JetBrains：AI 智能体将重演云 ROI 危机

部署 AI 编码智能体（AI coding agents）已经不难，难的是判断它们是否真的有效，以及防止它们变成企业 IT 中又一个无人管理的失控层。

JetBrains 上周发布的 JetBrains Central 正是为了解决这个问题。它是一个面向 AI 智能体工作流（AI agent workflows）的治理和执行平台。

JetBrains 智能体平台副总裁 Oleg Koverznev 在简报中直言不讳：行业即将重演云计算的 ROI 危机。

“大家都知道 AI 是颠覆性的，”他说，“但很难证明部署这些系统能为业务带来实际回报。”

当年企业上云时，第一波投资热潮后很快就面临证明 ROI 的压力，并催生了一整个成本管理和可观测性工具类别。JetBrains 现在对智能体 AI（agentic AI）下了类似的赌注，而且比大多数玩家都早。

JetBrains 自己在 2026 年 1 月对 11,000 名开发者的 AI Pulse 调查显示，90% 的人已在工作中使用 AI，66% 的公司计划在 12 个月内采用编码智能体。但只有 13% 的公司报告在整个软件开发生命周期中使用 AI。

“代码生成（Code generation）现在很便宜，不再是瓶颈，”Koverznev 在发布文章中写道，“真正的挑战是将产出与意图对齐，并管理智能体驱动（agent-driven）工作日益增长的操作和经济复杂性。”

还没人讨论的协调难题

Koverznev 更尖锐的观点不在于 ROI 测量，而在于当智能体数量增长到没人能清楚掌握运行状况时会发生什么。

“我们设想未来会出现人类与智能体同事组成的团队，”他说，“智能体之间、智能体与人类之间的协调是个大问题——而且这个问题正在浮现。”

大多数组织目前仍在孤岛中运行智能体。但 Gartner 预测，到 2026 年底，40% 的企业应用将包含 AI 智能体，而目前这一比例还不到 5%。在这种规模下，追踪运行内容、成本以及是否达成预期目标，就成了真正的运营难题。

JetBrains Central 的解决方案是一个语义层，它聚合了来自代码库、架构、运行时行为和交付基础设施的上下文——让智能体获得系统级理解，而不仅仅是提示级的指令。

“为了获得可预测的结果，我们需要给智能体提供必要的上下文和代码理解能力，”Koverznev 说。

这进而连接到 Air Team，这是一个用于向智能体委派任务并跟踪多步骤工作流的协作空间，集成了 Slack、Atlassian 产品和 Linear。其论点是，不与现有团队系统连接的智能体工作流，会在现有协调层之上再创建一个平行的协调层。

在走向锁定的市场中，开放平台如何立足

大多数 AI 平台供应商都在构建封闭的生态系统。JetBrains 反其道而行，Koverznev 对此毫不掩饰。

“我们不想拥有整个技术栈，”他说，“我们想提供系统，让客户选择使用什么工具、什么智能体——并赋予他们控制的能力。”

组织可以连接任何 IDE 或 CLI，使用自己的 OpenAI 或其他供应商的 API 密钥，并通过 Agent Communication Protocol 接入外部智能体（如 Claude、Codex 或 Gemini CLI），无需定制集成工作。平台还计划提供本地部署选项。

“我们站在巨人的肩膀上，”Koverznev 说，“大语言模型（LLMs）提供了强大的智能——我们不与之竞争。我们把它们整合成一个可控的系统。”

“无锁定”的承诺有多强，取决于支撑它的集成能力，而这个市场的发展速度并未放缓。不过，JetBrains 至少自己也在用这个产品。“我们越来越多地依赖智能体和 AI 驱动的工作流，这产生了对成本可视性和治理的更高需求，”运营高级副总裁 Hadi Hariri 在一份声明中说，“这就是为什么我们已开始在内部试点 JetBrains Central。”

定价：固定治理费，按执行量付费

定价分为两部分：固定的按席位订阅费（涵盖 JetBrains 和第三方席位），用于治理；以及按使用量付费的智能体执行费用。Koverznev 列举了几个定价场景。

“一个开发者每月可能花 100 美元，”他说，“另一个可能编排数千个智能体，花费 10 万美元。这完全可能。”平台的任务就是让这些支出变得清晰可读，并将其与上市时间、交付成本等业务成果关联起来。

早期访问计划（Early Access Program）将于 2026 年第二季度启动，邀请有限的设计合作伙伴在真实世界的智能体工作流中测试 JetBrains Central。与此同时，这个开放平台的赌注能否成功，取决于 JetBrains 能否在市场围绕其他供应商的治理层固化之前，实现产品的全面上市。