全球AI生成代码的数量在过去两年中增长了六倍,从2022年的5%增长到2024年底的近30%。伴随而来的是程序员生产力的显著提升。
这些发现来自复杂性科学中心(CSH)的一项新研究,该研究考察了AI工具和平台对软件开发的影响。研究人员开发了一个模型,并将其应用于覆盖六个国家软件开发活动的大型数据集。
节省开发时间的成本影响巨大,研究作者指出,仅美国公司每年在编程相关劳动力成本上的支出就超过6000亿美元。
研究人员估计,生成式AI将程序员生产力提高了近4%。然而数据中存在分歧:经验较少的程序员更频繁地使用AI(37%),但生产力提升几乎只出现在经验丰富的开发者中。
根据由Simone Daniotti领导的CSH研究团队的发现,生成式AI重塑了编程工作的数量和性质。"比较同一开发者在采用生成式AI前后的表现,我们发现AI的采用大幅增加了产出。使用生成式AI的开发者也更有可能将新的软件库组合融入他们的代码中,这表明他们正在使用不熟悉的构建模块进入新的技术领域。"
行业高管对任何生产力提升都表示欢迎,但警告称这只是成功进入AI领域的一个维度。Planview汽车解决方案首席营销和战略官兼总经理Cameron van Orman表示:"当AI应用到运营中时,组织会看到各种好处,这些好处能更好地将正在进行的项目和产品与业务目标保持一致。"
他继续说道:"追踪更新、识别风险和规范化报告等手工工作都可以自动化。AI还能发现跨组合和价值流的依赖关系,这些关系以前只有少数经验丰富的项目经理才能看到,从而消除了由系统、数据和工具限制造成的可见性差距。"
对开发者的好处不仅仅是速度和生产力。BairesDev交付副总裁Guillermo Carreras表示:"我们在1000多名开发者中进行了调查,发现76%的人认为AI让他们的工作更有成就感,因为它让他们能够专注于创新和创造性解决问题。你的团队可以获得更有意义的工作,因为例行工作得到了处理。这使得投资变得值得,速度只是一个副作用。"
此外,仅仅追求速度和生产力忽略了软件开发过程的重要要素。van Orman补充道:"没有结构和问责制,即使是最有前景的AI项目也会停滞不前,AI也不会对软件开发生命周期产生应有的影响。当从实验扩展到企业级采用时,软件领导者必须优先考虑严格的规划、优先级排序和执行。"
然后是CSH研究中早期职业开发者缺乏生产力提升的显著现象。研究显示,生成式AI的估计采用率"在早期职业开发者中更高"。"然而,生产力和探索收益几乎完全集中在高级开发者中。相比之下,尽管早期职业开发者使用生成式AI更多,但他们并没有实现同样的好处。"
其原因是"这可能反映了开发者在更广泛的任务中利用生成式AI的能力差异",Daniotti和她的合著者推测。"例如,高级开发者能更快地解释和发现AI生成代码中的错误。"
这反过来意味着经验丰富的软件专业人员有更大的机会。DataRobot首席产品官Venky Veeraraghavan表示:"考虑到市场移动的速度和创新的指数级步伐,我认为这将创造更多对软件开发者的需求,要求他们在单位时间内交付更多功能。计算方式不会是'用更少的资源做同样的事情',而是'用同样的资源做更多的事情'。"
随着AI工具处理编码更快,Carreras表示:"开发者可以考虑真正需要判断的架构和边缘情况。它还促进了文档流程和测试用例生成。"
Jobright联合创始人兼CEO Eric Cheng表示,成功的开发者"将是那些把AI当作团队中初级工程师的人:有帮助、快速,但需要监督。知道如何提示、审查和改进AI输出将与编写干净代码一样重要。"
根据CSH研究,生成式AI增加了对新库的实验。报告指出:"这表明生成式AI让用户能够更快地推进到编程的新领域,在他们的代码中嵌入新类型的功能。生成式AI增加了个人创新,在使用新库组合方面推动了个人能力。然而,再次强调,只有经验丰富的高级用户似乎能够以这种方式利用生成式AI,这对在生成式AI存在下的职业发展和学习具有重要影响。"
Q&A
Q1:生成式AI对程序员生产力的提升效果如何?
A:研究显示生成式AI将程序员生产力提高了近4%,全球AI生成代码数量在过去两年增长了六倍,从2022年的5%增长到2024年底的近30%。
Q2:为什么经验较少的程序员使用AI更多但收益更少?
A:虽然早期职业开发者AI使用率更高(37%),但生产力提升几乎只出现在高级开发者中。这是因为高级开发者能更快地解释和发现AI生成代码中的错误,更好地在广泛任务中利用生成式AI。
Q3:生成式AI除了提高编程速度还有什么好处?
A:AI让开发者能专注于创新和创造性问题解决,76%的开发者认为AI让工作更有成就感。AI还能自动化追踪更新、识别风险等手工工作,让开发者思考真正需要判断的架构和边缘情况。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。