谷歌，去年凭借大模型能力反超逆袭，出尽了风头，甚至一度被投资人喊出 " 市值能到 10 万亿 "。但奇怪的是，谷歌在 AI 编程这一关键领域一直籍籍无名。

强大如谷歌，为何在 AI coding（AI 编程）上瘸了腿？

更令人惊讶的是，不止谷歌。纵观中美互联网巨头，在 AI 编程上都表现平平。Cursor、Claude Code、Codex、智谱、MiniMax ……这些程序员圈子里耳熟能详的产品中，来自互联网大厂的寥寥无几。

大家似乎都陷入了一个怪圈：互联网大厂做不好 AI 编程。

要知道，AI 编程不仅是大模型发展至今在商业上跑得最成熟、最快的场景，更是 AI 软件时代的关键入口。

最爱抢 " 入口 " 的互联网大厂们，这次为何集体缺席？

01

谷歌何以陷入 " 大公司魔咒 "？

"AI coding 的战略意义远超工具本身。"多位大公司资深架构师都向雷峰网如此强调。

可以说，谁掌握了开发者入口，谁就掌握下一代软件（包括 Agent）的生产方式。

事实上，过去四十年，每一代软件平台的更迭，本质上都是 " 谁定义开发规则，谁收割生态价值 " 的游戏。而 AI coding 正在成为 AI 时代，开发规则的 " 定义者 "。更多洞察，可添加作者微信  xf123a  探讨。

不仅如此，上述其中一位架构师还告诉雷峰网，AI coding 平台还能掌握 Agent 等 AI 软件生产的全链路数据：哪些 API 被频繁调用、哪些业务逻辑最常被实现、开发者的决策路径是什么等等。

" 握住 Agent 生产的入口，就等于握住了 AI To B 的入口。"

既然 AI coding 如此重要，谷歌为什么做不好？

前亚马逊云科技首席架构师费良宏认为，谷歌不是 " 做不好 "AI coding，而是一直没把模型优势转化成一个开发者心智明确的产品。

" 谷歌的问题本质上不是技术，而是产品碎片化、入口缺失，以及组织上没有集中力量。" 他坦言。

事实上，谷歌有不少 AI coding 产品，比如 Gemini Code Assist、Jules、Gemini CLI、Firebase Studio、AI Studio 等，甚至可以说层出不穷。

但这些产品由不同部门操刀，拥有不同的品牌名、不同的入口、甚至不同的收费模式，以至于内部互相打架、频繁更迭。

" 这是大厂内部赛马机制下，‘诸侯割据’的典型结果。" 费良宏表示，对开发工具来说，稳定性和延续性就是生命，谷歌这种混乱的布局，让用户不知道该怎么选，反而削弱品牌认知。

其次，谷歌还面临 " 客场作战 " 的入口困境。

"AI 编程这块最早打出声量的是 GitHub Copilot，因为它有天然基础。只是后来它在模型侧没有发力，才被友商反超。" 某数科巨头资深架构师周磊告诉雷峰网 ( 公众号：雷峰网 ) 。

在开发工具链领域，老牌如微软，有全球超过 70% 程序员日常使用的 VS Code 编辑器和 GitHub，新人如 Cursor，也通过魔改 VS Code 底层，卡住了 IDE 核心入口。

反观谷歌，在编程领域更像是 " 无根之草 "，缺少同等级的代码仓库和 IDE 分发渠道。

为了不给微软抬轿子，谷歌曾极力推行基于网页的 Cloud IDE，试图改变程序员的肌肉记忆。

然而程序员对本地调试环境有着极强的黏性，网页端 IDE 意味着网络延迟和复杂的权限配置，谷歌的这一尝试碰了一鼻子灰。更多研发内幕，可添加作者微信  xf123a 互通有无。

当它不得不回过头去给微软的 VS Code 写插件时，它已沦为了客场作战的 " 二等公民 "，受到对手底层框架的限制。

此外，隐藏在这些背后的，还有更致命的 " 屁股决定脑袋 " 的商业导向问题。

"Gemini Code Assist 长期以来更像是 Google Cloud 的附加销售工具，而不是围绕开发者体验独立打磨的产品。毕竟云团队推 AI 编码的目的是为了防止客户因缺货而跑去友商。" 前谷歌云高级大客户产品经理 Sarah 透露。

这还只是冰山一角。

曾在谷歌担任资深工程师的元序智能 CEO 唐溪柳告诉雷峰网，对谷歌这种有成熟主业的互联网大厂来说，往往难逃 " 创新者窘境 " 的魔咒。

谷歌是搜索和广告的现金牛驱动，资源和注意力天然向主业倾斜，AI coding 这种新物种在内部很难拿到高权重和相应的资源匹配。

而且谷歌这种大厂习惯大而全、追求规模化和稳健，而 AI coding 这种新东西需要的是小团队、极快迭代、贴着开发者真实痛点死磕，而这恰恰是创业公司的节奏，不是大厂的节奏。

此外，大厂通常有更重的包袱，比如历史代码、合规、品牌风险的顾虑，不敢像 Cursor 那样激进。

" 不是大厂没能力，而是创新的成功要素，比如小、快、专、敢赌等等和大厂的基因是反的。不是谷歌不够强，恰恰是它的优势在 AI coding 这件事上变成了劣势。" 唐溪柳总结道。

