没有 10 倍工程师，多数人只用 AI 朝九晚五摸鱼
作者：修BUG | 发布时间：
2026 年 2 月 14 日，当社交平台被情人节的浪漫内容刷屏时，一条关于 AI 职场真相的推文悄然破圈，斩获了 91 万 + 的超高浏览量。这条内容没有煽情文案，也没有博眼球的段子，只用 6 条简洁直白的观点，狠狠撕开了当下行业盛传的 “AI 赋能千行百业、人人都能成为 10 倍工程师” 的神话滤镜。
发帖人是 Dax Raad，一位自学成才的顶尖开发者，开源圈公认的高产创作者，也是能让用户通过 SSH 在终端里下单买咖啡的极客创业者。他的这条推文，更像是一份针对 “AI 究竟给软件团队带来了什么” 的冷静诊断报告，字字戳中行业痛点：
你的企业本就鲜有优质创意，过去 “创意落地的高成本”，反而起到了关键的筛选与保护作用
绝大多数职场人没有极致内卷的动力，他们只想完成朝九晚五的工作，回归自己的生活
大家使用 AI 并非为了实现 10 倍效率提升，只是为了用更少的精力应付完手头的任务
团队里真正用心做事的核心成员，会被所有人产出的 AI 垃圾代码淹没，最终大概率选择离职
即便 AI 让代码产出速度变快，产品落地依然会被企业官僚流程、各类现实问题卡住瓶颈
公司的 CFO 只会满脸困惑：为什么每个工程师每月要多花 2000 美元在大模型相关账单上？
这份直白的 “行业真相清单” 一经发出，立刻在开发者群体中引发两极分化的讨论：有人直呼 “终于有人把不敢说的真话讲透了”，也有人觉得自己被精准戳中，对此强烈反驳。但更值得关注的是，这些看似尖锐的观点，并非个人的情绪宣泄，每一条都能在权威学术论文、产业级调研数据中找到对应的实证支撑。
一、一个 “无学历” 的开发者，凭什么戳破 AI 神话？
如果你不常关注 JavaScript/TypeScript 生态，或许对 Dax Raad 这个名字并不熟悉，但你大概率用过他开发的工具，或是基于他的产品构建的应用。
Dax Raad 是一位完全靠实战成长起来的自学开发者：他没有计算机科学相关的学位，也没有名校光环加持，12、13 岁就开始尝试写游戏，高中阶段自学 Web 开发，一路靠着持续的优质产出在行业站稳脚跟。他与 Jay Fan、Frank Wang 共同创办的 SST（Serverless Stack），是一款用于构建 AWS 全栈应用的开源框架，在 GitHub 上拿下 2.5 万 + Star，完成了约 400 万美元的融资，投资方阵容堪称豪华，包括前 GitHub CEO Nat Friedman、Vercel 创始人 Guillermo Rauch、DOGE 创始人 Sahil Lavingia、Replit 联合创始人兼 CEO Amjad Masad 等行业大佬。
除此之外，他推出的 OpenCode 开源 AI 编码智能体项目，GitHub Star 一度冲到 10 万级，成为业内增长最快的开源 AI 编码项目之一；他还打造了自托管认证系统 OpenAuth、终端 TUI 库，甚至上线了堪称脑洞大开的 terminal.shop—— 一个能通过 SSH 购买咖啡的网站，上线当天就登顶 Hacker News 榜首，相关代码全部开源。
但在他的社交平台简介里，却对这些亮眼成绩只字不提，开发者社区对他的评价也多是 “佛系、好相处”。而正是这样一位始终扎根在研发一线、亲眼见证 AI 深度融入软件开发全流程的从业者，才最有资格说出 AI 落地过程中，那些不被外界看到的真实副作用。
二、逐条拆解：被数据印证的 6 条 AI 职场真相
1. 企业鲜有好创意，高落地成本反而是件好事
这是最让从业者破防的一条观点，却也是学术支撑最扎实的结论。2019 年，研究者 Acar、Tarakci 和 van Knippenberg 在《管理期刊》发表了针对 145 项实证研究的元分析，核心主题正是约束与创造力的关系，最终结论显示：二者呈典型的倒 U 型曲线，适度约束才能带来最佳创造力，约束太少或太多，都会扼杀创新。
《哈佛商业评论》对此有过直白的总结：个人、团队和组织，都能从适量的约束中受益，只有当约束过高时，才会压制创造力与创新。过去开发一个功能需要两周的研发周期，团队会反复斟酌 “它到底值不值得做”，这种落地的摩擦不是系统 bug，而是筛选无效创意的过滤器。
