AI 编程智能体产出更多代码，却没能产出更多软件：代码审查成了新瓶颈

当 AI 编程助手能以惊人的速度吐出一段段功能完整的代码时，很多人乐观地以为软件开发要「起飞」了。但一项覆盖数百家企业真实开发流程的研究却泼了一盆冷水：代码是变多了，可真正交付的软件，几乎没怎么增加。

一分钟速览

• 一项针对数百家企业实际编码实践的研究发现，人工代码审查成了 AI 编程工具效率的「瓶颈」；
• 研究称「几乎没有证据表明企业因此增加了软件产出或减少了用工」；
• 编码环节的效率提升，被下游的生产流程约束「吸收」掉了；
• 代码审查时间显著变长，Pull Request 更频繁地需要返工，评审者留下更多意见；
• 结论指向一个被忽略的事实：AI 提效的「最后一公里」卡在了人的环节。

数量上去了，质量没跟上

接触过编程的人都知道，现代 AI 编程助手和智能体在「生成大量可用代码」这件事上效率惊人。但真正用过这些工具的程序员也心知肚明：这些代码的可信度，还远没到可以闭眼交付的程度。于是，大量人力被重新投向了「审查 AI 生成代码」这个环节。

这项研究最核心的发现是：人类代码审查构成了 AI 编程工具整体效率的「瓶颈」。作者指出，编码阶段的任何效率提升，都会被生产流程的下游约束「吸收」——代码审查环节的时长显著增加，Pull Request 被要求返工的概率更高，评审者留下的意见也更多。

提效的错觉

这意味着一个颇为反直觉的结论：AI 让「写代码」变快了，但「做软件」并没有变快。软件交付是一条流水线，AI 加速的只是其中一段，而人类审查这道工序，成了新的卡点。用研究的话说，就是「几乎没有证据表明企业增加了软件产出或减少了用工」。

这一发现与不少企业的真实体感吻合：早期「AI 将取代大量程序员」的论调正在退潮，取而代之的是更冷静的判断——AI 改变的更多是「代码怎么被写出来」，而不是「软件怎么被做出来」。审查、测试、集成、部署这些环节，依然牢牢掌握在人手里，而且负担可能反而更重了。

瓶颈背后是机会

换个角度看，瓶颈本身也意味着机会。既然问题出在「人工审查跟不上 AI 生成速度」，那么谁能把「审查」这件事本身也智能化——比如更可靠的自动化测试、更精准的代码质量门禁、更透明的 AI 生成可信度标注——谁就能真正吃到 AI 编程的完整红利。研究给出的警示再清楚不过：如果只盯着「生成代码的量」，却忽略了「交付软件的质」，AI 编程的红利，很可能被卡在审查这一关上悄然流失。对企业来说，真正该问的问题不是「AI 能写多快」，而是「人机协同的整条流水线，到底能跑多快」。