烧了几百亿 token 之后，我发现 AI 编程的瓶颈在人不在模型
2026 上半年，多位技术负责人在把 AI 写代码推进生产环境后得出同一结论：模型能力已经溢出，真正跟不上的，是人的决策带宽和工程判断力。本文基于一线实战复盘，拆解这个新瓶颈。
烧了几百亿 token 之后，我发现 AI 编程的瓶颈在人不在模型
2026 年春节，Apache APISIX 的维护团队被一个棘手 bug 卡住了——试遍各种方法都复现不了，读了几轮代码也没定位到。最后抱着试试看的心态，把现象描述给一个 AI Agent。不到 10 分钟，它仅靠静态代码分析就准确指出了问题所在。
这是 API7.ai 创始人温铭在 2026 年 6 月 InfoQ 采访中描述的场景。他在过去一两个月里烧掉了几百亿 token，让 AI 从零写了一个叫 AISIX 的生产级 AI 网关。他的结论很直接：「AI 已经达到、甚至超过了一个资深工程师的编码能力，这一点毋庸置疑。瓶颈早就不在 AI 这一头了——AI 的能力已经溢出，真正跟不上的，是人。」
同一时间，TiDB 联合创始人兼 CTO 黄东旭公布了 db9 项目的完整数据：100 多万行 Rust 代码，0 行由人类手写，0 行由人类 review，峰值一天消耗约 10 亿 token——月成本约 2000 美元。上线后服务了超过 10,000 个数据库实例。他的原话是：「我现在陷入到一种巨大的虚无主义里，AI 什么都能写。」
两条独立的实践路径，在 2026 年年中交汇于同一个判断：AI 软件开发的代码生成能力已经不再是需要验证的命题，真正的战场转移到了人这一侧。关于 AI 从「写代码」到「做项目」的跃迁，我们在另一篇文章中详细拆解过 Agentic Coding 的工作模式——当 AI 不再只是补全函数，而是能自主规划任务、拆分模块、迭代交付时，对人的指挥能力要求是指数级上升的。
从「AI 能不能写」到「人能不能指挥」
2025 年整个行业还在争论「AI 写的代码能不能上生产」。到了 2026 年 6 月，这个问题已经基本有答案了。三个案例足以说明变化的速度：
- db9（TiDB 团队）：一个面向 AI Agent 的完整数据库，支持 Postgres 语法、向量检索、全文检索、TypeScript Serverless 函数和多租户。从第一行代码到上线共用 3 个月，1-2 个人参与。黄东旭说：「过去做出同样规模的东西，至少需要几十个人的团队干上一年。」
- AISIX（API7.ai）：一个生产级 AI 网关，重度使用 Claude Code 编码。核心架构、技术选型和里程碑推进一概不交给 AI，但编码层面几乎全量交给 AI Agent。温铭给自己定的原则是：「这个决定你要是看不懂，那就一定别做。」
- Bun 从 Zig 迁移到 Rust：6 天完成。HashiCorp 联合创始人 Mitchell Hashimoto 对此评论：「编程语言过去意味着锁定，但现在越来越不是这样了。他们几乎可以在一两周内用任何他们想要的语言写代码。」
这三个案例的共同点不是「AI 很厉害」，而是「能指挥 AI 的人很厉害」。黄东旭是数据库内核专家，温铭是 Apache APISIX PMC 主席，Bun 的作者本身就是系统编程老手。他们都没有把 AI 当成自动驾驶，而是当成一个需要精确指令的超高速执行器。
六条一线经验：当 AI 速度超过你的决策带宽
温铭在 InfoQ 采访中总结了六条实战经验，值得每一个正在或计划把 AI 引入软件开发流程的技术负责人认真读一遍：
| # | 经验 | 为什么重要 |
|---|---|---|
| 1 | AI 看得懂 What、能完成 How，但 Why 还得人来 | AI 接管了打字，没接管工程师脑子里的架构图和权衡判断。代码可以生成，但「为什么选这个方案而不是那个」的知识不在任何公开训练集里。 |
| 2 | 「禁止手写代码」的最大反弹来自资深工程师的领地意识 | 把自己定位为「前端」或「后端」的工程师最容易不适应。AI Agent 打破了角色边界，一个不写前端的人也能做出六七十分的 Dashboard——前提是你能说出前端的评判标准。 |
| 3 | 是玩具还是生产级，这条线画在人身上，不在代码上 | 核心标准不是「哪些代码能交给 AI」，而是「指挥 AI 的人对架构、代码、测试有没有清晰理解，对推上生产有没有敬畏之心」。 |
| 4 | AI 写的代码，得再用一个独立的 AI 去 review | AI coding 一天能提几十个 PR、几千行代码，人根本看不过来。API7.ai 的做法是用 Claude Code 写 + 冷启动另一个独立 Agent 审计 + CodeRabbit 和 GitHub Copilot 做第二层验证。 |
