AI 工程领域的生产力水平绝非正常水平

我们现在处在一个应当期望彼此付出三倍努力的时代。

在过去的六个月里，一个数据指标接着另一个数据指标出现：

• 据报道，NVIDIA 拥有 3 万名开发者，他们所遵循的法典数量增长了 3 倍，而错误率则保持稳定。 ¹
• 产品每周的代码提交量增长了两倍，目前有人工智能代理成为对代码库贡献最大的三个因素之一。 ²
• 自在内部开始使用 Claude Code 后，Anthropic 的每位工程师所编写的法典量增长了 2.5 倍，且代码质量保持稳定。 ³
• 在同一时期内，Replit 的团队规模翻了一番，每位工程师的产出也提高了两倍，而代码审查时间、需要回退的次数以及出现的故障数量则保持不变。 ⁴

上图将生态系统分为三个不同的层级，每个层级的划分标准是该公司能够获取的模型能力占比。 ⁵

大多数公司目前所经历的，就是第一种情况：只需提供一款人工智能集成开发环境，无需做其他任何改变，其效果也就一般而已。

“工程领域的领导者们当初期望通过人工智能提升 2 到 3 倍的生产效率，但实际上只能实现大约 30%的提升幅度。”

— 增强法典 ⁶

Faros 针对 22,000 名开发者的调研结果也印证了这一点：工程师们完成任务的速度快了 66%，但每位开发者所处理的错误数量却增加了 54%。 ⁷ Google 进行的随机对照试验显示这一比例为 21%，与 GitHub 的 24%相近。 ⁸⁹ 这就是通常会出现的结果。

接下来是前沿方案。这些公司围绕该模型构建了相应的框架，让各种工具能够在 GitHub、Linear 和 Slack 之间共享信息，然后再将问题提交给工程师进行判断。

“每位员工都会对应一名管理代理，该管理代理会循环生成工作代理。在安全测试及事故处理方面，我们的内部代理的表现优于那些价格高达数百万美元的 SaaS 工具，而且成本仅为后者的十分之一。”

— Amjad Masad，Replit，“那家自动驾驶公司” ⁴

人工 PR 审核时间减少了 30%。复杂问题的处理时间则减少了 60%。代码贡献总量增长了 5.8 倍。而 3 倍这个数值正是从这里得出的。

第三类则是软件工厂，这个名称十分贴切——它们其实就是能够以机械化方式生成软件的 AI 系统。Cognition 的 Devin 能够对庞大的代码库进行端到端的重构。Factory.ai 正在 NVIDIA、Adobe、Blackstone 以及 EY 等公司部署这类软件工厂。 ¹⁰

“通过使用 Devin 进行大规模代码重构，Nubank 的工程效率提升了 8 倍，成本则降低了 20 倍。”

— 《Contrary Research》，2026 年 1 月 ¹¹

高盛正在与 12,000 名人工开发人员一起测试 Devin，同时预计这种代理型人工智能的效率将是以往工具的 3 到 4 倍。 ¹²

人工智能技术正在提升工程领域的生产力。初步数据已经显示出了其效果：大多数团队的生产力提升幅度将从 20%上升至 3 倍，这样的提升幅度实在惊人。