谷歌為什么做不好「AI 編程」？

谷歌，去年憑借大模型能力反超逆襲，出盡了風頭，甚至一度被投資人喊出“市值能到10萬億”。但奇怪的是，谷歌在AI編程這一關鍵領域一直籍籍無名。

強大如谷歌，為何在AI coding（AI 編程）上瘸了腿？

更令人驚訝的是，不止谷歌。縱觀中美互聯(lián)網(wǎng)巨頭，在AI編程上都表現(xiàn)平平。Cursor、Claude Code、Codex、智譜、MiniMax……這些程序員圈子里耳熟能詳?shù)漠a品中，來自互聯(lián)網(wǎng)大廠的寥寥無幾。

大家似乎都陷入了一個怪圈：互聯(lián)網(wǎng)大廠做不好AI編程。

要知道，AI編程不僅是大模型發(fā)展至今在商業(yè)上跑得最成熟、最快的場景，更是AI軟件時代的關鍵入口。

最愛搶“入口”的互聯(lián)網(wǎng)大廠們，這次為何集體缺席？

“AI coding的戰(zhàn)略意義遠超工具本身。”多位大公司資深架構師都向雷峰網(wǎng)如此強調。

可以說，誰掌握了開發(fā)者入口，誰就掌握下一代軟件（包括 Agent）的生產方式。

事實上，過去四十年，每一代軟件平臺的更迭，本質上都是“誰定義開發(fā)規(guī)則，誰收割生態(tài)價值”的游戲。而AI coding正在成為AI時代，開發(fā)規(guī)則的“定義者”。更多洞察，可添加作者微信 xf123a 探討。

不僅如此，上述其中一位架構師還告訴雷峰網(wǎng)，AI coding平臺還能掌握Agent等AI軟件生產的全鏈路數(shù)據(jù)：哪些API被頻繁調用、哪些業(yè)務邏輯最常被實現(xiàn)、開發(fā)者的決策路徑是什么等等。

“握住Agent生產的入口，就等于握住了AI To B的入口。”

既然AI coding如此重要，谷歌為什么做不好？

前亞馬遜云科技首席架構師費良宏認為，谷歌不是“做不好”AI coding，而是一直沒把模型優(yōu)勢轉化成一個開發(fā)者心智明確的產品。

“谷歌的問題本質上不是技術，而是產品碎片化、入口缺失，以及組織上沒有集中力量。”他坦言。

事實上，谷歌有不少AI coding產品，比如Gemini Code Assist、Jules、Gemini CLI、Firebase Studio、AI Studio等，甚至可以說層出不窮。

但這些產品由不同部門操刀，擁有不同的品牌名、不同的入口、甚至不同的收費模式，以至于內部互相打架、頻繁更迭。

“這是大廠內部賽馬機制下，‘諸侯割據(jù)’的典型結果。”費良宏表示，對開發(fā)工具來說，穩(wěn)定性和延續(xù)性就是生命，谷歌這種混亂的布局，讓用戶不知道該怎么選，反而削弱品牌認知。

其次，谷歌還面臨“客場作戰(zhàn)”的入口困境。

“AI編程這塊最早打出聲量的是GitHub Copilot，因為它有天然基礎。只是后來它在模型側沒有發(fā)力，才被友商反超。”某數(shù)科巨頭資深架構師周磊告訴雷峰網(wǎng)。

在開發(fā)工具鏈領域，老牌如微軟，有全球超過70%程序員日常使用的VS Code編輯器和GitHub，新人如Cursor，也通過魔改VS Code底層，卡住了IDE核心入口。

反觀谷歌，在編程領域更像是“無根之草”，缺少同等級的代碼倉庫和IDE分發(fā)渠道。

為了不給微軟抬轎子，谷歌曾極力推行基于網(wǎng)頁的Cloud IDE，試圖改變程序員的肌肉記憶。

然而程序員對本地調試環(huán)境有著極強的黏性，網(wǎng)頁端IDE意味著網(wǎng)絡延遲和復雜的權限配置，谷歌的這一嘗試碰了一鼻子灰。更多研發(fā)內幕，可添加作者微信 xf123a 互通有無。

當它不得不回過頭去給微軟的VS Code寫插件時，它已淪為了客場作戰(zhàn)的“二等公民”，受到對手底層框架的限制。

此外，隱藏在這些背后的，還有更致命的“屁股決定腦袋”的商業(yè)導向問題。

“Gemini Code Assist長期以來更像是Google Cloud的附加銷售工具，而不是圍繞開發(fā)者體驗獨立打磨的產品。畢竟云團隊推AI編碼的目的是為了防止客戶因缺貨而跑去友商。”前谷歌云高級大客戶產品經(jīng)理Sarah透露。

這還只是冰山一角。

曾在谷歌擔任資深工程師的元序智能CEO唐溪柳告訴雷峰網(wǎng)，對谷歌這種有成熟主業(yè)的互聯(lián)網(wǎng)大廠來說，往往難逃“創(chuàng)新者窘境”的魔咒。

谷歌是搜索和廣告的現(xiàn)金牛驅動，資源和注意力天然向主業(yè)傾斜，AI coding這種新物種在內部很難拿到高權重和相應的資源匹配。

而且谷歌這種大廠習慣大而全、追求規(guī)模化和穩(wěn)健，而AI coding這種新東西需要的是小團隊、極快迭代、貼著開發(fā)者真實痛點死磕，而這恰恰是創(chuàng)業(yè)公司的節(jié)奏，不是大廠的節(jié)奏。

