AI寫代碼超九成，效率只漲六成，字節(jié)道出真實(shí)落地困境！

當(dāng)一個(gè)團(tuán)隊(duì)九成以上的代碼都由 AI 寫出，效率卻只漲了六成——這兩個(gè)數(shù)字之間，藏著 AI Coding 真正進(jìn)入企業(yè)的全部難題。

過去兩年，AI Coding 的能力飛速進(jìn)步，很快從小眾的極客群體破圈，成了全民狂歡。

但紅利人人可得，不等于企業(yè)都接得住。

當(dāng)一家公司想把這種能力從個(gè)體投射到整個(gè)組織，往往會(huì)先撞上一個(gè)反常識(shí)的事實(shí)。在今年的火山引擎 Force 大會(huì)上，字節(jié)跳動(dòng)技術(shù)副總裁洪定坤分享了一組來自 TRAE 團(tuán)隊(duì)的內(nèi)部數(shù)據(jù)：作為一個(gè)本身就在做 AI Coding 工具、又激進(jìn)地使用的團(tuán)隊(duì)，過去半年里，TRAE 超過 90% 的代碼是由 AI 寫出的。團(tuán)隊(duì)的人均需求吞吐率提升了 60%。

這個(gè)數(shù)字看上去有些反常識(shí)：AI 寫代碼的速度起碼是人的十倍以上，當(dāng)九成代碼都由 AI 產(chǎn)出，效率的提升理應(yīng)是幾倍，好像不該停在六成。

這恰恰是今天大多數(shù)團(tuán)隊(duì)在 AI 落地上遇到的現(xiàn)實(shí)。這也說明，AI Coding 進(jìn)入企業(yè)，從來不是「我用了 AI」「我用 AI 生成了多少代碼」這么簡(jiǎn)單。先進(jìn)企業(yè)之所以能把數(shù)字化走得足夠深，靠的從來不是更早地用上某個(gè)工具，而是更徹底地把一項(xiàng)新技術(shù)沉淀成組織自己的能力。

在 AI Coding 這件事上，企業(yè)到底該怎么把技術(shù)進(jìn)步，真正變成自己的生產(chǎn)力？字節(jié)用一線實(shí)踐，給出了一份沒有標(biāo)準(zhǔn)答案、但足夠詳實(shí)的樣本。

01

從字節(jié)的實(shí)踐，

看 AI Coding 落地的真實(shí)挑戰(zhàn)

過去一年，字節(jié)的 AI 代碼貢獻(xiàn)率與 AI Coding 上的 Token 消耗增長了五六倍甚至更多，且仍在高速攀升，AI Coding 已經(jīng)深度嵌入日常研發(fā)。但字節(jié)并沒有把這些數(shù)字當(dāng)成成績(jī)——恰恰相反，正因?yàn)橛玫米銐蛏睿麄儾疟却蠖鄶?shù)公司更早地看到了其中的問題。

首先是各種「指標(biāo)」造成的錯(cuò)覺。在推動(dòng) AI 落地的過程里，大部分團(tuán)隊(duì)很自然會(huì)盯住直觀數(shù)字：AI 代碼貢獻(xiàn)率、采納率、生成代碼量。可一旦把這些數(shù)字和真實(shí)產(chǎn)出放在一起，前面那組「90% 對(duì) 1.6 倍」的反差就浮了出來——過度看重單一的代碼貢獻(xiàn)率，反而讓團(tuán)隊(duì)沒找到全局優(yōu)化的方法。

「我用了多少 AI」、「我用 AI 生成了多少代碼」，盯著單一指標(biāo)蒙眼向前跑，以為是在狂奔，實(shí)際可能只是把「擺臂」這個(gè)動(dòng)作做得更快。

比「過度盯指標(biāo)」更麻煩的，是 Vibe Coding 自身的局限性。「Vibe Coding」在過去一兩年很火，這種「有想法就讓 AI 生成一版、跑通再說」的輕量開發(fā)方式，剛開始會(huì)很沒寫過代碼的人上癮。但真實(shí)世界里的開發(fā)，Coding 只是其中一部分，企業(yè)要的是長期穩(wěn)定、可維護(hù)、可運(yùn)營。

