这条的观点类稿件最关键的一步，是找到原始出处和支撑数据。我先定位 “10x 变 100x” 这句话是谁说的、依据是什么。
这条标题的观点性很强，我再定位一下中文原始出处以及最新的研究数据，以免只剩一个孤立的观点。
这句话的出处不是哪家机构的报告，而是一篇公开发表的个人长文。11 月 9 日，keepalerting 联合创始人兼 CTO 沙哈尔・格拉茨纳（shaharglazner）在 X 上发布《On Being an Engineer in 2026》，标题下面配了一行小字：“我们还需要吗？” 他先承认了那种失控感：代码早就不自己写了，后来连文档、邮件、Slack 消息也交给 AI；从 Opus 4.6 前后开始，调试从一门手艺变成在 Cursor 里点一下推荐选项；随着 harness 变强，连架构设计和高层思考都开始往 agent 那边挪。他现在的日常，主要是确保自己的 agent 没挡着别人的 agent—— 然后在所有人都以为 “工程师完了” 的时候，他按下了反向证明的按钮。
一、先搞清这是什么：一篇反证法，不是一份调研
| 项目 | 情况 |
|---|---|
| 作者 | 沙哈尔・格拉茨纳，keepalerting 联合创始人兼 CTO |
| 载体 | X 平台长文《On Being an Engineer in 2026》，2026 年 11 月 9 日发布 |
| 中文版 | 2026 年 11 月 10 日由 OSCHINA 编译发布，标题即 “10x 工程师变成 100x 了，普通工程师还是那么普通” |
| 论证方法 | 归谬法（反证法），先假设 “人类已无价值”，再推出矛盾 |
| 性质 | 个人思辨与经验判断，非抽样调研、非机构结论、非实测数据 |
这个定位很重要，后面会反复用到：他的逻辑强度来自 “推理是否成立”，而不是 “样本是否足够”。
二、他的反证法一共四步，链条很短
- 假设：人类对 agent 已经没有真正的影响力，所有思考都由 agent 完成，人只是在碍事。
- 推演：大家用的模型和 harness 都差不多，能力上限接近。
- 推论：如果人真的不重要，工程师之间的产出差异应该急剧缩小才对。
- 对照现实：并没有。优秀工程师的产出仍然远高于普通工程师 —— 甚至可以说，10x 工程师变成了 100x 工程师，而普通工程师还是普通。
于是假设被证伪，人类确实还在提供某种东西。但反证法到此就停住了：它能证明 “假设错了”，不能告诉你 “为什么”。这一点他自己也明说了，后面那半篇才是在补 “为什么”。
三、“100x” 这个数字，有多少是修辞，多少有旁证
这是他全文最容易被单独摘出来放大的一句。放在不同语境里，“100x” 的可信度完全不一样：
| 来源 | 说法 | 性质 |
|---|---|---|
| 格拉茨纳（2026-11-9） | 10x 变 100x，普通还是普通 | 反证法里的一步，用来证明 “差距没有缩小” |
| AppLovin CEO（2026-05） | 普通工程师效率提升 2 倍，10x 工程师可能直接到 100x | 企业家的招聘逻辑，有明确的用人立场 |
| OpenAI 平台工程主管（2026-05） | 常用 Codex 的工程师开的 PR 比不常用的多 70%，且差距在扩大 | 内部观察数据，可量化但只覆盖一家公司 |
| Accrual 创始人（2026-07） | 10x 工程师现在更接近 100x，所以他宁可保持 21 人团队 | 创业公司的组织选择 |
| arXiv 论文 SE 3.0（2026） | 出现达到 100x 甚至 1000x 生产力的开发者 | 学术综述的定性描述，不是测量值 |
注意最后一行：连学术论文在描述这批 “超级开发者” 时，用的也是 “100x、1000x” 这类量级词，而不是一个小数点后两位的测量结果。这说明 “100x” 目前是行业通用的修辞刻度，不是统计学指标。
四、他补的四个 “为什么”，才是全文的干货
反证法证明完之后，他把自己还在做的事列了出来：
- 追问问题定义。agent 在问题定义不够清楚时会走丢，所以他会一直问到确信大家解决的是真问题。
- 判断难度直觉。agent 会把简单的事复杂化，也会把复杂的事过度简化；他对哪些问题真难、哪些该保持简单有手感。
- 评估两年后还成不成立。agent 能在不需要与方案长期共存的前提下把问题解掉，而他必须考虑这套方案两年后是否还站得住。
