ARTICLE · 1104041
揭秘大厂研发天花板:谷歌与腾讯是如何用 AI 搞软件开发的?
揭秘大厂研发天花板:谷歌与腾讯是如何用 AI 搞软件开发的?
在科技圈，AI 编程工具早已不是什么新鲜事。从最初的代码自动补全，到如今各类 AI 编程助手普及，写代码的门槛正在被不断拉低。然而，对于管理着数万名工程师、维护着海量业务代码的顶级科技巨头来说，他们眼中的 “AI 研发”，绝不仅仅是工程师和大模型对话写代码那么简单。 今天，我们就深度拆解全球科技巨头谷歌（Google）与国内大厂腾讯（Tencent）真正的 AI 软件开发工业级流程。看看顶尖企业是如何将 AI 融入研发体系，实现研发生产力升级。 谷歌拥有规模庞大的单体代码库（Monorepo），数万名工程师在同一个代码仓库里协同作业。为了让 AI 在这个庞杂体系中高效运转，谷歌走的是云端 IDE 全面集成 + 自动化严格审查的闭环智能路线。 新提交代码变更，超 75% 包含 AI 辅助生成片段 在谷歌，开发新功能依托内部云端编辑器（如 Cider）。AI 辅助并非被动等待指令，而是采用 “无 Prompt 语义感知” 模式。 智能适配粘贴（Smart Paste）：当工程师从 A 文件复制一段逻辑到 B 文件时，后台的 Gemini Code Assist 会自动识别目标文件的命名空间、变量规范和依赖关系，在粘贴瞬间完成自动重构，无需人工逐行修改。 谷歌在 2024 年底公开的研发进展中确认：内部新提交的代码变更里，超过 75% 的代码包含 AI 生成或辅助编写的片段。 自动化代码评审（Critique 系统） 谷歌最硬核的经验，在于叠加了 AI 能力的代码评审系统 Critique。工程师发起代码合并申请（CL）后，在人类评审员打开评审页面之前，AI 前置完成一系列检查： 自动做代码风格检查、内存泄漏排查与安全漏洞扫描； 直接在有问题的代码行下留下修改建议，并附带一键应用按钮； 人类评审员只需复核确认，一键采纳修改。这套机制为谷歌省去超过 30% 的低级纠错时间。 面对国内复杂业务场景和快速迭代需求，腾讯 AI 研发落地偏向实战与全链路打通。依托腾讯混元大模型，腾讯内部搭建了以腾讯云 AI 代码助手为核心的自研 AI 研发生态。 规范驱动开发（SDD - Specification Driven Development） 腾讯大规模落地 AI 编程时，沉淀出一套 “规范驱动” 工程流程：标准前置：团队提前把企业 API 规范、架构白皮书、代码安全红线灌入 AI；渐进式加载（Token 优化）：开发过程中，AI 助手不会一次性读取整个庞大项目，而是采用渐进式上下文感知技术，只精准抓取当前高相关性代码片段。在保证生成准确率的同时，大幅降低算力开销。 跨产品多 Agent 协同生态 腾讯将 AI 编程能力和企业协同工具（腾讯会议、企业微信、Tapd 工单系统）做全链路打通。打通完整研发生命周期：研发助手不只在 VS Code 等 IDE 内生成代码，还能联动 Tapd 工单系统。全自动流水线：当产品经理在工单更新需求，AI Agent 自动感知需求变更，自动生成测试用例，并提示程序员一键生成对应业务逻辑。 这种多智能体协作，让 AI 研发摆脱单纯代码工具的定位，走向全流程自动化。 表格
谷歌与腾讯的实践告诉我们：真正的 AI 软件开发，绝不是让程序员去做 “Prompt 调教员”，而是把 AI 打造成隐形的数字基础设施。 无论是谷歌超 75% 代码变更带有 AI 辅助，还是腾讯多 Agent 联动的研发生态，都指向软件开发的未来形态：人类负责定义规则、边界和业务架构，AI 负责填充代码细节、提供自动化防御，持续迭代优化。
一、谷歌（Google）：单体代码库下的 “隐形守门人”
注：AI 仅做前置筛查，最终代码准入、架构决策仍由工程师负责。
二、腾讯（Tencent）：多 Agent 联动与 “规范驱动” 的实战派
三、双雄对比：两套 AI 研发体系核心差异
四、结语与启示
补充：两种方案落地都有较高前提，依赖完善的企业代码规范与知识库，中小团队无法直接照搬。