸引技术受众，将复杂的理念转化为推动采用和增长的策略及计划。 汤姆是一位拥有15年以上经验的战略家和顾问，帮助科技公司将复杂的想法转化为清晰的策略和有影响力的项目。作为Catchy公司的执行合伙人，他带领跨学科团队的咨询和战略工作。他拥有牛津大学互联网社会科学硕士学位。 目录 1. 简介 5 2.通用人工智能使用 10使用人工智能建造 3. 4. 与人工智能工具交互 16 5. 评估和决策标准 引言 在代码与认知的十字路口 这份特别版报告是Catchy和SlashData的合作成果。它探讨了开发者如何应对“人工智能时代”，这是我们所指的过去几年的深刻转变， 从SlashData的2025年第三季度开发者民族（Developer Nation）中获取数据，这份报告超越了炒作，揭示人工智能在实践中是如何被使用的。我们探讨了人工智能的许多使用方式开发人员正在采用助手、嵌入API，构建人工智能应用程序。 生成模型和编码助手的突破将人工智能从实验实验室带到了日常开发者的工作流程中。这种变化正在重塑各个级别的开发者的含义。它改变了代码的编写方式、应用程序的设计方式，以及开发者对他们在构建智能系统中所扮演角色的思考方式。 引言 在代码与认知的十字路口 浮现出的是一个关于采用的细致图景。人工智能现在已经稳居主流，但开发者的行为因他们正在构建的内容、他们与模型基础设施的参与深度以及他们对API、编码助手和人工智能服务的期望而有所不同。为了理解这些动态，研究结果围绕五个主题进行组织： 这些镜头共同展示了一个正在转型的开发者群体。虽然一些人仍然处于早期探索阶段，但许多人已经将AI投入生产，并且他们的优先事项已明确转向信任、可用性和价值，而非新颖性。这不仅仅是一个关于AI发展的故事。这是一个关于开发者期望重塑智能软件轨迹的故事。 1. 通用人工智能使用 2. 使用人工智能构建 3. 与人工智能工具交互 4. 评估和决策标准 5. 部署现实与未来展望 通用人工智能使用 在短短几年内，人工智能已经从开发者兴趣的边缘转移到他们日常实践的中心。现在，绝大多数（82%）的开发者在使用或与人工智能技术一起工作的一些报告中表单，一种采用水平，这是很少有其他技术能如此快速地达到的水平。 但这并非一个普适采用的故事。 近五分之一（18%）的开发者表示他们完全不使用AI。这凸显了变革步伐的不均衡。虽然多数人在快速实验和采用，但仍有相当一部分人保持谨慎，未被说服，或等待技术成熟。 对于许多人来说，人工智能直接融入了他们的工作流程。46%使用聊天机器人如ChatGPT来回答编程问题尽管超过三分之七（37%）的人依赖人工智能辅助开发工具，例如GitHub Copilot或Cursor。这些工具已迅速成为解决问题、自动化和创意探索的开发工具包的内在组成部分。 人工智能已经进入主流，但它尚未完全主导。它在整个开发者旅程中发挥作用，支持生产力、创造力和技术决策，然而参与程度却参差不齐。对于工具制造商和平台提供者而言，机遇和挑战都在于交付清晰、持续的价值，将实验转化为持久的采用。 数据表明，尽管许多开发者倾向于速度和易用性，但有坚定的少数人致力于增强控制和专业化。有两条途径持续的采用正在出现。其中一个专注于快速，可靠的集成和定制开发以满足特定需求。 如果使用人工智能工具正在改变开发人员的工作方式，那么使用人工智能进行构建正在改变他们创造的内容。有相当大的比例40%不再仅仅是实验助手或聊天机器人；它们直接嵌入人工智能应用或开发他们自己的AI模型。 它们这样做的方式揭示了一种在可访问性和复杂性之间微妙的平衡。20%的开发者添加AI 而40%的开发者在嵌入、定制或微调人工智能模型，一个远大的份额（70%）使用人工智能 通过完全管理的 api 应用于，例如托管大型语言模型，其中12%运行自管理或本地模型。另一方面，越来越多的少数人正在转向更深层次的定制：13%使用自己的数据定制模型，6%微调超参数，还有6%从头开始构建和训练模型。 在日常工作中（例如，通过编程或生成式助手）。这表明，目前，积极使用人工智能工具比全面应用或模型开发要普遍得多。 大多数开发者可能正在使用AI进行编程，但更多超过三分之一的应用程序也直接嵌入人工智能 开发者百分比（n=12,021） 02. 使用人工智能构建 添加AI功能 在功能方面，生成式人工智能已经成为了焦点。将近80%的嵌入AI的开发者报告增加了生成功能，例如文本、图像、音频或代码生成。非生成性任务如分析、预测和分类仍然重要，将近一半的开发者仍然依赖它们，但它们不再代表采用的主要驱动力。 当开发者将 AI 嵌入他们的应用程序时，两模式凸显：托管服务是主要的入口点，而生成式用例是明确的优先项。 