当“卖铲子的人”开始亏钱：从 JetBrains 首次净亏损看 AI 编程时代的技能迁移-北京尧图网络

Hi我擅长AI 大模型应用落地、意识解码与 AI 开发工具链。创业路上用技术换时间一起把 AI 变成生产力当“卖铲子的人”开始亏钱从 JetBrains 首次净亏损看 AI 编程时代的技能迁移① 30 秒结论核心判断JetBrains 出现自可追踪历史以来的首次净亏损约 3.15 亿捷克克朗营收约 7.1 亿美元级别这不是一家公司经营不善的孤立事件而是“AI 编程工具正在重构开发者入口”的明确信号。已发生的事实是亏损合理推断是传统 IDE 的付费护城河正在被 AI 原生工具侵蚀个人预测是未来 2-3 年单纯“编辑器插件”的商业模式会持续承压。适用对象在校学生、转行者尤其是正在纠结“该学什么工具、该练什么能力”的人。不适合谁已经在大厂做底层编译器/IDE 内核研发、或纯粹做嵌入式离线开发的人——你们的场景短期内受冲击最小。一句话行动别再把“熟练使用某款 IDE”当核心竞争力把精力转向“能指挥 AI 完成端到端交付”的能力。② 关键证据财务事实根据公开财务追踪数据JetBrains 在 2025 财年录得净亏损这是其有记录以来的第一次。EBITDA 同比大幅下滑AI 相关投入增速超过了收入增速。竞争格局变化Cursor、GitHub Copilot、Claude Code 等 AI 原生工具正在 collectively 重塑开发者的工作流入口。注意关键词是“入口”——谁占据开发者每天打开的第一个窗口谁就掌握分发权。社区情绪在 Hacker News、Reddit 等社区讨论焦点不是“JetBrains 会不会倒”而是“我为什么越来越久才打开一次 IDE”。这是比财报更早的领先指标。一个反直觉细节JetBrains 自己也重金押注 AI 功能但“给传统 IDE 加 AI”和“AI 原生 IDE”是两种不同的产品哲学前者是改良后者是替代。③ 展开说明入口迁移的技术逻辑想深入的人可以往下读。这件事的本质是开发者与代码之间的交互层发生了位移。传统 IDE 的价值链是这样的你写代码 → IDE 提供补全、跳转、重构、调试 → 你完成交付。IDE 是“增强你手写代码效率”的工具所以它的付费点很清晰更好的索引、更快的重构、更稳的调试器。AI 原生工具的价值链变了你描述意图 → AI 生成代码 → 你审查和修正 → 交付。此时“手写代码的效率”不再是核心瓶颈“意图表达结果审查”成了新瓶颈。IDE 从“主战场”退化成“AI 输出结果的展示面板”。这对学生和转行者意味着什么面试里常被追问的一个点“你用过 Copilot/Cursor 吗你怎么保证它生成的代码是对的”——这题考的不是工具熟练度而是代码审查能力和边界意识。给一个可以写进作品集的小例子。假设你要写一个“解析 CSV 并统计某列均值”的函数AI 很可能给你importpandasaspddefmean_of_column(path:str,column:str)-float:dfpd.read_csv(path)returndf[column].mean()这段代码“能跑”但作为作品集提交就是减分项。你需要补上空文件怎么办列不存在怎么办非数值列怎么办于是改成importpandasaspddefmean_of_column(path:str,column:str)-float:dfpd.read_csv(path)ifcolumnnotindf.columns:raiseValueError(f列{column}不存在实际列为{list(df.columns)})seriespd.to_numeric(df[column],errorscoerce)ifseries.notna().sum()0:raiseValueError(f列{column}没有可计算的数值)returnfloat(series.mean())这个“从 AI 草稿到可交付代码”的补全过程才是现在真正值钱的能力。它不需要公司内部基础设施一台笔记本就能练而且面试官一看就知道你有没有真实项目里的约束意识。④ 落地建议今天就能做的 3 件事建一个“AI 草稿 → 人工加固”的练习仓库。每周挑 3 个 LeetCode 简单题或小脚本先让 AI 生成再逐行写出“我改了什么、为什么改”用 Git 提交记录留痕。这就是作品集里最有说服力的过程证据。刻意练习“读代码”而非“写代码”。找开源项目里 50-100 行的小模块尝试在不运行的情况下说出它的输入输出边界和潜在 bug。AI 时代审查速度决定你的产出速度。把一款 AI 原生工具和一款传统 IDE 都用起来做同一件事。比如用 Cursor 和 IntelliJ 各完成一次小型重构记录两者在“意图表达”和“结果可控性”上的差异。面试时你能讲出具体对比就赢过了 90% 只会说“我用过 AI”的候选人。⑤ 风险与反例反例一亏损可能是一次性投入所致。如果 JetBrains 的亏损主要来自 AI 基础设施的资本开支和并购而非核心订阅收入下滑那么“IDE 被替代”的结论就下得太早。这一点我无法从公开数据完全确认属于不确定判断。反例二企业级市场惯性极强。大公司采购 IDE 看的是合规、审计、私有部署AI 原生工具在这些场景落地慢。JetBrains 的企业客户基本盘短期不会崩。反例三AI 工具本身也在烧钱。Cursor 等产品是否盈利同样存疑如果 AI 编程工具整体无法跑通商业模式那“替代”可能只是阶段性的资本叙事而非终局。什么情况下本文结论不成立如果未来 1-2 年 AI 原生工具的代码正确率没有实质提升开发者仍然需要大量手写和深度调试那么传统 IDE 的效率优势会重新凸显入口迁移就会停滞。所以别把宝押在“某款工具会赢”上。押在“无论入口怎么变我都能快速审查、加固、交付代码”上——这才是 AI 编程时代真正抗跌的能力。

当“卖铲子的人”开始亏钱：从 JetBrains 首次净亏损看 AI 编程时代的技能迁移

相关推荐

基于 learnxinyminutes-docs 的 Swift 语言快速教程：从基础语法到实战代码的完整指南

HIL硬件在环IO接口怎么接？模拟量、数字量、CAN/CAN FD接线与通道配置教程

UDP打洞打包实战：从协议原理到可交付二进制

更多资讯

工业级电源路径保护：TPS259483AYWPR+STM32L152ZD硬核方案

嵌入式与工业电源路径保护：TPS259483+MK64协同设计实战

GD32H759外扩OSPI Flash实战：从驱动调试到XIP与OTA分区

工业级电源路径保护：eFuse与MCU协同实现主动防护

基于eFuse与MCU的工业电源智能保护系统设计

eFuse与MCU协同的嵌入式电源路径保护设计解析

今日更新

Agent Skills 完全指南：原理、写法、安装与实战避坑

Agent Skills 实战：从 Genkit 定义到 GKE 部署与排查

Agent Skills 实战：从设计到调试的完整指南

本周精选

CMOS设计三大物理效应：体效应、沟道长度调制与亚阈值导电

微信小程序在线阅读毕设全解析：Java后端+MySQL+避坑实战

Android音频问题五层分析法：从App到Codec的系统化诊断

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？