一项最新研究显示,美国软件开发者是全球最频繁使用AI编程助手的群体,研究人员认为这一趋势对国家经济具有重要影响。
四位研究人员——Simone Daniotti、Johannes Wachs、Xiangnan Feng和Frank Neffke在一篇预印本论文中分析了2018年至2024年间GitHub上的8000万次代码提交,探讨了美国程序员对AI助手的偏好。
研究团队开发了一个机器学习模型来分析GitHub提交记录,发现2024年美国开发者提交到GitHub的Python函数中,估计有30.1%是由AI生成的。
排名第二的是德国,占24.3%,随后是法国(23.2%)、印度(21.6%)、俄罗斯(15.4%)和中国(11.7%)。
论文指出,一旦开发者使用AI生成30%的代码,季度代码提交量会增长2.4%。
研究作者表示:"结合职业任务和薪酬数据分析,AI辅助编程在美国的年度价值达96亿至144亿美元。"
这一估算与微软CEO萨蒂亚·纳德拉的说法一致,他曾声称目前微软约30%的代码是由AI编写的。
研究人员认为,如果参考其他AI调查中更高的生产力提升数据,AI增强的代码提交率带来的潜在经济效益可能更高。例如去年9月的一份报告显示生产力提升了26%。
基于三项不同随机对照试验的任务完成时间估算,这些试验分别发现了16.5%、6.3%和26%的生产力提升,研究人员得出结论:30%的AI使用率将带来每年640亿至960亿美元的生产力提升价值。
作者承认他们的估算存在局限性。例如,他们专注于GitHub代码提交可能遗漏了中国流行的Gitee平台上的提交。同时他们也没有考虑"由于AI增加代码供应而可能导致的编程任务价值减少"。
还有其他因素可能影响结果的准确性,比如将Python作为其他编程语言软件开发影响的代表,以及假设GitHub开源项目中AI使用率在其他环境中也会重复出现。
但总体而言,作者对AI的生产力价值持乐观态度。此外,他们表示AI的采用促进了对新软件库和库组合的实验,从而扩展了开发者的知识面。当然,这是基于那些库确实存在而非AI虚构的前提下。
在编程之外,AI的经济影响可能更为有限。MIT研究院教授Daron Acemoglu在去年发表的论文《AI的简单宏观经济学》中预测,AI驱动的生产力增长仅约0.7%。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。