当研发不再贵：别再盯着怎么写，盯住怎么验

image

中国高超音速技术领先全球的核心在于拥有以 JF-12 和 JF-22 为代表的尖端超高速风洞群，实现了高马赫数（可达30倍以上）与长实验时间（百毫秒级）的复合能力。通过“爆炸驱动”等创新技术，==这些风洞能够真实复现极高空、极高速的飞行环境，使得高超音速飞行器不仅研制快，且成功率高==。

核心结论

  1. 写代码正在变得极其便宜，但判定代码对不对的成本没有同步下降。

  2. 研发流程应该从“控制实现过程”转向“定义交付结果和验收标准”。

  3. 两个 AI 落地抓手：代码找得到、结果看得到。

已经发生的事

2026 年 2 月，Cloudflare 一名工程师用 AI 在 Vite 上重新实现了 Next.js 94% 的 API——路由、SSR、RSC、Server Actions、缓存、中间件，全部从零写。一个人，800 多次编程会话，一周，约 1100 美元 token 费。项目叫 vinext，已开源，带 1700 多个单测和 380 个端到端测试。

他怎么做到的：对着 Next.js 的 API 行为规范，让 AI 反复实现、测试、修正，直到行为一致。

既然 AI 只需要验收标准就能实现目标，那我们花在设计、评审上的过程时间，还有多大价值？

AI 不能一枪必中，人也不能。

但人会多开几枪。

本文的三个前提

前提一：符号处理成本在快速下降

以 Claude 为例。24 年 3 月，Opus 3 定价每百万 Token 15/75 美元。三个月后 Sonnet 3.5 多数基准超过 Opus，价格只有20%。到 26 年初，Opus 4.6 定价 5/25 美元，Sonnet 4.6 只要 3/15 美元。

仅两年，同等能力的成本下降了一个数量级，上下文也从 200K 扩到了 1M。蒸馏、量化、KV缓存、专家网络、专有芯片也都在持续降低推理成本。

前提二：研发的大部分产物是符号

代码、配置、接口定义、测试用例、文档、日志、SQL、页面结构——都是符号。

前提三：研发的目标是结果，不是过程

代码不是目的，技术方案不是目的，过程文档不是目的。

目的是：在给定约束下，稳定产出符合预期的结果。

软件系统是实现目标的手段；研发流程又是实现软件系统的手段；过程文档是实现研发流程的手段…

瓶颈转移：从“写”到“验”

软件开发的核心就两件事：写和验。AI 让前者成本急剧下降。

软件成本 = 编码 + 测试

推理成本在快速下降。但工具调用（备环境、跑测试、取日志）成本没降。涉及物理世界的（硬件联调、用户实验、网络环境）更是。

数据很清楚。Faros AI 对 1 万多名开发者、1255 个团队的遥测数据：高 AI 采用率的团队任务量多 21%，PR 合并多 98%——但审查时间多 91%，PR 体积大 154%，bug 率升 9%。更要命的是，同一批团队的 DORA 指标（部署频率、交付周期、变更失败率、恢复时间）几乎没变。代码多了，交付没快。工作没消失，从“写”挪到了“验”。 Sonar 2026 全球开发者调查（1100+ 人）：96% 的开发者不完全信任 AI 代码的功能正确性，59% 认为审查 AI 代码要花“中等”或“大量”额外精力。Anthropic 自己也碰到了——工程团队代码产出过去一年涨了 200%，2026 年 3 月专门推出 Claude Code Review 来解决审查瓶颈。GitHub Octoverse 数据：约 41% 的新代码由 AI 辅助生成，月推送超 8200 万次。

过去：想法多，写出来贵 现在：写出来便宜，不知道哪个是对的

有人问：AI 代码不是越来越准了吗？确实，但要看这个“准”是哪层。

AI 能写出语法正确的代码，很大程度上靠 Compiler 和 Linter。在 Agent 循环，它们能提供毫秒级的反馈——变量不存在、类型不对、导入缺失，眨眼 AI 就能改正。

但难的是第二层：业务逻辑对不对、运行行为符不符合预期、场景覆盖全不全。这些必须让代码真正跑起来，获得真实世界的反馈。

静态验证（类型、语法）已经趋近于零，动态验证（业务）依然昂贵

深一点，孤立系统的熵不会自发减小。完全封闭在符号世界里的推理，产出的只能是“阴阳五行”般自洽但无用的符号闭环。

如今的 Agent 的幻觉降低，很大程度来自我们教会了它去使用 Bash、Python、WebSearch 获得真实世界的负熵。

验证，是把 AI 拉回现实的锚。

实践是检验真理的唯一标准。

流程变革：从“先拍板再实现”到“先实现再筛选”

