币圈界报道：

开发者已无法脱离AI工作，但代价正在显现

至2026年，编程界已形成鲜明共识：若无人工智能辅助，多数开发者将拒绝投入编码任务。知名人工智能安全研究机构METR在复现2025年关于AI提升开发效能的研究时遭遇困境——无人愿加入需在无AI环境下工作的对照组。

实验受阻：开发者宁可放弃研究也不愿断开AI连接

METR在2025年原始研究中曾发现反直觉结果：尽管开发者普遍认为AI提升了效率，但实际因修正错误、引导指令及等待响应所耗时间更长。当该团队尝试用更新模型重演实验时，招募失败。研究人员坦言，即便短期参与，开发者也“坚决不愿在无AI状态下工作”。

自我评估失真：技术人员认为价值翻倍，现实却未必如此

2026年5月，METR发布调查，询问技术人员对自身效率的主观评价。结果显示，受访者普遍认为个人贡献能力提升一倍。然而近期企业数据表明，这种自我认知可能严重偏离真实绩效。

“代币最大化”泡沫破裂：过度使用导致系统崩溃

以AI代币消耗量衡量生产力的做法——即“代币最大化”——已成为2026年初典型风潮。但其弊端逐渐暴露。据《金融时报》报道，亚马逊因员工滥用内部AI代理操控系统，造成成本激增而关闭代币排行榜Kirorank。优步四个月内耗尽全年预算，首席运营官安德鲁·麦克唐纳承认，支出未带来项目数量或产出效率的实质性改善。

代码质量滑坡：生成内容埋藏长期维护隐患

除预算超支外，越来越多证据指向一个深层问题：AI生成代码正带来持续性的维护压力。程序员兼作家詹姆斯·肖尔在其博客中警示：“你当前写代码快了一倍？别忘了，若维护成本未同步降低，你只是在透支未来。”新加坡管理大学2026年4月研究指出，AI生成代码可能显著增加项目的长期维护成本。代码审查平台Code Rabbit分析开源拉取请求后发现，AI代码引入缺陷的数量是人工编写代码的1.7倍。尽管该数据来自具商业关联的公司，但多个独立来源呈现相似趋势。

效率幻觉：感知速度与真实产出背道而驰

感知效率与实际效率的错位并非首次出现，但AI普及放大了这一矛盾。开发者对AI助手充满好感，感觉更顺畅、挫败感更低。但客观指标显示：错误率上升、代币开销膨胀，且维护成本随时间不断累积。可靠性工程初创公司Entelligence AI首席执行官艾斯瓦娅·桑卡尔在社交媒体上指出，企业高达44%的AI代币预算被用于修复由AI自身产生的错误。

破局之道：建立纪律化使用框架而非全盘依赖

应对策略因人而异。开发AI编程助手Devin的Cognition公司首席执行官斯科特·吴建议，应以更多AI来解决AI带来的问题。但他也承认，根据任务复杂度，Devin表现仅相当于初级至中级程序员水平，并非完全无需干预的自动化方案。

回归人性判断：人类仍需掌控核心设计权

新加坡管理大学研究团队倡导一种以人为本的方法：开发者必须清晰理解AI的适用边界。他们主张建立专为AI输出设计的质量保障体系，并将其视为初级开发者的成果进行严格人工审查。双方在此达成共识：软件架构、安全性等关键决策，仍须由人类主导。

结语：拥抱工具，但不可替代判断

当前编程行业处于转折点。开发者已深度嵌入AI流程，部分人甚至无法适应无辅助环境。然而，事实证明，这种依赖伴随着真实代价——预算失控、维护负担加重，以及效率感知与实际表现之间的鸿沟。未来方向并非抛弃AI，而是构建更规范的使用准则，明确何时、如何调用工具，并始终承认在软件工程中，人类的判断力仍是不可替代的核心要素。