擁抱 vibecoding 和 agentic 工具的愛好者聲稱他們能提升 2 倍、10 倍，甚至 100 倍的生產力！有人從零開始建立了一個完整的網頁瀏覽器。太驚人了！

因此，懷疑論者合理地問，那些應用程式都在哪裡呢？如果 AI 使用者真的（保守估計）生產力提升了 2 倍，那麼我們在哪裡可以看到產量增加 2 倍的軟體呢？這些問題都源於一個假設：世界需要更多的軟體，所以如果軟體製作成本降低，人們就會製作更多軟體。那麼，如果你同意這個假設，那麼新的軟體盈餘，也就是我們可能稱之為「AI 效應」的現象，又在哪裡呢？

我們將檢視 PyPI，這是 Python 套件的中央儲存庫。它規模龐大、公開且持續被衡量，因此我們應該能在此看到一些 AI 效應。

嗯，自從我們發布這篇文章以來，有些事情發生了變化。在 2026 年 3 月，PyPI 的新套件創建量增加到超過 25,000 個。這幾乎是 2025 年 3 月數字的兩倍。我們很好奇是否能看到它們是否能長期維護。

看到了嗎？ChatGPT 的發布。在上方的圖表中，它看起來像是一場劃時代的軟體生產力革命嗎？不是。

下方的圖表顯示了「AI 時代」（2020 年至今）期間，每月新套件的數量有幾個高峰。但這些高峰反映的是垃圾訊息和惡意軟體的氾濫，而非真正的套件創建。

這很奇怪。如果 AI 正在讓軟體工程師更有效率，為什麼他們沒有生產出更多的軟體呢？

但是，你可能會說，套件創建不是正確的衡量標準。任何人都可以創建並上傳一個「套件」，而這個套件可能只是一個簡單的「Hello World」演示。這總是比創建人們實際使用的、持久的東西更容易。我們想看的是「真實」的套件，也就是那些被下載、使用並長期維護的套件。

好的，那麼讓我們來看另一張圖表。我們首先收集了 2025 年 12 月 PyPI 上下載量排名前 15,000 的 Python 套件。然後，我們根據套件的創建年份將它們分組，並為每個組繪製它們隨時間變化的中位發布頻率。這似乎是一個合理的代理指標，用來衡量真實、活躍使用的軟體的生產情況。

為了顯示一個組的發布頻率隨時間的變化，我們畫了一條線。所以在下方的圖表中，每條線都從一個點開始，顯示該套件在其生命週期的前 12 個月內的更新發布次數。隨著套件的成熟，這條線會繼續延伸。

那麼我們看到了什麼？在 ChatGPT 問世後，套件的更新頻率是否更高了？

我們清楚地看到，在 ChatGPT 問世後誕生的套件，在其第一年的更新頻率（每年 13 次發布）高於 2014 年誕生的套件（每年 6 次發布）。這從各組的生命線隨著時間推移而起始點更高可以看出。

但這似乎是延續了一個趨勢，這個趨勢開始得太早，無法歸因於 AI 生產力的提升。第一年的發布頻率在 2019 年（每年 10 次發布）就開始增加，遠早於現代 AI 編碼工具的出現。這似乎更有可能是由於持續整合工具（如 GitHub Actions）的日益普及，這些工具已經存在更長時間了。

另一個讓我們懷疑這種增加完全是由 AI 造成的理由是，圖表中顯示的另一個現象：套件隨著時間推移而發布的頻率會降低。這從所有組的生命線都隨著時間下降可以看出。這一點沒有改變。換句話說，人們並沒有以一種能讓他們隨著套件老化而更頻繁更新套件的方式使用 AI。

但肯定有部分初始發布頻率的增加是由於 AI 的推動吧？讓我們深入看看。

讓我們根據套件是否與 AI 相關來分割套件，方法是根據套件的描述進行分類。在那裡我們能看到 AI 效應嗎？

看到了！或者至少，有什麼東西出現了！

與 AI 無關的套件看起來更像是 ChatGPT 時代之前的套件，它們顯示出相同的溫和的、隨時間增加的年發布頻率的趨勢。

但相比之下，與 AI 相關的套件卻顯示出發布頻率的急劇增加。例如，在 2023 年首次發布的與 AI 相關的套件，在其前 12 個月內達到了每年 20 次發布的中位數。這幾乎是同年份非 AI 套件的兩倍。

