AI写了98%更多的代码，交付为什么没变快？先算清这本AI编程时间账

9月23日到24日，知乎像约好了一样，同时冒出来两个问题：「用了AI编程后，你是写代码更快了，还是排错更慢了？」和「为何AI编程的速度远超人类，但程序员的工作效率却只提升了30%？」。一边是工具厂商喊「效率翻倍」，一边是每天用Claude Code、Codex干活的开发者觉得自己代码是写得快了，需求交付却没见快，甚至更加班了。知乎

这些数字为什么对不上？我把五份口径完全不同的研究和数据摊开算了一遍，结论先放这里：很可能不是工具不行，而是你的时间搬家了——搬家之后的账单，没人帮你算。

一、先把五个互相打架的数字摆上桌

五个数字都没撒谎，但它们量的不是同一件事：+26%量的是生产端，+98%量的是提交量，+91%量的是验证端，-19%量的是高手在熟悉项目上的端到端耗时。从「写得快」到「交得快」，中间隔着评审、测试、发布和维护——写代码只是这条链上的一段。知乎

二、最扎眼的不是数字打架，是那40个百分点的体感偏差

METR实验里有个比「慢19%」更值得记住的细节：被实测变慢的开发者，事后自报「AI让我快了20%」。主观和客观之间差了将近40个百分点。知乎

机制不难理解：AI输出的过程很流畅，流畅会让人系统性低估等待和返工；你以为你在「扫一眼」AI写的代码，实际上你的大脑在逐行重新写一遍。微博9月1日那条被顶上来的帖子说得很直白：「代码产出水平的方差反而比以往更大」——同一套工具，有人产出翻倍，有人修bug修到深夜。差距不在prompt技巧，在消化和验证AI产出的能力。微博

三、时间搬去了哪：三个新窝

第一窝：读。 AI一分钟生成600行，你得一行行看懂才敢合并。SmartBear基于Cisco团队的经典研究给了人肉审查的生理极限：单次审查200～400行、不超60分钟、每小时500行以内，能抓住七到九成缺陷；超出这个区间，发现缺陷的能力断崖下跌。AI批量产出的PR，恰好从「能认真审」的区间掉进了「只能扫一遍」的区间。知乎

第二窝：验。 AI代码的错是「看起来对」的错——格式工整、命名规范、注释齐全，边界条件漏了、异常没处理，外表完全看不出来。人写的烂代码一眼能看出烂，审查者会自然警觉；AI代码把缺陷藏在了「质量不错」的表象底下。这就是那66%的人烦躁的「差一点就对」。知乎

第三窝：返工。 验收时没拦住的「差一点」，两天后以线上问题的形式回来找你，成本翻倍计。知乎那个80赞的回答把这事说透了：Notion的Geoffrey Litt那句「理解力是新的瓶颈」正在每个AI工作流里应验。知乎

四、反证检查：也别把任何一份数据当铁律

写到这里必须泼两盆冷水。-19%的METR，9月15日刚被曝出资金与前沿实验室生态高度关联，独立性存疑。而且16人的样本测的还是上一代工具；+26%的《Management Science》，测的是补全提示，不是今天能读文件、跑命令、连续执行任务的Agent工具链。知乎

证据自己就在打架，所以这篇不给你一个「AI到底提效X%」的统一答案——目前所有数据能支撑的最诚实结论只有一句：真实提速存在，真实减速也发生过；对别人成立的百分比都不算数，只有你自己的账算数。别拿顺手感当数据，也别拿一份实验给自己的工具判刑。

五、你的时间账本，一周就能建起来

1. 改口径。 从今天起，别记「今天写了多少行」，记「这个需求从动手到合并花了多久」。工具切换前后各记一周，差距自己会浮出来。

2. 看PR体积。 平均超过400行，你在写作端省的时间，正在评审端加倍还回去——把大任务拆小比换模型见效快。

3. 任务分流。 模板代码、测试脚手架、批量迁移，放心让AI火力全开；十年老系统的业务改造、模糊需求，规格先行：先写接口和失败测试，再让AI填实现。

4. 分角色自查。 入门者：AI是教练还是复印机，检验标准是合并前你能不能复述每段为什么这么写；资深者：重点量「解释上下文成本」，给AI讲清楚比你自己写还慢的任务，就不该交给AI；带队的：把变更失败率和审查等待时间拉进同一张仪表盘，只看吞吐量是自欺。

5. 留一个红色警报。 如果你开始不敢碰自己上个月合并的模块——知乎9月20日已经在讨论「以后软件会不会变成没人真正看得懂」——那不是疲惫，是账本在报警。知乎

今天吴恩达在采访里说「人人都该学编程」，另一边高管们说「别学了，AI全包了」。这本账算完你会发现，两边吵的都不是同一件事：不管代码是谁写的，稀缺的那个动作从来不是「写」，是「验」。微博

你的时间，是写作端快了，还是验证端慢了？评论区对一下账。