科学研究：AI 编程引发“马太效应”，资深开发者与新手差距正在拉大

近日，一项刊登在顶级学术期刊《Science》上的前沿调研指出，当前风靡全球的“氛围编码”（Vibe Coding）风潮，或许正在无形中拓宽职场间的技能壁垒与收入鸿沟。

论文索引地址：https://www.science.org/doi/10.1126/science.adz9311

来自乌得勒支大学的研究团队运用先进的机器学习手段，深度复盘了 GitHub 上 160,097 名开发者提交的逾 3000 万份 Python 代码。这一大规模研究首次将 AI 编程的实际渗透现状清晰地呈现在世人面前。

统计发现，截至 2024 年末，全美约有 29% 的 Python 函数由 AI 协作或直接编写而成，且自 GitHub Copilot 和 ChatGPT 等利器面世以来，这一比例呈现出井喷式增长。然而，AI 的普及程度存在显著的地理失衡，德国与法国紧随美国之后，采用率落在 23%-24% 区间，印度则以 20% 的比例加速追赶，而其他地区的发展节奏明显滞后。

尤为引人深思的是，虽然 AI 有力地驱动了资深开发者的产能爆发与技术革新，但对于频繁接触 AI 的初级开发者而言，其实际工作效率并未获得实质性跃升。这意味着，AI 正在深度重构软件工程领域的职业进阶逻辑与技能评价体系。

全球 AI 编程采纳版图差异显著

过往研究生成式 AI（genAI）实际效能的方法，多依赖于开发者自述问卷或受控的短期测试。但这两种模式各有缺陷：前者易受社会期望偏差影响导致数据失真，后者则难以映射真实的长期工作动态。因此，要科学衡量 AI 对生产力的真实贡献，亟需一种能够穿透表面、直接观察行为轨迹的新径。

为此，研究团队自主开发了一套神经分类器。该模型基于 GraphCodeBert 架构，能够精准解析代码的数据流向与逻辑结构。通过在包含纯人工代码与多种大模型生成的合成代码训练集上进行学习，该分类器能够敏锐辨识出两者的微观特征差异。

图｜分类算法将 Python 编写的函数标记为人工创作或 AI 生成。

研究证实，到 2024 年底，美国已有近三成 Python 代码打上了 AI 的烙印。这一趋势并非线性增长，在 GitHub Copilot 预览版发布、ChatGPT 爆火以及 GPT-4 迭代等关键技术节点，AI 代码的占比均出现了显著的台阶式跳跃。

图｜美国 GitHub 用户创建或重构 Python 函数的比例走势。垂直线代表置信区间，直观展示了 AI 重大事件如何驱动代码产出的激增。

这充分证明，核心工具的迭代会直接传导至生产端，迅速被开发者转化为实际产出。但在全球视角下，技术采纳的“时差”依然存在：

美国凭借先发优势保持领先，但这种差距正在缩小。德国与法国凭借成熟的技术底蕴快速跟进，采用率已达 23% 以上。

印度的追赶速度惊人，20% 的采用率反映了其在全球软件供应链中寻求地位重塑的野心。

相比之下，其他地区的滞后可能源于本土大模型生态、API 访问权限限制以及不同的技术应用文化。

尽管美国依然占据高地，但全球技术格局正处于激烈的动态重组中。

谁攫取了 AI 编程的最大红利？

不可否认，生成式 AI 整体拉高了软件行业的产出上限。数据模型推算，当 AI 参与度达到 29% 时，开发者的人均季度代码提交量平均提升了约 3.6%。

图｜基于用户面板回归模型估计生成式 AI 对开发者活跃度的实际提振作用。

然而，细分数据的真相却令人警醒：AI 带来的效率增量在不同人群间分配极不均匀。

对于那些拥有深厚积淀的资深开发者，AI 绝非简单的“代笔”，而是能力的放大器。

在老手手中，AI 的加入能让代码提交量激增 6.2%，远超均值。更核心的价值在于，AI 极大地降低了他们涉足陌生技术领域的门槛。这让他们能以极低的时间成本横跨不同软件库进行创新，真正实现了“博而愈精”。

图｜数据显示，经验匮乏的开发者从 AI 中获得的生产力增益微乎其微。

反观初级开发者，即便他们的 AI 使用频率（37%）更高，但在最终的效率产出上，却未表现出明显的统计学提升。

图｜2024 年美国地区，按 GitHub 工龄划分的 AI 使用强度对比。

这种“高频低效”的吊诡现象反映了工作本质与使用能力的脱节：

资深者能够敏锐地调教 AI 完成高难度任务，并有能力对 AI 生成的代码进行深度审计。而新手往往将 AI 局限在处理基础的、重复性的模板代码上，且因缺乏底层认知，一旦 AI 输出存在逻辑瑕疵，他们便会陷入漫长的纠错泥潭。

这意味着，AI 正在“吞噬”初级程序员赖以练手的简单工作，却并未自动赋予他们驾驭复杂系统架构的能力。这种替代效应可能导致新手的成长曲线变得扁平化，难以实现跨越式进步。

长此以往，AI 将显著拉大资深与初级开发者之间的鸿沟。这不仅是当下的产出差额，更是未来职业天花板的高度之别：

能够与 AI “共舞”的高阶人才将加速通往核心架构岗位，而过度依赖 AI 却忽略核心内功修炼的新人，或将在日益同质化的竞争中面临边缘化风险。