一個“沒學(xué)歷”的人戳破「AI神話」：“沒有10x工程師，大多數(shù)人只想朝九晚五、用AI摸魚”

作者 | JP Caparas 編譯 | 鄭麗媛

出品 | CSDN（ID：CSDNnews）

前段時間，一條關(guān)于 AI 的推文沖上了將近百萬的瀏覽量。

沒有煽情，沒有段子，只有六條冷冰冰的 Bullet Point（項(xiàng)目符號）。

發(fā)帖人是Dax Raad—— 一個自學(xué)成才的開發(fā)者，開源圈“高產(chǎn)到離譜”的構(gòu)建者，也是那個能讓你通過 SSH 在終端里下單買咖啡的極客老板。他沒有進(jìn)行情緒宣泄，只是針對“AI 正在對軟件團(tuán)隊(duì)做什么”這個問題，給出了一份冷靜到近乎冷酷的“診斷報(bào)告”：

• 你的公司本來就沒那么多好點(diǎn)子，過去“實(shí)現(xiàn)想法成本高”反而是件好事。

• 大部分員工根本沒有超強(qiáng)動力，他們只想朝九晚五，然后回家過自己的生活。

• 他們用 AI 不是為了讓效率提升 10 倍，只是為了用更少精力把任務(wù)糊弄完。

• 團(tuán)隊(duì)里那 2 個真正在做事的人，會被所有人產(chǎn)出的 AI 垃圾代碼淹沒，很快就會離職。

• 哪怕你產(chǎn)出再快，還是會被會被流程、審批和上線真實(shí)產(chǎn)品的一堆現(xiàn)實(shí)問題卡脖子。

• 你的 CFO 一臉懵：為什么每個工程師每月要多花 2000 美元在 LLM 賬單上？

赤裸裸的真相，像一顆已經(jīng)拔掉保險(xiǎn)栓的手雷。不出所料，評論區(qū)徹底分裂：一邊是“終于有人說真話了”，另一邊是感覺“被精準(zhǔn)點(diǎn)名攻擊”。

但真正值得注意的是：這些話，并非只是情緒宣泄。他說的幾乎每一條，都能在學(xué)術(shù)論文或產(chǎn)業(yè)級數(shù)據(jù)中找到對應(yīng)證據(jù)。接下來，我們就把這條推文拆開，逐條對照。

一個“沒學(xué)歷”的人，為什么有資格說這話？

如果你不在 JavaScript / TypeScript 生態(tài)，可能對 Dax 不熟，但你大概率用過他做的東西，或者用過基于他工具構(gòu)建的產(chǎn)品。

Dax Raad是一個非常標(biāo)準(zhǔn)的自學(xué)開發(fā)者：12、13 歲開始寫游戲，沒有計(jì)算機(jī)科學(xué)學(xué)位、也沒有什么名校光環(huán)，高中自學(xué) Web 開發(fā)，然后一路“持續(xù)產(chǎn)出”。

他與 Jay Fan、Frank Wang 共同創(chuàng)辦了SST（Serverless Stack），一個構(gòu)建 AWS 全棧應(yīng)用的開源框架，在 GitHub 上拿下 2.5 萬+ Star，并完成約 400 萬美元融資，其投資人包括：

• Nat Friedman（前GitHub CEO）

• Guillermo Rauch（Vercel 創(chuàng)始人）

• Sahil Lavingia（DOGE 創(chuàng)始人）

• Amjad Masad（Replit 聯(lián)合創(chuàng)始人兼 CEO）

后來，他又推出了OpenCode（一個開源 AI Coding Agent），GitHub Star 一度沖到 10 萬級，成為增長最快的開源 AI 編碼項(xiàng)目之一；還做了 OpenAuth、自托管認(rèn)證系統(tǒng)、終端 TUI 庫。

然后，他又搞了一個更離譜的項(xiàng)目：terminal.shop——一個通過 SSH 購買咖啡的網(wǎng)站，上線當(dāng)天就沖到 Hacker News 第一名，代碼全開源。

但他的 Twitter 簡介里只字未提這些，TikTok 簡介也只是：“你好，我是 Dax，聊點(diǎn)技術(shù)。”好幾檔 YouTube 訪談都評價他 “人非常有趣、好相處”，開發(fā)者社區(qū)對他的評價也是：“chill”（佛系、好說話）。

