标题：谁真正从 AI 写程式中受益？生成式 AI 在软件开发中的扩散与分化
来源:iknow科技产业资讯室
原文网址:https://pse.is/8n4wu6
原文:
近年来，生成式人工智能（Generative AI, GenAI）的快速发展，持续冲击各行各业，其
中对软件开发工作的影响尤为显著。从“AI 是否会取代工程师”到“究竟谁能真正从
AI 中受益”，相关讨论不断升温。2026 年，Daniotti 等人于《Science》期刊发表一项
关于全球生成式 AI 扩散与影响的研究，为此一议题提供了重要的实证基础。
该研究并未采用传统的问卷调查方法，而是透过训练神经网络分类器，分析 2019 至
2024 年间超过 3,000 万笔 GitHub 程式码提交纪录，精准辨识由 AI 生成的 Python 程
式码，借此描绘生成式 AI 的全球采用趋势，并检视其对不同资历开发者所带来的深层影
响。
研究结果显示，随着 GitHub Copilot、ChatGPT 与 GPT-4 等工具陆续推出，AI 生成程
式码的比例在全球快速攀升，显示生成式 AI 已由早期的实验性工具，逐步转变为软件开
发流程中的常态化辅助技术。
从全球扩散的角度来看，美国在 AI 程式码生成的采用上取得了早期且持续的领先地位。
至 2024 年底，美国开发者提交的 Python 程式码中，约有 29% 为 AI 生成。欧洲国家
如德国与法国紧追在后，采用率分别为 23% 与 24%；印度虽然起步较晚，但成长迅速，
也已达到 20%。相较之下，中国与俄罗斯则因使用限制（如 OpenAI 的存取封锁）以及在
地平台使用习惯差异，整体采用率相对滞后。此一结果显示，尽管生成式 AI 被视为通用
技术，其扩散速度仍深受地理条件与地缘政治因素影响。
在开发者的人口特征分析中，研究并未发现性别在 AI 使用比例上的显著差异。然而，真
正的分歧则出现在“开发经验”上。研究指出，资历较浅的开发者反而更频繁使用 AI 工
具。刚加入 GitHub 的初阶开发者，其程式码中平均有 37% 来自 AI；相较之下，资深开
发者的比例则约为 27%。这显示，生成式 AI 已成为新手开发者快速上手的重要辅助工具
。
然而，当研究进一步分析 AI 对生产力的实际影响时，结果却呈现出明显的“强者恒强”
现象。整体而言，随着 AI 采用率提升，开发者的生产力平均增加 3.6%；但进一步拆解
后发现，这些增益几乎完全集中于资深开发者，其生产力提升幅度达 6.2%。相对地，最
积极使用 AI 的初阶开发者，却未观察到具统计显著性的生产力成长。
究其原因，资深开发者通常具备较强的“审核直觉”与程式码审查能力，能迅速辨识并修
正 AI 产出的错误，将其转化为实质且高品质的成果，从而实践真正的人机协作。他们得
以将节省下来的时间，从繁琐的协调与除错工作中释放，转而投入更具价值的核心编码任
务。反观初阶开发者，因缺乏足够的判断与整合能力，往往只能被动接受 AI 生成的程式
码，甚至可能因修补 AI 所留下的错误而抵销自动化带来的效率提升。这显示，在生成
式 AI 时代，扎实的基础知识非但未被取代，反而成为跨越生产力门槛的关键要素。
除了产量提升之外，生成式 AI 亦改变了软件开发的工作型态，并对创新行为产生影响。
研究发现，使用 GenAI 的开发者更倾向于引入新的程式库及其组合，显示 AI 有助于协
助开发者跨越既有技术边界，探索不熟悉的软件领域。然而，这类探索效益同样主要集中
于资深开发者身上，初阶者并未展现出相近程度的创新扩展能力。从经济角度估算，仅
以 2024 年底的采用水准计算，生成式 AI 每年即可为美国的程式编码活动创造约 230
亿至 380 亿美元的额外价值，但这项庞大效益的分配却呈现高度不均。
整体而言，生成式 AI 虽有助于提升整体效率与经济价值，却也可能同时扩大技能累积与
职涯发展上的不平等。当资深开发者透过 AI 持续强化竞争优势，而初阶开发者却陷入高
度依赖、难以累积核心能力的困境时，原本仰赖经验逐步累积的“技能阶梯”恐将面临断
裂风险。此一研究结果为软件产业的未来敲响警钟，提醒企业、教育体系与政策制定者：
在生成式 AI 时代，关键不在于是否导入 AI，而在于如何透过培训模式与制度设计，引
导人才理解并驾驭 AI，而非仅止于使用 AI，以确保其在 AI 辅助环境中，仍能持续累积
关键的核心能力，避免技术进步最终转化为结构性不平等。
心得：
根据这篇研究，AI 虽然降低了写 code 的门槛，但审核与除错的能力反而成为区分生产
力的关键。资深者能利用 AI 释放冗余工作、提升原本不熟悉的工具使用度，但初阶者若
过度依赖生成结果，可能因缺乏基础判断力，导致生产力原地踏步甚至后退，对于依赖AI
就想转行的工程师值得思考基础知识的增强才行。