這些 AI 都容易悄悄省掉，因?yàn)槭〉糁驞emo照樣跑得通，但這和能真正上線還差得遠(yuǎn)。

TRAE 團(tuán)隊(duì)做了個(gè)實(shí)驗(yàn)：選三個(gè)主流 Coding 模型和三個(gè)主流 Agent 框架兩兩組合，用一個(gè)真實(shí)的中等復(fù)雜度需求、相同的 Prompt 各跑 100 次。只看「功能是否基本正確」，所有組合的正確率都超過 80%；可一旦看 UI 易用性、可靠性、可維護(hù)性、性能、兼容性這些維度，分?jǐn)?shù)就斷崖式下跌，組合之間還表現(xiàn)出極強(qiáng)的隨機(jī)性。

Harness 是解決這個(gè)問題的鑰匙。但一個(gè)很常見的誤區(qū)是：很多人一提 Harness 就把它等同于其中的 Agent 框架，扎進(jìn)「Single 還是 Multi Agent、配哪些角色和工具」的討論里。但在真實(shí)業(yè)務(wù)中，決定 AI 能否落地的，還有大量更基礎(chǔ)、更工程化的東西。

當(dāng) TRAE 團(tuán)隊(duì)把這些基建結(jié)合進(jìn)去重跑那個(gè)實(shí)驗(yàn)，「可交付性」明顯提升，從原本只有四五十分、勉強(qiáng)可用甚至不及格的程度，普遍被拉到了 80 分。換句話說，不把基建和 Harness 做扎實(shí)，Vibe Coding 看著快，實(shí)際未必快，甚至更慢。

解決了目標(biāo)的對(duì)齊，解決了工程層面的問題，最后留給團(tuán)隊(duì)的挑戰(zhàn)是：協(xié)作。AI 把寫代碼的門檻大幅拉低后，產(chǎn)品、設(shè)計(jì)、運(yùn)營都能把想法直接變成代碼。洪定坤透露，字節(jié)內(nèi)部就發(fā)生過這樣的一幕：一位產(chǎn)品同學(xué)拿著自己用 Vibe Coding 做出來的需求來找研發(fā)，頁面能看、流程能跑，她不理解為什么還要排期幾天、為什么不能直接給她倉庫權(quán)限自己上線。

顯然，代碼生成的門檻降了，系統(tǒng)復(fù)雜度卻沒降。從團(tuán)隊(duì)協(xié)作的角度，這里的兩難在于：一方面不能因?yàn)椤覆皇枪こ處煂懙摹咕鸵桓欧穸ā尭嘟巧苯影严敕ㄗ兂纱a，溝通更直接、驗(yàn)證更快；另一方面也不能「誰寫出來誰就上線」，因?yàn)榇a要放進(jìn)既有架構(gòu)、和已有模塊配合。真正的挑戰(zhàn)，是讓更多人更合理地參與代碼生產(chǎn)，同時(shí)讓這些產(chǎn)出匯入統(tǒng)一的架構(gòu)、規(guī)范與交付流程。

把這些挑戰(zhàn)連在一起可以發(fā)現(xiàn)，字節(jié)對(duì) AI Coding 的關(guān)注點(diǎn)，其實(shí)已經(jīng)從「用了多少 AI」悄悄挪到了三件更本質(zhì)的事情上：找到更合理的指標(biāo)，去衡量 AI 是否真的全局提升了交付效率；用更穩(wěn)健的方式，讓 Vibe Coding 走向真正的軟件工程，處理好技術(shù)債；以及，圍繞 AI Coding，讓軟件開發(fā)上下游的各種角色更好地協(xié)作。指標(biāo)、治理、協(xié)作——這不只是字節(jié)的課題，也是行業(yè)里大多數(shù)公司正在共同面對(duì)的挑戰(zhàn)。