這個人，完全有資格發(fā)這條推文——為什么？因?yàn)樗钦娴脑谧鰱|西、發(fā)版本、親眼看著 AI 注入研發(fā)流程后到底發(fā)生了什么。當(dāng) AI 真正進(jìn)入開發(fā)流程，他是第一批被正面沖擊、也是第一批觀察到副作用的人。

“公司很少有好想法，實(shí)現(xiàn)成本高反而是好事”

這是最讓很多人破防的一點(diǎn)，卻也是研究支撐最扎實(shí)的一點(diǎn)。

2019 年，研究者 Acar、Tarakci 和 van Knippenberg 在《管理期刊》發(fā)表了對 145 項(xiàng)實(shí)證研究的元分析，主題是約束與創(chuàng)造力的關(guān)系。結(jié)論：兩者呈倒 U 型曲線。適度約束帶來最佳創(chuàng)造力，約束太少或太多都會扼殺創(chuàng)新。

《哈佛商業(yè)評論》總結(jié)得很直白：

個人、團(tuán)隊(duì)和組織，都能從適量的約束中受益。只有當(dāng)約束過高時，才會壓制創(chuàng)造力與創(chuàng)新。

以前做一個功能如果要兩周研發(fā)時間，你會認(rèn)真思考：它值不值得做。這種摩擦不是 bug，而是一種過濾器。

Mehta 和 Zhu 在 2016 年《消費(fèi)者研究期刊》發(fā)表的論文中表示：哪怕只是想到資源稀缺，都不用真的稀缺，就能減少認(rèn)知固著，提升創(chuàng)造力。畢竟稀缺會激活一種思維模式，逼你更深地探索，而富足只會讓人變懶。

如果你是工程師，讀到這里大概率會點(diǎn)頭：我們其實(shí)都有些懷念那種“折騰”的感覺。Jessica Abel 創(chuàng)造了一個詞叫idea debt（想法債），能精準(zhǔn)描述這種狀態(tài)：花在幻想東西有多酷的時間，遠(yuǎn)多于把它做好的苦功夫。

可當(dāng) AI 令實(shí)現(xiàn)成本幾乎為零，想法債就會爆炸式增長——東西老是做一半，沒人能把它都做到完美。

例如，GitClear 2025 年對 2.11 億行代碼變更（來自 Google、Microsoft、Meta 倉庫）的分析顯示：代碼重構(gòu)（優(yōu)化現(xiàn)有代碼，而不是只寫新代碼）的比例，從 2021 年的 25% 暴跌到 2024 年的不足 10%。

我們寫得更多，但改得更少了。Tailwind CSS 作者 Adam Wathan 對《Pragmatic Engineer》說的話，無意中印證了 Dax 的觀點(diǎn)：

我現(xiàn)在最大的問題是：想不出非常有價值的想法，能完全利用 AI 帶來的效率提升。

約束已經(jīng)從「我們能不能做出來？」變成了「我們應(yīng)不應(yīng)該做？」——而絕大多數(shù)公司，根本沒有能力回答第二個問題。

“大部分員工只想朝九晚五，沒動力拼命”接下來這句話更現(xiàn)實(shí)：“大多數(shù)員工只想朝九晚五。”

根據(jù)蓋勒普《2025 全球職場狀態(tài)報(bào)告》顯示：全球只有21%的員工算得上是敬業(yè)的，62% 都不敬業(yè)、能摸魚就摸魚，還有 17% 更是極度不敬業(yè)，幾乎是跟公司對著干。

也就是說，全球 79% 的打工人都在摸魚底線和消極怠工之間徘徊。不過，這不是啥新鮮事，幾十年來一直都這樣，2024 年的數(shù)據(jù)比 2023 年還降了 2 個百分點(diǎn)，跌幅堪比疫情期間。

光看美國，2024 年員工敬業(yè)度就跌到了 31%，創(chuàng) 10 年新低。蓋勒普把這個時期稱為：“大脫離時代”。那現(xiàn)在，我們把 AI 工具扔進(jìn)去：一個本來就不敬業(yè)的員工，拿到一個能省力交差的工具，他會做什么？ 答案很顯然：用更少力氣，交差不多的差。他們不會變成 10 倍工程師，只是變成看起來忙兩倍、實(shí)際速度慢一半的普通工程師。 安永 2025 年《工作重塑調(diào)查》顯示：88% 的員工在工作中用 AI，但其中只有5%在用高級能力，剩下的 83% 只在做基礎(chǔ)搜索和總結(jié)——這就像用 F1 賽車去超市買菜。

