Licensed for Distribution
This research note is restricted to the personal use of ().AI代码助手的魔力象限
2024年8月19日 - ID G00808075 - 50分钟
作者：Arun Batchu、Philip Walsh、Matt Brasier、Haritha Khandabattu
AI代码助手将提高软件开发者的效率，最大限度地减少认知负荷，增强解决问题的能力，加快学习速度，培养创造力，并保持心流状态。请使用这项研究来比较AI代码助手供应商，并找到适合您组织的合适产品。
This Magic Quadrant is related to other research:
Critical Capabilities for AI Code Assistants
战略规划设想
到2027年，使用AI来增强软件开发生命周期（SDLC）每个阶段的平台工程团队的数量将从5%增加到40%。
到2027年，80%的企业将把AI增强测试工具集成到他们的软件工程工具链中，这比2023年初的约15%有显著增长。
到2027年，将有25%的软件缺陷因AI生成的代码缺乏人为监督而流入生产环境，这一比例从2023年的不到1%有大幅增加。
到2028年，90%的企业软件工程师将使用AI代码助手，而2024年初这一比例还不到14%
到2028年，生成式AI（GenAI）的使用将使传统应用程序的现代化成本比2023年的水平降低30%。
市场定义/描述
Gartner将AI代码助手定义为协助生成和分析软件代码和配置的工具。这类助手使用基础模型，例如大型语言模型（LLM），这些模型可以选择性地对代码或程序理解技术进行微调，或者两者的组合。软件开发者提示代码助手生成、分析、调试、修复和重构代码，创建文档，并在语言之间翻译代码。代码助手集成到开发者工具（例如代码编辑器、命令行终端和聊天界面）中。有些可以根据组织的特定代码库和文档进行定制。
AI代码助手可以通过提高效率、加速应用程序开发、减少认知过载、增强解决问题的能力、加快学习速度、培养创造力和保持心流状态来提高软件开发者的体验。
必备功能
此市场的必备功能包括：
-
使用自然语言实现代码完成（例如，注释）。
-
多行、中间填充的代码完成，并且能够为多个代码编辑器插入集成。
-
能够在多个供应商生态系统中使用代码助手。
-
保证基本模型不会在客户代码或文档上进行训练（不包括批准的微调）。
-
集成到开发环境中的会话式聊天界面。
常见功能
此市场的常见功能包括：
-
本地或私有云实例。
-
跟踪用户采用率、代码接受率和其他衡量影响的指标的分析仪表板。
-
支持多种自然语言（如英语、西班牙语、印地语、中文等）。
-
在终端实现代码完成（命令行界面）。
-
接受过多种编程语言的训练，至少有Java、JavaScript、Python和C#。
-
根据企业代码库进行定制。
-
过滤器有偏见的代码、露骨的语言和图像。
-
能够引用与训练数据相匹配的生成代码片段的公共源代码项目。
魔力象限
_zh-CN.png)
供应商优势与劣势
Alibaba Cloud
Alibaba Cloud在这个魔力象限中是“挑战者”。其产品“通义灵码”专注于用AI协助开发者完成任务。其业务主要集中在中国，其客户往往是多元化的大型企业。Alibaba Cloud专注于将其AI代码助手与其云产品和DevOps工具集成，并将其发展为多智能体系统。
-
销售战略：Alibaba Cloud通过积极的市场品牌和提供免费版本来建立产品声誉，有效地推动了用户的使用率。它利用其庞大的现有销售网络来推荐AI代码助手，并通过扩大与独立软件供应商的合作关系来扩大其对新细分市场的影响。
-
产品战略：Alibaba Cloud将通义灵码与其他云产品和DevOps工具集成在一起，同时提供多代理系统、协作编码和上下文理解等功能，提高了工具的实用性和有效性。Alibaba Cloud全面的反馈收集、结构化的集成流程以及与Accenture, Deloitte和KPMG等公司的战略合作伙伴关系，使其能够不断增强其AI代码助手，并提供可靠的实施支持。
-
运营：Alibaba Cloud对通义灵码的历史服务可用性为99.9%，公司提供无缝、向前兼容的升级政策，确保高可靠性和最小的服务中断。Alibaba Cloud拥有一个位于新加坡的总部服务中心、四个区域服务中心和16个本地服务团队，在全球范围内提供全天候客户服务。此外，他们的差异化托管策略在公共云和虚拟私有云(VPC)网络中的专用实例上提供多租户SaaS服务，能确保大中型客户的数据安全和隐私。
-
地区战略：Alibaba Cloud目前仅在中国大陆地区提供通义灵码服务。Alibaba Cloud没有为通义灵码提供配置语言偏好的选项，也没有在文档和用户界面中提供多语言支持。这限制了其产品在中国以外地区的可用性和吸引力。
-
营销执行：新客户可能不知道Alibaba Cloud的产品，因为它缺乏详细的参与指标、影响者营销策略和搜索引擎优化(SEO)技术，如关键字优化、反向链接和技术SEO。Alibaba Cloud的营销努力在全球的影响力有限，因为它主要在中国境内的百度上推广。
-
垂直/行业战略：Alibaba Cloud主要关注一般功能，同时依靠其服务合作伙伴提供特定行业的知识和策略。虽然Alibaba Cloud概述了在一些垂直领域增加市场份额的举措，但这些计划并没有包括与特定行业合作伙伴合作的具体例子。
Amazon Web Services
Amazon Web Services (AWS)在这个魔力象限中是“领导者”。其产品Amazon Q Developer（前身为Codewhisperer）专注于使用AI协助和自动化开发者的任务。例如，Q Developer在代码建议和转换、测试和安全性以及功能开发方面提供帮助。其业务范围遍及各地，客户自身的规模也不尽相同。AWS专注于提供AI驱动的解决方案，以增强SDLC，自动化复杂任务，优化性能，确保安全性并推动创新。
-
对市场的了解：AWS的产品提供跨SDLC的全面支持。它提供实时代码建议和漏洞扫描，并自动化复杂的任务，例如在短短两天内将1,000多个生产应用程序从Java 8升级到Java 17。AWS还展示了神经编译器和自动推理模型等创新。它的客户委员会提供持续的反馈，影响AWS的服务发展和战略方向，包括到2025年实现100%可再生能源的承诺。
-
营销执行：AWS使用一种多方面的方法在开发者社区中为Amazon Q Developer创建高可见性。它通过YouTube广告、通过Twitch频道（如AWS OnAir）的交互式数字内容、电视直播、SEO优化内容和影响者营销来吸引和教育客户，以展示其产品的实际优势。它通过有针对性的客户获取活动来增强这些努力。
-
营销战略：AWS的re:Invent和AWS峰会活动展示了思想领导力、创新和客户成功故事。它的客户咨询委员会、高管简报中心、有针对性的路演和积极参与黑客马拉松，帮助AWS确保与客户需求保持一致，并与关键决策者建立牢固的关系。
