AI 寫咗 Google 75% 新程式碼——Agent 編碼時代正式降臨，工程師角色大洗牌

軟件工程嘅地基正在轉移。喺短短十八個月之內，AI 已經由一個自動補全嘅助手，變成全球最大科技公司產出新程式碼嘅主要引擎。喺 Google Cloud Next 2026 大會上，行政總裁 Sundar Pichai 透露，而家 Google 有 75% 嘅新程式碼都係由 AI 生成，再經由人類工程師審批——而呢個數字喺六個月前係 50%，喺 2024 年 10 月更加只係得 25% 。Pichai 話，工程師而家係喺「真正嘅 Agent 工作流程」入面操作緊，唔再係手動寫 code，而係編排緊全自動嘅數碼任務大軍 。

Google 嘅數字係目前最震撼嘅公開數據，但佢反映嘅係成個行業嘅大趨勢。AI 編碼 Agent——即係嗰啲可以自己睇晒成個程式庫、規劃多步驟任務、寫 code、行測試、debug 錯誤，然後自動提交 pull request 嘅工具——喺 2025 至 2026 年間，由實驗性嘅研究預覽，極速變成咗幾十億美金嘅生意。Google、微軟、OpenAI 同 Anthropic 四大巨頭，而家正陷入一場軍備競賽，爭相開發最強、最平、整合得最深入嘅編碼 Agent。呢場競賽點樣改變軟件嘅建造方式，以及建造軟件嘅人，影響先啱啱開始浮現。

四大巨頭嘅 Agent 編碼競賽

Google：Gemini 驅動內部革命

由 CEO Sundar Pichai 喺拉斯維加斯嘅 Google Cloud Next 2026 大會上公佈嘅 75% 呢個數字，係 AI 生成程式碼喺一家大型工程機構內部擴張速度嘅最有力公開證明 。公司內部嘅 AI 編碼模型 Gemini，已經被整合到績效評估目標入面——截至 2025 年第四季，有啲部門定咗目標，要求 55% 嘅程式碼改動要係「Agent 輔助」嘅；而喺 2026 年上半年，Google 創作部門嘅工程師，預計有 65% 會用 AI 完成佢哋超過 75% 嘅提交程式碼 。公司仲報告話，用 AI 輔助嘅程式碼遷移，完成速度快咗六倍，而一年前冇 AI 幫手嘅時候，係工程師自己單打獨鬥嘅 。

微軟：MAI-Code-1-Flash —— 自家出品挑戰 GitHub Copilot

喺 2026 年 6 月 2 日嘅 Microsoft Build 大會上，微軟推出咗 MAI-Code-1-Flash 。呢個係一個擁有 50 億活躍參數嘅編碼模型，完全由微軟自己用授權數據由頭到尾訓練出嚟，冇用過 OpenAI、Anthropic 或者其他第三方模型做「蒸餾」 。模型採用稀疏型混合專家架構，總參數量達 1370 億，擁有 256,000 token 嘅上下文視窗，並喺 2026 年 3 月到 5 月期間，喺 GitHub Copilot 嘅生產環境入面進行訓練——意味住個模型係學緊真實開發者嘅工作流程，之後亦會用嚟服務返呢啲流程 。

結果係，呢個模型喺微軟嘅對抗性編碼基準測試中攞到 85.8% 嘅分數，喺 SWE-Bench Pro 嘅基準測試大約攞到 51%，表現比 Anthropic 嘅 Claude Haiku 4.5 高出 16 個百分點，同時喺處理複雜編碼任務時，消耗嘅 token 少咗最多 60% 。MAI-Code-1-Flash 由 6 月 2 日起，開始喺 Visual Studio Code 入面推送畀 GitHub Copilot 嘅免費用戶、Pro、Pro+ 同 Max 計劃嘅用戶，第三方開發者亦可以透過 Fireworks AI、Baseten 同 OpenRouter 用到 。