總之，由於某種原因，新創建的與 AI 相關的套件正在被更頻繁地更新。

當然，AI 目前非常受歡迎。當我們看到與 AI 相關的套件被更頻繁地更新時，我們是否僅僅觀察到受歡迎的套件被更頻繁地更新呢？

為了回答這個問題，讓我們再做一次分割。讓我們從 2025 年 12 月下載量排名前 15,000 的套件中，將它們分成兩組：較受歡迎的 7,500 個和較不受歡迎的 7,500 個。

我們對「與 AI 相關」套件的觀察僅僅是對受歡迎程度的觀察嗎？

不是。右上角的象限非常顯眼：受歡迎的 AI 套件在 ChatGPT 之後，中位數每年發布次數躍升至 21-26 次，是受歡迎的非 AI 套件（約 10 次）的兩倍多（也顯著高於不受歡迎的 AI 套件）。

所以我們確實看到了超過 2 倍的發布頻率影響，而且它集中在最受歡迎的、與 AI 本身相關的套件上。

但當然，有趣的問題是，為什麼？

在考慮是什麼導致了這一點之前，讓我們回顧一下證據：

ChatGPT 問世後，整體套件創建率沒有明顯增加，整體套件更新率也僅有邊際增加。

多年來，更新頻率有小幅、穩定的增加，但這種趨勢早於 ChatGPT。

受歡迎的 AI 套件的更新頻率有大幅（>2 倍）增加，不受歡迎的 AI 套件也有小幅增長。

如果我們問為什麼會看到這種證據模式，我們會發現它足以讓我們得出某些事情沒有發生的結論，並對正在發生的事情提出一些合理的解釋。

AI 是否正在大規模提升所有開發者的生產力？

沒有。我們沒有看到跡象表明開發者整體上生產力提升了 100 倍甚至 10 倍。新套件或新套件更新的豐收景象根本不存在！

放鬆。你沒有錯過一個字面意義上每個人都被邀請的派對。

是否有某些開發者透過使用 AI 正在更快地開發？

也許？但可見的總體影響仍然非常微弱，即使有些開發者獲得了巨大的提升，肯定也不是很多人。或者，所謂的提升實際上並沒有那麼大。我們在總體上看到的套件更新頻率幾乎沒有任何上升。

然而，我們確實看到新創建的、受歡迎的 AI 套件有所增加。

人們是否正在為使用 AI 而構建大量的軟體？

是的，是的，他們正在這樣做。近期與 AI 相關的套件更新頻率的跳躍確實是這裡的重點。這種影響的狹窄性是需要解釋的謎團。

那麼，讓我們再次問，為什麼？為什麼這種增長集中在與 AI 相關的軟體上？我們有兩個假設：

AI「技能問題」。也許構建 AI 工具的人也是最有可能知道如何有效使用 AI 的人。這將為 AI 套件帶來更大的生產力提升。但如果僅憑技能就能解釋這種增長，我們應該在所有 AI 套件中都看到這種情況。相反，2x2 的圖表顯示它集中在最受歡迎的套件上，這表明還有其他因素在起作用。

金錢和炒作 🤑💰。大量的資金和熱情湧入了 AI 領域，並轉化為（除其他外）PyPI 套件。也許並不是從事這些套件開發的開發者生產力提高了。只是因為有更多的錢來支付這項工作，所以他們工作得更多。圖 3 中的群組規模說明了這一點：2021 年的群組中，非 AI 與 AI 的比例超過 6:1（1211 對 185）。而 2024 年的群組比例不到 2:1（727 對 423）！從這個角度來看，並不是 AI 讓開發者變得超人，而是對 AI 的強烈興趣正在為與 AI 相關的套件提供更高的創建和迭代率。

唉，數據並沒有告訴我們這些影響哪個更大。

但我們可以說的是，生成式 AI 革命到目前為止，至少在 PyPI 生態系統中，最主要的、可衡量的影響並不是所有軟體的「寒武紀大爆發」。而是一個尖銳且集中的爆發，集中在更新那些本身屬於 AI 生態系統的套件上。