老魏 · 折腾铺
民宿站监控台双色球点哪抠哪老照片修复Murdoku科学探险家
折腾铺/单篇
单篇2026-09-08老魏

2000个PR,AI自己写完了一个数据库

DoltHub 用大约 2000 个 AI 写的 PR 做出了一个数据库的 Beta 版;Grindr 说七成代码是 AI 写的;一个省政府用 50 个 AI,20 小时扫完 4.66 亿行。AI 写代码已经不是补全,是整条产线。
2000个PR,AI自己写完了一个数据库

2000个PR,AI自己写完了一个数据库

DoltHub 用大约 2000 个 AI 写的 PR 做出了一个数据库的 Beta 版;Grindr 说七成代码是 AI 写的;一个省政府用 50 个 AI,20 小时扫完 4.66 亿行。AI 写代码已经不是补全,是整条产线。

先说结论:从"补全一行"到"整条产线"

2023 年大家讨论 AI 写代码,说的是"它能帮我补全这行函数"。

2026 年秋天再聊这个话题,量级已经完全不是一回事了。

最近一个月冒出来的几组数据,放一起看,画风相当惊人。

氛围图:一条自动化的装配线,机械臂正在逐个放置零件

2000 个 PR,一个数据库

先说最硬的那个。

DoltHub 是一家做"带 Git 版本管理的数据库"的公司。他们干的这件事有点疯:让 AI 去写 DoltLite——一个带 Git 式版本控制的 SQLite 分支。

结果:这个 Beta 版,是由大约 2000 个 AI 提交的代码合并请求堆出来的。

两千次提交。不是两千行,是两千个 PR。

关键在于这不是演示项目,是真能用的软件,而且已经发了 Beta。

想想这个规模意味着什么:一个程序员一年能提交多少个像样的 PR?两三百个算勤奋了。两千个 PR,按人类节奏是好几个人年的活。

七成代码:Grindr 和整体水位

第二个数字来自 Grindr。这家公司公开说,AI 写了他们大约 70% 的代码,工程产出相比 2025 年 7 月翻到了 2.5 倍。

(提醒一句:这是企业自述,没有第三方审计。自述数字打点折是常识。)

但把它放到行业大盘里看,就不显得夸张了。

Google 今年 4 月披露过一条曲线:AI 写的、人工审过的代码占比,从 2025 年 4 月的约 30%,到去年秋天 50%,再到现在的 75%。

LlamaIndex 的 CEO 说得更直接:他们公司约 95% 的代码库是 AI 生成的。

50 个 AI,20 小时,4.66 亿行

第三个数字是我个人觉得最被低估的。

加拿大阿尔伯塔省政府干了一件事:派大约 50 个 AI 智能体去扫全省 27 个部门的软件,总共 4.66 亿行代码,用了约 20 小时。

然后把一个原本要五个月的补贴门户重建项目,压到四到五天,成本降了约 95%。

注意这件事的性质——它不是"写代码",是读代码。

对任何一个有一定年头的组织来说,最贵的从来不是写新功能,是搞明白老系统里到底有什么。这笔账以前只能靠人肉啃,现在有了新的解法。

示意图:一片密密麻麻的代码海洋,几束扫描光正在掠过

但是,有笔账没人算

写到这儿,画风该转一转了。

上面全是好消息。坏消息藏在另一组数据里,而且很少有人主动提。

Uber 今年 5 月的数据:他们在 5000 名工程师里全面推开了 AI 编程工具,采用率从 32% 冲到 84%——这个渗透率相当漂亮。

然后是两个没人愿意大声说的数字:

翻译一下:效率确实上去了,钱也确实没省下来。

产能提升了,单位成本没降。这在经济学上有个朴素的说法——你只是把瓶颈从"人不够"挪到了"预算不够"。

另一家公司 Rippling 的做法值得参考:他们上了个 AI 开销控制台,把 token 消耗按人、按团队摊开看,再做路由优化,把 token 支出从研发人力预算的 40% 压到了 15%。

省钱不是靠少用 AI,是靠管起来用。

真正的分水岭:不是"能不能写",是"谁来验收"

把上面这些案例串起来,你会发现一个共同点。

凡是把 AI 用出规模的公司,都无一例外地加了验收环节,而不是减掉。

没有一个敢说"AI 写完直接上生产"。

分水岭从来不在"AI 能不能写",在"谁来为写出来的东西负责"。

对比图:一边是高速运转的传送带,一边是一个拿着检查表的人影

给不写代码的人,三句话

第一句:别再用"AI 只是个高级补全"的眼光看它了。 那是 2023 年的认知。现在它能跑整条产线——两千个 PR、一个数据库、四到五天重建一个政府系统。

第二句:省下来的时间,不等于省下来的钱。 如果你正在做 AI 提效的预算,请照着 Uber 那个数去算:采纳率 84%,预算四月见底。这不是 AI 没用,是你得按新结构重新排预算。

第三句:真正的稀缺品换人了。 以前稀缺的是"会写代码的人",现在越来越稀缺的是"能判断 AI 写的东西对不对的人"。这个能力恰恰不靠写代码的年限,靠的是对业务的理解——这对不写代码的人是好消息。

最后

两千个 PR 造出一个数据库,听起来很科幻。

但我更愿意你记住另一件事:这活儿能成,是因为每一个 PR 都被合并流程管着。 有人写,有人审,有测试,能回滚。

产能已经彻底自由了。

质量责任,一克都没自由。


觉得有用?点个关注,持续获取优质内容。