AI写代码暴增17倍,落地发布却只多了30%!MIT万人研究撕碎硅谷最大幻觉

代码在疯狂膨胀。发布在原地踏步。用户根本没来。

这份结论来自MIT和沃顿商学院的经济学家对超过10万名GitHub开发者的追踪研究2026年5月，一篇NBER工作论文像一盆冷水泼向AI编程热潮：代理帮你写了17倍的代码，产品就能快17倍上线吗？

对不起，漏斗会吃掉你几乎所有的幻觉

一条惊人的衰减曲线

先看那张让整个科技圈沉默的图。

论文的Figure 1用对数坐标画出了一条从左到右急剧坠落的曲线横轴是软件生产的六个层级，代码行、文件数、提交数、合并请求、项目数、正式发布纵轴是采用AI工具后的变化幅度。

▲ 论文Figure 1：从代码行到正式发布，效应逐级衰减。绿色方块为自主代理，最高点标注17.3x，最右侧仅约1.3x

数字触目惊心：

从17倍到1.3倍。中间蒸发掉的那十几倍去了哪里？

答案藏在每一个写过真实项目的工程师都懂、但投资人未必愿意听的地方，评审队列、测试红灯、发布窗口、产品优先级排序AI把打字变快了，但判断、协调、把关这些事，一件都没变快

论文把AI编程工具分成了三代，每一代都更强大，每一代都撞上同一堵墙

第一代，自动补全。 就是早期GitHub Copilot那种，你敲代码，它猜下一行代码行增加约228%，但发布只多了约10%

第二代，交互式代理。 你用自然语言描述任务，AI在你眼前读文件、改文件、跑命令代码行飙升约741%，发布增益约20%

第三代，自主代理。 你丢一个issue给它，人可以离开键盘去喝咖啡，它自己在后台干活，干完提交一个PR等你审代码行大幅增长，但发布？还是那个量级。

▲ 论文Table 5：不同工具在各层级的百分比效应，衰减模式高度一致

作者用了一个精准的经济学概念来描述这件事：替代弹性约0.25这个数字说明AI与人类劳动必须紧密配合上游自动化得再彻底，只要下游的评审、集成、产品判断仍然靠人，最终产出就会被最紧的那一环死死卡住

这在经济学里有个经典名字，叫"O-ring理论"，航天飞机上最便宜的那个橡胶圈坏了，也会酿成整艘飞船的灾难软件生产同样受制于环环相扣的流程：写代码只是其中一个环，而AI恰好加速的是最不紧的那个环

开发者漏斗的数据或许还算"意料之中"，论文第二部分又把这种落差推到了市场端

研究团队扫描了四大应用市场，Apple App Store、Google Play、Chrome Web Store和SourceForge，发现了一个鲜明模式：

新应用在加速上架。 iOS新应用从2023-2025年初的每月约3-5万款，飙升到2026年春的每月约10万款Chrome扩展数量也几乎翻倍。

但总使用量纹丝不动。

▲ 论文Figure 12：应用市场上架量加速，但使用指标走平甚至偏弱

数据还显示：零受众应用的占比在上升 三个月内评分不足10条的iOS应用、下载不足100次的Android应用，这类"出生即沉没"的软件越来越多

▲ 财经博主Hedgie的帖文，将论文发现与AI资本开支联系起来

正如一位评论者一针见血地指出的：

▲ "更多应用但没有更多使用量，是这项研究中最重要、也最让AI生产率前景显得尴尬的发现。"

论文在社交媒体上引发讨论后，许多工程师给出了相似判断

▲ "过去一两年每次有人问我都在解释这件事。写代码只对不会写代码的人最难。"

沃顿教授Ethan Mollick在推介这篇论文时补了一刀：论文的方法很难直接评价代码质量，而人类之所以成为瓶颈，恰恰因为他们在做质量把关人承担着必要的互补环节。

▲ Ethan Mollick的论文摘要推文：2.2x → 7.4x → 17.3x的代码膨胀，releases却只+30%

与此同时，产业调查的数据也在收敛到同一个故事AI助手普及率已接近饱和，生产代码中AI生成比例升至两成以上，但自报端到端生产率增益？常常停在10%左右。 更有调查发现，工程师每周花在审查AI代码上的时间，已经超过了写新代码的时间

▲ 多家企业的数据对照："工程管理者期待2-3倍增益，实际常落在约30%"

这篇论文之所以从学术圈溢出到投资圈，是因为它直接挑战了一个核心假设，更快的产出等于更多的经济价值

Hedgie在帖文中算了一笔账：Alphabet即将公布季报，资本开支指引高达1800亿美元如果AI编程工具的生产率增益在接触到生产链其余环节时就大打折扣，那么支撑这些支出的收入假设，需要比这些公司目前预估的保守得多

▲ "当大多数工程组织已经淹没在无法维护的代码表面积中时，造出17倍代码的工具几乎有种讽刺意味。"

但也有人提醒：30%的发布增益本身并不小 对内部IT系统、对缺陷容忍度较高的场景，这已经是实打实的收益AI依然有用，只是从"任务级演示"到"组织级收益"再到"市场级价值"，中间隔着整条生产链和整张需求侧的注意力表

论文作者自己也承认局限：公开仓库为主、企业内部软件覆盖不足、质量难以直接测量分布的右尾，那些改造了整条下游流程的组织，可能确实拿到了远超平均值的收益

回到那条衰减曲线。它讲的故事其实很古老：

技术革命会牵动整条链。 蒸汽机的扩张需要锅炉工、铁轨、调度员和买票的乘客AI编程工具把"写代码"这个环节加速了一个数量级，这本身是真实的、了不起的但软件从代码变成产品、从产品变成有人用的服务，中间还有评审、测试、协调、产品判断、市场发现、用户信任……

AI替换的是打字。它没有替换判断。

而判断，恰恰是整条链上最贵的东西。