freeCodeCamp.org ·

AI与软件工程的现状：代码更廉价，但专业知识更宝贵 [完整版]

💡 原文英文，约69700词，阅读约需254分钟。

📝

内容提要

AI降低了写代码成本，但未降低构建可靠系统的难度。NBER研究显示，代码提交量增长180%，发布量仅增长30%，用户采用率无变化。专家使用同一模型的成功率约为新手两倍。软件开发者岗位预计增长15.8%，程序员岗位下降6%，招聘明显偏向资深人员。核心结论：代码变便宜，判断力与责任更稀缺。

🔎

延伸解读

代码提交激增不等于交付增长

NBER研究显示，AI工具使代码提交量增长180%，但实际软件发布量仅增长30%，用户采用率无变化。这意味着生成代码与交付可用产品之间存在巨大漏斗，审查、集成、测试等环节的人力并未同步增加，成为瓶颈。企业若只关注代码产出量，可能高估AI的实际价值。

专家与新手使用AI的效果差异

Anthropic对约40万次代理会话的分析发现，同一模型由专家操作的成功率约为新手的两倍。这表明AI工具的价值高度依赖操作者的判断力，包括如何定义问题、评估输出和识别风险。缺乏经验的使用者可能生成看似正确但存在隐患的代码，反而增加后期修复成本。

劳动力市场两极分化

美国劳工统计局预测，程序员岗位将下降6%，而软件开发者岗位增长15.8%。招聘明显偏向资深人员，入门级岗位减少。这反映出AI替代了部分标准化编码工作，但架构设计、需求分析、安全与可靠性等需要判断力的角色需求上升，职业路径正在重塑。

生成成本并非免费

Gartner预测到2028年AI编码token成本可能达到工程师月薪水平，且代理工作流的token消耗远高于单轮推理。一项基准测试中，每次尝试成本0.24美元，但每个成功解决的问题成本高达32.5美元，差距源于低解决率。企业应关注每次交付变更的总成本，而非仅看token单价。

❓

Q&A

AI 让写代码变便宜了，为什么软件工程反而更难了？

AI 降低的是生成代码的成本，但没有降低构建可靠系统的难度。代码只是中间产物，真正决定软件价值的是需求判断、架构设计、安全、可靠性、集成和责任归属等人类能力。NBER 研究显示，代码提交量增长 180%，但发布量仅增长 30%，用户采用率无变化，说明生成出来的代码并没有等比例转化为可交付、可使用的软件。

NBER 研究里，AI 编程工具让代码提交量增加了多少？为什么发布量没跟上？

NBER 研究覆盖超过 10 万名 GitHub 开发者，发现自动补全使编码活动增加约 40%，交互式编码代理增加约 140%，自主代理增加约 180%。但提交量增长 180% 只带来约 50% 的项目增长和约 30% 的发布增长，用户使用量没有可测量的变化。原因是生成之后的环节——需求澄清、代码审查、集成、测试、部署——没有同步扩张，人类判断和协调能力成为瓶颈。

专家和新手用同一个 AI 模型写代码，成功率差多少？

Anthropic 对约 40 万次代理会话的分析发现，同一个模型由专家操作时，成功率大约是新手操作时的两倍。这说明 AI 工具的效果高度依赖操作者的专业判断力，模型本身并不能弥补经验差距。

AI 时代软件开发者岗位会减少吗？招聘趋势有什么变化？

根据美国劳工统计局预测，广义的软件开发者岗位预计增长近 16%，而狭义的程序员岗位预计下降 6%。招聘明显偏向资深人员，入门级岗位减少，呈现 15:1 的资深岗位倾斜。这意味着职业内部出现分化：低端的指令翻译和标准组件组装被自动化，高端的架构、需求定义、安全、可靠性等能力反而更稀缺。

AI 生成代码的成本真的可以忽略不计吗？

不能。Gartner 预测到 2028 年 AI 编码 token 成本可能达到或超过软件工程师月薪，但该预测基于全球平均月薪约 2000 美元，并非美国市场的交叉点。当前企业部署中，一个广泛使用的编码代理约每人每活跃日 13 美元、每月 150 到 250 美元。更关键的是，在标准基准上，每次尝试成本约 0.24 美元，但每个实际解决的问题成本约 32.50 美元，相差约 135 倍，因为大多数尝试不会转化为可用结果。

AI 编程工具在哪些任务上确实能大幅提升效率？

在边界清晰、规格明确、范围固定的任务上，AI 提升显著。一项针对 95 名专业开发者的随机对照实验显示，使用 GitHub Copilot 完成同一个 JavaScript HTTP 服务器任务的平均时间从 2 小时 41 分钟降至 1 小时 11 分钟，速度提升 55.8%，完成率从 70% 提高到 78%。另一项针对 202 名经验丰富开发者的研究发现，在可读性、可靠性、可维护性和简洁性上有可测量的改进。

为什么说 AI 和人类工程师是互补关系，而不是替代关系？

NBER 研究估计 AI 与人类工程努力之间的替代弹性仅约 0.25，表明两者强烈互补而非可直接替换。在固定产出下，减少人类投入、增加 AI 投入会显著降低生产效率。但这个总体弹性掩盖了内部差异：初级工作中定义明确、边界清晰的任务容易被 AI 替代，而高级工作中的规划、验证和责任承担则与 AI 形成互补。

代码变便宜后，软件公司的竞争优势在哪里？

竞争优势正从代码库本身迁移到代码周围的系统。证据显示，公共 SaaS 公司的收入倍数在一年内从 6.7 降至 3.6，但收购方对嵌入真正困难工作流的公司平均支付 6.3 倍收入。同时，在 AI 热情最高的一年，76% 的企业 AI 解决方案是购买而非自建。这说明难以复制的领域知识、工作流嵌入和系统集成能力，比代码本身更具防御性。

🏷️