OpenAI：Codex 變成多 Agent 指揮中心

OpenAI 喺 2025 年 4 月推出咗 Codex，一個可以平行處理多項任務嘅雲端軟件工程 Agent 。到咗 2026 年 4 月，佢嘅每週活躍用戶已經超過咗 400 萬 。呢個平台之後擴展成一個涵蓋應用程式、命令行介面、IDE 擴展同雲端嘅模型家族，而且各個介面互相加強緊 。

Codex 進化嘅主要里程碑：

• GPT-5.2-Codex（2025 年 12 月）——專為 Agent 編碼同防禦性網絡安全而優化，改善咗長篇幅任務嘅處理能力，同埋加強咗對 Windows 環境嘅支援 。
• GPT-5.3-Codex（2026 年 2 月）——速度快咗 25%，結合一線編碼效能、更強嘅推理同專業知識，被定位為邁向全面嘅「喺電腦上開工」Agent 嘅一步 。
• Codex 桌面應用程式（2026 年 2 月/3 月）——一個喺 macOS 同 Windows 上管理多個平行 Agent 嘅「指揮中心」 。
• Codex Security（2026 年 3 月）——一個專門用嚟識別同修復軟件漏洞嘅應用程式安全 Agent 。
• GPT-5.5 喺 Codex 入面（2026 年 5 月）——用於複雜編碼、電腦操作、知識工作同研究工作流程嘅最新一線模型 。

Codex 已經變成咗一套成熟嘅基礎設施，開發者話佢徹底改變咗佢哋建造軟件嘅方式 。

Anthropic：Claude Code —— 由研究預覽到 25 億美金嘅產品

Anthropic 嘅 Claude Code，喺 2025 年「與 Claude 一齊寫 Code」活動上推出，係 AI 編碼市場入面商業表現最驚人嘅一個。佢喺 2025 年 5 月推出後短短幾個月內，年度經常性收入就突破咗 5 億美金，2025 年底達到 10 億，到咗 2026 年 2 月更加超過咗 25 億——呢個速度甚至快過 ChatGPT 早期嘅採用率 。Anthropic 嘅整體收入，由 2025 年底嘅大約 90 億美金，攀升到 2026 年春季嘅超過 300 億美金，主要都係由 Claude Code 帶動 。

睇返啲數字，Claude Code 嘅覆蓋範圍非常驚人 ：

• 佔咗 GitHub 上所有公開提交（commit）嘅 4%，預計到 2026 年底會達到每日提交量嘅 20% 甚至更高。
• Anthropic 自己嘅工程師有 80% 以上每日都用緊佢。
• 喺《Pragmatic Engineer》嘅調查（15,000 名受訪者）中，攞到 46% 嘅開發者「最喜愛」評級，大幅領先 Cursor（19%）同 GitHub Copilot（9%）。
• 喺 2026 年 5 月 6 日嘅「與 Claude 一齊寫 Code」大會上，Anthropic 公佈咗「受管理 Agent」，同埋同 GitHub、Vercel、Datadog 同 Bun 更深層次嘅整合 。

喺 2026 年 5 月 28 日，Anthropic 發佈咗 Claude Opus 4.8——一個擁有 100 萬 token 上下文視窗嘅混合推理模型，將長時間嘅 Agent 任務推向新極限。Anthropic 報告話，佢比起 Opus 4.7，放過自己寫嘅 code 入面嘅缺陷而唔出聲嘅機會率，大約低四倍 。

工程師角色點樣轉變緊

由寫 code 變成監督 Agent，呢個轉變唔係遙遠嘅預測——而係全球最大嘅軟件機構而家嘅運作模式。Pichai 解釋，Google 嘅工程師越嚟越似審閱者同編排者，多過逐行寫 code 嘅人。佢哋用嘅 AI Agent 會自己規劃、寫 code、做測試同執行複雜任務 。

Anthropic 嘅《2026 年 Agent 編碼趨勢報告》清楚咁形容咗呢個轉變：喺 2025 年，編碼 Agent 由實驗工具，變成咗可以將真實功能出貨畀真實客戶嘅生產系統。AI 而家處理到成個實作流程——寫測試、debug、生成文檔，同喺越嚟越複雜嘅程式庫入面遊走。報告預測，單一 Agent 好快會變成互相協調嘅 Agent 團隊，以往要幾個鐘甚至幾日先完成到嘅任務，將會喺極少人為干預下搞掂 。