-
销售战略：AWS的定价模型涉及代码转换用例的分配条件。这个模型对于大多数用例来说是足够的，但是当与代码转换一起使用时，会由于过于老化而产生额外的费用。它在无限席位或基于消费的许可模式上还缺乏灵活性。AWS根据使用情况和多年期合同提供折扣；然而，这些细节并不像市场上其他供应商提供的那样透明。
-
产品或服务：Amazon Q Developer的部署选项仅限于AWS云。与竞争对手不同，AWS不支持自托管环境。Amazon Q Developer的模型选择是由AWS抽象和管理的，客户无法带来他们自己的模型。它的集成开发环境(IDE)支持只包括Visual Studio、Visual Studio Code、JetBrains Suite和AWS特定的环境，这与其他领先的产品相比是不足的。它计划在2024年支持Eclipse。
-
地区战略：AWS主要提供英语的即时支持，不过它计划提供其他语言的支持。虽然AWS提供数据本地化和访问控制，但它尚未将其基础设施和服务扩展到亚太地区，但计划在2024年扩展到欧洲。
Codeium
Codeium在这个魔力象限中是“挑战者”。它的产品Codeium专注于提供一套集成的AI驱动的开发工具，包括内嵌代码建议、内嵌代码聊天编辑器、就地重构、终端自动完成和自动代码审查，可以作为SaaS、自托管或混合部署。该公司在各个地区运营，其客户往往是各行各业的大型企业。Codeium正在大力投资于其即将推出的Cortex推理引擎的高级AI功能，目的是增强多步推理并在整个SDLC中扩展其产品。
-
产品或服务：Codeium通过在公开许可的代码上训练其模型，并实施安全措施以防止直接访问通用法学硕士，展示了对负责任AI的承诺。它的IDE集成支持广泛的环境，包括Visual Studio Code、Visual Studio、JetBrains Suite、Eclipse、Jupyter、Emacs、Xcode和Vim，以及对编程语言和框架的广泛支持。它的合作伙伴市场还集成了领先的代码扫描技术，如Snyk和Sonar。
-
整体可行性：Codeium已经获得了相当多的风险投资资金，其中包括2024年1月筹集的6500万美元，以及来自知名投资者的9300万美元。Codeium拥有大量现金储备和较低的资金消耗率，这在经济低迷时期提供了韧性。此外，它还报告了120%的年度合同价值保留率和100%的客户保留率，这突显了它维持和扩大客户群的能力。
-
运营：Codeium的区别在于99.99%的SLA和灵活的部署模型。它提供易于部署的自托管解决方案，这在市场上是独一无二的，并且它吸引了国防、金融和医疗保健等高度监管行业的客户。它还有混合模型，结合了云和内部部署的优势。Codeium的升级策略灵活且用户友好，可最大限度地减少停机时间。
-
营销战略：Codeium在瞄准软件开发者方面非常成功，但它的营销策略并不针对软件质量专家、软件安全专家或产品经理。Codeium通过各种渠道为其产品创造了知名度；然而，在进行行业研究、广泛接触行业影响者、参与企业工程领导者出席的高知名度会议和活动方面，它落后于行业领导者。
-
对市场的了解：Codeium专注于为软件和服务基础设施提供强大的技术增强，但它在理解企业集成复杂性、劳动力转型和用户体验等市场挑战方面落后于行业领导者。
-
业务模式：Codeium目前的产品范围有限，专注于改进现有产品，但也需要专注于根据用户需求、组织规模和垂直行业引入新的有针对性的解决方案。它与知识管理和安全平台进行了集成，但在将其LLM与SDLC供应商LLM集成的策略上落后于领导者。与本研究中的一些供应商相比，Codeium拥有更少的致力于市场营销和销售的全职员工 (FTE)。
CodiumAI
CodiumAI在这个魔力象限中是“利基企业”。其产品Codiumate和PR-Agent专注于代码生成、问答、审查和跨SDLC的拉取请求自动化。它的业务在地理上是多元化的，它的客户往往是大中型企业，特别是那些对数据安全有严格要求的企业。CodiumAI正在投资于模型定制、集成测试和增强的仪表板功能，并计划在未来12个月内推出这些功能。
-
业务模式：CodiumAI团队的大部分成员都专注于产品开发，因此CodiumAI明确致力于维护和改进其产品。它实行精益经营，使其具有灵活性和市场反应能力，并将FTE分配给营销和销售领域。CodiumAI还允许客户单独购买其产品（而不是捆绑购买），并且没有费率限制等性能限制，这为特定客户需求提供了更大的灵活性。
-
产品战略：CodiumAI战略性地投资于改进第三方LLM、增强IDE集成和可扩展性，以及开发实时协作功能，这强调了其提供精确、通用和团队友好的编码解决方案的承诺。它的免费版月活开发者用户超过100,000，付费版则有数百名。CodiumAI还以其灵活的部署模型脱颖而出，提供内部部署和SaaS选项。
-
运营：CodiumAI的内部部署产品为需要在自己的基础设施中部署解决方案的客户提供了灵活性和控制。该公司发布无缝的定期升级，并在全球范围内保持一致的技术支持水平。它的新服务版本可以通过各种渠道轻松访问，包括市场、GitHub和客户工程团队的基于web的更新。
-
营销战略：CodiumAI的营销目标是工程经理和开发者，而不是像CIO、CTO、测试人员和安全专业人员这样的角色。它的营销没有提到安全或合规功能。然而，CodiumAI确实参加了具有全球影响力的会议，或与行业大V接触，但在这一标准上落后于行业领导者。它还缺乏详细的产品公告，也没有推动创新的战略合作伙伴关系。
-
市场响应/记录：CodiumAI的客户反馈机制落后于那些领先的供应商，因为它没有使用咨询委员会或实时工具来收集反馈。CodiumAI的产品也缺乏解决方案市场，并且与竞争对手相比，它参与的开源项目更少。
-
垂直/行业战略：Codium没有任何特定于行业的解决方案或计划，也没有任何服务合作伙伴来支持特定于行业的用例。它正在将Google Cloud和Microsoft Azure作为市场合作伙伴，此前它已经加入了AWS Marketplace。
GitHub
GitHub在本次魔力象限中被评为“领导者”。其产品GitHub Copilot专注于通过AI支持的代码建议和上下文辅助来提高开发者的生产力和代码质量。该公司在各个地区运营，其客户往往是各行各业的大型组织。GitHub向开源社区的活跃维护者以及教师和学生免费提供GitHub Copilot。GitHub正在扩展Copilot的功能，如用于协作AI原生开发者环境的Copilot Workspace、用于无缝工具集成的Copilot Extensions，以及增强的安全性和合规性。
-
整体可行性：GitHub是Microsoft的子公司。GitHub有一个广泛的开发者社区，GitHub Copilot有很高的用户参与度，这使它能够快速收集反馈并不断创新。GitHub的高客户保留率和年度合同价值保留率强调了其维护和发展客户群的能力。
