作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

AI Coding 正在從“工具紅利”走向“系統(tǒng)重構(gòu)”。過去兩年，開發(fā)者最直觀的感受是代碼補(bǔ)全更快、寫樣板代碼更省力。但現(xiàn)在，變化已經(jīng)越過了單點(diǎn)提效階段。模型開始讀取整個(gè)代碼庫、理解項(xiàng)目結(jié)構(gòu)，甚至參與 PR 和審核流程。

軟件開發(fā)正在從“人主導(dǎo)、AI 輔助”，轉(zhuǎn)向“人設(shè)定目標(biāo)、AI 執(zhí)行流程”。

這背后也意味著行業(yè)競爭邏輯正在變化。

早期 AI 編程產(chǎn)品比的是模型能力和交互體驗(yàn)，誰生成得準(zhǔn)、響應(yīng)得快。但隨著任務(wù)變復(fù)雜，真正的護(hù)城河會逐漸轉(zhuǎn)向上下文管理、緩存效率和成本控制等。

換句話說，AI 編程不再只是“更聰明的代碼編輯器”，而是在逼近一套新的軟件生產(chǎn)基礎(chǔ)設(shè)施。

此外，與共識相悖的是，AI 并不會天然抹平開發(fā)者差距。相反，它可能先放大高手的優(yōu)勢。

懂架構(gòu)、會拆任務(wù)、能判斷模型輸出質(zhì)量的開發(fā)者，會把 AI 變成杠桿。而只把 AI 當(dāng)成問答工具的人，獲得的提升會有限。

Cursor 作為在 AI Coding 行業(yè)起起伏伏的公司，發(fā)布的開發(fā)者習(xí)慣報(bào)告展現(xiàn)了AI Coding 真實(shí)的趨勢變化。它不是又一篇關(guān)于 AI 編程的概念文章，而是用真實(shí)產(chǎn)品數(shù)據(jù)記錄了這場變化。

以下是 Cursor 發(fā)布的《2026 年春季 Cursor 開發(fā)者習(xí)慣報(bào)告》編譯文字。（原文鏈接：https://cursor.com/insights）

1

一場深刻的變革

軟件開發(fā)正在經(jīng)歷一場驚人的變革。這份首期開發(fā)者習(xí)慣報(bào)告，基于 Cursor 的真實(shí)數(shù)據(jù)，從五個(gè)角度記錄了這一切：

1. 開發(fā)者在加速：代碼編寫速度同比增長一倍，每次提交的代碼量更大、更深，AI 生成的代碼通過審核后保留下來的比例也達(dá)到了歷史新高。

2. 智能的經(jīng)濟(jì)賬：我們對比了 7 個(gè)模型系列，看每行代碼花多少錢、每次提交花多少錢，發(fā)現(xiàn)不同模型之間的性價(jià)比差異非常大。

3. 頂尖用戶的領(lǐng)先優(yōu)勢：AI 讓所有人的效率都提高了，但最頂尖的 1% 開發(fā)者提升最為明顯。

4. 上下文的崛起：模型讀取的信息量急劇增加，"緩存讀取"的占比也在上升，這讓 AI 有能力處理更復(fù)雜的任務(wù)、寫出更高質(zhì)量的代碼。

5. 邁向自動化：AI 編程正從"輔助單個(gè)開發(fā)者"的工具，演變?yōu)橐惶锥说蕉俗詣踊浖_發(fā)流程的完整系統(tǒng)。

本報(bào)告用數(shù)據(jù)清晰呈現(xiàn)了：AI 編程今天處在什么位置，下一步可能走向哪里。

1

1. 開發(fā)者加速

開發(fā)者工作得更快、產(chǎn)出的代碼更多，但變化遠(yuǎn)不止"量"的提升。AI 也在改變工作的"形態(tài)"：每次提交的代碼量更大、AI 對話的輪次更深、AI 生成的代碼在代碼庫里存活的時(shí)間也更長了。

1.1 代碼產(chǎn)出速度加快

開發(fā)者每周新增的代碼量在持續(xù)增加，且自 2026 年初以來增速還在加快。雖然代碼行數(shù)不是完美的衡量標(biāo)準(zhǔn)，但它為理解開發(fā)者工作正在發(fā)生怎樣的變化，提供了一個(gè)有方向性參考價(jià)值的方向。

