Block业绩越强，程序员越慌：AI几乎接管全部代码

一家公司说 AI 已触及“几乎全部代码”，市场该先盯住的，未必是下一季利润，而是它手里的交易入口会以多快速度改变规则。

Block 在一个强劲季度后上调了 2026 年展望，同时披露 AI 已介入其几乎全部代码。单看“接入 AI”，这早已不是稀缺叙事；“几乎全部代码”却把含义推向了更深处：开发、测试、维护、排错、文档乃至产品配置，可能正在被塞进同一条加速的生产线。

对支付、交易和加密服务而言，代码从来不只是界面上的按钮。它往往决定身份验证怎么走、交易授权卡在哪一步、限额如何触发、异常账户由谁拦截。AI 覆盖得越广，产品更新就越快；规则一旦出错，扩散速度也会同步提高。

强劲业绩证明的是眼下的经营韧性。AI 对近乎全量代码工作流的渗透，考验的却是另一件事：平台能否在加速改规则时，还守得住审计、权限和申诉的边界。

软件生产链被压缩，产品规则也会更频繁地移动

“AI 触及几乎所有代码”，不意味着模型已经接管全部编程，更不能推导出金融系统进入自动驾驶。更接近现实的理解是，AI 正嵌入软件生产的多个环节：工程师用它生成代码草案，测试团队用它发现边界问题，维护人员用它定位故障，运营团队可能借此更快调整产品配置。

过去，一项支付流程或账户功能的改动，要经过需求确认、开发、测试、风控审核和上线监控。每一道工序都要花时间，时间本身也是一种约束。AI 把前半段压缩后，团队提出方案、完成初步开发、排查异常的速度都会提高。

用户最先感受到的，可能是客服响应变快、操作步骤变少、产品功能更新得更勤。交易平台、做市商和项目方看到的则是另一幅画面：接口规则、风控策略、合规要求的迭代周期被拉短，昨天还稳定的流程，可能在一次产品更新后就换了入口。

这也是“几乎全部”四个字的分量所在。AI 若只停留在内部辅助编码，风险主要归于工程治理；一旦它推动支付、账户、交易和风控规则更高频地变动，平台与用户之间的权责关系就会被重新排列。

代码跑得更快，责任链不会跟着变短

效率收益通常先落在企业内部：更快发布产品、更低维护成本、更大的服务吞吐量，以及更容易预测的经营效率。管理层和股东会喜欢这套叙事，工程团队也能从重复劳动中抽身，把精力留给架构和复杂故障。

风险却不会自动消失，只会换一种位置出现。

安全团队要确认，自动生成或自动修改的代码有没有带来新漏洞；合规和风控团队要厘清，模型到底只是提供建议，还是已经实质影响用户准入、交易限制与账户处置；用户更关心的事情很朴素：系统误判时，人工入口还在不在，申诉有没有用，责任由谁承担。

链上环境会把这种紧张感放大。许多链上交易一旦执行，撤回成本极高，甚至无法逆转。AI 可以缩短开发和响应时间，却替代不了权限隔离、密钥管理、审计记录与事故响应。模型帮工程师更快完成一次改动，和这次改动已经安全，完全是两回事。

平台追求更短上线周期，安全团队必须留下足够的刹车距离。金融软件里，油门能带来增长，刹车才决定事故发生时谁不会被甩出车外。

盯住规则进入用户账户的那一刻

判断这波 AI 渗透的成色，不必被宏大口号带着走。用户和市场需要看几处更具体的地方。

先看 AI 是否从内部开发延伸到用户关键决策环节。辅助编程、整理文档、排查故障，和介入交易审核、客服处置、账户权限判断，并不处于同一个风险等级。后者直接触及资金路径和用户权利。

再看人类复核和责任边界有没有被明确写出来。关键规则改动是否经过独立测试？异常时能否人工接管？变更记录能否追溯？这些听上去不如 AI 演示热闹，却决定了用户在账户被限制、交易被拦截时，能不能获得解释和纠错。

还要看产品更新速度是否开始压过安全治理。更新更快本身没有问题；风险在于授权、身份验证、支付限额、资产转移等规则持续调整，说明却越来越少，用户只能在一次失败交易或一次风控提示后才发现入口已经变了。

最后才是效率收益的去向。成本下降可以变成更低的服务摩擦、更好的支持能力和更可靠的保护，也可能主要沉淀为利润率提升，以及更紧密的自动化控制。企业是否采用 AI 并不构成用户福利，清晰规则、可靠保护和可用的纠错通道才构成。

被重估的，是平台在加速中的治理能力

Block 上调 2026 年展望，叠加 AI 对近乎全量代码工作流的覆盖，传递出的竞争信号已经很清楚：企业比拼的将不只是有没有部署 AI，而是谁能把 AI 放进一套可控的软件与金融治理体系。

强劲季度可以证明业务正在跑，无法替平台回答自动化扩张后的责任归属。

交易入口也从来不只是一行代码。它背后连着权限、责任和救济机制。接下来，AI 是否进入用户关键决策环节、关键规则是否保留透明变更记录、异常处置是否仍有人工接管，将决定市场给这类平台的估值，究竟该加在效率上，还是扣在风险上。