先看一组很直观的数据：一个月完成了十个月的工作量，却留下了一堆无人问津的代码。

回想起来颇有些感慨，就在几年前，编写代码还像是一门需要细细打磨的手艺。程序员端坐在屏幕前精雕细琢，一天能产出几十行逻辑严谨的代码，就足以撑起一个复杂的系统。那时候，每一行代码都是实实在在的稀缺资产。

然而到了今天，机器生成代码的速度，已经快到人类根本望尘莫及的程度。

一个典型的案例：某家公司引入AI工具后，代码月产量从2.5万行猛增至25万行。但与此同时，后台积压了超过100万行无人审核的代码。面对这样的量级，问题早已不是能不能写出来，而是机器写得太多，人眼根本审查不过来。

极端到什么地步？当代码多到不再值钱，连Meta这样的科技巨头，内部也开始滋生一种相当无奈的新型内卷。

既然代码行数无法衡量价值，管理层推出的新考核指标竟是：比拼谁消耗的算力更多。于是，有人明明两句提示词就能搞定的事情，非要和AI来回扯十几个回合，甚至让机器在后台空转好几个小时。据估算，为了维持这种虚假的活跃感，Meta每个月浪费在毫无意义的对话上的支出高达9亿美元。

说白了，在这场看似繁荣的技术爆发背后，整个硅谷正面临一种被效率反噬的集体迷失。

一、洪水来袭：被流水线代码压垮的审查系统

随着Anthropic、OpenAI和Cursor等AI编程工具在过去一年里快速迭代，代码过剩已经成为现实。

安全初创公司StackHawk的CEO Joni Klippert，看了开头那家百万行代码积压的状况后，给出了一个生动的比喻：这就像一个原本每天处理100件快递的小驿站，突然被空投了1000件货物，结局只有一个——传送带断裂，分拣员崩溃，整个系统直接瘫痪。

代码量太大，漏洞增长的速度也超乎想象，人类已经完全跟不上。而这种快节奏，正在反噬企业自身。技术部门按下了十倍速的快进键，下游的销售、营销、客户支持等团队，只能被迫在海啸般的代码中疲于奔命。

X上的科技博主@MikeIsaac对此评价了一句经典的话：Claude过后，洪水滔天。

二、繁荣的幻觉：超级英雄还是黑盒制造机

硅谷许多技术人员正沉浸在这种捷径里——把精力花在构思上，不再纠结于底层逻辑。

但硬币的另一面，相当棘手。

世界上根本没有足够的安全工程师来审核这些爆炸式增长的代码。审查者处于一种功能性短缺的状态。更致命的是，当开发者越来越依赖AI，他们对底层原理的理解正逐渐萎缩。AI写错了，可能无人知晓错在哪里。AI智能体初创公司Elvex的创始人Sachin Kamdar警告说：它迟早会把系统弄崩溃，而且你根本不知道为什么会崩。为此，他早在十六个月前就定了一条硬性规矩：公司所有代码，必须经过人类审查。

像Tldraw这样的开源项目，面对的则是AI僵尸的围剿。大量机器人提交着看似专业但完全没逻辑的代码。创始人Steve Ruiz被逼到不得不对外关闭提交权限，才能保住项目声誉。

X用户@AlexanderRiccio有句话说得颇为到位：在这个时代，只有那些近乎执拗地执行端到端测试和静态分析的人，才能在这波洪流里存活下来。

安全风险也在暗中滋长。因为AI工具在本地运行更流畅，大量工程师为了追求极致速度，违规把整套公司源码下载到个人笔记本上。安全专家Joe Sullivan感慨，这是半年前没人能预料到的疯狂风险。

三、职场异闻：Meta内部的算力消耗竞赛

为了量化员工在AI时代的产出，Meta推出了一套比拼算力消耗的考核机制。这套机制正在催生一种叫“代币最大化（Tokenmaxxing）”的职场文化。据《The Information》报道，员工们不但不觉得羞耻，反而把它视为通往晋升的常规手段。