1.2 每次提交的代碼量在增長

每次提交（PR）新增的代碼行數(shù)，同比增長約 2.5 倍，且增速還在加快。

1.3 開發(fā)者在處理更大的任務(wù)單元

"超大型提交"（指改動至少 1,000 行代碼的提交），變得越來越常見，因?yàn)殚_發(fā)者開始借助 AI 在單次提交中完成更大的任務(wù)。值得注意的是，2026 年 1 月超大型提交出現(xiàn)躍升——當(dāng)時(shí)許多開發(fā)者正在試用最新的 AI 編程能力和模型。（OpenClaw）

1.4 AI 對話的輪次在加深

最近兩個(gè)月，每次 AI 對話平均調(diào)用的工具次數(shù)增加了約 30%。AI 編程助手正在承擔(dān)更復(fù)雜的任務(wù)：更頻繁地讀取和編輯文件、搜索代碼、運(yùn)行命令行、瀏覽網(wǎng)頁。

1.5 AI 生成的代碼存活更久了

2026 年初以來，AI 建議的代碼在被接受后 60 分鐘仍然保留在代碼庫中的比例，從約 76% 上升到了 81%。

1

2. 智能經(jīng)濟(jì)學(xué)

隨著模型能力越來越強(qiáng)、使用的上下文越來越多、承擔(dān)的任務(wù)越來越深，成本在產(chǎn)品體驗(yàn)中的比重也越來越大。

為了理解"成本 vs. 智能"之間的權(quán)衡，我們從三個(gè)角度分析了模型的經(jīng)濟(jì)性：請求成本、有效代碼產(chǎn)出效率、以及成本與跑分表現(xiàn)之間的關(guān)系。

2.1 不同模型的請求成本差異巨大

不同模型系列的單次請求成本相差近 9 倍，說明同樣的工作流，因背后使用的模型不同，成本差別巨大。

2.2 代碼接納率縮小了模型價(jià)格差距

便宜模型和貴模型，每次請求的價(jià)格可以差 9 倍之多。但看"最終留下的代碼"，最大差距只有 7 倍——因?yàn)橘F模型一次能寫出更多能用的代碼，并不像表面看起來那么昂貴。

2.3 "成本-質(zhì)量"前沿在移動

下圖展示了各模型在 Cursor 內(nèi)部評測（CursorBench）中的表現(xiàn)與平均任務(wù)成本的關(guān)系，呈現(xiàn)了各模型在"成本-質(zhì)量"上的位置。

1

3. 超級用戶差距

AI 正在全面提升生產(chǎn)力，但這種提升在用戶分布的最頂端最為集中。頂尖 1% 的用戶獲得的收益遠(yuǎn)高于其他人，且隨著 AI 總使用量的增長，這種差距在絕對數(shù)值上還在繼續(xù)拉大。

3.1 超級用戶占據(jù)了 AI 活動的大頭

AI 的使用高度集中：一小部分開發(fā)者，貢獻(xiàn)了絕大部分的 AI 代碼行數(shù)、AI 相關(guān)花費(fèi)和 Token 消耗量。洛倫茲曲線顯示了這種集中程度，三個(gè)指標(biāo)的基尼系數(shù)分別為 0.77、0.75 和 0.72（0 到 1 之間，分?jǐn)?shù)越高說明活動越集中在少數(shù)人手中）。

3.2 產(chǎn)出差距正在擴(kuò)大

前90%的開發(fā)者與中位開發(fā)者的絕對代碼產(chǎn)出差距正在擴(kuò)大，而 P99 用戶的領(lǐng)先幅度更是遙遙領(lǐng)先。

3.3 尾部的差距更懸殊

這是超級用戶差距在尾部加劇程度的另一種視角。

從另一個(gè)角度看頂尖用戶差距的驚人程度：P99 （前99%）開發(fā)者產(chǎn)出的代碼行數(shù)是活躍中位用戶的 46 倍，合并的提交次數(shù)是中位提交者的 15 倍。P90 用戶雖然也有明顯領(lǐng)先，但差距要小得多。

