谷歌工程师遭遇计算瓶颈：AI生成代码占比飙升至75%

谷歌工程师正面临计算能力极限，因为人工智能编写的新代码占比已从六个月前的50%跃升至75%。内部数据显示，这一快速增长正给公司基础设施带来压力，迫使团队重新思考资源分配方式。

转向AI辅助编码

六个月前，谷歌一半的新代码由AI生成；如今这一比例已达四分之三。这意味着公司内部系统需要处理远超以往的AI建议、补全和自动补丁。这一转变反映了整个科技行业将AI融入开发流程的趋势。在谷歌，包括大型语言模型在内的内部工具已成为编写样板代码、修复漏洞乃至生成完整函数的标配。

但这一跃升并非没有代价。每次AI请求都会消耗计算资源，而随着模型生成代码量的激增，对处理能力的需求也急剧上升。工程师们报告称，内部AI工具响应变慢，高峰时段甚至出现排队或中断现象。

计算瓶颈在运行AI模型的数据中心尤为明显。谷歌自家的TPU和GPU集群如今面临繁重的代码生成任务。部分团队不得不对AI请求进行排队，或限制每位工程师的调用次数。公司还开始优先处理安全补丁和关键错误修复等任务，而非辅助性函数生成。

谷歌并非唯一面临这一压力的公司。其他大型科技企业也在将AI融入开发过程中遇到了类似的增长阵痛。但谷歌的变化速度——六个月提升25个百分点——让一些内部团队措手不及。

对于编写代码的工程师而言，新现实意味着调整工作流程。他们不能再指望AI工具即时生成代码，而必须考虑计算资源的限制。一些人开始将请求集中到非高峰时段；另一些人则更仔细地审查AI生成的代码，因为模型在受限条件下有时会产生低效或带bug的输出。

谷歌尚未公开说明如何应对基础设施压力。公司可能面临选择：投资更多硬件、优化模型效率，或对AI使用施加更严格限制。每种方案都有权衡：更多硬件需要资金和时间；效率提升可能拖慢改进速度；使用限制则可能让依赖AI工具的工程师感到不便。

目前，问题仍未解决。工程师们正在现有约束下寻找变通方法，但对AI生成代码的需求丝毫未见放缓。关键在于谷歌的基础设施能支撑多久。