-
垂直/行业战略：GitHub与全球领先的系统集成商建立了牢固的合作伙伴关系，并在关键行业制定了明确的计划。它提供量身定制的解决方案，以满足银行、医疗保健、技术、专业服务和教育等行业的独特需求。
-
市场响应/记录：GitHub使用多种反馈渠道，包括客户咨询委员会和与GitHub Copilot产品团队的直接沟通渠道，以确保用户的意见能直接影响产品开发。它还推出了GitHub Copilot Extensions，这得到了不断增长的开源和商业合作伙伴生态系统的支持，使开发者能够在他们首选的环境中无缝地构建和部署。
-
销售战略：折扣只能通过Microsoft获得，而不能直接通过GitHub获得。GitHub Copilot确实支持技术债务减免和遗留代码现代化，但在GitHub的销售策略中并没有得到应有的重视。
-
业务模式：GitHub Copilot是按用户/按月定价的，不像一些竞争对手提供基于消费的定价。GitHub Copilot仅可作为SaaS解决方案使用，不支持多个LLM提供商。
-
产品战略：GitHub列出了大量的系统集成商作为合作伙伴，但在定义详细的合作伙伴角色和开发联合解决方案方面落后于一些竞争对手。
GitLab
GitLab在这个魔力象限中是“领导者”。其产品GitLab Duo专注于在整个SDLC中提供AI支持的功能，包括代码建议、安全漏洞解决、根本原因分析和管道故障修复。该公司在各个地区运营，其客户往往是各行各业的大型组织。GitLab正在投资开发自托管模型，并扩展其AI Impact分析仪表板，以提供对投资回报率的可见性。
-
业务模式：GitLab有数百名FTE致力于GitLab Duo产品的开发和支持，他们推动了持续的创新和高客户满意度。它的合作伙伴驱动型客户获取比例相对较高(18%)，并与主要云提供商建立了战略合作伙伴关系。GitLab也没有对产品性能的限制，并且正在探索基于消费的定价。
-
销售执行/定价：GitLab已获客逾20,500家组织机构，其中包括超过50%的全球企业，并且7,000家企业客户使用其AI代码助手。它提供了透明和灵活的定价策略，包括分层选项、跨各种部署模型的一致定价，并且对GitLab Duo附加组件没有最低席位要求。GitLab还提供免费的60天试用版，允许潜在用户全面评估产品。
-
营销执行：GitLab的SEO策略、内容营销努力和基于客户的宣传活动确保了高知名度和参与度，并得到了资金充足的产品营销和公关的进一步支持。GitLab积极参与全球知名会议和峰会，提高了其市场存在感和可信度。
-
对市场的了解：与其他行业领导者不同，GitLab在神经编译器和自动推理模型等先进AI技术方面提供的细节很少。GitLab Duo的定制选项仅限于GitLab平台，这可能会导致供应商锁定，而且GitLab的客户委员会计划缺乏全球影响力，因为它主要关注美国客户。
-
市场响应/记录：与竞争对手相比，GitLab在客户反馈机制上的实时参与度较低。它也缺乏一个解决方案的市场，其中客户或合作伙伴可以积极地为GitLab Duo生态系统做出贡献，而且它没有像其他供应商那样参与那么多的AI开源项目。
-
地区战略：GitLab还没有提供自托管模型来解决数据主权和合规性问题，但它计划在2024年底之前添加此功能。GitLab没有为其用户界面和文档提供强大的多语言功能，因为它主要使用英语，并用西班牙语、德语和日语提供一些功能。此外，GitLab的客户委员会项目缺乏全球影响力，主要关注美国的客户。
Google Cloud
Google Cloud在这个魔力象限中是“领导者”。其产品Gemini Code Assist专注于提供基于AI的编码辅助，以提高开发者的工作效率、代码质量和整个SDLC的安全性。该公司在各个地区运营，其客户往往是各行各业的大型企业。在保持严格的安全和隐私标准的同时，Google Cloud正在投资于全代码库感知和代码定制等功能。它正在开发与第三方开发工具的更多集成，并支持多达200万个令牌的提示上下文窗口。
-
市场响应/记录：Google Cloud为Gemini Code Assist提供了广泛的开源和第三方集成生态系统，包括Elastic、MongoDB和HashiCorp等知名合作伙伴。有5%的客户和95%的合作伙伴积极为Google Cloud市场做出贡献，该平台营造了一个协作环境，推动创新和以客户为中心的增强措施。Google Cloud多样化的反馈渠道（如客户咨询委员会和产品内部反馈小部件）确保客户的意见直接影响产品开发。
-
营销执行：Google Cloud有效地强调了其产品的独特功能，包括其行业领先的200万令牌上下文窗口和带有源引用的IP赔偿。Google Cloud的用户参与度是一个主要焦点，其持续而丰富的社交媒体活动、博客和教程都强调了这一点。
-
对市场的了解：Gemini Code Assist有助于加速开发者的引入，减少上下文切换，增强代码的可维护性，从而提高生产力和代码质量。其战略重点是增强的自动化和自主性、先进的上下文和多模式理解，以及跨SDLC的无缝集成，以适应不断变化的市场需求和技术趋势。
-
销售执行/定价：Gemini Code Assist的定价是固定的，以每个用户每月为基础，而且不像它的一些竞争对手，Google不提供基于消费的定价。此外，Google Cloud还没有提供针对Gemini Code Assist的一个免费服务层级，但预计将在2024年晚些时候推出这一服务层级。
-
产品或服务：Gemini Code Assist对IDE的支持相对有限，包括Visual Studio Code、Cloud Workstations、Cloud Shell Editor和JetBrains IDE，但对Project IDX、Firebase、Colab和BigQuery等Google特定开发环境有全面的支持。Google关注的是Gemini Code Assist为其支持的编程语言提供的输出质量，但它列出的编程语言比竞争对手少。Gemini Code Assist目前缺乏高级上下文感知功能，例如上下文固定和多存储库感知，但计划在2024年晚些时候引入对它们的支持。
-
销售战略：Google Cloud的折扣策略是复杂且有条件的，因为它将大量折扣与谷歌产品的忠实用户联系在一起。Google Cloud也缺乏针对各种部署方法的详细计划。Gemini Code Assist使用各种模型来综合结果，但与一些竞争对手的做法不同的是，它不允许客户自带模型。
IBM
IBM在这个魔力象限中是“挑战者”。其产品watsonx Code Assistant专注于通过AI代码辅助来提高开发者的工作效率，特别是针对大型机应用程序现代化、Ansible IT自动化和Java应用程序生命周期加速等领域。该公司在各个地区运营，其客户往往是各行各业的大型企业。IBM正在投资扩展watsonx Code Assistant的功能，包括对企业Java应用程序的支持，该功能预计将于2024年10月推出，并且IBM还在增强其AI模型的定制和安全功能。
