AI 让代码提交暴涨 180% 实际发布却只多了 30%！

寂静回声

先看一组来自 Rohan Paul 在 X 上的总结：
"Code volume surges by 300%, but output increases by only 30%: The AI dividend meets an awkward reality."
「代码量飙升 300%，产出只增长 30%——AI 红利撞上了一堵尴尬的墙。」

这段话背后，是一篇 MIT 经济系和沃顿商学院联合发表的 NBER 工作论文，编号 w35275，标题直接把问题摆在桌面上：
Writing Code vs. Shipping Code，写代码和交付代码，根本是两回事。
这篇论文的作者是 Mert Demirer（MIT 经济系/NBER）、Leon Musolff（沃顿/NBER）和 Liyuan Yang（MIT），2026 年 5 月以 NBER Working Paper 形式发布。
他们做了一件以前很少有人做的事：把 10 万名 GitHub 开发者的活动数据和他们使用 AI 工具的遥测数据拼在一起，用匹配事件研究法（matched event study），追踪 AI 编程工具采用前后的变化。

研究把 AI 编程工具分成三代：
第一代：自动补全，比如 GitHub Copilot 初版，代码提交量增加约40%；
第二代：交互式/同步 Agent，比如本地运行的 Claude Code，累计增加约140%；
第三代：自主/异步 Agent，比如远程运行的 OpenAI Codex、GitHub Agent，累计增加约180%。
光看这组数字，效果惊人。从补全到 Agent，每一代都在让开发者写出更多代码、提交更多 commit。
论文提出了一个「生产层级」（production hierarchy）模型，把软件生产拆成一层一层：代码行数 → 文件修改 → 提交（commits）→ PR → 项目数 →实际发布（releases）。
自主 Agent 在 commit 层面带来的180% 累计增幅，传导到项目数量时只剩50%，到实际发布时只剩 30%。
换句话说，AI 帮你多写了将近两倍的代码，但最后多发布出来的软件只有三成。
中间那超过一半的"额外努力"，被审查、集成、测试、修复边缘情况、合并冲突和发版流程消耗掉了。
论文给这种现象起了个名字叫「弱链条假说」（weak-link hypothesis）：整个链条的产出取决于最慢的那个环节。AI 加速了写代码，但审查、QA、产品决策、部署——这些还是人在做，还是原来的速度。

论文还估算了一个关键参数：AI 产出与后续人类工作之间的替代弹性（elasticity of substitution）只有 0.25。
如果替代弹性接近 1 或大于 1，说明 AI 多干一份，人可以少干一份，两者可以互相替换。但 0.25 意味着强互补，AI 多产出的每一行代码，背后都需要人类投入对应的审查、测试和集成工作。AI 写得越多，人类要跟进的工作反而越多。
"Large task-level AI productivity gains have therefore translated only partially into shipped and used software thus far."
「AI 在具体任务层面的巨大效率提升，到目前为止只部分转化成了已经交付和被使用的软件。」
这和很多人的直觉相反。大家以为 AI 写代码更快，团队就能更快交付。但现实是：代码产出加速后，瓶颈转移了，从"写不出来"变成了"审不过来""测不完""合不了""发不出去"。

论文没有只停留在 GitHub 数据上，还把视角拉到了下游——四大应用商店：Apple App Store、Google Play Store、Chrome Web Store 和 SourceForge。
结果发现：自 2025 年中以来，新上架的 App 数量确实有明显增长。
但是，这些新 App 在上架后三个月内的总使用量，在四个商店里都没有增加。
这意味着什么？AI 降低了"做一个 App"的门槛，但没有降低"做一个有人用的 App"的门槛。市场上多了一批软件供给，用户却并没有因此用上更多新东西。
供给增加了，需求没跟上。
论文最有价值的贡献之一，是把"AI 编程效率"这个笼统说法拆开了。
传统 benchmark 测的是：模型能不能写对代码、能不能过 SWE-bench、能不能自动提 PR。但企业真正关心的从来不只是"代码写没写"，而是整条交付链路：
需求对不对 → 代码写没写 → PR 能不能审 → 测试过没过 → 集成顺不顺 → 部署安不安全 → 用户用不用。
AI 目前加速的主要是链条的前半段，写代码和提交代码。但从 PR 审查开始，每一步都需要人类判断。代码写得越多越快，积压在审查和测试阶段的工作量就越大。
这篇论文的启示很明确：AI 编程工具的下一个大机会，可能已经不在"写代码更快"上了。
如果模型只是继续提高生成代码的速度，收益递减几乎是必然的。代码堆得再多，审查跟不上、测试跟不上、产品决策跟不上，最终就是在生产流水线上制造拥堵。