諾貝爾經(jīng)濟(jì)學(xué)獎得主 Herbert Simon 把這種行為稱為“滿意即可（satisficing）”——人類天生傾向于選擇 “夠用就行” 的方案，而不是最優(yōu)解。而 AI 讓“夠用就行”變得極易達(dá)到，導(dǎo)致大多數(shù)人就直接停在這里，背后邏輯很簡單：質(zhì)量不變、精力更少、準(zhǔn)點(diǎn)下班。

“大家用 AI 不是為了變強(qiáng)，是為了省力劃水”

2025 年 7 月，非營利研究機(jī)構(gòu)METR做了一項(xiàng)隨機(jī)對照試驗(yàn)，讓 16 名資深開源開發(fā)者處理 246 個真實(shí)問題。

結(jié)果顯示：用 AI 的開發(fā)者，比不用的慢了 19%。

更讓技術(shù)管理者頭皮發(fā)麻的是：

• 實(shí)驗(yàn)前：開發(fā)者認(rèn)為 AI 能讓自己快 24%

• 實(shí)驗(yàn)后：明明變慢了，他們還是覺得自己快了 20%——認(rèn)知偏差高達(dá) 43 個百分點(diǎn)。

咨詢公司 Substantial 的開發(fā)者 Mike Judge 獨(dú)立復(fù)現(xiàn)了這個結(jié)論：為期 6 周的自我實(shí)驗(yàn)，拋硬幣決定是否用 AI，并嚴(yán)格計(jì)時：結(jié)果AI 讓他的任務(wù)耗時中位數(shù)增加 21%。

他說的一句話值得裱起來：“你只記得那些一把成的高光時刻，卻忘了自己像在老虎機(jī)上塞代幣一樣，干坐兩小時調(diào)提示詞。”

不僅如此，2023 年《Science》上 Noy 和 Zhang 的研究也指出：

ChatGPT 在很大程度上只是替代了員工的努力，而不是補(bǔ)充員工的技能。

高能力開發(fā)者能保持質(zhì)量、稍微提速，然后把省下來的時間摸魚；而低能力開發(fā)者質(zhì)量提升，是因?yàn)?AI 替他們思考。

這兩組人都沒有最大化產(chǎn)出，都處于“滿意即可”的狀態(tài)。

最致命的數(shù)據(jù)來自 Humlum & Vestergaard 2025 年 NBER 工作論文。他們用丹麥大規(guī)模勞動力數(shù)據(jù)研究了 11 個受 AI 影響的崗位，發(fā)現(xiàn)：AI 聊天機(jī)器人對收入、工時、職業(yè)流動影響“幾乎可以忽略”——員工只是把省下來的時間用來休息、摸魚，而不是提升產(chǎn)出。

“團(tuán)隊(duì)里那兩個真正干活的人，會被垃圾代碼淹沒，很快離職”

“Slop”一詞被韋氏詞典評為2025 年度詞匯。這個詞最早是 4chan 上的黑話，在 2024 年中被程序員 Simon Willison 推廣到主流語境，大概意思是：“通常由 AI 批量生成的、低質(zhì)量的數(shù)字內(nèi)容”。

韋氏詞典指出，這個詞的語氣“不那么恐怖，更多是嘲諷”——挺貼切的，畢竟現(xiàn)在的代碼質(zhì)量數(shù)據(jù)，確實(shí)值得被狠狠嘲諷。

據(jù)了解，CodeRabbit 分析了 470 個 PR 后發(fā)現(xiàn)：AI 輔助 PR 的問題數(shù)量是人工編寫的1.7 倍；邏輯正確性問題增多了1.75 倍；安全漏洞也多出了1.57 倍——至于AI 唯一占優(yōu)的維度，只有拼寫檢查。

另一篇 2025 年發(fā)表在 arXiv、經(jīng)過同行評審的 Cursor AI 研究也顯示：雖然第一個月代碼新增行數(shù)暴漲3～5 倍，但靜態(tài)分析警告增加30%，代碼復(fù)雜度上升41%。到了兩個月后，所謂的效率提升完全消失，堆積的技術(shù)債務(wù)開始拖垮整個項(xiàng)目。

Faros AI 對 1255 個團(tuán)隊(duì)、超過 1 萬名開發(fā)者進(jìn)行了數(shù)據(jù)分析，結(jié)果也堪稱毀滅性：

