【AI 杂谈】AI让写代码快了10倍，软件交付为什么没跟上？
AI让写代码快了10倍，软件交付为什么没跟上？
一场关于"编码"和"工程"的对话，两边的观测都对，但说的根本不是同一件事。
观点A：写代码正在变成无门槛技能
先看一组事实。
字节跳动旗下的AI编程工具TRAE，最近做了一次产品定位的大转向。2026年6月，TRAE SOLO正式更名为TRAE Work，过去它的目标用户是"开发者"，界面设计、功能逻辑、交互语言全是开发者的语境。现在它把身份换成了"全员AI办公"，把写代码这件事摆到了和写文档、做表格同一个层级。
这个转向背后是一个很朴素的信号：他们发现非技术人员用AI写脚本、搭工具、做自动化的需求比想象中大得多。
有一个故事正在圈子里流传。某家公司的一位非技术背景高管，用AI工具从零搭了一个内部管理系统。从有想法到第一版上线，两天。据描述，他的原话是"我以前完全不会写代码，但现在我只需要把需求说清楚，AI帮我搞定剩下的"。
与此同时，API网关APISIX的创始人温铭做了一个实验。作为资深工程师，他用AI从零构建了一个新的AI网关AISIX，用Rust实现。结论是：AI已经达到甚至超过一个资深工程师的编码能力。AI能理解老系统的逻辑，能生成新语言的等价实现，甚至能处理一些边界情况。
这三个信号叠加在一起，指向同一个方向：编码正从专业技能降级为基础设施。就像三十年前打字是一种职业，十年前做PPT需要专门的设计师，现在这些技能的价值归零了。写代码似乎也在走同一条路。
这么说也没错。如果让AI写一个登录页面、一个数据看板、一个内部工具的成本已经低到"说出需求即可"，那代码产量会爆炸式增长。更多人能创造软件，软件创造的供给曲线从稀缺滑向了充裕。
技术民主化的终点，是工具消失在使用者的知觉里。
到这里，观点A的逻辑是完整的。证据也够多。但问题是，这些证据讲的都是"能不能写出来"。软件工程的另一半故事，它们一个字都没提。
观点B：但软件从来不等于代码
GitLab 6月发了份AI Accountability Report，数据挺有意思。他们在大规模推广AI编码工具后，78%的开发者编码速度显著提升，73%认为代码质量提高了。但79%的受访者同意：一个项目从需求提出到最终交付上线的整体时间，没有同步加速。GitLab把这个现象叫"AI Paradox"。
关键就在这个"没有同步加速"上。
代码写得更快了，整体交付没变快。这意味着什么？意味着编码从来不是软件工程中最耗时的环节。需求澄清、方案讨论、代码评审、集成测试、监控部署、线上排查，这些才是吞噬时间的东西。AI加速了最薄的那一层，而最厚的那些层纹丝不动。85%的受访者同意，瓶颈已经从写代码转移到了评审和验证代码。
回到刚才那位48小时上线产品的高管。故事的后半段不太好看。系统上线一个月，云服务费用烧掉了预算的三倍。用户反馈了大量Bug，改完一个冒出三个。数据模型设计有根本性缺陷，修修补补根本兜不住。最后他招了三个开发，把整个系统推翻重来。
不是AI写的代码跑不动。是没有人判断过它"应该怎么跑"。
温铭总结的经验也指向同一个方向。他用AI深度参与开发之后总结了几点教训：AI能完成How，但Why层面的架构判断、技术权衡和设计决策还是得人来；代码审查跟不上AI的产出速度，需要用独立的AI Agent做评审；一个人每天要做四五十个技术决策，精力管理的挑战远超编码本身。他最终得出的结论是：“AI的能力早就溢出了，跟不上的是人。”
代码是最容易的部分。判断力才是。
这听着刺耳。过去二十年，软件行业几乎所有的组织逻辑都建立在"编码是稀缺技能"这个假设上。招聘看算法题，晋升看代码量，绩效看交付速度。当AI把编码的边际成本打到接近零的时候，这套系统突然失去了支点。
观点B不是在否定观点A。它是在说，观点A只讲了故事的前半段。你能写出来，和你能交付出去，中间隔着一条鸿沟。
碰撞：两边都没错，但说的不是同一件事
现在两边的论据都摆出来了，张力也出来了。
民主化派说的是"创作门槛"。他们的证据链指向同一个现象：AI让"从零到一"这件事变得极度廉价。任何人只要有想法，就能让计算机产生行为。这是一个巨大的突破，尤其对非技术人员来说。
现实主义者说的是"交付链路"。他们的证据链指向另一个现象：当产出速度骤增，"从一到一百"的压力同步放大，甚至比原来更严重。代码量越大，Bug越多；系统越复杂，监控越难；产出越快，债务积累越快。
两边都没错。但两边说的不是同一件事。
这个张力有一个很好的切片。行业内在讨论一个趋势：前后端分工在消失。美团最近完成了前端与后端团队的正式合并，蚂蚁网商推动测试岗位整体转向研发。AI让一个人可以同时写前端和后端代码，传统的职能边界模糊了。这件事的民主化派解读是"技能壁垒被打破"，现实主义者解读是"当’会写’不再是稀缺品，'知道该写什么’成了唯一壁垒"。
同一个事实，两种完全不同的含义。
再看市场在发生的事。一边是微软55岁资深程序员被提供9个月薪资补偿的买断方案，在社交网络上引发共情。另一边是一位开发者在GitHub上做出了2.9万Star的CLI工具turboshell，项目爆火后被公司裁员，但随即被多家硅谷公司CEO公开争取。
两个人的处境不同，但指向同一个信号：市场在重新定价的不是"能不能写"，而是"知不知道该写什么"。
这不是技术判断。是在重新定义价值。
回到问题，不回答
说回那位48小时上线产品的高管。他后来招了三个开发把系统整个重写了一遍。不是因为AI写的代码质量太差。是因为整个系统没有一个连贯的架构思路，没有一个对业务逻辑的深层理解，没有人在一开始问过：这个系统未来三个月会变成什么样？用户真正需要的是什么？哪些边界条件必须从第一天就考虑？
人对"应该怎么做"的判断才是不可压缩的成本。
这不只是软件工程的问题。当编码不再稀缺，每个人都需要回答一个更难的问题：除了写代码，你到底还能提供什么？你是那个知道该建什么的人，还是那个只是建得很快的人？
GitLab的数据不会回答你。温铭的经验也不会。它们只是在告诉你，风已经转向了。至于你要不要调帆，那是你自己的事。
这个问题断在这里就够了。市场会给不同选择的人不同的定价。