AI编程 浪费时间

寂静回声

美国康乃尔大学进行的这项研究，找来16位具有中等AI使用经验的开发者参与试验，测试2025年初最先进的AI工具，如Cursor Pro和Claude 3.5/3.7在真实编程任务中的表现。
研究中，246项任务被随机分为“允许”使用AI和“不允许”使用两组。
令人震惊的是，使用AI的开发者完成任务的时间竟然比不使用AI的慢了19%！
这与参与者和专家们的预期完全相反——他们原本预测AI能让任务时间缩短20%至39%。这结果不禁让人疑惑：我们是不是高估了AI的能力？

为什么AI愈帮愈忙？
研究发现，AI的“帮忙”对资深开发者来说反而成了负担。这些对专案细节了如指掌的工程师，发现AI给出的建议常常不合需求，甚至与专案的“潜规则”脱节，如专案中未明文记载、但参与者心照不宣的规范、惯例或特定做法。
这些通常是长期参与专案的开发者通过经验累积的知识，例如特定的程序码风格、未写入文件的设计逻辑、专案的优先级排序，或是团队内部的做事方式。
这种“隐性知识”（tacit knowledge）是AI难以学习的，只有长期参与专案的开发者才懂。
因此，AI的建议不仅没省时间，还让开发者得花更多精力修正或重写程序码。
研究团队分析了140小时的录影资料，发现使用AI的开发者把大量时间花在等待AI回应、检查输出和修改建议上。
统计显示，AI生成的程序代码只有不到44%被直接采用，其余大多被改写或丢弃。这就像请了一个热心但不熟悉状况的新人，结果反而拖慢进度。

据TechCrunch最新调查，那些在风口上的AI编程独角兽，正面临着“用户越多、亏得越狠”的怪圈。
以Windsurf为例，年收入已达4000万美元，还差点被OpenAI以30亿美元收购，内部人士透露：毛利率显著为负，越做越亏。

根本原因在于，AI编程类产品对大模型的强依赖：
每次代码生成都要调用大模型，按Token计价，用户用得越多，调用成本越高；
为了保持竞争力，还必须持续接入最新模型，更新成本随之上涨；
而用户每月只交几十美元，远不足以覆盖高频调用所产生的成本。
甚至有业内人士直言：现在所有AI编程产品利润率都接近亏损，“情况相当糟糕”。

为了止损，这些公司尝试过不少招数：
自研模型：希望摆脱模型供应商控制，但技术和资金门槛过高，Windsurf最终放弃；
卖身套现：抓住市场热度出手，Windsurf就曾考虑直接被收购止损；
涨价转嫁成本：Anysphere曾调整定价，把高级模型使用成本转嫁给活跃用户，结果遭到大量吐槽，CEO不得不亲自发文道歉；
寄希望于成本下降：认为新一代模型推理成本会随效率提升而下降，但现实可能正相反,复杂任务让计算需求反而更高。

更难的是，AI编程市场竞争异常激烈：Cursor、Replit、Lovable等初创崛起迅猛，连OpenAI、Anthropic等大模型厂也亲自下场。
持续烧钱、高度同质化、用户又对价格极其敏感，AI编程这门生意似乎正在逼近极限。