• 單個開發(fā)者用 AI 完成的任務(wù)量+21%

• 但代碼評審時間+91%

• PR 體積+154%

• 線上 Bug+9%

一句話總結(jié)就是：任務(wù)變多了，Bug 變多了，收拾爛攤子的人評審時間翻倍了。

《哈佛商業(yè)評論》與斯坦福 BetterUp 實(shí)驗(yàn)室為此創(chuàng)造了一個詞：workslop，指這種低質(zhì)量 AI 生成內(nèi)容，平均每處理一次就要耗費(fèi)近兩小時。他們估算：對一家 1 萬人規(guī)模的公司來說，每年會因此損失約900 萬美元。

再說回 Dax 所說的“團(tuán)隊(duì)里那兩個真正干活的人”。

HBR 在 2024 年 10 月報(bào)道：高績效員工的生產(chǎn)力通常是普通員工的 4 倍，在軟件開發(fā)領(lǐng)域甚至能達(dá)到8 倍；凱洛格管理學(xué)院的研究發(fā)現(xiàn)：坐在低績效員工旁邊，生產(chǎn)力會直接被拉低30%；Workday《2025 全球勞動力報(bào)告》顯示：所有行業(yè)的高績效人才流失率都在上升，零售業(yè)同比暴漲64%；倫敦政治經(jīng)濟(jì)學(xué)院 LSE 商業(yè)評論記錄了這種連鎖反應(yīng)：一個高手走，會帶動更多高手一起走。

你手下最優(yōu)秀的人不是瞎子。他們看得見滿屏的 slop 垃圾代碼，看得見評審隊(duì)列暴增三倍，看得見初級開發(fā)者扔過來的 AI 代碼，評審比自己重寫還慢——所以，他們默默更新了 LinkedIn 資料。

在行業(yè)里摸爬滾打 35 年的老兵 Kin Lane 說得很直白：

在我 35 年科技生涯里，從沒見過這么短時間內(nèi)，造出這么多技術(shù)債。

“哪怕你產(chǎn)出再快，還是會被會被流程、審批和上線問題卡死”

這就是阿姆達(dá)爾定律（Amdahl’s Law），從 1967 年就擺在我們面前。阿姆達(dá)爾定律的核心是：優(yōu)化系統(tǒng)某一部分帶來的整體加速，將受限于這部分原本占總時間的比例。

微軟研究院 2025 年的“Time Warp”研究，對 484 名開發(fā)者做了時間統(tǒng)計(jì)：寫代碼只占 11% 的時間 —— 所以，哪怕 AI 把寫代碼做到光速，理論上整體效率提升上限也只有 11%。

而且，這是天花板，不是地板，也不是平均值，就是 AI 寫代碼快到極限，你也只能摸到這個頂。

2026 年 1 月，Rob Bowley 一篇詳盡的歷史分析總結(jié)道：編碼從來都不是軟件交付的核心瓶頸，最近不是，過去十年不是，在整個軟件工程歷史上都不是。

Atlassian 在《2025 開發(fā)者體驗(yàn)報(bào)告》列出了 Top 6 的“時間殺手”：查找信息、學(xué)習(xí)新技術(shù)、上下文切換、方向不清晰、協(xié)作內(nèi)耗、技術(shù)債務(wù)——你發(fā)現(xiàn)少了什么嗎？根本沒有“代碼寫太慢”這一點(diǎn)。

業(yè)界最權(quán)威的 DORA 2024 報(bào)告（覆蓋 3.9 萬 + 專業(yè)人士）也顯示：AI 普及后，交付吞吐量反而下降約 1.5%，穩(wěn)定性下降 7.2%。該報(bào)告中進(jìn)一步指出：

• 17% 的團(tuán)隊(duì)被流程卡死：冗長會議、層層審批扼殺效率

• 11% 的團(tuán)隊(duì)困在歷史遺留系統(tǒng)里不停救火

LinearB 也對 400 多個團(tuán)隊(duì)進(jìn)行了分析：67% 開發(fā)者用 AI 寫代碼，但合并審批仍有77% 靠人，安全評審 AI 使用率僅15%，線上問題調(diào)試 AI 使用率僅12%。

瓶頸已經(jīng)從AI 能加速的地方，轉(zhuǎn)移到了AI 完全碰不到的所有地方 ——開發(fā)者需要的不是 AI 幫寫代碼，而是別再讓他們陷在無窮無盡的隊(duì)列里。

“CFO：為什么每人每月要多花 2000 美元的 LLM 費(fèi)用？”

