InfoQ 中文T2·78 分
哈佛研究：AI 代码生成受评审瓶颈制约，整体交付效率未同步提升
原标题：研究发现：AI 生成代码受下游环节瓶颈制约，无法提升整体生产力
- AI 智能体虽使代码行数增加 30%，但工单解决率仅提升 12%，存在明显的“产出-交付”落差。
- 工程师仅将 30%-40% 的时间用于编码，AI 加速编码后，代码评审成为主要瓶颈。
- 引入 AI 后，合并请求的平均评审时长增加 49%，需修改的比例翻倍，且 AI 辅助评审未能缓解此问题。
返回热点榜
tools热度 11.8°
AI 聚合热点事件 · 2026/11/4
哈佛研究：AI 代码生成受评审瓶颈制约，整体交付效率未同步提升
1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/4 16:33:04
全景综述与最新动态
1 家信源交叉印证哈佛大学基于 718 家企业的大规模实证研究发现，尽管 AI 编程助手和智能体能显著提升代码产出量（如行数增加 30%），但并未转化为同等比例的完工工作量增长。核心原因在于开发流程中仅 30%-40% 的时间用于编码，其余时间消耗在规划、测试及代码评审等配套环节。数据显示，AI 生成的代码导致合并请求平均评审时长增加 49%，评论数量激增 53%，需修改比例翻倍，表明下游环节的瓶颈效应抵消了上游的编码效率增益。
最新动向/哈佛大学基于 718 家企业的大规模实证研究发现，尽管 AI 编程助手和智能体能显著提升代码产出量（如行数增加 30%），但并未转化为同等比例的完工工作量增长。核心原因在于开发流程中仅 30%-40% 的时间用于编码，其余时间消耗在规划、测试及代码评审等配套环节。数据显示，AI 生成的代码导致合并请求平均评审时长增加 49%，评论数量激增 53%，需修改比例翻倍，表明下游环节的瓶颈效应抵消了上游的编码效率增益。
逐小时热度走势
2 个完整观测小时连续完整观测不足 3 个小时，暂不绘制趋势曲线。