谷歌工程师实锤：AI 已写超 75% 生产代码，但 88% 改动仍需人工把关
十月十五日，据 Daily AI Thread 援引谷歌工程师 Haydn Belfield 的说法：AI 现在写超过 75% 的谷歌生产代码。但紧接着的几个数字，把这个吓人的比例拆出了真相——DeepMind 内部测试下来，「AI 自身驱动的 AI 研究」并没有因此加速；约 88% 的代码改动仍需人工 oversight，完全交给 AI 自主完成的比例只从 7.5% 升到 11.9%。在谷歌内部 Argon agent 的 1389 次运行里，任务越复杂，无人工介入的成功率掉得越快；RE-Bench 上 Argon 大约能解决一半机器学习工程任务。 75% 这个数字为什么要冷静看？ 「AI 写了 75% 的生产代码」听起来像程序员要集体失业了，但拆开看完全是另一回事。这里的「写」绝大部分是：AI 起草、人修改、人审阅、人合并。真正「完全交给 AI、人不看就上线」的比例只有 11.9%，一年才涨了几个百分点。这说明 AI 已经成了写代码的主要笔，但还不是签字负责的那个人。把「AI 写了多少行」和「AI 能独立交付多少」混为一谈，是所有关于程序员失业讨论里最大的误会。 为什么任务越复杂 AI 越容易翻车？ Argon agent 那 1389 次运行的数据很说明问题：简单任务，AI 无人工介入成功率还行；任务一复杂，成功率就往下掉。原因不复杂——写一个函数、改一个样式，上下文是封闭的；但要在大型代码库里改一个跨十几个模块的功能，AI 要理解的不只是代码，还有业务边界、历史包袱、上下游接口。这些隐性知识恰恰是最难喂给模型的。所以现实是：AI 在把「明确的体力活」自动化得很好，但在「需要判断力的复杂工程」上，还远没到放手的程度。 那程序员到底该担心什么？ 真正值钱的不是敲键盘，而是审稿、指导、验证。当 AI 一天能写几百行代码，人类工程师的角色就从「写代码的人」变成「审查 AI 写得对不对的人」。这个转变对两种人影响完全不同：只会照着需求写实现、不会判断对错的初级程序员，最容易被压缩；而能定义问题、能评审方案、能兜住系统风险的高级工程师，反而因为 AI 产出量变多而更忙、更值钱。谷歌这组数字不是程序员末日，而是岗位结构在洗牌——未来团队里，写代码的人和审代码的人，比例会彻底反转。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。