02

想要用好 AI Coding 的企業(yè)，

該怎么做

意識(shí)到這些問題之后，字節(jié)這一年也在摸索對(duì)策。它趟出來的經(jīng)驗(yàn)，大致可以歸結(jié)為三個(gè)層層遞進(jìn)的轉(zhuǎn)變——從怎么開始，到怎么貫通，再到怎么讓整個(gè)組織都接得住。

一個(gè)很典型的環(huán)節(jié)是「設(shè)計(jì)圖變代碼」。傳統(tǒng)流程里，設(shè)計(jì)師畫好視覺稿，還得由前端工程師照著一行行還原成代碼——洪定坤舉例，去年他做一個(gè)小應(yīng)用，前端同學(xué)有六成時(shí)間都耗在這道「還原」工序上。而 AI Coding 讓這一步可以被壓縮：未來設(shè)計(jì)師產(chǎn)出設(shè)計(jì)稿時(shí)，對(duì)應(yīng)的前端代碼就能同步生成，省去大量重復(fù)的人工還原。

但原型只是起點(diǎn)。要真正進(jìn)入企業(yè)級(jí)研發(fā)，還得把共識(shí)沉淀成可復(fù)現(xiàn)、可驗(yàn)證、可維護(hù)的流程——字節(jié)給這套做法起了個(gè)名字，叫「系統(tǒng)化的 AI Development」。簡(jiǎn)單來說就是：AI 不該只在「寫代碼」這一段發(fā)力，而要進(jìn)入研發(fā)的各個(gè)流程。

現(xiàn)實(shí)中常見的尷尬是——Coding 用了 AI，后面大量工作還是傳統(tǒng)流程、靠人介入。字節(jié)的探索，是讓 AI 基于當(dāng)前 Context 編寫 Spec，功能實(shí)現(xiàn)后通過「Browser Use」自動(dòng)打開瀏覽器驗(yàn)證、自動(dòng)修復(fù) Bug，確認(rèn)無誤后自動(dòng)提交、協(xié)助上線，讓 AI 在全流程里發(fā)揮作用。

這套從挑戰(zhàn)中長出來的方法論，并不只在字節(jié)成立，今天已經(jīng)有企業(yè)使用這套方法論實(shí)現(xiàn)了業(yè)務(wù)提效。

最有代表性的是中國銀河證券。作為國內(nèi)較早推進(jìn) AI Coding 工程化落地的金融機(jī)構(gòu)，它的做法，是引入 TRAE 并系統(tǒng)性推行 SDD（規(guī)格驅(qū)動(dòng)開發(fā)），讓 AI 嵌入從需求到實(shí)現(xiàn)的全流程，而非停在單點(diǎn)補(bǔ)全。

變革取得了顯著的成果：研發(fā)需求的整體交付周期縮短了三分之一到二分之一，AI 代碼采納率最高可達(dá) 87%，前端 UI 還原度穩(wěn)定在 90% 以上。落到具體項(xiàng)目，一個(gè) Oracle 數(shù)據(jù)庫遷移項(xiàng)目，過去整體交付要約 5 天，在 AI 介入下壓縮到 2.5 天，代碼采納率達(dá) 95%；一個(gè)原本評(píng)估需 3.5 人天的基金管理人系統(tǒng)模塊，在 SDD 模式下 1 人天就完成了。AI 改變的不是某個(gè)程序員敲鍵盤的速度，而是整個(gè)交付鏈條的運(yùn)轉(zhuǎn)方式。

亞信科技和尚博信科技則從規(guī)模與深度兩個(gè)側(cè)面做了印證。

后者在一個(gè)大型供應(yīng)鏈平臺(tái)項(xiàng)目里，把原計(jì)劃 18 個(gè)月、80 人的交付，壓縮到 10 個(gè)月、50 人，70% 以上的業(yè)務(wù)代碼由 AI 生成并實(shí)現(xiàn)零缺陷上線；開發(fā)者的角色也從單純的 code writer，轉(zhuǎn)向 Reviewer、Architect 和 Problem-Solver。

