作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

2025 年，AI Coding 行業(yè)發(fā)生了一件不太被注意、但足以改變規(guī)則的事：開發(fā)者和 AI 的關(guān)系，正從“偶爾用用”質(zhì)變?yōu)椤耙蕾嚒薄?/b>

如果你問一個 2024 年的開發(fā)者“AI 能寫代碼嗎？”，他可能會說：“有時候可以，但不靠譜，還得自己改?！?到了 2025 年底，同樣的問題換來了疑惑的表情：“??？現(xiàn)在誰寫代碼不用 AI？”

這一年，GitHub Copilot 攻占了企業(yè)級市場，Cursor 贏得了獨立開發(fā)者的心，國內(nèi)的 TRAE、Qoder 也在快速迭代。但真正值得注意的，不是哪家產(chǎn)品的用戶量更多，而是競爭焦點從“廣度”轉(zhuǎn)向了“深度”。

就像滴滴早期的補貼大戰(zhàn)是上半場，真正的護城河建立在你“不叫車就不知道怎么出門”的習(xí)慣之上。對于 AI Coding 工具而言，現(xiàn)在的判斷標準只有一個：離開它，你還能不能正常工作？

TRAE 近期發(fā)布的開發(fā)者年度報告，恰好提供了一個精準的行業(yè)切片。Trae 注冊開發(fā)者已超 600 萬，國內(nèi)市占率第一，覆蓋近 200 個國家，但在這光鮮的數(shù)據(jù)背后，藏著幾個更能代表未來的數(shù)字：核心用戶全年使用超過 200 天，付費用戶周活躍 6 天（幾乎全勤），Token 消耗量半年暴漲 700%。

這不僅是某一家的勝利，而是整個行業(yè)越過“能不能用”的臨界點，進入“怎么用得更深”的下半場。

1

什么叫"深度使用"？

在移動互聯(lián)網(wǎng)的舊敘事里，DAU 是金線。但在 AI 時代，這條線換了形態(tài)：不再只看“來過多少人”，更要看 AI 在工作流里扎得有多深。

TRAE 的報告將“深度使用”拆解為三個層次，這恰恰也是 2025 年 AI 工具進化的三個路標：頻率質(zhì)變、任務(wù)質(zhì)變、范式質(zhì)變。

1. 頻率質(zhì)變：從“外掛”變成“輸入法”

“全年使用超過 200 天”、“付費用戶周活躍 6 天”。這些數(shù)字意味著什么？ 如果 AI 只是一個遇到難題才去查一下的搜索引擎，用戶不可能接近全勤。周活 6 天，意味著它已經(jīng)像輸入法一樣，嵌進了開發(fā)的每一次敲擊中。不是想起來才用，而是不開就覺得別扭。

這種質(zhì)變來自體驗的無感化。GitHub Copilot 早期靠插件形態(tài)做到了“潤物細無聲”，TRAE 的 Cue （代碼補全）也落在同一個點上：超過 50% 的用戶每天主動使用，推薦采納率提升超過 80%。當(dāng) AI 的介入從“演示功能”變成了“肌肉記憶”，它就不再是外掛，而是開發(fā)者身體的一部分。

2. 任務(wù)質(zhì)變：AI 開始干“臟活累活”了

Token 消耗量半年增長 700% 的背后，是開發(fā)者投喂給 AI 的上下文變重了。以前只敢丟幾行代碼讓它補全，現(xiàn)在則是把文檔、模塊、項目片段交給它一起推理。

IDE 的場景分布最能說明問題：BugFix 占 35%–38%，代碼生成約 30%，倉庫理解約 9%–11%。 這組數(shù)據(jù)非常重要，因為修 Bug 和讀舊代碼，是開發(fā)中最依賴上下文、最耗心力、也最“臟”的活。AI 開始大量承擔(dān) BugFix，說明它已經(jīng)進入了“生產(chǎn)現(xiàn)場最麻煩的環(huán)節(jié)”。