Mehta 和 Zhu 在 2016 年《消费者研究期刊》发表的论文中更是指出：哪怕只是想到资源稀缺，无需真正面临稀缺，就能减少人的认知固着，提升创造力。毕竟稀缺会激活深度探索的思维模式，而资源富足只会让人变得懒惰。
很多工程师对此都会深有共鸣，甚至会怀念过去那种 “折腾” 的研发感。Jessica Abel 曾创造了一个精准的概念 ——idea debt（想法债），用来形容这种状态：人们花在幻想产品有多酷的时间，远多于把它打磨完善的苦功夫。而当 AI 让创意落地的成本几乎降至零，想法债便会爆炸式增长，最终的结果就是大量产品做了一半，没人能把它做到尽善尽美。
GitClear 在 2025 年对来自 Google、Microsoft、Meta 等大厂仓库的 2.11 亿行代码变更进行分析，结果显示：用于优化现有代码而非单纯新增功能的代码重构比例，从 2021 年的 25% 暴跌到 2024 年的不足 10%。我们写得更多了，但改得更少了。Tailwind CSS 作者 Adam Wathan 在接受《Pragmatic Engineer》采访时说的话，也无意中印证了这一观点：“我现在最大的问题是：想不出非常有价值的想法，能完全利用 AI 带来的效率提升。”
AI 时代，研发的核心约束已经从「我们能不能做出来？」变成了「我们应不应该做？」，而绝大多数企业，根本没有能力回答第二个问题。
2. 大部分员工只想朝九晚五，没有拼命的动力
这句话戳中了职场最现实的底色：“大多数员工只想朝九晚五。” 根据盖勒普《2025 全球职场状态报告》显示，全球只有 21% 的员工算得上是敬业的，62% 的员工都处于不敬业、能摸鱼就摸鱼的状态，还有 17% 更是极度不敬业，几乎是与公司反向而行。
换句话说，全球 79% 的打工人，都在摸鱼底线和消极怠工之间徘徊。这并非新鲜事，几十年来职场状态一直如此，2024 年的敬业度数据甚至比 2023 年还下降了 2 个百分点，跌幅堪比疫情期间。单看美国市场，2024 年员工敬业度直接跌到了 31%，创下 10 年新低，盖勒普更是把这个时期称为 “大脱离时代”。
在这样的职场底色下，把 AI 工具交给员工，结果早已注定：一个本来就不敬业的员工，拿到一个能省力交差的工具，绝不会变成 10 倍工程师，只会用更少的力气，交出一份差不多的答卷，最终变成 “看起来忙两倍、实际效率慢一半” 的普通员工。
安永 2025 年《工作重塑调查》的数据也印证了这一点：88% 的员工会在工作中使用 AI，但其中只有 5% 的人会用到 AI 的高级能力，剩下 83% 的人，只用 AI 做最基础的搜索和内容总结，无异于用 F1 赛车去超市买菜。
诺贝尔经济学奖得主 Herbert Simon 曾提出 “满意即可（satisficing）” 理论，精准解释了这一行为：人类天生倾向于选择 “够用就行” 的方案，而非最优解。而 AI 让 “够用就行” 变得极易实现，大多数人便会直接停在这里，背后的逻辑无比简单：工作质量不变，付出精力更少，就能准点下班。
3. 大家用 AI 不是为了变强，是为了省力划水
关于 AI 的效率神话，早已被多项实验数据戳破。2025 年 7 月，非营利研究机构 METR 做了一项随机对照试验，让 16 名资深开源开发者处理 246 个真实业务问题，最终结果令人意外：使用 AI 的开发者，比不使用 AI 的开发者完成速度慢了 19%。
更让技术管理者头皮发麻的，是实验中暴露的认知偏差：实验开始前，开发者普遍认为 AI 能让自己的工作速度提升 24%；实验结束后，明明实际效率变慢了，他们依然觉得自己的速度提升了 20%，认知偏差高达 43 个百分点。
咨询公司 Substantial 的开发者 Mike Judge 独立复现了这一结论：在为期 6 周的自我实验中，他通过抛硬币决定是否使用 AI，并对任务耗时严格计时，最终结果显示，AI 让他的任务耗时中位数增加了 21%。他的一句话值得被所有 AI 使用者记住：“你只记得那些一把成的高光时刻，却忘了自己像在老虎机上塞代币一样，干坐两小时调提示词。”