從 AI Coding 到 AI Productivity

「企業(yè)怎么用好 AI」正在變成一個(gè)比 Coding 本身大得多的命題，今天一個(gè)判斷逐漸成為共識(shí)：這場(chǎng)競(jìng)賽，拼的早已不只是模型。

火山引擎總裁譚待在 Force 大會(huì)接受采訪時(shí)談到，企業(yè)最終要解決的，從來不是「我要一個(gè)好模型」或「我要一個(gè)好 API」，而是「這一整套 AI 怎么在我的企業(yè)環(huán)境里落地，解決我具體的業(yè)務(wù)問題」。要做到這一點(diǎn)，需要的東西甚至超出了模型，也超出了 Harness——你要和企業(yè)的各種系統(tǒng)打通、和數(shù)據(jù)打通，要讓 Agent 能在企業(yè)里真實(shí)地運(yùn)行和操作，還要做好安全、做好 Agent 的身份鑒權(quán)，滿足監(jiān)管與合規(guī)的要求。這是一個(gè)比「模型能力」大得多的范疇。

譚待還提到一個(gè)前提：讓 AI 真正走進(jìn)生產(chǎn)，靠的是模型跨過了「生產(chǎn)力質(zhì)變點(diǎn)」。他觀察到，在視頻生成模型成熟前，調(diào)用峰值出現(xiàn)在周末，說明大家更多是在休閑時(shí)拿它當(dāng)玩具；而當(dāng)模型真正可用之后，工作日的負(fù)載反而遠(yuǎn)超周末——人們開始在辦公、在生產(chǎn)里用它。

Coding 同理：真正的生產(chǎn)級(jí)，是代碼能跑通測(cè)試、能真實(shí)上線、能承擔(dān)核心系統(tǒng)，而不是寫幾個(gè)能演示的 Demo。他給行業(yè)進(jìn)度打的分?jǐn)?shù)也很清醒——如果說去年整個(gè)行業(yè)跑了 500 米，今年也不過一公里多一點(diǎn)，但這一公里關(guān)鍵，因?yàn)樗邕^了生產(chǎn)的質(zhì)變點(diǎn)。

而這一程一旦跨過，AI 能做的事就不會(huì)停在代碼上。

這也是 TRAE 想回答的問題。當(dāng)它的用戶從工程師擴(kuò)展到產(chǎn)品、運(yùn)營、市場(chǎng)甚至學(xué)生，AI 的價(jià)值就不再被「寫代碼」框住，而是進(jìn)入更廣義的真實(shí)工作——這是 TRAE 推出 Work、并與火山引擎一起把這部分能力集成進(jìn)企業(yè)版的背景。從 AI Coding 到 AI Productivity，TRAE 想做的，不再只是一個(gè)面向工程師的編程工具，而是同時(shí)承接 Coding 與 Work：既為企業(yè)里的個(gè)人提效，也為組織整體的效率負(fù)責(zé)。

就像洪定坤在演講中提到的「設(shè)計(jì)圖變代碼」流程，在今天的TRAE Work里完全能夠一站式實(shí)現(xiàn)。你可以直接用「Work」功能以自然語言生成設(shè)計(jì)方案，在「Design」模式的畫布中繼續(xù)修改，并切換到「Code」模式銜接現(xiàn)有設(shè)計(jì)規(guī)范和開發(fā)流程。

洪定坤在演講結(jié)尾說，AI Coding 和 AI Working 都還是很早期的命題。早期意味著遠(yuǎn)未塵埃落定，但跨過質(zhì)變點(diǎn)，意味著這件事第一次真正可被度量、可被信賴、可被規(guī)模化地復(fù)制到不同行業(yè)。

它指向的不再是「AI 能不能寫代碼」這個(gè)已經(jīng)被回答的問題，而是一個(gè)更大的命題：當(dāng) AI 能穩(wěn)定地走進(jìn)企業(yè)、走進(jìn)真實(shí)工作現(xiàn)場(chǎng)，它對(duì)應(yīng)的，將是一個(gè)遠(yuǎn)比「工具」遼闊的市場(chǎng)。