夜雨聆风
2026年8月5日，一个叫Rahul的账号又发了一次那条视频。
32秒戴眼镜的男人蓝色背景板一模一样的话，“3到6个月内，AI将写出90%的代码；12个月内，几乎全部” 18个月过去，关于AI写代码比例的争论仍有三种截然不同的版本。
故事得从纽约那个晚上说起
一、纽约之夜：90%预测的现场
2025年3月10日晚，美国外交关系委员会（CFR）纽约总部。Anthropic CEO Dario Amodei坐在蓝色背景板前，主持人问了关于就业与AI的问题。
Amodei说的是：“我们离这样一个世界不远了，我认为会在三到六个月内到达，AI正在编写90%的代码。然后在十二个月内，我们可能会进入AI实质上编写几乎所有代码的世界。”
他补上了限定词：人类仍要做设计决策、安全判断、与旧系统协作。但当数字被说出嘴的那一秒，限定词就已经死了。
▲ CFR官网活动页面：预测的一手出处。逐字稿至今仍然在线
24小时后，一个叫Haider的账号把它剪成32秒视频。配文只剩两个数字：90%，12个月 Business Insider紧随其后，标题也把时间钉死。一小时的对话由此被压缩成32秒短片。
▲ 2025年3月11日发布的32秒视频帖
二、同一预测，三种解释
没过多久，这条预测衍生出了三种解释。
有人用它支持“一人公司、全AI运营”的设想，也有人把它当作判断AI能力边界的标尺。AI信者与怀疑者各取所需，争论很快分成两边。
机器学习研究者Sebastian Raschka在评论区留下了那段后来被反复引用的类比：“记得自动驾驶的时间线吗？90%是营销，10%是现实” 另一位工程师写得更短：“写出90%代码不等于完成90%软件工程。”
争论的焦点由此浮现
三、Dreamforce：一场大胆的“自我认证”
2025年10月，距离预测窗口即将关闭，Amodei给出的判断依旧激进：预测已经成真。
在Salesforce的Dreamforce大会上，Benioff问：Anthropic的代码90%是AI写的？Amodei答：“在许多团队如此，并非均匀。” 他还讲了个轶事：集群出了怪bug，工程师排查数日无果，最后让Claude“随便玩玩”，模型找到了那个冷门bug。“就像一位非常有才华的队友”
▲ Dreamforce后的媒体报道：Amodei称90%的预测已在Anthropic成真
这份断言很快招来外部审视
四、Redwood拆台：90%是一把会变形的尺子
2025年10月22日，Redwood Research研究者Ryan Greenblatt发表长文，标题就是一句灵魂拷问：《Anthropic真的有90%的代码由AI写吗？》
Greenblatt给出了三组口径：少数团队合并进仓库的代码约90%由AI生成；全体平均更接近50%；若把“只跑过一次的脚本”也计入，数字会飘向90%，统计意义却十分有限。
Greenblatt还戳破了一个更深的泡沫：代码行占比是典型的虚荣指标。 AI让人廉价地生成海量样板代码，把“AI占比”冲高，却只略增有效产出。他猜测，即便是真有90%的团队，生产力提升也大概率不到2倍，远非Amodei暗示的10倍。
▲ Redwood逐层拆解"90%"：团队右尾、公司均值、一次性脚本，三把完全不同的尺子
五、数据罗生门：右尾90%，中位30%，全行业10%
一年后，把公开数字摆在一起，可以看到技术圈采用的统计口径各不相同。
| 31% | |
| 可能不足10% |
这些数字连成了一条陡峭的分布曲线。
2026年3月10日，一周年当天，《Pragmatic Engineer》作者Gergely Orosz发帖称这句预测“准得离谱”，随后补充了适用范围：早期创业公司和AI实验室。他贴出Uber的数据：31%的代码由AI撰写，11%的PR由agent打开。 这家大力投资AI的公司仍离90%很远。评论区Adrian Kepka反驳：“全行业看，可能不到10%，这都算高估。”
▲ Uber的数据为31%，与90%的预测仍有明显差距
▲ 对全行业AI代码占比的另一种估算：可能低于10%
六、生产力悖论：写得越多，交付越慢？
如果90%真的成立，人类应该被放大十倍。但硬核数据拒绝了这个浪漫推导
2025年7月，METR发布了那个著名的随机对照试验：16名资深开源开发者，246个真实任务。允许使用AI时，完成时间反而慢了19%。开发者们事先相信自己会更快专家也预测加速结果与信念完全相反
▲ METR研究报告：在这项试验中，AI使资深开源开发者慢19%
与此同时，Stack Overflow的2025调查显示：采用率继续冲高，约80%已在工作流中使用AI，但信任从40%跌到29%。 约66%的开发者表示，自己花了更多时间修理“几乎正确但不完全正确”的代码。
这就是“几乎正确税” 它不体现在任何代码行占比里，只刻在交付周期和深夜debug的疲惫里。
七、一年后的答案
最能说明问题的，是这组朴素的对比：实验室右尾90%，大厂三成，全行业不足一成。代码占比无法直接换算成交付加速
Amodei说中了一个方向，却低估了指标被滥用的速度，也高估了线性时间的礼貌。
当代码不再是稀缺品，稀缺的就变成了判断哪行代码值得存在的眼光。而那东西，目前的AI还达不到，尽管它已经能写出90%的代码。
剩下的10%，仍是这场争论里最难衡量的部分。
本文基于公开演讲记录、公司披露、研究报告及社交平台公开发帖编写。数据口径差异本身即为核心信息
