在科技领域，一场关于软件开发的变革正悄然兴起。OpenAI创始人曾描绘过机器人自主制造机器人的未来愿景，尽管在物理层面受限于材料与资源，这一设想仍带有科幻色彩，但在软件领域，AI“复制”AI的场景已逐渐成为现实。
上个月，AI编程产品TRAE将IDE内置的SOLO模式独立为桌面和网页客户端，这一举措让非专业用户，如产品、设计、运营和数据从业者，能够在熟悉的对话场景中“指挥”AI工程师完成工作。更引人注目的是，这个独立客户端几乎完全由SOLO自身开发完成。在超过100万行代码中，AI的贡献率高达93%，仅7%由人类程序员完成。这一案例标志着软件工业的作业模式正经历深刻变革，传统“什么值钱、什么不值钱”的标准正在被重新定义。
类似的变化也在其他科技公司中上演。今年年初，Claude Code负责人鲍里斯·切尼透露，其团队90%的代码由AI自动生成。作为资深程序员，他表示从未像今天这样享受工作——繁琐的“脏活累活”交由AI处理，人类只需专注于最具创造性的部分。他甚至预言，传统的“工程师”岗位可能逐渐消失，取而代之的是“构建者”这一新角色。
TRAE团队的实践进一步印证了这一趋势。他们通过“前置对齐”流程，让功能负责人与AI协作制定技术方案，确保执行路径符合预期，避免后期返工。开发者则将精力投入架构设计、复杂逻辑和创新探索中。数据显示，一位重度用户一年内通过TRAE生成了30万行代码，仅需12次手动干预。这种模式下，人类与AI的对话从实时反馈转向异步任务，开发者的角色更接近管理者，而非直接编码者。
经济学中的“摩擦成本”概念在此得到新诠释。在传统办公场景中，员工间的沟通成本高昂，会议频繁却效率低下。而AI编程的异步协作模式大幅降低了这种摩擦。通过将资深工程师的经验封装为“Skill”，AI能够自主解决问题，人类干预仅在必要时发起。这种变革不仅提升了个人效率，也为企业沉淀研发资产提供了可靠途径。
然而，组织层面的变革仍面临挑战。TRAE团队复盘指出，尽管个人速度显著提升，但组织整体效率的提升存在滞后性。这印证了行业内的普遍观点：个体适应AI如小船调头，灵活自如；组织融合AI则似巨轮转向，需更长时间。尽管如此，全球顶尖科技公司对AI的投入方向高度一致——越早实现AI原生（AI Native）的企业，越能在未来竞争中占据优势。
以中国安卓市场为例，碎片化问题长期困扰开发者。适配不同系统和设备需消耗大量资源，导致部分应用无法及时支持鸿蒙等新兴系统。而AI自主开发分支版本App的模式，为这一问题提供了解决方案。通过高度托管的适配、上架和维护流程，开发者仅需少量人力管理全局，即可实现资源的高效分配。
meta的实践则从另一个角度展现了企业对AI的重视。该公司内部设立游戏化排行榜，根据8万多名员工的AI工具（如代码生成模型）使用量划分段位，CTO更表示预算不设上限，鼓励员工“应用尽用”。尽管这一举措因画面抽象引发调侃，但其核心逻辑——推动AI编程渗透至软件工程的每个环节，乃至重塑企业生产体系——得到了广泛认可。
在这场变革中，人类的角色并未被削弱，反而更加关键。尽管AI能够处理大量重复性工作，但最终决策权仍掌握在人类手中。无论是确定产品方向，还是在复杂问题中划定解决路径，都需要人类的判断力与创造力。代码自由带来的不仅是产品自由，更是创造自由的基石。而在这片智能盈余的新世界里，最稀缺的始终是那些能够“拍板”与“划线”的人。
