"AI 让程序员快了几倍"——这句话你已经听了两年。但很少有人追问一个更扎心的问题：代码写得快了，你交付给用户的软件，真的同比例变多了吗？
麻省理工学院斯隆管理学院（MIT Sloan）与宾夕法尼亚大学的研究团队，给出了一份迄今最硬的实证答案。他们 2026 年 5 月在美国国家经济研究局（NBER）发布了编号 w35275 的工作论文《写代码与交付代码》（对应英文 "Coding and Delivering"），没有用问卷自报，而是直接追踪了超过十万名 GitHub 开发者的真实遥测数据，再叠加微软内部 Copilot 使用明细、以及 Apple App Store / Google Play / Chrome Web Store / SourceForge 四大分发市场 2020 年 3 月至 2026 年 5 月的月度面板。
结论一句话：把 AI 三代工具的累积效应全算上，代码行数膨胀到原来的约 17.3 倍，可真正发布出去的软件版本，只提升了约 30%。中间蒸发掉的那一大截，才是这项研究最值得企业读懂的地方。
一、一条六级漏斗：增长是怎么一级级漏光的
研究把工业化的软件生产拆成六个先后环节：代码行 → 文件 → 代码提交 → 合并请求(PR) → 独立项目/仓库 → 版本发布。每一级都需要上一层产出加上人类的审查、测试、整合，才能合成下一层的半成品。AI 的增益就在这条链上被层层"阻尼"：
| 以第二代"同步智能体"时代为例 | 相对增幅 |
|---|---|
| 代码行数 | +741% |
| 修改的独立文件数 | +187% |
| 实际提交的代码数 | +109% |
| 合并请求 | +65% |
| 独立项目数 | +26% |
| 最终版本发布 | ≈ +20% |
看得很清楚：上游 +741% 的代码行狂潮，流到下游"发布"这一格时，已经萎缩成 +20% 的涓涓细流。这不是某个团队做得不好，而是软件生产这条流水线的物理结构决定的——每一级的转化率都远小于 100%。把三代工具（自动补全 +40%、同步智能体累计 +140%、异步智能体累计 +180% 的编码活动提升）合并计入，才得到开头那个"17.3 倍代码 vs 30% 发布"的总账。
二、为什么会漏：一个 0.25 的替代弹性，和 26% 的天花板
研究团队没有停在"描述现象",而是建了一套层层嵌套的常替代弹性（CES）生产函数模型来解释它。两个关键参数值得记住：上游产出的弹性权重约 0.75；而 AI 产出与人工投入之间的替代弹性系数只有约 0.25。
替代弹性远低于 1，意味着一个残酷事实：AI 写的代码和人类后续的审/测/整合，是极强互补的关系——必须按大致固定的比例搭配使用。哪怕未来 AI 一秒钟能写出全世界的代码，只要上一层流水线里"人类阅读、测试、审核"的工作没有成比例增加，最终的增益就会被急剧压缩。代入这个模型的参数算下来，即便 AI 自动化能力趋于无穷，只要不革新软件工业流程，最终发布率的提升上限也只有约 26%。
这就是整篇研究最有价值的一句话：它给"AI 编程提效"标出了一个结构性天花板，而且这个天花板不在 AI 身上，在流程身上。想突破 26%，靠的不是更强的模型，而是重构那条六级流水线本身——尤其是被卡死的"审查"环节。
三、瓶颈搬家：从"写"转移到了"审"
那一大截蒸发掉的产出到底去哪了？答案是：全耗在了代码审查、返工、联调和修 bug 上——瓶颈没消失，只是从"写代码"搬到了"审代码"。几组同源的工程遥测把这个搬家过程量化得很直观：
- 引入 AI 后，团队提交的合并请求（PR）数量多了约 47%，但审查这些 PR 所花的时间拉长了约 91%——生产端提速，审核端反而更堵；
- LinearB 观察到 AI 时代的 PR 平均体积是此前的约 2.6 倍，但 merge 率不到一半；GitClear 测得代码 churn（写完很快又被改掉的比例）同比上升约 39%——产出变大，落地比例却在下降；
- 工程效能公司 Faros AI 覆盖 2.2 万名开发者、4,000 个团队的报告：75% 的人在积极用 AI，但多数团队在 DORA 四项核心交付指标上测不出整体提升。
逻辑很顺：当"写代码"的边际成本被 AI 压到极低，"先写再说"就成了默认动作。过去写代码贵，逼着你动手前先把需求和设计想清楚（否则返工承受不起）；现在这层约束消失了，模糊的地带全被推到下游，变成更大的 PR、更多的反复修改、以及审核人面前堆成山的待看代码。代码写得更快，不等于决策做得更好——恰恰相反，廉价的代码把"该写什么"这个真问题，冲得更模糊了。
四、一个反直觉的好消息：AI 填平的是能力差距
这份研究里藏着一个容易被忽略、但对组织很有用的发现：在这场技术红利中，获益最多的是低活跃度、低技能的普通开发者，而不是原本的顶尖高手。
| 阶段 | 低活跃开发者提效 | 高活跃开发者提效 |
|---|---|---|
| 自动补全 | +85% | +21% |
| 同步智能体 | +217%（提交次数） | +62% |
这意味着 AI 编程工具本质上是一台"拉平器":它把新手和老手之间的产出差距显著缩小。对个人是普惠，对团队则是一个管理信号——当你给每个工程师都配上 Agent，整个团队的"写作产能"会普遍抬升，但如果下游的审查/整合能力没同步扩容，抬上来的产能只会更快地堆积在审核关隘前，甚至因为初级人生成的大量待验证代码而拖垮资深评审者。这也解释了为什么很多团队"人均快了、整体没变":提速发生在长板最短的那块（写）之前，而决定吞吐的短板（审）纹丝未动。
