← 返回全部文章
AI / 工程 · 2026-07-06

软件的成本大头,从来不在写代码

14 min read

软件的成本大头,从来不在写代码

周五下午四点,一个入职刚三个月的新人,把一个 PR 甩进了群里。四千行代码,测试全绿,CI 一路放行,红点一个没有。你点开想扫一眼就批,滚到第八百行,手停住了:这些代码跑得起来,可全组没有一个人真读懂过它。你批,还是不批?

这个下午,正在全世界的工程团队里一遍遍重演。它背后压着一个几乎没人问出口的问题:AI 把写代码变快了这么多,它真的把”做软件”这件事变便宜了吗?

我的答案是,几乎没有。

软件的成本大头,从来不在写代码

大多数人对软件的直觉是一条等式:软件工程 ≈ 写代码,写得越快越省钱。这条等式是后面所有误会的根,而它是错的。

写代码只是把一个想清楚的结构落成实现,它从来不是最难、最贵的那一环。真正贵的是三件事:系统要跑很多年,今天图省事埋下的隐患,几年后连本带利爆出来,这是技术债;几十个人同时改一个系统,你的改动不能撞坏别人的依赖,这是协作和接口;需求随时在变,系统得能改而不塌,这是可演进性。写代码,不过是你在这三重约束下顺手留下的产物;钱花在别处。

四十年前 Fred Brooks 在《没有银弹》里把这件事分成两半。一半叫本质复杂度:想清楚这个系统该是什么样,有哪些模块、边界在哪、状态怎么流转,这是在脑子里构造那个复杂结构。另一半叫偶然复杂度:把这个结构翻译成代码。他给了一个到今天还成立的判断:软件史上几乎所有效率大跃进,都来自把偶然复杂度这类翻译工作变轻松;可除非它占了总工作量的九成以上,否则就算把它压到零,整体也快不了一个数量级[No Silver Bullet]。

换句话说,你雇一个团队做系统,大头从来不是敲代码的工时,是想清楚要什么、把它设计对、验证它没错的成本。把敲代码的速度翻十倍,总成本降不了几个点,因为它本来就是最便宜的一环。记住这个坐标系,后面一切都挂在上面。

AI 恰好只擅长最不值钱的那部分

AI 极强的地方,是照着一个想清楚的结构把代码写出来:查语法、拼样板、写接口、搭脚手架。用 Brooks 的划分看,这些全是偶然复杂度,AI 把它的成本压到接近零。可这恰恰是权重最低的一半。于是一个看着矛盾、其实必然的结果出现了:AI 让写代码快了很多是真的,软件工程总成本没怎么降也是真的。它省下的,正是最不值钱的那笔钱。

这不是空谈。一篇扫了 67 个来源的系统综述给这现象起了名字,叫”生产力-可靠性悖论”:在边界清楚的小任务上,个人效率确实涨了 20% 到 56%;可最严谨的随机对照实验里,资深工程师在成熟老项目上反而慢了 19%;而一份万人级遥测更值得注意,合并的代码量涨了 98%,评审时间跟着涨了 91%,可组织真正上线交付的东西是平的[The Productivity-Reliability Paradox]。产出翻倍,评审翻倍,人人都忙,上线的东西没变多。省下的生产时间一分不剩,全被”确认这堆代码是对的”收走了。

我把这笔被重新收走的钱叫验收税:AI 在生产端省下的每一分钟,都会在下游读懂它、信任它、安全塞进系统这一端,被原样甚至加倍地收回去。

同一个 AI,为什么有人用了提速、有人反而更慢?那篇综述给了三个变量:任务越具体、越接近刷过一万遍的标准活,AI 越快;代码库越老、历史包袱越重,AI 越拖后腿;人越资深、系统越复杂,AI 能帮的越少,因为资深工程师的活本就长在 AI 碰不到的本质复杂度上。三个变量拨到新项目、小任务、新手,AI 提速;拨到老项目、硬骨头、老手,AI 反而添乱。快的是最不卡脖子的那环,卡脖子的那环一寸没动。

成本没消失,只是从写代码搬到了验证

这也是我认为软件总成本没有明显下降的原因:成本从写代码转移到了理解、验证和集成。生产代码越便宜,下游需要处理的内容越多。有篇专讲评审瓶颈的文章把这点说得更直接:AI 降低了生产代码的成本,却抬高了信任代码的成本[AI Code Generation Is Shifting the Bottleneck to Review]。

下游因此暴露出四个问题,它们不是并排的,是一个触发下一个的链条。

flowchart TD
    A[写代码变得近乎免费] --> B["生产远快于理解
理解债"]
    B --> C["说清楚要什么成了唯一稀缺
意图瓶颈"]
    C --> D["产出不可轻易信任
信任瓶颈"]
    D --> E["可信度受限于上下文
上下文瓶颈"]
    E --> F[那 20% 的长尾,谁来扛?]

