生成式人工智能正迅速改变软件开发的方式。一项发表在《科学》杂志上的新研究指出，人工智能辅助编码的普及速度极快，但在不同地区之间存在明显差异：在美国，依赖人工智能生成或修改的新代码比例，从2022年的5%增长到2025年初的29%；相比之下，中国的这一比例仅为12%。研究还发现，经验较少的程序员使用人工智能的频率最高，但生产力的显著提升主要体现在资深开发者身上。

软件行业本身规模庞大。仅在美国，企业每年在与编程相关的岗位上支付的工资就估计高达6000亿美元。每天都有数十亿行代码在支撑全球经济运转。在这样的背景下，人工智能如何重塑这一现代经济的关键基础设施，成为研究的核心问题。

由复杂性科学中心（CSH）牵头的研究团队发现，到2024年底，美国大约有三分之一的新软件功能——即程序中的独立子程序——已经是在人工智能系统的辅助下完成的。

“我们分析了来自全球最大协作编程平台 GitHub 上约16万名开发者的超过3000万条 Python 代码提交记录。”CSH与乌得勒支大学的研究者 Simone Daniotti 表示。

GitHub会记录编码过程中的每一步——包括新增、修改和优化——这使得研究人员能够近乎实时地追踪全球范围内的编程活动。Python则是当前全球使用最广泛的编程语言之一。

区域差距显著

研究团队借助专门训练的人工智能模型，来判断某段代码是否由人工智能生成或显著参与，例如通过 ChatGPT 或 GitHub Copilot 等工具产生。

“结果显示，扩散速度极快。”CSH转型经济组负责人 Frank Neffke 解释道，“在美国，人工智能辅助编码从2022年的约5%，在2024年最后一个季度已经接近30%。”

与此同时，各国之间的差距也十分明显。“美国的人工智能辅助代码比例最高，达到29%；德国为23%，法国为24%，印度为20%，且印度的增长速度很快。”他说，“而俄罗斯（15%）和中国（12%）在研究期结束时仍然相对落后。”

CSH教员、布达佩斯科尔文努斯大学副教授 Johannes Wachs 指出：“美国领先并不意外——目前主导的大型语言模型（LLM）大多来自美国。中国和俄罗斯的用户在访问这些模型时，受到本国监管或服务提供商限制的影响，尽管可以通过 VPN 等方式绕过。中国近期在本土模型上的突破，例如 DeepSeek（发布时间晚于我们数据截止的2025年初），表明这一差距未来可能会迅速缩小。”

资深开发者受益最大

研究显示，到2024年底，生成式人工智能整体上让程序员的生产力提高了约3.6%。Neffke 表示：“这个数字听起来似乎不算大，但放在全球软件行业的体量下，就意味着非常可观的增量。”他同时也是奥地利跨学科转型大学（IT:U）的教授。

研究发现，男女在人工智能使用频率上的差异并不明显。真正拉开差距的是经验水平：经验较少的程序员在约37%的代码中使用生成式人工智能，而经验丰富的程序员这一比例为27%。不过，统计到的生产力提升几乎完全来自经验丰富的开发者。

“初学者几乎没有从中获得明显收益。”Daniotti 指出。因此，生成式人工智能并不会自动缩小技能差距，反而可能在一定程度上放大既有的不平等。

此外，资深开发者更倾向于借助人工智能尝试新库，或以新颖方式组合现有软件工具。“这说明人工智能不仅在加速日常编码任务，也在加快学习过程，帮助有经验的程序员更快拓展能力，更容易进入软件开发的新领域。”Wachs 说。

经济收益

这对整体经济意味着什么？CSH联合作者冯祥楠表示：“根据对约900种不同职业的分析，美国每年在编程相关任务上的工资支出估计在6370亿至1.06万亿美元之间。”

如果其中29%的代码由人工智能辅助完成，并带来3.6%的生产力提升，那么每年新增的经济价值约在230亿至380亿美元之间。

Neffke 补充道：“这很可能还是一个保守估计。到2024年底，生成式人工智能在软件开发中的经济影响已经相当显著，而在我们分析之后，其影响很可能还在持续扩大。”

展望未来

软件开发正处在深刻变革之中。人工智能正在成为数字基础设施的关键组成部分，一方面提升生产效率，另一方面推动新形式的创新——但这些收益目前主要集中在已有丰富经验的开发者群体中。

“对企业、政策制定者和教育机构来说，关键问题已经不再是要不要使用人工智能，而是如何在广泛采用的同时，避免进一步加剧不平等。”Wachs 表示。

Neffke 则强调：“当连汽车本身都越来越像软件产品时，我们必须尽快识别在企业、地区和国家层面阻碍人工智能采用的因素。”