五、供给爆了，需求买账吗
研究还顺手回答了一个更宏观的问题：既然发布变多了，市场上是不是真有更多被需要的软件？他们查了四大分发平台的供需两端：
- 供给侧确实暴涨：Apple App Store 新上线 iOS 应用从 2023—2025 年初的每月 3–5 万款，增至智能体爆发期 2026 年 4 月的约 10 万款；Chrome 插件从月均约 5,000 个增至约 1.3 万个；作为对照，几乎不用 AI 辅助的 Linux 遗产社区 SourceForge，新项目发布曲线一路平缓。
- 但需求侧没跟上：新应用数量大增的同时，下载量和用户评论并没有相应提升。
研究者的解读一针见血：供给侧生产力的提升，主要催生的是"用户基础极少甚至没有"的应用。换句话说，AI 极大地降低了"做出一个东西"的门槛，却没有降低"做出一个有人要的东西"的门槛。当人人都能批量生成 App，稀缺的不再是产能，而是判断力和真正的用户需求——这对创业者和产品团队，比任何效率数字都更值得警惕。
六、给工程负责人和产品团队的落地建议
第一，别再拿"代码行数/提交量"考核 AI 收益。这项研究证明它是陷阱指标——上游涨 17 倍、下游只涨 30%。要量就量六级漏斗的最末端：发布频率、变更前置时间、线上缺陷率这些真正代表交付的指标。你的 KPI 若停在"写",AI 带来的就只是更快的空转。
第二，把投资从"让写更快"转向"让审得动"。既然天花板卡在约 26%、瓶颈已从写搬到审，最高杠杆的动作是扩容审核关：自动化分级审查、AI 辅助 code review 做初筛、把大 PR 拆小、给评审者减负。谁先把"审"这一级的水位提上来，谁就能吃到别人吃不到的那部分转化增益。
第三，用好"拉平器",但要防长板效应反噬。给初级工程师配 Agent 能迅速拉近产能，这是好事；但请同步评估资深评审者的带宽会不会被新增代码淹没。合理的做法是把 AI 生成的代码量纳入评审排期，必要时增设专职审查角色或轮值机制，别让它无节制地堆到少数人面前。
第四，认清真正的稀缺是"判断做什么",不是"有能力做出来"。App Store 的数据说明，当产出不再稀缺，海量无人问津的软件只会稀释注意力。组织和个人的护城河，正从"能不能实现"迁移到"该不该做、做给谁、凭什么有人用"。AI 帮你把"做"的成本打下来了，也把你的"选对方向"的责任顶上来了。
FAQ
Q1：这和网上说的"AI 让资深开发者反而变慢 19%"矛盾吗？
A：不矛盾，因为它们量的根本不是同一件事。METR 那个随机试验测的是单个熟练开发者在既定任务上的即时速度（且其 2026-02 复跑时发现该效应缩小并失去统计显著性，存在选择偏差）；本研究 w35275 测的是整条软件生产线从代码到发布的组织级转化率。一个说"个人可能没更快",一个说"就算个人更快了，交付也没同比例增加",两者叠加反而更完整地拼出图景：AI 编程的真实瓶颈既不在打字速度、也不只在个体效率，而在系统级的流程与审核。
Q2：这是工作论文、还没同行评审，能信吗？
A：要留一分谨慎，w35275 确属 NBER 工作论文、非随机对照研究，且不同修订版给出的绝对数字略有出入（如某版摘要覆盖 50 万+开发者，累计提交增幅口径达 240%、发布约 30%）。但它的核心价值在于方向和量级而非某个精确百分比——"上游产出无法按同比例转化为下游交付"这个漏斗结构，与 Faros、DORA、LinearB、GitClear 等多家独立机构的遥测高度一致。把它当"一种新的度量视角"来采纳，比纠结到底是 26% 还是 30% 更有意义。
Q3：这对国内正在推 AI 编码的团队有什么特别提醒？
A：最该警惕的是"用代码产量汇报 AI 战果"。很多团队会兴奋地宣布"AI 帮我们多写了几倍代码、生成了多少万行",但这恰恰是本研究点名证伪的错误度量——多写的代码很可能大半死在审查和返工里。真正该向管理层展示的，是发布频率和线上稳定性有没有改善。如果这两个末端指标没动，那前面的产量数字越漂亮，越说明资源正被浪费在无人消费的产出上。
参考来源（英文一手材料）：
NBER Working Paper w35275 – Coding and Delivering（MIT Sloan 的 Mert Demirer 等 + UPenn，2026-05 发布；匹配事件研究追踪 10 万+ GitHub 开发者遥测 + 微软 Copilot 内部数据 + 四大应用商店 2020-03 至 2026-05 面板；核心结论：三代 AI 工具使编码活动累计 +40%/140%/180%，代码行数增至约 17.3 倍但最终软件发布仅 +30%；CES 生产函数显示 AI 与人工替代弹性约 0.25，流程不变则发布提升天花板约 26%；低活跃开发者获益最大（自动补全 +85% vs 高活跃 +21%）；供给大增但下载/评论未同步上升）
MIT Sloan – Developers using AI write much more code but don't release as much（研究解读）
