核心内容总结
这篇研究揭示了一个和AI“替代人类码农”叙事相反的现实：AI编码工具虽然能让程序员写代码的效率大幅提升，但这些提升在软件从“写代码”到“最终发布并被用户使用”的全流程中会一层层衰减，最终几乎没给用户带来更多有用的软件。原因是AI和人类在软件生产中是强互补关系——人类在代码审查、集成、分发等下游环节仍是无法绕过的瓶颈，而且新生成的应用要么质量低，要么用户找不到，导致大量“僵尸应用”出现。
1. AI写代码确实快了，但只在“写”的环节
AI编码工具（比如自动补全、同步智能体、异步智能体）在最基础的“写代码”任务上效果很明显：
- 自动补全工具能让程序员提交代码的效率提升约40%；
- 加上同步智能体（比如Claude Code，能和程序员实时协作），效率能翻1.4倍；
- 再用异步智能体（比如GitHub Agent，能自主完成任务），效率直接提升1.8倍。
而且越不活跃的程序员，用这些工具提升越明显——相当于给新手开了“外挂”。比如同步智能体让代码行数增加了741%（几乎是原来的8倍），自动补全也让代码行数增加了228%（接近原来的3倍）。
2. 效率从代码到发布，越往后“缩水”越厉害
软件生产是个层层递进的流程：写代码→组合成文件→提交代码→拉取请求（PR，相当于申请合并代码）→形成项目→发布版本。AI带来的效率提升，每过一层就会打个折扣：
- 同步智能体让代码行数涨了741%，但拉取请求只涨65%，到发布版本仅涨20%；
- 自动补全更夸张：代码行数涨228%，提交环节只剩36%，发布版本仅10%。
就像你用机器快速切了10倍的菜，但搅拌、炒菜、装盘还是得手动来，最后整个做饭时间并没有缩短10倍——下游环节的人力瓶颈把上游的效率提升“吃掉了”。
3. 为啥缩水？AI和人类是“黄金搭档”，不能互相替代
研究用经济学模型算出，AI生成的代码和人类下游工作的“替代弹性”只有0.25（弹性越低，互补性越强）。这意味着AI和人类像筷子和手——必须一起用，不能互相代替：
- AI能快速写代码，但写出来的代码需要人类审查有没有bug、是否符合需求；
- 代码合并成项目需要人类判断逻辑是否通顺；
- 发布后还要人类推广、让用户找到。
哪怕AI把写代码环节完全自动化，下游的人类环节没跟上，最终产出还是上不去。
4. 新应用变多了，但用户不买账
AI让程序员做了更多新应用：Apple App Store、Chrome Web Store的新应用数量明显增加，Google Play也有温和增长。但问题是——这些新应用没人用：
- 四个应用市场里，新应用发布后三个月的总使用量都没增加；
- 大部分新增应用是“僵尸应用”，几乎没有用户基础。
原因可能有两个：要么AI生成的应用质量差（比如功能简单、bug多），要么用户根本找不到这些应用（分发环节没做好）。
5. 未来突破点：AI得能做更多下游活，或者工具更普及
要让AI的效率真正转化为有用的软件，得解决两个问题：
- AI能力升级：让AI不仅能写代码，还能自动审查代码、完成集成、甚至帮着推广分发（比如自动生成应用介绍、优化关键词让用户找到）；
- 工具普及：让更多公司把AI工具用到软件生产的全流程，而不只是写代码环节。
但目前来看，人类还是软件生产的“总导演”——AI只是帮手，无法完全替代。
一句话总结
AI编码工具是个好帮手，但想让它“干掉码农”或者创造十万亿市场？现在还早得很——人类在软件生产的下游环节仍是不可替代的瓶颈，而且用户最终认不认可，才是关键。