第一个是理解债。过去有条铁律:写代码的人至少懂这段代码,整个软件工程体系都默认建在这条铁律上。AI 头一回把”生成”和”理解”分开了,你手里多了一大批能跑、却没人真读懂的代码。Google 的 Addy Osmani 给它起了个精准的名字,理解债:系统里存在的代码量,和被人真正读懂的代码量,这两者之间越拉越大的缝[Comprehension Debt]。它比技术债更隐蔽,技术债会用编译变慢、一碰就报错提醒你,理解债只给你代码干净、测试全绿的假象,然后在最糟的时刻连本带利找上门。底下还有一层速度差:代码贵的年代,老手读得比新手写得快,所以 code review 兜得住;AI 把这关系拧反了,新人用 AI 生成代码的速度,超过了老手批判性审查它的速度,那道兜底的闸门就被冲垮了。

理解跟不上生产,触发第二个问题,意图。写代码不要钱了,价值链上还稀缺的就只剩一件:精确说清你到底要什么。这两年”规格驱动开发”突然火起来,Kiro、spec-kit、Tessl 都往这个方向走[Understanding Spec-Driven Development],底层就是这个原因。从前需求写得糊,靠人凭经验补;现在 AI 也补,但补的方向全看你说得多清楚。说清需求这件从没被当回事的事,成了核心手艺。这里藏着一个圈套,后面回来拆。

意图说清了也不等于能信,撞上第三个问题,信任。人写的代码,信任建在”这人靠谱、有 review”上;AI 递给你的,可能是个错得很讲道理、一眼看不穿的东西。于是你得有一整套机制,好在不完全信任它的前提下依然敢用:强制测试、静态检查、沙箱隔离、圈死它能改的范围。验证网织得越密,你才越敢让 AI 跑得越快。

我们能在多大程度上信任 AI 的结果,还受最后一个、也是最难的问题限制:上下文。这一点需要单独展开,因为它正是剩余 20% 工作难以完成的原因。

AI 啃不下那 20%,卡在上下文不在智能

几乎所有人都以为 AI 解不了那 20% 是因为它还不够聪明,等模型再大一号就行。这是最大的一个误判。那 20% 难,不难在智能不够,难在上下文不够。

AI 会的东西全来自它见过的东西。全世界解过一万遍的问题它极强,那是好啃的 80%;可像这种超大工程里的那 20%、甚至 1%,恰恰是这套系统独有、压根没进过任何训练数据的部分。有篇文章把这 20% 摆了出来,清一色是运维现实:防止两个并发请求把状态写坏的幂等键、避免重试变雪崩的退避加抖动、绕开长表锁的数据库迁移、限流器、熔断器,还有能让你半夜快速定位故障的结构化日志[The 80% Problem]。这些问题的答案不在互联网上,不在任何语料里,它在这套系统自己的运行时里,在几个老工程师的脑子里。

顺着推,有个结论躲不掉:那 20% 不会因为模型变强而缩小,只会因为你把系统的上下文工程化得更好而缩小,靠好文档、清晰边界、可观测性。模型越聪明,那 20% 一寸不会少;系统越透明,那 20% 才会一点点缩。而后者是彻头彻尾的、人的工程活。

让 AI 敢放开用,靠的是边界和验证

讲到这儿容易让人犯难:麻烦这么多,AI 到底还能不能用?能。解法是先把边界和验证做扎实,再让它放开用。你越舍得在这上面下功夫,越敢让它高速产出。

说白了就三件事。一是圈定范围:用类型、接口契约、模块边界、权限,给 AI 划出一个就算它出错也不至于闯大祸的空间,那些不敢全信、却生产飞快的代码才敢放它跑。二是把验证做厚:测试、CI、可观测性、金丝雀发布,让你随时知道系统状态。这里有条铁律,验证有多便宜,你就敢让 AI 跑多快。三是把隐性知识显性化:把那些藏在老工程师脑子里、没写下来的系统知识,变成人和 AI 都查得到的文档和资产,这正是上一节说的、啃下那 20% 的唯一路子。

真正值得注意的是回头一看:圈定边界、做厚验证、沉淀知识,哪一样不是”人写代码”的年代就该做、却总被省掉的事?从前不写测试、边界糊一糊,靠几个聪明人硬扛也能活;现在生产速度上去了,人没变多,这笔账再也扛不住。所以 AI 没有发明任何新的软件工程原则,它做的是把那些”知道该做、却一直没做”的老规矩,从可选项逼成了必选项。

