AI热榜 随着 Claude Code、Codex、Kimi Code 等编程智能体快速迭代，软件开发正从“人写代码、工具辅助”，转向“人定义目标、Agent 持续执行”。
模型不仅能够生成代码，还开始自主调用工具、调试程序、压缩上下文，甚至连续工作数小时。
与此同时，模型调用成本、生产环境责任、验证闭环、人才培养和软件组织结构等问题，也逐渐从技术讨论进入企业经营层面。
在 2026 世界人工智能大会期间的 InfoQ 媒体直播间，AI Coding 成为“AI 正在重写什么”这一主题下最具争议的话题之一。
拥有近 20 年企业软件开发经验、Sirius contributor 滕昱，以及曾在 Google 担任软件工程师、后加入月之暗面从事研发并负责开发者关系的唐飞虎，从开发者实践、企业管理和个人成长三个角度，讨论了 AI Coding 正在带来的深层变化。
两人的判断并不完全一致。
滕昱认为，传统计算机专业和软件工程师职业延续了约 30 年的发展周期，如今已经走到一个明显转折点，单纯写代码的价值正在迅速下降；唐飞虎则认为，计算机科学背后的数学和基础原理仍然值得学习，只是课程体系和人才培养方式必须改变。
但在一个问题上，两人形成了共识：AI 不会简单地让所有工程师失去价值，相反，它正在优先放大资深工程师的经验和判断能力。
真正受到冲击的，是过去依靠重复编码工作积累经验的新人，以及层级复杂、流程沉重的大型软件组织。
AI Coding 进入重度使用阶段，Token 不再是重点 在日常使用中，滕昱同时使用三个编程模型，其中两个工具主要承担编程任务，另外一个更多用于写文章、总结新闻和整理邮件。
他的采购策略很简单：直接买能力最强的模型和最高档套餐，把模型能力“直接拉满”。
他解释，自己仍然承担大量实际开发工作，没有太多时间在不同模型和价格之间反复比较。
相比节省调用费用，他更在意模型能否直接解决问题。
“我的选择是买最贵的模型、买最高的套餐，直接拉满。
”不过，即使同时使用多个高阶套餐，他也没有用满全部 Token 额度。
在他看来，这也说明 AI Coding 并非万能工具，人仍然需要处理模型无法完成的部分。
唐飞虎同样会使用多种模型，但比起固定依赖少数工具，他会尝试几乎所有主流 AI 工具，包括 Kimi Code、Claude Code、Codex 以及一些面向垂直场景的小众产品。
他会根据任务特点，在不同模型和 Harness 之间选择合适的组合。
如果没有合适的开发任务，他甚至会主动让模型运行 Benchmark，尽可能用满套餐和内部额度。
不过，两人都没有精确统计自己每天消耗多少 Token。
原因在于，AI Coding 的使用方式已经发生变化。
过去的 Vibe Coding 往往是一轮提问对应一轮回答，Token 消耗相对容易估算；现在开发者更多是给 Agent 设定一个目标，让它持续执行、反复调试，可能一个小时以后才需要人类介入。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接