以 GitHub Copilot 为代表的 AI 辅助工具已经在程序员用户中得到了大量应用。

Mckinsey 研究显示，生成式 AI 在软件开发的不同环节带来的效率提升有较大差异。

相对基础的代码文档生成、代码生成，AI 工具有极大的效率提升比例（40~50%）。而代码重构方面，提升潜力在 20-30%。

在复杂任务时，AI 工具的提升空间就很小了（小于 10%）。

经常有一个问题是 “AI 代替你的工作，你该怎么办？” 下图给出了一个答案。

软件在汽车整车开发中具有越来越重要的作用，对于传统车厂来说，软件开发能力可能逐渐成为其 “软肋”。

整个生命周期内，软件开发和维护工作的增加可能会削弱车企的创新能力和对竞争对手的反应能力。如果复杂性持续增长，而生产力保持不变，仅软件维护将迅速耗尽所有软件研发资源，几乎没有创新空间。

Mckinsey 认为复杂性生产力差距将降低成本竞争力，并可能导致严重的财务和声誉问题。

根据 Mckinsey 的研究，处于软件开发最高四分之一的组织的生产率是底层参与者的 3.0 倍，吞吐量是底层参与者 3.5 倍，质量是底层参与者 6.0 倍。

附图是 HSBC 的研究数据，软件工程师每小时程序开发的费率。

美国的程序员费率为 180 美元/小时，遥遥领先其他国家。中国大陆、印度的费率为 28~29 美元/小时，是美国的六分之一。

现代软件工业本质也是一种多组件的供应链体系。以硅谷公司为例，通常核心代码和结构在美国本土开发，一些组件和外围配套则可选择亚洲、东欧等低成本地区。

很多公司都有一个平台梦，尤其是提及生态系统战略时，都希望自家提供一个很牛的平台，然后各种伙伴调用平台提供的深浅能力，共同创造价值。

从技术实现角度，很大比例的底层能力调用是基于 API 的。自然各家 API 的质量性能、整体成本（TCO）等就有考量的必要性了。

Postman 的调研发现：就开发者而言，起码三分之二的 API 开发时间没有用在编程上，而是各种配套工作（查找、学习、管理、测试、工具准备等）。

围绕 API 产品的客户体验（或者叫开发者体验）是一个值得关注的管理优化主题；也应是平台化产品策略落地的重要部分。