AI正在造AI:闭环已经形成,效率与治理同步升温

3次阅读

共计 1275 个字符，预计需要花费 4 分钟才能阅读完成。

信息整理

我们其实已经身处一个 AI 创造 AI 的闭环之中。

当代码编辑器主动补全下一行, 企业用 AI 生成的报告训练下一个模型 , 个人一周做出服务十几万用户的产品, 这些场景在 2026 年已不罕见。AI 正从被使用的工具, 变成制造工具的工具。

重点: 我们其实已经身处一个 AI 创造 AI 的闭环之中。
重点: 当前公开信息主要集中在产品、策略或节奏变化上。
重点: 后续仍需关注官方更新、落地范围以及实际反馈。

JetBrains 报告显示,2026 年 5 月至 7 月 , 全球约 90% 专业开发者每周至少使用一次 AI 编程 Agent,68% 每天使用。Claude Code 使用率从年初 18% 升至 39%,GitHub Copilot 从 29% 降至 21%。企业端,Anthropic 工程师合并代码请求数量提升 67%,70% 至 90% 的代码在 AI 辅助下完成; 腾讯超 90% 工程师使用 AI 编程助手, 超 50% 新增代码由 AI 辅助, 平均编码时间缩短 40% 以上; 快手截至 6 月员工使用自研 AI Agent 占比超 92%, 研发人员 AI 生成代码贡献率达 60%。

从已披露信息看, 这一变化更值得关注的, 不只是表面动作本身, 还包括其对后续行业节奏、用户预期和市场竞争的连锁影响。

第一层,AI 辅助人类写代码。MIT 追踪十万名开发者发现 , 使用 AI 后代码行数达原先 17.3 倍, 但实际发布软件版本仅提升 30%;AI 对低活跃开发者效率提升约 85%, 对高频提交者约 21%。

第二层,AI 自主完成开发闭环。OpenAI 内部实验中 ,AI 六周内将准确率从 25% 提升到 86%, 自行定位缺陷、修复、测试并验证; 其内部还有代码超百万行、无一行人工手写的系统。Anthropic 的 AI 代码审查工具可多智能体并行分析 Pull Request, 自动标注逻辑错误。

谷歌把 AI 使用纳入部分员工绩效评估, 摩根大通要求工程师用 AI 提效 , 英伟达超一万名员工使用 GPT-5.5。但效率提升不等于交付变快。阿里巴巴首席人才官观察到, 工程师代码效率可提高 10 倍, 端到端开发周期却未明显缩短, 因为需求分析、架构设计、测试验证、部署运维同样耗时。Gartner 预测, 到 2028 年异步 AI 编程 Agent 工作流将把软件工程团队生产力提升 30% 至 50%。

制药行业借助 AI 将候选化合物发现周期从 36 个月压缩到 20 个月以内, 研发成本降低 40% 以上 ; 首钢上线 45 个 AI 智能体, 落地 929 个场景, 热轧排程效率提升 80%; 美的计划 2026 年前通过 AI 实现约 9 亿元成本节约。个人端, 百度“秒哒”、阿里 Meoo、蚂蚁灵光“灵光圈”让自然语言生成应用成为可能; 魔搭创空间近 2.3 万个 AI 应用, 约 95% 由个人开发。

“AI 造 AI”的核心是递归式自我改进:AI 造出更好的 AI, 更好的 AI 再加速下一轮 。它既可能显著抬高生产力, 也让验证、安全与治理成为更关键的环节。效率之外, 如何确保人类始终掌握方向, 是这场闭环真正需要回答的问题。

本文基于公开信息整理, 如有侵权请联系删除。

正文完