全托管 API 是最常用的集成路线，被超过70%的开发者使用。相比之下，约40%的人使用自管理或本地模型。这些方法并不互斥，但数字强调了开发者如何严重依赖托管服务来简化集成和减少基础设施开销。 模型选择显示出相似的实用主义模式。开源是最广泛使用的选项，超过三分之二的开发人员参考或依赖开源。源模型。近一半使用专有和封闭式源模型，而只有五分之一开发者在其团队内部构建或训练模型。 综合来看，数据显示开发者专注于生成式功能，这通常通过托管服务提供，并基于开源基础构建。 全托管api是最常见的添加人工智能的方式应用程序的功能性，无论其功能类型如何 将AI功能添加到他们应用程序中的开发人员百分比（n=3,415） 交互使用人工智能工具 除这三种之外，当前的采用率下降到大约20%或更低。 很少有哪些方面的AI像这样对开发者一样可见代码助手。目前几乎普遍认识到这个问题，超过九成的开发人员报告至少熟悉一种人工智能辅助的代码工具。然而，由于采用模式不均衡和高流失率，认识并不一定会转化为承诺。 卸货很陡峭。像 VS IntelliCode（21%）、Amazon Q 开发者（21%）和 Cursor（17%）这样的工具显示相对较高的意识，但主动使用率要低得多。其他人，包括v0、Lovable、Replit Agent和Cline，意识率在40%左右，但难以达到5%以上的使用率。 然而，有一种工具确实脱颖而出：ChatGPT。三分之二（66%）的开发者报告目前正在使用它，使其成为明显的类别领导者。GitHubCopilot紧随其后，占比近50%，反映其已确立的作用 事实上的编码助手，即使在正式IDE集成之外，谷歌的Gemini CodeAssist也有28%的使用率。 ChatGPT是明显的类别领导者在AI编程助手 使用或了解任何人工智能辅助编码工具的开发人员百分比（n=1,718） 难以捉摸的。超过一半的开发者（51%）表示他们已经停止使用至少一个工具，44%的人说他们已经评估并直接拒绝至少一个。即使是在GitHub Copilot，尽管其整体采用率很高，但它也是流失率最高的之一：11%的开发者放弃工具一段时间后 参与度。有趣的是，尽管ChatGPT被相当多的开发者评估过，但它表现出更低的流失率（7%）。 这幅图是一个正在积极试验的市场之一。开发人员正在广泛测试，淘汰那些无法提供价值的工具，并且只在少数几种能提供明确价值的解决方案中集中。 03. 与人工智能工具交互 开发者真的喜欢代码助手吗？ 采用数量只能说明部分情况。忠诚度和满意度数据显示，开发者社区充满好奇，但尚未被说服。 在别处，情况远非那么令人满意。许多编码助手们聚集在中性分数周围，而一些，如Replit Agent，甚至跌入负值。这些低分和中分反映了现实世界的摩擦，源于令人失望的表现、糟糕的集成或成本超过了感知的收益。 净推荐值 (NPS) 突显了差距。光标得分强劲的42，其次是IBM watsonx代码助手（40）和风帆冲浪（35）。这些工具——即使它们仍然拥有相对较小的用户群——在其用户中激发了真正的热情，这表明它们已经跨越了从玩具到受信赖的实用工具的门槛。 光标、风帆冲浪和水木X代码助手设定了行业可信人工智能辅助编码工具标准 ChatGPT、GitHub Copilot 和 JetBrains AI在开发者满意度排行榜上名列前茅 基于产品属性5星和4星评分的总和的CSAT分数（n=2,828） 客户满意度（CSAT）分数添加了一个第二视角。这里，ChatGPT 以 79 的总体满意度得分领先。GitHub Copilot (78)、JetBrains AI (76) 和 Cursor (73) 也排名靠前。相比之下，其他得分远低：Replit Agent (55) 和 Bolt (64) 位于表格底部，突显了性能的不均衡感觉。类别。 纵观全局，信号明确。开发者愿意尝试几乎任何事情，但他们只会留在那些提供信任和可衡量价值的工具上。在人多地已高度意识到竞争战场已从采纳转向留存。 评估和决策标准 一个第二层次的考虑紧随其后：便利集成度（27%）、速度和延迟（26%）以及成本和定价结构（25%）。这些实际问题很重要，但它们是在质量和信任等基本要素之后的。列表靠下的有可扩展性（22%）、技术支持（19%）、文档（17%），模型定制化（17%）。 随着生成式人工智能从实验转向生产，开发者正在确立一套明确的期望。他们的关注点不在于新颖性或好奇心，而在于服务是否能提供可信赖、可重复的价值。 在评估全托管生成式AI服务或API时，开发者几乎同等看重三个属性：输出质量（32%）、数据隐私和安全（31%），以及可靠性