AIエージェント

Claude Code 9个月暴涨6倍:JetBrains万人开发者调研揭示AI编程工具选型转折点

JetBrains于2026年4月发布的万人开发者调研显示,Claude Code 9个月暴涨6倍。Copilot 29%、Cursor 18%、Claude Code 18%。从5个维度解读选型标准的变化。

这篇文章能帮你搞清楚什么

  • Claude Code 的价格与导入讨论目前到了哪一步
  • 哪一种方案或导入阶段更适合当前处境
  • 下一篇该看哪篇,才能继续补齐费用、上手或全局理解
Claude Code 9个月暴涨6倍:JetBrains万人开发者调研揭示AI编程工具选型转折点
目次

“我们公司签了Copilot的合同,但最近Claude Code很火,真的应该换吗?“上周,一位认识的信息系统部长,连续三次问了我同样的问题。

我的回答是:“换之前,请先重新审视选型标准本身。”

JetBrains于2026年4月发布的万人开发者调研显示,GitHub Copilot的采用率为29%,Cursor为18%,Claude Code同样为18%。这三个数字,讲述了AI编程工具市场的规则变更。

尤其是Claude Code,从2025年4~6月的约3%,上升至2026年1月的18%。9个月暴涨6倍。

业务负责人和AI负责人当下面临的问题是:“只用Copilot一款真的行吗?“本文将JetBrains调研的数字,翻译成”可用于工具选型依据的5个维度”。

JetBrains万人开发者调研揭示的3个数字

AIコーディングツール採用率比較

首先,整理一下作为讨论前提的事实。

JetBrains The Research Blog(2026年4月发布)对超过1万名开发者进行了”在工作中使用哪款AI编程工具”的调研。万人级样本量,在业界调研中属于最大规模。

数字的核心有3个。

第1个,GitHub Copilot的采用率为29%。全球开发者中,每3人就有近1人在工作中使用。认知度为76%。这依然是压倒性的数字。如果只看5000人以上的大企业,采用率上升至40%。

第2个,Claude Code的采用率为18%。从2025年4~6月时的约3%,经过2025年9月的约12%(上一次调研基础),到2026年1月达到18%。仅仅9个月就增长了6倍。认知度也从31%→49%→57%,半年内上升了26个百分点。

第3个,Cursor的采用率同样为18%。与Claude Code几乎处于同一水平,紧追Copilot之后。

把数字汇总起来,市场格局的变化是这样的。

  • Copilot 29%:王者,但增长停滞
  • Cursor 18%:作为参与者已稳定立足
  • Claude Code 18%:急速上升,正在迅速缩小差距

从”Copilot vs 其他”的二元论,转向”三者势均力敌的三国时代”。这就是JetBrains调研揭示的第一个事实。

这里令人在意的问题是:“采用率的增长还会持续吗?“JetBrains自身分析称”Copilot在认知度和采用率两方面增长都已放缓”。另一方面,Claude Code在认知度、采用率、满意度3项指标上都呈上升趋势。趋势的方向本身,与Copilot的增长期完全相反。

Claude Code “暴涨6倍”背后的真正原因

Claude Code急伸の3段階構造

“6倍”这个数字容易被孤立解读,但拆解其结构后,看法就会改变。

采用率18%的结果,是3个阶段层层累积的。

第1阶段:认知度31%→57%。半年内提升了26个百分点。Claude Code本身的知名度得以扩大。

第2阶段:认知者中试用率的上升。从”听说过”到”实际试用”的转化在推进。

第3阶段:试用者中留存率的提升。从”用过”到”持续在工作中使用”的留存正在发生。

留存推进的原因,CSAT和NPS给出了佐证。Claude Code的CSAT(客户满意度)为91%,NPS(推荐意向)为54分。JetBrains自身评价称”两者均为市场最高水平”。

CSAT 91%意味着,9成用户回答满意。NPS 54分意味着,推荐者与批评者之间的差距为54分,在SaaS基准中属于”卓越”评级的区间。

简而言之,“采用率18%、6倍增长”的结果,是在认知扩大之上,叠加了”试用满意→持续使用→推荐给他人”这3层。它呈现出来的是:这不是靠广告投放推上去的数字。

我自己也在同时期评估了Claude Code。最初半信半疑。实际在工作中使用了约2周后,“对话→反映到代码→确认结果”这3步的摩擦,明显比其他工具更少。这种体感与CSAT 91%的调研结果吻合。

资深层的支持也颇具特征。我向身边的资深开发者询问后,“已经把主力切换到Claude Code”的声音颇为突出。另一方面,Copilot更多是”因为习惯了所以继续用”这样的理由。经验越丰富的人越倾向于流向”最优的单一工具”的格局正在浮现。(作者观察值。在JetBrains调研的一手数据中未能确认为具体数值,请仅作为现场见解参考