-
营销执行：IBM有效地营销了watsonx Code Assistant的综合功能集，包括应用程序发现、代码生成、解释、代码转换、自动重构和单元测试生成，突出了其提高生产力和代码质量的能力。IBM的营销方法包括有针对性的付费广告、付费搜索活动、社交媒体参与、视频广告和内容营销，以及从试点项目中获得的已证实的生产力提升，这些方法提高了其产品的知名度和可信度。
-
销售执行/定价：IBM有透明和灵活的定价模型，例如基于席位和基于消费的选项。IBM提供免费试用版、私有预览版和概念验证(POC)试用版，允许潜在用户彻底评估产品。IBM还允许用户通过微调和企业上下文感知帮助来定制针对特定业务需求的产品。IBM支持多种部署选项，包括公共云、私有云、混合云和本地部署，以在支持增长的同时解决数据安全和监管合规问题。
-
运营：IBM提供99.9%到99.995%的正常运行时间保证，有明确的支持响应时间，对于关键问题的响应最快可达15分钟。IBM的云服务无缝升级策略确保了最小的中断，并且本地客户可以灵活地安排更新。IBM的全球支持基础设施包括跨多个地区的24/7全天候运营中心。IBM的托管策略是高度差异化的，在私有云、公共云、SaaS和本地环境中提供灵活的部署选项。
-
产品战略：尽管IBM将AI代理视为代码辅助的主要颠覆，但代理并不是IBM为watsonx Code Assistant开发的五大领域、技术或功能之一。它们是IBM Research的首要任务，它们打算被包含在未来的watsonx Code Assistant中。它的投资重点似乎并不强调实时协作工具，比如实时代码审查和结对编程功能。
-
产品或服务：IBM的AI代码助手具有有限的终端集成和高级上下文感知功能，并且它落后于提供详细分析和报告、IDE集成、强大的指令命令和合作伙伴市场的竞争对手。该产品的设置过程比其他竞争产品更复杂和耗时，而且它只支持特定产品的定制，如watsonx Code Assistant for Ansible，并计划在未来为watsonx Code Assistant for Z提供定制和调优支持。
-
垂直/行业战略：IBM还没有针对特定的垂直领域概述目标战略。其通用的与行业无关的方法可能会限制IBM有效地解决不同行业部门的独特需求和挑战的能力。
Refact.ai
Refact.ai在本魔力象限中获评为“利基企业”。它的产品Refact.ai是开源软件，专注于跨各种IDE和编程语言提供可定制的、上下文感知的AI编码协助。它的业务遍布世界各地，其客户往往是大中型企业。Refact.ai的设定是一个AI队友，并且正在投资通过自动错误修复、记忆感知和代理功能等功能来增强其产品，同时还扩展了其微调功能和内部部署选项。
-
营销执行：Refact.ai有效地传达了其AI代码助手的好处，并通过谷歌付费广告、TechCrunch等平台的公关以及内容创作为其产品创造了知名度。尽管在社交媒体上的存在有限，Refact.ai参与了MWC、Viva Technology和South Summit等重要会议，在业界树立了信誉。
-
产品或服务：尽管在这项研究中，Refact.ai的产品得分不像其他供应商那么高，但它提供了引人注目的功能。Refact.ai的AI工具箱包括广泛的命令，用于修复错误、代码注释和代码生成等任务，以提高编码效率和质量。它支持各种编程语言，并利用专有模型和第三方模型来提供准确和相关的代码建议。其快速的工程能力允许精确的上下文感知辅助。
-
销售执行/定价：Refact.ai拥有透明、灵活和有竞争力的定价，没有最低席位要求，这使各种规模的组织都可以使用它。它还为B2C客户提供免费计划，并为B2B客户提供为期两周的试用。它拥有针对B2C和B2B客户的细分产品，以及跨层功能的明确进展，为不同的用户需求提供了量身定制的解决方案。Refact.ai提供云和自托管选项，支持高级AI功能，并强调隐私和安全，特别是在更高层级。此外，Refact.ai是开源软件，具有商业友好的BSD 3-条款许可，允许用户定制和构建插件以满足他们的特定需求。
-
客户体验：Refact.ai提供的培训项目很少，而且缺乏结构化的支持组织。此外，没有全面的客户成功计划或明确的指标来衡量ROI和客户成功的有效性。虽然他们支持Discord社区，但整体客户体验框架还未充分发展。
-
垂直/行业战略：Refact.ai在垂直和行业战略上落后于竞争对手，目前还没有针对特定行业的合作伙伴，也没有在不同细分市场增加市场份额的举措。然而，他们正在探索生物技术和金融行业的选项。
-
市场响应/记录：Refact.ai对开源项目的参与相对有限，缺乏客户和合作伙伴对其市场的贡献，表明社区参与水平较低。Refact.ai缺乏行业领导者的多样化客户反馈机制，如咨询委员会、社区论坛和高级分析，而这些对于推动响应式产品开发至关重要。
Sourcegraph
Sourcegraph在这篇魔力象限中是“有远见者”。其产品Cody专注于提供基于AI的代码辅助，以帮助开发者更有效地理解、编写和修复代码。其业务遍布世界各地，其客户多数是大型企业。Sourcegraph正在投资于增强模型微调、扩展语言支持和开发自主编码能力，因为它旨在集成来自各种工具的全面上下文并支持灵活的部署方法。
-
业务模式：Sourcegraph正通过推出Cody Pro（专为个人开发者和小型团队量身定制）等战略性产品以及有效利用合作伙伴关系（占新用户获取的14%）来扩大其市场覆盖范围。它在产品开发和运行时运营等关键职能部门之间均衡而健康地分配了FTE。其创新的功能测试方法确保其不断改进其产品。
-
产品或服务：Sourcegraph Cody集成了流行的IDE，利用领先的LLM，并提供先进的上下文理解和强大的安全措施。其灵活的部署选项、可定制性、全面的分析和广泛的语言支持使其成为一个强大的工具。Cody健全的指令命令增强了可用性和开发者的生产力，并充分符合企业需求。
-
产品战略：Sourcegraph专注于提高AI响应质量，集成通用上下文，扩展跨开发环境的支持和开发自主编码能力，这确保其产品满足不同的用户需求。Sourcegraph通过快速迭代周期、社区参与（如Early Access Program）、丰富的用户遥测、透明的产品路线图以及与Leidos、Nomura Research Institute (NRI)和IG Group的战略合作伙伴关系不断改进其产品。
-
垂直/行业战略：Sourcegraph拥有涵盖广泛行业的客户，但与一些竞争对手相比，与特定行业的合作较少。Sourcegraph对现有客户的交叉销售和追加销售的方法并没有解决针对不同行业需求的有针对性策略的需求。
-
对市场的了解：Sourcegraph专注于增强特定的开发者任务，而无需在整个SDLC中扩展自动化。Sourcegraph在其路线图上具有解决复杂问题的高级自治功能，但它们还没有普遍可用。它有一个Early Access Program和针对企业客户的季度业务审查，但还没有正式的客户委员会计划。此外，Sourcegraph专注于代码搜索和导航，但没有解决更广泛的市场需求，例如安全性、合规性和跨学科协作。