GitHub Copilot Enterprise 每月 39 美元 / 人，100 人團(tuán)隊(duì)一年就是46800 美元。再加上 Cursor 20 美元、AI 代碼評審、AI 測試、Claude/GPT API、Microsoft 365 Copilot 30 美元……

LinearB 數(shù)據(jù)顯示，現(xiàn)在團(tuán)隊(duì)平均使用4.7 個 AI 工具。對一個配置齊全的研發(fā)團(tuán)隊(duì)來說：每人每月 2000 美元 AI 成本，一點(diǎn)不夸張，甚至還有點(diǎn)保守了。

而 Dax 這句話之所以扎心，是因?yàn)?CFO 真的在問這個問題。Emburse/Talker Research 對 1500 位財(cái)務(wù)與 IT 負(fù)責(zé)人調(diào)查：

• 58% 認(rèn)為 AI 采購比其他軟件更容易獲批

• 62% 承認(rèn)會特意把普通軟件包裝成 AI 項(xiàng)目，只為拿到預(yù)算

在此背景下，AI 成了“2025 年預(yù)算綠色通道”——但問題來了：回報(bào)呢？

BCG 2025 年 CFO 調(diào)研顯示：AI 投資中位數(shù) ROI 只有 10%，近 1/3 財(cái)務(wù)負(fù)責(zé)人認(rèn)為幾乎沒收益。Gartner 更是直接把 2026 年定義為 AI 的“幻滅低谷期”：大家將從狂熱，轉(zhuǎn)向要可衡量的回報(bào)。

MIT 媒體實(shí)驗(yàn)室報(bào)告：95% 的企業(yè)看不到可衡量的 AI 投資回報(bào)。Gartner 曾預(yù)測 2025 年底 30% 生成式 AI 項(xiàng)目會被放棄，而實(shí)際放棄率高達(dá)42%。

IDC 預(yù)測：到 2028 年，所有全球百強(qiáng)企業(yè)，僅在 AI 治理工具上，每年至少花 200 萬美元。注意，不是花在 AI 本身，而是花在“管理 AI 的軟件”上。

最終結(jié)論：這不是反 AI，而是反幻覺

Dax 的那條推特，本質(zhì)上是一份診斷書。每一條觀點(diǎn)，都對應(yīng)著：同行評審學(xué)術(shù)研究、大規(guī)模行業(yè)數(shù)據(jù)，或兩者兼具。

• 約束與創(chuàng)造力的悖論，來自 145 項(xiàng)研究的元分析

• 員工敬業(yè)度數(shù)據(jù)，來自蓋洛普幾十年全球樣本

• “省力劃水”模式，由諾貝爾獎理論 + 隨機(jī)對照實(shí)驗(yàn)雙重驗(yàn)證

• 代碼質(zhì)量下滑，基于 2.11 億行代碼審計(jì)

• 流程瓶頸，從 1975 年就寫在軟件工程教科書里

• CFO 的焦慮，出現(xiàn)在 BCG、Gartner、Emburse 每一份企業(yè)報(bào)告中

而 Dax 想說的，并不是AI 沒用，而是：AI 只是工具，工具只會放大原有系統(tǒng)的狀態(tài)。

把電鋸交給有序運(yùn)作的伐木隊(duì)，效率會飛升；但把電鋸丟進(jìn)一群本來就協(xié)作混亂、大部分人摸魚、代碼寫不明白、還要過十幾層審批的組織里，結(jié)果就是 Dax 描述的樣子：代碼更多、質(zhì)量更爛、評審人員精疲力盡、頂尖人才流失、CFO 血壓飆升，所有人還被工具忽悠著，以為自己變快了。

至于 Dax 的這條推文被瘋狂轉(zhuǎn)發(fā)和關(guān)注，或許本身就是一種認(rèn)同：“我的圈子必須看到這個。”

原文鏈接：https://medium.com/reading-sh/dax-raad-just-dropped-the-most-honest-take-on-ai-productivity-fd8c552b4dd7

未來沒有前后端，只有 AI Agent 工程師。

這場十倍速的變革已至，你的下一步在哪？

4 月 17-18 日，由 CSDN 與奇點(diǎn)智能研究院聯(lián)合主辦「2026 奇點(diǎn)智能技術(shù)大會」將在上海隆重召開，大會聚焦 Agent 系統(tǒng)、世界模型、AI 原生研發(fā)等 12 大前沿專題，為你繪制通往未來的認(rèn)知地圖。

成為時代的見證者，更要成為時代的先行者。

奇點(diǎn)智能技術(shù)大會上海站，我們不見不散！