AI 代码生成率已经突破 50%，甚至有团队达到 100%，但企业的整体研发效率并没有因此“飞起来”。问题出在哪里？一位在知乎上获得高赞的从业者直言：写代码这件事，在绝大多数项目的计划里，耗时本来就是零。
背景：为什么代码写快了，效率没涨
一个被行业内外普遍忽略的事实是：纯写代码的时间在项目总工时中占比通常不到 20%，能达到 30% 已经算是极端的“爆发型”项目，更多时候这个比例只有 10% 出头。与此同时，程序员的加班时长普遍在 20% 左右。两相对照可以得出一个结论：公司从来就没有为“写代码”单独留出工时——程序员是用免费加班时间完成编码的。AI 能把“写代码”的时间砍到接近零，但原本就是零的事情，优化得再好也不会让项目总时长缩短。
另一个更关键的瓶颈在于，软件研发的绝大部分时间花在“决定该写什么代码”上——需求探讨、方案对齐、跨组沟通、进度追踪。项目经理仍然习惯“盯人”，程序员写代码再快，也要等开会、等需求澄清、等人力协调。只要人和人之间的沟通不被自动化，效率瓶颈始终在人这一端。
质量与成本的连环挑战
即便团队强行推高 AI 代码生成率，第一关就是代码质量。AI 可能理解错需求、遗漏逻辑分支或偷懒生成表面正确的代码。要兜住质量，必须有人工 Code Review，但 Review 速度远低于生成速度，瓶颈立刻转移到审查环节。少数精英团队用“AI 审 AI”的 Harness Engineering 流水线来缓解，但第二关随之而来：项目管理方式不改变，AI 带来的提速就会被沟通成本消耗殆尽。
即便前两关全部打通，第三关是 Tokens 成本。全链条 AI 驱动意味着巨大的 Token 消耗，CTO 月末看到账单后只能要求“降本增效”——这又反过来限制了 AI 的使用深度。
从最终的结果来看，AI 代码生成并没有创造新的时间预算，它只是在原本不存在的写代码环节里做减法；真正制约研发效率的沟通、决策、质量保障环节，AI 至今未能有效突破。
编注：信源为知乎多位从业者回答，材料侧重研发流程与效率瓶颈，未涉及具体公司案例。