AI编程工具越来越厉害，程序员写代码越来越快，但真正开发软件，似乎并没有想象中那么轻松。

海外科技评论员 Ed Zitron最近就把矛头指向了整个 AI 行业，他说，今天 AI行业的商业模式、资本投入和市场预期，很可能正在脱离真实的生产价值。

AI当然不是骗局。

但围绕 AI Coding 建立起来的那套“效率神话”，确实值得重新审视。

今天的 AI Coding 工具已经可以做到：

一句话生成函数、自动修改几十个文件、自己运行测试、修复 Bug，甚至直接完成一个完整功能。

于是很多人产生了一个非常自然的判断：

既然代码生成速度提高了10倍，软件开发效率是不是也提高了10倍？

问题就在这里。

因为软件工程从来不是“写代码”这么简单。

真正的软件开发，至少包含：

需求理解、架构设计、编码、测试、调试、代码审查、安全验证、部署、运维和长期维护。

AI主要解决的是其中最容易量化的一个环节——代码生成。

但真正决定软件能不能稳定运行的，往往恰恰是那些无法简单用“生成了多少行代码”衡量的工作。

这并不是一个纯粹的理论问题。

2025年，METR做了一项随机对照实验，让有多年经验的开源开发者使用当时主流的 AI Coding 工具完成真实项目任务。

结果非常反直觉：

开发者原本预测 AI 可以让自己快20%左右，但实际实验结果却显示，使用 AI 的开发者完成任务反而慢了19%。

但这个实验至少提醒我们一个关键问题：

因为AI生成代码之后，你还必须理解它、测试它、修改它、审查它，并最终承担它出问题之后的责任。

这可能才是AI Coding时代最大的矛盾。

以前，一个程序员一天写100行代码。现在，AI可能几分钟生成1000行。听起来效率提升了10倍。

但如果其中有10个地方存在隐患，你真正需要面对的不是“多写了900行代码”，而是：

你现在必须理解、验证和维护这1000行代码。

更麻烦的是，AI生成的代码往往非常“像正确答案”。

变量命名规范、代码结构漂亮、注释完整，甚至测试也能跑通。

但它可能在边界条件、异常处理、权限控制、数据一致性或者架构设计上存在问题。

这就是所谓的——

近期关于 AI Coding 风险的行业研究也开始关注这一问题：随着代码生成速度提高，软件复杂度、第三方组件和 API 依赖也可能同步增加，进而扩大安全攻击面。

这其实和过去的软件行业非常像。

如果一家工厂一天生产1000个零件，第二天生产10000个零件，我们不会直接认为它的生产力提高了10倍。

我们还要问：

合格率是多少？返工率是多少？维护成本是多少？最终产品价值是多少？

软件也一样。

如果AI让一个团队每天生成10万行代码，但同时：

Bug增加了、Review时间增加了、技术债增加了、安全风险增加了、系统越来越难维护……

那么所谓的“10倍生产力”，很可能只是：

所以未来评价AI Coding，不能再只看——

“AI一天写了多少行代码？”

而应该看——

“AI帮助团队交付了多少可靠的软件？”

恰恰相反。AI真正改变的，很可能不是“程序员消失”，而是：

程序员的价值开始从写代码，向控制软件系统迁移。

最近一篇关于 AI 与软件工程的研究甚至提出了一个很重要的区分：

AI正在降低“生成代码”的门槛，但没有同步降低“控制软件”的门槛。

所谓控制，包括：理解代码、评估代码、整合系统、验证行为、管理风险，以及对最终结果负责。

这意味着未来最值钱的软件工程师，可能不是那个一天让AI生成最多代码的人。

而是能够回答这些问题的人：

这才是AI时代的软件工程核心能力

所以，AI Coding真正带来的变化，并不是：程序员 → 不需要程序员。

而更可能是：Coder → System Designer → AI Agent Manager。

过去，一个程序员主要管理自己的代码。

未来，一个工程师可能需要同时管理：多个AI Agent、代码仓库、自动化测试、CI/CD、安全检测、部署流程，以及整个软件系统的生命周期。

换句话说——

以前程序员管理代码。未来程序员管理一群会写代码的AI。

而这对企业的启示更加重要。

企业真正应该追求的，不是“让员工多生成10倍代码”，而是建立一套能够让AI稳定工作的工程体系：

需求标准化、Agent权限控制、自动化测试、代码审查、安全扫描、可观测性、回滚机制，以及明确的人类责任边界。

因为让AI写代码已经越来越容易。

AI Coding最大的骗局，从来不是：“AI不会写代码。”恰恰相反，AI正在越来越擅长写代码。

真正的骗局是：我们误以为代码写得越快，软件工程就越高效。

但软件工程最终交付的，从来不是代码。

而是一个能够运行、能够维护、能够扩展，并且能够承担业务结果的软件系统。

所以AI时代，程序员真正应该追求的，不是：“我今天让AI写了多少代码？”

而是：“我今天让AI帮我可靠地解决了什么问题？”

代码会越来越便宜。理解问题、设计系统、验证结果、控制风险，才会越来越贵。

这可能才是AI Coding时代，软件工程最大的价值重估。