桑达尔·皮查伊的意思是:当AI已深度参与工程师接触的各个环节时,用一个百分比统计“代码有多少是AI写的”,就难以说明AI究竟带来了什么变化。皮查伊在2026年10月20日的 Big Technology Podcast 访谈中称,这个数字如今已“没有意义”;他提到,谷歌开始关注 Gemini 4 Argon 推出后的代码变更提交量和回滚情况。
5
单看代码作者,已经不够
“AI写了多少代码”回答的是一个范围有限的问题:有多少代码由AI生成?但它并不能说明团队是否完成了更多有价值的工作、审查变更花了多少时间,或交付的软件是否更可靠。
当AI不只是生成代码,还参与更广泛的工程流程时,把工作清楚地划分成“AI写的”和“人写的”也就没那么有解释力。皮查伊强调的是这项指标的局限,而不是证明AI已经改善了工程工作的所有结果。
5
过去的占比说明采用增加,不等于效率提高
此前公布的数字曾用来直观呈现AI在谷歌内部的普及程度:据报道,AI生成代码的占比从2024年末约25%,升至2025年秋季约50%,并在2026年4月达到75%。其中,75%指的是由AI生成、再经工程师批准的新代码。
5
24
25
这些数字的统计口径未必完全相同;尤其是75%这一数字,明确针对经工程师批准的AI生成新代码。即使AI生成代码的比例持续上升,也只能说明采用程度提高,不能单凭这一点推断完成的工作更多、工程投入更少,或软件质量有所改善。
Argon之后,谷歌谈的是提交与回滚
皮查伊在访谈中表示,Argon推出后的前四周,谷歌的“CL”(代码变更提交)增加了30%,回滚则减少了约三分之一。
5
谷歌另行公布的数据称,通过 Antigravity 使用 Argon 的团队,代理式代码提交增加了35%以上,代码回滚减少了近三分之一。
45
51访谈中的30%与谷歌公布的35%以上,描述方式并不相同。现有报道没有说明两者的定义和统计范围如何对应,因此不应把它们当成同一项数据。
谷歌还称,Argon曾协助处理复杂代码库任务。一个例子是把网页核心处理代码与 Chromium 中一个约600万行的遗留功能目录分离。这说明谷歌称Argon参与了大型工程项目,并不代表模型新生成了600万行代码。
51
更接近工程结果,但还不是完整的生产力账本
代码提交量和回滚情况比作者占比更接近工程结果:前者记录提交的变更,后者反映需要撤销的变更。不过,它们仍不足以完整衡量生产力。现有数字由公司公布,公开资料没有提供一套完整对照,涵盖实际完成的工作、审查时间、总工程投入和软件可靠性。
因此,更准确地说,谷歌改变了对外强调的指标:过去的百分比描述工程师使用AI生成代码的普及程度;现在提到的提交和回滚,则试图呈现工作过程中的变化。单靠其中任何一组数字,都还不能确定AI对软件交付的整体影响。
5
45
51