-
运营：Sourcegraph为自托管客户提供的入门流程可能需要几天到六周的时间，这比它的竞争对手更加多变。Sourcegraph在技术支持方面也缺乏区域差异，这可能限制其在处理区域特定问题方面的有效性。
Tabnine
Tabnine在这个魔力象限中是“利基企业”。其产品Tabnine专注于提供个性化、安全、兼容的代码完成和聊天功能。其业务范围遍及各地，来自不同行业的客户的规模也不尽相同。Tabnine正在投资增强其产品组合的功能，如用于上下文和定制的高级检索增强生成(RAG)、与Jira等工具的扩展集成、图像输入，以及用于代码审查和测试生成的改进的AI代理。它还专注于保持其在隐私和部署灵活性方面的竞争优势。
-
销售执行/定价：Tabnine提供透明而灵活的定价模式，包括免费的基本级、价格具有竞争力的专业级和全面的企业级。Tabnine在公共、私有、混合云和内部部署选项上的一致定价消除了财务障碍，简化了决策制定。它还为信息共享用户提供30天的自动试用和90天的延长试用。
-
产品战略：Tabnine使用数据驱动的方法和多样化的反馈渠道来不断改进其产品，而该产品已被150多万开发者和数千付费用户使用。它正在投资于先进的AI功能，例如改进LLM以获得更准确、上下文感知的代码完成，以及提供私有部署、设备上模型和自定义模型。Tabnine拥有广泛的全球和区域合作伙伴网络，包括Accenture和Cognizant，为实施提供强有力的支持。
-
整体可行性：Tabnine拥有来自顶级风险投资公司的强大资金支持、高效的增长模式和稳健的财务流程，这使其能够应对经济衰退。它客户忠诚度高，客户留存率完美，年合同价值留存率100%。其专职团队资源丰富，全职员工专注于持续创新。
-
市场响应/记录：Tabnine在将其AI代码助手与其他代理集成，以及使用社区参与平台（如专用论坛、Slack频道和社交媒体）方面落后于竞争对手。此外，Tabnine的响应能力和客户参与度可以做到更高，因为它缺乏实时聊天支持。
-
业务模式：Tabnine的产品种类有限，缺乏创新的定价模式。与竞争对手相比，Tabnine支持企业客户的员工数量比一些竞争对手要少，但它计划随着需求而扩大员工规模。Tabnine报告称，通过合作伙伴获得的新客户比例很高，但与其他依赖合作伙伴获得客户的供应商相比，这一比例并不高。
-
垂直/行业战略：Tabnine专注于技术整合，而不是全面的、针对特定行业的战略。Tabnine没有针对个别垂直行业的任何具体举措。它的模型训练器允许客户生成适合其业务需求的特定模型，但这并不能弥补缺乏有针对性的、针对特定行业的举措。
Tencent Cloud
Tencent Cloud在这个魔力象限中是“利基企业”。其产品Tencent Cloud AI Code Assistant专注于通过智能代码预测和上下文感知建议来提高开发者的生产力，并与流行的IDE以及Tencent Cloud Studio和Xcode集成。其业务范围遍及各地，来自不同行业的客户的规模往往是也不尽相同。Tencent正在投资于LLM和RAG等领域的研发。
-
产品战略：Tencent正在大力投资混合和多云解决方案，以及其AI代码助手的安全和合规功能。Tencent多样化的反馈收集方法，包括客户调查和咨询委员会，以及对咨询和系统集成商合作伙伴的支持，确保了产品的持续改进和强大的市场影响力。其定期的产品更新和持续的研发投资使其产品具有竞争力。
-
销售战略：Tencent通过不断的产品创新和战略合作来应对市场需求。其透明灵活的折扣政策包括针对多年合同的明确的分层结构，并激励长期承诺。同时，其全球销售范围、广泛的客户支持和培训计划、无缝衔接的生态系统集成、可靠的跟踪记录和数据驱动的洞察力进一步增强了其吸引力。
-
营销战略：Tencent面向广泛的技术个人贡献者和领导角色，采用多方面的方法吸引CTO、CIO和软件工程领导者。它利用战略伙伴关系和直接推广，包括内容营销、大V合作以及积极参与重大会议和活动，来提高知名度和市场渗透率。Tencent的分阶段推出和beta测试、教育和培训合作伙伴关系以及产品营销也有助于它获得开发者的关注。
-
垂直/行业战略：Tencent没有提供行业特定的具体细节、进入市场或技术合作伙伴关系，这表明其垂直/行业战略缺乏战略重点或透明度。
-
创新：Tencent有机会通过加强技术来进一步区分自己。它利用了行业标准技术和实践，比如以用户为中心的设计和敏捷开发。它正在开发一些有前景的创新，包括多模式专家模型、通过RAG改进的定制能力和监督微调，但这些开发大多是在追赶领先的竞争对手。
-
市场响应/记录：Tencent可以增加用于吸引不同地区和平台客户的反馈渠道的数量，与行业领先的做法保持一致。Tencent的反应可能会更主动，其中反馈会导致即时的产品调整或直接的开发者参与。与领先的竞争对手相比，Tencent将客户反馈应用于产品开发的能力有限。
入选和排除标准
要获得入选这个魔力象限的资格，提供商需要：
-
提供一款包含市场定义中列出的所有强制性功能的产品，并且在2024年9月30日之全面上市。
-
拥有至少10家付费客户。
Gartner将“全面上市”(GA)定义为向所有客户发布产品。与主要用于测试和用户反馈的限量发行版或测试版不同，当产品达到 GA 版本时，就可以通过公司的一般销售渠道进行销售。
评估标准
执行力
产品/服务：该标准评估在特定市场中竞争或服务的核心商品和服务，其中包括当前的产品/服务能力、质量、功能集、技能等，无论是原生提供，还是通过OEM协议/合作伙伴提供。它试图了解供应商的集成能力、对各种编程语言、框架和IDE的适应性，以及提供给用户的定制程度和灵活性。此外，它还评估AI模型的性能和有效性及其自动化、跟踪和分析能力，以及供应商对安全性和合规性的承诺，包括IP管理和数据保护。最后，它还探讨供应商的市场产品、合作伙伴关系，以及与其他企业应用程序提供集成解决方案的能力，以及他们对AI代码助手的未来愿景，和为客户提供有价值指标的承诺。
整体可行性：该标准评估组织的生存能力，包括其总体财务状况、业务部门的财务和实际成功，以及对产品继续投资的可能性。它寻求有关供应商财务状况的全面信息，包括风险投资资金、盈利能力、经济衰退战略、未来12个月的投资计划、2023财年的年收入和2024财年的预计收入。此外，它还评估客户和市场参与度，重点关注2023日历年的客户保留率、按并发用户数量计算的最大安装数量，以及过去12个月内的任何相关业务收购。最后，它还检查组织架构和员工队伍，包括致力于产品的全职员工数量，以及高级管理层在过去一年中发生的任何变化。
销售执行/定价：该标准评估组织在所有售前活动和支持结构方面的能力，包括交易管理、定价和谈判、售前支持以及销售渠道的整体有效性。它寻求对客户群的详细洞察，例如使用该产品的大型企业中排名前五的决策者、当前的客户数量、跨不同行业的细分以及与大型企业客户的关系的持续时间。
