本文指出随着AI模型在代码生成基准测试中取得高分,Coding环节已趋近被解决,但研发整体效率并未同步提升,瓶颈已转移至编码之外的环境与验证环节。作者通过类比电气化革命中从“电力轴传动”到“单元驱动”的转变,批判了当前将AI简单嵌入原有固定工作流(Spec驱动)的做法,认为这限制了AI的自主性且收益线性递减。文章主张转向“环境与验证驱动”,即停止在提示词编排等易被模型迭代抵消的领域过度投入,转而致力于将企业内部构建、部署、测试、监控等研发系统改造为AI可调用的工具和环境,使AI能自主获取反馈并独立运转。这种围绕自有环境资产的投入能与模型能力形成乘法效应,从而持续放大AI带来的生产力红利。
Coding 正在被解决
最近观察到一个现象:多数同学做 AI Coding 研发提效的第一反应,是把现有的研发流程 workflow 化,让 AI 在每个节点上提效。这条路有现实价值,但我认为它不是 AI Coding 的最终形态。写这篇文章的目的是表达我对 AI Coding 的理解与判断,欢迎拍砖。
过去一年多的时间里,SOTA 模型把 HumanEval、LiveCodeBench、SWE-bench Verified 等 coding benchmark 相继刷爆,即使是更复杂的 SWE-bench Pro 和 Terminal-Bench 2.1,也已经冲到了 80% 上下。
主流模型 coding benchmark 成绩(2026 年 7 月快照,各来源口径不一,仅供参考):
不管看官方技术报告还是独立测试,头部厂商的成绩都已经冲上了高分段,分数差距已经小于口径差距。Claude Code 的作者 Boris 说"Coding 已经被解决",单看 benchmark,这句话基本成立。我们内部的数据也在印证同一件事:团队的 AI 生码占比正在快速提升。
那为什么效率没有同步上涨
既然模型的 Coding 能力突飞猛进,我们的研发效率跟上来了吗?至少目前看,答案是没有。举个我自己的例子:一个 C 端用户动线改造需求终端改码加本地验证,1 个小时就能搞定;但要让它在线上生效,涉及多个内部平台的关联发布,又恰好遇上 618 封网——这个需求从编码完成到真正上线,实际用了 3 周。
按我们团队内部的粗略统计,生码在整个研发链路里只占 20%~30%,甚至可能更少。阿姆达尔定律告诉我们,把一个占三成的环节压缩到接近零,整条链路的提升上限也只有三成。随着 Coding 被解决得越彻底,Coding 之外的部分称为新的瓶颈。
阿姆达尔定律(Amdahl's Law)是计算机科学中用于评估系统优化或并行计算效果的核心法则。它指出:系统整体的性能提升受限于程序中无法被优化的串行部分。即使将某一部分的执行速度提升至无限快,整体性能提升依然存在上限。
另外还有两个常被提到的原因:一是大模型基于公开语料训练,天然缺少我们的业务领域知识;二是 benchmark 分数高,不等于生产环境下可以直接把活干好。这两点都成立,但请注意——它们和上面的案例指向同一个方向:瓶颈不在 Coding,而在 Coding 之外的其他环节。
诊断:可验证的反馈——AI 的能力边界
为什么偏偏是 coding 被最先解决?表面的答案是它有海量公开代码、公开 issue、公开评测;更深一层的规律是:AI 总是优先解决那些反馈公开、验证可以规模化的问题。 coding 和数学最先被突破,不是因为它们简单,而是因为它们是少有的"对错机器自己就能判"的领域——编译是否通过、测试是否通过,跑一下就知道。而企业级生产环境里:答案藏在内部的各个研发系统里,没有公开反馈,验证一次的成本还很高。
这个规律的背后告诉我们:既然 AI 的边界是由"可验证的反馈"确定的,我们要做的是主动把内部的研发工作流改造成"有反馈、可验证"的环境。
1992 年,Jack Reeves 在《Code as Design》里提出过一个判断:源代码才是软件真正的设计,文档只是设计过程中的摘要,天然会丢信息。这个判断在 AI 时代有了新的读法:生成代码会快到近乎免费,但把模糊的业务意图变成完整、精确、能跑起来的表达,并且验证它真的符合预期。
Coding 正在被解决,恰恰意味着"让 AI 更会写代码"不再是我们的主战场。我们的主战场在验证与环境。
历史的快照——电力替换蒸汽机
类比科技革命的历史,在电气化时代,每家工厂的第一步都是拿发电机换下蒸汽机、传动轴布局原样保留。这种方式容易立项、见效快,也让团队积累了跟电力协作的手感。
19世纪末的工厂…