CC
云谦的博客
发布于 2025年12月31日

译:效率悖论:为什么让软件更容易编写意味着我们将编写指数级更多的软件

原文: https://addyosmani.com/blog/the-efficiency-paradox/
作者: Addy Osmani
译者: Gemini 3 Pro High

December 29, 2025

每当我们让软件编写变得更容易时,结果我们编写的软件数量都会呈指数级增长。

当高级语言取代汇编语言时,程序员并没有少写代码——他们写的代码量增加了几个数量级,去解决以前在经济上不可能解决的问题。当框架抽象了底层架构时,我们并没有减少产出——我们构建了更宏大的应用程序。当云平台消除了基础设施管理的负担时,我们并没有缩减规模——我们为那些以前根本不值得建立服务器机房的用例启动了服务。

@levie 最近阐述了为什么这种模式即将在我们前所未见的规模上重演,并以 杰文斯悖论(Jevons Paradox) 为框架。这个论点引起了共鸣,因为它正在我们的开发工具中实时上演。每个人最初问的问题都是“这会取代开发人员吗?”,但只要看看实际发生了什么。采用这些工具的团队并不总是缩减工程人员编制——他们扩大了产品覆盖范围。以前只能维护一个产品的三人初创公司现在维护着四个。以前只能尝试两种方法的企业团队现在尝试七种。

被移除的约束不是能力,而是开始新事物所需的活化能。想想那个你一直推迟的内部工具,因为“它需要某人两周时间,而我们抽不出人手”?现在它只需要三个小时。那个你一直推迟的重构,因为风险/回报计算不划算?现在计算结果变了。

这一点很重要,因为软件工程师处于独特的地位,能够理解即将发生的事情。我们以前看过这部电影,只是在较小的领域。每一个抽象层——从汇编到 C 到 Python 到框架再到低代码——都遵循相同的模式。每一层本应意味着我们需要更少的开发人员。相反,每一层都使我们能够构建更多的软件。

在我看来,这里有一个值得更多关注的部分:门槛的降低不仅仅是关于更快地编写代码。它是关于哪些类型的问题在用软件解决时变得在经济上可行。想想你们公司里所有不存在的内部工具。不是因为没有人想到它们,而是因为投资回报率(ROI)的计算从未达标。那个能让一个团队效率提高 10% 但需要一周时间构建的自定义仪表板。那个能解锁洞察力但需要专业知识的数据管道。那个能理顺工作流程但涉及三个不同系统的集成。

这些项目未能通过成本效益分析,不是因为效益低——而是因为成本高。将成本降低“10倍”,突然之间你就有了大量可行的项目。这正是人工智能辅助开发正在发生的事情,而且它将比以前的转变更加剧烈,因为我们正在使以前“不可能”的工作成为可能。

当你考虑到每一个新工具都会创造对更多工具的需求时,二阶效应就变得非常有趣了。当我们让构建 Web 应用程序变得更容易时,我们不仅得到了更多的 Web 应用程序——我们得到了一个完整的监控工具、部署平台、调试工具和测试框架的生态系统。每一个都衍生出了自己的生态系统。这种复合效应是非线性的。

现在将这个逻辑应用到每一个我们正在降低准入门槛的领域。每一个解锁的新能力都会创造对支持能力的需求。每一个变得易于处理的工作流程都会创造对相邻工作流程的需求。经济上可行的范围在所有方向上都在扩大。

具体对于工程师来说,这改变了我们要从事什么工作的计算方式。目前,我们被训练成对我们要构建的东西极其挑剔,因为我们的时间是稀缺资源。但是,当构建成本急剧下降时,限制因素变成了想象力、“品味”和判断力,而不是实现能力。技能从“考虑到我的限制,我可以构建什么?”转变为“考虑到限制在某种程度上已经消失,我们应该构建什么?”

这里的元观点是,我们一直在犯同样的预测错误。每当我们提高某件事的效率时,我们预测这意味着对该事物的需求会减少。但效率的提高并没有减少需求——它们揭示了以前因不经济而未被满足的潜在需求。煤炭。计算。云基础设施。现在是知识工作。

这种模式是如此一致,以至于举证责任应该转移。与其问“人工智能代理会减少对人类知识工作者的需求吗?”,我们应该问“我们将看到知识工作产出增加多少个数量级?”

对于软件工程师来说,这是我们已经成功度过几次的同一种转变。那些蓬勃发展的开发人员并不是抵制更高级别抽象的人;而是那些利用这些抽象来构建更宏大系统的人。同样的逻辑现在也适用,只是规模更大了。

真正的问题是,我们是否准备好迎接一个瓶颈从“我们能建造这个吗?”转变为“我们应该建造这个吗?”的世界。那是一个根本不同的问题空间,它需要根本不同的技能。

我们将要发现当知识工作的成本下降一个数量级时会发生什么。历史表明我们(也许)不会少做工作——我们会发现我们一直在大规模地对知识工作投资不足,因为做所有那些实际上值得做的事情太贵了。

悖论不在于效率创造了富足。
悖论在于我们总是对此感到惊讶。


这篇文章最初是对 Aaron Levie 关于杰文斯悖论和人工智能的帖子 的回应。我的原始回应发布在 X/Twitter 上。

评论 (0)

请登录后发表评论

暂无评论,快来发表第一条评论吧!