==过去的生产流程是围绕“研发很贵”设计的==，都是尽可能用评审时间，去保护昂贵的研发时间。

image

但 AI 大幅降低开发成本后，人的评审、测试验收反而变最贵的环节。与其花时间争论哪个方案好，不如让 AI 先干再说。

评审只需一个：需求评审——本质就是“验收标准评审”。明确定义业务的输入、输出，要什么结果。

image

这里有一个关键：验收标准应当是可自动执行的量化的标准，而不是架构、规范之类的散弹枪许愿——全看 AI 道德。

代码越来越像可再生资源，验证体系越来越像稀缺资产。

开头提到的 vinext，关键不在“AI 能写代码”，在于 AI 是对着行为规范搜索兼容实现的。没有明确的行为标准，这事做不成。真正的资产不是 Next.js 的源代码，而是它定义了“什么行为算正确”。 SQLite 代码完全开源，但核心测试框架 TH3 闭源，需要授权。核心代码 15 万行，测试代码 9200 万行——比例约 600:1，100% MC/DC 覆盖。 代码开源，测试闭源。没有完整测试套件，你没法保证数据库不丢数据。护城河不是代码，是验证体系。 2026 年 2 月，开源绘图工具 tldraw 在 GitHub 提出把测试套件（约 327 个文件）从开源仓库迁到闭源仓库（Issue #8082）。理由直接：vinext 证明一套完整测试就够 AI 从零重建整个项目，测试正在成为开源项目最需要保护的资产。提案在 Hacker News 引发大量讨论。这不是个别现象，是趋势。

两个基建：代码找得到 + 结果看得到

做 AI 落地，顺着直觉就是做知识库、写规范…

但它们真的提供信息了吗？

基建一：代码找得到

代码有最全的信息。

微服务架构下，每个服务仓库只有自己一小片的上下文。AI 在一个服务里排查问题，爬到边界就断了，然后人去找另一个服务的人，那边人再问 AI… 本来能在代码里顺着调用链就能爬通的事，变成了：AI → 人 → 人沟通拉会 → 人 → AI。

建立统一仓库（monorepo）就是最简单的手段，让完整的信息对 AI 来说像本地文件一样简单、直接、可访问。

顺着这个思路，很多过程文档的价值也在变。所有的信息，比如 SPEC 文档、设计文档、架构说明里描述的约束、数据流和交互细节，最终都会实现在代码里；代码仓库也就自然成了唯一持续更新的信息，代码之外的文档都会随着迭代逐渐过时不可信。

事实上，大家现在也不怎么搜文档了：都是直接对着仓库问，然后 AI 根据问题追查代码生成“一次性文档”。“现炒”便宜方便，谁还吃“预制”？

所以，代码仓库是唯一的 source of truth，索引和目录文档都只是它的视图，只负责指路，不承载事实本身。

基建二：结果看得到

运行结果产生纠偏信息。

现在的 AI 编程瓶颈不在写代码，在于写完之后：谁来跑、谁来看结果、谁来判断对不对。大多数时候是人——人启动服务，人点页面，人查日志，人看监控。AI 写完代码就停下来等，等人告诉它结果，它再改，再等。一轮几秒钟的代码修改，卡在几分钟甚至几小时的人工验证上。在工厂里，人可以停，但机器不能停——现在 AI 是那台机器，人的验证速度成了产线瓶颈。

要让 AI 自己闭环，两件事要通：

代码找得到，让 AI 有了完整的符号世界；结果看得到，让它有了闭环修正的反馈机制。两个一接通，AI 就能在符号空间里持续闭环优化——因为优化本身也是符号操作。

有些场景看起来难测——分布式故障、安全攻击、硬件交互——但本质上也是同一问题：怎么把现实世界建模到符号世界。

AI 是符号世界的神，是人类发明的通用符号变换器，只要能把智力任务建模成符号变换，AI 就能闭环。

就像通用动力源蒸汽机：只要能把生产过程分解为往复、旋转、推拉等周期性物理运动，蒸汽机就能取代人力。

在这之后：从“造出来”到“搜出来”

一旦有了验证标准，软件研发就可以从“构造问题”变成“搜索问题”。

以前：人一步步把程序写出来。 以后：人定义目标和约束，AI 在符号空间里搜索满足约束的程序。

就像做一个不定积分，C 取多少都对。软件也一样——通过所有测试的实现可能有好几种，每种都“正确”，但可读性、复杂度各不相同。

AI 负责找出所有满足约束的解，人根据自己的品位和工程判断，挑一个最合适的。

最终，可能就在一年后

image

人类下午讨论、AI 半夜干、人类上午验收反馈、AI 中午修正、人类下午体验讨论、AI 凌晨继续干…

人类和 AI 在不同的时区两班倒，产线以半天为单位高速迭代。

附录

核心论断