当国内朋友圈还在转发“AI让程序员效率翻十倍”的时候，海外的Reddit、Hacker News和X上，一场持续一年多的“数据清算运动”已经吵到白热化。这回吵架的双方不再是复读机式的“AI要毁灭一切”和“AI万无一失”，而是甩出论文、 payroll 数据和录屏计时实锤的硬核派。今天拆三场海外社区吵得最凶、但国内讨论热度严重不足的论战：AI到底有没有让人变快、AI先挤掉谁的饭碗、RL微调是真涨能力还是刷分。每一场都有具体数字、具体论文、具体反对意见，看完你至少能少交三个月的信息税。
2025年7月10日，非营利模型评估机构 METR 发布了一份让整个硅谷血压升高的研究：《Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity》（arXiv:2507.09089）。
实验设计相当扎实：16名资深开源开发者，在246个真实任务上随机使用或不使用AI。参与者用的是当时主流配置——Cursor Pro 搭载 Claude 3.5/3.7 Sonnet，全程屏幕录像、逐步计时。项目都是他们深度参与的“老巢”：平均两万多Star的成熟仓库，贡献者普遍有五年以上维护经验。
结果三层反转：
HN上一条高赞评论把这件事总结为“vibes vs measurements”的对决——感觉效率和真实效率之间隔着一道19%的剪刀差。
国内大量团队把“感觉AI提效了”直接写进周报和立项材料。METR给的教训是：效率必须实测，不能自评。录屏计时这套方法零成本，任何团队都能抄。
flowchart TD
A["任务开始前问卷"] --> B["预测：提速24%"]
C["AI辅助写完任务"] --> D["自评：提速20%"]
E["录屏加逐步计时"] --> F["实测：反而慢19%"]
B --> G["感觉与实测的剪刀差"]
D --> G
F --> G
G --> H["结论：效率必须实测"]
2025年8月，斯坦福数字经济实验室发布《Canaries in the Coal Mine?》（煤矿里的金丝雀），作者是王牌经济学家 Erik Brynjolfsson 团队。这份报告用的不是问卷，而是 ADP（美国最大工资单处理商之一）的数百万员工真实工资单数据。
核心发现：在软件开发、客服、会计等AI高暴露职业中，22-25岁群体的相对就业率下滑了13%，而同岗位的资深员工就业保持稳定甚至增长。也就是说，AI冲击的第一波受害者不是四十大岁的架构师，而是刚出校门的应届生。
另一个被低估的发现：把AI当自动化工具（替代人）的公司，初级岗位明显收缩；把AI当增强工具（放大人）的公司，初级岗位几乎没受影响。
这条对个人和团队各有一层：
flowchart TD
A["ADP百万级工资单数据"] --> B["22至25岁初级岗位"]
A --> C["资深员工岗位"]
B --> D["AI高暴露行业：相对下滑13%"]
C --> E["基本稳定甚至增长"]
D --> F["替代型用法的公司收缩更狠"]
E --> G["增强型用法的公司影响很小"]
F --> H["金丝雀：预警而非判决"]
G --> H
前两场是“AI对就业效率的影响”，第三场是纯技术内战，但含金量更高：2025年4月挂上arXiv的论文《Does RL Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?》（arXiv:2504.13837），直接质疑整个推理模型微调范式（RLVR，即用可验证奖励做强化学习）。
论文的核心武器是 pass@k 指标：同一个问题让模型独立采样k次，只要有一次答对就算过。
结果出现了一个诡异的交叉：
论文派的结论很刺耳：RLVR并没有解锁基座模型不会的新能力，只是把基座“偶尔能蒙对”的答案收编成“稳定答对”——用行话说叫缩小了探索边界。微调更像精华提取器，不是能力生成器。
flowchart TD
A["RLVR微调模型"] --> B["小k：答得又准又稳"]
C["基座模型"] --> D["小k：采样很多次才中"]
A --> E["大k：增益逐渐消失"]
C --> F["大k：追平甚至反超"]
B --> G["论文派：RL只是提纯"]
E --> G
F --> G
D --> H["反驳派：难题上追不平"]
H --> I["可靠性本身才值钱"]
G --> J["尚未定论：取决于题目难度"]
I --> J
| 你以为的 | 海外社区已经吵明白的 |
|---|---|
| 用AI必然更快 | 资深者在自己的老项目实测慢19%，且自己毫无察觉 |
| AI先取代资深员工 | 工资单数据显示应届生岗位先缩水13% |
| RL微调让模型变聪明 | 大k采样下基座能追平，“提纯还是造能力”至今未决 |
| 看榜单就能选模型 | pass@k方差、真实任务录屏计时才是海外的新玩法 |
| 论战就是骂战 | 这三场的弹药全是arXiv论文和百万级真实数据 |
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。