“产品卓越性 > 生态系统”——选型标准发生转变的瞬间

JetBrains自身的评论,才是本次调研的核心。

“向最高水平的智能体迁移这一现象,表明产品的卓越性正变得比生态系统更受重视。开发者不再选择整合的技术栈,而是迁移到最优的单一工具。“(JetBrains The Research Blog)

这句话的含义沉重。

此前”就选Copilot了”的理由很简单。与GitHub的整合、Microsoft的企业生态、既有的IDE联动。“虽然其他工具也吸引人,但生态完备的Copilot是现实之选”——这套逻辑曾在循环运转。

然而在2026年的调研中,这一前提被打破了。开发者开始采取”如果单一工具够优秀,就不被生态绑定,转而选择它”的行动。资深层更倾向于Claude Code的现场动向,正说明了这一点。(作者观察值)

作为业务负责人需要解读的是:那个”生态系统是决策天平上重砝码”的时代,已经结束了。

这会对选型流程产生直接影响。

旧的选型流程是这样问的:“和我们公司GitHub/Microsoft环境契合度高的工具是哪个?“这是从生态系统出发去选工具的思路。

新的选型流程则要这样问:“对业务最有效的工具是哪个?与生态系统的整合,之后再调整。“主从关系发生了反转。

主从反转会直接反映到企业的采购指南和评估标准中。“因为其他公司这么用”、“因为是IT部门的标准”这类逻辑,已经不再是选型的充分条件。

业务负责人可用的”工具选型5维度”

旧来と新たな選定基準の比較

把JetBrains调研的数字翻译成”自家公司的工具选型标准”,会浮现出5个维度。

维度1:实际使用CSAT(满意度绝对值)。衡量”使用者是否满意”的指标。Claude Code的CSAT 91%意味着9成用户满意。在公司内部评估时,请测量PoC(试点导入)期间的用户满意度。目标值为80%以上。低于这个值,留存阶段就会出现流失。

维度2:推荐意向NPS(口碑放大力)。衡量”是否推荐给他人”的指标。Claude Code的NPS 54,属于SaaS业界的”卓越”区间。NPS高的工具,会在公司内部自然扩散。反之NPS低的工具,没有IT部门挥旗就难以普及。导入成本会比表面看到的更高。

维度3:资深用户偏好率(专业人士选择的理由)。资深层中Claude Code支持度上升的现场观察(作者观察值),是”资深者在看什么”的信号。资深者综合判断”手感、输出质量、出问题时的表现”。值得对决策者周围的资深开发者进行访谈。

维度4:增长曲线(市场方向)。Claude Code的6倍暴涨 vs Copilot的增长放缓。这一差距,预示着未来12~24个月的市场地位。不要只看当前的采用率(瞬时值),要看增长率(向量)。增长率出现反转的工具,在功能迭代速度、社区厚度上也会拉开差距。

维度5:按企业规模分的采用率(自家公司的语境)。Copilot在5000人以上企业的采用率为40%,企业越大越强。Claude Code则呈现出在初创企业和中型企业增长更快的趋势。请向供应商询问,或通过公开案例确认自家公司规模和行业的实际采用情况。“在和我们规模相近的企业中,谁在使用”——这是公司内部达成共识的基础。

这5个维度,可以汇总在Excel一张表上分享给公司内部。用Copilot、Cursor、Claude Code三列进行评估,得分最高的列入PoC候选。仅此一步,就可以摆脱”反正继续用Copilot吧”的决策惯性。

资深层的选择,揭示了现场的答案

5维度中,维度3”资深用户偏好率”值得深挖。“资深层中Claude Code支持度高”这一现场观察(作者观察值),到底意味着什么?

资深者是能够将”手感”语言化的人群。接触新工具后,5分钟就能判断好坏。这种判断往往比新人更严格。因为他们过去积累了大量”被夸大宣传欺骗”的经验。

这一群体正在选择Claude Code的事实,表明Claude Code是一款”经得起实利检验的工具”。

具体来说,我认为有3个要素起作用。

第1个,长文本上下文的处理。资深者重视”在大型代码库中,能否给出基于过往上下文的建议”。Claude Code在这一点上更胜一筹的评价,正在现场扩散。

第2个,类智能体的行为。“交付任务后,能自主处理多文件、多步骤”的表现,正成为与Cursor、Copilot的差异化轴。

第3个,对话的质量。不用刻意优化prompt也能精准领会意图——这种来自资深者的口碑,在Nagi周围也在扩散。

这里需要注意的是,“资深者选择 = 新人也最适合”并不成立。对于新人来说,Copilot”以补全为中心、IDE集成”所带来的低摩擦,依然具有价值。

也就是说,根据公司内部技能分布,最优解可能出现分歧。这是选型中的重要分支点。

切换Copilot还是共存?——决策流程

AIツール選定5つの評価軸

对”是否应该切换Copilot”这个问题,我的答案是”不要非黑即白决定”。

有3个分支。

情况A:现有Copilot合同,重要项目每周被卡住超过1次

→ 启动Claude Code并用评估。设定3个月PoC,测量5维度数值。把容易卡住的项目分配给Claude Code,Copilot保留作为补全用途。两套并用是2026年的主流选项。

