币圈界报道：

开发者已无法脱离AI工作，但代价正浮出水面

至2026年，编程界形成一种普遍共识：没有人工智能辅助，开发者将拒绝参与任何开发任务。知名人工智能安全研究机构METR在复现2025年关于AI对编码效率影响的研究时遭遇重大阻力——无人愿意加入不使用AI的对照组，反映出从业者对技术依赖已达到心理阈值。

实验困局揭示认知鸿沟

METR在2025年原始研究中曾提出反常识结论：尽管开发者普遍认为AI提升了工作效率，但因需反复修正错误、引导模型运行及等待响应，整体耗时反而增加。当该团队试图以更先进模型重复实验时，招募失败成为常态。研究人员坦言，即便仅要求短期无AI工作，参与者仍坚决抵制。

“代币最大化”趋势下的系统性风险

将AI调用次数作为生产力衡量标准的做法——即“代币最大化”——在2026年初迅速蔓延。然而，其副作用日益明显。据《金融时报》披露，亚马逊因员工滥用内部代理系统导致成本暴增而关闭了代币排名平台Kirorank。优步在四个月内便耗尽全年预算，其首席运营官安德鲁·麦克唐纳公开承认，这笔支出未带来项目数量或交付效率的实质性改善。

隐藏的维护成本正在侵蚀成果

除了财务超支，长期隐患同样严峻。程序员兼作家詹姆斯·肖尔在其广受传播的博客中警示：“你当前写代码速度翻倍？别忘了，若维护成本未同步下降，你其实是在透支未来。” 新加坡管理大学2026年4月发布研究指出，AI生成代码可能带来显著的长期维护压力。代码审查平台Code Rabbit的分析显示，此类代码引入缺陷的概率是人工编写的1.7倍。尽管该数据出自具商业关联的机构，但多个独立渠道呈现相似趋势。

感知高效与现实脱节的深层矛盾

效率感知与客观表现之间的偏差并非首次出现，但AI普及使其被放大。开发者对智能助手充满好感，感觉更顺畅、挫败感更低。然而，真实指标却指向另一图景：更高的错误率、飙升的代币开销，以及随时间累积的技术债务。可靠性工程初创公司Entelligence AI的首席执行官艾斯瓦娅·桑卡尔在社交媒体上强调，企业高达44%的AI代币支出用于修复自身生成的漏洞。

应对路径：纪律化使用与人类主导权回归

解决之道尚未统一。开发AI编程助手Devin的Cognition公司创始人斯科特·吴主张“用更多AI来解决AI问题”，但他也承认，目前Devin的表现仅相当于初级至中级开发者水平，并非全自动化替代方案。

新加坡管理大学研究团队则提倡以人为本策略：开发者必须深入理解AI的能力边界，建立针对AI输出的专项质量保障流程，将其视作初级开发人员的产出进行严格审查。双方共识在于：软件架构设计、安全机制等关键决策，必须由人类保留最终控制权。

转折点上的清醒判断

编程领域正处于关键拐点。开发者已将AI深度嵌入工作流，甚至难以想象无辅助环境。但事实证明，这种依赖伴随着真实代价：预算失控、维护负担加剧，以及主观效率与客观成果间的裂痕。未来未必是抛弃AI，而是建立更清晰的使用规范，接受一个基本现实——在软件工程中，没有任何工具能完全取代人类的判断力与责任担当。