超過八成。如果一間頂尖科技公司話佢哋嘅產品有八成嘅代碼係由非人類生成，呢個數字聽落似係科幻小說入面嘅情節，但喺2026年嘅當下，呢個已經係鐵一般嘅事實。根據Anthropic近期公佈嘅數據，截至2026年5月，Anthropic合併入代碼庫嘅程式碼入面，有超過80%係由佢哋自家嘅AI模型Claude撰寫嘅。而回溯到Claude Code喺2025年2月以研究預覽版推出之前，呢個比例仲停留喺單位數嘅低位。由個位數飆升到八成以上，呢個躍升唔單止係一個工程效率嘅勝利，佢更標誌住一個全新嘅技術迴圈已經開始——當AI開始自己建構自己，人類喺呢個開發循環入面嘅角色，到底係進化定係邊緣化？
呢個數字背後最令人震撼嘅，並唔單止係「寫代碼快咗」，而係「遞迴式自我改進」嘅出現。Claude寫嘅代碼，好大比例係用嚟優化下一個版本嘅Claude。呢個就好似一部印刷機，開始識得自己畫圖紙同埋整零件。喺傳統嘅軟件開發入面，人類工程師係瓶頸，因為人需要休息、需要理解上下文、需要時間打字。而家呢個瓶頸被打開咗，AI可以24小時唔停歇咁生成、測試同提交代碼。呢種指數級嘅開發速度，係過去任何一次軟件工程革命都未見過嘅。
面對呢種指數級嘅開發速度，人類工程師嘅工作性質正在發生根本性嘅轉變。Anthropic嘅開發者已經唔再係主要嘅「代碼編寫者」，而係變成咗「代碼審查者」同「系統架構師」。以前嘅核心技能係點樣寫出簡潔高效嘅演算法，而家嘅核心技能變成點樣喺海量嘅AI生成代碼入面，快速辨識出邏輯漏洞、安全隱患同埋偏見來源。呢個轉變要求工程師具備更高層次嘅系統性思維，而唔係單純嘅編碼能力。不過，呢種角色轉移亦帶嚟一個現實問題：人類嘅審查速度能唔能夠追上AI嘅生成速度？如果審查變成咗流水作業式嘅「盲批」，所謂嘅人類把關就會形同虛設。
更值得深思嘅係，當AI自己寫自己嘅時候，「黑盒效應」嘅風險正喺度加劇。如果一個系統有八成嘅代碼係由AI生成，人類開發者係咪真係完全理解緊呢啲代碼嘅運作邏輯？AI寫代碼嘅方式往往同人類唔同，佢哋可能會搵到一啲人類諗唔到嘅捷徑，但呢啲捷徑可能缺乏可解釋性。當系統出現Bug或者產生非預期嘅行為時，如果人類連代碼點寫出嚟都未完全消化，除錯（debugging）嘅難度將會呈幾何級數上升。我哋可能會陷入一個尷尬嘅局面：我哋擁有一個極度強大嘅AI，但冇人能夠完全解釋佢底層嘅某啲決策邏輯。呢個時候，系統嘅穩定性就會變得非常脆弱。
從行業競爭嘅角度嚟睇，Anthropic嘅呢個數據無疑係向整個AI界投下咗一枚震撼彈。如果AI模型可以自己寫自己嘅代碼，咁意味住擁有頂尖基礎模型嘅公司，佢哋嘅迭代速度將會徹底拋離落後者。呢個唔再係「人海戰術」可以彌補嘅差距，而係一種結構性嘅壟斷。初創公司如果冇一個強大嘅底層模型去幫手寫代碼，佢哋嘅開發效率根本冇可能同巨頭抗衡。AI寫AI嘅時代，可能會進一步加劇科技行業嘅貧富懸殊。
重點摘要
- 截至2026年5月，Anthropic超過80%嘅合併代碼由Claude生成，較2025年2月前嘅單位數比例有爆發性增長。* AI寫AI標誌住「遞迴式自我改進」循環嘅開始，開發速度突破人類體力瓶頸，實現指數級躍升。* 人類工程師角色由「編寫者」轉向「審查者」同「架構師」，但面臨審查速度追唔上生成速度嘅挑戰。* 八成代碼由AI生成帶嚟「黑盒效應」加劇嘅風險，系統可解釋性同除錯難度面臨前所未有嘅考驗。
總括而言，Claude寫咗Anthropic八成代碼呢件事，並唔係一個終點，而係一個起跑線。我哋正喺度見證緊軟件工程史上最激烈嘅範式轉移。作為AI觀察者，我認為呢個趨勢不可逆轉，但我哋必須正視伴隨而嚟嘅可解釋性危機。如果人類想喺呢個AI自我建構嘅時代入面保持駕馭權，我哋就必須將「代碼審計」同「可解釋性要求」提升到同「開發速度」一樣嘅優先級別，甚至需要開發專門用嚟審計AI代碼嘅獨立AI系統。否則，當AI建構自己嘅速度超越人類理解自己嘅速度時，我哋就可能會失去對呢個系統嘅最終控制權。