此外，它还评估定价模型，包括不同部署方法（如公共云、私有云、虚拟私有云和本地部署）的变化，以及不同版本所需的最小席位数量。最后，它会检查与产品相关的任何免费或试用产品，提供客户获取策略的理解，以及潜在客户在做出购买决定之前如何评估产品。
市场响应速度和跟踪记录：该标准旨在评估组织能否在机会不断发展、竞争对手采取行动、客户需求不断演变以及市场动态持续变化之际，做出响应、改变方向、保持灵活性并取得竞争成功，包括供应商对不断变化的市场需求做出响应的历史记录。它寻求有关公司积极参与开源社区的详细信息、为市场做出贡献的客户和合作伙伴的百分比，以及合作伙伴市场的年增长率。此外，它还评估用于倾听和响应客户需求的机制，并提供有效使用这些机制的具体示例。最后，它还考察针对不同市场的产品定制程度，以及公司的创新能力，即在市场早期就拥有竞争对手现在才赶上的平台能力。
营销执行：该标准旨在评估计划的清晰度、质量、创造性和有效性，这些计划旨在传递组织的信息以影响市场、推广品牌、提高产品知名度，并在客户心中树立正面形象。它寻求清晰描述对于开发团队产品是如何定位的、开发者使用该产品的主要原因，以及使其在市场中脱颖而出的关键差异化因素。此外，它还评估2024年的预计营销预算、过去一年的主要营销举措、在搜索引擎和直播电视上的可见性策略，以及在各种在线和社交媒体渠道上与粉丝/订阅者的互动。最后，它将分析2023年赞助或举办的实体会议，确定顶级竞争对手，并强调使该组织与这些竞争对手区分开来的独特差异化因素。
客户体验：该标准评估使客户达到预期的结果产品、服务和程序，包括质量互动、技术支持和客户支持。它寻求关于开发者培训计划、引入时间表、成功度量、实施资源和用户培训需求的详细信息。此外，它还评估客户支持结构、专门用于支持的FTE、支持可用性、SLA、响应时间、最近的中断和合作伙伴参与情况，包括客户门户URL。最后，它将检查组织的客户成功计划、保留策略、用户社区支持、ROI度量以及用于衡量客户成功计划有效性的指标和基准。
运营：该标准将评估组织实现目标和承诺的能力，重点关注其结构、技能、经验、程序和系统的质量。它寻求关于SLA的详细信息，包括系统正常运行时间、升级策略、发布时间和用于企业技术支持的FTE的增长率，以及用户对更新时间的选择。此外，它还评估员工在风险管理、劳动力减少、全球运营和支持中心、支持的最大并发用户数量、引入速度以及与客户的正式沟通过程方面的培训。最后，它将审查过去12个月实施的环境可持续性倡议、托管策略的差异以及产品中包含的认证。
前瞻性
对市场的了解：该标准评估供应商理解并将客户需求转化为创新产品和服务的能力，特别是在软件工程领域。它侧重于产品开发、关键产品的识别，以及适应不断变化的客户需求，以增强产品的生存能力。此外，它还评估供应商在监控市场趋势、应对AI代码助理市场挑战以及预测技术中断方面的熟练程度，以制定前瞻性的战略愿景。最后，它将考虑对企业责任的承诺，包括碳中和计划和通过客户委员会计划等举措积极参与客户。
营销战略：该标准旨在评估组织能否在内部持续传达清晰的差异化信息，并通过社交媒体、广告、客户计划和定位声明向外部传达这些信息。它关注组织如何很好地定义其产品的消息传递、定位和进入市场策略，以及如何巧妙地规划其顶级营销活动以使行业理解和采用。它还衡量组织如何确定其目标市场垂直领域和客户规模。此外，它还评估组织对产品营销的特定角色的目标，对CTO、CIO和软件工程领导者的扩展，以及人物/采购人员对产品价值主张的区分。最后，它将考虑2024年新合作伙伴的识别和目标选择，以及公司在过去12个月中以多元化、公平和包容(DEI)奖的形式获得的认可。
销售战略：该标准旨在评估组织能否运用恰当的网络（包括直接和间接销售、营销、服务和通信网络）实施合理的销售战略。它侧重于组织对其2024年销售增长战略的理解，以及影响销售渠道的因素、销售团队的预计增长、产品采用的计划举措，以及市场变化对销售战略的影响。此外，它还评估未来12个月的潜在市场扩张、确定目标国家/地区和行业，以及间接销售渠道合作伙伴对收入的贡献。最后，它将考虑定价策略的详细信息，包括许可模型、SaaS和本地成本、折扣优惠以及组织的基于消费的收费方法。
产品战略：该标准评估用于产品开发和交付的方法，强调市场差异化、功能性、方法和功能集，以符合当前和未来需求。它专注于理解AI代码助理产品，包括它的名称、技术架构、专业服务、训练有素的咨询和系统集成商合作伙伴。此外，它还评估用户群，详细说明了使用免费和付费版本的开发者的数量，并概述供应商支持和贡献开源软件使用和开发的策略。最后，它将考虑供应商对产品开发和市场定位的战略方法，包括投资领域、成功指标、避免商品化的方法、产品增强策略，以及将客户反馈集成到产品路线图中的过程。
业务模式：该标准评估用于实现持续成功的组织业务主张的设计、逻辑和执行。它将深入研究供应商在AI代码助理产品方面的商业模式变化、该模式在未来12个月的计划演变，以及该产品对公司整体收入的贡献。此外，它还评估供应商的合作伙伴战略，重点关注在过去12个月内通过合作伙伴或合作伙伴推荐获得的新客户的百分比。最后，它将检查供应商的用于支持产品的人员配置结构，以及不同产品版本对AI代码助手性能施加的任何潜在限制，例如特定时间段内的速率限制和对话数量。
垂直/行业战略：该标准评估组织的这项战略：引导资源、技能和产品来满足个别细分市场的特定需求，包括垂直行业。它寻求对特定行业进入市场或技术合作伙伴关系的全面理解，提供对战略联盟和潜在协同效益的见解。此外，它还需要对不同垂直领域的客户分布进行详细概述，包括关键客户名称和顶级行业垂直领域，以及预构建的模型、组件或资产，以评估市场存在和行业焦点。最后，它将评估在未来12个月内计划增加垂直行业细分市场份额的主要举措，评估前瞻性战略、增长潜力和对创新的承诺。
创新：该标准评估用于投资、合并、防御性或先发制人这些目的的资源、专业知识或资本的直接、相关、互补和协同性分配。它寻求对供应商创新战略的全面洞察，包括流程和方法、未来创新计划、顶级差异化创新、投入研发的收入比例以及创新的战略合作伙伴关系。此外，它还需要详细的信息，说明供应商如何通过创新的产品功能和战略合作伙伴关系在市场上脱颖而出，从而提供一幅关于他们竞争优势的清晰图景。最后，它通过对与其产品相关的开源或开放标准的贡献来评估供应商对更广泛的技术社区的承诺。
地区战略：该标准旨在评估供应商引导资源、技能和产品的战略，该战略旨在满足其本地区域以外地区的特定需求，可以直接实现，也可以通过合作伙伴、渠道和子公司来实现。它需要全面概述供应商在不同地区的差异化交付、销售和营销策略，以及其旨在扩大其核心地区以外的市场份额的三大举措。此外，它还评估供应商如何确保遵守数据主权需求、其产品的国际化/本地化功能以及所支持的自然语言的数量。最后，它将考虑供应商当前和未来的地理市场，详细说明了其实体存在、员工数量、客户、渠道合作伙伴以及过去一年在每个地区获得的新客户数量。
.
