一、代码写得飞起，为什么产品还是那个样子？一个让 AI 乐观派和悲观派同时愣住的研究过去一年，关于 AI 有没有用的讨论成熟多了——彻底否定它能力的人越来越少，大家吵的其实是一个更精准的问题：它到底值多少钱？这个问题在程序员群体里尤其尖锐。GitHub Copilot 说开发者写代码速度提升 55%，Cursor、Devin 们动不动就刷屏科技媒体，一个比一个神奇。但你打开 App Store，会发现软件质量并没有肉眼可见的跃升。MIT 的梅尔特·德米雷尔（Mert Demirer）和团队做了一个漂亮的研究：他们追踪了软件开发者在采用 AI 编程工具前后的工作表现，分了四个层次来测量——
单个文件：程序员创建或编辑的文件数量，增加了290%；
工作包：提交审核的独立工作量，下降到150%；
独立产品：最终完成的功能/项目数，再降到 30%；
发布产品：真正发版的软件，只剩30%。
290% 到 30%，中间差了整整 260 个百分点。这不是线性衰减，这是漏斗型塌陷。你写的代码多了，但你发布的软件并没有相应比例地变多。这中间发生了什么？审查流程、质量验证、跨团队协调——这些环节没有因为 AI 加速而跳过，它们依然在卡着脖子。二、移动 App 的"大爆炸"与沉默的下载量研究还做了第二层验证：AI 辅助真的让市场变大了吗？答案是：应用倒是发布了一大堆，但没人在用。2024 年 Agentic AI 工具井喷后，iOS 应用发布量出现了一轮激增——曲线直接拉出了一根陡峭的上升线。但与此同时，有显著使用量的应用数量，和应用评论数，几乎没有任何变化，两条线几乎躺在水平位置一动不动。换句话说：开发者用 AI 疯狂造轮子，市场却只给了一小部分轮子埋单。大多数新 App 连"小众用户"这个门槛都没跨过去。技术速度提升了，但需求端没有接住。三、Uber 的 CFO 急了：钱花完了这个结论出来的时机，恰好撞上了一个很讽刺的新闻。优步（Uber）CEO 达拉·科斯罗萨西（Dara Khosrowshahi）最近透露，公司2026 年的 AI 预算在一个季度内就烧光了。他紧接着说了一句让科技圈侧目的话："我们计划把大部分 AI 应用切换到低成本模型，前沿工具只留给特殊场景。"一边是 AI 工具厂商喊着"效率提升 10 倍"，一边是花了大钱的甲方发现账算不过来，不得不让程序员少用点 AI。这两件事放在一起看，问题就清晰了：企业今天大量 AI 投入是低效的——但这不是 AI 的问题，是组织和流程的问题。四、法律工作的"拼多多"模式更早之前，还有另一条新闻悄悄划过：关于 AI 在法律工作中的应用研究。研究者发现，把廉价开源 AI 代理和顶级模型偶尔的"顾问"角色结合起来，效果比全程使用前沿模型更好，成本却低得多。翻译成人话就是：不需要一直请最好的律师，偶尔打个电话问一句就行，日常让便宜的人先干。这个逻辑在软件开发里同样适用——一个 Copilot 解决不了的复杂重构问题，顶级模型也未必能解决。真正的问题在于谁来审核、谁来拍板、谁来承担最终责任。这些环节 AI 帮不上忙，反而可能因为生成速度太快而制造更多混乱。五、历史不是重复，是押韵德米雷尔的研究团队给出了一个很值得记住的解释：当前的组织和市场结构，还没有准备好吸收 AI 带来的基础性进步。这不是安慰，这是有历史先例的。19 世纪末电力普及的时候，工厂的逻辑是"动力集中"——一台巨大的蒸汽机通过皮带传动轴，带动整厂机器。电来了，大家想的很简单：把蒸汽机换成电动机，其他不变。 结果呢？生产力提升微乎其微。电动机比蒸汽机灵活，但只要你还在用皮带和传动轴，那点灵活性就被吞掉了。这个状态持续了三四十年。直到工程师们终于想明白：不是"电替代蒸汽"，而是"每一台机器都应该有自己的电机"。当每台机床独立运行之后，工厂的空间布局变了，工作流程变了，流水线才真正出现——生产率在那之后才爆炸式增长。经济学家保罗·大卫（Paul David）把这个规律总结为一个命题：通用技术在被经济体真正吸收之前，必然经历一段"黑暗隧道"，账面生产率甚至可能看起来更差，因为新旧系统的磨合成本叠加在一起。1987 年的索洛悖论，本质上也是同一件事：罗伯特·索洛说"计算机无处不在，唯独在生产率统计里看不见计算机"。那个时代的人也在问"这玩意儿到底有没有用"，然后等了整整十年，才在 1995 年后迎来了 IT 驱动的生产率大爆发。六、两种公司，两种命运文章里有一个细节特别有意思：现有软件公司在现有工作流里塞 AI，只拿到微薄的生产力提升；而围绕 AI 从头构建的 Anthropic 和 OpenAI，使用量、收入、生产力却在爆炸式增长。这像极了当年电力时代的那一幕。1879 年爱迪生在纽约建了第一座商业发电站，之后三十年，老牌工厂守着传动轴原地踏步，而那些从第一天就按电力逻辑设计的工厂，悄然成为了新的工业巨头。AI 时代也在重演这个剧本。AI 原生公司（Anthropic、OpenAI、Cursor 背后的 Cognition）不只是用了更好的工具——它们从组织架构、工作流程到产品设计，全是按 AI 逻辑重新来的。传统公司则是在一张老地图上叠加新工具，自然处处对不上。七、AI 到底有没有价值？回到最初的问题：AI 创造了多少价值？有的。 30% 的软件发布量提升是真实的，Block 金融用 AI 裁员 40% 后利润指引反而上调是真实的，医生用 AI 5 分钟完成原本 3 天的影像分析是真实的。但这个价值，从"写代码"到"用户用上好产品"，中间有一道又一道的摩擦。 流程没变，审核没变，协作方式没变，AI 就只能加速局部优化，而不是重写整个系统。就像 1880 年代用电动机替代蒸汽机却不肯拆掉传动轴——你确实做了一件更先进的事，但生产方式还是老样子。八、写在最后文章末尾引用了经济学家保罗·大卫关于过去技术革命的结论，我觉得同样适用于今天：生产力真正的飞跃和就业结构的重塑，往往来自新企业和新流程，而不是老牌企业把新技术嫁接到现有工作流上。AI 的价值不会缺席，只是来得比你期待的慢一点。那些能在这个"黑暗隧道"里真正重写工作方式的人和企业——而不是简单地把 AI 当作更快的打字机——才是最终吃到红利的那批人。技术就绪了，现在等的，是人们愿意把整个工作流拆掉重来。参考来源：John Burn-Murdoch, "How much value is AI really creating?", Financial Times；Demirer et al., "Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools"（MIT Sloan）；Uber Q1 2026 Earnings；Solow (1987)；Paul David, "The Dynamo and the Computer"【感谢阅读、点赞、点评、转发、收藏】
夜雨聆风
