这篇文章探讨了 AI 带来的爆发性生产力背后，资深工程师正在面临的物理性极限与由于上下文切换、工作量膨胀导致的心理与生理压力。
原文出处: https://techtrenches.dev/p/the-human-cost-of-10x-how-ai-is-physically
作者: Denis Stetskov, 2026年4月7日
上周二，晚上 7 点，我从办公桌前站起来，感到颅前部有一股真空感。不是头痛，也不是疲劳。而是一种物理上的空虚，仿佛前额叶整天都在红线运转，最后终于宕机了。我站在那里，愣了十秒钟，试图回忆我接下来要做什么。脑子里一片空白。
在过去的一年里，我大脑在任何一个周二处理的信息量，都曾是过去一周的工作量。代码评审是最糟糕的部分，但真正的“杀手”是上下文切换。AI 生成的 PR、客户的架构决策、三个关于部署问题的 Slack 讨论、需要审核的候选人简历、窗外传来的防空警报，然后又转过头去评审一段机器在几秒钟内写完、而我却需要数小时来验证的代码。每一个任务都要求不同的心理模型。每一个任务都在消耗工作记忆。到了下午 4 点，我做出的决策甚至连新手都未必信任。到了晚上 7 点，我的大脑在物理层面上已经空了。
“业界称之为‘10 倍生产力’。我称之为一个以机器速度生成产出，并强迫人类以生物速度进行处理的系统。”
工作量蠕变 (Workload Creep)
2026 年 2 月，加州大学伯克利分校的研究人员通过在一家拥有 200 人的科技公司进行了为期八个月的深度嵌入研究，并进行了超过 40 场深度访谈。他们的结论是：AI 并不会减少工作，它只会让工作变得更加密集。
他们发现了“工作量蠕变”的三种机制：任务扩张——因为 AI 让完成更多工作成为可能，每个人的职责范围都在膨胀；模糊的边界——在午餐、通勤和晚上，AI 提示词（prompting）依然在发生；隐含的压力——当同事能利用 AI 显而易见地完成更多工作时，所有人的预期都会随之升高。
Upwork 研究院对此进行了量化：77% 使用 AI 的员工表示，AI 增加了他们的工作量，而不是减少了。71% 的人报告了倦怠感。
最令我彻夜难眠的发现是：那些报告了最高 AI 生产力增长的员工，其倦怠程度也最高。在“最高效”的 AI 使用者中，倦burn（倦怠）率高达 88%。他们离离职的可能性是其他人的两倍。
那些在你的仪表盘（dashboard）上看起来表现最出色的人，其实是离离职最近的人。
你的大脑以每秒 10 bit 的速度运行
2025 年，Zheng 和 Meister 在《Neuron》杂志上发表的研究表明，人类大脑处理有意识、分析性思维的速度大约是每秒 10 bit。你的感官系统以大约每秒 10 亿 bit 的速度收集数据。但代码评审的瓶颈在于你真正“思考”的部分，而这一部分的速率仅为每秒 10 bit。
工作记忆一次只能容纳大约 4 个信息块。SmartBear/Cisco 的研究揭示了被所有人忽视的数字：对于少于 100 行的 PR，缺陷检测率为 87%；而对于超过 1,000 行的 PR，该比例降至 28%。在持续工作 60 分钟后，质量会迅速崩塌。
现在看看 AI 对评审队列做了什么。
GitHub 的 Octoverse 2025 数据显示，每月合并的 Pull Request 达到 4320 万个，同比增长 23%。开发人员的每人代码行数在八个月内从 4,450 行增长到了 7,839 行，增幅高达 76%。
Faros AI 分析了超过 10,000 名开发者，发现使用 AI 辅助的开发者合并的 PR 数量增加了 98%。而每一个这样的 PR 最终都会落在资深工程师的桌面上。
正如 MIT 报道的那样：“初级开发人员利用 AI 工具产出了更多的代码，但这种海量的产出正在饱和资深开发人员的评审能力。一名 OCaml 维护者直接拒绝了一个 13,000 行的 AI 生成 PR。因为根本没有带宽去处理。”
我也曾写过关于“监管税”的文章。
