MIT与宾夕法尼亚大学联合研究团队（NBER工作论文w35275）分析了10万名开发者、1.8亿GitHub仓库数据及微软Copilot遥测数据，揭示AI编程的"生产力漏斗"真相。
核心数据：
| 生产层级 | 自动补全时代 | 同步代理时代 | 三代累计增幅 |
|---|---|---|---|
| 代码行数 | +228% | +741% | 17.3倍 |
| 修改文件数 | — | +187% | 3.9倍 |
| 代码提交 | — | +109% | — |
| 合并请求 (PR) | — | +65% | — |
| 独立项目 | — | +26% | — |
| 最终软件发布量 | +10.2% | +20% | 仅 +30% |
关键发现：
- 低技能开发者获益更大：低活跃开发者在AI辅助下提效217%，而高活跃开发者为62%
- Claude Code 效率最突出：同步提效+199%，远超 OpenAI Codex（+94%）和 GitHub Sync Agent（+43%）
- "僵尸应用"激增：iOS平台三个月内评分<10的新应用从79%升至86%；Chrome插件下载<10次的比例从18%升至31%
- 瓶颈在于人类审查：经济学模型显示，AI代码与人工审查的替代弹性仅0.25，审查、测试能力跟不上代码生成速度