AI 编程的临界点:当三家巨头同时宣布我们不写代码了

大家好,我是孟健。

昨天 24 小时内,三家公司同时说了同一句话:我们的代码,基本不是人写的了。

不是媒体炒作。不是 PR 包装。是 Nvidia、OpenAI、Cognition、Anthropic------四家站在 AI 最前沿的公司,几乎同一时间亮出了底牌。

这件事值得每个写代码的人停下来想一想。


发生了什么

先摆事实。

Nvidia:黄仁勋几个月前在内部喊出"stop coding",让 3 万名工程师全面换用 AI 编程工具。最新数据------代码产出量翻了 3 倍。不是 10%、20%的提升,是 3 倍。

OpenAI:内部团队交付了一个完整产品,每一行代码都是 AI Agent 生成的。工程师全程没写一行代码,只负责 Review 和监督。开发效率提升了 10 倍。

Cognition(做 Devin 的那家):联合创始人 Scott Wu 发了条推,说公司超过 90%的代码是 AI 写的。他的原话是:"你现在实际需要亲手敲的代码有多少?对我们来说,大概不到 10%。"

Anthropic:首席产品官 Mike Krieger 说得更直接------"Claude 在写 Claude。Claude 的产品和 Claude Code,完全由 Claude 自己写。"

四家公司,同一个结论:程序员的核心工作,正在从"写代码"变成"不写代码"。


这不是第一次有人喊"狼来了"

我知道你在想什么。

"AI 替代程序员"这话喊了三年了。2023 年 GitHub Copilot 发布的时候喊过一次。2024 年 Devin 出来的时候又喊了一次。2025 年 Claude Code 和 Codex 上线的时候再喊一次。

每次喊完,程序员还是该上班上班,该加班加班。

但这次不一样。

之前是模型公司说"我们能做到"------那是销售话术。

这次是用 AI 写代码的公司自己说"我们已经做到了"------这是生产实践。

Nvidia 不是 AI 编程工具公司,它是芯片公司。它给 3 万工程师换工具,不是为了 PR,是因为代码产出真的翻了 3 倍。当你的竞争对手用同样的人力做出 3 倍的产出,你不跟进就是在等死。

这个信号的含金量,跟"某 AI 公司发了个 Demo"完全不是一个量级。


为什么是现在

你可能好奇:AI 编程工具 2024 年就有了,为什么突然到了这个临界点?

答案是速度

就在昨天,OpenAI 发布了 GPT-5.3-Codex-Spark------一个跑在 Cerebras 晶圆级芯片上的编码模型。这是 OpenAI 第一次用非 Nvidia 的芯片部署生产级模型。

关键数字:每秒 1000+ token 的代码生成速度,比之前快 15 倍。

Cerebras 的芯片有多大?一整块硅晶圆,餐盘那么大,就是一个处理器。不是把几百个 GPU 堆在一起,是把一整个芯片做到极致。

15 倍速度意味着什么?

以前用 AI 写代码,你提交一个任务,泡杯咖啡等几分钟。现在是你话音刚落,代码就出来了。从"异步等结果"变成了"实时对话"。

这个体感差异是质变。

我自己每天用 Claude Code 做产品。之前等 AI 生成的时候我会切到别的窗口干别的事。现在?根本没时间切------它比我打字还快。

当 AI 写代码的速度快到人类来不及思考的时候,"人写代码"这件事本身就变成了瓶颈。

这就是为什么四家公司同时跨过了这个临界点。不是巧合,是速度到了。


我自己的体感

说说我的真实经历。

我在腾讯带过几十人的团队,在字节也做过前端技术 Leader。那时候团队产出的计算方式是:人头 × 工时 × 人效。想提高产出?加人、加班、优化流程。

2025 年 10 月辞职创业后,我开始全面用 AI 编程。

一个人,一个月,做了近 30 个出海小产品。

不是简单的静态页面。是有前端、有后端、有支付、有 SEO、有数据统计的完整产品。放在以前,这是一个 5-8 人的小团队干一个季度的量。

我不觉得 AI 替代了我。更准确地说,是 AI 把我从"写代码的人"变成了"做决策的人"

以前 80%的时间在写代码,20%在想产品。

现在反过来了------80%的时间在想产品方向、用户需求、商业模式,20%在 Review AI 写的代码。

这个转变,跟 Nvidia 那 3 万工程师的转变是一模一样的。


程序员要失业了吗?

这是每次 AI 编程话题下必然出现的问题。

我的判断是:不会失业,但工作内容会彻底改变。

上海交大最近发了一篇论文(ProjDevBench),测试 AI 从零构建完整软件项目的能力。结果通过率只有 27%------基础功能还行,但系统设计、性能优化、资源管理全崩。

这说明什么?

AI 已经能干 80%的活了。但剩下那 20%------架构决策、边界处理、性能调优、产品判断------恰恰是最值钱的 20%。

Scott Wu 说得好:"瓶颈不再是写代码本身,而是两件事------1)让人类更容易理解、规划和提问;2)让 AI 更容易获取任务的真实上下文。"

翻译成人话就是:未来的程序员不是代码机器,是 AI 的 项目经理 。

你的价值不再是一天能写多少行代码,而是你能不能把一个模糊的需求拆解成 AI 能理解的指令,能不能在 AI 写完之后判断"这个架构扛不扛得住",能不能在 AI 犯错的时候快速定位问题。

这些能力,恰恰是在大厂带过团队、做过大项目的人最擅长的。


如果你只做一件事

说了这么多,落到行动上,我建议你今天就做一件事:

把你最常做的一类开发任务,完整地交给 AI 做一次。

不是让它补两行代码。是给它一份需求描述,让它从零开始搞。前端、后端、数据库、部署,全交出去。

你会发现两件事:

  1. AI 能搞定的部分,比你预期的多得多。

  2. 搞不定的部分,恰恰暴露了你真正不可替代的价值。

Nvidia 的 3 万工程师已经这么干了。OpenAI 的团队已经这么干了。你还在等什么?


如果这篇对你有帮助,欢迎点赞、收藏、关注,你的支持是我持续输出的动力 ✨


我的其他平台账号和开源项目在个人主页中,欢迎交流 🤝

相关推荐
陌晨2 小时前
seedance 2.0,让创作者成为内容可控的导演,附免费体验教程
aigc
阿杰学AI3 小时前
AI核心知识100——大语言模型之 LM Arena(简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·aigc·模型评测·lm arena
玹外之音3 小时前
IDEA + Codex · 32ai 零魔法直连各模型
openai·ai编程
李同学Lino3 小时前
【保姆级教程】Claude Code 进阶指南:用 Everything Claude Code 打造更有“记忆”的 AI 程序员
ai编程
猫头虎3 小时前
【汉化中文版】OpenClaw(Clawdbot/Moltbot)第三方开源汉化中文发行版部署全指南:一键脚本/Docker/npm 三模式安装+Ubuntu 环境配置+中文汉化界面适配开源版
docker·npm·开源·aigc·ai编程·远程工作·openclaw
秒云4 小时前
MIAOYUN | 每周AI新鲜事儿 260212
人工智能·语言模型·aigc·ai编程
一条咸鱼_SaltyFish5 小时前
AI编程实战:从方法论到团队协作的完整路径
团队开发·ai编程·方法论
HUHA5 小时前
我一个后端,用AI做了个导航页,发现开发模式真的变了
ai编程
水木姚姚6 小时前
AI编程画马(含AI辅助创作)
人工智能·ai编程