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
康奈尔大学研究显示,大语言模型驱动的流量转化率比传统搜索高出近9倍。预计到2028年,更多用户将通过ChatGPT等LLM发现产品信息,而非传统搜索引擎。这种转变正在加速发生。LLM流量表现更像个人推荐而非关键词查询,用户查询长度已达23个词,会话时长超6分钟。品牌需要从SEO转向答案引擎优化AEO,确保在LLM对话中被提及,否则将变得不可见。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
Meta豪掷150亿美元押注AI数据工厂Scale AI,19岁辍学的华裔天才如何用"认知套利"打造138亿美元独角兽?"当80%行业信息都是噪音时,独立判断比技术优势更持久。"
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。