開發(fā)者愿意在這些任務(wù)上消耗 Token，本質(zhì)上是一次信任升級：我不再只是讓你寫點簡單的 demo，而是把棘手的問題交給你一起扛。 一年 5 億條 Query，意味著無數(shù)次“需求—方案—修正—約束—再修正”的深度協(xié)作循環(huán)。

3. 范式質(zhì)變：交互切換到 Agent 模式

2025 年，AI Coding 圈子里最重要的共識是：AI 不該只待在聊天框里。Replit 把它變成能自己跑流程的 Agent，Cursor 讓它能跨文件協(xié)同修改，Devin 把"AI 能不能獨立把一件事做完"推成了行業(yè)的公開考題。大家卷的不是回答更聰明，而是能不能接過一段工作。

TRAE 的數(shù)據(jù)能把這種變化量化：中國版每 10 位開發(fā)者有 3 位在用 SOLO，國際版 SOLO 累計滲透率達 44%。57%的中國版用戶、84%的國際版用戶會混用多種智能體；一年里有 36.5 萬個自定義智能體被創(chuàng)建，1.1 萬個 MCP 工具被接入。

翻譯成人話就是：開發(fā)者在給自己搭"AI 開發(fā)小組"。Builder 搭骨架，SOLO Coder 扛邏輯，Chat 快速問答，MCP 把瀏覽器、終端、數(shù)據(jù)庫接上去。人反而往后退半步：更多時候是提目標、給約束、做驗收。

三個層次疊加：高頻依賴 × 復(fù)雜任務(wù) × 代理化，這就是 2025 年深度使用的完整樣子。AI Coding 跨過了從"能用"到"依賴"的臨界點。

1

為什么"深度"這么難？

GitHub Copilot 磨了兩年多才讓企業(yè)客戶買單，Cursor 增長兇猛但穩(wěn)定性還在補模型的課。幾乎所有公司都卡在：怎么從"能用"熬到"好用"，再熬到"離不開"。

答案藏在一個簡單事實里——深度使用會放大一切瑕疵。卡頓半秒、偶爾崩潰、理解跑偏，平時不起眼的小毛病，在高頻場景下都會變成勸退理由。

第一道坎：性能

寫代碼的人對"卡"極其敏感。GitHub Copilot 早期 Reddit 上吐槽滿天飛："等它反應(yīng)的功夫，我都自己敲完了。"后來微軟下血本優(yōu)化網(wǎng)絡(luò)架構(gòu)、部署邊緣節(jié)點、搞模型預(yù)加載，才把體驗拉到能用水平。邏輯很殘酷：想要快，就得砸資源、拼工程。

國內(nèi)產(chǎn)品今年下了苦功。TRAE 補全延遲降低 60%+，首 Token 耗時降低 86%，構(gòu)建速度首次減少 70%+、非首次減少約 80%。這些技術(shù)指標決定了 AI 能不能真正"隱形"在開發(fā)流程中。

但速度快還不夠，還得穩(wěn)。Replit 分享過數(shù)據(jù)：Agent 成功率從 95%到 99%時，用戶完全交付意愿翻 4 倍。開發(fā)者要的不是"大多數(shù)時候能用"，而是"關(guān)鍵時刻不掉鏈子"。想象你花半小時讓 AI 重構(gòu)核心模塊，最后一步突然崩了。一次這樣的經(jīng)歷，夠讓用戶半年不想再碰。

從 99%到 99.9%是工程能力的分水嶺。TRAE 在 MacOS 崩潰率降到 0.43%、Windows 降到 0.71%，補全和會話成功率達 99%+，面板進入成功率 99.93%，內(nèi)存占用降低 43%。這些"臟活累活"不會出現(xiàn)在發(fā)布會 PPT 上，但恰恰是產(chǎn)品能否深度使用的生命線。這也是為什么 TRAE 今年完成 100+次迭代。

第二道坎：能力

2025 年的行業(yè)共識：AI 不能只會"說"，還得會"做"。回頭看三年進化很清晰：2022-2023 是插件時代（Copilot、Tabnine 本質(zhì)是智能輸入法），2023-2024 進入對話時代（Cursor、Codeium 變成聊天助手），2024-2025 Agent 時代來了（Cursor 的 Composer 跨文件編輯，Windsurf 的 Cascade 讓 AI 自己規(guī)劃任務(wù)）。

