AI编程兴起：技能与收入差距或扩大

一项最新研究，发表在顶级学术期刊《科学》上，揭示了氛围编码（Vibe Coding）的兴起可能扩大人与人之间的技能与收入差距。

论文链接：https://www.science.org/doi/10.1126/science.adz9311

来自乌得勒支大学的研究团队，通过机器学习技术，深入剖析了GitHub上160,097名开发者提交的3000多万份Python代码，首次大规模揭示了AI Coding的渗透实况。

数据显示，截至2024年底，美国已有约29%的Python函数由AI辅助或直接生成，且这一比例在GitHub Copilot、ChatGPT等AI工具发布后呈现爆发式增长。然而，AI的普及并不均衡，德国、法国紧随其后，采用率约为23%-24%，印度快速追赶至20%，而其他国家的采用率则明显滞后。

值得注意的是，尽管AI显著提升了资深开发者的生产力与创新能力，却未能让早期职业开发者获得实质效率提升。这意味着，AI可能正在重塑软件开发领域的技能与职业阶梯。

全球AI编程采纳差异明显

以往，理解生成式AI（genAI）在实际工作中的使用情况，主要依赖开发者自述问卷调查或短期受控实验。然而，这些方法存在明显局限：受访者可能因社会期许而低报使用频率，实验则难以捕捉长期、真实工作场景下的动态变化。因此，要客观、大规模地衡量AI对生产力的真实影响，需要一种能够直接观察行为痕迹的新方法。

研究团队创新性地训练了一个神经分类器。该分类器通过GraphCodeBert模型深入理解代码的数据流和结构，并在一套精心构建的训练集上学习。该训练集既包含纯人类编写的代码，也包含由不同大语言模型（LLM）接力生成的合成代码，从而能有效区分二者的细微差异。

图｜将用Python编程语言编写的函数中的代码分类为人工生成或AI生成。

研究发现，截至2024年底，美国已有约29%的Python函数被标记为AI生成或辅助完成。这一比例并非匀速上升，在GitHub Copilot预览版推出、ChatGPT公开上线以及GPT-4等大模型发布后，AI生成代码的占比都出现了陡峭的跃升。

图｜美国GitHub用户创建或大幅修改的Python函数占比。垂直线表示95%置信区间，该图表揭示了人工智能关键事件时间点与使用情况突变的对应关系。

这说明关键生成式AI工具的发布会直接引发AI生成代码数量的显著增长。这印证了技术可用性的提升能够迅速激发开发者的实际应用，并切实反映在代码产出之中。

然而尽管生成式AI在全球快速扩散，各国对其的采纳速度却呈现出显著差异：

美国保持着明显的早期领先优势。然而其相对优势正在收窄，欧洲的德国和法国以23%-24%的采用率紧随其后，显示出成熟技术生态的快速响应能力。

印度的表现尤为突出，其采用率已快速攀升至20%，展现出强大的追赶势头，可能正在重塑全球软件开发领域的人力资源格局。

相比之下其他国家的采用率在2024年底仍相对落后。这种差异可能由多种因素导致包括本地化替代工具的生态差异、访问全球主流模型的限制以及技术文化与应用场景的不同。

尽管美国开发者在该领域保持着明显且持续的领先优势但其他主要国家正在快速追赶。

谁是AI Coding的真正获益者？

研究证实生成式AI确实提升了整个行业的输出效率。据模型估计当AI生成代码的比例从0提升至29%（即2024年美国的采用率）时开发者每季度的代码提交量平均增加了3.6%。

图｜基于用户-季度面板回归结合用户和季度固定效应估计生成式AI对用户活动的影响。

然而深入个体层面分析便会发现AI带来的红利并未被平等分享呈现出显著分化。

对于经验丰富的资深开发者而言AI远不止是提高写代码速度的工具更能显著放大其核心能力。

在资深开发者群体中将AI使用率提升至29%会带来高达6.2%的代码提交量增长其效果远超行业平均水平。更重要的是AI帮助他们更轻松地使用不熟悉的软件库和新技术组合这意味着他们能更快地进入新领域尝试新方案。因此AI不仅让他们做得更快更让他们做得更广实质性地扩展了创新的边界。

图｜相比于有经验的开发者缺乏经验的开发者获得的生产力提升更少。

与直觉相反尽管初级开发者对AI的采用率更高（37%）但研究却发现他们并未因此获得可统计的显著生产力提升。

图｜按用户GitHub使用年限划分的生成式AI使用强度（2024年，美国）。

由此显现一个值得深思的问题：为何使用程度最高的人群实际获益反而最少？

研究指出这可能源于工作性质与使用方式的差异：

资深开发者更善于在广泛的任务中利用生成式AI并能高效审查和调试AI生成的复杂代码。而对于新手他们可能更多地将AI用于处理相对基础、模板化的任务或者因经验不足而难以有效利用和优化AI的产出。

尽管早期职业开发者使用AI的频率更高但他们未能像资深开发者那样获得生产力或探索新领域的收益。这表明AI可能直接替代了新手部分基础编码工作却没有相应地增强新手解释复杂代码或进行系统性创新的能力导致他们难以利用AI完成任务。

结果是AI显著拉大了资深开发者与初级开发者之间的效率与创新差距。这不单是当前的产出差异更预示着未来职业路径的分化：

熟练驾驭AI的资深开发者可能加速迈向更高价值的工作而依赖AI却未能提升核心竞争力的新手则可能面临更激烈的同质化竞争。