象限描述
领导者
AI代码助理魔力象限中的领导者擅长于提供全面的AI驱动功能，这些功能最有可能提高整个SDLC的开发者生产力、代码质量和安全性。他们展示了对市场需求的深刻理解，并通过集成先进的AI模型和扩展其功能集来不断创新，以保持领先于行业趋势。这些供应商还擅长通过与第三方开发工具的无缝集成来构建强大的生态系统，并维护强大的安全性和合规性措施，以防止漏洞和知识产权风险。此外，他们在地理上的多元化运营使他们能够为不同行业的广泛客户提供服务，确保广泛的可及性和支持。
挑战者
AI代码助手魔力象限中的挑战者在执行方面表现出色，他们通过强大的销售执行和定价、有效的产品和运营效率来推动用户采用和商业成功。他们利用积极的市场品牌推广、战略合作伙伴关系和广泛的销售网络来提高产品销售效率。然而，这些供应商缺乏全面的愿景，这可以从有限的产品路线图、对实时协作工具的关注不足以及对市场挑战的狭隘理解中得到证明。虽然他们提供了可靠和有效的解决方案，但他们的战略重点和市场远见并不完善，这限制了他们全面预测和满足未来市场需求的能力。
前瞻者
AI代码助理魔力象限中的前瞻者在他们的前瞻性愿景方面表现出色，开创了先进的AI驱动代码建议和无缝工具集成等创新功能。他们对市场需求有深刻的理解，专注于提高开发者的生产力、代码质量，并解决诸如安全漏洞和遵从性等新出现的挑战。然而，这些供应商在执行方面表现出弱点，例如有限的运营效率和较弱的销售网络。虽然他们的战略远见很强，但他们的执行能力落后，这使他们无法获得与领导者相同的市场影响力。
利基企业
AI代码助手魔力象限中的利基企业通常提供专门的解决方案，以满足市场中的特定细分市场或独特用例。在某些情况下，这些产品可以很好地与组织的用例保持一致，并且可能最适合组织的开发者。然而，这些供应商往往在执行和愿景方面都落后，表现出有限的运营效率、较弱的销售和营销策略，以及无法满足市场更广泛需求的狭隘焦点。与更多才多艺、更有远见的竞争对手相比，他们的整体影响和市场覆盖率受到限制。
背景
为您的组织选择一个AI代码助手应该以协作方式完成。投资AI隐私工具的组织看到了有影响力的业务成果。在Gartner的《2023年企业AI调查》中，超过70%的受访者表示，他们认为他们在AI隐私、安全和风险方面的投资对监管合规、收入增长和成本优化产生了影响。1 因此，IT领导者应该建立一个由工程、架构、安全和法律专家组成的跨职能工作组。工作组应该使用这个魔力象限中的分析来创建AI代码助手供应商的候选名单。
基于这个候选名单，工作组应该在组织中试用AI代码助理。目标应该是建立POC，衡量可能的用例，并选择短期内使用的供应商（因为供应商正在快速发展他们的产品并添加新功能）。
在试点AI代码助手时，工作组应该：
-
在使用AI代码助手之前设置基准关键指标。使用常见的开发者生产力和经验框架，例如DevOps研究和评估(DORA)指标和SPACE框架，它们考虑了满意度和福祉、性能、活动、沟通和协作，以及效率和流程（参见如何度量和改进开发者生产力）。
-
使用定量指标和定性调查数据评估AI代码助手的影响。评估风险，例如生成的安全漏洞和受版权保护的代码和文档，并监控生成的输出是否存在偏见、露骨的材料和其他道德挑战。通过结合使用基于活动的输出指标和基于价值的影响指标，避免依赖任何单一类别的指标。开发者调查是评估影响的常用方法。软件工程智能平台也可以帮助衡量AI代码助手的影响（参见软件工程智能平台市场指南）。
-
根据POC结果和用户反馈选择性能最好的工具。在接下来几周内，将试点扩大到越来越多样化的用户群，以验证风险缓解措施的影响和功效。建立机制，让用户相互学习。一个简单的内部聊天可以演变成一个实践社区，并允许教练开发和传播最佳实践。每季度对试点进行细化和迭代，以解决关键痛点，扩展到新的用例并取得成功（参见如何试点生成式AI）。
市场概况
AI代码助理已经引起了全球开发者的注意，是软件开发历史上最被炒作的技术之一。
虽然由于风险，组织最初对采用AI编码助手犹豫不决，但由于给开发者带来的好处，大多数大型企业加快了采用这项技术的速度。根据Gartner的2023年大型企业技术采用路线图调查，软件工程领导者表示，他们的组织正在试用AI代码助手。2
随着越来越多的组织寻求提高软件开发者的效率、最小化认知负荷、增强问题解决能力、加快学习速度、培养创造力并保持他们的心流状态，我们预计AI代码助手的采用率将继续迅速增加。
为了响应客户的高需求，数十家供应商纷纷创建自己的商业化AI代码助手。随着AI代码助手开始被主流采用，供应商正在迅速扩展和改进其产品的功能。
AI代码助手现在可以在广泛的用例中支持开发者，包括：
-
代码生成：开发者使用AI代码助手中的代码编辑器来自动完成代码并生成功能，这有助于他们更快地完成编程任务。
-
代码调试除错：开发者使用AI代码助手来检测和修复代码中的错误，这有助于他们解决错误，而无需向同行询问或在互联网上搜索解决方案。
-
代码现代化：开发者使用AI代码助手来理解许多程序之间复杂的依赖关系，这有助于他们减少技术债务并使代码现代化。
-
工件构建和测试：开发者使用AI代码助手从用户故事（例如，以Gherkin格式）生成验收测试，并生成单元测试。
-
代码解释：开发者使用AI代码助手来获取代码的自然语言解释，这有助于他们理解复杂、不熟悉的代码。
然而，AI代码助手供应商的能力和整体性能差异很大。例如，只有少数供应商专注于特定于领域的模型。
为了应对这种变化，软件工程领导者和其他IT领导者应该使用这个魔力象限来比较AI代码助手市场上的12家供应商。这种分析将帮助领导者们在这个被高度炒作的市场中消除噪音，从而他们可以选择与他们组织的AI野心和开发者的用例相一致的供应商。
为了满足日益增长的客户对这个市场进行更全面评估的需求，我们为AI代码助手创建了这个魔力象限，以取代AI代码助手的创新洞察力。
主要术语和缩写词汇
| 自动推理模型 |
自动推理模型侧重于使用逻辑和数学技术来自动化各种形式的推理和问题解决，例如定理证明和模型检查。
|
| 神经编译器 |
神经或神经元编译器是专门用于优化深度学习模型的工具，因此它们可以在特定的模型推理架构上更有效。
|
| 检索增强生成(RAG) |