此外，大廠通常有更重的包袱，比如歷史代碼、合規(guī)、品牌風險的顧慮，不敢像Cursor那樣激進。

“不是大廠沒能力，而是創(chuàng)新的成功要素，比如小、快、專、敢賭等等和大廠的基因是反的。不是谷歌不夠強，恰恰是它的優(yōu)勢在AI coding這件事上變成了劣勢。”唐溪柳總結道。

視線轉回國內，“互聯(lián)網(wǎng)大廠做不好AI coding”這一現(xiàn)象更加明顯。

從一些程序員和二級市場投資人反饋看，國內AI coding口碑靠前的，基本是智譜、MiniMax等獨立模型廠商。

不少國內大廠程序員反映，日常開發(fā)大多使用海外AI編程工具，而不少國產工具也是調用海外大模型API實現(xiàn)代碼能力。更多使用感受，歡迎添加作者微信 xf123a 交流。

這是為何？

一位不愿具名的大廠效能負責人向雷峰網(wǎng)坦言，存在一定的戰(zhàn)略失誤。

“國內大模型起步相對晚，追趕狀態(tài)下有跑分壓力，心思都在向上匯報上，等反應過來已經(jīng)有點晚了。而且很多互聯(lián)網(wǎng)大廠會優(yōu)先考慮AI與主營業(yè)務的結合，甚至屈身服務于主業(yè)，AI coding沒有優(yōu)先級。”

此外，國內互聯(lián)網(wǎng)大廠與谷歌類似，它沒有“自用壓力”。

每個事業(yè)群、每個部門各有各的KPI，他們很難為了打磨集團自研的AI coding工具和模型，拋棄更好用的海外工具。

“大家的KPI不一樣，就算犧牲研發(fā)效率把內部AI工具打磨好了，業(yè)績算誰的？”一位大廠高級IT工程師告訴雷峰網(wǎng)，他們團隊內部會直接給每人每月大幾千美元的報銷額度，想用哪款AI工具都行。不差錢的情況下，大家基本都用全球最好的。

大廠自己不用，產品得不到“提效飛輪”，客戶公司就更難采用了。

一個看似反常的現(xiàn)象是，那些經(jīng)常被詬病"沒有付費習慣"的中小企業(yè)，在面對研發(fā)工具這一核心生產力時，一反常態(tài)，很舍得花錢。

“不同工具差別還是挺大的，用全球一流的工具我還能正常下班，用某些國產的AI編程工具得加班到半夜兩點。”

“公司買什么我們用什么，公司買了GPT和MiniMax，如果GPT沒額度了，我會用Codex工具搭配MiniMax模型。”

“AI coding工具剛出來時，我們嘗試了很多工具，后面懶得折騰懶得換了。國內的這些工具出得比較晚，一開始評測表現(xiàn)也不太好。能用最頂級的模型，我們肯定優(yōu)先使用最頂級的。”

上面是多位來自不同中小企業(yè)的工程師向雷峰網(wǎng)(公眾號：雷峰網(wǎng))的反饋。

“其實，國內很多團隊大概是在2025年七八月份，才意識到了AI coding的重要性，好幾個大廠開始做IDE工具。”前述大廠架構師周磊透露。

結果誰曾想，Claude Opus 4.6出來之后，CLI工具火了。

“在這之前，大家還在卷IDE，還認為AI coding是AI輔助人coding。但Opus 4.6出來后，大家才發(fā)現(xiàn)AI coding是真正的完全由AI去coding，整個定義就變了。”

“做IDE最大的問題是，IDE是給人用的，而不是給AI用的。所以這些卷IDE的廠商基本上都沒一個特別好的結果。”周磊補充道。更多研發(fā)實際情況，歡迎添加作者微信 xf123a 交流。

“國內在開發(fā)者工具這塊一直不是強項，大廠也不例外。”上海IT咨詢公司顧問張松告訴雷峰網(wǎng)，除了向谷歌一樣面臨“缺乏根基和生態(tài)不足”外，還存在一種業(yè)務上的“思維慣性”。

不論是谷歌還是國內這些互聯(lián)網(wǎng)大廠，它們更習慣的是流量分發(fā)和企業(yè)銷售的傳統(tǒng)互聯(lián)網(wǎng)思維，要么靠資源轟炸，要么靠銷售去跟公有云客戶的領導簽捆綁合同。而AI編程是一個典型的PLG（產品驅動增長）賽道。

“程序員是一個極度崇尚技術、對抗商業(yè)洗腦、并且在生產力工具上擁有核心話語權的群體。而互聯(lián)網(wǎng)大廠以往習慣的‘品牌、補貼和捆綁銷售’等等打法，很難左右他們。”張松解釋道。

那互聯(lián)網(wǎng)大廠們還有機會嗎？

“別指望大廠能用‘集團軍’的打法做出好的AI coding工具。”唐溪柳坦言，要給小而專的團隊空間，國內最好的AI編程工具大概率會出在相對獨立、能快速迭代的團隊手里。

“別只盯著模型參數(shù)的軍備競賽，AI coding的勝負手越來越在工程化和產品體驗上，而這恰恰是中國團隊擅長、但又容易因為浮躁而做不深的地方。”

谷歌在AI coding上的困境，不是技術困境，而是組織困境。

這家公司強大的AI研究能力，但卻始終沒能把這種能力穩(wěn)定地轉化為程序員每天打開的產品。

原因是多重的。產品碎片化、入口缺失、組織力量分散、商業(yè)化導向偏差、創(chuàng)新者窘境……這些原因加在一起，構成了一個更大的警示：AI能力不等于AI產品。

而國內公司可能正在走類似的路。

幸運的是，AI coding的競爭格局，目前還沒有完全固化。但這個窗口期，可能不會超過兩年。

本文作者長期追蹤海外AI巨頭資本動態(tài)、前沿技術和幕后故事，歡迎添加作者微信 xf123a 互通有無。