作者丨徐晓飞
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？
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。
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。
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。”
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。
