IT之家 4 月 19 日消息，几十年来，软件工程师们一直在争论生产力衡量指标，最早就是从代码行数开始的。但随着新一代 AI 编程助手生成的代码量远超以往，管理者究竟应该衡量什么，反而变得不那么清晰了。
IT之家注意到，庞大的词元（Token）额度 —— 本质上就是开发者被授权使用的 AI 算力总量，已经成了硅谷开发者之间的荣誉勋章。但 Techcrunch 称，用这种方式衡量生产力实在很奇怪。如果你更关心产出，却去衡量流程中的投入，这基本没什么意义。除非你是想鼓励更多人使用 AI（或是销售 Token），否则对提升效率毫无帮助。
我们可以看看一批新兴的「开发者生产力分析」公司给出的证据。他们发现，使用 Claude Code、Cursor、Codex 这类工具的开发者，被采纳的代码量比过去多得多。但同时，工程师后续需要返工修改这些已采纳代码的频率也大幅上升，这直接削弱了所谓「生产力提升」的说法。
Waydev 首席执行官兼创始人亚历克斯・西尔切伊正在搭建一套智能分析层，用来追踪这些变化；他的公司服务着 50 家客户，旗下软件工程师总数超过 1 万人。
他表示，工程管理者看到的代码采纳率通常在 80% 到 90% 之间 —— 也就是开发者认可并保留的 AI 生成代码比例。但他们忽略了后续几周内工程师不得不反复修改代码带来的代码流失，这会让 AI 代码的实际有效采纳率降至 10% 到 30%。
AI 编程工具的兴起，让成立于 2017 年、专注于开发者数据分析的 Waydev 在过去半年彻底重构了平台，以应对快速编码工具的普及。如今，该公司推出了新工具，能够追踪 AI 助手生成的元数据，对代码质量与成本进行分析，帮助工程管理者更清晰地了解 AI 的应用情况与实际效果。
尽管数据分析公司天然有动力强调自己发现的问题，但越来越多的证据表明，大型企业仍在摸索如何高效使用 AI 工具。不少巨头已经注意到这一点，Atlassian 去年以 10 亿美元收购了另一家工程智能初创公司 DX，帮助其客户评估编程助手的投资回报率。
整个行业的数据都指向同一个结论：写出来的代码变多了，但真正能留存下来的比例却低得不成比例。
同领域的另一家公司 GitClear 在 1 月发布报告称，AI 工具确实提升了生产力，但其数据同时显示：经常使用 AI 的开发者，代码修改率是非 AI 用户的 9.4 倍，这一数字远超工具带来的两倍生产力提升。
工程分析平台 Faros AI 基于两年客户数据，发布了 2026 年 3 月的报告。结论是：在 AI 高使用率场景下，代码变更率（即删除代码行数与新增代码行数之比）上升了 861%。
自称 AI 集成工程智能平台的 Jellyfish，在 2026 年第一季度收集了 7548 名工程师的数据。研究发现，Token 额度最高的工程师提交的合并请求（对共享代码库的修改提议）最多，但生产力提升并未与成本成正比：吞吐量提升了 2 倍，Token 成本却增加了 10 倍。换句话说，这些工具带来的只是数量，而非价值。
这类数据和开发者的实际感受完全吻合。尽管他们享受着新工具带来的便捷，但代码审查与技术债务也在不断堆积。一个普遍现象是资深工程师与初级工程师的差异：后者采纳的 AI 生成代码多得多，随之而来的是需要重写的代码量也更大。
即便如此，开发者们一边努力搞清楚 AI 助手到底在做什么，一边也并不打算很快放弃这些工具。
“这是软件开发的新时代，你必须适应，企业也被迫去适应。”西尔切伊表示，“这不会是一阵风潮，很快就过去。”
宜人配资提示：文章来自网络，不代表本站观点。
