哈佛研究：AI 编码智能体推高代码量，软件产出未增，瓶颈在人类代码审查
先了解这件事
2026 年 10 月 10 日，Ars Technica 报道哈佛大学研究人员对 700 多家软件公司、2021 年至 2026 年 3 月期间约 3 亿个工作事件数据的分析，发现几乎没有证据表明企业使用 AI 编码工具后软件产出增加或就业减少；编码阶段的效率提升被下游约束吸收——代码审查时间显著变长，pull request 更可能需要修改，审查者评论也更多。10 月 12 日，奇客 Solidot 补充量化细节：覆盖逾 700 家公司、逾 70 万员工，引入 AI 编程智能体后代码总行数平均增加 30%、commit 增加 20%、pull requests 增加 23%，但软件产出并未提升；审查时间平均延长 49%，审查员工增加 14%，绝大部分审查仍由人类完成。10 月 13 日，OSCHINA 社区进一步披露研究者为哈佛学者 Fiona Chen 和 James Stratton，数据来自 Jellyfish 工程团队聚合分析，结论与前两篇报道一致：代码量增长 30%，软件产出未同步增加，瓶颈卡在人类 Code Review。三篇报道在规模、指标与结论上相互印证，未见矛盾。
AI 根据报道生成 · 3 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- OSCHINA 社区AI 让代码量涨了 30%，软件产出却纹丝不动，瓶颈卡在人类 Code Review
哈佛学者 Fiona Chen 和 James Stratton 基于 Jellyfish 工程团队聚合数据分析发现，AI 让代码量增长 30%，但软件产出并未同步增加，瓶颈卡在人类 Code Review。研究覆盖 700 多家软件公司、超 70 万名员工记录与 3 亿个独立工作事件（commit、PR 等）。
- 奇客 SolidotAI 编程智能体生成了更多代码，但并没有生成更多软件
一项覆盖逾 700 家软件开发公司、逾 70 万员工、3 亿条工作事件的研究发现，引入 AI 编程智能体后代码总行数平均增加 30%，commit 增加 20%，pull requests 增加 23%，但软件产出并未提升。瓶颈在于代码审查流程，审查时间平均延长 49%，审查员工增加 14%，且绝大部分审查仍由人类完成。
- Ars Technica · AI精选哈佛研究：AI 编码智能体生成更多代码，但软件产出并未增加
哈佛大学研究人员分析 700 多家软件公司、2021 年至 2026 年 3 月的 3 亿个工作事件数据发现，几乎没有证据表明企业使用 AI 编码工具后增加了软件产出或减少了就业。编码阶段的效率提升被生产流程的下游约束吸收：代码审查时间显著变长，pull request 更可能需要修改，审查者留下更多评论。
本事件热度走势
当前热度 3·可比范围峰值 16（10月13日 11:00）·近 24 小时可比范围变化 -69%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。