AI造AI提速一倍:当代码九成由模型写,企业研发流程先改什么

AI造AI提速一倍：当代码九成由模型写，企业研发流程先改什么

11月5日，独立评估机构METR发布报告：Anthropic模型能力提升速度，约为2024年3月到2025年10月期间的约两倍。AECI指数自2025年10月起增速为此前的1.9倍，95%置信区间在1.5到2.8倍之间，相当于一年走完过去两年的路。METR主观估计，约八成加速可能来自AI自身，但不确定性很大，且最有力的证据多数被Anthropic涂黑，公众看不到。

Anthropic自己的数据同样惊人。公司在11月2日的修订文件中披露，2026年9月，Claude写了公司代码库九成以上的贡献；第三季度人均日代码贡献量，为2024年均值的45倍以上；内部Claude使用按标价计算，2026年4月已超过月度人力成本。8月已有26%的研发任务达到AL4级自动化，九成以上任务达到AL3及以上，尚无AL5。修订文件同时警告，未来模型可能很快达到“AI驱动的显著加速”阈值，也就是递归自我改进，现有模型尚未越过。

对企业来说，真正的瓶颈不再是写代码的速度，而是研发流程本身被改写了。代码量暴涨不等于交付量暴涨，哈佛大学的相关研究也提示，代码行数增长并不等于完工量增长。写得多、审得慢、责任不清，速度反而会变成新的债务。新流程的起点是重新分工：人定方向、审代码、担责任，模型写代码、跑实验、做可自动验证的重复工作。

分工成立需要两个数据条件。第一，任务要能明确定义、可自动评分，METR证实的加速只存在于这类任务，杂乱任务未必受益。第二，验收指标要分两层，对可自动评分的任务看通过率与回归结果，对杂乱任务看人工复核结论与交付质量，不能用同一把尺子量。试点就从第一类任务开起，保留人工复核与完整责任链，先跑通再扩面。

风险同样要算进流程里。速度一旦超过安全评估的节奏，问题会在交付之后才暴露；关键证据被涂黑，意味着外部无法独立验证加速的真实成因，企业照搬结论前要留有余地。最小试点的做法是：选一个可自动评测的环节，让模型全程接手，人只做方向与复核，跑一个月再看交付量、缺陷率与复核成本三项数字，再决定扩不扩。