- 说不清的那种 “不对劲”。他知道哪里不对，但讲不出为什么。他举的例子是对 AI 味的敏锐感：读了不到一句话，立刻就知道这是 AI 写的，然后就不读了。他们甚至攒出了一整套词 ——slop、slop canon、slop grande—— 和一整套梗文化，却从没把 “什么算 AI slop” 明确定义出来。
接着他借了两个哲学概念：涌现（整体会出现任何单个部分都不具备的性质）和默会知识（波兰尼那句 “我们知道的多于我们能说出来的”）。他特意声明，自己不是在用 “意识” 解释人为什么更强，也不否认 agent 可能有意识 —— 只是想说，我们身上有相当一部分能力来自说不清的地方，而那些东西大多来自经历。
值得单独记下的是他那个自嘲：就连 “在乎别挡住别人的 agent” 这件事，往下剥十层，也是怕被裁、想把手上的活做到最好 ——2026 年那种冒名顶替综合征与手艺自豪感的混合体。
五、反方证据：为什么 “100x” 在组织层面经常兑现不了
如果要给这篇长文补上它缺的另一半，得看这几组数据 —— 它们说的不是 “人不行”，而是 “个体的 100x 很难变成组织的 100x”：
| 证据 | 结论 | 对 “100x” 的含义 |
|---|---|---|
| METR 2025 年随机对照试验（16 名资深开源开发者） | AI 辅助下任务完成反而更慢，而参与者主观上觉得自己更快 | 个体感受与客观产出会脱节 |
| Microsoft 与 Accenture 联合试验（4000 名开发者） | 合并 PR 数提升约 26%；初级开发者提升约 35%，资深约 8%~16% | 提升真实存在，但幅度远不到 10 倍，且初级受益更大 |
| DORA 2025 年度报告 | 80% 以上开发者自报有提升，组织级交付指标没有改善 | 个体增益被流程、评审、协调吃掉 |
| NeurIPS 2025（1600 条执行轨迹，7 个多 agent 框架） | 失败率 41%~87%，协调断裂占失败原因 36.9% | 多 agent 放大的是错误，不只是产出 |
| DeepMind 与 MIT（180 种配置，5 种架构） | 集中式编排在可并行任务上提升 80.9%，但在串行任务上性能下降 39%~70%；收益在 4 个 agent 处见顶 | “开更多 agent” 存在明确的边际递减 |
| Colton Voege（一线开发者复盘） | 10 倍在数学上要求需求、评审、测试、上线同步提速 10 倍，现实中不可能；任务级提升 20%~50% 更可信 | 瓶颈不在敲键盘 |
其中最有意思的一条是：“初级提升 35%、资深提升 8%~16%” 这组数据，直接和 “普通工程师还是那么普通” 相冲。在受控试验里，受益最大的恰恰是经验较浅的人。所以更准确的表述应该是：AI 让所有人都在动，但它让顶尖高手的上限抬得更高 —— 差距扩大，不等于底下没抬。
六、对普通工程师来说，这篇文该怎么用
不给鸡汤，给三条能落地的判断：
- 别把 “100x” 当目标，把它当方向指示。100x 是修辞，26% 的 PR 提升、20%~50% 的任务级提速才是可对账的量。按后者做规划，按前者理解趋势。
- 优先投资那四件 “agent 做不了” 的事：把问题定义清楚、判断任务真实难度、评估方案两年后是否成立、以及能说出 “这里不对劲” 的手感。这四件恰好都不可外包，也不靠多敲代码积累。
- 盯住组织瓶颈，而不是自己的手速。DORA 的数据说明，个人再快，评审、联调、发布这些环节不变，产出就会被吃掉。真想拿到增益，得去改流程，而不是只改自己的编辑器。
什么情况别被这篇文带着焦虑：如果你所在团队连 CI 都不稳定、评审要等两天、需求一周三改 —— 那么你当前的上限不在 AI，在流程。什么情况该认真对待：如果你的产出瓶颈确实是 “想清楚要做什么” 和 “判断做得对不对”，那这四件事值得马上开始练，因为它们恰好是 AI 越强、越值钱的部分。
七、结论
- 来源层面：“10x 变 100x、普通还是普通” 是一位 CTO 用反证法推出的一步，用来证明 “人类仍在提供价值”，不是调研数据，也不是可复现的测量。
- 逻辑层面：反证法只完成了证伪 —— 它证明 “人无价值” 这个假设不成立，但没有、也无法证明差距就是 100 倍。
- 数据层面：旁证支持 “差距在扩大”（OpenAI 内部 PR 差 70%、AppLovin 的用人逻辑），反向证据则提醒 “组织层面兑现不了”（DORA 指标平坦、多 agent 失败率 41%~87%、串行任务性能下降 39%~70%）。
