AI 写代码越来越快，但软件并没有因此变多。Ars Technica 报道的一项研究给出了一个反直觉的结论：编码效率的提升，被人类审查这个瓶颈“吸收”了。
发生了什么
研究关注的是 AI 编程代理（coding agents）在实际开发流程中的表现。结论可以概括为一句话：代理确实生成了更多代码，但最终交付的软件并没有等比例增加。原因不在于模型写得不好，而在于下游环节——人类需要阅读、理解、验证并决定是否合并这些代码——没有同步提速。多出来的代码量，最终转化成了审查队列里的积压。
为什么重要
过去两年，衡量 AI 编程能力的指标几乎都集中在“生成侧”：补全准确率、基准测试通过率、单次任务完成度。这些指标隐含了一个假设——写代码是软件开发的主要成本。但真实工程流程里，写只是其中一环，后面还有审查、测试、集成、部署和长期维护。
当生成侧的成本被大幅压低，原本被掩盖的环节就会浮出水面成为新瓶颈。这不是 AI 失效，而是约束条件发生了转移。类似的现象在制造业、翻译、设计等领域都出现过：某个环节自动化之后，整体吞吐量受限于最慢的那一环，而不是最快的。
这也解释了为什么不少团队引入 AI 编程工具后，主观感受是“写得更快了”，但版本发布节奏、需求交付量并没有明显变化。
影响与看点
对开发者而言，短期内的实际变化可能不是“少写代码”，而是“多读代码”。审查 AI 生成的代码需要不同的技能：判断它是否理解了上下文、是否引入了隐性假设、是否在边界条件下失效。这类判断比从头写更依赖经验，也更难被工具替代。
对工具厂商来说，这是一个明确的产品信号。只优化生成速度的边际收益正在递减，真正有空间的方向是审查侧：变更摘要、影响面分析、自动化验证、把大块 diff 拆成可独立判断的小单元。谁能压缩“人理解代码”的时间，谁才真正提升了端到端效率。
对团队管理者，值得警惕的是把 AI 产出直接等同于产能。如果审查能力没有同步扩容，盲目提高生成量只会制造更多未消化的变更，反而增加风险。
一个独立判断：AI 编程的下一阶段竞争，大概率不在“写得多好”，而在“让人审得多快”。生成侧的领先优势正在被拉平，审查与验证环节才是尚未被认真解决的瓶颈。
