AI 取代开发者？GitHub数据说不

这种说法一直很大声也很一致：AI要来抢软件工程师的饭碗了。Copilot写代码，Agent跑测试，Cursor做重构。再给一两年时间，开发者做的大部分事情就不需要开发者来做了。

然后NVIDIA的黄仁勋在最近的一次主题演讲中展示了一张图表，数据讲述了一个截然不同的故事。

GitHub现在每月处理9000万个合并的Pull Request，14亿次提交，以及每月2000万个新建仓库。

这不是一个开发者活动在衰退的平台的数据。这是一个正在经历史上最快增长的平台的数据。

1、打破"替代论"的数据

GitHub的提交轨迹实际上是这样的：

GitHub年度提交量：
──────────────────────────────────────────────────────────────
2023    ████████████████████████████████  ~3亿
2024    ████████████████████████████████████████  ~4亿
2025    ██████████████████████████████████████████████  ~5亿
2026*   ██████████████████████████████████████████████████
        ████████████████████████████████████████  ~14亿*

* 2026年前几个月的年化数据
──────────────────────────────────────────────────────────────
        2023 → 2026增长：不到三年近3倍
        趋势方向：加速增长，而非放缓
──────────────────────────────────────────────────────────────

从3亿到4亿是温和的同比增长。从4亿到5亿延续了这一速度。然后2026年到来了，仅在前几个月，这个数字就几乎达到了前一年全年数字的三倍。

如果AI正在减少对人类开发者的需求，你会看到活动趋于平稳或下降。你会看到更少的仓库、更少的提交、更少的Pull Request。但实际上，每个指标都在同时发生相反的情况。

2、这到底意味着什么

最接近的类比是电子表格对会计行业的影响。

在Excel出现之前，财务分析是缓慢的、受人力限制的、昂贵的。电子表格并没有消灭会计师。它们消灭了会计师能力的上限。一个三人的团队现在可以完成以前需要十五人团队才能完成的工作，而且他们可以处理以前完全无法触及的问题。

同样的动态正在软件领域上演：

AI工具之前：
──────────────────────────────────────────────────────────────
  [想法]
     │
     ▼ （需要数周验证）
  [原型]  ← 需要：设计 + 后端 + 前端 + 基础设施
     │
     ▼ （需要数月构建）
  [MVP]  ← 大多数产品至少需要4-6人的团队
──────────────────────────────────────────────────────────────

有了AI工具（2025-2026）：
──────────────────────────────────────────────────────────────
  [想法]
     │
     ▼ （几小时到几天）
  [原型]  ← 1个开发者使用Claude Code / Cursor / Copilot
     │
     ▼ （几周）
  [MVP]  ← 对许多产品来说，单人或两人团队现在已可行
──────────────────────────────────────────────────────────────
  结果：更多想法被实现 → 更多仓库 → 更多提交
──────────────────────────────────────────────────────────────

曾经躺在笔记本里的想法正在变成原型。周末项目正在变成上线的产品。从概念到代码的激活能已经大幅下降，而GitHub的数据就是最直接的证据。

3、开发者现在的一天是什么样的

变化不在于AI写代码而开发者旁观。变化在于开发者在更高的抽象层次上运作，AI处理更多的实现细节。

# AI工具之前：开发者手动编写
# 时间：45分钟来研究、编写、测试

import boto3

def upload_to_s3(file_path: str, bucket: str, key: str) -> bool:
    s3 = boto3.client("s3")
    try:
        s3.upload_file(file_path, bucket, key)
        return True
    except Exception as e:
        print(f"Upload failed: {e}")
        return False

# 有了AI工具：开发者描述意图，审查输出
# 时间：3分钟来提示、审查和集成

# 开发者提示："上传文件到S3，带有重试逻辑、
# 指数退避和结构化日志记录"

import boto3
import time
import logging
from botocore.exceptions import ClientError

logger = logging.getLogger(__name__)

def upload_to_s3(
    file_path: str,
    bucket: str,
    key: str,
    max_retries: int = 3
) -> bool:
    s3 = boto3.client("s3")
    for attempt in range(max_retries):
        try:
            s3.upload_file(file_path, bucket, key)
            logger.info("Uploaded %s to s3://%s/%s", file_path, bucket, key)
            return True
        except ClientError as e:
            wait = 2 ** attempt
            logger.warning("Attempt %d failed, retrying in %ds: %s",
                          attempt + 1, wait, e)
            time.sleep(wait)
    logger.error("All %d upload attempts failed", max_retries)
    return False

第二个版本是更好的代码。它花了更少的时间来生成。开发者的贡献在于定义"好"是什么样子的——这是判断力，而不是打字敲出实现。

这种判断力仍然是完全属于人类的。而且因为花费的时间更少，同一个开发者现在可以处理以前需要两个人才能完成的工作。

4、生产力栈有了新的一层

每一代工具都增加了一层抽象，使开发者更有能力，但并没有使开发者变得不必要：

开发者生产力堆栈（2026）：
──────────────────────────────────────────────────────────────
┌─────────────────────────────────────────────────────────┐
│  AI层（Claude Code, Cursor, Copilot, Devin）             │
│  处理：实现细节、样板代码、重构                            │
├─────────────────────────────────────────────────────────┤
│  框架层（React, FastAPI, Rails等）                       │
│  处理：模式、约定、脚手架                                  │
├─────────────────────────────────────────────────────────┤
│  语言层（Python, TypeScript, Rust等）                     │
│  处理：内存管理、类型安全、编译                            │
├─────────────────────────────────────────────────────────┤
│  操作系统/基础设施层                                      │
│  处理：硬件、进程、网络                                    │
└─────────────────────────────────────────────────────────┘
         │
         ▼
  开发者在这里运作：架构、产品决策、
  系统设计、代码审查、判断力——那些需要
  理解"好"对特定问题意味着什么的事情。
──────────────────────────────────────────────────────────────

每次增加新的一层时，末日预言都会紧随其后。高级语言将使汇编程序员过时。IDE将取代理解代码的需要。框架将消除对后端工程师的需求。这些预言都没有成真，因为每一层带来的生产力提升都扩大了可构建事物的范围，从而为能够驾驭它的人类创造了更多需求。

5、图表实际上展示了什么

GitHub的数据并不是说尽管有了AI，开发者是安全的。它们表明AI正在创造比这个行业以往任何时候都更多的开发者、更多的项目和更多的代码。

一个开发者现在可以构建以前需要一个小团队才能完成的东西。这意味着更多的人可以切实地开始构建。更多的问题可以被更小的团队攻克。更多的软件被编写、发布和维护。

提交量在几个月内几乎增长到三倍，这不是一个关于AI写代码的故事。这是一个关于人类因为工具终于允许他们这样做而构建了比以往任何时候都更多的东西的故事。

这不是对这个职业的威胁。这是这个职业在扩张。

原文链接：Everyone Said AI Would Replace Developers. GitHub's Numbers Show the Opposite.

汇智网翻译整理，转载请标明出处