6月5日的腾讯云AI产业应用大会上，腾讯高级执行副总裁汤道生透露：今年超半数代码由AI生成。配套的《腾讯2025研发大数据报告》给了三个数：超90%的研发人员在用自研AI编程助手CodeBuddy，2025年新增代码约50%由AI辅助生成——工程师每写两行新代码，就有一行是AI协同的；代码评审环节，AI参与度达到94%。微博微博
数字很漂亮。但昨天（10月7日），知乎上那个挂着《腾讯高管称今年大部分代码都由AI生成，这会对软件开发行业带来哪些深远影响？》的问题下，出现了一篇新回答：发帖人说自己已经变成"大厂内部的肉编器"，给中层快速实现一个又一个能写进周报的功能，“没人愿意再看一眼每天AI生成的代码到底是啥”。这个问题累计浏览123万。今天（10月8日），36氪又发了一篇《AI越来越强，公司为什么还是做不快？》：一个人的提速，怎样才能变成一群人更快交付？知乎36氪
这篇内容就写给两类人：每天都在用CodeBuddy、Claude Code、Codex、Trae这类AI编程工具的中度以上开发者，以及正在被"你有AI，一天必须给我"按头提效的技术负责人。你们此刻真正在意的不是AI能不能写代码，而是：写代码快了一倍，为什么我没轻松，项目也没提前交付？
提速是真的，但一项7137人的实验只把它记在"邮件"上
36氪今天这篇文章引用了一项覆盖66家企业、7137名知识工作者、为期六个月的随机实地实验《Shifting Work Patterns with Generative AI》：实验后半程，拿到AI工具且实际用起来的员工每周处理邮件的时间减少约2小时，工作之外的加班也在下降，但研究没有检测到任务数量或任务构成因此发生变化。36氪
翻译一下：省下的时间是真实的，但它结算到了你的收件箱和加班里，没有自动变成"整个项目提前一周交付"。A16Z的两份报告（10月7日知乎"键盘AI编程"转述）还给出了另一个更扎心的结构：美国近一半人用过AI，但只有25%每天在用，个人付费订阅率仅4.5%，而头部1%的用户月均花在AI上的钱是903美元。"用过"和"用进生产流程"之间，隔着一条大沟。知乎
36氪今天的另一篇报道给了Haiku5.5的具体价格：10万token以内，每百万token输入0.1美元、输出0.5美元、缓存读取0.01美元——上一代Haiku4.5对应还是1美元、5美元、0.1美元，典型工作负载的实际成本约降75%。这款小模型主打的就是高并发企业工作流和子智能体任务。生成只会越来越便宜、越来越多，"半小时给你三个版本"的场面只会更常见——瓶颈不在这头，在下一段。36氪微博
写代码本来就是你工时里最小的一块，AI压的恰好是它
知乎问题《AI写了60%的代码，为什么企业研发效率还是没飞起来？》（80.9万浏览）下，pansz的高赞回答（1124赞）把话说白：程序员一天的大头时间并不花在敲代码上，而是花在"决定该写什么代码"这些事上——这些时间，用AI省不掉。评论区224赞的第一条说的就是日常：“一天开会开的脑仁疼……只有夜深了才能踏实下来写点我想写的代码。”知乎
这条评论底下有一句话把机制说透了（70赞）：一旦出现AI解决不了的bug，你还要去阅读它生成的代码——时间成本不会消失，只会转移。知乎
再补两个样本。知乎用户ZM-BAD（1009赞）用OODA循环解释累感：观察—定向—决定—行动，AI插进来把"行动"吞了，人的编程认知被切碎到只剩"决定"一个节点，快是快了，但不再是流畅的"我在做东西"。另一位回答者唐林给了实测数字：开发时间缩小了90%，但调试和阅读AI代码的时间增加了120%。知乎
36氪文章里引用的WorkWorlds预印本（2026年9月发布，合成制药企业环境、192次配对评测）测的是另一头：当任务所需上下文被专门整理出来时，任务通过率76.7%；换成完整的岗位可见环境，通过率降到68.0%，差距出现在"智能体有没有找到足够证据"这一步。这项评测规模有限，不能直接当企业部署效果，但它提醒你一件一直被忽略的事：找文件、确认版本、判断哪些口径还有效，本身就是劳动。这部分劳动AI不计费，你也没算进"提效"里。36氪
评审AI参与度94%的那个数字，才是最该盯的
官方数据的第二天，微博上追问最多的就是同一件事。用户"李克REK"的150赞追问很直接：如果AI写了大部分代码，那出bug的时候算谁的锅？另一条534赞的高热评说得很黑色幽默：以后代码再出bug就不能骂腾讯了，直接责任到AI。微博微博
知乎用户"程墨Morgan"8月底的回答描述了一线现状（194赞）：现在读同事的PR，得先让AI总结这堆改动到底改了什么、让AI先找一遍潜在bug，“看AI的输出，才能勉强理解这些PR”——用魔法对付魔法。而那位自称"肉编器"的开发者把组织侧写得更直白：Jira是绿的、需求是落了，但各模块单独跑都正常，串起来就出问题。知乎知乎
这也是为什么上周（10月7日）404 Media独家、IBTimes和Telegraph跟进的那条消息值得从业者当真：OpenAI解雇了多名模型训练外包承包商，原因是他们用AI工具生成本该由人给出的评审反馈，等于用机器输出喂机器训练。在造AI的公司那里，人亲自核验数据是底线，连检测工具都不许审核员用，怕的就是机器训机器、层层套娃。微博
把这三条信号连起来：验收和核查的成本，正在被整个行业重新定价。你的下一轮考核里出现的，未必是"AI代码生成率"，更可能是"返工率"和"谁签字"。
哪些活真该给AI，哪些必须留手里
按"省下的时间能不能结算到自己头上"来分档，比按"AI能不能做"来分靠谱得多。
可以放心给的：资料汇总、初稿和样板代码、单测骨架、日志与报错的初步筛查（pansz的回答里有个前提要注意——AI通读几十兆代码加日志挑出嫌疑段落，你得有能力判断它找的是不是你要的那段）。这类活的共同点是：产出错了你能一眼看出来，返工成本低。
必须自己拿住的：验收标准、架构决策、边界情况清单、数据口径的版本确认。这是把AI从"玩具"变"交付"的那段距离——知乎那条8.4万浏览的追问里，"取我方天画戟"说得很清楚：如果你更多是做方向决策而不是写CRUD，AI对你的提效就有限。
不该外包的：对客户的承诺范围和责任归属。36氪引用的宝洁2025年实地实验（776名专业人员）显示：在特定产品创新任务里，“一个人+AI"能达到不用AI团队的水平——AI补的是专业知识差，不是决策权差。缺信息可以问AI，缺人拍板，AI生成再多论据也只是让每个部门更快整理出"完整的理由”，项目还是在等。36氪
一个能立刻落地的动作：这周挑一个在途任务，先写验收标准再让AI开工，然后把这段时间拆开记——纯执行多少、等待（对齐/评审/拍板）多少、返工多少。以及和上游沟通时把"能演示"“能用”"验收通过"当三个词用，36氪那句话值得贴在工位上：展示出来的功能越完整，后续工作越容易被看成拖延。36氪
至于"要不要因此换新工具、加预算"：Haiku5.5把短上下文价格打下来之后，值得试的是高并发的机械环节（批量单测、批量文档整理），核心决策链路维持现状。价格再降90%，也只是把便宜的那一段变得更便宜——你的瓶颈本来就不在token上。
