为什么人类跟不上AI写的代码？从认知屈服到丰田流水线革命

程序员用 AI 写代码，代码行数直接暴涨了 24 倍。 但企业实际能交付上线的新功能，只涨了 30%。 那些多出来的海量代码，到底卡在哪了？

卡在审查上。

很多公司觉得这事很好解决： 找资深工程师把关，每段 AI 写的代码都让人看一遍不就行了？

Sonar 的首席执行官 Tariq Shaukat 在旧金山的 AI 工程师峰会上泼了冷水。 他说，在智能体时代，所谓的人在回路根本行不通。

为什么行不通？ 因为人脑会投降。

沃顿商学院在 2026 年 1 月做过一个测试，找来 1300 多人，观察人类面对 AI 给出的答案时怎么做选择。 AI 回答正确的时候，人类有 93% 的概率跟着选对。 这符合预期。

但反常的在后面。 当研究人员故意让 AI 给出完全错误的答案时，你猜结果如何？ 接近 80% 的人，依然跟着 AI 选了那个错误答案。 五次里面有四次，直接闭着眼睛通过。 更匪夷所思的是，这群通过了错误答案的人，对自己判断的信心反而高出了 11.7%。 研究团队把这种心理现象叫做认知屈服。

放在代码审查里，这个现象每天都在上演。 AI 生成的代码排版整齐，变量名起得挑不出毛病，注释写得比真人还详尽。 让一个工程师每天盯着几千行这样密密麻麻的代码看，不出半小时，大脑就会进入疲劳状态。 看起来像那么回事，人就会顺手点下批准。 原本用来兜底的人工审查，转头成了橡胶图章。

那有人会想：人会看花眼，让另一个 AI 去审查 AI 行不行？ 所谓大模型当裁判。 很遗憾，更靠不住。

贝宝（PayPal）的人工智能实验室测过这个方案。 把一模一样的代码和提示词，重复发给同一个大模型。 在 7% 到 17% 的测试里，同一个大模型前后给出的裁决是截然相反的。 Meta 做了另一个测试，在大模型做出判断后，只追问了一句： “你确定吗？” 大模型当场改口的比例，达到了 7% 到 34%。 一个连自己的判断都稳不住的裁判，根本没有能力给生产环境把关。

除了审查失灵，还有更致命的复合错误。 如果一个智能体每一步操作的准确率是 95%，听起来是不是相当高了？ 但写一个稍有规模的模块，通常需要走 20 个连续步骤。 95% 连续乘以 20 次，最终的成功率只剩下 36%。 开头错了一小步，后面就会沿着歪路一路狂奔。 在只有 1 万行代码的小项目里，智能体还能维持 91% 的准确度。 一旦代码规模涨到 5 万行，准确率就出现断崖式下跌；同一个任务消耗的计算量，差距可以拉大到 30 倍。

这件事情在人类工业史上发生过一次。 上世纪 80 年代，欧美汽车厂也是这么干的。 流水线只管追求产量，车门缝隙忽大忽小，零件装不牢也照样往下送。 出了问题怎么修？ 在生产线最后面养一大群维修工，一辆一辆返工敲打。

直到 1989 年，丰田推出雷克萨斯的时候拍了一条轰动行业的广告。 一颗钢珠顺着车门和引擎盖之间的接缝，极其丝滑地从头滚到了尾。 严丝合缝，没有丝毫晃动。 丰田彻底重构了流水线的逻辑： 车间里的任何人发现异常都可以拉下停线绳，绝不把有毛病的部件推给下一个工位。 质量必须在制造的第一时间锁死，绝不留到最后返工。

后来软件工程学到的敏捷开发、持续集成、自动化测试，底子全来自这套工业经验。 但现在的生成式 AI，直接把这套流水线冲得七零八落。 上游以 24 倍的速度疯狂制造代码，下游的质检工位彻底瘫痪。

代码现在成了极其便宜的耗材。 但确定代码能不能上线的那份底气，反而成了最稀缺的资产。

靠人眼去看几万行代码不现实。 靠另一个大模型去猜，也只是在用概率检查概率。 要让软件流水线重新运转，靠的是确定的逻辑工具。 在智能体敲下每一行代码的同时，用静态分析、语法树解析和编译器等确定性规则，实时卡住漏洞和逻辑暗坑。 该用确定算法的地方卡死，该用模型发散的地方发散。 流水线只有在每一步都能拿到确凿的证据，人类工程师才敢合上电脑去睡觉。

当代码变得越来越便宜，真正值钱的，永远是敢把代码送上生产环境的那份底气。