AI图鉴

AI图鉴首页 › AI 资讯 › AI 真的会替代程序员吗:从 55.8% 提速到 19% 变慢的八组关键数据拆解

AI 真的会替代程序员吗:从 55.8% 提速到 19% 变慢的八组关键数据拆解

来源:掘金 · 发布时间:10-26 · 由 AI图鉴每小时自动聚合

AI 替代的不是职业,是工序:2023 年实测快 55.8%,2025 年实测慢 19%。四维打分器帮你判断哪个环节能交给 AI,附可运行代码与七行返工对照表。

全文摘要:替代「写代码」这个动作已经在发生,替代「程序员」这个职业在可验证数据里还没发生。2023 年的对照实验测到 55.8% 提速,2025 年的对照实验测到 19% 变慢,两个数字都真实。差别不在 AI 行不行,而在任务形状、人的资历和验证成本。本文用一个可运行的任务评分器,把「会不会被替代」拆成四个可打分的维度。

目录

- 先说结论

- 两组互相打脸的数据

- 为什么「感觉快了」和「实测变慢」能同时成立

- 一个任务级模型:可替代性四维

- 一个能跑的替代性评分器

- 症状 → 原因 → 解法对照表

- 就业市场已经给出的答案

- 哪些能力反而升值

1. 先说结论(The Verdict)

结论分两层,而且这两层经常被混为一谈 👀。

第一层,动作层:替代已经发生。 写样板代码、补单元测试骨架、把一段 Python 翻译成 Go、给报错信息找根因——这些动作的边际成本已经被压到接近零。如果你的日常工作是「把明确的需求转成语法正确的代码」,那你被替代的不是职业,是工序。

第二层,职业层:替代没有发生。 2025 年美国劳工统计局(Bureau of Labor Statistics,BLS)的十年预测里,软件开发者的岗位数量预计从 2024 年到 2034 年增长 15.8%,绝对增量约 267,700 个,是所有职业平均增速(约 4%)的近四倍。

同一个市场,一边在砍初级岗,一边在加总岗位。这不是矛盾数据,这是结构在换血。

打个比方 🎭:电梯普及之后,电梯操作员这个工种消失了,但「盖楼」这个行业没有消失,反而盖得更多了。AI 现在扮演的不是「替代建筑工人」的角色,它更像电梯——把某一层工位整层拆掉,同时让楼能盖得更高。

2. 两组互相打脸的数据(The Contradiction)

先把最反直觉的两个数字摆在一起,因为几乎所有关于这个话题的争论,都在这两个数字之间来回撞墙 🧱。

2.1 2023 年:快 55.8%

Peng 等人在 2023 年做了一个随机对照试验(Randomized Controlled Trial,RCT),招募 95 名职业开发者,任务是「用 JavaScript 实现一个 HTTP 服务器,越快越好」。实验组可以用 GitHub Copilot,对照组只能用搜索引擎和 Stack Overflow。

结果是实验组平均快 55.8%(95% 置信区间内统计显著):平均完成时间 1 小时 11 分,对照组 2 小时 41 分;任务完成率 78% 对 70%。

更值得注意的是分层结果:收益最大的是经验较少的开发者,资深开发者的提速幅度明显更小。这个细节后面会变得非常关键。

参考资料:

2.2 2025 年:慢 19%

两年后,METR(Model Evaluation and Threat Research)做了另一个 RCT,设计几乎是冲着上面那个实验来的:16 名资深开源开发者,在自己熟悉的仓库上处理 246 个真实 issue,随机分配「允许用 AI」和「禁止用 AI」。工具有 Cursor Pro 加 Claude 3.5/3.7 Sonnet。

三方预测全部偏乐观,实测全部相反:

同一批人在做完任务之后,主观感受是「AI 让我快了 20%」,客观计时是「慢了 19%」。主观与客观的偏差达到约 39 个百分点,而且这个偏差不是随机噪声,是系统性的方向错误。

参考资料:

- Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity -- arXiv ⭐值得阅读

2.3 两个数字并不冲突

把两个实验的关键条件并排看,会发现它们测的其实是两件不同的事 ⚖️:

结论不是「谁造假了」,而是:AI 的收益强烈依赖于任务是否自包含、代码库是否陌生、人是否新手。三个条件同时有利时,你拿到 55.8%;三个条件同时不利时,你拿到 −19%。

3. 为什么「感觉快了」和「实测变慢」能同时成立(The Perception Gap)

这个问题比「AI 行不行」重要得多,因为如果连当事人都测不准自己快没快,那所有靠自评得出的效率结论都不可信。

3.1 不信任在涨,使用量也在涨

Stack Overflow 2025 年开发者调查(84% 的受访者使用或计划使用 AI 工具,较 2024 年的 76% 上升)给出了一个非常拧巴的画像:

- 46% 明确不信任 AI 输出的准确性(2024 年为 31%)

- 33% 表示信任

- 仅 3% 表示「高度信任」

- 使用率创新高,信任度创新低

参考资料:

这不是「大家嘴上骂手上用」这么简单。它说明开发者已经把 AI 当成一个默认不可信、必须复核的外部依赖——而这个复核动作的成本,通常不计入「我用 AI 省了多少时间」的自评里。

3.2 验证成本是隐藏账单

Ziegler 等人对 GitHub Copilot 的内部数据分析显示,代码建议的接受率大约在 27% 量级,即接近四分之三的建议被开发者当场丢弃。

参考资料:

被丢弃的那 73% 就是纯成本:生成、阅读、判断、删除。这部分时间在任何「AI 帮我写了多少行」的统计里都不会出现。

类比 🎭:这就像请一个语速极快但偶尔胡说的助手帮你记会议纪要。会议结束你拿到 10 页纸,看起来效率爆炸,实际上你要逐句核对哪句是他真听到的、哪句是他脑补的。核对时间不计入「纪要生成速度」,但它确实被花掉了。

3.3 一个可复算的推论

用 METR 的数字做一个粗算:假设一个任务原本需要 100 分钟人工完成。AI 让你在生成环节省下 24 分钟(开发者的预估值),但引入了复核与纠偏成本;最终实测耗时 119 分钟。那么隐含的复核成本约为 43 分钟,占原任务时长的 43%。

这个数字在不同任务上差别巨大,但它的存在方式很稳定:任务越难验证,复核成本越接近甚至超过生成成本。这就是为什么写测试用例比自己写业务代码更安全——测试天然自带验证器(跑一下就知道红绿)。

4. 一个任务级模型:可替代性四维(Four Dimensions)

既然「AI 会不会替代程序员」这个问法太粗,那就换一个能算的问法:这个具体任务,有多容易被替代?

我把它拆成四个可以主观打分的维度,每维 0 到 5 分 👇

4.1 规格确定性(Spec Certainty)

需求有多明确。5 分代表「输入输出格式、边界条件、异常处理都写清楚了」,0 分代表「先做出来看看,老板说要那种感觉」。

确定性越高,越容易被替代。 这是四个维度里权重最大的一项,因为 AI 最擅长的就是把明确规格翻译成实现。

4.2 验证成本(Verification Cost)

判断结果对不对要花多少力气。5 分代表「只能上线一周后看业务指标」,0 分代表「跑一遍单测就知道」。

验证成本越高,越难被替代。 注意方向:难验证不是 AI 的护城河,是人的护城河——因为必须有人承担「我认为它是对的」这个判断。

4.3 上下文耦合(Context Coupling)

任务依赖多少没写进代码里的隐性知识。5 分代表「改这里会踩到三年前某个客户的特殊约定」,0 分代表「一个独立的工具函数」。

耦合越强,越难被替代。 这类知识的载体是人脑和聊天记录,不在上下文窗口里。

4.4 责任归属(Accountability)

出了问题谁签字。5 分代表「涉及资金、合规、人身安全,必须有人负责」,0 分代表「错了重跑一遍就行」。

责任越重,越难被替代。 这是最被低估的一维:AI 可以给出方案,但不能承担后果。监管、合同、事故复盘,需要的都是一个可被追责的主体。

4.5 四个维度的组合直觉

把四维放在一起,能解释前面所有矛盾数据:

Peng 实验里的「从零写一个 HTTP 服务器」落在第一行,METR 实验里的「在自己仓库里处理真实 issue」落在第三、四行。同一批技术,风险等级差了两个数量级。

5. 一个能跑的替代性评分器(Runnable Scorer)

光靠嘴说四个维度很难对齐,把它写成代码就具体了。下面这段可以直接复制运行,只依赖标准库 🐍。

"""任务可替代性评分器:给定开发任务的四个维度打分,输出 AI 替代风险分(0-100)。

维度说明(每项 0-5 分):

spec_certainty 规格确定性:需求写得越清楚越高

verification_cost 验证成本:判断结果对不对越费劲越高

context_coupling 上下文耦合:依赖的隐性知识越多越高

accountability 责任归属:出错后要人担责的程度越高越高

"""

from dataclasses import dataclass

# 四个维度的权重,合计 1.0;规格确定性权重最高,因为它最直接决定 AI 能否接手

WEIGHTS = {

"spec": 0.35, # 规格确定性

"verify": 0.25, # 易验证性(验证成本取反)

"coupling": 0.20, # 低耦合

"duty": 0.20, # 低责任

}

@dataclass

class Task:

"""一个待评估的开发任务。

属性:

name: 任务名称,仅用于输出展示

spec_certainty: 规格确定性 0-5

verification_cost: 验证成本 0-5

context_coupling: 上下文耦合 0-5

accountability: 责任归属 0-5

"""

name: str

spec_certainty: int

verification_cost: int

context_coupling: int

accountability: int

def score(task: Task) -> tuple[float, dict[str, float]]:

"""计算任务的 AI 替代风险分。

参数:

task: 待评估的任务

返回:

(风险分 0-100, 各维度归一化贡献字典)

数据流示例:spec_certainty=5 → 5/5 = 1.0 → 1.0 * 0.35 = 0.35

"""

parts = {

"spec": task.spec_certainty / 5, # 确定性越高,风险越高

"verify": 1 - task.verification_cost / 5, # 验证成本越低,风险越高

"coupling": 1 - task.context_coupling / 5, # 耦合越低,风险越高

"duty": 1 - task.accountability / 5, # 责任越轻,风险越高

} # 每项都归一化到 0-1

total = sum(parts[key] * weight for key, weight in WEIGHTS.items()) # 加权求和 0-1

return round(total * 100, 1), {key: round(value, 3) for key, value in parts.items()}

def verdict(risk: float) -> str:

"""把风险分翻译成人话判断。

参数:

risk: score() 返回的风险分

返回:

风险等级字符串

"""

if risk >= 75: # 高确定性 + 低验证成本 + 低耦合 + 低责任

return "高:AI 可以先出稿,人只做抽查"

if risk >= 45: # 至少有两维对 AI 有利

return "中:AI 做草稿,人做主要修改"

return "低:人主导,AI 只提供备选思路" # 多维不利,AI 只能当助手

TASKS = [

Task("写一个 CSV 导出函数", spec_certainty=5, verification_cost=1,

context_coupling=1, accountability=1),

Task("排查线上偶发死锁", spec_certainty=2, verification_cost=5,

context_coupling=4, accountability=3),

Task("设计跨部门权限模型", spec_certainty=2, verification_cost=3,

context_coupling=5, accountability=5),

]

for item in TASKS: # 逐个任务评估

risk_score, detail = score(item) # 得到风险分与维度明细

print(f"{item.name}:{risk_score} 分 → {verdict(risk_score)}")

print(f" 维度明细 {detail}\n") # 打印归一化后的四维贡献

实际输出:

写一个 CSV 导出函数:87.0 分 → 高:AI 可以先出稿,人只做抽查

维度明细 {'spec': 1.0, 'verify': 0.8, 'coupling': 0.8, 'duty': 0.8}

排查线上偶发死锁:26.0 分 → 低:人主导,AI 只提供备选思路

维度明细 {'spec': 0.4, 'verify': 0.0, 'coupling': 0.2, 'duty': 0.4}

设计跨部门权限模型:24.0 分 → 低:人主导,AI 只提供备选思路

维度明细 {'spec': 0.4, 'verify': 0.4, 'coupling': 0.0, 'duty': 0.0}

这个评分器的价值不在于分数准不准(权重是我拍的),而在于它逼你把「会不会被替代」拆成四个能被追问的问题。你答不出「这个任务的验证成本是多少」,就说明你还没想清楚自己在这件事里到底值钱在哪。

6. 症状 → 原因 → 解法对照表(Symptom Table)

下面这张表把日常可观察到的现象,直接映射到它的机制与应对动作。建议按「我最近最像哪一行」来读,而不是从头读到底 📋。

DORA 那组数字值得单独说清楚,因为它是目前少见的、按组织级指标测出来的负向结果:每 25% 的 AI 采纳度提升,对应交付吞吐量约 1.5% 的下降和交付稳定性约 7.2% 的下降(稳定性由变更失败率与返工率构成)。

参考资料:

这里必须给一个反直觉取舍的理由:为什么吞吐量只掉了 1.5%,稳定性却掉了 7.2%,两者差了近五倍?因为 AI 主要压缩的是「写」这一段,而吞吐量的瓶颈通常在后半段——评审、联调、发布、灰度。稳定性则直接暴露在「写」的产出质量上,所以它对 AI 的边际变化最敏感。这个不对称本身就是判据:哪一段是你的瓶颈,AI 就在哪一段失效。

7. 就业市场已经给出的答案(The Labor Signal)

讨论到这里,可以离开实验室数据看真实市场了。市场给出的答案比任何一篇论文都直接,而且分层极其明显 💼。

7.1 入口层在收缩

Brynjolfsson、Chandar、Chen 三位用美国最大的薪酬软件供应商的行政数据(覆盖数千万雇员)做了分析,结论是六条事实,其中最刺眼的一条是:生成式 AI 广泛采用之后,AI 暴露度最高职业中 22 至 25 岁的早期职业者,就业相对下降 13%(已控制企业层面的冲击);而同一批职业中经验更丰富的从业者,就业保持稳定甚至继续增长。

参考资料:

注意 13% 的口径:「相对下降」是相对于低暴露职业的对照组,不是绝对失业率。不同二手报道在绝对降幅上给出过更大的数字,但论文本身的可复算口径是 13% 的相对降幅。

7.2 总量层在扩张

同一时间,BLS 的十年预测给出的是增长:软件开发者岗位 2024 至 2034 年预计增长 15.8%,绝对增量约 267,700 个,行业基数在 2024 年约为 169 万人。作为对照,全美所有职业的平均预测增速约为 4%。

把两条放在一起,得到的不是「程序员要消失了」,而是金字塔的底座被抽走、中上层被加厚。这个结构的后果比「消失」更难处理:入口消失意味着没有人再通过打杂成长为资深。

类比 🎭:这像一家餐厅把学徒岗全部取消,只留主厨。短期看成本降了、出菜没受影响;三年后发现没人能接主厨的班,因为主厨是学徒熬出来的。

7.3 需求侧在改口径

招聘市场的变化比就业统计更快。2026 年对约 4.5 万条软件工程师在招岗位的分析显示,明确提到新一代生成式 AI 技能的比例约 20.5%,若把传统机器学习算进来则升至约 28.3%。

2026 年 3 月《财富》杂志把一类新角色称为「supervisor class(监督者阶层)」:他们的主要价值不再是写代码,而是编排写代码的 agent、审查产出、做高层架构决策。Karpathy 在 2026 年的 Sequoia Ascent 上把这个转向讲得更直白——他把自己 2025 年 2 月提出的 vibe coding(氛围编程)划给「所有人的下限工具」,而把专业软件需要的部分改称 agentic engineering(智能体工程):你可以更快,但你依然要为软件负责,不允许因为「氛围」引入漏洞。

参考资料:

- Sequoia Ascent 2026 summary -- karpathy ⭐值得阅读

- AI Agents Are Now in 1 in 10 Software Engineer Job Postings -- InterviewStack

8. 哪些能力反而升值(What Appreciates)

如果四维模型成立,那「升值的能力」不需要靠猜,直接取四个维度的补集就行 🎯。

8.1 规格能力:把模糊需求变成可验证表述

规格确定性是权重最高的一维,而它的供给方是人。能把「老板说要那种感觉」翻译成「输入 3 类、边界 5 条、异常 2 种、验收标准 4 项」的人,在任何 AI 工具面前都是稀缺的。

这也是为什么 prompt 技巧本身在贬值、而需求拆解在升值:前者是让 AI 听懂你,后者是让你自己先想清楚。

8.2 验证能力:设计「跑一下就知道对不对」的关卡

前面的推论已经算过账:任务越难验证,复核成本越接近生成成本。所以能把难验证的任务改造成易验证的人,直接吃掉了那笔隐藏账单。

具体动作很朴素:写契约测试、造最小复现、把灰度指标提前定义好、把「我觉得对」换成「这个断言通过」。这类工作从前被看作杂活,现在是杠杆最高的位置。

8.3 上下文能力:把隐性知识显性化

上下文耦合是 AI 最难攻的一维,但它的壁垒性质很尴尬:它保护的是「知道这件事的人」,而不是「这个人所在的公司」。一旦隐性知识被写成文档、ADR(Architecture Decision Record,架构决策记录)或测试用例,它就从人的护城河变成了组织的资产。

所以更准确的说法是:懂隐性知识的人短期升值,长期任务是把这份知识交出去,然后换到下一层隐性知识上去。

8.4 责任能力:成为能签字的那个人

责任归属是唯一一维 AI 在结构上无法接管的东西。不是因为模型不够强,而是因为它不能成为被追责的主体——监管、合同、事故复盘都需要一个能承担后果的人。

这意味着「能签字」本身就是一种稀缺资源,而签字资格来自可追溯的判断记录:你过去做的技术决策、你留下的复盘、你在关键节点说过的话。

8.5 一个诚实的反面

最后要说清楚不适用的场景,否则前面全是在自我安慰 ⚠️:如果你的工作长期停留在「规格明确、验证便宜、耦合很低、责任很轻」象限内,那么四维模型给出的结论就是高替代风险,而且这个结论不会因为你把它读成励志文而改变。

真正的选择只有两个:往四维中的任意一维上移,或者接受这个工序正在被压缩的事实并提前换道。前者需要时间,后者需要勇气,两个都不轻松。

决定某个环节要不要接 agent,先用第 4 节四维打分:规格确定、验证便宜、耦合低、责任轻的直接上;需要有人签字的,AI 只能出草稿。

本专栏《AI开发范式》聚焦 AI 进入工程流程后的真实约束——接口可靠性、成本控制、任务可替代性与协作方式变化,每篇配一段可直接运行的代码或一份判据表,每月更新两到三篇。想按顺序读完,可在专栏页订阅。

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(juejin.cn)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 591 款 AI 工具分类导航 · 每日 AI 热门项目与动态