不仅如此，2023 年《Science》期刊上 Noy 和 Zhang 的研究也明确指出：ChatGPT 在很大程度上只是替代了员工的努力，而不是补充员工的技能。高能力的开发者能保持代码质量、稍微提升速度，然后把省下来的时间用来摸鱼；低能力的开发者看似代码质量提升了，实则是 AI 替他们完成了思考。两组人都没有实现产出最大化，都停在了 “满意即可” 的状态。
最致命的证据来自 Humlum & Vestergaard 2025 年发布的 NBER 工作论文。他们通过丹麦大规模劳动力数据，研究了 11 个受 AI 影响的核心岗位，最终发现：AI 聊天机器人对员工的收入、工时、职业流动影响 “几乎可以忽略”—— 员工只是把 AI 省下来的时间用来休息、摸鱼，而非提升工作产出。
4. 团队里真正干活的人，会被垃圾代码淹没，最终离职
“Slop” 一词被韦氏词典评为 2025 年度词汇，这个源自 4chan 的黑话，在 2024 年中被程序员 Simon Willison 推广到主流语境，核心含义是 “通常由 AI 批量生成的、低质量的数字内容”，韦氏词典评价这个词的语气 “不那么恐怖，更多是嘲讽”，而当下的代码质量数据，确实配得上这份嘲讽。
CodeRabbit 对 470 个 PR 合并请求分析后发现：AI 辅助生成的 PR，问题数量是纯人工编写的 1.7 倍；逻辑正确性问题增加了 1.75 倍；安全漏洞也多出了 1.57 倍 ——AI 唯一占优的维度，只有拼写检查。
另一篇 2025 年发表在 arXiv、经过同行评审的 Cursor AI 相关研究也显示：使用 AI 后，第一个月代码新增行数暴涨 3～5 倍，但静态分析警告增加 30%，代码复杂度上升 41%。仅仅两个月后，所谓的效率提升就完全消失，堆积的技术债务开始拖垮整个项目。
Faros AI 对 1255 个研发团队、超过 1 万名开发者的数据分析，结果更是堪称毁灭性：
单个开发者用 AI 完成的任务量提升 21%
但代码评审时间增加 91%
PR 体积增加 154%
线上 Bug 增加 9%
一句话总结就是：开发者的任务量变多了，产品的 Bug 变多了，收拾烂摊子的核心人员，评审时间直接翻倍。《哈佛商业评论》与斯坦福 BetterUp 实验室还为此创造了一个专门的词汇：workslop，用来指代这种低质量的 AI 生成内容，数据显示，平均每处理一次 workslop 就要耗费近两小时，对一家 1 万人规模的公司来说，每年会因此损失约 900 万美元。
再回到 Dax 所说的 “团队里那两个真正干活的人”。HBR 在 2024 年 10 月的报道中指出：高绩效员工的生产力通常是普通员工的 4 倍，在软件开发领域甚至能达到 8 倍；凯洛格管理学院的研究发现，坐在低绩效员工旁边，高绩效者的生产力会直接被拉低 30%；Workday《2025 全球劳动力报告》显示，所有行业的高绩效人才流失率都在上升，其中零售业同比暴涨 64%；伦敦政治经济学院 LSE 商业评论更是记录了这种连锁反应：一个核心高手离职，会带动更多优秀人才一起离开。
团队里最优秀的人从不是瞎子，他们看得见满屏的 slop 垃圾代码，看得见评审队列暴增三倍，看得见初级开发者扔过来的 AI 代码 —— 评审它比自己重写一遍还要慢。所以，他们只会默默更新自己的 LinkedIn 资料，然后转身离开。在行业里摸爬滚打 35 年的老兵 Kin Lane 说得无比直白：“在我 35 年科技生涯里，从没见过这么短时间内，造出这么多技术债。”
5. 哪怕产出再快，还是会被流程、审批和上线问题卡死
这一观点的底层逻辑，是 1967 年就被提出的阿姆达尔定律（Amdahl’s Law），其核心是：优化系统某一部分带来的整体加速，将受限于这部分原本占总时间的比例。
微软研究院 2025 年的 “Time Warp” 研究，对 484 名开发者的工作时间做了详细统计，结果显示：写代码只占开发者工作时间的 11%。这意味着，哪怕 AI 把写代码这件事做到光速，理论上整体研发效率的提升上限，也只有 11%。而这已经是天花板，绝非平均值。
2026 年 1 月，Rob Bowley 在一篇详尽的历史分析中总结道：编码从来都不是软件交付的核心瓶颈，最近不是，过去十年不是，在整个软件工程历史上都不是。Atlassian 在《2025 开发者体验报告》中列出了研发工作的 Top6 “时间杀手”：查找信息、学习新技术、上下文切换、方向不清晰、协作内耗、技术债务 —— 唯独没有 “代码写太慢” 这一项。