三个高估 AI 的流行说法

有三个很响的说法,方向不能说错,但都高估了 AI,以为那道动不了的本质复杂度已经被解决。

第一个,“Spec 驱动开发是银弹”。方向没错,前面也推到了意图这个瓶颈。但这里藏着上面留的那个圈套:如果一份规格精确到能消除所有歧义、能让 AI 稳定产出正确系统,那这份规格本身已经是一种编程语言了,写它的难度不会比写代码低。Brooks 四十年前就把这条退路堵死了,本质复杂度不在于表达,而在于构思那个复杂结构本身[No Silver Bullet]。Spec 只是给本质复杂度换了个地方装,没消灭它。

第二个,“AI 会取代软件工程师”。这个说法高估了 AI。AI 让经典软件工程原则的重要性更加明显。那篇悖论论文最后开的药方,说白了就是把架构规则、接口契约、系统不变量写成紧凑、持久的文档,塞进每一次 AI 调用里;论文讲得很直白,规格的作用不只是约束,更是对项目上下文的一种压缩,用来补偿 AI 有限的记忆[The Productivity-Reliability Paradox]。这不就是”好文档 + 清晰边界”这些老话吗。AI 唯一的新贡献,是把违约成本从”以后慢慢烂”改成了”当场出事”。

第三个,“那 20% 会随模型变强而缩小”。我赌它不会,理由上面说透了:那是上下文稀缺,不是智能稀缺。答案不在语料里,在系统的运行时里,在几个老人的脑子里,模型再聪明也变不出它没见过的东西。

AI 没写出新原则,经典理论反而在升值

把这一圈绕回软件工程的经典坐标系,反而看得更透。

《人月神话·没有银弹》是这场风波的总纲。AI 是史上最强的偶然复杂度消除器,把翻译成代码这件事压到近零;而结果——效率涨了、却没有数量级的飞跃——恰好反过来证明 Brooks 是对的,因为本质复杂度一动没动。你最初那个朴素问题的答案,四十年前就写在这本书里。连带着 Brooks 那句”概念完整性是系统设计里最重要的考量”分量也翻倍:当几十个人各带一个 AI 高速产出,每个 AI 都按自己那点局部上下文补全,系统最容易丢的恰恰是一致的抽象、统一的风格,守住它成了”系统判断者”这个角色的头号职责。

读书的方向也跟着变:系统设计的书在升值,语法手册在贬值。那 20% 的长尾,幂等、退避抖动、熔断、避开长表锁的迁移,几乎全是《数据密集型应用系统设计》《Release It!》这类书的核心,“熔断器”这个词就出自后者[The 80% Problem]。AI 会背这些概念,但不会替你判断这个具体场景到底该不该上熔断、阈值该设多少。

还有一个躲不掉的代价:技能会断代。Anthropic 一个 52 人的随机对照实验发现,用 AI 的组完成时间和对照组差不多,可后续的理解测验低了 17 分,掉得最狠的是调试能力;关键结论是,被动委派(“反正给我跑通就行”)对技能的伤害,远大于主动提问式地使唤 AI[Comprehension Debt]。那 20% 的脏活从来不是有趣的部分,却是塑造人的部分,因为它逼你接触底层,而判断力恰恰是从这种接触里长出来的。如果下一代工程师再也不用趟那 20% 的浑水,等系统半夜出事,还能诊断它的人从哪里来?

价值上移,人也跟着分层。值钱的工程师大致三拨:一拨强在把模糊需求想清楚、翻成精确规格,值钱在”想明白要什么”;一拨强在判断,读得懂 AI 的产出、一眼看出哪儿不对、预判它哪天会炸,这拨人是啃那 20% 的主力,也最贵;还有一拨强在把系统知识、边界、可观测性建成人和 AI 都能取用的基础设施。至于纯粹的编码手速和语法熟练度,这条曾经的护城河基本被填平了。

不做该做的事,代价从慢慢烂变成当场出事

如果这一整篇只留一句话:AI 没有写出新的软件工程,它只是把写代码变便宜了,顺手把整个瓶颈从生产推到了验收、理解,和那些没写下来却决定系统生死的知识上。该做的事一直没变,变的只是不做的代价,从”慢慢烂”变成了”当场出事”。

过去主要由工程师编写代码,交给机器执行;现在 AI 参与实现,工程师还要理解和审查这些代码。会使用 AI 快速产出的人越来越多;能判断这些代码是否该写、应该放在哪里、剩下那 1% 的工作由谁承担的人,仍然稀缺,也会越来越有价值。

回到周五下午那个 PR。四千行绿灯代码摆在你面前,你真正要签下的从来不是”这代码能不能跑”,而是”出了事,谁读得懂它”。这个名字,你填得上吗?

100%