
斯坦福研究称企业对AI投入超2500亿美元,但软件开发交付速度未提升
来源标题:All this investment in AI, why aren't we shipping faster?
斯坦福研究估算私企在AI相关领域投入已超2500亿美元,但软件交付速度并未同步加快。原因在于AI主要加速写代码等部分环节,瓶颈被推向下游,整体压力反而增加。Cursor、Claude Code、GitHub Copilot等工具提升了编码和研究效率。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
编程 领导力 软件开发 软件工程 我们在 AI 上投入了这么多,为什么交付速度没有变快? Oakley Hall 6 分钟阅读· 2026 年 3 月 9 日
图片由 Martin Geiger 提供,来自 Unsplash 斯坦福大学的一项研究估计,私营企业在 AI 相关投资上的支出已超过 2.5 万亿美元。最近,一位同事问我: “我们在 AI 上投入了这么多,为什么我们的推进速度没有更快?” 这个问题看似简单,答案却微妙而复杂。主要问题在于,当前 AI 在软件开发中的落地方式把瓶颈推向下游,增加了压力,而不是消除瓶颈。 当前这套已经普遍可用的 AI 工具加速了与软件交付相关的许多任务,但并非全部任务。AI 对软件最大的影响在于编写代码的能力。我们都亲眼见过 Cursor、Claude Code、Github Copilot 等工具的能力。AI 加速了调研。我们可以把大量文档综合成连贯的摘要。我们可以理解复杂的代码库。我们可以借助 AI 完成令人惊叹的软件考古。我们几乎可以瞬间做出解决方案原型。这些都是巨大的收益。但放到企业软件交付这一更大的系统中来看,它们其实只是相当有限的改进。 大型企业,尤其是上市公司,面临着一长串硬性约束。安全、财务报告、隐私、变更管理和公司治理方面都有合规要求,这些要求规定了软件在什么情况下可以发布、必须由谁批准、必须保留哪些证据,以及过程中必须如何评估风险。围绕这些要求建立的组织、工作流和系统往往晦涩难懂、深度相互依赖,而且很少处在 AI 加速的前沿。它们通常是为了降低运营和监管风险而设计的,而不是为了最大化交付速度。这意味着,限制因素往往不是开发者能多快产出一项代码变更,而是周围的企业机制能多快完成审查、验证、测试、记录、批准,并将其安全地推入生产环境。无论你把代码变更做得多快,进展仍然必须经过报告义务、安全审查、可审计性要求、发布窗口和运营就绪检查。在这种环境中,AI 可以压缩软件创建过程的部分环节,但它不会自动消除决定软件实际如何交付的制度性摩擦。 在制品(WIP)是众所周知的拖累整体系统吞吐量的因素。丰田是理解制造流水线的先驱。该公司发展出许多现代企业今天仍在使用的实践和概念,其中包括把过多的 WIP 视为浪费,因为未完成的库存会掩盖问题并拖慢交付。在丰田生产体系中,大野耐一引入了看板拉动系统,严格限制生产步骤之间的 WIP。下游工位只向上游工位请求少量工作,从而防止队列形成。这能立即暴露瓶颈,并改善流动、前置时间和质量。 在软件开发中,大量已编写但未审查或未部署的代码会造成同样的 WIP 问题。停留在拉取请求或长期分支中的代码,就像工厂车间里的库存。它在队列中等待审查、集成和测试。这会延迟反馈、增加合并冲突,并让缺陷或设计问题在无人注意的情况下累积。 AI 作为代码编写的强大倍增器,会加剧这个问题。如果软件开发生命周期的其余部分没有相应扩展以容纳这些变更,那么提高变更量的代码编写工具可能会以惊人的速度增加 WIP。 在大型组织中,软件项目可能涉及很多领域。以电商结账系统为例。至少需要在库存系统、支付处理系统、网站开发团队、应用开发团队、安全、财务合规和法律之间达成一致。每个领域都可能有产品团队、工程团队、QA。依赖图可能达到数百个节点。 随着参与者增多,决策复杂性会上升,因为沟通路径会迅速增长。正如 Fred Brooks 在《人月神话》中所观察到的,沟通渠道数量按 n(n−1)/2 增长,这意味着随着团队扩大,协调开销会非线性增加。例如:3 人 → 3 条沟通路径,10 人 → 45 条,100 人 → 4,950 条。每增加一个参与者,都会显著增加对齐工作并拖慢决策。 与这种复杂性相比,编写代码相对简单。问题一直是、现在也仍然是如何让利益相关方就代码究竟应该做什么达成一致。 随着交付能力提高,质量预期往往也会随之上升。当团队能更快地产出代码时,组织通常会把这种能力再投入到更高的标准中,包括可靠性、安全性、韧性、可观测性、可访问性、测试覆盖率和用户体验。曾经可能被认为有些粗糙但可以接受的功能,现在则被期望是精致的、有监控埋点的、可恢复的,并且能在广泛条件下安全运行。在实践中,这意味着更快的代码生成会扩大“完成”所需的范围。会测试更多场景、处理更多边缘情况、增加更多控制措施,更多利益相关方期待的是生产就绪的成果,而不是最小可行产品。结果是,即使能力提升了,软件开发的前置时间也未必按比例下降,因为可接受软件的定义同时也在变得越来越苛刻。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。