几乎同时，BCG发布了1.2万人调研报告《战略比工具更重要》，核心结论是：74%的一线员工已经用上了AI，但66%的人不知道省下的时间拿来干什么。

一个看技术侧，一个看组织侧。

AI 的第一波红利：工具能力，已经兑现了。第二波红利的门槛，在组织身上，在人身上。

到底有多丰饶？

六大商业模型在 SWE-bench Verified上，差距压缩到了1个百分点。选GPT 还是 Claude 还是 DeepSeek 还是 GLM，对大多数编码任务来说，结果差不多。去年 Claude Code 碾压级的存在，今年 GPT-5.5、DeepSeek、GLM 全跟了上来。

74%的一线员工已成 AI 常规用户，一年增长23个百分点。印度95%，中东93%，澳大利亚93%。"硅谷天花板"终结了。

42%经常使用 AI 的一线员工每周省出约8个小时，整整一个工作日。营销部门60%、IT部门53%、HR部门50%省得更多。

代码随手可得，时间随手可省，这就是是"丰饶"。

腾讯报告最核心的洞察，四个字：验证瓶颈。

AI 一秒钟能生成1000行代码，但你review的速度根本跟不上。代码生成的"丰饶"，反而制造了验证的"饥荒"。

Veracode 发现45%的 AI 代码任务含已知漏洞。GitClear 分析了2.11亿行代码，技术债务增长30-41%。将近一半的 AI 代码带着已知安全问题，它们省下了写代码的时间，但是又花在了排查漏洞上。排查别人写的代码，比自己从头写更慢、更痛苦。

这就是"原型墙"。

YC W2025 批次25%的创业公司95%以上代码由AI生成，Solo founder比例从23.7%升到36.3%。看起来很美。但普遍的时间线是这样的：

第一周，很兴奋。AI快速生成MVP，功能能跑，演示很顺。

第三周，担忧。安全问题浮现，扩展性遇到瓶颈，边缘情况开始出bug。

第二个月，放弃。维护成本从每月20美元飙升到200美元。

Addy Osmani 管这叫"70%问题"：AI 代码看似70%正确，完成剩余30%的代价可能超过从头手写。

BCG 从组织侧说了同一件事。42%的人每周省出8小时，但66%没收到"省下的时间怎么用"的指导。超过半数没能把省出的时间投入到更有战略意义的工作上。

省出来的时间，变成了不知道干什么的时间，或者堂而皇之被增加了工作量

52%的人说工作角色已从"做事"转向"管理和指挥 AI"。但50%的组织连"人机协作该怎么管"都没想清楚。

技术跑得比组织快，这是目前 AI 落地最尖锐的矛盾。

喜悦悖论

67%的常规 AI 用户工作满意度提升，同时41%心理压力增加。两个数字同时成立。AI 让工作更有趣，也让工作更难。领导层最典型，满意度提升77%，压力增加48%。

原因不复杂。AI 接手了简单任务，留下复杂度更高、风险更大的工作。72%的人说岗位技能期望已显著改变。

还有蜜月期。使用 AI 不足6个月的员工，新鲜感对愉悦感提升高达43个百分点。超过一年后，新鲜感消退，真正接棒的是两件事：清晰的战略方向，和对"省下的时间该怎么用"的明确指引。

工具的新鲜感有保质期，但是方向感没有。

而大多数组织，既没给方向，也没给指引。73%感知到技能期望变化，只有36%获得足够培训。只有33%的一线员工认为管理层关于AI的规划传达清晰。

这就是BCG报告标题的含义：战略比工具更重要。

腾讯报告画了一条技能演进路径：提示词工程（2022）→ 上下文工程（2025）→ 驾驭工程（2026）。

驾驭工程是什么？模型能力趋同后，竞争力转向怎么驾驭模型。SWE-bench Pro上，scaffold变化导致的分数波动是模型更换的22倍。你用什么模型不重要，你怎么用才重要。

这跟BCG完全对齐。AI使用率不等于业务成果。真正要追踪的是，省下的时间有多少转化为了战略产出。

这两份数据指向同一个结论：

AI的第一波红利是工具能力的红利。人人能写代码，人人能省时间。这一波已经兑现。

第二波红利是组织和人的红利。谁能把省下的时间转化为战略产出，谁能把 AI 代码变成可验证、可维护、可运营的产品，谁能在人机协作中建立清晰的治理机制，谁才能吃到下一波红利。

BCG给了CEO五条建议，最后一条最值得深思：把 AI 当成动态目标持续管理，而非设有终点线的项目。

腾讯没给建议，给了一个判断：AI Coding 作为独立品类的边界正在消融。编程能力、读写文件、执行命令、迭代修复，天然等于通用Agent能力栈。

编程正在从职业能力变成通用基础设施。当人人都能写，"能写"不再是差异化因素。

丰饶之后稀缺性迁移，这不是AI独有的故事，历史总是惊人的相似。

摄影术普及的时候，拍照片不再是稀缺技能，稀缺的是构图、眼光、知道什么时候该按下快门。Excel 普及的时候，做表格不再是稀缺技能，稀缺的是知道该算什么、数字背后意味着什么。印刷术普及的时候，写字不再是稀缺技能，稀缺的是值得被印出来的思想。

每一次"做事的门槛"被踩平，"判断的权重"都被放大。

AI 抹平的是编码的门槛、信息处理的门槛、重复执行的门槛。抹平之后，被放大的是什么？是你要做什么、为什么做、做到什么算好、做错了谁来负责。

这些问题的答案不在模型里，不在工具里，在人身上。

Amjad Masad 画了三个象限。往下走，系统编程、嵌入式、安全关键，AI短期内碰不到，这是硬骨头。留在中间，全栈CRUD，最危险，AI抹平的就是这层。往上走，产品设计、商业策略，AI杠杆化放大你的判断力，这是新稀缺。

但这不只是开发者的选择题。

管理者要面对的是：74%的一线员工已经在用 AI，但只有33%觉得你对 AI的规划说得清楚。员工跑得比你快，他们省出了时间，但你没告诉他们时间往哪花。蜜月期会结束，到时候支撑他们的不是工具，是方向。而50%的组织连人机协作怎么管都没写。

创业者要面对的是：AI 帮你从零到原型只要一周，但原型墙在等你。从原型到产品可能要三个月，省下的是编码时间，花掉的是验证、运维、合规和品味的时间。

非开发者要面对的是：编程门槛已从"会不会写代码"变成"能不能把需求说清楚"。门槛低了，但低门槛意味着更多人涌进来，竞争从"能不能做"变成了"做得好不好"。

每一个角色面对的问题，都不是"AI能不能做"，而是"你能不能让AI做出来的东西变得有价值"。

最后

上一阶段的竞争焦点是谁的模型更强、谁的工具更好。胜负已分，模型趋同了，工具普及了。

下一阶段没有终点线。编程正在从职业能力变成通用基础设施，AI Coding正在消融进通用 Agent 能力栈。当人人都能做，"能做"不再是护城河。

那什么才是？

你的判断力，你的品味，你对业务的理解。你在模糊中做决策的能力。你在 AI 写出1000行代码后，指出第372行有逻辑漏洞的能力。你在团队面对"省下的时间往哪花"时，给出方向的能力。

工具的红利见顶了。人的红利刚开始。但"人的红利"不是一句鸡汤——它是有门槛的。这个门槛不是学一个新工具、换一个新模型，而是重新思考你在做什么、为什么做、做到什么算好。

丰饶之后，真正稀缺的不是更多丰饶，而是知道什么是有价值的。