呢種重新定義工程師角色嘅情況，喺各大平台都見到：

• OpenAI 嘅 Codex 而家支援平行 Agent 執行，等開發者可以同時將長時間嘅工作派畀多個 Agent，然後喺一個統一嘅介面度審閱成果 。
• Anthropic 喺 2026 年 3 月 24 日為 Claude Code 引入咗自動模式，等 Agent 可以自己決定邊啲動作係安全可以做嘅，而且有內置嘅 AI 安全機制喺每個動作執行前先行審查 。
• 微軟嘅 MAI-Code-1-Flash 係喺 GitHub Copilot 嘅實際生產環境入面訓練出嚟——呢個設計選擇，意味住個模型係學緊真實嘅 Agent 編碼工作流程，而唔係孤立嘅代碼生成 。

生產力嘅提升都好戲劇性。Claude Code 示範咗喺一個鐘頭之內，就可以架構一個複雜嘅分散式系統——報告聲稱，呢項工作之前要令到一個 Google 項目搞足成一年先完成到 。微軟亦都話，MAI-Code-1-Flash 喺處理複雜任務時，比起同類模型用少最多 60% 嘅 token 。

勞動市場：兩極化，唔係滅亡

喺用戶嘅問題入面，提到咗一啲具體嘅勞動市場數字——美國工程師職位空缺增加 30%，而 22 至 25 歲嘅開發者就業率就跌咗接近 20%。呢啲精確嘅數字喺現有嘅資料來源入面，未能獨立核實到。不過，現有證據描繪出嘅景象好一致：呢個專業正面臨兩極化，而唔係崩潰。

高端需求持續上升

Anthropic 嘅趨勢報告指出，公司而家係請緊更多工程師，唔係更少，因為 AI 令到出貨更快，可以做更有價值嘅工作 。需求係轉向咗嗰啲可以架構系統、審閱 AI 生成嘅輸出，同埋做高層次設計決策嘅資深工程師。喺 Google，內部對 Agent 輔助程式碼改動嘅目標，加上公司話工程人員編制持續增長，都顯示出 AI 係用嚟放大產出，而唔係直接取代工程師 。

初級開發者嘅經驗斷層

現有資料入面最逼切嘅關注點，係早期職業生涯嘅工程師會點。初級開發者傳統上係透過做 routine 嘅 coding 任務嚟累積技能——例如修復 bug、寫測試、實現簡單嘅功能。而呢啲任務，正正係而家最有效率咁畀 AI Agent 吸收咗嘅工作。多個消息來源都形容呢個係一個「經驗斷層」問題：如果 AI 處理咗晒入門級嘅 coding 工作，咁新晉工程師點樣學到足夠經驗成為資深嘅人呢 ？

喺提供嘅資料入面，冇任何來源提供到呢個挑戰嘅可行解決方案。背後嘅含意係，呢個職業將會需要新嘅培訓管道、師徒指導結構，同埋一條重新定義嘅晉升階梯——但呢啲改變仍然喺摸索階段。

下一步係點？

發展軌跡係明確嘅。Google 由 25% 嘅 AI 生成程式碼去到 75%，用咗十八個月。Claude Code 由零到 25 億美金嘅年度經常性收入，用咗唔夠一年。OpenAI 嘅 Codex 由一個單 Agent 嘅命令行工具，成長到一個橫跨桌面、雲端同 IDE 嘅多 Agent 平台，都係用咗差唔多嘅時間 。

未解決嘅問題，唔係 AI 編碼 Agent 會唔會繼續進步——佢哋一定會——而係工程機構、教育機構同個別開發者，將會點樣適應一個咁樣嘅專業：寫 code 呢個動作，越嚟越交畀機器處理，而人類嘅角色，就係去引導、審查同決定要建造啲乜嘢。