Uber CTO最近说了句大实话。

他们原定2026年全年的AI预算，4个月就烧光了。不是小打小闹，是$34亿的预算，被Claude Code吃干抹净。

95%的工程师每个月都在用AI编程工具。70%的提交代码是AI生成的。每周有1800个AI生成的代码变更进入生产环境。

这是AI编程工具落地的最直接证据。但与此同时，另一个数据让人笑不出来：

71%的程序员正在经历持续6个月以上的职业倦怠。

这两个数字放在一起，问题就来了——AI不是应该让程序员更轻松吗？

效率神话的另一面

Uber不是个案。

Meta上周宣布将在5月20日裁员8000人，占员工总数的10%。这是他们2022年以来最大规模的裁员。

但这次不一样。

Meta去年营收2010亿美元，净利润600亿，创下历史最佳。财务状况好得不能再好。

所以这不是节流，是开源——把省下来的人力成本，全部砸进AI基础设施。他们计划今年投入1150亿到1350亿美元买芯片、建数据中心。

扎克伯格的原话是：过去需要庞大团队完成的任务，现在一名顶尖人才加AI工具就能实现。

他们给工程师定的目标是：75%的代码要由AI生成。

工程师每周的有效编码时间，被压缩到不足10小时。产出效率提升80%。

换句话说，一个人能干以前五个人的活。

那多出来的四个人呢？

一个被忽视的代价

Stanford和MIT在2025年底做了个研究，追踪600个开发者6个月的使用数据。

结果很反直觉。

使用AI编程工具后：

  • 52%的开发者花在无聊任务上的时间减少了
  • 34%的开发者感觉更有创造力了
  • 但同时，47%的开发者工作时间反而变长了
  • 61%的开发者报告了更严重的冒名顶替综合症
  • 38%的开发者经历了更严重的决策疲劳

为什么？

因为AI只是把写代码这件事变快了，但它没有减少确认代码的时间。

一个用了半年Cursor的国内程序员在博客里写得很直接：

AI生成代码 = 30秒
人工确认代码 = 30分钟

你得确认它写的对不对、有没有bug、有没有安全漏洞、性能过不过得了。

AI写代码是快，但你确认的时候精神必须高度集中。看起来像那么回事的代码，往往有各种奇怪的边界情况没处理。

不仔细看，很可能就是一个线上bug。

他的工作模式变成了：AI写 → 我看 → 我改 → 我再改 → 好了。

一天下来，代码产出是以前的3倍，但比写代码的时候还累。

一种新的工作模式

不只是代码确认的问题。

当你用AI写代码变快了，团队对你的期待也在变。

你之前一天产出500行，现在怎么只有300行？

期待在通胀。你产出更快了，但产出压力也水涨船高。

Uber建立内部排行榜，鼓励工程师最大限度利用AI。这种tokenmaxing文化让95%的工程师每月都在用AI工具，效果很好——好到$34亿预算4个月烧光。

但这也创造了一种压力：谁不用AI，谁在排行榜上就落后。

Berkeley的研究者把它叫做注意力版的Jevons悖论。

1865年，Jevons发现煤炭效率提高了，但煤炭消耗量反而增加了。因为更便宜，所以用得更多。

AI对注意力的作用是一样的。

当写一个报告从2小时变成20分钟，你不会多出100分钟休息。你会写5份报告。

当代码审查时间减半，你会承担两倍的代码量。

当研究变得即时，每个半成形的想法都变成了值得做的项目。

那些你曾经讨厌的、重复性的任务，其实是 mental rest periods——精神休息时间。AI把休息时间全干掉了。

矛盾的信号

有意思的是，关于AI到底有没有提升生产力，信号非常混乱。

一方面，企业在疯狂烧钱。

Uber的$34亿R&D预算被Claude Code吃光。Meta的$1150亿基础设施计划。Anthropic企业版每个开发者每月$150到$2000的实际成本。

另一方面，大量CEO在接受Fortune调查时承认，AI对就业和生产力没有影响。

这两件事同时成立。

这说明什么？

要么AI的价值被严重高估了。要么AI的价值还没有找到正确的衡量方式。

Uber CTO说他们正在测试OpenAI的Codex，准备扩展AI技术栈。Meta在用省下的人力成本建更大的数据中心。

他们在押注未来的产出。

但现在的代价是真实存在的：71%的程序员倦怠，47%的开发者工作时间变长，61%的冒名顶替综合症。

一个反直觉的乐观

芝加哥大学经济学家Alex Imas提出了一个有意思的视角。

他观察到，随着AI让商品生产变得 commoditize，人类交互的价值反而在提升。

一个例子：星巴克。技术早就可以完全用机器替代咖啡师了。但他们逆转了自动化，招聘了更多咖啡师。因为人类细节对顾客更有价值。

参照1900年，40%的美国人在农业工作，现在只有2%。经济没有崩溃，只是转型了。

Imas把它叫做关系经济——护士、教师、治疗师、儿童护理、个人厨师，这些需要人与人交互的工作，价值会持续提升。

还有一个人类溢价的证据：人们对AI参与创作的产品，支付意愿显著降低。

因为AI产品被认为可以无限复制，破坏了稀缺性。

但他同时指出，这种乐观情景依赖一个关键变量：转型速度。

如果AI自动化快于工人再培训，需求崩溃的风险依然存在。

我们在什么位置

如果你是个程序员，或者你在科技公司工作，你现在大概正处于一个尴尬的中间地带。

AI工具已经足够好用，足够强大，你离不开它了。

但你的工作压力没有减轻，可能反而加重了。

你的代码产出变多了，但你对代码的理解可能变浅了。

你用AI解决问题的能力在提升，但你独立解决问题的能力可能在退化。

Anthropic自己的研究就发现，使用AI辅助解决任务的开发者，在测试中对相关知识点的掌握，比不用AI的对照组低17%。

最大的差距出现在代码调试相关的题目上。

初级开发者如果过度依赖AI，可能不仅不会自己写代码了，连理解和修改自己生成的代码都会变得困难。

这不是在危言耸听。

这是技术正在发生的事。

留给个人选择的窗口

Meta裁员8000人，这周开始。

Uber的$34亿预算已经花完了。

2026年到现在，全球科技业已经有超过7.3万人被裁，其中48%直接归因于AI。

但这不是在告诉你AI有多可怕。

这是在告诉你，AI改变工作的速度，可能比它提升工作体验的速度更快。

对于还在写代码的人来说，现在有一个窗口：

不要只是用AI写更多的代码。

用AI来保护你的时间，保护你的精力，保护你对技术的理解。

AI写测试用例，那多出来的时间去学点新东西。

AI帮你处理重复性的PR，那周六就真的休息一天。

AI让你的代码产出翻倍，那工作量翻倍的部分，留给AI去卷。

你不是在和AI竞争产出。

你是在和所有用AI的人竞争精力。

谁先把精力耗尽，谁就先出局。

你觉得AI编程工具让你更累了，还是更轻松了？

欢迎聊聊你的真实体验。