业界最权威的 DORA 2024 报告（覆盖 3.9 万 + 行业专业人士）更是给出了冰冷的数据：AI 普及后，软件交付吞吐量反而下降约 1.5%，系统稳定性下降 7.2%。报告中进一步指出，17% 的团队被冗长会议、层层审批的官僚流程卡死了效率，11% 的团队始终困在历史遗留系统里不停救火。
LinearB 对 400 多个研发团队的分析也显示：67% 的开发者会用 AI 写代码，但 77% 的代码合并审批依然靠人工完成，安全评审的 AI 使用率仅 15%，线上问题调试的 AI 使用率更是只有 12%。研发的瓶颈，已经从 AI 能加速的地方，转移到了 AI 完全碰不到的所有地方 —— 开发者真正需要的，从来不是 AI 帮写代码，而是别再让他们陷在无穷无尽的审批队列里。
6. CFO 的灵魂拷问：为什么每人每月要多花 2000 美元的 LLM 费用？
GitHub Copilot Enterprise 每月 39 美元 / 人，仅这一项，100 人的研发团队一年就要支出 46800 美元。再加上 Cursor 每月 20 美元、AI 代码评审工具、AI 测试工具、Claude/GPT 的 API 调用费用、Microsoft 365 Copilot 每月 30 美元……LinearB 的数据显示，当下研发团队平均会使用 4.7 个 AI 工具，对一个配置齐全的研发团队来说，每人每月 2000 美元的 AI 成本，一点都不夸张，甚至还有些保守。
而 Dax 这句话之所以扎心，是因为全球企业的 CFO，都在问这个问题。Emburse/Talker Research 对 1500 位财务与 IT 负责人的调查显示：58% 的受访者认为 AI 采购比其他软件更容易获批，62% 的受访者承认，会特意把普通软件包装成 AI 项目，只为拿到预算。在这样的背景下，AI 成了 “2025 年预算绿色通道”，但核心问题随之而来：投入的回报在哪里？
BCG 2025 年 CFO 调研数据显示：企业 AI 投资的中位数 ROI 只有 10%，近 1/3 的财务负责人认为，企业的 AI 投资几乎没有带来任何收益。Gartner 更是直接把 2026 年定义为 AI 的 “幻灭低谷期”，行业将从对 AI 的狂热，转向要求可衡量的投资回报。
MIT 媒体实验室的报告更是直言：95% 的企业看不到可衡量的 AI 投资回报。Gartner 曾预测，2025 年底会有 30% 的生成式 AI 项目被企业放弃，而实际放弃率高达 42%。IDC 还预测，到 2028 年，全球百强企业仅在 AI 治理工具上，每年就至少要花费 200 万美元 —— 注意，不是花在 AI 本身，而是花在 “管理 AI 的软件” 上。
三、最终结论：这不是反 AI，而是反 AI 幻觉
Dax 的那条爆火推文，本质上是一份精准的行业诊断书。他提出的每一条观点，背后都对应着同行评审的学术研究、大规模的行业调研数据，或是两者兼具：
约束与创造力的悖论，来自 145 项研究的元分析
员工敬业度的真实数据，来自盖勒普几十年的全球样本调研
“省力划水” 的职场模式，由诺贝尔奖理论与随机对照实验双重验证
代码质量的持续下滑，基于 2.11 亿行代码的全面审计
流程审批的核心瓶颈，从 1975 年就写进了软件工程教科书
CFO 的成本焦虑，出现在 BCG、Gartner 等机构的每一份企业调研报告中
而 Dax 真正想表达的，从来不是 AI 毫无价值，而是一个最朴素的行业真相：AI 本质上只是一款工具，工具只会放大原有系统的真实状态。
把电锯交给有序运作的伐木队，效率会实现指数级飞升；但把电锯丢进一群本来就协作混乱、多数人只想摸鱼、代码管理缺位、还要过十几层审批的组织里，结果只会是 Dax 描述的样子：代码越写越多，质量越来越烂，核心评审人员精疲力尽，顶尖人才持续流失，CFO 的血压随着 AI 账单持续飙升，而身处其中的所有人，还被工具营造的 “效率提升” 幻觉裹挟着。
这条推文能获得近百万的浏览和海量转发，本质上是行业对这份 AI 落地真相的集体共鸣。当 AI 的狂热逐渐褪去，行业终于开始正视：工具从来不是解决所有问题的万能钥匙，组织本身的健康度，才决定了 AI 能发挥多大的价值。