AI 工程生产力远超常态：从 20% 提升到 3 倍

我们现在身处一个应当对彼此抱有 3 倍期待的时代。

在过去六个月里，一个又一个数据点接踵而至：

• NVIDIA 报告称，在 30,000 名开发者中，提交的代码量增长了 3 倍，而 bug 率持平。¹
• Amplitude 每周生产环境的提交量增至三倍，如今一个 AI 智能体已是其代码库的前三大贡献者。²
• Anthropic 测算，自内部采用 Claude Code 以来，每位工程师编写的代码量增长了 2.5 倍，质量保持稳定。³
• Replit 在同一时期团队规模翻倍、每位工程师的产出增至三倍，而评审时间、回滚和事故均持平。⁴

上图将整个生态划分为三个不均衡的层级，每一层都由公司能捕获多少模型能力来界定。⁵

第一层是如今大多数公司所经历的状况。部署一个 AI IDE，其他什么都不改，结果只是小幅提升。

“工程负责人引入 AI 时预期获得 2-3 倍的生产力提升，但实际落点更接近 30%。”

— Augment Code⁶

Faros 对 22,000 名开发者的遥测数据证实了这一点：工程师完成史诗级任务的速度快了 66%，但每位开发者对应的 bug 数量增加了 54%。⁷ Google 的随机对照试验给出的数字是 21%，接近 GitHub 的 24%。⁸⁹ 这就是默认结果。

接下来是前沿梯队。这一梯队的公司围绕模型构建了 harness，编排在 GitHub、Linear 和 Slack 之间共享上下文的智能体；遇到需要判断的情况则上报给工程师处理。

“每位员工都会获得一个管理者智能体，它会以循环方式生成工作者智能体。我们的内部智能体在安全测试和事件分诊方面，以十分之一的成本超越了七位数价位的 SaaS 工具。”

— Amjad Masad，Replit，“The Self-Driving Company”⁴

人工 PR 审查时间下降了 30%。复杂支持处理时间下降了 60%。代码总贡献量上升了 5.8 倍。3 倍这个数字就出自这里。

第三类是软件工厂，这个名字在这里恰如其分。它们是机械化生产软件的 AI 机器。Cognition 的 Devin 能够端到端地重构单体代码库。Factory.ai 正在 NVIDIA、Adobe、Blackstone 和 EY 部署软件工厂。¹⁰

“Nubank 使用 Devin 进行大规模重构，实现了工程效率 8 倍的提升和成本 20 倍的降低。”

— Contrary Research，2026 年 1 月¹¹

Goldman Sachs 正在让 Devin 与 12,000 名人类开发者并肩试点，并公开估计智能体 AI 可以达到以往工具 3-4 倍的速率。¹²

AI 工程生产力提升已经到来。初步数据展示了可以期待什么：大多数团队应当从 20% 的生产力提升过渡到 3 倍的生产力提升，而它们并不寻常。

1. Cursor，“How NVIDIA uses Cursor”，2026 年 2 月。↩︎

2. Cursor，“Amplitude and Cursor cloud agents”，2026 年 4 月。↩︎

3. Boris Cherny，Claude Code 负责人，在 Big Technology 播客上，2026 年 7 月。↩︎

4. Amjad Masad，《自动驾驶公司》，2026 年 7 月 16 日。↩︎ ↩︎

5. 上方的分布仅作示意，并非统计结果。每个点都是来自已发表研究、RCT 或公司披露的已报告倍数。它并非取自某个抽样总体，且该曲线是对已报告结果模式所做的右偏对数正态拟合，而非对原始数据的拟合。请将其视为一种形态论证，而非估计量。↩︎

6. Augment Code 在 X 上，2026 年。↩︎

7. Faros，《2026 年 AI 工程报告》。↩︎

8. Google 内部随机对照试验，约 100 名工程师，2024 年。被 DORA 报告引用；汇总见 Value Add VC。↩︎

9. GitHub、Microsoft 与 Accenture 联合一家大型金融科技公司开展的研究，约 450 名开发者，2024 年。↩︎

10. Factory.ai，《Factory 2.0：从编码智能体到软件工厂》。↩︎

11. Contrary Research，《Cognition》，2026 年 1 月。↩︎

12. CNBC，《高盛正在试点其首个自主编程智能体，成为华尔街 AI 领域的重大里程碑》，2025 年 7 月。↩︎