02

国内大厂为何也集体 " 哑火 "？

视线转回国内，" 互联网大厂做不好 AI coding" 这一现象更加明显。

从一些程序员和二级市场投资人反馈看，国内 AI coding 口碑靠前的，基本是智谱、MiniMax 等独立模型厂商。

不少国内大厂程序员反映，日常开发大多使用海外 AI 编程工具，而不少国产工具也是调用海外大模型 API 实现代码能力。更多使用感受，欢迎添加作者微信  xf123a  交流。

这是为何？

一位不愿具名的大厂效能负责人向雷峰网坦言，存在一定的战略失误。

" 国内大模型起步相对晚，追赶状态下有跑分压力，心思都在向上汇报上，等反应过来已经有点晚了。而且很多互联网大厂会优先考虑 AI 与主营业务的结合，甚至屈身服务于主业，AI coding 没有优先级。"

此外，国内互联网大厂与谷歌类似，它没有 " 自用压力 "。

每个事业群、每个部门各有各的 KPI，他们很难为了打磨集团自研的 AI coding 工具和模型，抛弃更好用的海外工具。

" 大家的 KPI 不一样，就算牺牲研发效率把内部 AI 工具打磨好了，业绩算谁的？" 一位大厂高级 IT 工程师告诉雷峰网，他们团队内部会直接给每人每月大几千美元的报销额度，想用哪款 AI 工具都行。不差钱的情况下，大家基本都用全球最好的。

大厂自己不用，产品得不到 " 提效飞轮 "，客户公司就更难采用了。

一个看似反常的现象是，那些经常被诟病 " 没有付费习惯 " 的中小企业，在面对研发工具这一核心生产力时，一反常态，很舍得花钱。

" 不同工具差别还是挺大的，用全球一流的工具我还能正常下班，用某些国产的 AI 编程工具得加班到半夜两点。"

" 公司买什么我们用什么，公司买了 GPT 和 MiniMax，如果 GPT 没额度了，我会用 Codex 工具搭配 MiniMax 模型。"

"AI coding 工具刚出来时，我们尝试了很多工具，后面懒得折腾懒得换了。国内的这些工具出得比较晚，一开始评测表现也不太好。能用最顶级的模型，我们肯定优先使用最顶级的。"

上面是多位来自不同中小企业的工程师向雷峰网的反馈。

" 其实，国内很多团队大概是在 2025 年七八月份，才意识到了 AI coding 的重要性，好几个大厂开始做 IDE 工具。" 前述大厂架构师周磊透露。

结果谁曾想，Claude Opus 4.6 出来之后，CLI 工具火了。

" 在这之前，大家还在卷 IDE，还认为 AI coding 是 AI 辅助人 coding。但 Opus 4.6 出来后，大家才发现 AI coding 是真正的完全由 AI 去 coding，整个定义就变了。"

" 做 IDE 最大的问题是，IDE 是给人用的，而不是给 AI 用的。所以这些卷 IDE 的厂商基本上都没一个特别好的结果。"周磊补充道。更多研发实际情况，欢迎添加作者微信  xf123a  交流。

" 国内在开发者工具这块一直不是强项，大厂也不例外。" 上海 IT 咨询公司顾问张松告诉雷峰网，除了向谷歌一样面临 " 缺乏根基和生态不足 " 外，还存在一种业务上的 " 思维惯性 "。

不论是谷歌还是国内这些互联网大厂，它们更习惯的是流量分发和企业销售的传统互联网思维，要么靠资源轰炸，要么靠销售去跟公有云客户的领导签捆绑合同。而 AI 编程是一个典型的 PLG（产品驱动增长）赛道。

" 程序员是一个极度崇尚技术、对抗商业洗脑、并且在生产力工具上拥有核心话语权的群体。而互联网大厂以往习惯的‘品牌、补贴和捆绑销售’等等打法，很难左右他们。" 张松解释道。

那互联网大厂们还有机会吗？

" 别指望大厂能用‘集团军’的打法做出好的 AI coding 工具。" 唐溪柳坦言，要给小而专的团队空间，国内最好的 AI 编程工具大概率会出在相对独立、能快速迭代的团队手里。

" 别只盯着模型参数的军备竞赛，AI coding 的胜负手越来越在工程化和产品体验上，而这恰恰是中国团队擅长、但又容易因为浮躁而做不深的地方。"

03

结尾

谷歌在 AI coding 上的困境，不是技术困境，而是组织困境。

这家公司强大的 AI 研究能力，但却始终没能把这种能力稳定地转化为程序员每天打开的产品。

原因是多重的。产品碎片化、入口缺失、组织力量分散、商业化导向偏差、创新者窘境……这些原因加在一起，构成了一个更大的警示：AI 能力不等于 AI 产品。

而国内公司可能正在走类似的路。

幸运的是，AI coding 的竞争格局，目前还没有完全固化。但这个窗口期，可能不会超过两年。

本文作者长期追踪海外 AI 巨头资本动态、前沿技术和幕后故事，欢迎添加作者微信 xf123a 互通有无。