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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。