75%的代码你不用碰了，然后呢？
75%的代码你不用碰了，然后呢？
Cursor CEO Michael Truell 最近做了个演讲，里面有一组数据让我愣了好一会儿。他们企业客户里，一年前85%的代码还是人类手写的。现在呢，75%的代码完全由AI生成，人类根本没碰过那些语法。
85%到75%，不是渐进式的变化。这是一年之内，人和机器在代码产出上的比例彻底反转了。
Truell用了一个词叫「幽灵同事」。意思是，你身边的开发团队里，已经多了一些你看不见的成员。它们不打卡不领工资，但它们在写代码，而且写得越来越多。你的角色，正在从「写代码的人」变成「管理写代码的幽灵的人」。
几乎同一时间，另一条线也在发声。36氪有篇文章的标题很直白，「暴跌漩涡中，软件选择主动被大模型吞噬」。美股软件ETF（IGV指数）年初至今跌了24%。软件公司不是在抵抗，而是在主动把自己重构成Agent可调用的能力。
一个是开发者的角色在变，一个是软件本身的形态在变。这两件事其实是同一条叙事线。
「幽灵同事」到底在干什么
Truell演讲里有个细节很关键。他说Cursor内部的Agent团队已经能独立开发浏览器原型了。不是一个脚本，不是一段补全，是一个可运行的原型产品。Architect Agent负责系统设计，Coding Agent负责写代码，QA Agent负责测试，DevOps Agent负责部署。工程师的角色变成了这群Agent的技术负责人。
腾讯研究院刚发的2026 AI Coding观察报告也说了类似的话。专业开发者从代码编写者转为智能体编排者，非开发者以「构建者」身份入场。一人公司成为主流组织形态。
我自己用Cursor和Claude写代码的感受是，真正省掉的不是打字的时间，而是查文档、试错、来回改的那段时间。以前写一个功能，我得先翻API文档，写个草稿，跑一下报错，查报错，改，再跑。现在这个过程压缩到了几次对话里。我说的不是「AI帮你写了个函数」这种小场景，而是整个开发流程的重构。
从需求描述到架构设计，从代码生成到自动调试，从单测到部署监控，AI已经不是那个「帮你补全下一行」的助手了。它开始接管整个链路。
软件为什么主动「被吞噬」
IGV跌24%，这不是小事。传统SaaS公司的商业模式建立在「用户通过界面使用功能」的假设上。但当大模型可以直接调用API完成同样的任务时，用户还需要打开你的界面吗？
不需要了。
所以你会看到一种看起来矛盾的趋势，软件公司在主动拆掉自己的护城河。它们把功能开放为API、SDK、MCP接口，让Agent可以直接调用。不是投降，是求生。如果用户不打开你的界面了，那至少让Agent在调用你的时候，还能产生收入。
「被吞噬」听起来像是被动，其实有一部分是主动选择。就像当年的媒体，与其等搜索引擎把流量吸走，不如自己做好SEO，至少还能被搜到。
23倍换2.7%，这笔账怎么算
聊到这，不得不提另一组数据。斯坦福2026年AI指数报告显示，2025年美国私人AI投资2859亿美元，中国124亿美元，差距23倍。但中美顶尖模型的性能差距只剩2.7%。
23倍的钱，换来2.7%的领先。这笔账怎么算都不划算。
除非你理解一件事，那23倍砸的不只是模型训练。五大科技巨头2026年承诺的资本支出6600到7000亿美元，约75%直接投向AI基础设施。数据中心、芯片、电力、冷却系统，这些才是钱真正去的地方。美国拥有5427个数据中心，数量超过其他任何国家的10倍。
2.7%是模型性能的差距，23倍是整个AI工业体系的投入差距。这两个数字放在一张表上看，才完整。
中国这一边，效率确实惊人。DeepSeek用极低的训练成本做出了接近顶尖水平的模型，80%的美国AI初创企业在用中国开源模型做研发。但效率再高，也绕不开底层算力的硬约束。训练芯片美国占全球92%，中国3%。CUDA生态覆盖90%以上的AI开发者。
所以23倍换2.7%这个数据，与其说是中国效率的胜利，不如说是两种投入模式的映照。中国把钱花在了模型迭代和开源生态上，美国把钱花在了基础设施和生态锁定上。短期看模型性能差距很小，长期看基础设施的差距才是真正的变量。
把这两件事放在一起
开发者的角色在变，软件的形态在变，中美AI的投入逻辑也在变。三件事串在一起看，你会发现一个共同的底层趋势，AI正在从「工具」变成「基础设施」。 当75%的代码由AI生成时，开发者不再是代码的生产者，而是代码的审核者和架构的决策者。当软件主动把自己重构成Agent可调用的能力时，软件不再是一个产品，而是一组接口。当23倍投入只换2.7%领先时，模型本身不再是壁垒，算力和生态才是。
坦率的讲，这三个变化都在指向同一个方向，你需要的不再是「会用AI的人」，而是「能判断AI该干什么的人」。
判断力，产品品味，对用户需求的理解。这些以前被认为是软技能的东西，正在变成最硬的竞争力。代码可以批量生成，但「这个功能该不该做」「这个方向对不对」「用户体验卡在哪里」，这些问题的答案AI给不了你。
腾讯研究院的报告里有句话我觉得说得准，行业稀缺资源转向判断力、验证能力、产品品味与长期运营纪律。
对我们意味着什么
如果你是开发者，别把时间花在跟AI比写代码的速度上。你比不过。把时间花在理解业务、做架构决策、把控产品质量上。AI写出来的代码需要有人审查，AI做的架构需要有人拍板，AI生成的方案需要有人判断行不行。这些就是你的新角色。
如果你不是开发者但想用AI做东西，2026年是最好的入场时间。工具足够成熟，门槛已经很低。Trae、Cursor、Windsurf，这些工具让你可以用自然语言描述需求，然后看着AI把整个项目搭出来。一人公司不再是口号，是一个可行的选择。
如果你是创业者或者做产品的，关注两件事。一是你的产品能不能被Agent调用，如果不能，你需要现在就开始重构。二是你的核心竞争力是不是「AI也能做的事」，如果是，你需要认真想想壁垒在哪。
至于中美AI这场博弈，短期内它会继续胶着。模型性能交替领先，应用层面各自跑各自的节奏。但底层的算力差距和生态差距不会凭空消失。中国模型在效率上的表现确实出色，但效率优势能维持多久，取决于底层能力的追赶速度。
75%的代码你不用碰了。剩下25%，和你判断该让AI碰哪些的那部分，才是你真正需要想清楚的。