程序员拒绝在没有人工智能的情况下工作——这可能会给他们带来负面影响
一句话看懂：研究人员发现，到了2026年，大多数开发者已经不愿意在无AI辅助的情况下工作，甚至拒绝参加相关研究。然而，多个证据显示AI代码生成速度虽快，却带来了更高的维护成本、更多的Bug以及失控的开支，这种“AI依赖”可能反噬程序员自身。
事件核心：发生了什么
2026年2月，知名AI研究机构METR本想重复2025年的一项实验——比较开发者手动与使用AI完成任务的效率。结果却发现，开发者“不愿意在没有人工智能的情况下工作”，连参与实验都不肯。于是METR不得不在5月转向一项自我报告的问卷调查，结果显示技术人员认为自己因AI变得高效两倍。然而同期爆出的一系列负面事件却让这种乐观显得可疑：亚马逊因员工通过AI代理刷分导致成本飙升而关闭了内部“Token排行榜”Kirorank；Uber在2026年前四个月就用光了全年AI预算，且COO承认花销并没有带来可衡量的项目或生产力提升。
为什么重要
这件事揭示了AI编程领域一个关键矛盾：自评的效率提升与客观指标之间存在巨大差异。程序员把AI工具当成了“免死金牌”，但独立研究（如新加坡管理大学）以及代码审查公司CodeRabbit的数据均显示，AI生成的代码引入的问题比人工代码多1.7倍，且公司花在修复AI自身Bug上的Token占比高达44%。业界权威James Shore更在博客中警告：“写代码快两倍，如果维护成本没有减半，你反而会陷入‘永久性债务’。”这种依赖若不加以约束，长期将导致软件质量恶化、成本失控，并让开发者的技能进一步退化。
对用户/开发者/创作者的影响
对于一线开发者：务必认清AI工具“高效但不可靠”的属性。把AI当作一位需要反复检查的初级程序员，而不是放手不管的“全自动外挂”。对于企业技术负责人：不能将“Token使用量”或“代码行数”作为衡量开发效率的指标，否则会重蹈亚马逊和Uber的覆辙。对于C端用户：你使用的软件底层可能包含越来越多未经充分审查的AI生成代码，这意味着稳定性、安全性和长期维护成本都可能上升。整个行业需要建立一套适用于AI的质检体系，并把软件架构、安全设计等“大局”工作牢牢掌握在人类手中。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，AI编程代理（如Cognition的Devin）是否能真正独立解决自己产生的Bug？目前创始人承认其能力仅介于初级与中级开发者之间，这一“闭环”能否跑通将决定AI辅助编程的商业模式。第二，更多企业是否会效仿亚马逊叫停Token竞赛？如果“Token化”估值泡沫破裂，可能会倒逼AI工具厂商从“堆量”转向“提质”。第三，监管与审计层面是否会出台针对AI生成代码的质量标准？新加坡管理大学的研究已在学术界引发讨论，政策落地或将在2-3年内影响开源项目准入和软件合规要求。
来源：TechCrunch
