资深工程师用AI每天只省1.25小时（约15%），初级工程师省2小时（25%）。——Bjorn Roche用一张时间分配表拆解了AI编程的"生产力幻觉"
前言：我们都被"10x"洗脑了
过去两年，AI编程工具的叙事一路狂飙：Cursor融了$1B、Claude Code每天百万次调用、GitHub Copilot号称提升了55%开发速度。硅谷VC和科技媒体齐声高呼：AI正在创造"10x工程师"。
但现实呢？
前Google/Spotify工程主管Bjorn Roche在7月12日发表了一篇名为《The AI Productivity Gap》的文章，用一张详细的时间分配表，拆解了一个"不太性感"的事实：即使AI让写代码快了3倍，资深工程师的整体效率也只提升了约15%。
这篇文章在Hacker News上引发了38 points、34条评论的热烈讨论——因为这戳中了一个被所有人刻意回避的问题。
核心数据：AI到底省了多少时间？
Roche构建了两个典型工作日时间表，分别估算AI前后的变化：
资深工程师的一天
| 任务类型 | AI前（小时） | AI后（小时） | 变化 |
|---|---|---|---|
| 写新代码 | 1.5 | 0.5 | -67% |
| 阅读和调试 | 1.5 | 1.0 | -33% |
| 架构设计 | 1.0 | 1.0 | 无变化 |
| 代码审查 | 0.75 | 0.75 | 无变化 |
| 文档/行政 | 0.75 | 0.75 | 无变化 |
| 测试/CI/CD/部署 | 0.5 | 0.75 | +50% |
| 指导/结对编程 | 0.5 | 0.5 | 无变化 |
| 会议 | 1.5 | 1.5 | 无变化 |
| 总计 | 8.0h | 6.75h | -15.6% |
即使假设AI让写代码快了3倍（一个非常乐观的估计），资深工程师每天只省了1.25小时。更扎心的是，测试/CI/CD/部署的时间反而增加了——因为AI产出了更多需要验证的代码。
初级工程师的一天
| 任务类型 | AI前（小时） | AI后（小时） | 变化 |
|---|---|---|---|
| 写新代码 | 2.75 | 1.0 | -64% |
| 阅读和调试 | 1.5 | 1.0 | -33% |
| 架构设计 | 0 | 0 | - |
| 代码审查 | 0.5 | 0.5 | 无变化 |
| 文档/行政 | 0.5 | 0.5 | 无变化 |
| 测试/CI/CD/部署 | 0.75 | 1.0 | +33% |
| 学习/结对编程 | 1.0 | 1.0 | 无变化 |
| 会议 | 1.0 | 1.0 | 无变化 |
| 总计 | 8.0h | 6h | -25% |
初级工程师省了2小时，效率提升25%。这比资深工程师的提升更大——因为初级工程师花在"写代码"上的时间比例更高，而"写代码"恰恰是AI帮助最大的环节。
反直觉的结论：AI让初级工程师受益最大
这里有一个讽刺的事实：许多科技公司高管从某个大会回来后说"AI已经能做初级工程师的活了，我们只招资深工程师"。
但Roche的数据恰恰证明：初级工程师从AI中获得的效率提升（25%）远高于资深工程师（15%）——因为初级工程师更多时间在写代码，而资深工程师的时间更多花在写代码之前（理解需求、架构决策）和之后（审查、部署、指导）。
HN上一位评论者@andrewmurphy补充了一个观点："VP去了一趟大会回来就说'AI能做junior的活了'，仿佛他们刚发现了火一样"——这种管理层的错觉，正在导致错误的招聘策略。
更值得注意的是：有时候AI反而让非编码工作变得更慢。
Roche写道："每当我要读一个由AI写的产品需求文档甚至是Linear工单时，花的时间比读人写的文档更长。AI的写作过于详细，提炼关键信息反而更难。"
HN社区的真实声音：从"10x"到"甚至变慢了"
这篇文章的评论区揭示了一个远比标题更复杂的图景：