Meta内部还有一个叫“Claudeonomics”的排行榜，实时追踪8.5万名员工的AI使用量。榜上挂满了各种RPG式的头衔，比如“词元传奇”、“模型鉴赏家”、“缓存巫师”。为了冲进前250名拿到那枚翡翠勋章，员工们各显神通，开启了一场刷分竞赛。

有人明明一两句提示词就能搞定，偏要跟AI来回拉扯十几个回合；有人直接让AI智能体在后台不停地进行长达数小时的“虚假调研”。一位内部人士直言：你绝对不想成为那个只用两句提示词就能解决问题的人，因为别人都用了十句。

测算显示，Meta每个月在这些对话上的支出可能高达9亿美元。这就像衡量一个卡车司机的标准不是送了多少货，而是看他空挡踩油门烧了多少油。

但科技大佬们似乎还挺乐见其成。英伟达CEO黄仁勋此前公开表示，如果一个年薪50万美元的工程师一年消耗不掉25万美元的词元，他会深感焦虑。据《福布斯》报道，Meta首席技术官Andrew Bosworth也透露，一位顶级工程师消耗了相当于自己工资的算力，但产出提高了十倍。CEO马克·扎克伯格的要求更直接：他让工程团队重写底层代码库，使其结构更适合AI智能体的阅读习惯，而不是人类。

四、争议之声：测量油耗是评价司机的正确方式吗

这套以算力消耗为核心的考核体系，在社交媒体上引发了广泛质疑。

X用户@ElectrikDreams评论得十分辛辣：把AI使用量等同于生产力，就像通过代码行数来衡量代码质量一样，是典型找错了目标的简单指标。

科技博主@MaxSchoon补充说，在Meta，词元消耗已经变成一种身份象征，直接挂钩到绩效评估。有的公司甚至把每年7.2万美元的算力预算当成福利，和牙科保险并列。

这印证了著名的古德哈特定律（Goodhart's Law）：当一个指标变成目标时，它就不再是一个好指标了。当员工都在为了刷数据而工作，真正的创新能力可能正在枯竭。

五、未来之路：软件工厂的零件重组

面对这场代码大爆炸和偏离重心的评价体系，硅谷正在尝试找出路。

AI编程企业Cursor的工程主管Tido Carriero坦言：旧的软件开发工厂已经坏掉了，他们正在尝试重新组合零件。传统的开发流程正在被改写——过去是需求、设计、编写、测试，现在变成了构思、生成和点击审查。

既然人类看不过来百万行代码，行业给出的解法是：雇佣更多的AI审计员。Anthropic和OpenAI都在加速部署专门捕捉漏洞的审查智能体。去年底，Cursor也收购了专注构建代码审查机器人的初创公司Graphite，用来帮助工程师优先处理最需要审查的敏感代码。

最终的结果变成了：AI没日没夜地写，另一个AI没日没夜地查，人类在旁边统筹全局。如今，那些能在一堆AI幻觉中嗅出后门漏洞的高级工程师，反而成了硅谷猎头手里最珍贵的人才。

六、结语：别在数字洪流中迷失

我们正处于一个相当割裂的节点。

一方面，AI确实赋予了技术人员更高的效率——原本需要几百人的大项目缩减到几十人，或者几个月的工作压缩到几天。但另一方面，对底层技术的敬畏心，正在被盲目刷算力的现象消解。

正如X用户@RobertoInetti感叹的，这场变革目前来看大概率是往坏的方向走。如果代码变成了不需要理解的消耗品，如果程序员变成了刷代币指标的数字劳工，那这场代码大爆炸留下的，可能只有一地残骸。

在这个代码过剩的年代，稀缺的不再是产出能力，而是核心判断力。对于程序员来说，当下不再需要比AI写得快，但必须比AI看得深。等潮水退去，那些只会在内部刷荣誉勋章的人，终会被行业淘汰。只有能驾驭AI并守住系统底线的架构师，才能真正站稳脚跟。