很多公司给程序员配上 AI 助手，原本指望开发速度翻倍、研发支出腰斩

很多公司给程序员配上 AI 助手，原本指望开发速度翻倍、研发支出腰斩。 结果 18 个月过去，账单却让所有技术主管后背发凉。 网络安全与代码审计机构 Checkmarx 和代码分析平台 GitClear 披露了一组冰冷的数据： AI 生成代码的系统维护成本，在 18 个月内暴涨了 300%。 代码重复率激增了 48%。 代表系统健康度的代码重构，断崖式暴跌了 60%。

写代码的速度明明变快了，为什么后期的维护账单反而贵了三倍？ 那些在键盘上省下来的工时，到底被什么东西吞噬了？

这台反噬生产力的机器，始于软件工程底层经济账本的彻底颠倒。 GitClear 首席执行官比尔·哈丁（Bill Harding）团队追踪了全球数以亿计的代码变更。 他们记录下了一个开发史上从未出现过的拐点： 程序员提交的代码库里，复制粘贴的行数，破天荒第一次超过了移动和重构的行数。 为什么会出现这种荒谬的局面？ 过去几十年，写新代码的成本很高。 一个工程师要在十几万行代码的系统里加一项功能，必须先花两个小时读懂现有的架构。 他得找出已经写好的通用模块，再小心翼翼修改几行。 这在工程上叫抽象，叫代码复用。 过程很慢，很耗费脑力，但它能保证整个软件系统只有一套清晰的骨架。

AI 的出现，把这个逻辑瞬间砸碎了。 读懂老系统的复杂上下文，依然需要花两个小时。 但让 AI 直接吐出五十行能跑的新代码，只需要两秒钟。 只要按下回车，一个貌似完美的功能块就直接生成在眼前。 最符合人性的选择随之发生。 工程师不再愿意钻进老代码里排查逻辑。 AI 不理解系统的全局架构，它只负责在这个局部的对话框里交差。 每遇到一个相似的需求，它就原地复制黏贴一套差不多的独立代码。 比尔·哈丁打过一个形象的比方： 你找工人来翻修厨房。 工人嫌排查老水管太麻烦，索性在后院给你新盖了一间厨房。 新厨房确实能开火做饭。 可下次要做另一道菜，他又在后院另外盖了一间。 一年半过去，后院密密麻麻挤满了十几个互不通水通电的违章建筑。

这让整个代码库迅速臃肿。 更致命的是，它直接拆掉了软件世界对抗崩塌的唯一刹车。 1974 年，计算机科学家曼尼·雷曼（Manny Lehman）提出了著名的软件演化第二定律：复杂度递增定律。 任何大型系统在演化过程中，内部的混乱度都会单调递增。 对抗系统崩塌的唯一手段，就是工程师持续投入精力去重构。 把重复的逻辑合并，把腐烂的代码切除。 但在 AI 工具的席卷下，全球代码库的重构断崖式暴跌了 60%。 这相当于一台高速冲下陡坡的重型卡车，被人狠狠踩下了油门，顺便把刹车皮全部卸掉了。

随之而来的，是一笔隐蔽的理解负债。 软件工程界几十年来有一条常识：敲键盘写代码只占工作量的两成，读懂和维护代码占了八成。 过去的代码是人脑一字一句推演出来的，边界条件和潜在缺陷，在编写时就已经被人类理解。 AI 带来的高产假象，本质上是一场代码层面的次级贷款。 它把本该在第一天支付的架构设计与理解成本，打包推迟到了未来的维护期。 在最初几个月，管理层的报表一片大好： 交付速度翻倍，任务按期关闭，所有人都在庆祝生产力奇迹。 真正的账单，在第 18 个月准时降临。

当系统出现隐蔽缺陷，或者业务逻辑需要全面调整，灾难爆发了。 当初按下生成键的人可能早已离职。 接盘的工程师面对眼前十几份相似却有细微差异的机器生成代码，没有人知道哪一份才是真实的逻辑基准。 修改一个变量，可能引发整座系统的连锁崩溃。 工程师不得不化身法医，在成千上万行陌生的机器代码里，逐行推测模型当年的幻觉。 原本改动两行就能解决的问题，如今要耗费整个团队数周的排查时间。 那笔当初省下来的思考时间，最终变成了高达 300% 的维护开销。

生产代码的边际成本趋于零，绝不等于软件维护变得便宜。 当工具让制造冗余的速度加快了一百倍，人类替机器清理废墟的代价，就会成倍透支未来。 借来的繁荣，总有交割的一天。 在代码的账本里，利息从来不会凭空消失。