- 最该记住的一句：受控试验里受益最大的是初级开发者（约 35%），所以 “普通工程师还是那么普通” 更像修辞对照，而不是事实描述。真正的分化不在 “会不会用 AI”，而在 “能不能定义问题、判断难度、承担后果”。
【相关 FAQ】
问题 1：“10x 工程师变成 100x、普通工程师还是那么普通” 这句话是谁说的，可靠吗？
回答 1：出自 keepalerting 联合创始人兼 CTO 沙哈尔・格拉茨纳 2026 年 11 月 9 日在 X 发布的长文《On Being an Engineer in 2026》，中文版由 OSCHINA 于 11 月 10 日编译。它是作者用反证法推出的一步推论，属于个人思辨，不是抽样调研或机构结论，所以 “100x” 这个数字应理解为修辞刻度而非测量值。
问题 2：这位 CTO 是用什么逻辑得出 “10x 工程师变成 100x” 的？
回答 2：他先假设人类对 AI agent 已无真正影响力，那么由于大家用的模型和 harness 差不多，工程师之间的产出差距本该急剧缩小；但现实中优秀工程师的产出仍远高于普通工程师，假设被推翻。这个反证法只能证明 “人类仍有价值”，并不能证明差距恰好是 100 倍，作者本人也明确指出了这一局限。
问题 3：说 “普通工程师还是那么普通”，有数据支持吗？
回答 3：部分相反。Microsoft 与 Accenture 对 4000 名开发者的联合试验显示，合并 PR 数整体提升约 26%，其中初级开发者提升约 35%，资深开发者约 8%~16%—— 受益最大的恰恰是经验较浅的人。所以 “普通工程师还是那么普通” 更像与 “顶尖变 100x” 相对的修辞对照，而非实测结论。
问题 4：既然 10x 工程师变成 100x 了，普通工程师该怎么应对？
回答 4：优先投资四件 AI 难以替代的事：把问题定义清楚、判断任务真实难度、评估方案两年后是否仍成立、以及能察觉 “这里不对劲” 的手感。同时要盯组织瓶颈而非个人手速 ——DORA 2025 显示 80% 以上开发者自报有提升，但组织级交付指标没有改善，说明流程不变，个体增益会被吃掉。
【参考资料】
- [2026-11-10]（10x 工程师变成 100x 了，普通工程师还是那么普通）OSCHINA
- [2026-11-09]（On Being an Engineer in 2026）shaharglazner on X
- [2026-07-06]（Accrual Stays at 21 People Post-$75M Raise to Maximize 100x Engineer Productivity）RiffOn
- [2026-06-12]（The Great Talent Fracture: Moving from 10x to 100x (and the Fall to 0.1x)）Xavier Geerinck
- [2026-05-07]（靠 AI 把股价干涨 735%，这家公司开始成批裁掉可替代岗，全员招聘须 CEO 点头）36 氪
- [2026-05-04]（OpenAI 平台工程主管亲自揭密：AI 的未来两年、软件与 AI 人才的转型与「一人十亿美元公司」的真相）Build School Learn
- [2025-08-12]（“AI 让你变成 10x 工程师？其实是一个骗局……”）36 氪
- [2025]（Agentic Software Engineering: Foundational Pillars and a Research Roadmap，arXiv:2509.06216）arXiv
【免责声明】
本文所述 “10x 工程师变成 100x、普通工程师还是那么普通” 出自 keepalerting 联合创始人兼 CTO 沙哈尔・格拉茨纳的个人长文，属作者基于自身经验的反证法推演与观点表达，不代表任何机构立场，也非抽样调研结论；文中 “100x”“1000x” 等表述为行业通用修辞量级，不宜作为精确统计指标引用。Microsoft 与 Accenture、METR、DORA、NeurIPS、DeepMind 与 MIT 等研究与报告数据来自公开披露与媒体报道，各研究的样本、任务类型与统计口径不同，结论不可直接相加或相互替代。AI 对生产力的影响因团队、任务与流程差异很大，本文仅作信息整理与观点辨析，不构成职业规划或管理决策建议，个人与企业应结合自身情况判断。