JetBrains发布了其开发者生态系统状况调查报告,收集了超过24,500份回复,揭示了AI对开发者工具和编程语言趋势的影响,其中包括"PHP和Ruby正处于长期衰落"的观点。
这项年度调查是针对开发者的最大规模调查之一,但由于其复杂的方法论,也是最难解读的调查之一。
调查回复经过加权处理,以消除对JetBrains产品用户、地区分布和其他因素的偏见。尽管如此,它始终显示JetBrains IDE以及Java和Kotlin的使用率高于Stack Overflow等其他调查。JetBrains IDE的核心平台主要用Java和Kotlin编码,因此这并不令人意外。该公司承认,由于JetBrains用户更可能参与回复,调查中"可能存在一些偏见"。
调查结果以加权摘要形式呈现,也可以下载原始数据,其中显示了更多结果。
大多数开发者认为AI在编程中不可避免
调查报告显示,68%的开发者预期AI熟练程度将成为工作要求。85%的开发者使用AI编程工具,其中ChatGPT最受欢迎(41%),但比2024年(49%)有所下降。收益感知也有显著提升:2024年只有9%使用AI的开发者认为每周能节省8小时或更多时间,而2025年这一比例达到19%。
尽管有这些说法,只有44%的开发者表示AI已在其工作流程中完全或部分采用,其余开发者认为它仍处于试点或探索阶段,或根本不使用(9%)。近四分之一(23%)的开发者担心生成代码质量低下。
从原始未加权数据来看,值得注意的是,基于Visual Studio Code核心的AI IDE Cursor的使用量从2024年的135人激增至2025年的2,300多人。作为一家主要业务是IDE的公司,AI浪潮对JetBrains既是威胁也是机遇。包括敏捷编程和测试驱动开发先驱Kent Beck在内的一些人认为,软件开发正在"超越IDE";他最近表示,随着智能体编程的出现,"我们大部分时间都在处理IDE几乎不承认存在的任务",并为新型工具的需要提出了论证。
显然,将开发者工具连接到AI服务是一个商业机会——前提是供应商要算对账。自2024年5月以来,JetBrains一直忙于通过免费提供许多产品的非商业使用来吸引更多IDE用户,现在包括CLion、DataGrip、Rider、RubyMine、RustRover和WebStorm。
商业许可证仍然昂贵,但可以看出推广更多IDE以期销售AI服务的逻辑。JetBrains最近还表示,将停止其云编程环境CodeCanvas,转而开发未来的"AI优先、云原生产品"。
编程语言趋势分析
JetBrains调查还关注编程语言趋势,注意到TypeScript在过去五年中的急剧增长,并宣布"PHP、Ruby和Objective-C正处于长期衰落"。
虽然很少有人会质疑关于Objective-C的发现(苹果正推动开发者转向Swift),但对PHP和Ruby的评估可能激怒了一些人:发布后不久,JetBrains发表声明称"PHP仍然是一个稳定、专业且不断发展的生态系统"。
Q&A
Q1:JetBrains开发者调查显示AI对编程有什么影响?
A:调查显示85%的开发者使用AI编程工具,68%预期AI熟练程度将成为工作要求。ChatGPT是最受欢迎的工具(41%使用率)。19%的开发者声称每周能通过AI节省8小时或更多时间,比2024年的9%有显著提升。
Q2:PHP和Ruby真的在衰落吗?
A:JetBrains调查声称PHP、Ruby和Objective-C正处于"长期衰落"。但这一观点引起争议,JetBrains随后澄清称"PHP仍然是一个稳定、专业且不断发展的生态系统"。
Q3:AI IDE Cursor的使用情况如何?
A:Cursor是基于Visual Studio Code核心的AI IDE,使用量从2024年的135人激增至2025年的2,300多人。这反映了开发者对AI辅助编程工具需求的快速增长。
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。