
Pragmatic Engineer 调查 27 家公司的 AI 开发支出:每人每月从 150 美元到 3000 美元不等,PR 数量普遍翻倍,但交付速度未必跟着涨
一句话结论
Gergely Orosz 访谈了 27 家公司的工程负责人和资深工程师,并拿到 CodeRabbit、Gitar 的汇总数据:开发者的周 PR 数大约比一年前翻了一倍,但 AI 花费和公司规模没有关系,有的团队 PR 翻几倍、有的完全持平,几乎没人能说清投资回报。
背景与理念
文章起因是一位读者想知道别的公司在每个工程师身上花多少 AI 费用,以及 AI 前后 PR 产出有没有变化。作者指出今年各家公司的 AI 智能体支出都在膨胀,随着 2027 年临近,很多公司开始想给这笔钱算个实数。
作者选择 PR 吞吐量作为指标,是因为它几乎每家公司都有、前后可比,而且大概还没被开发者刻意「刷」过。他同时提醒,这个指标很粗糙,不能直接等同于交付价值。
具体做法
数据来自两部分:27 家公司的工程负责人和资深工程师访谈,以及 CodeRabbit、Gitar 两家工具商提供的匿名汇总数据。大多数公司应要求做了匿名处理。
文章按支出水平分组介绍:每人每月 1000 美元以上的高支出组、每人每月 300 到 500 美元的中等组、300 美元以下的低支出组,以及 Meta、NVIDIA、Apple 等大厂单列一节。每家公司都写了规模、预算上限、实际花费和 PR 变化。
文中记录了几种预算管理做法。例如一家约 100 人的 AI SaaS 公司给每个开发者每月 2000 美元额度,设了公开的 #ai-limits Slack 频道提醒接近上限的人;想提额度必须先运行一个 AI skill,检查是否开了太多循环或子智能体等烧 token 的原因,查不出问题才能找经理审批。
关键数据/例子
CodeRabbit 的数据显示,使用其 AI 代码评审工具的开发者周 PR 数比一年前增加了 113%,追踪同一批 2 万名开发者时增幅为 128%;Gitar 观察到「AI 原生」团队每人每周能交 60 个以上 PR。
花费跨度很大,而且与公司规模无关。一家两人的欧洲 .NET 小公司每人每月约 3000 美元,自称每人每周约 60 个 PR,「两个人干了以前五到七个人的活」;而一家有 1500 名工程师的上市公司把每人每月上限定在 150 美元。
一家约 5000 人的量化交易公司,9 月 AI 总支出达到每月 800 万美元,是 1 月 50 万美元的 16 倍;人均每月从约 80 美元涨到约 1600 美元,花得最多的是交易员而不是开发者。
产出变化差异也很大。一家 2.5 万人以上的上市公司 PR 从每人每周约 4 个升到约 8 个;另一家 5000 人的公司 PR 数持平,但单个 PR 的代码行数变成原来的 3 倍;一家跨国公司的某个团队一年里关闭的用户故事增加到 3 倍,第一次出现关闭数超过新增数。
多数公司 6、7 月花费见顶,之后用 API 计费的团队成本大约减半,原因主要是改用 Opus 5.5 和转向开源模型。也有几家公司提到补贴订阅即将到期,账单可能涨 5 到 10 倍。
创新点
这篇文章的价值在于把「花了多少钱」和「产出变了多少」放在同一张表上,按公司逐一列出,而不是只给一个平均数。
它也给出了反例。有工程师直言,当团队坚持原有的代码质量标准时,实际开发速度并没有明显提升;还有人认为流程没变是速度没变的原因。
可否复用
- 算 AI 投资回报时,至少同时看三类指标:每人花费、PR 数量与大小、业务层面的交付(如关闭的用户故事)。只看 PR 数容易被代码变长误导。
- 设预算上限时配一个「自查工具」。像文中那样先让 AI skill 检查烧 token 的原因,再走审批,比单纯卡额度更能培养用量意识。
- 留意补贴订阅到期带来的成本跳涨。提前评估换模型、换开源模型的可行性。
- 用量大的不一定是工程师。交易员、业务人员的高额查询同样需要限流和成本监控。