观点1：AI代码审查耗时更多（高赞）
"AI代码的可信度更低，需要更多关注……而我们都知道AI会产出更多代码，所以审查时间只会更长。" —— HN用户（高赞评论）
这意味着代码审查时间在AI时代应该增加，而Roche的表格里"代码审查"一栏并未变化——这可能是一个低估。
观点2：AI是"力量倍增器"，但不总能用对
"AI是力量倍增器。它同时放大好决策和坏决策。我可以10x更快完成一些事情，但如果我偷懒或自满，它也会咬我10倍更狠。"
观点3：有些团队甚至变慢了
"基于个人观察，很多效率已经被不必要的重构、重写和'what-if'场景吞噬了——这些都是AI agent会挖掘出来的。"
这揭示了一个深层次问题：AI不仅加速了产出，也加速了"瞎折腾"——如果工程师没有清晰的方向感，AI只会让他们更快地跑向错误的方向。
观点4：不是所有任务都能被AI加速
"我和一个客户讨论大项目估算时，领导层的思维模型是'AI让一切变快X%'，但这非常错误。一些事情确实被加速到了几乎为零，但另一些事情几乎没有变化。"
另一个视角：AI是一辆赛车，不是自动驾驶
就在同一天（8月3日），软件工程师Ryan Southgate发表了一篇题为《AI is a Race Car, Not Autopilot》的博文，用赛车比喻精准地补充了Roche的量化分析：
"把刚拿到驾照的人塞进F1赛车，跟让初级工程师直接用AI编程工具是一样的——他们能开动，但不知道什么时候该刹车、什么时候该转弯。"
Southgate的核心观点：
1. 速度不等于价值："赛车在直道上快很厉害，但车手还要会刹车、转弯、读懂赛道、感知抓地力、保护轮胎——编写软件也一样。"
2. AI不懂目的地："赛车自己不会开到终点。AI也一样——它不知道业务真正要什么，有时候连员工都不知道该做什么。"
3. 需要边界："最优赛车线是理解接下来3-4个弯道的整体路径，不是只看当下这个弯——用AI也需要同样的全局视野。"
这解释了为什么Roche的表格里"架构设计"一栏在AI前后完全不变：AI可以帮你更快地到达错误的目的地，但它无法替代"知道去哪"的能力。
对你意味着什么：3个可操作的启示
1. 别再信"10x工程师"的神话
如果你是一个AI创业者或技术管理者，当有人告诉你"Ax工具能让你10倍高效"时，请问TA一个问题：你的工程师每天花几个小时真正在"写代码"？
根据Roche的数据，答案是：高级工程师约1.5小时，初级工程师约2.75小时。其他6-7个小时花在了AI无法加速的事情上——理解需求、架构讨论、代码审查、会议、部署运维。
即使你把写代码的速度提升100倍，总效率提升也只有18%（1.5h→0h）。
2. 重新思考招聘策略
不要因为"AI能写代码了"就只招资深工程师。数据表明：初级工程师+AI的组合，整体产出可能比纯资深团队更高——因为AI放大了初级工程师的代码产出，而资深工程师的时间被非编码任务占据了大部分。
3. 把AI用在"正确的环节"
与其让AI帮你写更多代码（然后花更多时间审查和测试），不如：
- 用AI做自动化测试生成——这是Roche表格里AI后反而耗时更多的环节
- 用AI做代码审查辅助——减少审查瓶颈
- 用AI做文档自动生成——让工程师少花时间在文档上
- 不要用AI写产品需求文档——那只会让读的人更累
总结
AI编程工具确实在改变软件开发的效率，但改变的方式远没有营销叙事那么戏剧化。资深工程师的真实效率提升在15-25%之间，而不是某些人宣称的5x或10x。
真正被低估的洞察来自HN的一条评论：
"AI压缩了个体工程师的实现时间，但架构决策、设计审查、集成、测试、部署和生产验证仍然是瓶颈。这些环节不会因为代码写得更快就消失。"
所以，如果你在用AI工具，不要只看写代码的速度。看看你的代码审查队列是不是更长了？你的测试覆盖率是不是下降了？你的架构文档是不是更新不上了？
真正的效率革命，不是让AI替你写更多代码，而是用AI来压缩那些非编码环节的时间——那个占据工程师每天6-7小时的"隐形工作"。