1

4. 上下文的崛起

隨著模型承擔(dān)更復(fù)雜的任務(wù)，它們在輸出之前會先讀取更多上下文來理解代碼庫、用戶意圖和 surrounding 工作流。

這種轉(zhuǎn)變對成本是有利的——因?yàn)檩斎?Token 比輸出 Token 便宜得多，而緩存讀取的 Token 更便宜。

上下文能力的提升，有助于模型寫出更精準(zhǔn)的代碼，這與我們在"開發(fā)者加速"章節(jié)中看到的代碼留存率上升是一致的。

4.1 模型在寫代碼之前，讀得更多了

輸入與輸出 Token 的比例正在快速上升，說明模型每生成一個(gè) Token，就要消耗更多的上下文信息。這表明模型在生成代碼之前，做了更多"前期工作"。

4.2 輸入 Token 已占非緩存 Token 的大頭

同樣的趨勢也體現(xiàn)在 Token 構(gòu)成中。輸入 Token 現(xiàn)在占輸入輸出總量的 90% 以上，上下文已成為非緩存模型使用中的主要部分。

4.3 輸入上下文正在成為 Token 成本的主要來源

輸入 Token 消耗量大，但由于單價(jià)較低，對成本的影響被部分抵消了。即便如此，輸入 Token 已在"等價(jià)價(jià)格"的 Token 成本中占多數(shù)，年初至今從約一半上升到近 70%。

4.4 緩存讀取主導(dǎo)了 Token

把緩存也考慮進(jìn)來，"上下文"的邊界更大。緩存讀取 Token 占了 Token 活動總量的絕大部分，說明現(xiàn)在的 AI 工作越來越依賴重復(fù)利用之前的上下文，而不是每次都從頭讀取所有內(nèi)容。

1

5. 邁向自動化

AI 編程工具最初的目的是加速單個(gè)開發(fā)者的工作。我們在報(bào)告前面的章節(jié)中已經(jīng)看到了這種影響：更快的編碼、更大的提交、更深的 AI 對話輪次，以及更多 AI 生成的代碼最終進(jìn)入提交記錄。

現(xiàn)在，AI 軟件開發(fā)正在進(jìn)入一個(gè)新時(shí)代——AI 正在成為基礎(chǔ)設(shè)施，逐步實(shí)現(xiàn)軟件開發(fā)全生命周期的端到端自動化。

5.1 更多 AI 修改正在被自動接受

2026年開年以來，未經(jīng)人工逐行審核、直接被自動接受并進(jìn)入代碼提交的 AI 修改，增長了 5 倍以上。這說明開發(fā)者越來越信任 AI，愿意讓它獨(dú)立完成更多提交流程中的工作。

5.2 自動化正在向各類工作流擴(kuò)散

雖然還處在早期，但第一批自動化模式已經(jīng)開始顯現(xiàn)。Cursor 自動化功能的采用正在快速增長，其中安全審核正成為一個(gè)強(qiáng)有力的自動化應(yīng)用場景。更新的數(shù)據(jù)顯示，SDK 運(yùn)行功能也展現(xiàn)出初步需求——開發(fā)者希望把 Cursor 的 AI 基礎(chǔ)設(shè)施變成可按需定制的可編程平臺。

1

調(diào)研方式

本報(bào)告基于 Cursor 產(chǎn)品和工程數(shù)據(jù)的匯總統(tǒng)計(jì)，包括 AI 使用量、Token 消耗、被接受的 AI 代碼改動、以及已合并的提交活動。大多數(shù)時(shí)間序列圖表使用 7 天、28 天或 30 天滾動平均值，以減少短期波動噪音，讓趨勢方向更容易看清。所有指標(biāo)均以匯總形式報(bào)告，旨在展示開發(fā)者如何使用 AI 構(gòu)建軟件的廣泛模式。本報(bào)告不包含處于隱私模式用戶的退出數(shù)據(jù)，包括與模型提供方簽訂零數(shù)據(jù)保留協(xié)議的用戶數(shù)據(jù)。

點(diǎn)個(gè)“愛心”，再走 吧