2021 年 GitHub Copilot 预览时，AI 编码还被视为极客的个人效率工具；到 2025 年，它已经变成董事会级别的议题。转折点有三个：一是 Claude Code、Cursor、Codex CLI 这类 agent 工具把"补全代码"升级成"领取任务"，AI 从编辑器插件变成了需要账号、预算与权限管理的"虚拟员工"；二是 Karpathy 在 2025 年 2 月提出 vibecoding 一词并出圈，非技术高管第一次觉得"写软件"触手可及；三是谷歌、微软等公司公开自证——Pichai 在 2024 年 10 月财报电话会上说 Google 新增代码中超过 25% 由 AI 生成，2025 年一季度进一步上升到 30% 以上，此后报道口径一度接近一半（后期数字为公司外披露口径，供参考）。
本报告讨论的"传统企业"指银行、制造、零售、电信、政务等非原生互联网公司：代码资产庞大、遗留系统多、合规约束硬、组织层级复杂。它们的处境与初创公司截然不同——初创的问题 是"用哪个工具"，传统企业的问题是"如何让一万名工程师、四十个系统、三个监管机构同时接受同一个工具"。这里把"落地"定义为四个可观测状态：工具被授权采购、被日常使用、产出进入生产代码、效果被度量。多数大组织卡在第二到第三档之间。
把 2025-2026 年主要调查放在一起看，结论高度一致：人人都在用，但没人信，更没人管得好。
| 调查 / 研究 | 样本与口径 | 关键数字 | 值得注意的细节 |
|---|---|---|---|
| Stack Overflow 开发者调查 2025 | 约 4.9 万名开发者、177 个国家和地区 | 84% 在用或计划用 AI 工具（2024 年为 76%）；对 AI 的整体好感度从 70% 以上降至 60%；仅约 29% 信任 AI 输出的准确性 | 使用率与信任度首次出现明显背离 |
| DORA 2025（Google Cloud） | 全球软件从业者年度调查 | 90% 在工作中使用 AI；65% 高度依赖；仅约 1% 的组织达到 AI 成熟度；92% 的公司计划加大投入 | 2024 年报告曾估算：AI 采用率每提高 25%，中位组织的交付吞吐量反而微降约 1.5%、不稳定性上升 |
| JetBrains 开发者生态 2025 | 约 2.45 万名开发者 | 62% 依赖至少一个 AI 编码助手 | 多工具并用成为常态 |
| Menlo Ventures 企业 AI 报告 2025 | 企业开发者（转引） | 约 50% 开发者每天使用 AI 编码工具，头部组织达 65% | "日常使用"是比"曾经用过"更硬的指标 |
| METR 随机对照实验（2025-07） | 16 名资深开源开发者、真实仓库交叉实验 | 使用 AI 的组实际慢约 19%，但自评"快了约 20%" | 目前关于 AI 生产率最严谨的负面证据 |
| Gartner 预测 | 行业预测（2024 发布） | 到 2028 年 75% 的企业软件工程师将使用 AI 代码助手，2023 年初不足 10% | 采用曲线仍在陡峭段 |
对"ROI 证据"要诚实：目前没有令人信服的、可跨企业复用的"AI 编码 ROI 公式"。谷歌与微软的"30% 代码由 AI 生成"只说明生成占比，不等于人力节省——Pichai 自己也强调 AI 增加而非减少了对工程师的需求。DORA 的核心洞察更接近真相：AI 是组织既有能力的放大器——工程文化好的公司拿到复利，文化差的公司加速制造技术债。DORA 还发现，有明确 AI 可接受使用政策的组织，其 AI 采用几率显著高于没有政策的组织（报告口径为高出数倍）。这解释了为什么"先写政策"比"先买席位"更重要。
供给侧的格局是：IDE 侧（Cursor、Windsurf、JetBrains AI）、CLI/Agent 侧（Claude Code、Codex CLI、OpenCode）、平台侧（GitHub Copilot 企业版、Google Gemini for Workspace/Cloud、AWS 各自的助手），以及 Sourcegraph（搜索与上下文）、Augment（大仓库上下文）等垂直玩家。传统企业采购时真正比较的往往不是模型能力，而是：数据是否留存、能否私有部署、审计日志、与既有 SSO/代码仓的集成。
2025 年 4 月，CEO Tobi Lütke 的一份内部备忘录流出并广为传播：AI 使用成为 Shopify 全员的"基本期望"，直接进入绩效评审与招聘考察；产品原型必须在写正式路线图之前用 AI 做出来；拒绝学习 AI 的员工等于把决策权交给周围的人。这份备忘录被视为传统组织（Shopify 已是万人规模）把 vibecoding 从"个人技巧"升级为"组织制度"的标志性样本：它没有指定工具，而是改变默认值——默认使用、默认考核。对大组织的启示：一把手的制度性背书，比任何培训计划的转化率都高。
Google 连续多个季度在财报电话会上披露 AI 生成新代码的占比（25% → 30%+），并把内部 Agent 助手（如 Jules 相关能力）逐步产品化。它的可借鉴之处不是数字，而是把 AI 编码从工程团队的自留地变成有口径、可追踪的公司级指标。多数传统企业连"上周有多少 PR 由 AI 参与生成"都答不出来，谈 ROI 自然无从下手。
传统企业内部最稀缺的角色是"AI 工程平台小组"：3-5 人的小团队，负责选型与合同（数据不留存条款）、维护组织级规则库（AGENTS.md / 提示词模板 / 代码生成规范）、搭度量看板（采用率 × 变更失败率 × 交付吞吐）。这件事的 ROI 极好算：它替代的是每个团队各自摸坑的重复成本。
大企业"想用但不敢用"的状态会持续数年。围绕这个缺口的服务至少有四类：合规与安全评估（数据流向、密钥泄露风险审计）、私有化部署与代理网关（自托管模型+代码不出境）、分层培训（新人教验证、资深教任务编排）、效果度量咨询（DORA 指标基线与试点设计）。金融、制造、政务是付费意愿最强的三个行业。
在传统企业里，能把 agent 工作流（规格拆解、上下文准备、验收标准）翻译成大组织流程语言的人，晋升速度明显快于纯编码强者。具体抓手：主动认领团队的 AI 使用政策与规则库建设，把个人 vibecoding 经验制度化——这是未来 2-3 年传统企业内部最确定的稀缺位。