| 5 | 让项目稳定下来的不是代码漂亮，而是真有用户在生产环境里用它 | AI 最革命性的地方是把迭代速度拉到了极致——任何反馈、任何 bug 都能很快定位、很快修复。用户凌晨两点提的 bug，AI 十分钟内完成静态分析 + 环境搭建，人只做最后的判断。 |
| 6 | 从「上瘾式编码」转向「高质量决策」 | 以前一天两三个技术决策，AI 加速后变成四五十个。温铭现在的节奏是并行五六个研发任务，重要的架构选择都由人拍板，机器负责调研、补背景、补盲区。机器执行和编码，人做判断。 |
这六条的核心指向同一个变化：企业 AI 应用开发的组织瓶颈已经从「AI 不够强」转移到了「人的决策带宽不够用」。一家公司人多还是人少不重要，重要的是它能不能先「变厚」——把核心工程师的经验沉淀为 AI 可用的原则文件（比如 agents.md 或 CLAUDE.md），再「变大」——让这些经验通过 AI Agent 规模化执行。
这对企业技术决策者意味着什么
如果你的团队正在评估是否要把 AI coding 引入正式开发流程，2026 年上半年的这些一线数据至少指向三个行动方向：
- 不要把评估重点放在「AI 能不能写代码」上。这个问题已经过了。重点放在：你的团队里有没有至少一个真正懂架构、能做技术权衡的人？这个人能不能把自己的经验写成 100 行左右的原则文档？
- 建立 AI 代码的双重审查流程。人 review AI 写的代码已经不可能跟上节奏。至少需要两道 AI review——用和生成代码不同的模型或不同的 Agent 实例去审计同一个 PR。
- 重新定义「资深」。当 AI 半天能完成过去三个月的代码量，一个工程师的价值不再是他能写多少代码，而是他在这些年踩过的坑、做过的技术权衡、以及从这些判断里熬出来的经验——这些东西从来没有被写进任何公开知识库，却是 AI 最缺的那块拼图。
关于企业实际落地时的成本结构和隐性开销，我们在《AI 写代码半年，我们算了一笔真实账》里有过详细的拆解——token 费用只是冰山一角，真正的成本在组织流程改造和人的决策精力消耗上。
但也要泼一盆冷水：上述三个案例的主角都是各自领域的顶尖工程师。对于缺少这种「架构级人物」的团队，AIcoding 并不会自动带来生产力跃升——它反而可能放大技术债务，因为你写得越快，错误决策传播得也越快。
温铭的原话值得反复读：「没有一个对技术、对代码有追求的人，哪怕是 CRUD，他也没法用 AI 写好。AI 的决策正确率有 85%、90%，剩下那 10% 足以让整个项目的质量大幅下降。」
常见问题
AI 写代码真的能上生产环境吗？
能。db9（100 万+行 Rust，服务 10,000+ 实例）和 AISIX（生产级 AI 网关）都是 2026 年的活案例。关键不是 AI 本身能不能，而是指挥 AI 的人有没有能力审核它的产出、有没有建立双重 AI review 的流程。关于 2026 年主流 AI 编程模型的选型对比，可以参考我们整理的 Claude、GPT、DeepSeek 三线技术选型分析。
小团队没有架构级人物，能用 AIcoding 吗？
能用，但要调整预期。AI 能帮小团队把原型和 MVP 的速度拉上去，但如果没有能做架构决策的人把关，技术债务会以更快的速度积累。建议至少找一个有经验的兼职技术顾问来 review 关键决策。
AI 编码的成本到底多少？
db9 的 token 成本峰值约每天 10 亿 token，月均约 2000 美元。Cloudflare 工程师重写 Next.js（Vinext 项目）的 token 成本约 1100 美元。对比人力成本，这个开销基本可以忽略。但隐性成本是人的决策精力——温铭现在一天要做四五十个决策，这种强度的消耗不可忽视。
哪些类型的项目最适合交给 AI？
从 2026 年的实践来看，边界清晰的系统最适合——有明确的输入输出规范、有现成的文档和测试用例作为约束条件。最不适合的是需要大量隐性知识和非正式规则的遗留系统。不过这个边界也在快速模糊，Thoughtworks 已经用 LLM 辅助反向还原了完全丢失源代码的企业系统。
参考
- API7.ai 创始人温铭：烧了几百亿 Token，我用 AI 重写了生产级网关，总结出 6 条经验 — InfoQ, 2026-06-26
- AI 确实可以用任何手段、写任何东西，但你得是个「中年老登」 — InfoQ, 2026-06-26
- DeepSeek 开源 DSpark 投机解码框架，加速 DeepSeek-V4 生成速度 60-85% — AI Hot, 2026-06-28