该模式由Meta在2020年的一篇研究论文中引入，已成为GenAI应用程序架构的基础，包括内容存储、一个搜索和检索机制以及一个大型语言模型(LLM)。该过程包括将用户的提示重写为查询，检索相关内容，并使用LLM生成响应。
|
| 监督微调(SFT) |
监督微调是使用标记数据集改进预训练机器学习模型以提高其在特定任务上的性能的过程。
|
依据
1 1 2023 Gartner企业AI调查：该研究旨在了解成功实施AI的关键及其对生成式AI带来的更广泛的AI的影响。该研究于2023年10月19日至12月21日在网上进行，共有703名来自美国、德国和英国的组织的受访者，主要样本包括703名中的645名。所调查的组织必须是会在未来三年内开发或打算部署至少两个AI计划。受访者必须是该组织的企业领导层的一员或担当企业领导角色。703个样本中有58个是商业智能(BI)样本。所调查的组织必须是会在未来三年内开发或打算部署至少一个AI计划。受访者需要是该组织企业领导层的一员，或向企业领导层或以下的角色（高级经理或以上）报告，并主要负责其组织中的BI。主要样本和BI样本受访者都被要求高度参与至少一项AI计划，并且在其组织中与AI相关时，他们被要求担任以下角色之一：确定AI业务目标，衡量AI计划产生的价值或管理AI计划的制定和实施。主要样本的配额是根据公司规模和行业确定的，以确保整个样本具有良好的代表性。没有为BI样本设定配额。免责声明：本次调查的结果并不代表全球或整个市场的调查结果，而是反映了受访者和受访企业的观点。
2 2023年Gartner大型企业技术采用路线图调查：这项调查是通过在线小组调查进行的，共有600多名受访者来自北美、欧洲、中东和亚太地区，涉及行业和年收入超过10亿美元的企业。这项研究总结了来自120多名被认定为软件工程领导者的受访者的发现。这些结果将允许软件工程领导者通过供应商的炒作来决定投资哪些技术以及何时投资，以便在同行中保持竞争力。
评估标准定义
执行力
产品/服务：由供应商为既定市场提供的核心产品和服务。其中包括当前的产品/服务能力、质量、功能集、技能等，可能是原生提供，或通过按照市场定义和子标准中详细定义确定的OEM协议/合作伙伴提供。
整体可行性：可行性包括对组织整体财务状况的评估，以及对业务部门的财务和实际成功情况的评估，还有单个业务部门持续对产品进行投资、持续提供产品以及在组织的产品组合中提高工艺水平的可能性。
销售执行/定价：供应商在所有售前活动中的能力以及支持这些活动的结构。其中包括交易管理、定价和谈判、售前支持以及销售渠道的整体有效性。
市场响应/记录：在机会不断发展、竞争对手采取行动、客户需求不断演变以及市场动态持续变化之际，做出响应、改变方向、保持灵活性并取得竞争成功的能力。该标准还考虑了供应商响应的历史记录。
营销执行：计划的清晰度、质量、创造性和有效性，这些计划旨在传递组织的信息以影响市场、推广品牌和业务、提高产品知名度，以及在买家心中树立产品/品牌和组织的正面形象。这种“品牌影响力”可以通过产品宣传、推广方案、思想领导、口碑相传和销售活动来推动。
客户体验：能够让客户通过所评估产品获得成功的关系、产品和服务/计划。具体来说，这当中包括客户获得技术支持或客户支持的方式。此外，可能还包括辅助工具、客户支持计划（及其质量）、用户组的可用性和服务级别协议等。
运营：组织达成目标和承诺的能力。影响因素包括组织结构的质量，其中包含技能、经验、计划、系统，以及使组织能够持续有效且高效地开展运营的其他工具。
前瞻性
对市场的了解：供应商能了解买家的愿望和需求并将其转化为产品和服务。供应商对其市场表现出清晰的愿景，愿意倾听并了解客户的愿望和需求，以及用自己日臻完善的愿景来塑造或增强市场变化。
营销战略：在组织内部或通过网站、广告、客户计划和定位声明向外部持续传达的清晰、与众不同的宣传信息。
销售战略：产品销售战略，运用恰当的直接和间接销售网络、营销、服务和通信附属机构来延伸所涉市场、技能、专业知识、技术、服务和客户群的广度及深度。
产品战略：供应商用于产品开发和交付的方法，强调市场优势、功能性、方法和功能集，因为它们反映了当前和未来的需求。
业务模式：供应商内在业务主张的合理性和逻辑性。
垂直/行业战略：供应商的战略，用于引导资源、技能和产品来满足个别细分市场的特定需求，包括垂直市场。
创新：用于投资、合并、防御性或先发制人等目的的资源、专业知识或资本的直接、相关、互补和协同性布局。
地区战略：供应商的战略，用于引导资源、技能和产品来满足“本土”或本地区域以外地区的特定需求，可以直接实现，也可以通过合作伙伴、渠道和子公司来实现，视当地情况和市场情况而定。
© 2024 Gartner, Inc.和/或其关联企业。保留所有权利。Gartner是Gartner, Inc.及其关联企业的注册商标。未经Gartner事先书面许可，不得以任何形式复制或分发本出版物。本出版物包括Gartner调研企业的意见，不应被视作事实陈述。本出版物中所含信息均从据信的可靠来源获取，但Gartner不对此类信息的准确性、完整性或适当性作出任何保证。虽然Gartner调研报告可能会解决法律和财务问题，但Gartner并不提供法律或投资建议，不应将其调研报告解释为或用作法律或投资建议。您需依照Gartner使用政策访问和使用本出版物。Gartner以独立和客观的声誉为傲。调研由其调研组织独立进行，不受任何第三方意见的左右或影响。如需获得更多信息，请参阅“独立性和客观性的指导原则”。Gartner调研不得用于生成式人工智能、ML、算法、软件或相关技术的信息输入，也不得用于上述目的的培训或开发。
本文件中的Gartner研究已从其原始英文版本翻译成上述/文件内语言。 Gartner已尽一切合理的业务努力确保翻译尽可能准确完整。 但是，在所有翻译中，译文与原文不可避免地会存在某种程度的差异。 如果在内容或意图方面存在差异，则应始终以原始英文版本中所述的含义为准。
本文件中的Gartner研究已从其原始英文版本翻译成上述/文件内语言。 Gartner已尽一切合理的业务努力确保翻译尽可能准确完整。 但是，在所有翻译中，译文与原文不可避免地会存在某种程度的差异。 如果在内容或意图方面存在差异，则应始终以原始英文版本中所述的含义为准。