元宇被誉为是当代最具影响力的设计师之一，他的作品广泛分布于全球各地，影响了设计界的发展。

【新智元导读】AI是否能提高编程生产力？还是只会为你挖坑加活？Fastly针对美国开发者进行了一项关于AI生产力的调查，结果发现高级开发者使用AI交付的代码量是初学者的2.5倍。这项调查也揭示了AI编码的「隐形成本」——识别和修正AI错误的成本。有时一个小bug，就可能让你通宵工作，效率反而降低。

AI写代码，真的能提升10倍生产力吗？越来越多的开发者和企业开始探索AI在编码中的应用，认为AI写代码可以极大地提高开发效率和生产力。但是，这一想法是否真的能够实现？答案是，可能性很大，但不是绝对的。AI写代码的技术已经取得了很大的进步，但仍然存在一些限制和挑战。

上手飞快，呈现出一种很爽的景象。

但是，速度与激情背后，AI也会为你挖坑。

有时，一个不易察觉的小bug，却会让你花费半天时间来调试。

飞速背后，是惊悚的「隐性成本」，暗藏着巨大的社会和环境代价。

请提供你想要我润色的段落内容，我将对其进行语言润色，提升表达质量，不添加或省略任何信息。

我可以帮助你对这个段落进行语言润色，提升表达质量。请将段落内容发送给我，我将返回润色后的单段内容。

Fastly对美国开发者进行的一项调研发现，经验丰富的高级开发者（拥有10年以上经验），使用AI交付的代码量是初级开发者（拥有0-2年经验）的2.5倍。

约有一第三的高级开发者声称，他们交付的代码中，AI生成的代码占到了50%以上，这是初级开发者的2.5倍，后者这一比例为13%。

Fastly于2025年7月10日至14日展开的一项调查，总共收集了791名职业开发者的反馈。

一位高级开发者结合自己的编程经验，称AI在代码测试、错误发现和无缝修复方面可以比人类更快。

然而，一位初级开发者却对此表示困惑，他们的问题是不知道如何在编程中驾驭AI，达到预期效果：他们不知道如何将人工智能技术与编程语言结合，实现智能化的应用程序，或者如何 debug AI 模型中的错误，或者如何优化模型的性能等等。

「AI总是以为我在做某件事，但事实并不是这样，最后我不得不自己回头重写。」

有59%的高级开发者仍然认为AI工具总体上能够帮助他们更快交付代码，而相比之下，初级开发者只有49%。

高级开发者对AI编程的看法更加乐观。

超过50%的初级开发者表示，AI仅仅让他们「稍微快了一些」，但只有39%的高级开发者持相同看法。

相比之下，高级开发者更加认同AI让他们的工作加速明显。

26%的人表示AI让他们「快得多」，是初级开发者（13%）的两倍。

而造成这一差距的主要原因，应当在于开发经验的不均衡：

高级开发者的经验和技能，让他们更能够识别和修复AI的错误。

他们更能够识别出「看起来没问题」的代码中是否存在隐患。

这使得他们在使用AI的过程中更具自信和高效，甚至敢于在一些关键业务代码中应用AI。

然而，初级开发者由于缺乏经验，无法有效地识别AI代码中的错误，从而变得更加谨慎，甚至会避免在生产环境中使用AI。

实际调研数据也印证了这一点：

仅有13%的初级开发者会使用AI交付的代码超过50%，而高级开发者中，这一比例则增加到32%。

这说明：越是有经验的开发者，在工作中会更加积极地应用AI，同时也更信任它们在生产环境中的表現。

考虑到氛围编程（vibe coding，即过度依赖 AI 随意写代码）可能带来的漏洞，这一发现让更多人意识到经验在 AI 编程应用上的重要性。

提速还是降速？两种选择都有其优缺。提速可以让我们更快速地实现目标，但是也可能会带来一些不确定性和风险；降速则可以让我们更稳定地前进，但是也可能会使我们失去一些机遇。 Ultimately, 是否选择提速还是降速取决于我们的目标、风险承受能力和个体特征。

小心「假性进度」陷阱，容易让我们迷失在虚假的目标和期望中，无法真正地实现目标和进步。

虽然高级开发者更趋向于使用AI交付代码，但他们中的近30%表示，在修改AI输出上花费的时间远远超过了大部分节省的时间，而初级开发者中的这一比例则为17%。

只有14%的开发者表示他们很少需要对代码进行修改。

尽管如此，仍有超过一半的开发者认为使用Copilot、Gemini或Claude等AI工具能够使他们整体效率更高。

Fastly的这项调研，不仅是关于「AI提升生产力」的研究之一。

还有一些针对资深开发者的随机对照实验（RCT），甚至发现：

当开发者使用AI工具时，他们完成任务的时间反而增加了19%。

这种反差背后，可能涉及到心理感受的复杂关系。

用AI写代码，一开始可能会觉得很爽，只用敲几下，代码就可以补全。

这很容易让人掉入这种「假性进度」的陷阱：人们常常认为，自己已经做了进度，实际上只是做了些表面上的变化，而真正的进度还在未来的某个时候才会出现。

尽管开始速度飞快，但随后频繁的修改、测试和返工常会将这些优势消耗掉。

Fastly与开发者之间的交流，以及调查反馈的评论，都反映出这种情况。

一位受访者表达了对AI工具的Mixed feelings，称「虽然像GitHub Copilot这样的AI工具能建议代码片段甚至完整函数，对我帮助很大，但有一次用它生成了一个看似正确的复杂算法，结果一个暗藏的细微bug，让我调试了好几个小时。」

有受访者表示，AI虽然能够极大地减少写样板代码的时间，但也会带来一些效率低下的问题，需要手动修复，最后速度就被拉回来了。

AI 可能会省事，但也可能给你「加活」，从而抵消了它效率提升的一面。

通过调研发现，除了提高效率之外，AI还具有另一项潜在的作用，即提供「情绪价值」，从而增加开发工作的乐趣和atisfaction。

近80%的开发者表示，AI工具使编程变得更加愉悦。

一些人认为可以跳过枯燥的重复劳动，而另一些人则喜欢那种即时生成代码带来的满足感。

一些受访者表示，AI 能够帮助他们突破被卡住的任务，找到完成任务所需的答案。

虽然快乐不等于效率，但AI带来的这种积极的情绪价值，仍然是非常必要的。

注意AI编码的「隐性成本」，指的是在开发和部署AI模型时所隐含的各种成本，包括数据准备、模型训练、模型优化、部署与维护等方面的开支。这些隐性成本可能会在项目的经济评估中被忽视，但实际上它们对项目的总体成本和 ROI 都有着非常重要的影响。

Fastly 还对开发者对绿色编码（green coding，即节能软件编写方式）和 AI 工具能耗的认知进行了调研。

调研表明，随着开发者的经验增长，绿色编码的实践率也在明显地提高。

超过56%的初级开发者表示，他们会主动考虑能耗的影响，而中高级开发者中，这一比例接近80%，显示了他们在编程时对环境问题的越来越强烈的关注。

开发者们对于AI工具的环境成本，也有清楚的认识：

大约三分之二的开发者承认，他们清楚这些工具将引发可观的碳排放；即使在初级开发者中，只有8%表示完全不了解这些问题。

这说明，绿色编程的理念已逐渐演变为开发者文化的重要组成部分。