演進的本質(zhì)是上下文邊界在瘋狂擴張。從"當(dāng)前文件"到"整個項目"到"開發(fā)環(huán)境"到"外部服務(wù)"，能塞給 AI 多少上下文，決定了它能解決多復(fù)雜的問題。

TRAE 支持 1.1 萬個 MCP 接入，打破聊天框邊界，AI 能跑通從需求分析到代碼落地的完整鏈路。支持 10+種上下文類型：、、、、、、、、、 等，超過半數(shù)用戶在主動管理上下文。這是從插件到 IDE、從 IDE 到 Agent 的演進，每一步都在擴大 AI 的能力邊界。

第三道坎：技術(shù)

AI 行業(yè)已經(jīng)過了"有模型就能做產(chǎn)品"的階段。真正的分水嶺是：能不能把模型能力轉(zhuǎn)化成開發(fā)者愿意依賴的產(chǎn)品。

這里面的技術(shù)比想象中復(fù)雜：代碼檢索（幾百萬行代碼怎么找最相關(guān)上下文）、代碼理解（深度理解結(jié)構(gòu)才能做出"聰明"的修改）、端到端驗證（SWE-bench 考察的是解決真實 issue，不是生成代碼）。

TRAE 的技術(shù)投入是長期的：SWE-bench Verified 榜單第一，10 余篇 CCF-A 類頂會論文，1 篇入選 NeurIPS Spotlight，開源 trae-agent 獲 10.2k Stars。但論文和榜單只是起點，真正有價值的是技術(shù)怎么落地：Cue 采納率提升 12%，意味著 AI 的代碼補全更準、更符合開發(fā)者習(xí)慣。技術(shù)領(lǐng)先的意義不是發(fā)更多論文，而是讓用戶每次交互都感受到："這次 AI 給的答案確實靠譜。"

深度使用難在要求產(chǎn)品在每個維度都不能有短板。性能不行→"太慢了"；能力不夠→"只能做簡單任務(wù)"；技術(shù)不深→"經(jīng)常出錯，不敢信任"。三道坎，缺一不可。

1

下半場才剛開始

2025 年，AI Coding 的競爭焦點變了。

不再是"誰的用戶多"，而是"誰的用戶離不開"。GitHub Copilot 有企業(yè)客戶規(guī)模優(yōu)勢，Cursor 有獨立開發(fā)者高粘性，國內(nèi)產(chǎn)品在本土化和私有化部署上有自己陣地。但真正的分化才剛開始。

數(shù)字會說謊，使用習(xí)慣不會。TRAE 的 600 萬用戶是大數(shù)字，但更有價值的是那 6000 個全年活躍超 200 天的深度用戶、那 44%的 SOLO 滲透率、那 36.5 萬個自定義智能體。

類似信號在整個行業(yè)都能看到：Cursor 用戶愿意為訂閱付費，Copilot 企業(yè)續(xù)費率在提升，開發(fā)者社區(qū)討論從"好不好用"變成"怎么用得更好"。

這或許才是技術(shù)進步的真正意義：不是替代開發(fā)者，而是讓開發(fā)者從平庸的代碼堆砌中解放出來，去關(guān)注真正值得創(chuàng)造的事物。

2026 年的懸念是：Agent 能否真正穩(wěn)定承接復(fù)雜開發(fā)任務(wù)？

Devin 的嘗試備受爭議但方向?qū)?，TRAE 的 SOLO 在持續(xù)打磨，如果 Agent 能穩(wěn)定落地，AI Coding 工具就會從"輔助軟件"升級為"開發(fā)入口"。

但從"能用"到"依賴"這道坎，已經(jīng)有人跨過去了。不是所有用戶，但足夠多，不是所有場景，但足夠關(guān)鍵。接下來的競爭，拼的是誰能把這批深度用戶留住、擴大、變成護城河。

行業(yè)分化正在發(fā)生，下半場才剛開始。

點個“愛心”，再走 吧