AI 编码智能体：代码多了 30%，软件没多一个

哈佛的研究团队翻了 3 亿条代码提交记录，结论是：AI 写代码确实更快，但快出来的那部分时间，全被人工审核吃掉了。700 多家软件公司、70 多万工程师、2021 年到 2026 年 3 月的全量数据。这是目前规模最大的一次 AI 编码工具影响研究，数据来自 Jellyfish 的工程分析平台。

瓶颈不在写代码，在审代码

Fiona Chen 和 James Stratton 用了双重差分法（difference of differences），在 700+ 家公司里找"什么时候引入 AI 工具"这个自然实验。结果很干净：引入 AI 编码智能体后，代码行数 +30%，提交数 +20%，PR 数量 +23%。写代码的速度确实上来了。

但 Jira 里追踪的 Issue 和 Epic（也就是"软件功能"层面的产出）没有统计学意义上的变化。代码多了，软件没多。原因是审核环节被撑爆了：PR 从提交到合并的平均时间暴涨 49%，要求修改的 PR 比例接近翻倍，每个 PR 的评论数增加了 35%。AI 写得越快，人类审得越累。

80% 的公司已经在用 AI 审代码，但没用

一个反直觉的数据：到 2026 年 3 月，80% 的被测公司已经在使用某种形式的 AI 代码审核。但 AI 智能体只贡献了 23.3% 的审核评论和 10.8% 的 PR 审核。剩下 77% 的审核工作还是人类在做。

没有裁员，也没有"AI 取代程序员"

研究还查了就业数据（交叉对比 Jellyfish 和 LinkedIn）：没有发现 AI 工具引入后显著的就业变化。做代码审核的人多了 14%，但总人数没变。推测原因很直接——审核工作量增加了，所以公司调了人过去，而不是裁了人。这不是"AI 取代人类"的故事，是"AI 把时间从写代码挪到了审代码"的故事。

95% 的公司已经在用 AI 编码智能体，但大多数还在摸索阶段。研究截止于 2026 年 3 月，之后模型能力又有大幅提升。"编码时间 vs 审核时间"的 trade-off 可能会随经验积累而改善——但前提是人类能找到比"多读几遍代码"更高效的审核方式。

更深层的问题是：如果 AI 写代码的效率提升被审核瓶颈完全吸收，那企业花大钱部署 AI 编码工具的真正回报在哪里？是代码质量提升？是新人上手速度？是某种现在还没被度量的隐性收益？还是——目前大部分公司其实没有真正获益，只是还没意识到？

核心观点：如果你的团队在重度使用 AI 编码智能体，现在就该审视审核流程——49% 的审核时间膨胀不是小数字。值得关注的信号是：AI 代码审核工具能否从 23% 的覆盖率提升到 80% 以上，否则"AI 写代码"就只是把瓶颈从写挪到了审。