上周，谷歌及 Alphabet 首席执行官 Sundar Pichai 在 2024 年第三季度财报电话会议上表示，“谷歌超过四分之一的新代码是由 AI 生成的，然后由工程师审查和接受。”
曾联合创立谷歌 iOS 和 Android 产品体验团队的 Henry T Kirk 直言，“我敢打赌，其中大部分都是原型文件或配置文件。谷歌代码库中有大量这样的 “代码”，处理起来非常麻烦。我认识很多 L3 工程师，他们的唯一工作就是修改这些文件。”
但很快，谷歌就被打脸了。
在谷歌财报电话会议结束后，一名谷歌工程师 @asdfman123 迅速在 Hacker News 发帖“回应”：
但代码自动补全引擎基本上只是擅长完成我正在编写的代码。如果我写的是 “function getAc...”，它就会很聪明地补全为 “function getActionHandler()”，也许还会建议正确的参数和一个像样的 jsdoc 注释。
因此基本上，它是一个有用的生产力工具，但它根本不做任何工程设计。它可能和 Copilot 差不多，也许比 Copilot 稍差一点。(不过我最近还没用过）。
简单来说，根据这位工程师的曝料，所谓“AI 生成的代码”可能更多只是“Tab 键补全”。
另一位疑似刚离职的谷歌工程师 @NotAnOtter 在评论区发表了同样的观点。并且，除代码来源外，他还提到“Copilot 之类的工具并没有实质性地加速代码开发”。
我也在谷歌工作（直到上周五），同意你所说的。我的想法是：
这句话明显是在夸大现实，他们很可能把已经存在了十年之久的全自动 CL/PR 等也算作 “AI 生成”。
我之前说过，如果一个 10 人团队和一个 8 人团队在使用 Copilot 之类的工具时一样高效，那么在我看来，可以说 是“AI 取代了 2 名工程师 ”。更重要的是，如果这种说法是真的，技术领导者们也会提出这种说法。Copilot 及其类似产品已经存在了足够长的时间，足以证明其成效如何。没有人说 “我们已经用 AI 取代了 X% 的劳动力”，因此我的说法是通过 “否认结果”逻辑，使用 Copilot 等并没有实质性地加速代码开发。
翻译成大白话就是，Copilot 及其类似产品 对效率的帮助，还没用放大到宏观层面，比如节省了多少人力。
还有一位工程师表示 AI 已进入其日常工作流程中：“我对我的代码做了类似的事情：写注释，生成代码，然后让 AI 工具创建测试用例。AI 编码助手通常能很好地提升基本级别的测试，可以直接在其中添加更具体的场景。”
与此同时，更多的工程师们指出了 AI 生成代码所带来的一系列问题。例如，“修复这 25% （AI 生成的）代码中的错误时，所花费的时间超过了节省下来的时间”；“LLM 在处理有关流行 Java 库的 API 文档问题时表现不佳，只会出现 API/ 方法名称的幻觉”。
尽管此前出现过基于agent框架生成贪吃蛇游戏的的案例，包括明星项目Cursor，但AI要取代程序员（工程师）有很长的路要走。这里说的取代，不代表“一个完全不懂代码的小白” 可以借由工具来完成一个小软件的搭建哈。相对于AI图片生成对于游戏美术设计师的影响，软件研发工作则相对复杂很多。
另外，我们延伸到软件工程，coding只是其中一个环节。代码提效很好，未来有更大空间。但是你没点数吗？贵司的程序员一周5工作日，有多少时间在coding，有多少时间在开会，有多少时间在需求澄清，有多少时间在等待和扯皮。
对于AI，长期被低估，短期被高估。诚然！但具体到软件行业，其实要解决的问题要复杂得多。特定细分领域的，此前的代码配置化、此前的模版生成，此前的低代码，此前的MDD，进行了各种尝试。AI 仍然是辅助工具，不是银弹。
军哥免费星球，欢迎有兴趣的朋友来聊聊，内容涵盖职场、副业、技术等等。军哥2025陪伴群开始了，要加入的私信V：jianghu10001.