情况B:现有Copilot合同,被卡住频率不到每周1次

→ 维持现状+季度重新评估。如果Copilot能让业务正常运转,那么支付切换成本(培训、运维、合同整理)的必要性较低。但需要追踪市场趋势。每3个月在公司内访谈一次”资深团队的评价有无变化”。

情况C:无现有Copilot合同,从头开始考虑导入

→ 从Claude Code单独评估开始。没有生态系统惯性的情况下,选型标准只看”产品卓越性”即可。根据CSAT、NPS数值判断是合理的。把Copilot也纳入比较对象没问题,但优先级排在Claude Code之上。

在公司内部分享决策流程时,请务必同时确定”3个月后、6个月后的复审条件”。AI编程工具市场,半年就会变天。不要决定一次就结束,养成季度循环重新评估的习惯,才能让ROI最大化。

切换成本的明细也写一下。培训成本,每个用户2~4小时(教程+业务适应)。运维成本,IT部门的权限管理、计费管理各1~2人日。合同整理则取决于Copilot解约的前置时间。如果只是这种程度的负担,与”资深者被卡住的频率”权衡后答案自然就出来了。

本周即可开始的3个行动

针对读到这里”想尝试一下”的读者,把7天内可着手的3个行动具体化。

行动1:制作5维度评分表(90分钟)

打开一张Excel表。横轴是Copilot、Cursor、Claude Code,纵轴是前述5个维度。在每个单元格填入JetBrains调研的数值和公司内部访谈结果。仅此一步,就能摆脱”凭感觉”。它会成为可以带进公司决策会议的文档。

行动2:访谈3位资深开发者,每人15分钟(45分钟)

向公司内的3位资深开发者这样询问:“最近你试过新的AI编程工具吗?哪一款看起来能在工作中使用?“15分钟的对话,就能获得贴合自家公司语境的判断材料。他们的话语,比调研数值更有分量。

把访谈内容记录在会议纪要中,反映到维度3”资深用户偏好率”的单元格里。这样,5维度评分表就化身为”自家公司版”。

行动3:在1项业务中实际试用Claude Code(5天)

确认Claude Code的价格方案,用可进行PoC的方案(Pro等)针对1项业务开始试用。

要点是不要”全公司展开”,而是聚焦于”1项业务”。例如”下周的代码库整理”、“单次的调研任务”等,划得越小越好。使用5天后,给自己的CSAT打分。请用10级量表回答”是否还想继续使用”。

关于Claude Code的入门方法,我在另一篇文章里整理了30分钟的步骤。安装、初始设置、第一条命令——只要按那篇文章走,就不会绊倒。

3个行动加起来,7天内、总计8小时内即可完成。“继续用Copilot、并用Claude Code,还是切换”——这个问题,自家公司的答案就会出现。

总结:选型的主从关系已经反转

整理一下到此为止的要点。

  • JetBrains万人开发者调研(2026年4月发布)显示,Claude Code的采用率9个月内从约3%上升至18%,暴涨6倍
  • Copilot以29%采用率保持最大份额,但增长放缓。Cursor、Claude Code以18%紧随其后
  • Claude Code的CSAT 91%、NPS 54(JetBrains调研),以及资深层的高支持度(作者观察值),表明留存的质量很高
  • JetBrains自身分析认为,选型标准已从”生态系统”转向”产品卓越性”
  • 业务负责人可用”工具选型5维度(CSAT、NPS、资深用户偏好率、增长曲线、按企业规模分采用率)“进行评估
  • Copilot切换不要非黑即白决定,根据”被卡住频率”和”生态系统惯性”分3个分支
  • 本周3个行动:制作5维度评分表、访谈3位资深开发者、Claude Code在1项业务中试用

Claude Code企业导入的最初30天中讨论的导入流程,以及Claude Code企业导入已”产品化”的故事,一并阅读会进一步提升选型的分辨率。

“使用者”和”被使用者”的分岔点,由对工具的好奇心决定。JetBrains的调研所揭示的事实是:“已经出现6倍暴涨,说明现场早已动起来了。“在你没动的这段时间里,差距正悄悄拉大。

请在本周制作一张5维度评分表。这将是反转选型主从关系的第一步。

ナギ
Written byナギAI Practitioner / 経営者の相談役

AIを使いこなせない方は、この先どんどん差がつきます。僕はAIエージェントを毎日動かして、壊して、直して、また動かしてます。そういう泥臭い実践の記録をここに書いてます。理論は他の方にお任せしました。僕は動くものを作ります。朝5時に起きてウォーキングしてからコードを書くのがルーティンです。