一家做审计系统的公司，去年交付一个项目：8人敏捷团队，60天。

今年同样的活，3个人，2周。1个产品、1个开发、1个测试。中间那些代码是AI写的，人只干两件事：定义问题、验证结果。

我看到这条消息的第一反应不是"效率真高"，而是一个更扎心的联想——这不就是十几年前，制造业在干的事吗？🏭

一、软件业在补一堂制造业早就上完的课

这堂课的名字，叫"从手工作坊到流水线"。

三一18号工厂，投了5个亿，突破55项关键技术，攻克1000多项难题。改完之后：产能提升123%，生产效率提升98%，整体自动化率76%。世界经济论坛给这类工厂一个名字：灯塔工厂。入选门槛很硬——成本降20%以上，或交付周期缩30%以上，或能效提升15%以上。

再看软件业这一轮。

联想披露的运行数据：智能体综合提效30%以上，AI代码贡献率超过80%，中国区软件团队全员转向"全栈工程师+五个智能体"的小队配置。智谱让GLM参与自家推理系统建设——工程师定目标，智能体改代码，实验环境判结果。

Gitee更直接，把这套东西命名成"软件工厂"，切成七大车间：需求、设计、开发、集成、质控、产品、管理。

把两张图叠在一起，工位是一一对应的：

所以我的判断很直接：AI Coding之于软件行业，就是智能制造之于传统工厂。不是修辞上的相似，是同一套工业化逻辑换了个行业重跑一遍。

二、真正成立的地方，在收益曲线

类比是不是空喊，看数字像不像。

制造业灯塔工厂的平均值：生产效率提升30%以上，运营成本降低20%—37%，交付周期缩短30%以上。施耐德上海普陀那座端到端灯塔，人均生产效率提升82%，订单交付时间缩短67%。悦达纺织，万锭用工降72%，全员劳动生产率提升超400%，加工成本降26%。

软件业这一轮：提效30%以上、AI代码贡献率超80%、8人60天变3人2周。

同一个量级，同一条曲线。而且驱动力也一模一样——收益不来自"机器更快"，来自"分工被重写"。✅

制造业最赚钱的变化，从来不是把人的动作变快，是把不该人做的整道工序搬走。软件业正在做的正是这件事：把"有标准答案"的那部分编码搬给AI。

有分析给过一个刻度：编写代码只占程序员工作量的约20%，剩下80%是需求理解、架构决策、疑难定位、跨团队协调。AI吃掉的恰好是那20%的执行。所以短期不是"取代程序员"，而是"以前一个连的活，现在一个班干完"。

对管理者，这是好消息：只要像工厂那样重新排产线，收益是可复制的。

三、更要紧的是，失败原因也一模一样

这才是决策层该重点看的部分。

制造业数字化转型的失败率，行业里常引用的数字是74.2%，中小工厂超过80%。麦肯锡的口径约70%未达预期。复盘结论高度一致：不到20%的问题来自技术，八成以上折戟于组织惯性。典型坑位是——先买系统后找场景；IT在干活，业务在旁观；上线当终点，没人算ROI。

一句话戳破：买软件不等于数字化，上线系统不等于智能制造。

软件业正在原封不动踩同一批坑。📉

Gartner在2026年初预测：到2027年，因为AI裁掉客服的公司里，一半会重新招人。瑞典的Klarna 2024年高调"AI替人"，一年后因服务质量下滑回头补人。德勤2026年的研究显示，多数公司根本没为AI重新设计岗位、调整人才战略。

还有更具体的现场数字：工程师日均要花90分钟以上，手工校验AI生成代码的边界条件与安全策略；CI流水线里57%的失败，是AI补全引入的隐式依赖冲突造成的。

翻译成人话：产线上装了机器人，却没配质检工位，也没改考核办法。机器人越能干，返工越多。

三一那位智能制造负责人的话放在这里格外合适——无论生产多自动化、技术多新，一个不合规的操作就可能影响整条链。所以他们把6S管理体系当成转型的一部分来做，做完之后人均产值提升127%，交付周期缩短51.6%。

四、管理者该抄的四条作业

第一，先划车间，再买机器人。别问"买哪个AI工具"，先问"需求、开发、测试、发布分别由谁定义、谁验证"。联想的路径是先重组岗位，效率数字是结果，不是起点。

第二，给AI配质检工位。人工终审双签、安全门禁、发布审批的出厂验收，必须写进流程，不是可选项。那90分钟的校验，应该被流程消化，而不是靠工程师自觉加班。

第三，建模具库。制造业靠模具和工艺包，把一次成功变成一百次成功。软件业的对应物是组件、模板、Spec文档、提示词的版本化沉淀。抱谷科技那套实践里最关键的一条就是资产沉淀——每次交付都在为下一次蓄力，边际成本递减。

第四，上线前把四个空填完。减多少人工？降多少缺陷？缩多少交付周期？省多少维护成本？填不出这四个空的AI项目，跟那些"上线了就没人用"的MES系统，是同一种沉没成本。

回到最初那个问题

AI Coding之于软件行业，能不能等同于传统企业的智能制造？

我的答案是：不仅等同，而且软件业连踩坑的顺序都不用重新踩一遍。

制造业用二十年真金白银换来的规律就两条——技术从来不是瓶颈，流程和组织才是；标杆工厂的价值不在于它多亮，在于那套模板能不能被复制。

区别只在于，软件业把这三十年压缩成了三年。

所以真正该焦虑的不是"AI会不会写代码"，而是：当任何人都能造出代码，你能不能像一座现代工厂那样，稳定、可追溯、低成本地，把需求变成能上线的东西。

这个门槛，比会写代码高多了。